劳动力参与率，总数（占 15 岁以上总人口的百分比）（模拟劳工组织估计）

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

下载数据

指标代码：SL.TLF.CACT.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）模型估算，各国原始调查口径可能存在差异，跨国比较需留意统计定义的一致性。
劳动力参与率受人口年龄结构影响显著，老龄化社会该指标可能系统性偏低，不能直接反映就业质量或劳动意愿。
该比率涵盖就业者和失业者两部分人群，高参与率不等于高就业率，需结合失业率指标综合判断劳动力市场状况。
非正规就业、兼职、季节性劳动等形态均计入经济活跃人口，但这些工作条件差异无法在本指标中体现。
女性参与率受文化、生育、家庭照护政策等因素影响，仅看总体参与率可能掩盖性别结构性差异。
数据为年度估算值，短期内波动可能受季节性或调查周期影响，不宜对单一年度变化做过强解读。

中国趋势

趋势解读

中国劳动力参与率从1990年的79.17%持续下降至2025年的64.55%，三十余年间累计下降约14.6个百分点，反映了人口老龄化进程加快、高等教育入学率大幅提升以及经济结构向服务业转型等深层次变化。2010年代下降速度相对温和，而2020年后出现阶段企稳迹象，但整体下行趋势尚未根本扭转。值得注意的是，该指标统计的是经济活跃人口占15岁以上人口的比例，分母的扩大（老龄人口增加）是导致比率下降的重要因素之一。

1990年该指标数值为79.17%，为有记录以来的最高点。
2025年最新数值为64.55%，为有记录以来的最低点。
从1990年到2025年的35年间，累计下降14.62个百分点。
2019年至2020年出现一次性大幅下降（从67.38%降至65.72%），此后有所波动。
2024年至2025年进一步下降0.36个百分点，最新值为64.55%。
期末值与期初值之比为0.815，即2025年的水平约为1990年的81.5%。
该指标反映的是经济活跃人口占总人口的比重，分母扩大（老龄人口增加）本身就会压低比率，不宜简单解读为劳动意愿下降。
经济结构调整（农业向服务业转型）会导致统计口径内的参与定义发生变化。

全球趋势

趋势解读

全球劳动力参与率从1990年的65.49%逐步下降至2025年的60.98%，累计下降约4.5个百分点，降幅显著小于中国。2008年金融危机后下降速度略有加快，2020年受新冠疫情冲击降至最低点59.64%，此后逐步回升但尚未恢复至疫情前水平。全球下降趋势主要反映了发达经济体人口老龄化与青年教育年限延长，同时新兴市场女性参与率提升在一定程度上抵消了部分降幅，整体呈现结构性下降但幅度相对平缓的特征。

1990年全球该指标为65.49%，为有记录以来的最高点。
2025年全球最新数值为60.98%，略高于2020年疫情低点的59.64%。
从1990年到2025年，全球累计下降约4.52个百分点。
2020年降至最低点59.64%，为有记录以来的谷值。
2023年全球数值为61.20%，为近年来的相对高点。
期末值与期初值之比为0.931，即2025年的水平约为1990年的93.1%。
全球平均受不同发展阶段国家结构差异影响，高收入国家拉低效应与低收入国家提升效应可能相互抵消。
各洲、各国统计标准不完全一致，ILO模型估算在不同区域的精度可能存在差异。

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	该十年间中国下降幅度（约为期初值的94.4%）明显大于全球（约为期初值的98.6%），差距约4个百分点。这可能意味着同期中国城镇化与工业化的快速推进已开始替代部分传统农业就业形态，同时教育扩张也分流了部分潜在劳动力供给；相比之下，全球平均的变化相对温和，反映了不同发展阶段国家变化节奏的差异。需结合中国就业结构转型和高校扩招政策背景验证。
2000-2009	1.0x	1.0x	中国下降幅度（约为期初值的96.1%）仍大于全球（约为期初值的97.5%），但差距较1990年代有所收窄。这一时期中国加入世界贸易组织后制造业扩张一度支撑了参与率，但高校持续扩招和人口老龄化加速在分母端产生更大影响。全球下降则主要来自发达经济体的老龄化效应。两者变化路径的差异可能反映了中国与全球在产业结构升级节奏上的分化。
2010-2019	0.9x	1.0x	中国下降幅度（约为期初值的95.0%）扩大，而全球（约为期初值的97.6%）保持相对平稳，差距进一步拉大。这可能反映了中国人口老龄化进入加速期、劳动力市场逐步从制造业向服务业转移，以及社会保障体系完善后提前退休意愿增强等供需结构变化；而全球层面新兴市场女性参与率提升部分抵消了老龄化效应。两者分母端（工作年龄人口结构）与分子端（经济活跃人口）的相对变化速率差异值得进一步结合生育率、退休年龄政策等变量验证。
2020-2029	1.0x	1.0x	中国下降幅度趋缓（约为期初值的98.2%），而全球转为上升（约为期初值的102.2%），呈现明显的分化走势。这可能意味着中国在疫情冲击后劳动力市场参与结构趋于稳定，而全球范围内部分国家劳动参与率的恢复性增长主要来自服务业重启和女性、老年群体参与增加。这一反向变化值得结合各国疫情应对政策、人口结构差异以及统计口径变化等因素进一步分析。

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	87.0
2	Madagascar 马达加斯加	MDG	85.5
3	Solomon Islands 所罗门群岛	SLB	84.3
4	Tanzania 坦桑尼亚	TZA	83.7
5	Nigeria 尼日利亚	NGA	82.5
6	Cambodia 柬埔寨	KHM	82.4
7	Korea, Dem. People's Rep. 朝鲜	PRK	82.2
8	Uganda 乌干达	UGA	80.0
9	Niger 尼日尔	NER	79.7
10	Mozambique 莫桑比克	MOZ	78.7
11	Bolivia 玻利维亚	BOL	78.6
12	United Arab Emirates 阿联酋	ARE	78.6
13	Eritrea 厄立特里亚	ERI	78.3
14	Burundi 布隆迪	BDI	78.3
15	Liberia 利比里亚	LBR	76.6
16	Benin 贝宁	BEN	76.4
17	Iceland 冰岛	ISL	74.9
18	Angola 安哥拉	AGO	74.8
19	Bahamas, The 巴哈马	BHS	73.8
20	Central African Republic 中非共和国	CAF	73.4
21	Kuwait 科威特	KWT	73.4
22	Peru 秘鲁	PER	72.9
23	Viet Nam 越南	VNM	72.8
24	Moldova 摩尔多瓦	MDA	72.3
25	Bahrain 巴林	BHR	70.4
26	New Zealand 新西兰	NZL	70.4
27	Paraguay 巴拉圭	PRY	70.2
28	Burkina Faso 布基纳法索	BFA	70.0
29	Singapore 新加坡	SGP	69.7
30	Jamaica 牙买加	JAM	69.6
31	Botswana 博茨瓦纳	BWA	68.8
32	Ethiopia 埃塞俄比亚	ETH	68.5
33	Oman 阿曼	OMN	68.4
34	St. Lucia 圣卢西亚	LCA	68.3
35	Indonesia 印度尼西亚	IDN	68.0
36	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	67.9
37	Congo, Rep. 刚果（布）	COG	67.8
38	Kazakhstan 哈萨克斯坦	KAZ	67.8
39	Zimbabwe 津巴布韦	ZWE	67.7
40	Kenya 肯尼亚	KEN	67.4
41	Netherlands 荷兰	NLD	67.2
42	Cote d'Ivoire 科特迪瓦	CIV	67.1
43	Mali 马里	MLI	67.0
44	Timor-Leste 东帝汶	TLS	67.0
45	Cyprus 塞浦路斯	CYP	67.0
46	Switzerland 瑞士	CHE	66.7
47	Thailand 泰国	THA	66.7
48	Australia 澳大利亚	AUS	66.5
49	Panama 巴拿马	PAN	66.3
50	Malaysia 马来西亚	MYS	66.1
51	Lao PDR 老挝	LAO	66.1
52	Nicaragua 尼加拉瓜	NIC	66.1
53	Norway 挪威	NOR	65.6
54	Israel 以色列	ISR	65.5
55	Cameroon 喀麦隆	CMR	65.2
56	Estonia 爱沙尼亚	EST	65.1
57	Saudi Arabia 沙特阿拉伯	SAU	65.1
58	Uruguay 乌拉圭	URY	65.0
59	Denmark 丹麦	DNK	64.9
60	Ireland 爱尔兰	IRL	64.8
61	Dominican Republic 多米尼加共和国	DOM	64.8
62	Bhutan 不丹	BTN	64.8
63	Guinea-Bissau 几内亚比绍	GNB	64.8
64	Barbados 巴巴多斯	BRB	64.7
65	Sweden 瑞典	SWE	64.6
66	China 中国	CHN	64.6
67	Canada 加拿大	CAN	64.5
68	Ecuador 厄瓜多尔	ECU	64.5
69	Korea, Rep. 韩国	KOR	64.4
70	Georgia 格鲁吉亚	GEO	64.3
71	Congo, Dem. Rep. 刚果（金）	COD	64.3
72	Albania 阿尔巴尼亚	ALB	64.3
73	Brunei Darussalam 文莱	BRN	64.2
74	Malta 马耳他	MLT	64.0
75	Haiti 海地	HTI	63.9
76	Rwanda 卢旺达	RWA	63.7
77	Maldives 马尔代夫	MDV	63.5
78	Japan 日本	JPN	63.4
79	Colombia 哥伦比亚	COL	63.4
80	Azerbaijan 阿塞拜疆	AZE	63.3
81	Brazil 巴西	BRA	63.1
82	Lithuania 立陶宛	LTU	62.9
83	Belarus 白俄罗斯	BLR	62.7
84	Malawi 马拉维	MWI	62.6
85	Chile 智利	CHL	62.3
86	El Salvador 萨尔瓦多	SLV	62.1
87	Zambia 赞比亚	ZMB	61.9
88	Argentina 阿根廷	ARG	61.9
89	United States 美国	USA	61.7
90	Mexico 墨西哥	MEX	61.6
91	Luxembourg 卢森堡	LUX	61.5
92	United Kingdom 英国	GBR	61.4
93	Philippines 菲律宾	PHL	61.4
94	Russian Federation 俄罗斯	RUS	61.1
95	Hungary 匈牙利	HUN	60.6
96	Germany 德国	DEU	60.6
97	Latvia 拉脱维亚	LVA	60.5
98	Equatorial Guinea 赤道几内亚	GNQ	60.5
99	Slovak Republic 斯洛伐克	SVK	60.4
100	Czechia 捷克	CZE	60.3
101	Austria 奥地利	AUT	60.1
102	Mongolia 蒙古	MNG	59.7
103	Finland 芬兰	FIN	59.7
104	Guatemala 危地马拉	GTM	59.6
105	Chad 乍得	TCD	59.4
106	Armenia 亚美尼亚	ARM	59.4
107	Serbia 塞尔维亚	SRB	59.1
108	Belize 伯利兹	BLZ	59.1
109	Namibia 纳米比亚	NAM	58.8
110	Bangladesh 孟加拉国	BGD	58.8
111	Mauritius 毛里求斯	MUS	58.5
112	Ghana 加纳	GHA	58.5
113	Poland 波兰	POL	58.3
114	Portugal 葡萄牙	PRT	58.2
115	Vanuatu 瓦努阿图	VUT	58.1
116	Montenegro 黑山	MNE	58.0
117	Togo 多哥	TGO	57.8
118	Costa Rica 哥斯达黎加	CRI	57.7
119	Slovenia 斯洛文尼亚	SVN	57.6
120	Uzbekistan 乌兹别克斯坦	UZB	57.5
121	Spain 西班牙	ESP	57.4
122	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	57.4
123	Fiji 斐济	FJI	57.2
124	Lesotho 莱索托	LSO	57.1
125	Cabo Verde 佛得角	CPV	57.0
126	Honduras 洪都拉斯	HND	56.6
127	Bulgaria 保加利亚	BGR	56.1
128	Comoros 科摩罗	COM	55.8
129	India 印度	IND	55.7
130	South Africa 南非	ZAF	55.6
131	France 法国	FRA	55.3
132	Myanmar 缅甸	MMR	55.1
133	Guyana 圭亚那	GUY	55.0
134	Turkiye 土耳其	TUR	54.4
135	Belgium 比利时	BEL	54.3
136	Suriname 苏里南	SUR	53.8
137	Sierra Leone 塞拉利昂	SLE	53.4
138	Guinea 几内亚	GIN	52.6
139	Pakistan 巴基斯坦	PAK	52.3
140	Cuba 古巴	CUB	52.2
141	Croatia 克罗地亚	HRV	52.1
142	Papua New Guinea 巴布亚新几内亚	PNG	52.1
143	Senegal 塞内加尔	SEN	52.0
144	Greece 希腊	GRC	52.0
145	North Macedonia 北马其顿	MKD	51.9
146	Venezuela, RB 委内瑞拉	VEN	51.9
147	Romania 罗马尼亚	ROU	51.3
148	Eswatini 斯威士兰	SWZ	51.2
149	Gabon 加蓬	GAB	51.1
150	Tonga 汤加	TON	49.8
151	Italy 意大利	ITA	49.3
152	Bosnia and Herzegovina 波黑	BIH	49.0
153	Sri Lanka 斯里兰卡	LKA	48.5
154	Libya 利比亚	LBY	48.0
155	Gambia, The 冈比亚	GMB	47.5
156	Tunisia 突尼斯	TUN	45.2
157	Egypt, Arab Rep. 埃及	EGY	44.6
158	Morocco 摩洛哥	MAR	43.9
159	Samoa 萨摩亚	WSM	42.5
160	Turkmenistan 土库曼斯坦	TKM	42.0
161	Iraq 伊拉克	IRQ	41.5
162	Iran, Islamic Rep. 伊朗	IRN	41.0
163	Algeria 阿尔及利亚	DZA	40.8
164	Mauritania 毛里塔尼亚	MRT	40.8
165	Jordan 约旦	JOR	40.1
166	Nepal 尼泊尔	NPL	39.2
167	Tajikistan 塔吉克斯坦	TJK	38.3
168	Afghanistan 阿富汗	AFG	37.5
169	Syrian Arab Republic 叙利亚	SYR	36.9
170	Somalia, Fed. Rep. 索马里	SOM	33.8
171	Yemen, Rep. 也门	YEM	33.1
172	Djibouti 吉布提	DJI	31.7
173	Sao Tome and Principe 圣多美和普林西比	STP	23.3

使用建议、常见误用与研究场景

数值较高通常意味着什么

劳动力参与率较高通常表示有更大比例的人口积极参与经济活动，潜在的劳动力供给相对充裕。

数值较低通常意味着什么

劳动力参与率较低通常意味着部分人群退出劳动力市场，可能反映老龄化加剧、教育年限延长、家庭照护需求增加或就业机会不足等结构性问题。

鍙ｅ緞闄愬埗

该指标受人口年龄结构影响较大，老龄化社会该比率会系统性偏低，不能直接等同于劳动意愿或就业意愿的强弱。
该指标将就业者和失业者均计入经济活跃人口，高参与率可能伴随高失业率，无法单独反映劳动力市场的效率。
统计口径在不同国家存在差异，尤其是对非正规就业、临时工和兼业人员的认定标准不同，影响跨国可比性。
短期波动可能受季节性因素、调查时间点或模型修订影响，不宜对单一年份变化做过强解读。
女性参与率受生育政策、家庭分工观念等文化因素影响，单纯比较总体参与率可能掩盖性别结构差异。

使用建议

在分析劳动力供给潜力时，应同时参考总人口抚养比和分年龄段参与率，结合人口金字塔结构综合判断。
研究劳动力市场状况时，建议将本指标与失业率、就业人口比、青年NEET率等指标配合使用。
进行跨国比较时，优先选择口径一致的ILO模型估算数据，并留意各国统计方法差异。
分析长期趋势时，应将本指标与教育扩张、城镇化率、生育率等变量结合，区分分母效应与行为变化。
针对女性或青年群体的劳动力市场参与问题，应使用分性别、分年龄段的分项指标进行分析。

常见错误用法

错误做法：直接用中国的劳动力参与率与越南、孟加拉国等发展中国家比较，得出“中国劳动力不足”的结论。

正确做法：在比较时应考虑人口发展阶段差异，优先与同等老龄化程度或发展阶段相近的国家进行对标分析。

劳动力参与率受人口年龄结构影响显著，发展阶段不同的国家之间直接比较会忽略结构性因素，得出误导性结论。

错误做法：将劳动力参与率下降等同于劳动意愿下降，认为人们不愿意工作。

正确做法：应结合人口结构变化（老龄化、抚养比上升）和教育扩张等因素，区分被动退出（无合适岗位）和主动退出（提前退休、学习深造）两类情况。

分母扩大（老龄人口增加）和统计口径变化都会导致比率下降，不必然反映主观劳动意愿的变化。

错误做法：仅看总体参与率高就判断劳动力市场活跃，忽视潜在的就业不足或非正规就业问题。

正确做法：应结合失业率和就业人口比等指标，全面评估劳动力市场的供需匹配状态。

劳动力参与率不区分就业质量，即使参与率高也可能存在大量非正规就业或隐性失业。

错误做法：用劳动力参与率的年度变化直接推断经济走势或政策效果。

正确做法：分析趋势时应使用多年平均或移动平均平滑短期波动，并结合其他经济指标进行综合研判。

年度数据可能受统计修订、模型更新或季节性因素干扰，短期变化不宜做过强解读。

错误做法：将中国与全球的劳动力参与率差异简单归因于文化或制度因素。

正确做法：应系统分析人口结构差异（年龄结构、抚养比）、经济结构差异（产业结构、就业形态）以及统计口径差异的各自贡献。

不同国家劳动力参与率差异的驱动因素多元而复杂，单一归因会过度简化现实情况。

实际应用场景

人口老龄化对劳动力供给的影响评估：分析中国人口老龄化进程中劳动力参与率的结构性下降，评估未来劳动力供给潜力被解释变量可将劳动力参与率作为被解释变量，引入老年抚养比、城镇化率、人均GDP等作为解释变量，构建面板回归模型，分阶段分析各因素贡献度的变化。同时注意控制区域异质性，东部与西部的老龄化路径和参与率变化可能存在显著差异。
女性劳动参与率提升路径研究：研究制约或促进女性劳动力参与率变化的因素，为促进女性就业政策提供依据被解释变量或对照变量使用女性分项劳动力参与率（SL.TLF.CACT.FE.ZS）作为被解释变量，引入生育率、幼儿园覆盖率、男女工资差距等变量，分析家庭政策对女性参与的影响。可与男性参与率（SL.TLF.CACT.MA.ZS）进行对照，分析性别差距的变化趋势及其结构性成因。
劳动力市场结构转型与经济增长关系研究：研究劳动力从农业向服务业转移过程中参与率的变化规律及其对经济增长的传导机制机制变量或控制变量将劳动力参与率作为控制变量引入生产函数框架，分析劳动力供给变化对潜在增长率的影响。同时可引入青年参与率（SL.TLF.ACTI.1524.ZS）考察青年过早退出劳动力市场对人力资本积累的潜在负面影响。
劳动力参与率的国际比较与收敛性分析：研究中国劳动力参与率与其他主要经济体的差距是否趋于收窄或扩大比较变量选取G20国家或同等发展阶段国家作为对照组，计算中国与参照国参与率之差的时序变化，使用σ收敛和β收敛方法检验收敛特征。同时控制人口结构差异（如年龄中位数、老龄化指数）后进行标准化比较，以识别真实收敛或分歧程度。
劳动力参与率预测与政策情景模拟：基于历史趋势预测未来劳动力参与率走势，为养老金和劳动力供给政策提供前瞻性参考被解释变量利用ARIMA或HP滤波分解趋势成分，结合人口预测数据（总人口、年龄结构）构建情景模型，模拟不同生育政策、退休年龄政策或移民政策对参与率的潜在影响。不确定性分析应覆盖参数估计误差和模型结构不确定性两个维度。