农村人口（占总人口的百分比）

Rural population (% of total population)

下载数据

指标代码：SP.RUR.TOTL.ZS所属主题：环境：Density & urbanizationEnvironment: Density & urbanization

2024最新有效年份

194最新年份有值国家

265历史上有数据经济体

2%总体缺失率

指标解释

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

Rural population refers to people living in rural areas as defined by national statistical offices. It is calculated as the difference between total population and urban population.

可供参考的中文翻译：农村人口是指根据国家统计局的定义，在农村居住的人口。农村人口为总人口与城市人口之差。

数据口径与风险提示

本指标数值取决于各国对"农村"的法律定义，不同国家的统计口径可能存在显著差异，直接跨国比较需谨慎
农村人口的计算为总人口减去城镇人口，因此城镇人口定义的任何调整都会反向影响本指标
百分比反映的是农村人口占总人口的相对比例，绝对数量可能因总人口规模不同而呈现不同趋势
数据质量受发展中国家基层统计能力影响，农村地区遗漏调查的概率通常高于城镇地区
本指标反映城镇化进程的一个维度，无法单独说明农村地区的经济发展水平或居民生活质量
人口自然增长与人口迁移流动均会影响农村人口比例，两者难以从单一指标中分离
时间序列数据在不同年份可能因人口普查数据修订而出现历史值调整

中国趋势

趋势解读

中国农村人口占比呈现持续下降趋势，从2000年代初期的约68%逐步降至近年来的37%左右。这一变化深刻反映了中国快速城镇化的历史进程，大量农村劳动力向城市转移，同时农业机械化和产业结构调整也推动了农村人口的外流。值得注意的是，农村人口占比的下降速度在不同阶段有所差异，2000年代初期和2010年代中期下降较为显著，而近年来则呈现趋缓态势，可能与农村发展政策变化、人口回流趋势以及统计口径调整等因素有关。整体而言，中国城镇化已从高速扩张阶段逐步转向注重质量的成熟阶段。

2000年中国农村人口占比约为68%，总人口中农村人口超过8亿
2010年农村人口占比降至约51%，10年间下降约17个百分点
2015年后下降速度放缓，2020年代初期维持在37%左右
近20年下降幅度超过30个百分点，城镇化成就显著
统计局数据可能因人口普查调整、统计口径变化而出现历史值修订
不同地区城镇化速度差异显著，东部沿海与中西部呈现不同特征
占比下降不直接等同于农村衰落，需结合农村发展政策综合判断

全球趋势

趋势解读

全球农村人口占比在过去数十年间持续下行，从1980年代的约60%降至近年来的约44%，反映了全球范围内城市化进程的加速趋势。发达国家农村人口占比普遍较低，多数已降至20%以下，而发展中国家则呈现更大的内部差异，部分南亚和非洲国家仍维持在50%以上的高位。全球层面来看，农村人口绝对数量在2019年前曾持续增长，此后因发展中国家人口增速放缓而出现拐点，这一结构性变化对全球农业政策、粮食安全和乡村发展提出了新的挑战。

1980年全球农村人口占比约为60%，此后持续下降
2000年全球占比约55%，2010年约50%，2020年代约44%
发达国家普遍低于20%，部分非洲国家仍高于70%
发展中国家内部差异巨大，从30%以下到80%以上不等
各国对农村的法律定义和统计口径存在显著差异，直接跨国比较需谨慎
百分比掩盖了绝对数量信息，大国的小比例仍可能对应巨大人口规模
发展中国家统计能力有限，部分国家数据质量存在较大不确定性

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	1.0x	1.0x	中国与世界的阶段变化幅度接近，说明该指标在这一阶段更多表现为共同的周期性或口径性波动。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。
1970-1979	1.0x	1.0x	中国与世界的阶段变化幅度接近，说明该指标在这一阶段更多表现为共同的周期性或口径性波动。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。
1980-1989	0.9x	0.9x	中国与世界的阶段变化幅度接近，说明该指标在这一阶段更多表现为共同的周期性或口径性波动。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。
1990-1999	0.9x	0.9x	中国与世界的阶段变化幅度接近，说明该指标在这一阶段更多表现为共同的周期性或口径性波动。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	0.8x	0.9x	中国的阶段变化率低于世界，可能意味着本国分母项相对分子项改善更快，或净进口依赖、国内供需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	0.7x	0.9x	中国的阶段变化率低于世界，可能意味着本国分母项相对分子项改善更快，或净进口依赖、国内供需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	1.0x	中国与世界的阶段变化幅度接近，说明该指标在这一阶段更多表现为共同的周期性或口径性波动。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。

2024 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	Liechtenstein 列支敦士登	LIE	85.3
2	Papua New Guinea 巴布亚新几内亚	PNG	84.6
3	Malawi 马拉维	MWI	82.7
4	Samoa 萨摩亚	WSM	82.5
5	Niger 尼日尔	NER	82.0
6	Sri Lanka 斯里兰卡	LKA	79.7
7	Tonga 汤加	TON	78.8
8	South Sudan 南苏丹	SSD	78.6
9	Vanuatu 瓦努阿图	VUT	77.7
10	Micronesia, Fed. Sts. 密克罗尼西亚	FSM	77.5
11	Ethiopia 埃塞俄比亚	ETH	76.4
12	Antigua and Barbuda 安提瓜和巴布达	ATG	75.6
13	Burundi 布隆迪	BDI	75.2
14	Afghanistan 阿富汗	AFG	74.3
15	Tajikistan 塔吉克斯坦	TJK	73.8
16	Eswatini 斯威士兰	SWZ	73.8
17	Guyana 圭亚那	GUY	73.5
18	Chad 乍得	TCD	73.1
19	Burkina Faso 布基纳法索	BFA	71.7
20	Timor-Leste 东帝汶	TLS	71.3
21	St. Lucia 圣卢西亚	LCA	70.9
22	Rwanda 卢旺达	RWA	70.1
23	Myanmar 缅甸	MMR	69.6
24	Solomon Islands 所罗门群岛	SLB	69.3
25	Uganda 乌干达	UGA	68.7
26	Mali 马里	MLI	68.4
27	St. Kitts and Nevis 圣基茨和尼维斯	KNA	68.2
28	Kenya 肯尼亚	KEN	68.1
29	Madagascar 马达加斯加	MDG	67.6
30	Bangladesh 孟加拉国	BGD	67.3
31	Comoros 科摩罗	COM	66.5
32	Eritrea 厄立特里亚	ERI	65.5
33	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	65.3
34	Sudan 苏丹	SDN	65.1
35	India 印度	IND	64.6
36	Tanzania 坦桑尼亚	TZA	63.8
37	Mozambique 莫桑比克	MOZ	63.6
38	Grenada 格林纳达	GRD	63.4
39	Yemen, Rep. 也门	YEM	63.2
40	Guinea 几内亚	GIN	61.9
41	Viet Nam 越南	VNM	61.5
42	Mauritius 毛里求斯	MUS	61.0
43	Pakistan 巴基斯坦	PAK	60.8
44	Lao PDR 老挝	LAO	60.4
45	Zimbabwe 津巴布韦	ZWE	60.1
46	Cambodia 柬埔寨	KHM	59.1
47	Belize 伯利兹	BLZ	58.2
48	Maldives 马尔代夫	MDV	58.0
49	Bhutan 不丹	BTN	57.4
50	Egypt, Arab Rep. 埃及	EGY	57.2
51	Moldova 摩尔多瓦	MDA	56.5
52	Lesotho 莱索托	LSO	56.3
53	Togo 多哥	TGO	56.2
54	Central African Republic 中非共和国	CAF	55.9
55	Congo, Dem. Rep. 刚果（金）	COD	55.3
56	Seychelles 塞舌尔	SYC	54.7
57	Sierra Leone 塞拉利昂	SLE	54.6
58	Zambia 赞比亚	ZMB	54.5
59	Guinea-Bissau 几内亚比绍	GNB	53.9
60	Turkmenistan 土库曼斯坦	TKM	52.9
61	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	52.2
62	Kosovo 科索沃	XKX	49.7
63	Namibia 纳米比亚	NAM	49.6
64	Uzbekistan 乌兹别克斯坦	UZB	49.0
65	Bosnia and Herzegovina 波黑	BIH	47.9
66	Romania 罗马尼亚	ROU	47.8
67	Benin 贝宁	BEN	47.5
68	Slovak Republic 斯洛伐克	SVK	46.8
69	Cote d'Ivoire 科特迪瓦	CIV	46.0
70	Somalia, Fed. Rep. 索马里	SOM	45.4
71	Haiti 海地	HTI	45.0
72	Senegal 塞内加尔	SEN	44.8
73	Cameroon 喀麦隆	CMR	44.6
74	Philippines 菲律宾	PHL	44.5
75	Liberia 利比里亚	LBR	44.5
76	Slovenia 斯洛文尼亚	SVN	44.2
77	Guatemala 危地马拉	GTM	44.0
78	Croatia 克罗地亚	HRV	42.5
79	Ghana 加纳	GHA	41.6
80	Albania 阿尔巴尼亚	ALB	41.5
81	Azerbaijan 阿塞拜疆	AZE	41.4
82	Indonesia 印度尼西亚	IDN	41.2
83	Honduras 洪都拉斯	HND	41.2
84	Jamaica 牙买加	JAM	41.1
85	Fiji 斐济	FJI	40.9
86	Nicaragua 尼加拉瓜	NIC	40.7
87	Barbados 巴巴多斯	BRB	40.5
88	Poland 波兰	POL	40.0
89	Mauritania 毛里塔尼亚	MRT	39.4
90	Georgia 格鲁吉亚	GEO	38.9
91	Portugal 葡萄牙	PRT	38.7
92	Thailand 泰国	THA	38.1
93	Kazakhstan 哈萨克斯坦	KAZ	37.9
94	Serbia 塞尔维亚	SRB	37.6
95	Kiribati 基里巴斯	KIR	37.5
96	North Macedonia 北马其顿	MKD	37.4
97	Morocco 摩洛哥	MAR	37.2
98	Nigeria 尼日利亚	NGA	37.0
99	Ecuador 厄瓜多尔	ECU	36.8
100	South Africa 南非	ZAF	36.3
101	Korea, Dem. People's Rep. 朝鲜	PRK	36.1
102	Congo, Rep. 刚果（布）	COG	36.1
103	Gambia, The 冈比亚	GMB	35.7
104	Ireland 爱尔兰	IRL	35.7
105	Tuvalu 图瓦卢	TUV	35.3
106	Montenegro 黑山	MNE	34.5
107	Suriname 苏里南	SUR	34.2
108	Armenia 亚美尼亚	ARM	34.2
109	China 中国	CHN	34.1
110	Panama 巴拿马	PAN	34.0
111	Cyprus 塞浦路斯	CYP	33.3
112	Nepal 尼泊尔	NPL	33.2
113	Botswana 博茨瓦纳	BWA	32.5
114	Latvia 拉脱维亚	LVA	31.5
115	Lithuania 立陶宛	LTU	31.2
116	Sao Tome and Principe 圣多美和普林西比	STP	31.1
117	Austria 奥地利	AUT	30.5
118	Ukraine 乌克兰	UKR	30.5
119	Italy 意大利	ITA	30.4
120	Paraguay 巴拉圭	PRY	30.1
121	Iraq 伊拉克	IRQ	30.1
122	Tunisia 突尼斯	TUN	29.6
123	Hungary 匈牙利	HUN	29.5
124	Angola 安哥拉	AGO	29.3
125	Estonia 爱沙尼亚	EST	29.3
126	Mongolia 蒙古	MNG	29.0
127	Bolivia 玻利维亚	BOL	28.8
128	Equatorial Guinea 赤道几内亚	GNQ	28.6
129	Syrian Arab Republic 叙利亚	SYR	27.9
130	Dominican Republic 多米尼加共和国	DOM	27.6
131	Czechia 捷克	CZE	27.2
132	Djibouti 吉布提	DJI	27.1
133	Dominica 多米尼克	DMA	26.5
134	Bulgaria 保加利亚	BGR	26.1
135	Finland 芬兰	FIN	25.7
136	Brunei Darussalam 文莱	BRN	25.1
137	El Salvador 萨尔瓦多	SLV	24.9
138	Russian Federation 俄罗斯	RUS	24.9
139	Algeria 阿尔及利亚	DZA	24.7
140	Cabo Verde 佛得角	CPV	23.2
141	Malaysia 马来西亚	MYS	23.1
142	Iran, Islamic Rep. 伊朗	IRN	23.0
143	Cuba 古巴	CUB	22.8
144	Colombia 哥伦比亚	COL	21.5
145	Marshall Islands 马绍尔群岛	MHL	21.3
146	France 法国	FRA	21.2
147	Greece 希腊	GRC	21.0
148	Belarus 白俄罗斯	BLR	20.8
149	Palau 帕劳	PLW	20.8
150	Costa Rica 哥斯达黎加	CRI	20.7
151	Oman 阿曼	OMN	20.6
152	Mexico 墨西哥	MEX	20.2
153	United States 美国	USA	19.9
154	Spain 西班牙	ESP	19.7
155	Korea, Rep. 韩国	KOR	18.8
156	Bahamas, The 巴哈马	BHS	18.7
157	Germany 德国	DEU	18.0
158	Canada 加拿大	CAN	17.3
159	United Kingdom 英国	GBR	16.8
160	Norway 挪威	NOR	16.7
161	New Zealand 新西兰	NZL	16.1
162	Saudi Arabia 沙特阿拉伯	SAU	15.5
163	Peru 秘鲁	PER	14.8
164	Switzerland 瑞士	CHE	14.5
165	United Arab Emirates 阿联酋	ARE	14.2
166	West Bank and Gaza 约旦河西岸和加沙	PSE	12.9
167	Australia 澳大利亚	AUS	12.4
168	Belgium 比利时	BEL	12.4
169	Libya 利比亚	LBY	12.1
170	Brazil 巴西	BRA	12.1
171	Denmark 丹麦	DNK	11.3
172	Sweden 瑞典	SWE	11.1
173	Andorra 安道尔	AND	11.1
174	Chile 智利	CHL	11.0
175	Venezuela, RB 委内瑞拉	VEN	10.7
176	Turkiye 土耳其	TUR	10.7
177	Lebanon 黎巴嫩	LBN	9.30
178	Israel 以色列	ISR	8.46
179	Gabon 加蓬	GAB	8.14
180	Japan 日本	JPN	7.81
181	Argentina 阿根廷	ARG	7.73
182	Jordan 约旦	JOR	7.05
183	Iceland 冰岛	ISL	5.82
184	Luxembourg 卢森堡	LUX	5.16
185	Uruguay 乌拉圭	URY	4.40
186	Netherlands 荷兰	NLD	4.36
187	Malta 马耳他	MLT	4.35
188	San Marino 圣马力诺	SMR	2.84
189	Qatar 卡塔尔	QAT	0.68
190	Bahrain 巴林	BHR	0.00
191	Kuwait 科威特	KWT	0.00
192	Monaco 摩纳哥	MCO	0.00
193	Nauru 瑙鲁	NRU	0.00
194	Singapore 新加坡	SGP	0.00

使用建议、常见误用与研究场景

数值较高通常意味着什么

农村人口占比较高通常意味着城镇化水平相对较低，可能反映农业经济在产业结构中占比较大、人口分布较为分散、基础设施建设相对滞后等特征。同时也可能意味着农业在就业和GDP中仍占重要地位，农村劳动力向非农产业转移的潜力较大，但也可能伴随城乡收入差距扩大和公共服务供给不足的挑战。

数值较低通常意味着什么

农村人口占比较低通常意味着城镇化程度较高，一般反映工业和服务业较为发达、城市基础设施相对完善、人口向城镇集中程度高。然而，低占比也可能意味着农业面临劳动力短缺、农村老龄化和空心化加剧等问题，需要通过乡村振兴政策加以应对。

鍙ｅ緞闄愬埗

不同国家对"农村"的法律定义存在差异，跨国比较时需充分考虑口径差异
百分比指标掩盖了绝对数量的变化，一个大国的小比例可能仍对应着庞大的农村人口规模
数据质量因国家统计能力而异，发展中国家的数据可能存在较大误差和滞后
无法反映农村内部的收入水平、生活质量、公共服务获取等方面的内部差异
时间序列数据可能因人口普查数据修订而出现历史值调整，影响趋势判断

使用建议

结合绝对数量指标（如农村人口实际人数）进行综合分析，避免单一依赖比例指标
使用时明确标注数据年份和来源，注意不同国家数据可获得性的时间差异
将本指标与人均GDP、产业结构、就业结构等指标结合使用，构建更全面的发展图景
在进行跨国比较时，查阅各国统计机构对"农村"的定义说明，必要时进行标准化处理
将本指标作为分析起点，结合其他发展指标和政策背景进行深度解读，避免简单的价值判断

常见错误用法

错误做法：直接用农村人口占比高低来判断一个国家的发展水平或经济实力

正确做法：将农村人口占比作为城镇化分析的起点，结合GDP、产业结构、就业结构等指标综合评估

高农村人口占比可能出现在高收入发达国家（如部分北欧国家的农业型小经济体），也可能出现在低收入发展中国家。占比本身无法直接说明发展水平，必须结合其他指标和背景进行解读。

错误做法：忽视各国统计口径差异，直接进行跨国排名比较

正确做法：在使用前了解各国的"农村"定义和统计方法，必要时查阅世界银行元数据或各国统计机构说明

各国对城镇和农村的划分标准差异很大，有的按行政区划定义，有的按人口密度或经济活动分类，直接比较可能导致误导性结论，甚至得出错误的政策启示。

错误做法：将农村人口占比下降等同于农村衰败或忽视农村价值

正确做法：认识到城镇化是发展过程中的正常现象，同时关注农村人口变化背后的社会经济结构转型

农村人口占比下降可以是农业效率提升和农村现代化的结果，与简单的"衰落"不同。中国乡村振兴战略正是基于这一背景，强调农村在经济、生态、文化等方面的多元价值。

错误做法：使用单一年份的数据进行趋势判断，忽视数据的修订和历史调整

正确做法：使用时间序列数据时注意数据修订历史，最好参考多个数据源进行交叉验证

人口数据常因人口普查、户籍改革、统计方法变化等因素进行历史修订，单一年份的数据可能不反映真实趋势，需要结合长期数据序列进行分析。

实际应用场景

城镇化与产业结构转型关系研究：研究中国各省份城镇化进程中农村人口转移与第二、第三产业发展的关联，分析城镇化如何推动经济结构优化被解释变量可采用面板回归或固定效应模型，分析农村人口占比变化对产业结构的影响，需控制地理区位、基础设施、政策试点等变量，使用聚类标准误处理空间相关性
农村劳动力转移对农业生产效率的影响：分析农村人口占比下降背景下劳动力转移对农业产出和效率的影响，评估农业现代化路径控制变量可作为控制变量纳入农业生产函数模型，或使用工具变量法处理劳动力转移的内生性问题，如使用历史铁路网络作为工具变量
城乡收入差距的动态演变研究：考察农村人口占比变化与城乡收入比之间的关系，分析城镇化是否带来城乡收敛解释变量可采用协整分析和误差修正模型分析长期均衡关系，或使用Granger因果检验分析时序因果方向，辅以脉冲响应函数分析动态效应
全球城镇化模式比较研究：跨国比较不同收入水平国家农村人口占比变化的路径和速度，识别城镇化发展的典型模式比较变量使用World Bank数据开展跨国分析，结合World Development Indicators中的其他发展指标，使用世界银行收入分组进行分组回归，注意统计口径的跨国协调
人口老龄化与农村空心化风险评估：结合农村人口占比和年龄结构数据评估农村发展风险，为乡村振兴政策提供依据稳健性检验变量与年龄中位数、老年抚养比等人口结构指标配合使用，进行稳健性检验，可采用因子分析构建综合风险指标