家庭帮工占就业总人数百分比（模拟劳工组织估计）

Contributing family workers, total (% of total employment) (modeled ILO estimate)

下载数据

指标代码：SL.FAM.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

Contributing family workers are those workers who hold "self-employment jobs" as own-account workers in a market-oriented establishment operated by a related person living in the same household.

可供参考的中文翻译：家庭帮工是指那些以自营职业形式在与家庭成员同住的市场导向型经营场所工作的自雇工人。

数据口径与风险提示

该指标为国际劳工组织模拟估计值，各国数据质量和口径可能存在差异
家庭帮工的定义侧重于就业身份而非行业分类，与农业就业指标不同
该指标下降可能反映劳动力结构变化，但不必然意味着劳动者福利改善
跨国比较时需注意发展中国家普遍存在高比例，与经济发展阶段相关
时间序列完整性受限于各国统计能力，部分国家早期数据缺失
该指标属于脆弱性就业的组成部分，但不等同于非正规就业
女性在家庭帮工中往往占比更高，性别分解数据更具分析价值
ILO模型估计可能与各国官方调查数据存在差异，使用时需注明数据来源

中国趋势

趋势解读

中国家庭帮工占就业总人数比例在1991年至2025年间呈现持续且显著的下降趋势，从期初的24.24%逐步降至2025年的8.20%，下降幅度约为期初值的66%。从年度数据来看，下降轨迹十分稳定，几乎未出现反弹或停滞，2020年以来的年度降幅有所收窄但仍保持下行态势。该指标的高点出现在1991年，此后逐年递减，未观察到明显的结构性转折点。中国该比例已从高于世界平均水平降至明显低于世界平均水平，反映了中国经济结构转型和就业形态变化的深刻变迁。

1991年该指标值为24.24%，为有记录以来的最高点
2025年降至8.20%，为有记录以来的最低点
从1991年到2025年，累计下降约16个百分点
近期（2024-2025年）年度下降约0.27个百分点，降幅呈收窄趋势
该比例在约34年间从超过24%降至约8%，下降趋势极为稳定
数据起始于1991年，更早时期的中国数据不可得
该指标为ILO模拟估计值，可能与国家统计口径存在差异
下降趋势需结合就业结构、城镇化率等相关指标综合解读

全球趋势

趋势解读

全球家庭帮工占就业总人数比例在1991年至2025年间同样呈现持续下降趋势，从期初的16.75%降至2025年的9.43%，下降幅度约为期初值的44%。与世界相比，中国的下降速度明显更快，且中国的期初水平更高、下降幅度更大，使两国差距逐渐收窄并最终逆转。全球层面的下降轨迹较为平稳，2020年疫情期间曾出现短暂回升迹象，但随后恢复下降。与中国不同的是，全球该比例在2023年曾出现小幅反弹，可能反映了后疫情时期经济活动波动的影响。

1991年全球该指标值为16.75%，为有记录以来的最高点
2025年降至9.43%，为有记录以来的最低点
从1991年到2025年，全球累计下降约7.3个百分点
2020年全球该指标曾短暂回升至10.07%
2023年全球出现小幅反弹至9.89%，但2024年恢复下降
全球数据为加权汇总，各国变化方向和幅度差异可能被均值掩盖
不同地区的家庭帮工比例差异悬殊，发达国家与发展中国家不具可比性
全球指标同样依赖ILO模型估计，各国数据质量参差不齐

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	0.8x	0.9x	中国该比例期初约为24%，期末约为20%，倍数约为0.82，表明中国家庭帮工比例在该阶段下降了约18%；全球期初约为17%，期末约为15%，倍数约为0.90，表明全球下降幅度约为10%。中国下降速度快于全球，可能反映了中国工业化进程加速和就业结构转型的特点，但需要结合中国城镇化率和制造业就业数据验证这一判断的准确性。
2000-2009	0.7x	0.9x	中国该比例从期初约19%降至期末约14%，倍数约为0.74，十年间下降约26%；全球从期初约15%降至期末约13%，倍数约为0.85，下降约15%。中国降幅明显大于全球，倍数差距扩大，可能意味着中国农业就业向非农领域转移的速度持续快于全球平均水平，但需结合农业就业占比指标确认是否存在统计口径差异的影响。
2010-2019	0.7x	0.8x	中国该比例从期初约14%继续降至期末约10%，倍数约为0.72，十年下降约28%；全球从期初约12%降至期末约10%，倍数约为0.81，下降约19%。中国下降速度仍明显快于全球，倍数差距保持稳定。这一阶段可能反映了中国经济从高速增长向高质量发展转型期间就业结构的持续演变，但不宜将下降直接归因于具体政策。
2020-2029	0.9x	0.9x	中国该比例从期初约10%降至期末约8%，倍数约为0.85，十年下降约15%；全球从期初约10%降至期末约9%，倍数约为0.94，下降约6%。中国下降速度开始放缓，与全球的倍数差距明显收窄。这可能意味着中国家庭帮工比例已降至较低水平，进一步下降空间有限，也可能反映统计口径或数据修正的影响，需要结合更多变量进行验证。

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	Solomon Islands 所罗门群岛	SLB	56.9
2	Nepal 尼泊尔	NPL	40.9
3	Madagascar 马达加斯加	MDG	39.9
4	Burundi 布隆迪	BDI	37.4
5	Azerbaijan 阿塞拜疆	AZE	32.2
6	Timor-Leste 东帝汶	TLS	32.1
7	Bhutan 不丹	BTN	31.9
8	Niger 尼日尔	NER	30.0
9	Ethiopia 埃塞俄比亚	ETH	29.6
10	Tanzania 坦桑尼亚	TZA	28.8
11	Mali 马里	MLI	27.9
12	Kenya 肯尼亚	KEN	27.2
13	Burkina Faso 布基纳法索	BFA	26.6
14	Haiti 海地	HTI	24.4
15	Myanmar 缅甸	MMR	23.9
16	Lao PDR 老挝	LAO	22.3
17	Afghanistan 阿富汗	AFG	21.9
18	Congo, Dem. Rep. 刚果（金）	COD	21.2
19	Papua New Guinea 巴布亚新几内亚	PNG	21.2
20	Albania 阿尔巴尼亚	ALB	20.8
21	Benin 贝宁	BEN	20.2
22	Pakistan 巴基斯坦	PAK	19.7
23	Guinea-Bissau 几内亚比绍	GNB	19.7
24	Chad 乍得	TCD	19.5
25	Central African Republic 中非共和国	CAF	17.8
26	Fiji 斐济	FJI	17.6
27	Cote d'Ivoire 科特迪瓦	CIV	17.4
28	Bolivia 玻利维亚	BOL	16.6
29	Angola 安哥拉	AGO	16.0
30	Korea, Dem. People's Rep. 朝鲜	PRK	16.0
31	India 印度	IND	15.7
32	Guinea 几内亚	GIN	15.3
33	Togo 多哥	TGO	15.0
34	Thailand 泰国	THA	14.8
35	Georgia 格鲁吉亚	GEO	14.7
36	Yemen, Rep. 也门	YEM	14.5
37	Tajikistan 塔吉克斯坦	TJK	14.3
38	Ecuador 厄瓜多尔	ECU	14.0
39	Mozambique 莫桑比克	MOZ	13.4
40	Indonesia 印度尼西亚	IDN	13.0
41	Senegal 塞内加尔	SEN	12.2
42	Viet Nam 越南	VNM	12.0
43	Eritrea 厄立特里亚	ERI	11.9
44	Peru 秘鲁	PER	11.0
45	Somalia, Fed. Rep. 索马里	SOM	10.5
46	Nigeria 尼日利亚	NGA	9.92
47	Cambodia 柬埔寨	KHM	9.40
48	Samoa 萨摩亚	WSM	8.69
49	Cabo Verde 佛得角	CPV	8.66
50	Syrian Arab Republic 叙利亚	SYR	8.48
51	Liberia 利比里亚	LBR	8.43
52	China 中国	CHN	8.20
53	Nicaragua 尼加拉瓜	NIC	7.88
54	Turkiye 土耳其	TUR	7.79
55	Guatemala 危地马拉	GTM	7.18
56	Congo, Rep. 刚果（布）	COG	7.01
57	Mauritania 毛里塔尼亚	MRT	6.94
58	Uganda 乌干达	UGA	6.45
59	Sri Lanka 斯里兰卡	LKA	6.17
60	Philippines 菲律宾	PHL	6.14
61	Sierra Leone 塞拉利昂	SLE	5.75
62	Malawi 马拉维	MWI	5.59
63	Turkmenistan 土库曼斯坦	TKM	5.54
64	Bangladesh 孟加拉国	BGD	5.52
65	Gambia, The 冈比亚	GMB	5.52
66	Honduras 洪都拉斯	HND	5.43
67	Paraguay 巴拉圭	PRY	5.35
68	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	5.35
69	Serbia 塞尔维亚	SRB	5.20
70	Panama 巴拿马	PAN	5.08
71	Cameroon 喀麦隆	CMR	5.03
72	Iraq 伊拉克	IRQ	4.95
73	Morocco 摩洛哥	MAR	4.82
74	Venezuela, RB 委内瑞拉	VEN	4.80
75	Belize 伯利兹	BLZ	4.77
76	Egypt, Arab Rep. 埃及	EGY	4.72
77	Namibia 纳米比亚	NAM	4.70
78	Sao Tome and Principe 圣多美和普林西比	STP	4.07
79	Suriname 苏里南	SUR	3.97
80	El Salvador 萨尔瓦多	SLV	3.82
81	Comoros 科摩罗	COM	3.82
82	Libya 利比亚	LBY	3.78
83	Tonga 汤加	TON	3.63
84	Mexico 墨西哥	MEX	3.56
85	Greece 希腊	GRC	3.33
86	Armenia 亚美尼亚	ARM	3.31
87	Iran, Islamic Rep. 伊朗	IRN	3.25
88	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	3.19
89	Korea, Rep. 韩国	KOR	2.96
90	Equatorial Guinea 赤道几内亚	GNQ	2.95
91	Eswatini 斯威士兰	SWZ	2.91
92	North Macedonia 北马其顿	MKD	2.84
93	Ghana 加纳	GHA	2.80
94	Moldova 摩尔多瓦	MDA	2.66
95	Switzerland 瑞士	CHE	2.63
96	Romania 罗马尼亚	ROU	2.49
97	Belarus 白俄罗斯	BLR	2.48
98	Botswana 博茨瓦纳	BWA	2.25
99	Zambia 赞比亚	ZMB	2.15
100	Colombia 哥伦比亚	COL	1.92
101	Slovenia 斯洛文尼亚	SVN	1.73
102	Luxembourg 卢森堡	LUX	1.72
103	Tunisia 突尼斯	TUN	1.70
104	Rwanda 卢旺达	RWA	1.69
105	Japan 日本	JPN	1.68
106	Uzbekistan 乌兹别克斯坦	UZB	1.64
107	St. Lucia 圣卢西亚	LCA	1.63
108	Vanuatu 瓦努阿图	VUT	1.43
109	Montenegro 黑山	MNE	1.29
110	Oman 阿曼	OMN	1.24
111	Algeria 阿尔及利亚	DZA	1.23
112	Barbados 巴巴多斯	BRB	1.15
113	Brazil 巴西	BRA	1.13
114	Mauritius 毛里求斯	MUS	1.04
115	Dominican Republic 多米尼加共和国	DOM	1.03
116	Austria 奥地利	AUT	1.00
117	Bosnia and Herzegovina 波黑	BIH	1.00
118	Italy 意大利	ITA	0.96
119	Ireland 爱尔兰	IRL	0.88
120	Latvia 拉脱维亚	LVA	0.86
121	Uruguay 乌拉圭	URY	0.84
122	Costa Rica 哥斯达黎加	CRI	0.84
123	Lesotho 莱索托	LSO	0.83
124	Gabon 加蓬	GAB	0.78
125	Zimbabwe 津巴布韦	ZWE	0.68
126	Belgium 比利时	BEL	0.65
127	Cyprus 塞浦路斯	CYP	0.63
128	Poland 波兰	POL	0.62
129	South Africa 南非	ZAF	0.62
130	Finland 芬兰	FIN	0.58
131	New Zealand 新西兰	NZL	0.57
132	Brunei Darussalam 文莱	BRN	0.57
133	Chile 智利	CHL	0.54
134	Kuwait 科威特	KWT	0.54
135	Croatia 克罗地亚	HRV	0.53
136	Cuba 古巴	CUB	0.53
137	Jamaica 牙买加	JAM	0.51
138	Maldives 马尔代夫	MDV	0.43
139	Sweden 瑞典	SWE	0.41
140	Lithuania 立陶宛	LTU	0.37
141	Qatar 卡塔尔	QAT	0.34
142	Bahamas, The 巴哈马	BHS	0.33
143	Bahrain 巴林	BHR	0.32
144	Denmark 丹麦	DNK	0.29
145	United Arab Emirates 阿联酋	ARE	0.27
146	Netherlands 荷兰	NLD	0.27
147	France 法国	FRA	0.27
148	United Kingdom 英国	GBR	0.27
149	Spain 西班牙	ESP	0.22
150	Germany 德国	DEU	0.22
151	Argentina 阿根廷	ARG	0.21
152	Bulgaria 保加利亚	BGR	0.19
153	Estonia 爱沙尼亚	EST	0.16
154	Saudi Arabia 沙特阿拉伯	SAU	0.14
155	Czechia 捷克	CZE	0.13
156	Hungary 匈牙利	HUN	0.13
157	Singapore 新加坡	SGP	0.12
158	Malaysia 马来西亚	MYS	0.10
159	Djibouti 吉布提	DJI	0.10
160	Norway 挪威	NOR	0.10
161	Portugal 葡萄牙	PRT	0.10
162	Jordan 约旦	JOR	0.10
163	United States 美国	USA	0.10
164	Israel 以色列	ISR	0.10
165	Slovak Republic 斯洛伐克	SVK	0.10
166	Malta 马耳他	MLT	0.10
167	Iceland 冰岛	ISL	0.10
168	Russian Federation 俄罗斯	RUS	0.10
169	Canada 加拿大	CAN	0.10
170	Australia 澳大利亚	AUS	0.10
171	Kazakhstan 哈萨克斯坦	KAZ	0.10
172	Guyana 圭亚那	GUY	0.10
173	Mongolia 蒙古	MNG	0.10

使用建议、常见误用与研究场景

数值较高通常意味着什么

家庭帮工比例较高通常意味着就业结构中自雇和小规模家庭经营占比较大，可能反映经济发展水平较低、工业化程度不足或正规就业机会相对稀缺的状态。

数值较低通常意味着什么

家庭帮工比例较低通常意味着正规就业、雇佣劳动在就业结构中占比较高，可能反映经济发展水平较高、产业结构调整较为充分或劳动力市场现代化程度较高的状态。

鍙ｅ緞闄愬埗

该指标下降不必然反映劳动者收入提高或就业质量改善，家庭帮工可能转为非正规就业而非正规就业
该指标在不同发展阶段国家的含义不同，发达国家的低比例与欠发达国家低比例的成因和含义截然不同
ILO模型估计值可能与各国实际调查数据存在偏差，跨国比较需谨慎
该指标未反映工作条件、收入水平、社会保障覆盖等就业质量维度
自雇就业中除家庭帮工外还包括独立经营者，后者可能具有完全不同的社会经济含义
女性家庭帮工往往面临更严重的工作条件问题，但该指标无法区分有酬与无偿劳动
经济发展初期的比例下降可能伴随隐性失业转移，而非真正的就业质量改善
该指标是脆弱性就业的组成部分，但不能等同于非正规就业或童工问题

使用建议

使用时需结合GDP人均水平、城镇化率等发展指标进行分组分析
研究中国就业结构转型时宜同时考察农业就业占比和制造业就业占比的变化
进行跨国比较时应区分发展阶段，优先与同收入组别或相似发展阶段国家对比
评估就业质量变化时需引入工资水平、社会保障覆盖率等补充指标
分析性别差异时应使用女性专项分解数据，而非假设两性变化一致
政策研究应结合具体产业政策和劳动力市场制度背景，避免简单线性推断
使用时需注明数据来源为ILO模型估计值，说明其与官方调查数据的潜在差异
时间序列分析应注意数据可追溯性和口径一致性，必要时进行数据质量敏感性检验

常见错误用法

错误做法：将该指标下降直接解读为中国劳动者福利水平提高的证据

正确做法：将该指标下降谨慎解读为就业结构调整的信号，同时引入收入中位数、社会保障覆盖率等指标综合评估劳动者福利变化

家庭帮工可能转为非正规就业或失业，而非进入正规就业体系，低比例不等同于高质量就业

错误做法：将中国的低比例与发达国家的低比例进行简单对比并得出相同的发展阶段结论

正确做法：在比较时标注发展阶段差异，优先与同收入组别或相似经济结构的国家进行对标

相同比例水平在不同的经济结构和制度背景下可能代表完全不同的含义，发达国家的低比例是工业化充分发展的结果，而发展中国家可能因统计遗漏导致低估

错误做法：使用该指标推断具体政策效果，如认为某项改革直接导致了指标下降

正确做法：将该指标作为就业结构变化的参考指标之一，结合相关政策变量和产业数据进行分析

该指标受多重因素影响，包括经济结构转型、城镇化进程、教育普及等，不能将变化简单归因于单一政策因素

错误做法：忽略数据来源的估计性质，直接将其等同于各国官方统计数据

正确做法：使用时明确标注“模拟劳工组织估计”，并对数据质量和口径差异进行说明

ILO模型估计依赖于各国数据报告能力和统计标准，可能存在系统性偏差，不加说明地使用可能造成误导

实际应用场景

中国就业结构转型与产业升级研究：分析1991年以来中国就业结构从传统农业向服务业和制造业转移的进程被解释变量作为衡量就业结构高级化程度的辅助指标，可与农业就业占比、服务业就业占比等指标结合使用，进行多维度就业结构变化的综合评估
城镇化进程与劳动力市场演变研究：考察城镇化如何影响家庭帮工比例的变化被解释变量可作为城镇化影响的中间产出变量，分析城镇化率提高与家庭帮工比例下降之间的关联强度和时滞效应
女性就业形态变迁研究：分析女性从家庭帮工向正规就业或自雇转型的历史进程被解释变量结合女性农业就业占比和女性弱势群体就业率等指标，从性别视角分析就业形态的结构性变化
经济周期与就业稳定性研究：分析经济波动对家庭帮工比例的影响，评估就业结构的抗风险能力被解释变量通过时间序列分析考察经济下行期家庭帮工比例是否回升，评估就业结构的稳定性变化
跨国就业结构比较研究：将中国与其他金砖国家或亚洲发展中国家的就业结构进行比较比较基准在控制发展阶段后进行跨国比较，分析中国就业结构转型的独特性和普遍性
劳动力市场分割与收入不平等研究：考察家庭帮工比例与收入分配差距的关系解释变量将家庭帮工比例作为劳动力市场分割程度的代理变量，分析其与基尼系数或收入差距指标的关联