劳动力参与率，男性（占 15 岁以上男性人口的百分比）（模拟劳工组织估计）

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

下载数据

指标代码：SL.TLF.CACT.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 and older 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。

数据口径与风险提示

本指标基于国际劳工组织（ILO）模拟估算，不同于各国官方调查数据，统计口径与方法可能存在差异。
指标仅涵盖 15 岁及以上男性人口，未反映就业质量、工作小时数或收入水平等维度。
劳动力参与率衡量的是潜在劳动力供给，而非实际就业人数，不能直接等同于就业规模。
中国数据在人口基数大、地区差异显著的背景下，全国层面的汇总值可能掩盖结构性分化。
ILO 模型估算依赖各国历史调查数据的推算，部分国家数据缺失或频率不一致，可能影响长期趋势的精确性。
指标反映的是男性经济参与的可能性，高参与率并不自动意味着高质量就业或充分就业。
跨国比较时需注意各国社会保障制度、退休年龄规定和文化规范差异对参与率的潜在影响。
本指标为现价口径，未剔除价格因素，不宜直接用于购买力或实际收入对比。

中国趋势

趋势解读

中国男性劳动力参与率在 1990 年为 85.1%，此后持续单向下行，2025 年降至 69.9%，累计下降约 15.3 个百分点。2010 年代降幅尤为显著，2012-2019 年间从 77.3% 降至 73.3%；2020 年受外部冲击影响骤降至 71.6%，2021 年反弹至 72.9%，随后继续小幅回落至 2025 年的 69.9%。整体呈现高起点、长周期下行态势，且近年跌速有所加快。与全球同期 73.1% 相比，中国已低于世界平均水平约 3 个百分点。该指标的持续下降可能与人口老龄化加速、教育普及导致初职年龄推迟、国有部门改革带来的就业结构调整，以及提前退休趋势等因素有关，具体成因需要结合人口结构和产业结构等变量进一步验证。

1990 年中国男性劳动力参与率为 85.1%，为 1990-2025 年期间最高值。
2025 年降至 69.9%，为该时期最低值。
2010 年代从 2010 年的 78.1% 降至 2019 年的 73.3%，降幅约 4.8 个百分点。
2020 年骤降至 71.6%，较 2019 年下降 1.7 个百分点。
2021 年短暂反弹至 72.9%，随后持续小幅下降至 2025 年的 69.9%。
2025 年数值较 1990 年期初值下降约 18 个百分点（比例系数约为 0.82）。
ILO 模拟估算与中国国家统计局调查数据之间可能存在口径差异，直接引用时需说明数据来源。
全国层面的汇总值可能掩盖地区、城乡和行业间的结构性分化，深层分析需结合分项数据。

全球趋势

趋势解读

全球男性劳动力参与率从 1990 年的 80.0% 起呈缓慢下降趋势，2025 年降至 73.1%，累计下降约 7.0 个百分点，降幅约为中国的二分之一。与中国持续下行不同，全球水平在 2020 年降至 72.4% 的阶段性低点后有所回升，2023 年恢复至 73.4%，近两年小幅回落至 73.2% 左右。全球下降幅度较小且在 2020 年代出现企稳甚至轻微反弹，可能意味着全球层面男性劳动参与的结构性下降动能弱于中国，或者各国反弹幅度不同导致均值企稳。中长期趋势的差异可能反映出发达国家与发展中国家在人口结构、教育扩张和退休制度变化上的不同节奏，具体原因需要结合各组国家分类数据和相关变量进一步验证。

1990 年全球男性劳动力参与率为 80.0%，为 1990-2025 年期间最高值。
2025 年降至 73.1%，为近 30 年最低水平区间之一。
2020 年降至 72.4%，为该时期最低值，随后 2021 年回升至 72.9%。
2023 年恢复至 73.4%，是 2020 年以来的阶段性高点。
2025 年数值较 1990 年期初值下降约 7 个百分点（比例系数约为 0.91）。
全球长期下降趋势中，2010 年代降幅约为 2 个百分点，低于中国同期的 4.8 个百分点。
全球均值由大量异质性国家加权计算得出，不同收入组别国家的趋势可能差异显著。
ILO 跨国模型估算依赖各国数据质量，部分发展中国家数据缺失或不连续可能影响全球汇总值。

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	1990 年代末期中国男性劳动参与率已降至期初值的约 95%，而全球同期为 98%，差距相对较小，可能反映此阶段中国工业化初期男性就业参与仍保持在较高水平。
2000-2009	1.0x	1.0x	2000 年代中国和全球的期末/期初倍数均约为 0.975，趋势几乎同步收敛，意味着该阶段中国男性劳动参与的相对下降节奏与全球大体一致。
2010-2019	0.9x	1.0x	2010 年代中国该指标降至期初值的约 93.9%，而全球约为 97.3%，中国下降幅度明显更大，可能反映该阶段中国人口老龄化加速和就业结构调整的作用更为突出，或者中国统计口径中的劳动力退出效应强于全球平均。
2020-2029	1.0x	1.0x	2020 年代以来全球该比例超过 1.0（回升至期初值的约 101%），而中国约为 97.5%，走势分化。全球可能反映了疫情期间劳动力市场受冲击后的修复反弹，而中国持续低于期初水平，可能意味着结构性因素持续压制参与率。

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	95.6
2	United Arab Emirates 阿联酋	ARE	91.5
3	Kuwait 科威特	KWT	88.6
4	Oman 阿曼	OMN	88.1
5	Madagascar 马达加斯加	MDG	88.1
6	Cambodia 柬埔寨	KHM	87.8
7	Tanzania 坦桑尼亚	TZA	87.3
8	Korea, Dem. People's Rep. 朝鲜	PRK	86.8
9	Niger 尼日尔	NER	86.5
10	Solomon Islands 所罗门群岛	SLB	86.2
11	Bahrain 巴林	BHR	85.9
12	Uganda 乌干达	UGA	84.6
13	Bolivia 玻利维亚	BOL	84.4
14	Nigeria 尼日利亚	NGA	84.3
15	Eritrea 厄立特里亚	ERI	84.1
16	Saudi Arabia 沙特阿拉伯	SAU	83.3
17	Central African Republic 中非共和国	CAF	82.8
18	Indonesia 印度尼西亚	IDN	82.3
19	Nicaragua 尼加拉瓜	NIC	81.8
20	Guatemala 危地马拉	GTM	81.7
21	Paraguay 巴拉圭	PRY	81.6
22	Liberia 利比里亚	LBR	81.2
23	Mali 马里	MLI	81.0
24	Peru 秘鲁	PER	80.9
25	Mozambique 莫桑比克	MOZ	80.5
26	Bangladesh 孟加拉国	BGD	80.4
27	Pakistan 巴基斯坦	PAK	80.1
28	Iceland 冰岛	ISL	79.6
29	Malaysia 马来西亚	MYS	79.2
30	Ethiopia 埃塞俄比亚	ETH	78.6
31	Panama 巴拿马	PAN	77.9
32	India 印度	IND	77.6
33	Benin 贝宁	BEN	77.6
34	Angola 安哥拉	AGO	77.5
35	Viet Nam 越南	VNM	77.3
36	El Salvador 萨尔瓦多	SLV	77.3
37	Bahamas, The 巴哈马	BHS	77.2
38	Mexico 墨西哥	MEX	77.1
39	Burundi 布隆迪	BDI	77.0
40	Ecuador 厄瓜多尔	ECU	76.9
41	Fiji 斐济	FJI	76.5
42	Maldives 马尔代夫	MDV	76.4
43	Dominican Republic 多米尼加共和国	DOM	76.4
44	Jamaica 牙买加	JAM	76.3
45	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	76.3
46	Burkina Faso 布基纳法索	BFA	76.1
47	Colombia 哥伦比亚	COL	75.7
48	Singapore 新加坡	SGP	75.4
49	Thailand 泰国	THA	75.0
50	St. Lucia 圣卢西亚	LCA	74.8
51	New Zealand 新西兰	NZL	74.7
52	Cote d'Ivoire 科特迪瓦	CIV	74.4
53	Zimbabwe 津巴布韦	ZWE	74.3
54	Botswana 博茨瓦纳	BWA	74.0
55	Cameroon 喀麦隆	CMR	73.9
56	Uzbekistan 乌兹别克斯坦	UZB	73.9
57	Honduras 洪都拉斯	HND	73.5
58	Georgia 格鲁吉亚	GEO	73.5
59	Uruguay 乌拉圭	URY	73.4
60	Kazakhstan 哈萨克斯坦	KAZ	73.4
61	Brazil 巴西	BRA	73.4
62	Brunei Darussalam 文莱	BRN	72.8
63	Cyprus 塞浦路斯	CYP	72.7
64	Iraq 伊拉克	IRQ	72.6
65	Philippines 菲律宾	PHL	72.5
66	Timor-Leste 东帝汶	TLS	72.2
67	Moldova 摩尔多瓦	MDA	72.2
68	Korea, Rep. 韩国	KOR	72.0
69	Chile 智利	CHL	71.9
70	Netherlands 荷兰	NLD	71.9
71	Turkiye 土耳其	TUR	71.9
72	Kenya 肯尼亚	KEN	71.8
73	Bhutan 不丹	BTN	71.8
74	Chad 乍得	TCD	71.7
75	Argentina 阿根廷	ARG	71.7
76	Belize 伯利兹	BLZ	71.6
77	Malta 马耳他	MLT	71.5
78	Japan 日本	JPN	71.5
79	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	71.4
80	Switzerland 瑞士	CHE	71.4
81	Australia 澳大利亚	AUS	70.7
82	Lao PDR 老挝	LAO	70.6
83	Rwanda 卢旺达	RWA	70.6
84	Egypt, Arab Rep. 埃及	EGY	70.5
85	Albania 阿尔巴尼亚	ALB	70.2
86	Ireland 爱尔兰	IRL	70.1
87	Congo, Rep. 刚果（布）	COG	70.1
88	Belarus 白俄罗斯	BLR	69.9
89	China 中国	CHN	69.9
90	Estonia 爱沙尼亚	EST	69.8
91	Costa Rica 哥斯达黎加	CRI	69.8
92	Afghanistan 阿富汗	AFG	69.8
93	Haiti 海地	HTI	69.7
94	Mauritius 毛里求斯	MUS	69.7
95	Myanmar 缅甸	MMR	69.7
96	Guinea-Bissau 几内亚比绍	GNB	69.6
97	Armenia 亚美尼亚	ARM	69.5
98	Denmark 丹麦	DNK	69.2
99	Norway 挪威	NOR	69.1
100	Russian Federation 俄罗斯	RUS	69.0
101	Lithuania 立陶宛	LTU	69.0
102	Canada 加拿大	CAN	68.9
103	Israel 以色列	ISR	68.8
104	Barbados 巴巴多斯	BRB	68.7
105	Mongolia 蒙古	MNG	68.2
106	Morocco 摩洛哥	MAR	68.1
107	Sri Lanka 斯里兰卡	LKA	67.8
108	Sweden 瑞典	SWE	67.6
109	Zambia 赞比亚	ZMB	67.6
110	Venezuela, RB 委内瑞拉	VEN	67.5
111	Czechia 捷克	CZE	67.5
112	Hungary 匈牙利	HUN	67.5
113	Malawi 马拉维	MWI	67.3
114	Equatorial Guinea 赤道几内亚	GNQ	67.2
115	Iran, Islamic Rep. 伊朗	IRN	67.2
116	United States 美国	USA	67.1
117	Lesotho 莱索托	LSO	66.9
118	Congo, Dem. Rep. 刚果（金）	COD	66.8
119	Latvia 拉脱维亚	LVA	66.8
120	Serbia 塞尔维亚	SRB	66.5
121	Algeria 阿尔及利亚	DZA	66.4
122	Slovak Republic 斯洛伐克	SVK	66.1
123	Germany 德国	DEU	66.1
124	Azerbaijan 阿塞拜疆	AZE	66.0
125	Senegal 塞内加尔	SEN	65.7
126	United Kingdom 英国	GBR	65.6
127	Poland 波兰	POL	65.6
128	Luxembourg 卢森堡	LUX	65.5
129	Montenegro 黑山	MNE	65.4
130	Austria 奥地利	AUT	65.4
131	Cuba 古巴	CUB	65.1
132	Tunisia 突尼斯	TUN	64.9
133	Comoros 科摩罗	COM	63.9
134	Cabo Verde 佛得角	CPV	63.4
135	Guyana 圭亚那	GUY	63.3
136	Guinea 几内亚	GIN	63.1
137	Namibia 纳米比亚	NAM	63.0
138	Finland 芬兰	FIN	63.0
139	Vanuatu 瓦努阿图	VUT	62.9
140	Suriname 苏里南	SUR	62.9
141	Slovenia 斯洛文尼亚	SVN	62.8
142	Libya 利比亚	LBY	62.5
143	Jordan 约旦	JOR	62.5
144	Bulgaria 保加利亚	BGR	62.4
145	Spain 西班牙	ESP	62.2
146	Portugal 葡萄牙	PRT	62.1
147	Ghana 加纳	GHA	61.8
148	North Macedonia 北马其顿	MKD	61.8
149	South Africa 南非	ZAF	61.7
150	Romania 罗马尼亚	ROU	61.7
151	Syrian Arab Republic 叙利亚	SYR	61.4
152	Yemen, Rep. 也门	YEM	61.2
153	Gabon 加蓬	GAB	60.1
154	Bosnia and Herzegovina 波黑	BIH	60.0
155	Greece 希腊	GRC	59.9
156	France 法国	FRA	59.5
157	Togo 多哥	TGO	59.0
158	Tonga 汤加	TON	59.0
159	Belgium 比利时	BEL	59.0
160	Italy 意大利	ITA	58.3
161	Croatia 克罗地亚	HRV	57.4
162	Mauritania 毛里塔尼亚	MRT	56.6
163	Tajikistan 塔吉克斯坦	TJK	55.8
164	Sierra Leone 塞拉利昂	SLE	55.2
165	Samoa 萨摩亚	WSM	54.5
166	Eswatini 斯威士兰	SWZ	54.0
167	Papua New Guinea 巴布亚新几内亚	PNG	53.3
168	Nepal 尼泊尔	NPL	52.9
169	Gambia, The 冈比亚	GMB	49.5
170	Somalia, Fed. Rep. 索马里	SOM	47.2
171	Turkmenistan 土库曼斯坦	TKM	46.1
172	Djibouti 吉布提	DJI	44.6
173	Sao Tome and Principe 圣多美和普林西比	STP	24.0

使用建议、常见误用与研究场景

数值较高通常意味着什么

劳动力参与率升高意味着更多 15 岁以上男性人口处于经济活跃状态，愿意并能够进入劳动力市场寻找工作，反映劳动力供给潜力较大。

数值较低通常意味着什么

劳动力参与率降低意味着更多男性退出劳动力市场，可能的原因包括老龄化导致退休人口增加、教育扩张使年轻群体推迟就业、或就业结构性调整导致部分群体难以进入劳动力市场。

鍙ｅ緞闄愬埗

本指标仅衡量 15 岁及以上男性人口的总体参与情况，不反映就业质量、工作时长、收入水平或非正规就业程度。
ILO 模拟估算数据与各国官方调查数据之间可能存在方法论差异，跨国比较时需留意口径一致性。
指标衡量的是劳动力供给潜力而非实际就业人数，不能直接等同于就业规模或经济产出。
全国层面的汇总数据可能掩盖地区、城乡和行业间的巨大差异，深度分析需结合分项数据。
人口结构变化（如老龄化）本身会拉低参与率，该指标下降不一定反映经济衰退或就业恶化。
本指标未区分自愿参与和非自愿失业，隐性的不充分就业或 discouraged workers 未被直接识别。
ILO 模型对缺失数据采用插值和推算，不同国家的数据质量和连贯性差异可能影响长期趋势的精确性。
本指标为百分比水平，不是绝对人数，不能直接用于衡量劳动力规模的绝对变化。

使用建议

使用时建议明确标注数据来源为 ILO 模拟估算，并与国家统计局发布的调查数据进行交叉验证。
分析时应结合人口年龄结构、失业率、就业人口比率和非农就业占比等变量，构建更完整的劳动力市场图景。
跨国比较研究应考虑将国家按收入水平或地区分组，避免将发展阶段差异巨大的国家直接并置比较。
长期趋势分析建议关注 decade_summary 中的分期变化特征，识别不同阶段的结构性拐点。
研究中国具体变化时，可结合相关变量如教育扩张率、城镇化率和社会保障覆盖变化进行机制验证。
解读区域差异时，应结合中国国内各省份的劳动参与率数据，而非仅依赖全国汇总值。
政策评估类研究需区分劳动力参与率的供给侧变化和需求侧就业机会变化，避免单一归因。
涉及预测或模拟研究时，应注明ILO模型假设前提和对缺失数据的处理方式。

常见错误用法

错误做法：直接断言“男性劳动参与率下降说明中国男人都不想工作了”或“男人都失业了”。

正确做法：应说明劳动力参与率衡量的是经济活跃人口占比，其下降可能与老龄化、教育扩张、退休制度等因素相关，不等同于失业或不愿工作。

劳动力参与率下降可能反映结构性人口变化而非个人就业意愿问题，简单归因会误导政策方向和公众认知。

错误做法：将男性劳动参与率直接等于就业率或失业率的反面，用参与率推断就业状况。

正确做法：应使用失业率或就业人口比率来衡量就业结果，参与率反映的是供给潜力而非就业结果，两者概念不同。

劳动力中未就业人群仍计入参与率分子，经济活跃但失业的人群也会推高参与率，混淆三者会导致严重的政策误判。

错误做法：用该指标直接比较国家间劳动力市场规模，如“中国劳动参与率低于某国，所以中国劳动力市场更小”。

正确做法：比较时应使用绝对就业人数或劳动年龄人口规模等指标，并考虑口径和统计方法差异。

参与率是比例指标，受分母人口结构影响，高参与率国家的劳动力绝对规模可能小于低参与率的劳动力大国。

错误做法：将中国男性劳动参与率的长期下降简单归因于单一政策或历史事件，如“都是因为加入 WTO”。

正确做法：应结合人口结构（老龄化）、教育扩张、城镇化进程、产业结构调整等多因素综合分析，避免过度简化的单一因果解释。

劳动力参与率变化是多重结构性因素长期叠加的结果，政策影响往往通过多个中介变量传导，单独归因缺乏实证依据。

错误做法：直接比较不同口径的数据，如将 ILO 模拟估算与中国国家调查数据不加区分地进行趋势对比。

正确做法：分析时应明确数据口径来源，优先使用同一来源的连续数据进行长期趋势分析，或在对比时说明差异并做相应调整。

ILO 模拟估算与国家调查数据在样本框、调查方法和季节调整等方面可能存在系统性差异，直接混用会歪曲实际趋势。

错误做法：将 2020 年的参与率骤降解读为“疫情导致中国男人都不干活了”。

正确做法：应结合其他劳动力市场指标（如失业率、就业人数变化）进行多维度验证，关注ILO对异常年份的特殊处理方法。

单年异常波动可能源于数据修正、季节调整因子变化或调查方法变更，简单归因于具体事件缺乏充分依据。

实际应用场景

劳动力市场性别差距分析：研究中国及可比国家劳动力市场的性别差异演变被解释变量将男性劳动参与率与女性劳动参与率进行对比，分析性别差距的变化趋势及影响因素，可引入教育水平、行业分布和工资差距作为控制变量或中介变量，验证结构性因素对性别差距的解释力。
人口老龄化对劳动力供给的冲击评估：评估人口结构转变对男性劳动力参与率的影响被解释变量将男性劳动参与率作为劳动力供给潜力的代理指标，结合人口抚养比、老龄化指数等人口结构变量进行回归分析或时间序列分解，识别老龄化对参与率的边际贡献。
教育扩张与初职年龄推迟的关系验证：验证高等教育普及是否导致男性劳动参与率下降被解释变量引入高等教育入学率、15-24 岁男性劳动参与率与 25-54 岁男性劳动参与率的相对变化等变量，通过分组对比或面板数据模型，验证教育扩张对劳动力进入时机的延迟效应。
ILO 估算数据与国家调查数据的稳健性检验：检验 ILO 模拟估算与中国官方调查数据在趋势和幅度上的一致性稳健性检验变量将国家调查口径的男性劳动参与率作为基准，分别用 ILO 估算数据进行回归和趋势分析，对比系数方向和显著性，以评估结论对数据来源的敏感性。
劳动参与率与经济增长的关联研究：分析劳动力供给变化对宏观经济绩效的影响解释变量将男性劳动参与率引入经济增长回归模型（如 GDP 增长率或人均产出增长），同时控制物质资本积累、全要素生产率和产业结构等变量，评估劳动力供给质量变化对增长动能的贡献。