劳动力参与率，女性（占 15 岁以上女性人口的百分比）（模拟劳工组织估计）

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

下载数据

指标代码：SL.TLF.CACT.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

The labor force participation rate is the labor force as a percent of the population ages 15 and older. The labor force is the sum of all persons of working age who are employed and those who are unemployed.

可供参考的中文翻译：劳动力参与率是指年龄在 15 岁及 15 岁以上的人口中从事经济活动的人口比率：所有在特定阶段为货物和服务的生产提供劳力的人员，包括就业者和失业者。

数据口径与风险提示

本指标为ILO模拟估算值，基于各国官方数据通过模型插值和推算得出，实际统计口径可能存在跨国差异
15岁以上人口包含退休年龄段老年人，该指标反映的是广义女性劳动年龄段人口的经济活动参与情况，而非仅限主力劳动年龄
劳动力参与率的变化同时受供给侧（人口结构、教育普及、家庭照护责任）和需求侧（就业机会、产业结构）因素影响
作为比率指标，该指标反映的是参与强度而非绝对规模，高参与率不一定意味着经济强劲
中国的模型估算数据可能与国家统计局发布的调查数据在口径和方法论上存在差异，跨数据源比较时需注意
女性劳动参与决策受文化规范、婚姻状况、生育政策等非经济因素影响，这些因素难以在跨国比较中完全标准化
本指标不区分就业质量，正规与非正规就业、兼职与全职均被一视同仁纳入劳动力统计

中国趋势

趋势解读

中国女性劳动力参与率呈现持续下降趋势，从1990年的73.09%逐步降至2025年的59.148%，累计下降近14个百分点。这一下降轨迹在1990年代至2010年代初期尤为显著，每年下降幅度相对稳定；2010年代中后期降速有所放缓，2020年代后趋于底部震荡，2021年曾出现小幅回升至61.182%，但2022年以来再次承压下行。数据显示中国女性劳动力参与率已从极高水平向发达经济体水平收敛，这一过程可能与高等教育普及、产业结构转型、家庭照护需求变化以及统计口径中老年人口占比上升等因素相关。

1990年达到监测期最高点73.09%，此后连续35年下降
2025年最新值为59.148%，较峰值下降13.942个百分点
2000年参与率已降至67.913%，十年间下降超过5个百分点
2010年代前半段降速最快，2010至2015年下降约1.1个百分点
2020年出现明显下探至59.711%，为监测期第二个显著低点
2021年短暂回升至61.182%，但2022年后未能延续升势
2010年后各年降幅均控制在0.5个百分点以内
数据为ILO模型估算，与中国官方调查数据可能存在口径差异

全球趋势

趋势解读

全球女性劳动力参与率同样呈下降趋势，但幅度远小于中国，从1990年的51.18%降至2025年的48.94%，累计下降约2.2个百分点。全球下降主要发生在1990年代至2010年代初期，2020年触及46.98%的监测期最低点后开始恢复性回升，2023年已回到49.03%并趋于稳定。中外对比显示，中国女性劳动参与率起点远高于全球平均水平，下降速度也更快，绝对水平仍明显高于全球均值，但两国差距已显著收窄。

1990年峰值为51.18%，至2020年累计下降超过4个百分点
2020年降至46.98%，为监测期最低点
2021年起连续回升，2023年回到49.03%
2024年和2025年维持在49%附近
整体下降幅度仅约2.2个百分点，远小于中国的近14个百分点
近年来呈现止跌企稳态势
参与率水平长期保持在50%左右波动
全球均值由众多发展程度迥异的国家加权得出，掩盖了区域内差异

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	该十年中国参与率倍数降至0.937而全球为0.996，表明中国下降幅度约为全球的6倍，这一差异可能反映中国经济转型期产业结构变化对女性就业的特殊冲击，以及统计口径中人口老龄化因素的加速累积；而全球下降相对温和可能受益于部分发展中国家女性劳动参与扩张的抵消效应。
2000-2009	0.9x	1.0x	该十年中国倍数进一步降至0.944，全球为0.975，中国相对降幅仍大于全球，但差距较前十年有所收窄，可能意味着中国早期快速下降阶段趋于尾声，同时全球下降速度略有加快，两者趋同可能与全球制造业转移和服务业扩张对女性就业的差异化影响有关。
2010-2019	1.0x	1.0x	该十年中国倍数升至0.963，全球为0.978，中外下降速度均明显放缓，可能反映中国女性劳动参与率已接近阶段性底部，结构性下降动力减弱，而全球则可能受到后金融危机时代经济复苏和女性就业政策推广的支撑，两者降幅趋于同步。
2020-2029	1.0x	1.0x	该十年中国倍数为0.991而全球为1.042，出现走势分化，中国参与率底部震荡而全球已转为回升，这一差异可能反映中国面临的人口老龄化加速和青年女性就业结构变化压力，而全球回升可能受益于疫情后劳动力市场复苏和弹性工作制的推广，需要结合就业质量和产业结构数据进一步验证。

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	Madagascar 马达加斯加	MDG	82.9
2	Solomon Islands 所罗门群岛	SLB	82.3
3	Nigeria 尼日利亚	NGA	80.7
4	Tanzania 坦桑尼亚	TZA	80.3
5	Burundi 布隆迪	BDI	79.5
6	Korea, Dem. People's Rep. 朝鲜	PRK	77.7
7	Cambodia 柬埔寨	KHM	77.4
8	Mozambique 莫桑比克	MOZ	77.1
9	Uganda 乌干达	UGA	75.6
10	Benin 贝宁	BEN	75.2
11	Bolivia 玻利维亚	BOL	72.9
12	Eritrea 厄立特里亚	ERI	72.8
13	Niger 尼日尔	NER	72.8
14	Moldova 摩尔多瓦	MDA	72.3
15	Angola 安哥拉	AGO	72.2
16	Liberia 利比里亚	LBR	72.0
17	Bahamas, The 巴哈马	BHS	70.7
18	Iceland 冰岛	ISL	70.0
19	Viet Nam 越南	VNM	68.6
20	New Zealand 新西兰	NZL	66.1
21	Congo, Rep. 刚果（布）	COG	65.6
22	Central African Republic 中非共和国	CAF	65.5
23	Peru 秘鲁	PER	65.0
24	Burkina Faso 布基纳法索	BFA	64.1
25	Botswana 博茨瓦纳	BWA	63.7
26	Singapore 新加坡	SGP	63.6
27	Kenya 肯尼亚	KEN	63.0
28	Jamaica 牙买加	JAM	63.0
29	Netherlands 荷兰	NLD	62.7
30	Kazakhstan 哈萨克斯坦	KAZ	62.6
31	Australia 澳大利亚	AUS	62.5
32	Israel 以色列	ISR	62.3
33	Switzerland 瑞士	CHE	62.2
34	Zimbabwe 津巴布韦	ZWE	62.2
35	Norway 挪威	NOR	62.1
36	St. Lucia 圣卢西亚	LCA	62.0
37	Qatar 卡塔尔	QAT	61.9
38	Congo, Dem. Rep. 刚果（金）	COD	61.8
39	Timor-Leste 东帝汶	TLS	61.7
40	Lao PDR 老挝	LAO	61.6
41	Sweden 瑞典	SWE	61.5
42	Cyprus 塞浦路斯	CYP	61.2
43	Barbados 巴巴多斯	BRB	61.0
44	Estonia 爱沙尼亚	EST	61.0
45	Denmark 丹麦	DNK	60.8
46	Azerbaijan 阿塞拜疆	AZE	60.8
47	Guinea-Bissau 几内亚比绍	GNB	60.3
48	Canada 加拿大	CAN	60.2
49	Ireland 爱尔兰	IRL	59.8
50	Cote d'Ivoire 科特迪瓦	CIV	59.5
51	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	59.2
52	China 中国	CHN	59.1
53	Paraguay 巴拉圭	PRY	59.0
54	Thailand 泰国	THA	59.0
55	Albania 阿尔巴尼亚	ALB	58.6
56	Ethiopia 埃塞俄比亚	ETH	58.5
57	Haiti 海地	HTI	58.3
58	Malawi 马拉维	MWI	58.2
59	Lithuania 立陶宛	LTU	57.7
60	Luxembourg 卢森堡	LUX	57.5
61	United Kingdom 英国	GBR	57.3
62	Rwanda 卢旺达	RWA	57.3
63	Uruguay 乌拉圭	URY	57.3
64	Korea, Rep. 韩国	KOR	56.8
65	Belarus 白俄罗斯	BLR	56.8
66	Bhutan 不丹	BTN	56.7
67	Georgia 格鲁吉亚	GEO	56.7
68	Togo 多哥	TGO	56.6
69	Cameroon 喀麦隆	CMR	56.6
70	Finland 芬兰	FIN	56.5
71	Zambia 赞比亚	ZMB	56.4
72	United States 美国	USA	56.3
73	Japan 日本	JPN	55.9
74	Malta 马耳他	MLT	55.8
75	Germany 德国	DEU	55.3
76	Ghana 加纳	GHA	55.3
77	Latvia 拉脱维亚	LVA	55.2
78	Slovak Republic 斯洛伐克	SVK	55.1
79	Austria 奥地利	AUT	55.1
80	Panama 巴拿马	PAN	54.9
81	Namibia 纳米比亚	NAM	54.9
82	Portugal 葡萄牙	PRT	54.6
83	Russian Federation 俄罗斯	RUS	54.5
84	Brunei Darussalam 文莱	BRN	54.4
85	Hungary 匈牙利	HUN	54.3
86	Indonesia 印度尼西亚	IDN	53.7
87	Dominican Republic 多米尼加共和国	DOM	53.7
88	Czechia 捷克	CZE	53.5
89	Brazil 巴西	BRA	53.4
90	Vanuatu 瓦努阿图	VUT	53.3
91	United Arab Emirates 阿联酋	ARE	53.0
92	Chile 智利	CHL	52.9
93	Mali 马里	MLI	52.8
94	Spain 西班牙	ESP	52.8
95	Serbia 塞尔维亚	SRB	52.6
96	Equatorial Guinea 赤道几内亚	GNQ	52.6
97	Argentina 阿根廷	ARG	52.5
98	Ecuador 厄瓜多尔	ECU	52.4
99	Slovenia 斯洛文尼亚	SVN	52.3
100	Malaysia 马来西亚	MYS	51.6
101	Colombia 哥伦比亚	COL	51.6
102	Poland 波兰	POL	51.6
103	Sierra Leone 塞拉利昂	SLE	51.6
104	France 法国	FRA	51.5
105	Mongolia 蒙古	MNG	51.5
106	Nicaragua 尼加拉瓜	NIC	51.3
107	Montenegro 黑山	MNE	51.2
108	Armenia 亚美尼亚	ARM	51.1
109	Papua New Guinea 巴布亚新几内亚	PNG	50.8
110	Philippines 菲律宾	PHL	50.5
111	Cabo Verde 佛得角	CPV	50.5
112	Bulgaria 保加利亚	BGR	50.4
113	South Africa 南非	ZAF	49.9
114	Belgium 比利时	BEL	49.8
115	El Salvador 萨尔瓦多	SLV	49.1
116	Eswatini 斯威士兰	SWZ	48.5
117	Lesotho 莱索托	LSO	48.1
118	Comoros 科摩罗	COM	47.6
119	Mauritius 毛里求斯	MUS	47.5
120	Mexico 墨西哥	MEX	47.5
121	Croatia 克罗地亚	HRV	47.4
122	Guyana 圭亚那	GUY	47.4
123	Chad 乍得	TCD	47.3
124	Kuwait 科威特	KWT	47.2
125	Belize 伯利兹	BLZ	46.5
126	Costa Rica 哥斯达黎加	CRI	46.0
127	Gambia, The 冈比亚	GMB	45.5
128	Suriname 苏里南	SUR	44.9
129	Greece 希腊	GRC	44.7
130	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	44.1
131	North Macedonia 北马其顿	MKD	42.7
132	Guinea 几内亚	GIN	42.6
133	Tonga 汤加	TON	42.3
134	Bahrain 巴林	BHR	42.3
135	Romania 罗马尼亚	ROU	41.8
136	Gabon 加蓬	GAB	41.6
137	Uzbekistan 乌兹别克斯坦	UZB	41.2
138	Myanmar 缅甸	MMR	40.9
139	Italy 意大利	ITA	40.8
140	Maldives 马尔代夫	MDV	40.7
141	Cuba 古巴	CUB	40.0
142	Honduras 洪都拉斯	HND	39.6
143	Bosnia and Herzegovina 波黑	BIH	39.2
144	Bangladesh 孟加拉国	BGD	38.6
145	Fiji 斐济	FJI	38.5
146	Guatemala 危地马拉	GTM	38.3
147	Turkmenistan 土库曼斯坦	TKM	38.2
148	Senegal 塞内加尔	SEN	38.2
149	Turkiye 土耳其	TUR	37.1
150	Venezuela, RB 委内瑞拉	VEN	37.1
151	Saudi Arabia 沙特阿拉伯	SAU	33.6
152	Libya 利比亚	LBY	33.0
153	India 印度	IND	32.4
154	Sri Lanka 斯里兰卡	LKA	31.0
155	Samoa 萨摩亚	WSM	30.7
156	Oman 阿曼	OMN	30.0
157	Nepal 尼泊尔	NPL	27.5
158	Tunisia 突尼斯	TUN	26.5
159	Mauritania 毛里塔尼亚	MRT	26.2
160	Pakistan 巴基斯坦	PAK	24.0
161	Sao Tome and Principe 圣多美和普林西比	STP	22.7
162	Tajikistan 塔吉克斯坦	TJK	21.9
163	Somalia, Fed. Rep. 索马里	SOM	20.7
164	Morocco 摩洛哥	MAR	19.7
165	Djibouti 吉布提	DJI	19.4
166	Egypt, Arab Rep. 埃及	EGY	18.5
167	Jordan 约旦	JOR	16.0
168	Algeria 阿尔及利亚	DZA	14.1
169	Iran, Islamic Rep. 伊朗	IRN	14.0
170	Syrian Arab Republic 叙利亚	SYR	12.7
171	Iraq 伊拉克	IRQ	10.9
172	Afghanistan 阿富汗	AFG	5.09
173	Yemen, Rep. 也门	YEM	4.66

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参与经济活动，可能反映就业机会充足、家庭照护负担较轻或性别平等程度较高；在经济发展初期，高参与率可能意味着女性就业门槛较低；在发达经济体，则可能反映劳动力市场包容性和政策支持体系较为完善。

数值较低通常意味着什么

较低的女性参与率可能意味着部分女性因照料家庭、教育投资、退休或就业市场排斥而退出劳动力市场；但需注意低参与率本身不必然代表不利状况，也可能是高等教育普及和延迟就业的反映。

鍙ｅ緞闄愬埗

仅反映"是否工作"而非"工作质量"，无法区分正规与非正规就业、全职与兼职、有酬与无酬劳动
作为占人口比率的指标，受人口年龄结构影响显著，老龄化社会自然压低参与率
跨国比较受统计体系完善程度和口径差异影响，模型估算值的可信度在数据薄弱国家较低
不反映劳动收入水平和工作条件，高的参与率可能伴随低质量和低收入
无法捕捉就业的周期性波动与结构性变化的区别
指标基于15岁以上宽口径年龄组，未针对主力劳动年龄女性进行标准化

使用建议

结合15-24岁和15-64岁等细分年龄段数据，分析青年女性延迟进入劳动市场和中年女性退出市场的不同驱动因素
将参与率与就业率、失业率联合分析，区分"不工作"是因为主动选择还是无法找到工作
参考男女参与率比率指标，观察性别平等趋势而非绝对水平
结合产业结构数据，分析服务业扩张对女性就业机会的影响
关注数据来源差异，优先使用国家官方估计值进行本国历史分析，跨国比较时使用ILO模型值
结合生育率、抚养比等人口指标，评估家庭照护责任对女性劳动供给的影响
追踪同一指标的时间序列，关注变化趋势而非单一年份数值

常见错误用法

错误做法：直接比较中国与非洲或南亚国家参与率排名，将中国排名靠后解读为性别不平等问题严重

正确做法：选择与本国发展水平和产业结构相近的经济体进行比较，关注长期趋势而非当期排名

中国女性劳动参与率的绝对水平和发展阶段与非洲、南亚低收入国家不同，后者的部分高参与率往往反映农业低门槛就业而非高质量就业机会，简单排名可能掩盖实质性差异

错误做法：将参与率长期下降简单解读为性别歧视加剧或女性就业环境恶化

正确做法：将下降趋势分解为不同年龄段女性的贡献，结合教育扩张、生育政策和产业结构变化等因素综合分析

中国女性劳动参与率下降的主要原因可能包括高等教育普及导致的延迟就业、人口老龄化带来的分母效应以及向服务业转型过程中结构性岗位变化，而非单纯的就业歧视

错误做法：将中国参与率与周边东亚发达经济体直接对比，认为应"达到"日本或韩国的水平

正确做法：考虑统计口径差异、人口结构差异和经济发展阶段差异，在比较时进行标准化处理

日本和韩国的女性劳动参与率在统计方法和年龄结构标准化后与中国存在差异，且东亚文化圈内部的性别分工模式也存在显著差异

错误做法：将疫情期间参与率波动解读为长期趋势的反转或延续

正确做法：区分短期冲击（如疫情）和长期结构性变化，关注趋势性变化而非单一年份异常值

2020年全球参与率显著下滑具有特殊背景，中国2021年的回升也可能是补偿性恢复，趋势判断需要更长的时间窗口验证

实际应用场景

中国女性劳动参与率下降对劳动力供给的影响研究：分析人口红利趋弱背景下女性劳动参与率下降对总体劳动力供给的贡献被解释变量可将女性参与率作为独立变量或分解为不同年龄组子指标，通过回归分析评估其对GDP增长和劳动生产率的边际贡献，注意控制资本积累和技术进步等因素
教育扩张与女性劳动参与的动态关系：评估高等教育大众化对女性劳动供给时机和强度的影响机制变量将女性高等教育入学率作为主要解释变量，女性劳动参与率为被解释变量，通过面板数据固定效应模型控制地区和时间固定效应，识别教育扩张的因果效应
生育政策调整对女性就业的滞后影响：评估二孩、三孩政策对女性劳动参与率的中长期影响被解释变量（政策评估）利用双重差分或合成控制法，将政策实施前后女性参与率变化与对照组对比，考虑政策效果的滞后性和异质性，区分短期生育效应和长期就业结构调整
产业结构转型与女性就业质量的关联研究：分析服务业扩张对女性就业机会和职业分布的影响稳健性检验变量在分析女性参与率变化时引入产业结构变量（第三产业占比），检验服务业扩张是否解释了参与率下降，或是通过改善就业质量吸引更多女性就业
国际比较视角下中国女性劳动参与率的收敛趋势分析：基于跨国面板数据研究中国参与率下降是否遵循发达经济体历史规律比较对象将中国作为样本中特殊经济体，通过收敛假说检验和跨国回归分析，评估中国是否正在向某类经济体的参与率水平收敛，以及收敛速度是否符合国际经验