年轻群体总失业人数（占15-24岁所有劳动力数量的比例）（模拟劳工组织估计）
Unemployment, youth total (% of total labor force ages 15-24) (modeled ILO estimate)
下载数据指标解释
World Bank official description / 世界银行官方说明
Youth unemployment refers to the share of the labor force ages 15-24 without work but available for and seeking employment.
可供参考的中文翻译：年轻群体失业人数是指15-24岁年龄段内目前没有工作但可以参与且正在寻求就业的劳动力占该年龄段总劳动力的比例。数据基于国际劳工组织（ILO）模型估算，各国对劳动力和失业的定义标准可能存在差异。
数据口径与风险提示
- 该数据为ILO模型估算结果，各国原始调查方法可能存在口径差异，跨国比较时需留意统计定义一致性
- 数据反映的是“可以且正在寻找工作”的群体，未充分考虑隐性失业、非正规就业或不积极求职的青年
- 百分比分子为失业青年人数，分母为该年龄段全部劳动力，不等于青年总人口的失业比例
- 数值高低受劳动参与率变化影响：劳动力老龄化或青年退出劳动力市场可能导致失业率被高估
- 作为比例指标，该值下降可能源于劳动力总数扩大，而非就业机会真实改善
- 女性和男性青年失业率可能存在结构性差异，单独使用总指标可能掩盖群体分化
- 模型估算依赖各国官方数据反馈机制，部分低收入国家数据质量可能偏低
- 趋势变化既可能反映真实就业市场波动，也可能受统计体系完善程度影响
中国趋势
中国年轻群体失业率从1991年的约4.4%显著攀升至2025年的约15.8%，呈现持续上升轨迹。1990年代初期至中期上升较快，此后直至2004年基本维持在6%至9%的区间波动，2005年后再度拾阶而上，到2019年已突破10%。2020年起出现新一轮明显跃升，2022至2025年间稳定在14%以上的高位水平。三十余年间该比例扩大至约3.6倍，且近年来上升斜率加大，反映出青年劳动力市场供需矛盾趋于尖锐化——可能与经济增速换挡、产业升级带来的结构性错配以及青年群体就业偏好变化等因素相关。
- 1991年中国年轻群体失业率约为4.4%，为该指标记录以来最低值
- 2025年该指标升至约15.8%，较1991年水平扩大约3.6倍
- 2018年前该指标长期低于10%，2019年首次突破10%
- 2020至2022年间从约10.7%跳升至约14.7%，三年间增幅近4个百分点
- 2023年进一步升至约15.6%，2024至2025年维持在15%左右的高位
- 数据覆盖起始于1991年，改革开放早期数据不可得，无法观察1970至1980年代改革初期青年就业结构变化
- ILO模型估算可能与国家统计局调查口径存在差异，实际数值应以国内官方发布数据为准
- 百分比为占劳动力比例而非总人口比例，不宜直接等同于青年人口中的失业率
全球趋势
全球年轻群体失业率从1991年的约11.5%逐步上升至2020年的约17.1%峰值，此后呈现回落态势，2025年降至约13.4%。近三十余年间全球年轻失业率扩大至约1.2倍，增幅远低于中国的3.6倍。2020年疫情冲击导致全球青年失业率创纪录高企，但2021年后快速回落，2022至2025年持续下行，反映出后疫情时代劳动力市场的结构性修复。与中国持续攀升的趋势形成对比，全球数据在2020年后进入下行通道，可能意味着全球青年就业市场恢复速度快于中国青年就业压力的积累速度。
- 1991年全球年轻群体失业率约为11.5%，为该指标历史最低值
- 2020年该指标升至约17.1%，为1991年以来最高点，疫情冲击显著推高全球青年失业率
- 2021年后全球年轻失业率持续回落，2025年降至约13.4%
- 近三十余年全球年轻失业率扩大至约1.16倍，远低于中国同期约3.6倍的增幅
- 2014至2019年间全球年轻失业率基本在15%至16%区间波动，未出现显著单边趋势
- 全球数据为190余个经济体的加权平均，不同发展阶段国家数据合并可能导致趋势被平滑
- 高收入国家青年失业率普遍较高，而部分发展中国家统计覆盖不足，数据可能存在选择性偏差
- 该比例受分母（劳动力总数）口径影响，若大量青年选择退出劳动力市场，分母缩小可能导致比率被动升高
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 | 1.5x | 1.2x | 1990年代中国年轻群体失业率升幅约为1.55倍，而全球同期仅上升约1.24倍——中国增速明显快于全球平均水平，可能反映经济体制转轨过程中国有企业改革释放的冗员压力与新增就业岗位不足之间的结构性矛盾，而全球该阶段主要是新兴市场国家青年人口膨胀带来的自然增长。 |
| 2000-2009 | 1.5x | 1.1x | 2000年代中国年轻群体失业率升幅约为1.48倍，全球同期仅约1.07倍——中国增速仍显著高于全球。可能的原因包括：中国高等教育大规模扩张导致应届毕业生供给激增、城镇青年就业竞争加剧，而全球同期部分高失业国家已开始实施青年就业促进政策，抑制了进一步恶化。 |
| 2010-2019 | 1.1x | 1.0x | 2010年代中国年轻群体失业率升幅收窄至约1.09倍，全球同期仅约1.00倍——中国增长斜率趋缓，但仍高于全球。这一阶段中国青年失业率从约10%缓步升至略超10.6%，可能与经济增速换挡有关；而全球在欧债危机后青年失业率高企，直至2019年才开始缓慢回落。 |
| 2020-2029 | 1.2x | 0.8x | 2020年代中国年轻群体失业率上升约1.25倍，全球同期反而下降约0.78倍——这一反差极为突出。中国呈上升态势而全球呈下降态势，可能意味着中国面临的青年就业压力具有特殊的结构性成因，与全球经济周期并不完全同步，需结合产业结构调整、教育-就业错配等变量进一步验证。 |
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。
使用建议、常见误用与研究场景
数值较高通常意味着什么
年轻群体失业率较高，意味着青年人口中“正在寻找工作但尚未找到”的比例较大，可能反映就业岗位供给不足、青年技能与市场需求错配、劳动力市场摩擦成本较高，或青年就业意愿与实际可获岗位之间存在较大缺口。
数值较低通常意味着什么
年轻群体失业率较低，可能意味着青年就业机会相对充裕、劳动力市场流动性较高，或青年群体更早进入非正规就业而未被统计为失业。但也可能是大量青年主动退出求职（心灰意冷型失业）或进入非正规部门，导致表面失业率被压低。
鍙ｅ緞闄愬埗
- 该指标是比例而非绝对人数，低失业率国家若青年劳动力规模庞大，绝对失业人数可能远高于高失业率小国
- 不区分正规与非正规就业、临时工与长期合同，高就业质量可能伴随低失业率
- 女性和男性青年失业率差异可能很大，总指标掩盖了性别维度的结构性问题
- 失业率下降可能源于青年主动退出劳动力市场而非就业机会增加，属于“就业不足”的变形
- 教育程度、城乡、区域等维度未被细分，难以识别脆弱青年群体
- 该指标使用ILO模型估算，与各国官方调查定义可能存在口径差异
使用建议
- 结合青年就业总人数或青年就业率（就业青年/青年总人口）评估绝对就业规模
- 参考青年既不就业也不上学不培训的比率（NEET）补充非正规就业和被动退出情况
- 分性别、分年龄段（15-19岁与20-24岁）分别分析，避免掩盖群体内部差异
- 结合GDP增速、产业结构变化和高等教育扩张速度等多维度因素综合解读
- 使用时标注数据来源为模型估算结果，并注意与国家统计局口径进行对比
- 进行跨国比较时优先使用同一统计口径的national estimate版本，减少模型差异干扰
常见错误用法
错误做法：直接用中国年轻群体失业率与世界其他地区横向排名，断言“中国青年失业问题最严重”
正确做法：将排名视为参考而非评价，并在说明中注明该排名仅反映模型估算的当期比例，不代表绝对规模或政策效果
比例排名高可能因为分母（劳动力总数）较小，且排名靠前的国家多为人口小国，与中国情境不可直接类比
错误做法：看到失业率上升就认为“就业环境恶化”，忽视劳动参与率变化和统计口径因素
正确做法：结合劳动力参与率（LFPR）和非正规就业数据进行综合判断，区分结构性失业与周期性失业
失业率升高可能同时伴随劳动参与率下降——部分青年退出求职导致真实就业缺口更大，单独看失业率会低估问题严重性
错误做法：将年轻群体失业率与中国总体失业率直接对比，得出青年比成年人更难找工作的结论
正确做法：使用同期中国总失业率（SL.UEM.TOTL.ZS）作为分母对比基准，分析青年相对于总体人群的失业风险溢价
不同年龄段劳动力结构差异显著，青年失业率天然偏高有其生理和经验因素，直接对比缺乏统计基准
错误做法：将模型估算数据与国家统计局发布的青年调查失业率混用，得出“数据不一致就是造假”的结论
正确做法：区分ILO模型估算（SL.UEM.1524.ZS）与国家统计口径调查（SL.UEM.1524.NE.ZS），承认口径差异并选择适合研究目的的版本
模型估算依赖假设和跨国可比性调整，与国内调查在样本框、定义和季节性处理上可能存在系统性差异，这种差异是统计方法导致的而非数据质量问题
实际应用场景
- 中国青年失业率长期上升的结构性因素分析：研究1991年以来中国青年失业率持续攀升的驱动因素，区分经济增速下行、教育扩张、产业结构转型和劳动力市场制度变化的贡献 被解释变量（核心结果变量） 可使用面板回归或时间序列分解，将该指标作为被解释变量，引入GDP增速、产业结构调整指标、高校毕业生规模等解释变量，控制人口结构因素后量化各因素贡献度
- 中国与全球青年失业率走势分化的比较研究：分析为何1990年代以来中国青年失业率升幅持续高于全球平均，而2020年代后出现方向性背离 核心比较对象 可采用双变量DID框架或事件研究法，对比中国与可比发展阶段国家在相同时期的政策干预效果差异，结合宏观冲击变量（如金融危机、疫情）做稳健性检验
- 教育扩张对青年就业质量的影响机制检验：考察高等教育扩招是否通过“学历通胀”和“人岗错配”渠道推高青年失业率 被解释变量（机制检验） 将高等教育入学率或毕业生规模作为核心解释变量，引入该青年失业率指标作为被解释变量，检验教育扩张对就业市场摩擦的放大效应，可加入就业结构多元化变量做机制验证
- 青年失业率与消费结构变化的关联性研究：检验青年高失业率是否通过收入效应和预期效应影响居民消费结构 解释变量 将青年失业率作为关键解释变量，引入居民消费率或服务消费占比作为被解释变量，控制收入变量和城镇化率后检验青年失业对消费结构转型的影响
- 青年失业率与其他青年脆弱性指标的交叉验证：使用NEET比率（既不就业也不上学培训的青年比例）交叉验证青年就业困境的严重程度 稳健性检验变量 同时引入青年失业率与NEET比率，构建双指标测量青年就业脆弱性，检验两者走势一致性，若出现背离则需解释统计口径差异或真实结构性变化
年轻群体总失业人数（占15-24岁所有劳动力数量的比例）（模拟劳工组织估计）常见问题
中国年轻群体失业率是怎么统计的，和国家统计局数据有什么不同？
世界银行该指标使用国际劳工组织模型估算数据，依赖各国官方数据反馈和跨国可比性调整；而国家统计局发布的城镇青年调查失业率基于国内劳动力调查口径。两者在失业定义、样本框和季节性处理上可能存在差异，建议在研究中使用同一口径数据做纵向比较，而非混用两个来源的数据。
为什么中国年轻群体失业率在2020年后突然大幅上升？
2020至2022年间该指标从约10.7%跃升至约14.7%，可能受多重因素叠加影响，包括疫情对服务业的冲击导致青年就业岗位减少、高校毕业生规模持续扩大、以及部分青年在不确定性增加背景下推迟求职。但具体成因需要结合产业结构变化、城镇青年就业调查等变量进一步验证。
年轻群体失业率多少算正常，是不是越低越好？
不同发展阶段国家青年失业率差异很大，高收入国家因青年教育年限长、求职期长，失业率普遍较高；发展中国家非正规就业比例高，正式部门失业率可能被低估。该指标不是“越低越好”的绝对正向指标，过低可能意味着青年被迫提早就业或进入非正规部门，牺牲教育投资机会。
为什么全球年轻群体失业率在2020年达到峰值后开始下降，中国却在继续上升？
全球2020年峰值后回落主要反映了后疫情时期经济重启带来就业恢复，尤其是服务业复苏吸纳了大量青年；而中国青年失业率持续上升可能与国内经济结构调整节奏、青年就业偏好变化和统计口径等因素相关，具体原因需要结合产业政策、教育扩张和区域就业分化等变量做进一步分析。
青年失业率和总体失业率有什么区别，看哪个更有用？
青年失业率专指15-24岁群体，占该年龄段劳动力比例；总失业率覆盖所有年龄段。青年失业率通常高于总体失业率，因为青年缺乏工作经验、求职信息不充分。在分析青年特殊就业困境或人力资本积累问题时，青年失业率更适用；在评估整体劳动力市场紧张程度时，总失业率更全面。
下载数据
免费获取世界银行WDI完整数据集，包含年轻群体总失业人数（占15-24岁所有劳动力数量的比例）（模拟劳工组织估计）等所有指标，支持按国家、指标或主题下载CSV、Excel和XML格式数据。
下载数据