劳动力参与率，女性（占 15-64 岁女性人口的百分比）（模拟劳工组织估计）

Labor force participation rate, female (% of female population ages 15-64) (modeled ILO estimate)

下载数据

指标代码：SL.TLF.ACTI.FE.ZS所属主题：社会保障与劳动力：Labor force structureSocial Protection & Labor: Labor force structure

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

52%总体缺失率

指标解释

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

Labor force participation rate is the proportion of the population ages 15-64 that is economically active: all people who supply labor for the production of goods and services during a specified period.

可供参考的中文翻译：劳动力参与率是指在特定时期内为商品和服务生产提供劳动力的经济活跃人口占 15-64 岁人口的比例。

数据口径与风险提示

该指标为 ILO 模拟估算值，可能与各国官方调查数据存在口径差异
数据反映 15-64 岁女性群体，不包括 65 岁及以上或 15 岁以下人口
劳动力定义包含就业者和失业求职者，退休返聘或非正式就业均计入
跨国比较需注意各国劳动法规、社保制度和社会文化差异对参与率的影响
该比率为比例指标，反映相对参与程度而非劳动力绝对规模
模型估算依赖各国统计质量，数据覆盖率和更新频率可能不一致

中国趋势

趋势解读

中国女性（15-64岁）劳动力参与率自1990年以来呈现持续下降趋势，从期初的79.18%降至2025年的69.58%，累计下降约9.6个百分点。这一下降在1990年代尤为显著，年均降幅约0.6个百分点；2000年代降幅有所收窄，年均约0.3个百分点；2010年代基本企稳，变化幅度极小；2020年以来在68-71%区间波动，2025年略降至69.58%。该指标的高水平（始终高于世界均值约15个百分点）反映了中国女性较高的劳动参与传统，但其持续下降趋势可能与教育扩张、产业结构转型以及家庭照料需求增加等因素相关，需结合相关变量进一步验证。

1990年：中国女性劳动力参与率为79.18%，为历史最高值
1990-1999年：持续下降至74.35%，十年间下降约4.83个百分点
2000-2009年：继续下降至70.37%，十年间下降约4.38个百分点
2010-2019年：在69.78%-70.12%区间小幅波动，基本保持稳定
2020年：降至68.65%，为数据期间的最低值
2021年：反弹至70.71%，为近年最高点
2025年：最新值为69.58%，最新一期较期初下降约9.60个百分点
下降趋势可能反映教育普及、老龄化加速或统计口径变化，不宜简单解读为劳动力市场恶化

全球趋势

趋势解读

全球女性（15-64岁）劳动力参与率自1990年以来呈小幅下降态势，从56.01%降至2025年的55.05%，累计下降约0.96个百分点。与中国的持续下降不同，世界均值在1990年代基本平稳（55.7%-56.0%区间），2000年代开始缓慢下行，2010年代进一步降至53.5%-54.2%区间，2020年受全球公共卫生事件影响降至52.39%的最低点，随后逐步回升至2025年的55.05%。整体而言，世界女性劳动力参与率始终维持在相对较低水平（55%左右），远低于中国，可能与不同发展中国家的农业就业结构、发达国家的人口老龄化以及全球女性教育水平提升导致的人力资本积累效应等因素相关。

1990年：世界女性劳动力参与率为56.01%，为历史最高值
1990-1999年：在55.7%-56.0%区间窄幅波动，基本保持稳定
2000-2009年：降至54.53%，十年间下降约1.26个百分点
2010-2019年：从54.18%小幅波动至53.70%，下降约0.48个百分点
2020年：降至52.39%，为数据期间的最低值
2021-2025年：持续回升至55.05%，近期变化为+1.55个百分点
最新一期较期初下降约0.96个百分点，远小于中国的下降幅度
世界均值由众多国家加权计算，各国差异极大，简单比较可能产生误导

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	0.9x	1.0x	该阶段中国下降幅度（约为期初值的0.94倍）显著大于世界（约为期初值的0.997倍），可能反映中国经济转型期产业结构变化对女性就业的冲击相对更大，或者中国在该阶段的统计口径调整相对集中。
2000-2009	1.0x	1.0x	中国下降倍数（0.95倍）仍大于世界（0.98倍），但差距较上一阶段收窄，可能意味着全球新兴经济体女性劳动参与普遍面临类似下行压力，中国的结构性因素作用边际减弱。
2010-2019	1.0x	1.0x	中国变化倍数接近1.0，世界降至0.99以下，两者的分母（期初值）差异较大——中国约70%、世界约54%——中国在更高基数上企稳，可能与中国劳动力市场趋于成熟、产业结构趋于稳定有关。
2020-2029	1.0x	1.1x	世界增长倍数（1.05倍）高于中国（1.01倍），可能反映后疫情时期全球劳动力市场恢复速度差异，或世界均值中发展中国家比重变化导致整体回升幅度较大，需要结合相关变量验证具体驱动因素。

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	Korea, Dem. People's Rep. 朝鲜	PRK	87.3
2	Madagascar 马达加斯加	MDG	84.6
3	Solomon Islands 所罗门群岛	SLB	84.3
4	Iceland 冰岛	ISL	84.0
5	Sweden 瑞典	SWE	82.3
6	Netherlands 荷兰	NLD	82.2
7	Cambodia 柬埔寨	KHM	82.1
8	Tanzania 坦桑尼亚	TZA	82.0
9	Nigeria 尼日利亚	NGA	81.9
10	Bahamas, The 巴哈马	BHS	81.4
11	Estonia 爱沙尼亚	EST	80.8
12	Burundi 布隆迪	BDI	80.8
13	Switzerland 瑞士	CHE	80.7
14	Denmark 丹麦	DNK	79.8
15	New Zealand 新西兰	NZL	79.2
16	Finland 芬兰	FIN	78.7
17	Norway 挪威	NOR	78.0
18	Mozambique 莫桑比克	MOZ	77.7
19	Australia 澳大利亚	AUS	77.4
20	Lithuania 立陶宛	LTU	77.4
21	Japan 日本	JPN	77.0
22	Uganda 乌干达	UGA	76.9
23	Canada 加拿大	CAN	76.7
24	Benin 贝宁	BEN	76.6
25	Belarus 白俄罗斯	BLR	76.6
26	Barbados 巴巴多斯	BRB	76.4
27	Eritrea 厄立特里亚	ERI	76.2
28	Germany 德国	DEU	76.0
29	Portugal 葡萄牙	PRT	76.0
30	Moldova 摩尔多瓦	MDA	75.7
31	Viet Nam 越南	VNM	75.1
32	Bolivia 玻利维亚	BOL	74.9
33	Malta 马耳他	MLT	74.6
34	Latvia 拉脱维亚	LVA	74.5
35	Hungary 匈牙利	HUN	74.3
36	Cyprus 塞浦路斯	CYP	74.3
37	Niger 尼日尔	NER	74.0
38	Austria 奥地利	AUT	73.8
39	United Kingdom 英国	GBR	73.5
40	Liberia 利比里亚	LBR	73.5
41	Kazakhstan 哈萨克斯坦	KAZ	73.3
42	Angola 安哥拉	AGO	73.3
43	Ireland 爱尔兰	IRL	73.0
44	Israel 以色列	ISR	72.7
45	Slovak Republic 斯洛伐克	SVK	72.6
46	Slovenia 斯洛文尼亚	SVN	72.5
47	Singapore 新加坡	SGP	72.1
48	Albania 阿尔巴尼亚	ALB	72.0
49	Uruguay 乌拉圭	URY	72.0
50	Russian Federation 俄罗斯	RUS	71.9
51	Czechia 捷克	CZE	71.9
52	Luxembourg 卢森堡	LUX	71.4
53	Spain 西班牙	ESP	71.4
54	France 法国	FRA	71.1
55	St. Lucia 圣卢西亚	LCA	69.9
56	Poland 波兰	POL	69.8
57	Bulgaria 保加利亚	BGR	69.7
58	China 中国	CHN	69.6
59	Peru 秘鲁	PER	69.6
60	Azerbaijan 阿塞拜疆	AZE	69.3
61	Serbia 塞尔维亚	SRB	69.1
62	Thailand 泰国	THA	69.0
63	United States 美国	USA	69.0
64	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	68.6
65	Jamaica 牙买加	JAM	68.5
66	Croatia 克罗地亚	HRV	67.4
67	Belgium 比利时	BEL	67.2
68	Botswana 博茨瓦纳	BWA	66.7
69	Congo, Rep. 刚果（布）	COG	66.6
70	Central African Republic 中非共和国	CAF	66.1
71	Montenegro 黑山	MNE	65.5
72	Burkina Faso 布基纳法索	BFA	65.5
73	Lao PDR 老挝	LAO	64.7
74	Korea, Rep. 韩国	KOR	64.4
75	Kenya 肯尼亚	KEN	63.8
76	Georgia 格鲁吉亚	GEO	63.8
77	Qatar 卡塔尔	QAT	63.6
78	Paraguay 巴拉圭	PRY	63.1
79	Armenia 亚美尼亚	ARM	62.9
80	Zimbabwe 津巴布韦	ZWE	62.9
81	Greece 希腊	GRC	62.7
82	Congo, Dem. Rep. 刚果（金）	COD	62.3
83	Chile 智利	CHL	62.2
84	Timor-Leste 东帝汶	TLS	62.1
85	Argentina 阿根廷	ARG	61.8
86	Guinea-Bissau 几内亚比绍	GNB	61.6
87	Brazil 巴西	BRA	61.5
88	Panama 巴拿马	PAN	61.1
89	Cote d'Ivoire 科特迪瓦	CIV	60.9
90	Haiti 海地	HTI	60.4
91	Ethiopia 埃塞俄比亚	ETH	60.3
92	Rwanda 卢旺达	RWA	60.1
93	Brunei Darussalam 文莱	BRN	59.8
94	Bhutan 不丹	BTN	59.6
95	Dominican Republic 多米尼加共和国	DOM	59.2
96	Malawi 马拉维	MWI	59.0
97	Togo 多哥	TGO	57.9
98	Colombia 哥伦比亚	COL	57.7
99	Romania 罗马尼亚	ROU	57.6
100	Italy 意大利	ITA	57.4
101	Ghana 加纳	GHA	57.4
102	Cameroon 喀麦隆	CMR	57.2
103	Mauritius 毛里求斯	MUS	57.1
104	Zambia 赞比亚	ZMB	56.7
105	Malaysia 马来西亚	MYS	56.7
106	Namibia 纳米比亚	NAM	56.4
107	Cabo Verde 佛得角	CPV	56.4
108	North Macedonia 北马其顿	MKD	55.9
109	Indonesia 印度尼西亚	IDN	55.9
110	Ecuador 厄瓜多尔	ECU	55.8
111	Mongolia 蒙古	MNG	55.7
112	South Africa 南非	ZAF	55.4
113	Vanuatu 瓦努阿图	VUT	55.3
114	Nicaragua 尼加拉瓜	NIC	54.6
115	Equatorial Guinea 赤道几内亚	GNQ	54.5
116	United Arab Emirates 阿联酋	ARE	54.3
117	Mali 马里	MLI	54.3
118	Costa Rica 哥斯达黎加	CRI	53.5
119	El Salvador 萨尔瓦多	SLV	53.3
120	Sierra Leone 塞拉利昂	SLE	53.1
121	Philippines 菲律宾	PHL	52.8
122	Bosnia and Herzegovina 波黑	BIH	52.5
123	Mexico 墨西哥	MEX	51.9
124	Guyana 圭亚那	GUY	51.7
125	Papua New Guinea 巴布亚新几内亚	PNG	51.6
126	Eswatini 斯威士兰	SWZ	51.2
127	Suriname 苏里南	SUR	51.0
128	Lesotho 莱索托	LSO	50.5
129	Cuba 古巴	CUB	50.4
130	Kuwait 科威特	KWT	49.6
131	Comoros 科摩罗	COM	49.5
132	Belize 伯利兹	BLZ	49.3
133	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	47.8
134	Chad 乍得	TCD	47.5
135	Gambia, The 冈比亚	GMB	46.9
136	Uzbekistan 乌兹别克斯坦	UZB	45.8
137	Myanmar 缅甸	MMR	45.3
138	Tonga 汤加	TON	45.0
139	Bahrain 巴林	BHR	44.8
140	Guinea 几内亚	GIN	44.1
141	Gabon 加蓬	GAB	43.4
142	Maldives 马尔代夫	MDV	43.2
143	Turkiye 土耳其	TUR	42.5
144	Venezuela, RB 委内瑞拉	VEN	41.6
145	Honduras 洪都拉斯	HND	41.6
146	Bangladesh 孟加拉国	BGD	41.5
147	Turkmenistan 土库曼斯坦	TKM	41.5
148	Fiji 斐济	FJI	41.3
149	Guatemala 危地马拉	GTM	40.3
150	Senegal 塞内加尔	SEN	39.2
151	Libya 利比亚	LBY	35.7
152	Sri Lanka 斯里兰卡	LKA	35.4
153	Saudi Arabia 沙特阿拉伯	SAU	34.9
154	India 印度	IND	34.9
155	Samoa 萨摩亚	WSM	33.5
156	Oman 阿曼	OMN	31.6
157	Tunisia 突尼斯	TUN	30.5
158	Nepal 尼泊尔	NPL	29.6
159	Mauritania 毛里塔尼亚	MRT	27.1
160	Pakistan 巴基斯坦	PAK	25.6
161	Tajikistan 塔吉克斯坦	TJK	23.2
162	Sao Tome and Principe 圣多美和普林西比	STP	22.8
163	Morocco 摩洛哥	MAR	21.5
164	Somalia, Fed. Rep. 索马里	SOM	21.5
165	Djibouti 吉布提	DJI	20.4
166	Egypt, Arab Rep. 埃及	EGY	19.9
167	Jordan 约旦	JOR	17.3
168	Algeria 阿尔及利亚	DZA	15.7
169	Iran, Islamic Rep. 伊朗	IRN	15.6
170	Syrian Arab Republic 叙利亚	SYR	13.6
171	Iraq 伊拉克	IRQ	11.5
172	Afghanistan 阿富汗	AFG	5.30
173	Yemen, Rep. 也门	YEM	4.85

使用建议、常见误用与研究场景

数值较高通常意味着什么

较高的女性劳动力参与率通常意味着更多女性进入劳动力市场，可能反映就业机会增加、性别平等改善或经济需求驱动，但也可能与社会保障覆盖不足、家庭照料资源匮乏等因素相关。

数值较低通常意味着什么

较低的女性劳动力参与率可能表示更多女性退出劳动力市场（如因教育深造、家庭照料或提前退休），也可能反映就业机会不足、性别歧视或社会文化限制，需要结合具体背景判断。

鍙ｅ緞闄愬埗

该指标仅涵盖15-64岁年龄组，未包含65岁以上延迟退休或15岁以下非正规就业女性
比率指标无法反映劳动力的绝对规模变化（人口基数变化可能被掩盖）
未区分全职、兼职、非正规就业或临时性就业，工作质量信息缺失
ILO模型估算依赖各国基础数据，统计口径和调查频率的跨国差异可能影响可比性
不反映收入水平、工作条件或职业发展机会的差异
期初期末值比较未考虑期间波动，可能遗漏重要的结构性转折点

使用建议

进行跨国比较时，应同时参考绝对值和变化趋势，并注意各国发展阶段和劳动力市场结构的差异
分析长期变化时，建议结合15-24岁女性青年劳动力参与率、教育水平扩张指标以及产业结构变化数据
研究性别差距时，可引入男女劳动力参与率比率指标，与绝对水平交叉验证
评估政策影响时，应区分短期波动和长期趋势，避免将周期性变化误读为结构性改变
结合就业质量指标（如非正规就业率、工资水平）使用，避免将高参与率等同于劳动力市场状况良好
考虑人口结构因素（如生育率、老龄化程度），避免将人口结构变化导致的被动退出误解为主动选择

常见错误用法

错误做法：直接用2025年中国值（69.58%）与世界值（55.05%）对比，得出“中国女性劳动力参与率是世界的1.26倍”的结论

正确做法：使用比例差异说明绝对水平差异，如可表述为“中国女性劳动力参与率比世界平均水平高约14.5个百分点”或“高出约26%”

比例指标比较应使用百分点差或相对差值，倍数比较适用于同一指标在不同时间的变化幅度，不适用于跨国的绝对水平对比

错误做法：将女性劳动力参与率下降解读为“女性就业环境恶化”或“性别歧视加剧”

正确做法：结合教育扩张、生育率、产业结构转型等变量综合判断，关注下降背后是主动选择还是被动退出

劳动力参与率变化受多重因素影响，包括教育普及、家庭照料需求增加、社会保障完善等，不宜简单归因于单一因素

错误做法：使用该指标评估女性收入水平或职业发展机会

正确做法：该指标仅反映是否参与劳动力市场，与工作质量、薪酬水平、职业晋升无关，需结合就业质量指标分析

参与率高不等于就业质量好，可能存在大量低薪、非正规或临时性就业

错误做法：将中国与非洲或东南亚国家直接比较，得出中国排名靠后的结论

正确做法：考虑发展阶段和劳动力市场结构的可比性，与发展阶段相近的国家进行对标分析

不同收入水平国家的产业结构、社会文化背景和劳动力市场特征差异显著，直接比较可能产生误导性结论

实际应用场景

女性劳动力供给与产业结构转型关系研究：研究中国服务业发展对女性就业的影响被解释变量可将该指标作为因变量，引入产业结构（服务业增加值占比）和人力资本（女性受教育年限）等解释变量，构建面板回归模型，控制地区和时间固定效应，观察产业升级对女性参与率的边际影响。
人口老龄化对劳动力市场的影响分析：评估老龄化进程对女性劳动力参与率的中长期影响控制变量在分析劳动力总量变化时，将女性参与率作为控制变量加入生产函数模型，可分离出人口结构变化与参与率变化的各自贡献，识别老龄化对劳动力供给的直接影响渠道。
性别平等的跨国比较研究：比较不同国家女性劳动力参与率的收敛或发散趋势被解释变量使用该指标进行跨国面板分析，可检验绝对收敛或条件收敛假说，引入制度变量（如产假政策、托育服务可及性）和文化变量（传统性别角色观念）作为机制变量，解释跨国差异的来源。
劳动力市场政策效果评估：评估生育支持政策对女性就业的影响稳健性检验变量在主要政策评估模型中纳入女性劳动力参与率，作为稳健性检验指标，可判断政策影响是否通过改变参与决策渠道发挥作用，或是否存在替代性影响路径。