年轻群体既未上学也未就业或未接受培训的比例（占总年轻人口比例）（模拟劳工组织估计）
Share of youth not in education, employment or training, total (% of 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、也不在培训中的年轻人口比例（也称为“NEET率”），是指既未在学校注册也未参加正式培训项目（如职业培训）的年轻人在总年轻人口中所占的百分比。就本指标而言，年轻人的定义是15至24岁（含）的所有人员。
数据口径与风险提示
- 本指标为模拟估计值，并非所有国家都有原始调查数据，数据质量因国而异
- 年轻人定义严格限定为15-24岁，与其他劳动力指标的口径不完全一致
- 既不在教育也不在就业或培训中的状态可能包括自愿选择（如gap year）和被迫退出市场的两类人
- 分母为总年轻人口而非劳动力人口，包含了一部分非经济活跃人口
- 不同国家教育体系差异可能影响"在校"与"辍学"的界定标准
- 部分发展中国家数据缺失或覆盖不完整，可能影响世界平均水平
- ILO和各国统计局的数据收集方法可能存在差异
- 该指标不区分全职、兼职、临时工作等就业质量差异
中国趋势
中国NEET率在2005至2018年间经历了持续且显著的下行过程，从约17%逐步降至约10.7%的历史低点，累计降幅超过30%，这一阶段的大幅改善可能与经济快速增长带来的就业机会扩大、高等教育普及率提升以及产业结构向服务业转型等因素有关。2019年保持低位后，2020年出现明显回升（超过12%），可能部分反映了新冠疫情对青年就业市场造成的冲击，随后数值快速回落并在2024-2025年稳定在约11%的水平，但仍显著低于2005年基准。从比率来看，2025年数值约为2005年的66%，说明中国青年“既不在教育也不在就业”的状况在二十年间实现了实质性改善。
- 2005年中国NEET率为16.976%
- 2006年达到峰值17.114%，此后持续下降
- 2018年降至最低点10.675%，为历史最低
- 2020年出现反弹至12.072%
- 2021-2025年稳定在10.8%-11.2%区间
- 2025年最新值为11.229%
- 仅覆盖15-24岁年龄段，无法反映其他青年年龄段的就业状况
- 未区分"主动不就业"与"被动退出劳动力市场"
全球趋势
全球NEET率在2005至2019年间呈现缓慢下降趋势，从约22.7%逐步降至约21.4%，降幅相对有限，这一阶段的变化可能受到全球金融危机后遗症、新兴经济体工业化进程以及发达国家青年结构调整等因素的综合影响。2020年全球NEET率大幅上升至约22.7%，这一异常波动可能与新冠疫情对全球青年教育参与和就业市场的广泛冲击直接相关。此后全球NEET率进入持续下降通道，2021年回落至21.4%，2022年降至约20.4%，2023年达到样本期间最低点约19.5%，2024-2025年维持在约19.7%-19.8%区间。从比率来看，2025年全球NEET率约为2005年的87%，下降幅度显著小于中国的66%，这反映出全球层面的改善更为缓慢，可能与不同发展阶段国家的结构性差异有关。
- 2005年全球NEET率为22.697%
- 2020年达到峰值22.726%，为样本期间最高
- 2023年降至最低点19.487%
- 2024-2025年维持在19.67%-19.80%区间
- 2025年最新值为19.796%
- 不同国家数据覆盖程度和调查方法存在差异
- 发展中国家数据缺失可能影响全球平均水平
- 未区分正规与非正规就业
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 | 中国和世界该阶段的倍数比值均接近1，说明在2000年代初期双方的NEET率基本保持稳定，中国略微下降了约3%，而全球略微下降了约2%，两者的变化幅度和方向相近，可能意味着这一时期全球青年劳动力市场处于相对平衡状态，未出现显著的结构性转变。 |
| 2010-2019 | 0.7x | 1.0x | 中国该阶段倍数仅为0.67左右，意味着NEET率在十年内下降了约三分之一，而世界倍数接近0.98，几乎没有变化，两者差异悬殊，这可能反映了中国在这一时期经济快速增长、产业结构升级以及教育普及带来的青年就业和培训机会大幅增加，而全球平均水平受制于不同发展阶段国家的结构性差异，变化相对缓慢。 |
| 2020-2029 | 0.9x | 0.9x | 中国该阶段倍数上升至0.93（NEET率回升约7%），而世界倍数下降至0.87（继续下降约13%），两者变化方向相反，这可能部分反映了中国经济增速放缓以及产业结构转型对青年就业市场的调整压力，而全球NEET率继续下行可能受益于部分发展中国家的工业化进程加速以及疫情后的就业市场修复。 |
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率越高，说明年轻人口中脱离教育和就业体系的比例越大，可能意味着就业市场机会不足、青年技能与市场需求不匹配、教育体系未能有效引导青年进入劳动力市场，或存在阻碍青年就业的结构性壁垒。
数值较低通常意味着什么
NEET率越低，说明年轻人口中有更高比例的人处于教育或就业状态，可能意味着就业市场活跃、教育普及程度高、青年就业服务体系完善，或经济增长创造了充足的就业机会。
鍙ｅ緞闄愬埗
- 该指标不区分主动选择不就业（如gap year、旅行）和被动失业（找不到工作）的差异
- 未反映就业质量，包括薪酬水平、工作稳定性、工作条件等
- 不同国家教育体系和职业培训体系差异显著，跨国可比性受限
- 该指标为百分比，反映的是相对比例而非绝对人数，不能直接说明就业市场的绝对规模
- 分母为总年轻人口而非劳动力人口，包含了一部分非经济活跃人口
- 数据为模型估计，部分国家可能存在较大测量误差
- 未说明青年是否在非正规就业或灵活用工中
- 不能反映地区和城乡之间的差异
使用建议
- 使用时建议结合具体国家或地区的经济发展阶段和产业结构特征
- 可与青年失业率、青年就业率等指标配合使用以获得更全面的图景
- 分析中国时应结合中国特有的经济政策、教育扩张和产业转型背景
- 跨国比较时需要注意数据质量和统计口径的差异
- 可结合性别分组数据（男性、女性NEET率）分析性别差异
- 关注十年变化的长期趋势而非单一年份的数值
- 结合劳动力参与率和教育入学率等变量进行综合分析
- 使用该指标时应说明数据来源为ILO模型估计而非各国直接调查数据
常见错误用法
错误做法：直接用NEET率排名评判国家好坏，认为NEET率高的国家青年就业政策失败
正确做法：NEET率需要结合国家发展阶段、产业结构、经济体量综合解读，不能脱离背景做简单排名
不同发展阶段的国家面临不同的青年就业挑战，发达国家的“主动不就业”与发展中国家的“被动失业”性质不同，简单排名会产生误导性结论
错误做法：将中国NEET率下降简单归因于某个单一因素（如某个政策、某个事件）
正确做法：NEET率变化是多因素综合作用的结果，应结合就业机会、教育普及、产业升级等多维度因素分析
青年就业状况受到宏观经济、教育体系、产业政策、社会文化等多重因素影响，单一因素解释过度简化了复杂的社会经济现象
错误做法：用NEET率推断绝对就业人数或劳动力规模
正确做法：NEET率是比例指标，反映的是年轻人口中不处于教育或就业状态的比例，不能直接说明就业市场的绝对规模
分母为年轻总人口而非劳动力人口，且不区分就业类型，直接用NEET率乘以总人口会高估或低估实际就业人数
错误做法：将中国NEET率与其他国家直接对比而不考虑统计口径和数据质量差异
正确做法：跨国比较时应说明数据来源（ILO模型估计与各国调查的差异）并关注指标口径是否一致
不同国家的数据收集方法、调查频率、统计定义可能存在差异，模型估计值与实际调查数据可能产生系统性偏差
实际应用场景
- 中国青年就业质量的长期变化研究：分析2005-2025年中国NEET率持续下降的驱动力及其对青年人力资源利用效率的影响 被解释变量 可作为衡量青年人力资源配置效率的核心指标，与劳动生产率、人均GDP等指标配合使用，分析青年就业状况改善对经济高质量发展的贡献
- 中国与全球青年NEET率变化分化的原因分析：比较2010年代中国NEET率大幅下降与全球基本持平的差异，需要结合中、美、欧等主要经济体的经济周期和政策环境进行结构性分析 核心比较变量 可作为跨国比较的核心变量，结合GDP增速、教育扩张速度、产业结构变化等控制变量，分析不同发展阶段国家青年就业状况改善路径的差异
- 新冠疫情对中国青年就业冲击的评估：评估2020年中国NEET率反弹的特殊性，需要结合疫情前后数据以及同期全球数据进行因果推断分析 因变量（冲击评估） 可与青年失业率、青年就业率等指标配合使用，构建多维度的青年就业冲击评估体系，并结合政策措施进行政策效果评估
- 教育扩张对青年NEET率的影响机制研究：研究高等教育普及是否有效降低了NEET率，需要控制经济周期和产业结构等因素 机制变量（教育）与被解释变量（NEET） 可结合高等教育入学率、职业培训参与率等变量，分析教育扩张通过何种渠道影响青年就业状况，以及是否存在非线性关系或门槛效应
- 青年NEET率的性别差异及其影响因素研究：分析中国青年NEET率的性别差异是否与经济发展阶段有关，需要分性别比较中国与全球的变化趋势 分层分析变量 可结合女性NEET率和男性NEET率数据，分析不同性别青年面临的就业障碍及其变化趋势，检验是否存在“结构性改善”与“性别差距收窄”的同步关系
- 青年就业政策效果的多国评估：评估不同国家青年就业政策（如职业培训、就业补贴、创业支持）的相对效果，需要控制宏观经济因素的影响 政策效果评估指标 可构建政策评价框架，将NEET率变化归因于政策效应和经济效应，通过跨国面板数据识别不同政策工具的相对有效性
年轻群体既未上学也未就业或未接受培训的比例（占总年轻人口比例）（模拟劳工组织估计）常见问题
什么是NEET率？它和青年失业率有什么区别？
NEET率是指既不在教育中、也不在就业中、也不在培训中的年轻人口占总年轻人口的比例。它与青年失业率的主要区别在于：失业率的分母是劳动力人口（正在积极求职的人），而NEET率的分母是所有年轻人口，包括那些已经放弃求职的人。因此，NEET率通常高于失业率，能更全面地反映青年“脱离”教育和就业体系的状况。
为什么中国NEET率在2010年代大幅下降但2020年代出现回升？
2010年代的大幅下降可能与经济快速增长、教育普及和产业结构升级带来的就业机会增加有关。2020年代的回升可能反映了经济增速放缓、产业结构转型对传统就业岗位的冲击，以及2020年疫情对青年就业市场的短暂冲击，需要结合具体政策背景和经济周期进行深入分析。
中国NEET率在世界处于什么水平？
根据2025年数据，中国NEET率约为11.2%，而全球平均约为19.8%，中国显著低于全球平均水平。从变化趋势看，中国NEET率在二十年间下降了约34%，而全球仅下降约13%，说明中国青年就业状况的改善速度快于全球平均。
NEET率越低越好吗？如何正确解读这个指标？
NEET率并非越低越好。极低的NEET率可能意味着高压的就业环境或过度竞争的教育体系，剥夺了青年探索和成长的空间。解读时需要结合就业质量（薪酬、工作稳定性）、教育质量、青年主观满意度等因素，理想状态是青年能够根据自身兴趣和能力自由选择就业或继续学习，而非被迫进入或退出市场。
数据中既有“模拟劳工组织估计”也有“国家统计估计”，有什么区别？
“模拟劳工组织估计”是ILO基于各国调查数据通过模型推算的全球可比估计值，适用于跨国比较；“国家统计估计”是各国用自己的调查方法和定义直接统计的数值，可能与ILO的估计存在差异。使用时需要注意数据来源，中国在该指标上主要使用ILO模型估计值。
下载数据
免费获取世界银行WDI完整数据集，包含年轻群体既未上学也未就业或未接受培训的比例（占总年轻人口比例）（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