人口中面临中度或重度粮食不安全比例（%）

Prevalence of moderate or severe food insecurity in the population (%)

下载数据

指标代码：SN.ITK.MSFI.ZS所属主题：健康Health

2023最新有效年份

133最新年份有值国家

265历史上有数据经济体

93%总体缺失率

指标解释

World Bank official description / 世界银行官方说明

The percentage of people in the population who live in households classified as moderately or severely food insecure. A household is classified as moderately or severely food insecure when at least one adult in the household has reported to have been exposed, at times during the year, to low quality diets and might have been forced to also reduce the quantity of food they would normally eat because of a lack of money or other resources.

可供参考的中文翻译：指生活在被列为中等或重度粮食不安全家庭中的人口比例。当家庭中至少有一名成年人在一年中的某些时候报告称其饮食质量较低，且可能因缺乏金钱或其他资源而被迫减少正常食量时，该家庭即被归类为中等或重度粮食不安全家庭。

数据口径与风险提示

本指标数据来源于FAO粮食安全信息网络（Food Insecurity Experience Scale），基于受访者自我报告而非客观营养测量，结果受文化背景和主观判断影响
调查方法为入户访谈，可能存在报告偏差，低收入群体可能低估或高估自身的粮食不安全程度
部分发展中国家样本量有限，地区覆盖不完整，数据可比性存在局限
该指标衡量主观感受而非实际营养摄入量，与营养不良发生率（SN.ITK.DEFC.ZS）反映的客观指标性质不同
时间序列较短，最早数据始于2014年，难以进行长周期趋势分析
跨国比较受家庭规模定义、收入分组标准差异影响

中国趋势

趋势解读

世界银行数据库中暂无中国在该指标上的历史数据记录。该指标由FAO通过粮食安全经验量表（FIES）调查收集，中国尚未纳入该调查体系或尚未公开报告相关结果。因此无法对中国粮食不安全状况的变化趋势进行分析。

由于缺乏中国数据，不宜将其他国家数据简单套用于中国粮食安全形势的判断
该指标依赖主观问卷调查，与中国官方粮食安全评估体系在口径和方法上可能存在差异

全球趋势

趋势解读

世界银行数据库中暂无全球或世界汇总层面的该指标历史数据。FAO于2014年起开展FIES调查，但各国数据更新频率不一，目前全球趋势数据尚不完整。2023年最新排名数据显示，多个非洲和冲突地区国家面临严重的粮食不安全挑战，塞拉利昂（89.8%）和南苏丹（88.1%）位居前列。

2023年塞拉利昂粮食不安全比例最高，达89.8%
2023年南苏丹、海地、马拉维、刚果（金）等国比例均超过80%
2023年吉布提（49.2%）为第30位国家
所有高比例国家主要集中于非洲撒哈拉以南地区
亚洲地区国家未出现在当前前30名榜单中
排名仅反映各国最新数据状态，不构成发展水平的规范性评价
各国调查年份可能存在差异，跨国同时点比较存在统计口径不一致的问题
中等收入国家数据覆盖程度通常低于低收入国家，可能存在系统性缺失

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	-	-	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。
2010-2019	-	-	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。
2020-2029	-	-	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。

2023 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。

排名	国家	代码	数值
1	Sierra Leone 塞拉利昂	SLE	89.8
2	South Sudan 南苏丹	SSD	88.1
3	Haiti 海地	HTI	83.2
4	Malawi 马拉维	MWI	81.7
5	Congo, Dem. Rep. 刚果（金）	COD	81.5
6	Afghanistan 阿富汗	AFG	80.8
7	Liberia 利比里亚	LBR	80.8
8	Comoros 科摩罗	COM	79.7
9	Nigeria 尼日利亚	NGA	74.8
10	Kenya 肯尼亚	KEN	73.9
11	Yemen, Rep. 也门	YEM	73.0
12	Madagascar 马达加斯加	MDG	72.6
13	Burundi 布隆迪	BDI	70.8
14	Zimbabwe 津巴布韦	ZWE	68.8
15	Chad 乍得	TCD	66.3
16	Mauritania 毛里塔尼亚	MRT	66.3
17	Benin 贝宁	BEN	65.6
18	Ethiopia 埃塞俄比亚	ETH	61.4
19	Cameroon 喀麦隆	CMR	61.2
20	Lesotho 莱索托	LSO	59.9
21	Eswatini 斯威士兰	SWZ	59.0
22	Togo 多哥	TGO	58.5
23	Tanzania 坦桑尼亚	TZA	58.0
24	Jamaica 牙买加	JAM	56.4
25	Namibia 纳米比亚	NAM	55.9
26	Gambia, The 冈比亚	GMB	54.8
27	Uganda 乌干达	UGA	54.6
28	Botswana 博茨瓦纳	BWA	53.9
29	Niger 尼日尔	NER	50.9
30	Djibouti 吉布提	DJI	49.2
31	Guatemala 危地马拉	GTM	48.8
32	El Salvador 萨尔瓦多	SLV	45.5
33	Zambia 赞比亚	ZMB	45.3
34	Ghana 加纳	GHA	44.5
35	Dominican Republic 多米尼加共和国	DOM	43.8
36	Kiribati 基里巴斯	KIR	42.9
37	Lebanon 黎巴嫩	LBN	42.4
38	Pakistan 巴基斯坦	PAK	42.1
39	Burkina Faso 布基纳法索	BFA	41.4
40	Honduras 洪都拉斯	HND	41.3
41	Peru 秘鲁	PER	41.0
42	Cambodia 柬埔寨	KHM	40.0
43	Iran, Islamic Rep. 伊朗	IRN	38.8
44	Cote d'Ivoire 科特迪瓦	CIV	38.4
45	Nepal 尼泊尔	NPL	36.6
46	Lao PDR 老挝	LAO	35.6
47	Libya 利比亚	LBY	35.1
48	Argentina 阿根廷	ARG	33.8
49	Ecuador 厄瓜多尔	ECU	33.3
50	Albania 阿尔巴尼亚	ALB	33.0
51	Philippines 菲律宾	PHL	32.9
52	Myanmar 缅甸	MMR	32.7
53	Ukraine 乌克兰	UKR	32.5
54	Cabo Verde 佛得角	CPV	32.1
55	Mauritius 毛里求斯	MUS	31.1
56	Egypt, Arab Rep. 埃及	EGY	30.8
57	Senegal 塞内加尔	SEN	29.1
58	Palau 帕劳	PLW	28.1
59	Colombia 哥伦比亚	COL	27.8
60	West Bank and Gaza 约旦河西岸和加沙	PSE	27.0
61	Georgia 格鲁吉亚	GEO	26.6
62	Guyana 圭亚那	GUY	25.5
63	Tunisia 突尼斯	TUN	25.4
64	Moldova 摩尔多瓦	MDA	25.1
65	Tajikistan 塔吉克斯坦	TJK	25.1
66	Uzbekistan 乌兹别克斯坦	UZB	24.4
67	South Africa 南非	ZAF	20.7
68	Mali 马里	MLI	20.6
69	Mexico 墨西哥	MEX	19.3
70	Chile 智利	CHL	19.2
71	Romania 罗马尼亚	ROU	18.6
72	Samoa 萨摩亚	WSM	18.6
73	Algeria 阿尔及利亚	DZA	17.6
74	Grenada 格林纳达	GRD	17.3
75	New Zealand 新西兰	NZL	17.3
76	Malaysia 马来西亚	MYS	16.7
77	Uruguay 乌拉圭	URY	16.2
78	Hungary 匈牙利	HUN	15.6
79	Costa Rica 哥斯达黎加	CRI	15.4
80	North Macedonia 北马其顿	MKD	15.2
81	Azerbaijan 阿塞拜疆	AZE	14.0
82	Australia 澳大利亚	AUS	13.8
83	Antigua and Barbuda 安提瓜和巴布达	ATG	13.5
84	Brazil 巴西	BRA	13.5
85	Finland 芬兰	FIN	13.4
86	Portugal 葡萄牙	PRT	11.9
87	Bulgaria 保加利亚	BGR	11.6
88	Latvia 拉脱维亚	LVA	11.2
89	Sri Lanka 斯里兰卡	LKA	11.2
90	Estonia 爱沙尼亚	EST	10.8
91	Viet Nam 越南	VNM	10.7
92	Montenegro 黑山	MNE	10.4
93	United States 美国	USA	10.3
94	Canada 加拿大	CAN	10.2
95	Czechia 捷克	CZE	10.0
96	Bosnia and Herzegovina 波黑	BIH	9.90
97	Serbia 塞尔维亚	SRB	9.50
98	Singapore 新加坡	SGP	9.50
99	Israel 以色列	ISR	9.20
100	Malta 马耳他	MLT	9.20
101	France 法国	FRA	8.40
102	Kuwait 科威特	KWT	8.40
103	Slovenia 斯洛文尼亚	SVN	8.20
104	Belgium 比利时	BEL	8.10
105	Armenia 亚美尼亚	ARM	7.80
106	Iceland 冰岛	ISL	7.80
107	Norway 挪威	NOR	7.80
108	Netherlands 荷兰	NLD	7.50
109	Slovak Republic 斯洛伐克	SVK	7.50
110	Denmark 丹麦	DNK	6.90
111	Sweden 瑞典	SWE	6.90
112	United Kingdom 英国	GBR	6.90
113	Greece 希腊	GRC	6.60
114	Lithuania 立陶宛	LTU	6.50
115	Spain 西班牙	ESP	6.50
116	Croatia 克罗地亚	HRV	6.00
117	Japan 日本	JPN	5.80
118	Korea, Rep. 韩国	KOR	5.40
119	Thailand 泰国	THA	5.40
120	Ireland 爱尔兰	IRL	4.80
121	Mongolia 蒙古	MNG	4.80
122	Austria 奥地利	AUT	4.70
123	Indonesia 印度尼西亚	IDN	4.50
124	Germany 德国	DEU	4.10
125	United Arab Emirates 阿联酋	ARE	3.60
126	Poland 波兰	POL	3.40
127	Russian Federation 俄罗斯	RUS	2.80
128	Luxembourg 卢森堡	LUX	2.60
129	Kazakhstan 哈萨克斯坦	KAZ	2.00
130	Switzerland 瑞士	CHE	2.00
131	Italy 意大利	ITA	1.70
132	Cyprus 塞浦路斯	CYP	1.40
133	Belarus 白俄罗斯	BLR	1.10

使用建议、常见误用与研究场景

数值较高通常意味着什么

比例越高表示该国人口中面临中度或重度粮食不安全（饮食质量低或被迫减少食量）的家庭成员越多，反映更广泛的粮食获取困难或脆弱性。

数值较低通常意味着什么

比例越低表示面临粮食不安全的人口比例越小，居民整体在饮食质量和数量保障方面状况相对较好。

鍙ｅ緞闄愬埗

该指标基于主观问卷而非客观食物摄入测量，无法直接反映营养缺乏或健康结局
调查覆盖范围因国家而异，缺数国家较多时跨国比较可能存在选择性偏差
家庭定义和收入分组标准各国不同，影响数据可比性
短期数据序列限制了对长期趋势的可靠判断
无法区分粮食不安全的成因——是收入不足、供应链中断还是资源分配不均等

使用建议

使用时应结合客观营养指标如营养不良发生率（SN.ITK.DEFC.ZS）进行交叉验证
分析一国内部差异时可结合城市化率（EN.URB.LCTY.UR.ZS）和清洁烹饪能源获取率（EG.CFT.ACCS.ZS）等结构性变量
开展跨国研究时需标注各国数据调查年份，考虑统计口径差异
该指标适合作为被解释变量，不宜单独作为政策效果的唯一评估依据
进行时间序列分析时应注意数据起始年份较短的限制

常见错误用法

错误做法：直接将该指标比例等同于营养不良率

正确做法：区分粮食不安全（主观感受/饮食质量）与营养不良（客观测量指标），使用SN.ITK.DEFC.ZS衡量营养缺乏的客观发生率

两者概念不同，粮食不安全侧重于获取层面的脆弱性，营养不良是具体的健康结局，混淆二者会导致对粮食安全形势的误判

错误做法：用某一年的比例高低直接评判一个国家的发展水平或治理能力

正确做法：将数据用于趋势分析时需考虑多年一致性，同时结合人均收入、贫困率等社会经济变量综合判断

粮食不安全受短期冲击（如气候灾害、冲突）影响较大，某一年的数值受到多种因素扰动，不宜作静态的规范性评价

错误做法：将中国数据缺失误解为数据为0或中国粮食安全状况优于其他国家

正确做法：明确标注中国数据缺失，并通过FAO原始数据库核实是否有更完整的中国数据来源

数据缺失可能源于调查未覆盖，而非状况良好，直接假设为零会严重高估中国的粮食安全成就

错误做法：忽略各国调查年份差异进行跨国同时点排名比较

正确做法：比较时应确认各国数据采集年份一致，标注数据年份并在分析中说明

不同年份的调查受当时经济、气候、地缘政治等因素影响，年份不一致的排名可能反映的是时点差异而非国家间真实差距

实际应用场景

粮食不安全与社会经济因素关联研究：研究城镇化水平、清洁能源获取率与粮食不安全比例的关系，可纳入EN.URB.LCTY.UR.ZS、EG.CFT.ACCS.ZS作为结构性控制变量被解释变量面板数据回归需注意各国数据起始年份不同导致的非平衡面板问题，建议使用固定效应模型控制国家异质性
粮食不安全与健康结局的中介机制检验：探讨粮食不安全是否通过影响饮食质量进而导致慢性病风险升高，可将SN.ITK.DEFC.ZS或SH.STA.DIAB.ZS作为结果变量解释变量/中介变量需注意反向因果可能——慢性病患者可能因医疗支出加重而面临更高粮食不安全风险，建议使用工具变量或滞后变量处理内生性
不同粮食不安全指标的稳健性检验：比较主观报告的粮食不安全指标与客观营养不良率指标的一致性，可纳入SN.ITK.DEFC.ZS作为稳健性检验变量被解释变量的替代指标两种指标相关性检验可评估FAO调查数据与WHO营养监测数据的可比性，相关系数过低时需审慎解释
最不发达国家粮食安全形势的区域差异分析：结合DC.ODA.TLDC.GN.ZS官方发展援助数据，分析国际援助与粮食不安全改善的关联被解释变量需控制收入水平、人口规模等混杂因素，援助对粮食安全的因果效应识别需要自然实验或准实验设计