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

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

下载数据

指标代码：SL.TLF.ACTI.MA.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 15-64 岁经济活跃人口占该年龄段人口的比例，即在特定时期内向货物和服务生产供应劳动力的所有人。

数据口径与风险提示

该指标为国际劳工组织（ILO）模拟估计值，各国统计口径与 ILO 模型假设可能存在差异，跨国比较时应注意数据来源一致性
该指标仅覆盖 15-64 岁工作年龄人口，不包括 65 岁及以上老年男性劳动力参与情况，无法反映延迟退休政策的实际效应
百分比反映的是劳动力占工作年龄人口的比例，而非劳动力占全体人口的比例，若人口结构老龄化加剧，该比率可能被人为压低
劳动力参与包括正规和非正规就业，但无法区分就业质量、工作时长或收入水平
该指标未区分农业、工业、服务业等行业的男性劳动力结构差异，产业转型对男性参与率的影响需结合其他变量分析
模型估算数据可能因各国劳动力调查频率、抽样方法和季节调整差异而产生偏差

中国趋势

趋势解读

中国男性劳动力参与率从 1990 年的 88.7% 持续下降至 2025 年的 78.2%，累计下降约 10.5 个百分点。这一时期可大致分为三个阶段：1990 年代初期加速下行，2000-2010 年代初趋于平缓，2012 年后再次加速下滑，2020 年出现明显波动后逐步趋稳但维持在历史低位。中国男性参与率的绝对水平在 1990 年代初期曾高于全球平均水平约 4.7 个百分点，但到 2025 年已低于全球约 1.1 个百分点，反映出转型期劳动力市场结构的深层变化。

1990 年数值为 88.7%，为 1990-2025 年期间的最高点
2025 年数值为 78.2%，为该时间段的最低点
1990-1999 年间下降约 4.0 个百分点，年均下降约 0.4 个百分点
2000 年代初期下降速度放缓，2000-2010 年间下降约 1.2 个百分点
2012 年起下降速度再次加快，2012-2020 年间下降约 4.2 个百分点
2020 年降至 79.1%，为近二十年来的显著低点
2021 年回升至 80.9% 后再次回落，2024-2025 年维持在 78-79% 区间
最新值相比 1990 年下降约 11.8%，ratio_latest_to_first 约为 0.88

全球趋势

趋势解读

全球男性劳动力参与率从 1990 年的 84.0% 逐步下降至 2025 年的 79.3%，累计下降约 4.7 个百分点，下降速度显著慢于中国。全球数据在 2008 年金融危机后出现明显中断，2020 年因特殊因素进一步降至 78.0% 的阶段性低点，此后逐步回升至 79% 区间。与中国不同的是，全球下降呈现更为均匀的阶梯式特征，各 decade 间的变化幅度更为平缓，反映出发达国家和发展中国家在不同发展阶段对劳动力参与的不同影响机制。

1990 年数值为 84.0%，为 1990-2025 年的最高点
2020 年降至 78.0%，为该时间段的最低点
2025 年数值为 79.3%，仍低于 1990 年约 4.7 个百分点
1990 年代初期下降速度较快，1990-1999 年下降约 1.3 个百分点
2008 年金融危机后出现加速下降，2008-2010 年两年间下降约 1.3 个百分点
2020 年受特殊因素影响降至阶段低点 78.0%
2021 年后持续回升，但 2023-2025 年升势趋缓
最新值相比 1990 年下降约 5.6%，ratio_latest_to_first 约为 0.94

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	1.0x	1.0x	中国男性劳动力参与率在此期间下降至期初的 0.96 倍，而全球仅降至 0.98 倍，中国降幅明显更大。这可能反映了中国在 1990 年代经济体制改革深化过程中，大量国有企业改革导致的结构性失业对男性劳动力市场产生较大冲击，而全球同期主要是发达国家缓慢的产业升级调整，发展中国家尚未进入大规模转型阶段，分子分母的变化节奏差异导致中国下降更快。
2000-2009	1.0x	1.0x	中国该比率微降至期初的 0.99 倍，同期全球降至 0.98 倍，两者趋近且中国的相对表现略有改善。这种趋同可能意味着中国在完成前期结构改革后，劳动力市场进入相对稳定期；而全球下降加速可能与发达国家老龄化效应逐步显现有关，两条轨迹向中间收敛，供需结构的变化节奏趋于同步。
2010-2019	1.0x	1.0x	中国再次降至期初的 0.96 倍，全球为 0.98 倍，中国降幅重新扩大。可能的原因是中国在此阶段面临人口红利消退、制造业向服务业转型加速以及教育扩张导致青年进入劳动力市场延迟等多重因素叠加，而全球下降主要来自部分新兴市场的工业化红利递减，不同发展阶段和统计口径的差异使得中国的相对降幅大于全球。
2020-2029	1.0x	1.0x	中国降至期初的 0.99 倍，全球升至 1.02 倍，方向首次出现背离。中国在此期间延续下降趋势，可能继续受老龄化加深、青年就业结构变化及统计口径调整等影响；而全球回升可能反映部分国家在经历特殊冲击后劳动力市场修复，以及部分发展中国家仍处于人口红利释放期，分子分母变化的方向性差异值得通过相关变量进一步验证。

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	Qatar 卡塔尔	QAT	96.3
2	United Arab Emirates 阿联酋	ARE	92.3
3	Korea, Dem. People's Rep. 朝鲜	PRK	91.2
4	Iceland 冰岛	ISL	90.8
5	Cambodia 柬埔寨	KHM	90.4
6	Oman 阿曼	OMN	89.8
7	Kuwait 科威特	KWT	89.6
8	Madagascar 马达加斯加	MDG	89.2
9	Netherlands 荷兰	NLD	89.0
10	Tanzania 坦桑尼亚	TZA	88.1
11	Bahrain 巴林	BHR	87.9
12	Malta 马耳他	MLT	87.6
13	Japan 日本	JPN	87.5
14	Solomon Islands 所罗门群岛	SLB	87.4
15	Switzerland 瑞士	CHE	87.3
16	Niger 尼日尔	NER	86.7
17	Bolivia 玻利维亚	BOL	86.0
18	New Zealand 新西兰	NZL	85.9
19	Eritrea 厄立特里亚	ERI	85.8
20	Uganda 乌干达	UGA	85.6
21	Sweden 瑞典	SWE	85.3
22	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	84.9
23	Paraguay 巴拉圭	PRY	84.7
24	Nigeria 尼日利亚	NGA	84.7
25	Peru 秘鲁	PER	84.6
26	Bahamas, The 巴哈马	BHS	84.5
27	Denmark 丹麦	DNK	84.5
28	Saudi Arabia 沙特阿拉伯	SAU	84.5
29	Cyprus 塞浦路斯	CYP	84.0
30	Indonesia 印度尼西亚	IDN	84.0
31	Nicaragua 尼加拉瓜	NIC	83.9
32	Germany 德国	DEU	83.9
33	Australia 澳大利亚	AUS	83.8
34	Guatemala 危地马拉	GTM	83.7
35	Canada 加拿大	CAN	83.2
36	Malaysia 马来西亚	MYS	83.1
37	Uruguay 乌拉圭	URY	83.1
38	Pakistan 巴基斯坦	PAK	83.0
39	Czechia 捷克	CZE	82.9
40	Belarus 白俄罗斯	BLR	82.7
41	Thailand 泰国	THA	82.7
42	Panama 巴拿马	PAN	82.7
43	Bangladesh 孟加拉国	BGD	82.6
44	Norway 挪威	NOR	82.5
45	Central African Republic 中非共和国	CAF	82.4
46	Mali 马里	MLI	82.3
47	Hungary 匈牙利	HUN	82.2
48	Albania 阿尔巴尼亚	ALB	82.1
49	Austria 奥地利	AUT	82.0
50	Mexico 墨西哥	MEX	81.8
51	Liberia 利比里亚	LBR	81.8
52	Viet Nam 越南	VNM	81.7
53	India 印度	IND	81.7
54	Ireland 爱尔兰	IRL	81.5
55	Estonia 爱沙尼亚	EST	81.4
56	Singapore 新加坡	SGP	81.4
57	Brazil 巴西	BRA	80.8
58	Mozambique 莫桑比克	MOZ	80.7
59	Colombia 哥伦比亚	COL	80.7
60	Kazakhstan 哈萨克斯坦	KAZ	80.7
61	El Salvador 萨尔瓦多	SLV	80.7
62	Russian Federation 俄罗斯	RUS	80.6
63	Ecuador 厄瓜多尔	ECU	80.3
64	Barbados 巴巴多斯	BRB	80.3
65	Dominican Republic 多米尼加共和国	DOM	80.2
66	Poland 波兰	POL	80.2
67	Finland 芬兰	FIN	80.1
68	Lithuania 立陶宛	LTU	80.1
69	Mauritius 毛里求斯	MUS	80.0
70	St. Lucia 圣卢西亚	LCA	80.0
71	United Kingdom 英国	GBR	79.9
72	Portugal 葡萄牙	PRT	79.8
73	Slovak Republic 斯洛伐克	SVK	79.7
74	Armenia 亚美尼亚	ARM	79.7
75	Ethiopia 埃塞俄比亚	ETH	79.6
76	Uzbekistan 乌兹别克斯坦	UZB	79.5
77	Fiji 斐济	FJI	79.5
78	Chile 智利	CHL	79.5
79	Serbia 塞尔维亚	SRB	79.5
80	Slovenia 斯洛文尼亚	SVN	79.5
81	Jamaica 牙买加	JAM	79.5
82	Argentina 阿根廷	ARG	79.4
83	Maldives 马尔代夫	MDV	79.2
84	Latvia 拉脱维亚	LVA	78.7
85	Turkiye 土耳其	TUR	78.7
86	Spain 西班牙	ESP	78.7
87	Georgia 格鲁吉亚	GEO	78.6
88	Benin 贝宁	BEN	78.4
89	United States 美国	USA	78.2
90	China 中国	CHN	78.2
91	Angola 安哥拉	AGO	78.2
92	Brunei Darussalam 文莱	BRN	77.9
93	Luxembourg 卢森堡	LUX	77.9
94	Korea, Rep. 韩国	KOR	77.6
95	Greece 希腊	GRC	77.3
96	Burundi 布隆迪	BDI	77.3
97	Costa Rica 哥斯达黎加	CRI	77.3
98	Cuba 古巴	CUB	77.2
99	Burkina Faso 布基纳法索	BFA	77.0
100	France 法国	FRA	76.9
101	Bulgaria 保加利亚	BGR	76.5
102	Montenegro 黑山	MNE	76.4
103	Israel 以色列	ISR	76.1
104	Romania 罗马尼亚	ROU	76.0
105	North Macedonia 北马其顿	MKD	76.0
106	Italy 意大利	ITA	75.7
107	Botswana 博茨瓦纳	BWA	75.7
108	Honduras 洪都拉斯	HND	75.6
109	Cote d'Ivoire 科特迪瓦	CIV	75.3
110	Zimbabwe 津巴布韦	ZWE	75.0
111	Iraq 伊拉克	IRQ	75.0
112	Belize 伯利兹	BLZ	74.9
113	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	74.8
114	Belgium 比利时	BEL	74.8
115	Philippines 菲律宾	PHL	74.5
116	Cameroon 喀麦隆	CMR	74.5
117	Bhutan 不丹	BTN	74.5
118	Myanmar 缅甸	MMR	74.3
119	Egypt, Arab Rep. 埃及	EGY	74.1
120	Bosnia and Herzegovina 波黑	BIH	73.6
121	Morocco 摩洛哥	MAR	73.5
122	Croatia 克罗地亚	HRV	73.4
123	Iran, Islamic Rep. 伊朗	IRN	73.3
124	Sri Lanka 斯里兰卡	LKA	73.0
125	Moldova 摩尔多瓦	MDA	72.9
126	Lao PDR 老挝	LAO	72.7
127	Timor-Leste 东帝汶	TLS	72.6
128	Azerbaijan 阿塞拜疆	AZE	72.6
129	Rwanda 卢旺达	RWA	72.5
130	Algeria 阿尔及利亚	DZA	72.4
131	Kenya 肯尼亚	KEN	72.3
132	Tunisia 突尼斯	TUN	72.2
133	Venezuela, RB 委内瑞拉	VEN	71.9
134	Chad 乍得	TCD	71.5
135	Mongolia 蒙古	MNG	71.5
136	Afghanistan 阿富汗	AFG	71.1
137	Congo, Rep. 刚果（布）	COG	70.9
138	Haiti 海地	HTI	70.4
139	Guinea-Bissau 几内亚比绍	GNB	70.2
140	Suriname 苏里南	SUR	69.0
141	Equatorial Guinea 赤道几内亚	GNQ	68.8
142	Lesotho 莱索托	LSO	68.1
143	Zambia 赞比亚	ZMB	67.9
144	Malawi 马拉维	MWI	67.8
145	Cabo Verde 佛得角	CPV	67.7
146	Senegal 塞内加尔	SEN	67.3
147	Guyana 圭亚那	GUY	67.3
148	Congo, Dem. Rep. 刚果（金）	COD	66.9
149	Libya 利比亚	LBY	66.5
150	Jordan 约旦	JOR	66.3
151	South Africa 南非	ZAF	65.9
152	Comoros 科摩罗	COM	65.2
153	Vanuatu 瓦努阿图	VUT	64.7
154	Syrian Arab Republic 叙利亚	SYR	64.1
155	Namibia 纳米比亚	NAM	63.9
156	Ghana 加纳	GHA	63.5
157	Guinea 几内亚	GIN	63.5
158	Yemen, Rep. 也门	YEM	62.5
159	Gabon 加蓬	GAB	62.2
160	Tonga 汤加	TON	60.8
161	Togo 多哥	TGO	60.0
162	Tajikistan 塔吉克斯坦	TJK	58.5
163	Mauritania 毛里塔尼亚	MRT	57.8
164	Samoa 萨摩亚	WSM	57.7
165	Eswatini 斯威士兰	SWZ	56.2
166	Nepal 尼泊尔	NPL	56.2
167	Sierra Leone 塞拉利昂	SLE	56.1
168	Papua New Guinea 巴布亚新几内亚	PNG	54.1
169	Gambia, The 冈比亚	GMB	50.5
170	Turkmenistan 土库曼斯坦	TKM	48.3
171	Somalia, Fed. Rep. 索马里	SOM	48.2
172	Djibouti 吉布提	DJI	46.5
173	Sao Tome and Principe 圣多美和普林西比	STP	24.1

使用建议、常见误用与研究场景

数值较高通常意味着什么

较高的男性劳动力参与率通常意味着更多工作年龄男性处于就业或积极求职状态，可能反映出劳动力供给充沛、经济活跃度较高，但也可能与人均 GDP 较低时男性普遍需要参与劳动以维持家庭生计的社会结构有关。

数值较低通常意味着什么

较低的数值可能表明部分男性选择退出劳动力市场（如继续求学、提前退休、照料家庭或自愿失业），也可能与老龄化导致工作年龄人口中高龄比例上升有关。单独看该指标难以判断低值是好是坏，需结合就业质量、收入水平和劳动生产率等指标综合评估。

鍙ｅ緞闄愬埗

该指标无法区分正规就业与非正规就业，也无法反映就业的稳定性和收入水平
下降可能源于青年受教育年限延长导致的被动延迟就业，也可能源于中高龄男性提前退出劳动力市场，两者含义截然不同
百分比的分母是工作年龄人口而非总人口，若老龄化加速导致工作年龄人口中老年男性占比上升，即使实际就业人数增加，比率也可能下降
该指标不反映劳动时间，一份全职工作与一小时兼职在统计口径上等价
ILO 模型估算与各国官方调查数据可能存在系统性差异，跨国比较时需核对数据来源
该指标不反映跨境劳动力流动对国内参与率的影响，移民因素可能干扰封闭经济体的解读

使用建议

进行跨国比较时应优先选择口径一致的数据源，关注 national estimate 和 ILO estimate 的差异
分析长期趋势时应结合人口年龄结构数据，将参与率变化与人口金字塔变化交叉验证
研究就业质量时建议将劳动力参与率与实际 GDP 增长、就业人口收入中位数和劳动生产率等指标结合使用
对于青年群体，应同时关注 15-24 岁男性劳动力参与率和高等教育入学率，以区分主动继续求学与被动失业
评估政策效果时应区分结构性下降（难以逆转）和周期性下降（可通过刺激政策部分修复），避免将所有下降都归因于可调控因素
在分析中国数据时，建议参考国家统计局发布的全国劳动工资和就业状况调查数据进行交叉比对

常见错误用法

错误做法：直接以 2025 年中国的 78.2% 与卡塔尔的 96.3% 对比，认为中国劳动力市场存在严重问题

正确做法：在比较前首先确认两国的统计口径和调查方法是否一致，并考虑资源禀赋差异——卡塔尔等海湾国家的高数值与其外来劳动力大量涌入从事低技能工作有关，而中国 15-64 岁男性中包含大量接受高等教育的群体

劳动力参与率的高低受经济发展阶段、产业结构、文化传统和移民政策等多重因素影响，单纯的跨国排名无法直接判断政策有效性或制度优劣

错误做法：将中国男性劳动力参与率从 1990 年的 88.7% 下降到 2025 年的 78.2% 简单归因于经济政策失误或劳动力市场恶化

正确做法：应结合人口结构变化（老龄化加深）、教育扩张（青年受教育年限延长）和产业升级（制造业向服务业转型）等结构性因素综合分析，避免将多因素共同作用的结果归结为单一原因

劳动力参与率下降可能同时包含积极因素（如更多人选择继续深造）和消极因素（如结构性失业），政策含义截然不同，需要分维度拆解

错误做法：认为劳动力参与率下降必然导致 GDP 下降，从而推断经济衰退

正确做法：需要区分参与率下降的具体人群——若下降主要来自青年接受教育而非失业，则人力资本积累可能增加未来劳动生产率；若下降来自中高龄男性提前退休，则可能增加社会保障负担但不一定立即拉低 GDP

劳动力参与率与经济增长的关系取决于劳动力质量、工作时长和全要素生产率的补偿效应，不能简单建立因果联系

错误做法：将男性与女性的劳动力参与率直接相加计算劳动力总规模变化，忽略性别结构差异

正确做法：应分别分析男性和女性的参与率变化驱动因素，因为教育扩张对两性的影响不同、退休政策对不同年龄段的影响也有差异，且家庭照料责任对两性的影响不对称

男女劳动力参与率的驱动机制存在显著差异，混合分析可能掩盖重要的结构性变化信号

实际应用场景

中国劳动力市场结构转型研究：分析 1990-2025 年间中国男性劳动力参与率持续下降的驱动因素与政策含义被解释变量可结合固定效应面板模型，将 GDP 增速、产业结构、教育扩张程度和退休政策作为解释变量，分解各因素对男性参与率下降的贡献度，注意控制省份固定效应以处理遗漏变量偏误
老龄化对劳动力供给的影响：评估人口老龄化背景下男性劳动力参与率变化对养老金体系可持续性的影响结果变量可将男性参与率作为被解释变量，年龄结构（65 岁以上人口占比）作为核心解释变量，同时纳入养老基金收支比和医疗支出占比等控制变量，分析老龄化对劳动力供给的净效应
教育扩张与青年就业延迟：研究高等教育扩张如何影响 25 岁以下男性劳动力参与率机制变量将男性 15-24 岁参与率作为中介变量，高等教育入学率作为解释变量，GDP 增速作为控制变量，通过中介效应模型识别教育扩张通过延迟进入劳动力市场而压低青年参与率的路径
产业结构转型与男性就业质量：检验制造业向服务业转型对男性就业质量的影响稳健性检验变量在分析制造业占比变化对男性工资中位数的影响时，将男性劳动力参与率作为控制变量纳入回归，以排除劳动力供给侧变化对工资估计的干扰，提高核心解释变量的识别精度