总失业人数(占劳动力总数的比例)(模拟劳工组织估计)
Unemployment, total (% of total labor force) (modeled ILO estimate)
下载数据指标解释
World Bank official description / 世界银行官方说明
Unemployment refers to the share of the labor force that is without work but available for and seeking employment.
可供参考的中文翻译:失业人数是指目前没有工作但可以参加工作且正在寻求工作的劳动力数量。各国对劳动力和失业人数的定义各有不同。
数据口径与风险提示
- 本指标采用国际劳工组织(ILO)模拟估算方法,各国统计口径与ILO定义可能存在差异,跨国比较时需注意口径一致性
- 失业率是比例指标,反映劳动力市场的相对供需状况,不等同于就业质量或收入水平
- 数据为年度指标,可能无法捕捉季节性就业波动或短期劳动力市场剧烈变化
- ILO对失业的定义要求"正在寻找工作",非正规就业或农村隐性失业人口可能未被纳入统计
- 中国统计数据历史上经历过调查方法调整,1990年前后数据可比性存在断点
- 作为百分比指标,当分母(劳动力总数)本身发生结构性变化时,分子分母的同步变化可能掩盖真实的就业压力
- 高失业率国家排名仅为描述性统计,不应将其解读为发展水平或政策质量的优劣评价
- 本指标反映的是劳动年龄人口中"愿意且能够工作但未能就业"的比例,与"就业不足"或"低生产率就业"等质量问题不同
中国趋势
从1991年至2025年,中国失业率呈现出先升后稳的阶段性特征。1991年该指标为2.37%,此后持续攀升至2009年的4.72%阶段性高点,累计上升约2.35个百分点。这一上升期恰逢中国经济体制转轨、国有企业改革和大规模劳动力流动的叠加阶段。2010年代以来失业率在4.3%至4.7%区间窄幅波动,2020年触及有记录以来的最高值5.0%后逐步回落,至2025年恢复至4.615%。近三十余年间中国失业率翻了约1.95倍,但始终维持在相对较低水平,这可能反映了中国经济增长对就业岗位的持续创造能力,以及政府对就业问题的高度重视。
- 1991年中国失业率为2.37%,为有记录以来的最低点
- 2009年达到4.72%,较1991年累计上升2.35个百分点
- 2020年创下5.0%的历史最高纪录
- 2025年最新值为4.615%,相比1991年上升2.245个百分点
- 近一年(2024至2025年)失业率微升0.065个百分点,变化幅度有限
- 中国失业率数据历史上可能存在统计口径调整,不同年份数据的严格可比性需验证
- 该指标为城镇登记失业率口径演变而来,农村隐性失业未被充分反映
- ILO模拟估算方法可能与中国官方发布数据存在差异,引用时需明确数据来源
全球趋势
从全球视角来看,1991年至2025年失业率呈现出先升后降的倒U型轨迹。1991年全球失业率约为5.12%,此后持续攀升至2003年前后的6.48%阶段性峰值,并在高位维持至2009年金融危机后的6.41%次高点,2000年代全球失业率上升约1.05倍。2010年代起全球失业率开始趋势性下降,至2019年降至5.59%,2020年因新冠疫情冲击短暂反弹至6.59%后迅速回落,2025年已降至4.79%的历史新低,较1991年下降约0.33个百分点,全球失业率不到起始值的0.94倍。这一长期下降趋势可能与新兴经济体尤其是亚洲地区经济快速发展、全球劳动力市场结构性变化等因素有关。
- 1991年全球失业率为5.12%,至2025年降至4.79%,累计下降0.33个百分点
- 2003年达到6.48%的阶段高点,此后有所回落
- 2020年因疫情冲击升至6.59%,为数据期间的最高点
- 2025年的4.79%为有记录以来的最低水平
- 近一年(2024至2025年)全球失业率下降约0.015个百分点,趋于平稳
- 全球失业率是200余个国家和经济体的加权平均值,各国失业率差异悬殊,平均值可能掩盖极端情况
- 不同国家统计体系差异较大,尤其是发展中国家和不发达经济体的数据质量参差不齐
- ILO模型估算依赖各国提交的基础数据,更新频率和数据可靠性参差不齐
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 | 1.4x | 1.2x | 中国的阶段变化率高于世界,可能意味着本国分子项相对分母项扩张更快,或国内供需、贸易结构与全球平均出现分化。 该判断仍应结合指标定义、相关变量和缺失年份理解,避免把单一比例变化写成确定因果。 |
| 2000-2009 | 1.4x | 1.0x | 中国的阶段变化率高于世界,可能意味着本国分子项相对分母项扩张更快,或国内供需、贸易结构与全球平均出现分化。 该判断仍应结合指标定义、相关变量和缺失年份理解,避免把单一比例变化写成确定因果。 |
| 2010-2019 | 1.0x | 0.9x | 中国的阶段变化率高于世界,可能意味着本国分子项相对分母项扩张更快,或国内供需、贸易结构与全球平均出现分化。 该判断仍应结合指标定义、相关变量和缺失年份理解,避免把单一比例变化写成确定因果。 |
| 2020-2029 | 0.9x | 0.7x | 中国的阶段变化率高于世界,可能意味着本国分子项相对分母项扩张更快,或国内供需、贸易结构与全球平均出现分化。 该判断仍应结合指标定义、相关变量和缺失年份理解,避免把单一比例变化写成确定因果。 |
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
失业率上升通常意味着劳动力市场上寻求工作的劳动者中未能成功匹配就业岗位的比例增加,可能反映出经济增长放缓、企业用工需求收缩、劳动力供给增加或劳动力技能与市场需求不匹配等问题。但失业率高低受统计口径、劳动参与率、人口结构等多重因素影响,不宜简单将其解读为经济健康状况或政策效果的唯一指标。
数值较低通常意味着什么
失业率下降通常意味着更多劳动力人口成功获得就业岗位,可能反映出经济增长动能增强、企业扩大招聘、产业结构优化或劳动力市场效率提升等积极信号。但极低的失业率也可能意味着劳动力供给紧张、经济过热或统计口径过于狭窄,需结合其他劳动力市场指标综合判断。
鍙e緞闄愬埗
- ILO模拟估算依赖各国提交的基础数据,数据质量参差不齐,部分发展中国家数据可能存在较大误差
- 失业率作为比例指标,无法反映就业质量差异,如非正规就业、临时工、低收入就业等质量问题
- ILO对失业的定义要求"正在寻找工作",放弃寻找的 discouraged workers 不被计入失业,可能低估实际就业不足程度
- 各国对劳动力、失业人口的具体界定标准存在差异,跨国比较时需进行口径调整
- 年度数据频率较低,难以捕捉短期波动或季节性变化
- 模型估算方法本身可能存在假设前提和参数选择的不确定性
使用建议
- 使用时明确标注数据来源为ILO模拟估算,并注明数据更新日期
- 跨国比较时应优先选择统计口径相近的国家子集,或使用标准化后的数据进行比较
- 结合GDP增长率、劳动参与率、就业人口比率、青年失业率等补充指标进行综合分析
- 关注中国数据的历史变动趋势而非单一数值,结合劳动力调查方法变化进行解读
- 研究中国劳动力市场时应同时参考国家统计局发布的城镇调查失业率数据进行交叉验证
- 分析就业政策效果时需考虑滞后效应,将失业率与经济政策、产业结构变化等变量结合考察
- 对于学术研究,建议在回归分析或因果推断中纳入劳动参与率、劳动力人口增长率等控制变量
常见错误用法
错误做法:将失业率高低直接等同于经济发展好坏,认为失业率低就是好、失业率高就是差
正确做法:将失业率视为劳动力市场供需平衡状况的反映指标,结合经济增长率、就业质量指标、人口结构等因素综合解读
失业率受统计口径、劳动参与率、人口年龄结构、经济周期等多重因素影响,且不同发展阶段的最优失业率水平存在差异,简单的好坏二分法会掩盖复杂的经济现实并可能导致政策误判
错误做法:用中国失业率与世界失业率的直接差值来判断中国劳动力市场的相对优劣
正确做法:比较中国与世界失业率的变化趋势差异,并结合两国经济发展阶段、统计口径差异和劳动力市场结构特征进行分析
中国失业率长期保持在较低绝对水平,这既可能反映就业政策成效,也可能与统计口径(如农村隐性失业未充分纳入)有关,直接比较差值可能产生误导
错误做法:将失业率上升时期直接归因于特定政策改革或历史事件,不做其他可能的解释
正确做法:在缺乏充分证据的情况下,使用"可能意味着""可能反映"等审慎表述,并建议结合其他相关变量进行验证
失业率变化是多种因素共同作用的结果,特定时期的变化可能与政策、宏观经济周期、人口结构、国际环境等因素相关,未经严格验证的因果推断可能导致错误的政策结论
错误做法:将失业率与其他就业指标混用,如将失业率与就业不足率、就业人口比率混淆
正确做法:明确各指标的内涵:失业率衡量"想工作但找不到"的比例,就业不足率反映工作时间不足的情况,就业人口比率反映劳动年龄人口中实际就业的比例
这些指标反映劳动力市场的不同维度,混用会导致对劳动力市场状况的误判,且不同指标在政策含义和跨国可比性上存在差异
错误做法:使用失业率进行简单的时间序列预测或趋势外推,不考虑经济结构性变化
正确做法:在进行预测时考虑经济结构转型、新兴产业发展、劳动力供给变化等结构性因素,并标注预测的假设前提和置信区间
劳动力市场受经济结构、政策环境、技术进步等结构性因素影响,历史趋势未必能够延续,简单的外推预测可能产生较大误差
实际应用场景
- 中国经济转型期就业压力的量化评估:研究1990年代末至2010年代中国经济体制改革过程中劳动力市场调整的幅度和特征 被解释变量 以失业率变化为核心被解释变量,通过与其他转型经济体的比较面板数据,识别中国经济转轨的就业成本特征。建议控制GDP增长率、劳动密集型产业比重、人口城镇化率等变量,并考虑统计口径变化对数据可比性的影响。
- 全球化对中国劳动力市场的影响分析:评估加入WTO后贸易开放对中国各地区、各行业失业率分布的影响差异 被解释变量 利用省级面板数据,将失业率变动分解为产业结构效应、贸易开放效应和人力资本效应。建议使用工具变量法处理内生性问题,并区分沿海和内陆地区、制造业和服务业部门的异质性影响。
- 人口结构变化与劳动力市场供需均衡研究:分析劳动年龄人口变化、老龄化进程对中长期失业率走势的影响 被解释变量或控制变量 将劳动参与率、抚养比、老龄化指数等人口变量纳入分析框架,检验人口红利消退对劳动力市场的影响。可使用动态面板模型捕捉失业率的持续性和调整速度,关注人口结构变化与经济周期因素的交互作用。
- 教育扩张与青年失业率关系的稳健性检验:在分析高等教育扩张对青年失业率影响时,检验结论的稳健性 稳健性检验变量 使用总体失业率作为青年失业率分析的稳健性检验变量,如果教育扩张对青年失业率的影响在总体失业率回归中依然显著,说明该影响并非仅仅是经济周期因素所致。建议同时控制GDP增长率、产业结构、地区发展水平等宏观变量。
- 货币政策与劳动力市场传导机制研究:评估货币政策调整对就业和失业率的滞后影响 被解释变量 将失业率作为货币政策传导的终端变量之一,分析利率调整、信贷规模变化对劳动力市场的影响。可使用结构向量自回归(SVAR)模型识别货币政策冲击,分析冲击的动态效应和持续时间,注意区分短期周期效应和中长期结构性变化。
总失业人数(占劳动力总数的比例)(模拟劳工组织估计)常见问题
中国现在的失业率是多少?比世界平均水平高还是低?
根据最新数据,2025年中国失业率约为4.6%,世界失业率约为4.8%,中国略低于世界平均水平。但需要注意的是,两国统计口径存在差异,中国失业率历史上以城镇登记失业率为主,ILO模拟估算数据可能有所调整,且中国数据未充分反映农村隐性失业情况,跨国比较时应谨慎解读。
失业率和就业率有什么区别?为什么两个指标都要看?
失业率是劳动力中"想找工作但找不到"的比例,就业率通常是就业人口占劳动年龄人口的比例。两者分母不同:失业率的分母是劳动力人口(就业者+失业者),就业率的分母是劳动年龄人口(包括不参与劳动力市场的群体)。仅看失业率可能遗漏不参与劳动力市场的人口变化,因此通常需要同时参考劳动参与率和就业人口比率等指标才能全面评估劳动力市场状况。
为什么有时候GDP增长很快但失业率却没有明显下降?
这在中国经济运行中较为常见,可能的原因包括:经济增长主要由资本密集型或技术密集型产业驱动,对就业的吸纳能力相对较弱;劳动力供给增长较快,抵消了经济增长创造的就业岗位;经济结构调整导致传统行业就业岗位减少而新兴行业岗位增加,但技能不匹配导致摩擦性失业增加;以及统计口径差异,农村就业人口变动未被充分反映等。
中国城镇调查失业率和世界银行ILO估算数据有什么不同?
两者在统计口径、调查方法和样本范围上存在差异。国家统计局发布的城镇调查失业率基于劳动力调查,覆盖城镇常住人口;ILO模拟估算是国际劳工组织基于各国提交的数据进行的模型推算,在数据缺失时使用估算值填补。中国公布的数据历史上以城镇登记失业率为主要参考,近年来逐步过渡到调查失业率,两套数据在数值和变化趋势上可能存在差异,研究时应明确标注数据来源并考虑可比性。
失业率高的国家是否意味着经济不好?失业率低是否意味着经济好?
不一定。失业率高低受多重因素影响,包括统计口径差异、劳动参与率水平、人口年龄结构特征、经济发展阶段等。例如,一些高收入国家因统计体系完善、对失业的界定较宽,可能呈现较高失业率但实际就业质量很好;相反,一些发展中国家可能因统计覆盖不全面,实际就业不足问题被低估。评估经济状况需要综合考虑GDP增长率、就业质量、收入水平、社会保障等多维度指标。
下载数据
免费获取世界银行WDI完整数据集,包含总失业人数(占劳动力总数的比例)(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