男性青年既未在校学习、也未就业或接受培训的比例（占男性青年人口的百分比）（模拟劳工组织估计）
Share of youth not in education, employment or training, male (% of male 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、就业或培训中的青年比例（又称“NEET率”），指既不在校学习、也不在正规培训项目（如职业教育）中的青年人数占青年总人口的百分比。青年定义为15至24岁（含）。
数据口径与风险提示
- 本指标为国际劳工组织（ILO）模型估算，各国原始调查方法和样本设计可能存在差异，跨国比较时需谨慎
- 数据起点为2005年，1960-2004年无可靠数据，无法进行长周期历史趋势分析
- NEET率涵盖既不在教育、也不在就业、也不在接受培训的全体青年，不仅限于主动求职的失业者，因此数值通常高于青年失业率
- 该指标无法区分是主动选择不就业/不学习，还是因结构性因素被迫退出劳动力市场
- 数据为存量指标，无法反映个体处于NEET状态的持续时间长短
- 不同国家在不同时期的统计调查周期和样本覆盖范围可能发生变化，跨时期比较时需注意口径一致性
- 青年定义统一为15-24岁，各国对青年年龄段的实际政策关注范围可能有所不同
中国趋势
中国男性青年NEET率在2005年至2025年间呈现总体下降趋势，从13.57%降至10.41%，降幅约23.2%。2018年达到最低点8.84%后出现反弹，2020年跳升至10.69%，此后在10%左右区间波动。该指标在2005-2013年间持续下行，与同期经济高速增长和就业岗位快速增加有关；2014-2018年保持低位可能受益于服务业扩张和教育普及；2020年后的回升可能反映经济增速放缓对青年就业的滞后影响。整体而言，中国男性NEET率已从高于全球平均水平转变为低于全球水平。
- 2005年起点值为13.567%
- 2018年达到区间最低值8.837%，为整个观测期唯一低于9%的年份
- 2020年较上年上升1.635个百分点，是最大年度涨幅
- 2025年最新值为10.414%，低于2005年起点值约3.15个百分点
- 最新值相当于起点的约0.77倍
- 2005年以前无数据，无法分析更早时期的趋势变化
- 数据为模型估算，与中国官方调查数据可能存在口径差异
- 指标下行可能反映就业机会增加，也可能反映青年更倾向于继续深造，选择增多时难以区分驱动因素
全球趋势
全球男性青年NEET率在2005年至2025年间基本保持稳定，从13.16%微降至12.89%，仅下降约0.28个百分点。2005-2016年间在12.4%-13.2%区间窄幅波动；2017-2019年缓慢上行；2020年因新冠疫情冲击飙升至15.54%，为观测期峰值；此后快速回落，2023年降至12.71%，接近疫情前水平。全球数据的稳定性与中国的明显下行趋势形成对照，但2020年的剧烈波动显示全球劳动力市场对外部冲击的敏感程度高于中国。
- 2005年起点值为13.16%
- 2020年达到观测期峰值15.54%，较上年上升1.84个百分点
- 2012年达到区间最低点12.43%
- 2025年最新值为12.89%，基本回到2005年起点水平
- 最新值相当于起点的约0.98倍，几乎无净变化
- 全球数据为加权汇总，各国数据质量参差不齐，低收入国家数据缺口可能影响总体代表性
- 2020年的飙升主因是疫情冲击，不代表趋势性变化，解读时需结合具体背景
- 不同地区的经济结构、就业政策和文化背景差异显著，简单比较中国与全球均值可能掩盖异质性
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 | 中国男性青年NEET率几乎没有变化（期初期末比值为0.98），而全球同期亦基本持平（0.996），两者变化幅度相近，说明该阶段中国青年的就业-教育状态结构未发生根本性转变，与全球平均水平的变化节奏基本同步。 |
| 2010-2019 | 0.7x | 1.1x | 中国该阶段期初期末比值仅为0.71，表明中国男性青年NEET率在这十年间大幅下降了约29%，而全球同期反而上升了约6%（比值1.06）。中国的快速下行与全球的温和上行形成明显反差，可能意味着中国在此期间的经济增长和产业转型对男性青年就业的带动作用强于全球普遍水平，但需要结合同期GDP增速和产业结构变化数据验证。 |
| 2020-2029 | 1.0x | 0.8x | 中国期初期末比值为0.97（几乎回到期初水平），而全球为0.83（明显下降）。这一阶段两者的方向再次反转，可能反映中国在疫情后的经济复苏节奏和劳动力市场政策效果与全球存在差异，也可能与统计口径在疫情期间的变化有关，需要结合就业政策变量和劳动力调查数据进一步验证。 |
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。
使用建议、常见误用与研究场景
数值较高通常意味着什么
NEET率较高意味着有较大比例的男性青年既不在教育系统中、也没有参与经济活动，可能反映劳动力市场吸纳能力不足、青年就业障碍较多、或结构性排斥问题较为突出。但该指标无法区分是主动选择（自愿不就业）还是被动排斥（找不到工作），也看不出就业的质量和收入水平。
数值较低通常意味着什么
NEET率较低通常表示更多男性青年处于在校学习或就业状态，可能意味着劳动力市场需求旺盛、或教育培训体系有效促进了青年就业准备。但该指标无法反映就业是否稳定、收入是否合理，也不能说明教育质量或人岗匹配程度。
鍙ｅ緞闄愬埗
- 无法区分主动退出还是被动排斥，对于解读驱动因素有限
- 不能反映就业质量和收入水平，只能说明是否参与
- 不同国家统计方法和调查周期可能不同，跨国比较需谨慎
- 数据为年度汇总，无法分析短期波动的具体成因
- 模型估算存在不确定性，与各国官方数据可能存在差异
- 无法反映青年从NEET状态转出的速度或持续时间
使用建议
- 使用时结合青年失业率（SL.UEM.1524.MA.ZS）一起分析，前者范围更宽
- 需要跨期分析时，应使用同一数据版本并注意口径说明
- 与其他指标（如就业不足率、总失业率）配合使用以获得更完整图景
- 进行跨国比较时，优先考虑使用相同估算方法的数据版本
- 分析中国数据时，可结合国内人社部发布的相关调查数据交叉验证
- 关注数据修订情况，学术发表应说明数据来源版本
- 研究政策效果时，应结合具体的就业促进政策实施时间和覆盖范围
常见错误用法
错误做法：将NEET率等同于青年失业率，直接用失业率的口径解读NEET数据
正确做法：NEET率包含所有不在教育、就业或培训的青年，范围大于仅统计求职者的失业率
两者统计口径不同：失业率的分母是劳动力人口（只含求职者和已就业者），而NEET率的分母是全体青年人口。将NEET率误用为失业率会严重高估就业困难程度。
错误做法：直接用各国NEET率排名来评判国家发展水平或政策成效
正确做法：对比不同国家时应先核查数据口径和调查方法是否可比，并结合本国经济结构和就业政策背景解读
不同国家的数据来源、调查时点和统计定义可能存在差异，排名靠前可能反映统计口径更宽而非实际状况更差。
错误做法：用2020年全球NEET率飙升来证明全球青年就业持续恶化
正确做法：解读2020年的数据时应明确指出这是疫情冲击造成的短期波动，与长期趋势应分别讨论
2020年全球NEET率飙升至15.54%主要是疫情导致的临时性失业和学校关闭，随着经济恢复该指标已快速回落，将其作为趋势性证据会误导政策判断。
错误做法：用中国2010年代NEET率大幅下降来推断青年就业问题已经解决
正确做法：分析下降原因时需结合经济增速、产业结构变化和就业政策工具，并注意2018年后的反弹信号
NEET率下降可能同时源于经济扩张（就业机会增加）和教育培训普及（留在学校比例上升），且2018年后的回升提示需要关注持续性。
实际应用场景
- 高等教育扩张对青年劳动力市场的影响研究：分析1999年高校扩招以来大学毕业生增加对男性青年NEET率和就业结构的影响 被解释变量 可与青年失业率（SL.UEM.1524.MA.ZS）配合使用，通过对比NEET率和失业率的变动幅度，判断高等教育扩张是通过提升就业准备还是通过延迟就业进入来降低NEET率
- 新冠疫情对不同国家青年就业冲击的差异分析：比较2020年中国与全球男性青年NEET率变化幅度的差异及其影响因素 被解释变量 可结合GDP增长率（NY.GDP.MKTP.CD）和社会保护支出数据，分析经济政策响应和社会安全网对缓冲就业冲击的作用，验证中国2020年NEET率升幅小于全球是否与特定政策有关
- 产业结构转型与青年就业匹配研究：分析服务业占比上升对制造业集聚地区男性青年就业参与的影响 解释变量或被解释变量 可与按教育水平分组的失业率数据（SL.UEM.BASC.MA.ZS、SL.UEM.INTM.MA.ZS）结合，分析不同技能水平的青年在产业转型中的表现差异，验证NEET率下降主要集中在哪类教育程度群体
- 就业政策工具效果的跨国比较：比较中国与OECD国家积极劳动力市场政策对降低男性青年NEET率的有效性 被解释变量 可与职业教育培训参与率、公共就业服务覆盖率等变量配合，分析政策干预是否有效减少NEET状态的持续时间，选择控制变量时需注意各国的政策工具分类标准差异
男性青年既未在校学习、也未就业或接受培训的比例（占男性青年人口的百分比）（模拟劳工组织估计）常见问题
NEET率和青年失业率有什么区别？
NEET率指所有不在教育、就业或培训的青年占青年总人口的比例，包括主动不求职的人；青年失业率只统计正在积极求职但没找到工作的年轻人，其分母是劳动力人口而非总人口。因此NEET率通常高于青年失业率，两者是不同维度的指标。
为什么中国男性青年的NEET率低于世界平均水平？
可能反映中国经济增长在2010年代创造了大量适合男性的就业岗位，同时职业教育体系和技校教育提供了更多培训机会。但低于全球平均不等于没有问题，2018年后的回升趋势值得关注。
2020年中国NEET率上升幅度小于全球是什么原因？
可能与中国的疫情防控策略、经济刺激措施和制造业快速恢复有关，但不同国家的数据质量和统计口径存在差异，简单对比上升幅度也可能受数据修订影响，需要结合就业政策变量验证。
NEET率高的地区青年就业问题更严重吗？
不一定。NEET率高可能源于就业机会不足，也可能是因为青年主动选择继续求学或接受培训。如果就业市场信息不透明或教育培训质量不高，NEET率下降也可能反映人岗匹配问题的改善，而非就业机会真正增加。
可以用NEET率来比较不同省份的青年就业状况吗？
本数据为国家级汇总，无法直接用于省际比较。如果需要分析国内地区差异，应使用国家统计局或地方人社部门的调查数据，并注意不同地区的统计标准和调查周期是否一致。
下载数据
免费获取世界银行WDI完整数据集，包含男性青年既未在校学习、也未就业或接受培训的比例（占男性青年人口的百分比）（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