工资和受薪工人（占就业总人数的百分比）

Wage and salaried workers, total (% of total employment) (modeled ILO estimate)

下载数据

指标代码：SL.EMP.WORK.ZS所属主题：社会保障与劳动力：Economic activitySocial Protection & Labor: Economic activity

2025最新有效年份

173最新年份有值国家

265历史上有数据经济体

53%总体缺失率

指标解释

World Bank official description / 世界银行官方说明

Wage and salaried workers (employees) are those workers who hold the type of jobs defined as "paid employment jobs," where the incumbents hold explicit (written or oral) or implicit employment contracts that give them a basic remuneration that is not directly dependent upon the revenue of the unit for which they work.

可供参考的中文翻译：工资和受薪工人（雇员）是指持有明确（书面或口头）或隐含雇佣合同的工作类型（即"带薪就业工作"）的工人，其基本报酬不直接依赖于其工作单位的收入。

数据口径与风险提示

本指标基于国际劳工组织（ILO）模拟估计，不同国家调查方法和数据收集体系差异可能影响跨国可比性
部分发展中国家家庭调查覆盖不足，可能低估非正规就业规模
ILO模型估算涉及统计插值和调整，实际值可能与调查原始数据存在偏差
中国数据最早可追溯至1991年，无法与更早历史时期直接比较
就业状态分类依赖受访者自我申报，可能存在归类主观性偏差
女性和青年群体在就业结构中的代表性可能受数据缺口影响

中国趋势

趋势解读

中国工资和受薪工人占比从1991年的约42.6%持续上升至2025年的约62.3%，长期增长趋势清晰。1991至2007年间增速相对较快，年均提升约0.8个百分点；2008年后增速逐渐放缓，2010年代年均提升约0.5个百分点，2020年代进一步降至约0.3个百分点。2010年后增长斜率收窄，可能反映中国就业结构转型已从高速阶段进入相对平稳的成熟阶段，未来进一步提升空间可能有限。

1991年约42.6%，2025年约62.3%
1991至2007年约16年间增长约10.6个百分点
2008至2024年约16年间增长约7.8个百分点
2010年代增长约3.7个百分点
2020年代（2020-2025）增长约1.8个百分点
数据最早始于1991年，1990年代前的变化无法观察
增速放缓是结构性转型完成的信号还是转型空间尚存，需结合产业结构和劳动法规等变量验证
本指标包含正规和非正规部门的受薪工人，无法区分雇佣关系的质量和保障程度

全球趋势

趋势解读

全球工资和受薪工人占比从1991年的约47.6%波动上升至2025年的约53.6%，整体增幅约6.0个百分点。1990年代至2010年代中期呈渐进式增长，2019年达到约53.8%的历史峰值，2020年出现小幅回落约0.5个百分点，其后基本维持平稳。与中国相比，全球增长幅度明显较小且波动更平缓，反映了全球劳动力结构转型的渐进性以及不同发展阶段国家异质性的综合效果。

1991年约47.6%，2025年约53.6%
2019年约53.8%，为历史最高点
2020年约53.3%，较上年下降约0.5个百分点
2010年代增长约2.5个百分点
2020年代（2020-2025）增长约0.3个百分点
全球数据是各国数据的加权平均，掩盖了区域内和国家间的显著差异
2019年后增速大幅放缓，部分反映了全球经济增长动能减弱和产业结构趋于稳定
不同收入水平国家的就业结构差异巨大，聚合数据难以反映单一趋势

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	-	该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。
1970-1979	-	-	该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。
1980-1989	-	-	该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。
1990-1999	1.1x	1.0x	该时期中国受薪就业占比提升幅度（期终约为期初的1.12倍）显著高于全球（1.01倍），可能反映中国工业化进程加速和城镇单位就业扩张速度快于全球平均水平，结构性转型驱动了更明显的就业正规化趋势。
2000-2009	1.1x	1.1x	该时期中国倍数（1.13倍）仍高于全球（1.05倍），但差距较1990年代有所收窄，可能意味着中国就业结构快速转型的高峰期正在过去，逐步向更平稳的增长阶段过渡。
2010-2019	1.1x	1.0x	该时期中国倍数（1.09倍）与全球（1.05倍）的差距进一步缩小，可能反映中国就业结构转型已趋于成熟，剩余提升空间逐步收窄，而全球其他地区仍在经历相对更显著的正规化进程。
2020-2029	1.0x	1.0x	该时期中国倍数（1.03倍）与全球（1.00倍）的差距进一步缩小至很小水平，可能意味着中国受薪就业占比已进入高度稳定的平台期，进一步提升的边际空间已非常有限。

2025 年全部国家排名

排名已尽量排除 World、地区组和收入组，仅保留国家参与比较。排名高低应结合指标口径解释。

排名	国家	代码	数值
1	Qatar 卡塔尔	QAT	99.2
2	Bahrain 巴林	BHR	97.6
3	Kuwait 科威特	KWT	96.8
4	Norway 挪威	NOR	95.1
5	Oman 阿曼	OMN	95.0
6	United Arab Emirates 阿联酋	ARE	94.9
7	Saudi Arabia 沙特阿拉伯	SAU	94.5
8	United States 美国	USA	93.9
9	Russian Federation 俄罗斯	RUS	93.7
10	Belarus 白俄罗斯	BLR	93.2
11	Brunei Darussalam 文莱	BRN	92.7
12	Denmark 丹麦	DNK	92.1
13	Germany 德国	DEU	91.9
14	Japan 日本	JPN	90.9
15	Cyprus 塞浦路斯	CYP	89.8
16	Sweden 瑞典	SWE	89.8
17	Luxembourg 卢森堡	LUX	89.7
18	Jordan 约旦	JOR	88.8
19	Israel 以色列	ISR	88.7
20	Lithuania 立陶宛	LTU	88.5
21	Hungary 匈牙利	HUN	88.4
22	Bulgaria 保加利亚	BGR	88.2
23	Estonia 爱沙尼亚	EST	87.9
24	Austria 奥地利	AUT	87.8
25	Finland 芬兰	FIN	87.5
26	Singapore 新加坡	SGP	87.3
27	Croatia 克罗地亚	HRV	87.3
28	Canada 加拿大	CAN	87.1
29	United Kingdom 英国	GBR	86.9
30	France 法国	FRA	86.7
31	Iceland 冰岛	ISL	86.7
32	Ireland 爱尔兰	IRL	86.6
33	Latvia 拉脱维亚	LVA	86.3
34	Malta 马耳他	MLT	86.1
35	Slovenia 斯洛文尼亚	SVN	86.0
36	Portugal 葡萄牙	PRT	85.6
37	Romania 罗马尼亚	ROU	85.5
38	Spain 西班牙	ESP	85.5
39	Belgium 比利时	BEL	85.4
40	Slovak Republic 斯洛伐克	SVK	85.1
41	Czechia 捷克	CZE	84.3
42	Australia 澳大利亚	AUS	83.9
43	North Macedonia 北马其顿	MKD	83.4
44	Netherlands 荷兰	NLD	83.2
45	Switzerland 瑞士	CHE	83.1
46	Bahamas, The 巴哈马	BHS	82.9
47	South Africa 南非	ZAF	82.7
48	Montenegro 黑山	MNE	82.6
49	Mauritius 毛里求斯	MUS	82.2
50	New Zealand 新西兰	NZL	81.6
51	Poland 波兰	POL	81.1
52	Barbados 巴巴多斯	BRB	80.5
53	Maldives 马尔代夫	MDV	80.0
54	Italy 意大利	ITA	78.9
55	Bosnia and Herzegovina 波黑	BIH	77.9
56	Suriname 苏里南	SUR	77.5
57	Korea, Rep. 韩国	KOR	77.3
58	Chile 智利	CHL	76.1
59	Cuba 古巴	CUB	75.1
60	Tunisia 突尼斯	TUN	75.1
61	Malaysia 马来西亚	MYS	74.6
62	Argentina 阿根廷	ARG	74.4
63	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	74.3
64	Libya 利比亚	LBY	74.1
65	Kazakhstan 哈萨克斯坦	KAZ	73.9
66	Costa Rica 哥斯达黎加	CRI	73.4
67	St. Lucia 圣卢西亚	LCA	73.3
68	Egypt, Arab Rep. 埃及	EGY	73.0
69	Serbia 塞尔维亚	SRB	73.0
70	Equatorial Guinea 赤道几内亚	GNQ	72.5
71	Uruguay 乌拉圭	URY	72.0
72	Botswana 博茨瓦纳	BWA	71.9
73	Turkiye 土耳其	TUR	71.5
74	Algeria 阿尔及利亚	DZA	69.8
75	Eswatini 斯威士兰	SWZ	69.8
76	Brazil 巴西	BRA	69.7
77	Greece 希腊	GRC	69.5
78	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	69.5
79	Mexico 墨西哥	MEX	69.2
80	Guyana 圭亚那	GUY	68.9
81	Tajikistan 塔吉克斯坦	TJK	68.7
82	Iraq 伊拉克	IRQ	68.3
83	Turkmenistan 土库曼斯坦	TKM	68.0
84	Gabon 加蓬	GAB	67.6
85	Armenia 亚美尼亚	ARM	66.3
86	Fiji 斐济	FJI	65.9
87	Belize 伯利兹	BLZ	64.8
88	El Salvador 萨尔瓦多	SLV	64.3
89	Jamaica 牙买加	JAM	64.3
90	Philippines 菲律宾	PHL	63.9
91	Namibia 纳米比亚	NAM	63.5
92	China 中国	CHN	62.3
93	Cabo Verde 佛得角	CPV	61.5
94	Lesotho 莱索托	LSO	61.5
95	Guatemala 危地马拉	GTM	60.9
96	Morocco 摩洛哥	MAR	59.9
97	Venezuela, RB 委内瑞拉	VEN	59.6
98	Rwanda 卢旺达	RWA	59.6
99	Panama 巴拿马	PAN	59.4
100	Mongolia 蒙古	MNG	58.8
101	Paraguay 巴拉圭	PRY	58.7
102	Tonga 汤加	TON	58.2
103	Sri Lanka 斯里兰卡	LKA	57.9
104	Dominican Republic 多米尼加共和国	DOM	57.9
105	Syrian Arab Republic 叙利亚	SYR	57.6
106	Iran, Islamic Rep. 伊朗	IRN	57.1
107	Sao Tome and Principe 圣多美和普林西比	STP	56.0
108	Honduras 洪都拉斯	HND	55.9
109	Nicaragua 尼加拉瓜	NIC	55.7
110	Samoa 萨摩亚	WSM	55.5
111	Uzbekistan 乌兹别克斯坦	UZB	54.6
112	Colombia 哥伦比亚	COL	54.4
113	Georgia 格鲁吉亚	GEO	53.9
114	Albania 阿尔巴尼亚	ALB	49.7
115	Thailand 泰国	THA	49.3
116	Djibouti 吉布提	DJI	48.9
117	Peru 秘鲁	PER	48.7
118	Somalia, Fed. Rep. 索马里	SOM	47.8
119	Ecuador 厄瓜多尔	ECU	47.7
120	Eritrea 厄立特里亚	ERI	47.6
121	Yemen, Rep. 也门	YEM	47.4
122	Indonesia 印度尼西亚	IDN	46.7
123	Viet Nam 越南	VNM	46.7
124	Cambodia 柬埔寨	KHM	44.5
125	Pakistan 巴基斯坦	PAK	43.0
126	Mauritania 毛里塔尼亚	MRT	42.6
127	Comoros 科摩罗	COM	42.1
128	Moldova 摩尔多瓦	MDA	41.2
129	Vanuatu 瓦努阿图	VUT	39.4
130	Bangladesh 孟加拉国	BGD	39.0
131	Malawi 马拉维	MWI	38.7
132	Korea, Dem. People's Rep. 朝鲜	PRK	37.9
133	Senegal 塞内加尔	SEN	35.7
134	Kenya 肯尼亚	KEN	35.2
135	Myanmar 缅甸	MMR	34.5
136	Bolivia 玻利维亚	BOL	33.7
137	Azerbaijan 阿塞拜疆	AZE	33.0
138	Ghana 加纳	GHA	32.5
139	Gambia, The 冈比亚	GMB	31.4
140	Cameroon 喀麦隆	CMR	30.7
141	Bhutan 不丹	BTN	30.5
142	Solomon Islands 所罗门群岛	SLB	30.1
143	Zimbabwe 津巴布韦	ZWE	29.2
144	Cote d'Ivoire 科特迪瓦	CIV	29.0
145	Zambia 赞比亚	ZMB	28.3
146	Timor-Leste 东帝汶	TLS	25.1
147	India 印度	IND	25.1
148	Guinea-Bissau 几内亚比绍	GNB	24.5
149	Angola 安哥拉	AGO	24.1
150	Mali 马里	MLI	23.6
151	Togo 多哥	TGO	23.4
152	Congo, Rep. 刚果（布）	COG	23.2
153	Haiti 海地	HTI	23.2
154	Lao PDR 老挝	LAO	22.9
155	Liberia 利比里亚	LBR	21.7
156	Nepal 尼泊尔	NPL	21.4
157	Papua New Guinea 巴布亚新几内亚	PNG	21.3
158	Benin 贝宁	BEN	20.2
159	Uganda 乌干达	UGA	19.5
160	Guinea 几内亚	GIN	18.1
161	Burkina Faso 布基纳法索	BFA	17.4
162	Afghanistan 阿富汗	AFG	16.6
163	Ethiopia 埃塞俄比亚	ETH	15.7
164	Burundi 布隆迪	BDI	15.1
165	Congo, Dem. Rep. 刚果（金）	COD	14.9
166	Mozambique 莫桑比克	MOZ	14.7
167	Tanzania 坦桑尼亚	TZA	14.7
168	Central African Republic 中非共和国	CAF	14.6
169	Nigeria 尼日利亚	NGA	13.8
170	Madagascar 马达加斯加	MDG	11.7
171	Sierra Leone 塞拉利昂	SLE	11.2
172	Niger 尼日尔	NER	10.5
173	Chad 乍得	TCD	8.44

使用建议、常见误用与研究场景

数值较高通常意味着什么

受薪就业占比较高通常意味着就业正规化程度较高，劳动合同保障更完善，社会保障覆盖率可能更高。反映产业结构中制造业和服务业等正规部门吸纳就业的能力较强，劳动关系法律框架相对健全，劳动力市场制度化水平较为成熟。

数值较低通常意味着什么

受薪就业占比较低通常意味着农业和自营职业在就业结构中占比较高，反映劳动力市场正规化程度不足，劳动合同覆盖率有限。劳动者更多依赖非正规就业渠道，缺乏系统性劳动保护和福利保障，职业稳定性和收入保障可能较弱。

鍙ｅ緞闄愬埗

本指标基于国际劳工组织（ILO）模拟估计，不同国家调查方法和数据收集体系差异可能影响跨国可比性
部分发展中国家家庭调查覆盖不足，可能低估非正规就业规模，导致受薪就业占比被高估
ILO模型估算涉及统计插值和调整，实际值可能与调查原始数据存在偏差，需审慎解读绝对数值
该指标无法区分正规就业与正规部门内非正规劳动关系（如劳务派遣、临时合同工等），就业质量信息不完整
女性和青年群体在就业结构中的代表性可能受数据缺口影响，特定群体分析需补充专项调查数据

使用建议

使用时建议结合ILO原始调查数据和各国统计口径说明，交叉验证指标数值的合理性与一致性
分析长期趋势时应结合中国工业化进程、城镇化率和劳动法规演变等背景变量，理解增长动因
跨国比较研究应优先选择发展阶段相近的国家作为对照，或采用人均收入水平分组分析
解读地区差异时应考虑产业集聚程度、外商投资规模和劳动监察力度等因素的影响
研究就业质量时需补充工资水平、工作时长、劳动争议发生率等配套指标进行综合评估

常见错误用法

错误做法：直接用该指标对不同国家进行排名比较，认为排名靠前国家就业质量一定更好

正确做法：比较跨国数据时应关注长期变化趋势，结合发展阶段和产业结构差异进行分组对比，不宜直接进行静态排名

不同国家发展阶段、产业结构和经济体制差异巨大，受薪就业比例受历史路径和制度环境强烈影响，静态排名无法反映就业质量的真实差异

错误做法：将该指标等同于高质量就业或良好劳动关系的代理变量

正确做法：该指标仅反映就业正规化程度，受薪就业不等于高质量就业，正规部门内部同样存在工资低、劳动强度大、权益保障不足等情况

就业质量评估需要综合考虑工资水平、工作时长、劳动保护、职工福利等多维度因素，单一指标无法全面刻画就业质量全貌

错误做法：将中国与全球平均水平的差距简单归因于中国劳动法规更严格或劳动者保护更好

正确做法：应结合中国快速工业化进程、城镇单位扩张速度和服务业发展的阶段性特征理解差距来源

中国受薪就业比例增长主要反映经济结构转型和正规部门扩张，而非单纯的劳动保护制度完善，简单类比可能产生误导性结论

错误做法：基于单一年度数据进行短期政策评价，忽视了该指标的长期结构性特征

正确做法：政策评价应基于至少10年以上的长周期数据，关注结构性拐点而非短期波动

该指标反映的是就业结构的深层变化，短期内受经济周期影响较大但恢复较快，政策对结构性变化的影响往往需要较长时间才能显现

实际应用场景

中国就业正规化进程的长期趋势与驱动因素研究：分析1991-2025年中国受薪就业占比持续上升的长期趋势及其结构性驱动因素被解释变量采用时间序列分解方法，将趋势成分与周期成分分离，结合工业化率、城镇化率和产业结构变化验证驱动因素，避免将周期性波动误读为结构性转型
金砖国家劳动力市场结构转型比较研究：选择中国、印度、巴西、南非等金砖国家作为对照，分析不同发展阶段国家受薪就业比例变化路径的异同比较变量应控制人均收入水平、工业化阶段和劳动力市场制度等关键变量，选择可比性强的样本区间，采用面板协整方法检验长期均衡关系
数字经济对就业结构正规化影响的实证分析：考察平台经济和灵活用工模式发展对传统正规就业比例的影响方向与程度机制变量需结合平台就业规模、零工经济占比等补充指标构建机制变量，注意区分平台企业中的正式雇佣与灵活用工形式，同时考虑统计口径可能尚未覆盖新型就业形态
劳动法规实施对就业正规化效果的稳健性检验：以《劳动合同法》实施为契机，采用断点回归设计检验劳动保护制度对就业正规化率的因果效应稳健性检验变量将受薪就业占比作为稳健性检验被解释变量，验证主分析结论的稳健性，同时应考虑企业可能通过调整用工形式规避法律约束的策略性反应