年轻女性既不在教育中也不在就业或培训中的比例（占女性青年人口比例）（模拟劳工组织估计）
Share of youth not in education, employment or training, female (% of female youth population) (modeled ILO estimate)
下载数据指标解释
World Bank official description / 世界银行官方说明
The share of youth not in education, employment or training (also known as “the NEET rate”) conveys the number of young persons not in education, employment or training as a percentage of the total youth population. Youth not in education are those who were neither enrolled in school nor in a formal training program (e.g. vocational training). For the purposes of this indicator, youth is defined as all persons between the ages of 15 and 24 (inclusive).
可供参考的中文翻译：既不在教育、也不在就业、也不在培训中的青年比例（即"NEET比率"），指既未在学校就读、也未接受正规培训项目（如职业教育）的青年人数占青年总人口的比例。本指标中，青年定义为15至24岁（含）的所有人员。
数据口径与风险提示
- 本指标仅覆盖女性群体，与男女合计指标不可直接合并计算均值
- ILO模拟估计依赖各国劳动力调查数据的质量与频率，不同国家调查方法存在差异
- "既不在教育也不在就业或培训"包含"非劳动力"人口，无法单独区分主动不就业与被动退出劳动力市场的情况
- 青年人口基数变化会导致比率分子分母同时变动，可能掩盖真实的绝对人数变化
- 部分发展中国家数据缺失或年份不连续，跨国比较应关注数据可获得性
- 本指标是占女性青年人口的百分比，而非占女性劳动力的百分比，与失业率口径不同
中国趋势
中国女性NEET比率从2005年的20.66%持续波动下行至2025年的12.18%，累计下降约8.5个百分点。这一下降趋势在2010年代尤为显著，从期初约19.33%降至期末约12.58%，说明该阶段女性青年既未就學也未就业或接受培训的比例大幅缩减。2020年出现小幅反弹（升至13.68%），此后再度回落并于2024年达到观测期内最低点11.81%。总体来看，中国女性NEET比率已从早期接近20%的高位降至12%左右水平，降幅约为期初值的41%。
- 2005年首年为20.66%，至2025年降至12.18%，21年间下降约8.48个百分点
- 2006年录得峰值20.85%，此后呈现长期下降趋势
- 2014年首次降至16%以下（15.84%），2018年降至13%以下（12.80%）
- 2024年达到观测期最低值11.81%，2025年微升至12.18%
- 最新值相比首年比例约为59%，即降至期初约六成水平
- 仅覆盖女性群体，与男性或合计NEET比率不可混淆
- 下降可能反映就业机会增加、职业教育扩展或统计口径变化，需结合劳动力市场数据验证
- 2020年反弹提示突发事件对女性青年就业参与的短期冲击
全球趋势
全球女性NEET比率从2005年的32.73%波动下降至2025年的27.15%，累计下降约5.58个百分点。下降趋势相对平缓，未出现类似中国2010年代的急剧下滑阶段。2005年至2010年代初下降最为明显，此后下降速度趋缓，2020年因全球冲击出现小幅反弹（升至30.38%），随后继续下降并在2023年达到最低点26.70%，2024-2025年略有回升。整体而言，全球女性NEET比率长期维持在27%-33%的区间内，2025年数值约为期初值的83%。
- 2005年首年为32.73%，至2025年降至27.15%，21年间下降约5.58个百分点
- 2005年录得观测期峰值32.73%，此后从未超过该水平
- 2010年代初期经历约1.8个百分点的快速下降，此后降速显著放缓
- 2020年出现约0.87个百分点的反弹，此后在2021-2023年恢复下降
- 2023年达到最低点26.70%，2024-2025年小幅回升至27%左右
- 包含所有收入水平和发展阶段的国家，各国数据质量差异较大
- 下降幅度相对有限，反映全球青年女性就业参与改善整体较缓慢
- 区域间异质性显著，高收入国家与低收入国家差距可达数十个百分点
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 | - | - | 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。 |
| 2000-2009 | 1.0x | 1.0x | 该阶段中国和全球的女性NEET比率变化倍数均接近1（即几乎没有变化），分子分母的相对变化处于相近的较低水平，可能反映该时期两国女性青年既不在教育也不在就业培训的处境整体稳定，尚无结构性转变推动明显下降。 |
| 2010-2019 | 0.7x | 0.9x | 中国该阶段倍数降至0.65左右（下降约35%），而全球仅降至0.94左右（下降约6%），差异可能意味着中国在这十年间出现了更显著的劳动力市场结构性变化（例如制造业与服务业扩张吸纳了大量青年女性就业）、职业教育体系快速扩展、或统计口径调整导致的分母变化更为突出，而全球整体变化相对缓慢意味着多数国家缺乏类似驱动因素。 |
| 2020-2029 | 0.9x | 0.9x | 中国倍数约为0.89（下降约11%），全球约为0.89（下降约11%），两国变化趋于同步可能反映该阶段全球共同面临的经济冲击（如疫情）对青年女性就业参与的广泛影响，掩盖了此前中国特有的结构性下降趋势。 |
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
女性青年中既不在教育也不在就业或培训的比例较高，说明存在大量未参与经济活动也未接受教育培训的青年群体，可能反映就业机会不足、教育可及性有限或劳动力市场结构性障碍。
数值较低通常意味着什么
女性青年中有较高比例参与了教育或就业或培训，说明青年女性的经济社会参与程度较高，可能反映就业市场活跃、教育覆盖广泛或社会支持体系完善。
鍙ｅ緞闄愬埗
- 该比率无法区分未就业是因为找不到工作（失业）还是主动不找工作（非劳动力），需结合失业率指标解读
- 是占青年人口而非劳动力的比例，青年人口总量变化会影响比率分子分母
- 不同国家教育体系、培训项目定义和调查方法存在差异，跨国可比性受限
- 是女性专有指标，与男性NEET比率不可直接对比得出任何性别优劣结论
- 数据为年度估计，部分国家存在多年数据缺失
使用建议
- 结合青年女性失业率（SL.UEM.1524.FE.ZS）共同分析，区分"NEET"中失业与非劳动力两部分构成
- 关注教育入学率（中学入学率、高等教育入学率）与本指标的协同变化，分析教育扩展对NEET比率的影响
- 使用时标注数据来源为ILO模拟估计，说明模型假设和原始数据限制
- 进行时间序列分析时建议从较长期视角观察趋势，避免以单一年份波动做过度解读
- 跨国比较时应优先选择调查方法相近的国家子集，或对数据质量做筛选后再做比较
- 结合GDP增速、产业结构变化等宏观变量，分析青年女性就业参与的经济驱动因素
常见错误用法
错误做法：用中国女性NEET比率（12.18%）与世界女性NEET比率（27.15%）直接相减，得出"中国比世界低15个百分点"后解读为中国在女性青年就业方面"做得更好"或"制度更优"
正确做法：在描述中国与全球差异时，应明确说明这是两个独立经济体的不同发展阶段和劳动力市场结构所致，避免将统计差异直接归因于政策优劣
不同发展阶段的青年人口结构、就业机会分布和教育体系成熟度存在根本性差异，直接用绝对差值做规范性比较会忽略这些结构性背景
错误做法：看到2020年中国女性NEET比率从12.58%升至13.68%后，直接得出“中国女性就业参与政策失效”或“趋势发生逆转”的结论，而未考虑该变化仅约1.1个百分点且随后已回落的事实
正确做法：在解读2020年女性NEET比率反弹时，应结合当年宏观经济冲击（如疫情对服务业的打击）和统计口径变化综合分析，不宜将单一年份的上升直接解读为长期趋势的反转
青年NEET比率受宏观经济周期影响存在短期波动，2020年的上升可能同时包含周期性因素和结构性因素，仅凭一年数据无法区分临时冲击与结构性拐点
错误做法：将女性NEET比率（12.18%）与女性失业率（如4.5%）直接对比，得出“NEET是失业率的2-3倍，说明统计口径有问题”或“NEET中有大量不属于失业的群体未被统计”的错误结论
正确做法：使用本指标时应注意其分母为全体青年人口，而非劳动力人口；因此不宜将其与分母为劳动力人口的失业率指标直接比较或将两者混用
NEET比率分子包含失业者和非劳动力人口两部分，分母是全体青年；失业率分母仅限劳动力人口；两者口径根本不同，直接对比会混淆指标含义
错误做法：仅对比2024年（11.81%）与2025年（12.18%），得出“中国女性NEET比率开始回升”的结论，而未考虑该变化幅度仅0.37个百分点且处于正常年度波动范围内
正确做法：分析长期趋势时，应从至少10年及以上的视角观察变化，避免以两年以内的短期波动得出趋势性判断，尤其在数据来源于模型估计的情况下
年度数据可能因原始调查质量、数据修订或模型更新而出现较大波动，短期变化的可信度较低；模型估计值在最新年份可能存在较大不确定性
实际应用场景
- 中国女性青年就业参与改善的驱动因素分析：研究中国2010年代女性NEET比率快速下降的驱动因素时，将本指标作为被解释变量，引入职业教育扩张、服务业就业增长、城镇化进程等解释变量 被解释变量（outcome） 可使用合成控制法或双重差分模型，选取政策干预时点前后的变化进行因果识别；注意控制宏观经济周期对NEET比率的短期冲击
- 劳动力市场结构性变化对青年女性的影响：分析产业结构调整（如制造业向服务业转型）对青年女性就业参与的影响时，使用本指标结合男性NEET比率分析性别差异 结果变量（outcome） 通过面板回归控制地区、年份固定效应，检验产业升级与青年女性NEET比率下降的关联性
- 教育扩展对NEET比率的稳健性检验：在研究教育扩张对青年就业影响的主分析之外，使用本女性NEET指标做稳健性检验 稳健性检验（robustness） 检验主分析结论在不同维度指标（性别维度）上是否一致，提高因果推断的可信度
- 全球青年女性就业参与的跨国比较研究：在跨国样本中研究经济发展水平与青年女性就业参与的关系，使用本指标作为关键被解释变量 被解释变量（outcome） 控制人均GDP、女性劳动参与率、高等教育入学率等变量，关注发展中国家样本量以确保估计效率
年轻女性既不在教育中也不在就业或培训中的比例（占女性青年人口比例）（模拟劳工组织估计）常见问题
女性NEET比率中的"NEET"具体指什么？与失业率有什么区别？
NEET是"Not in Education, Employment or Training"的缩写，即既不在教育、也不在就业、也不在培训中的青年。失业率的分母是劳动力人口，而NEET比率的分母是全体青年人口，因此NEET不仅包含失业者，还包含主动退出劳动力市场（未在求职）的非劳动力人口，覆盖范围更广。
为什么中国的女性NEET比率比世界平均水平低这么多？
这主要反映了中国与全球整体发展阶段和劳动力市场结构的差异。中国快速的工业化和服务业扩张为青年女性提供了大量就业机会，同时职业教育体系的扩展也促进了青年女性从教育培训向就业的转化；此外统计口径和数据质量差异也会影响跨国比较结果。
中国女性NEET比率在2020年为什么出现反弹？
2020年中国女性NEET比率从2019年的12.58%升至13.68%，约上升1.1个百分点。该变化可能反映疫情等突发事件对女性青年就业参与造成的短期冲击，但具体原因需要结合当年就业数据、产业结构变化等变量进一步验证。
女性NEET比率高说明什么？是否意味着这个国家/地区情况不好？
NEET比率高说明有较高比例的青年女性既没有继续接受教育或培训，也没有进入劳动力市场。这可能反映就业机会不足、劳动力市场结构性障碍（如技能不匹配、地理障碍）或家庭因素（如照护责任）等多重原因，但不宜直接将数值高低定性为"好坏"，需结合具体背景分析。
下载数据
免费获取世界银行WDI完整数据集，包含年轻女性既不在教育中也不在就业或培训中的比例（占女性青年人口比例）（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