城镇人口（占总人口比例）

Urban population (% of total population)

下载数据

指标代码：SP.URB.TOTL.IN.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

Urban population refers to people living in urban areas as defined by national statistical offices. The data are collected and smoothed by United Nations Population Division.

可供参考的中文翻译：城镇人口是指各国国家统计机构所界定的城镇地区人口。数据由联合国人口司收集并进行平滑处理。

数据口径与风险提示

该指标依赖各国统计机构对“城镇地区”的自行定义，跨国可比性受口径差异影响
联合国人口司对数据进行了平滑处理，原始数据波动可能被低估
比例变化受分子（城镇人口）增速和分母（总人口）增速共同影响，单独解读分子变化可能失真
人口流动导致的高比例可能反映劳动力输出而非本地城镇化质量
高城市化率本身不意味着经济发展水平，需结合产业结构和收入指标综合判断
数据更新频率为年度，短期内趋势变化可能不具统计显著性
部分小国城市区域界定标准与大国差异显著，不宜直接横向比较
该指标无法反映城市内部的居住条件或公共服务覆盖情况

中国趋势

趋势解读

中国城镇人口占总人口比例从1960年的约19.7%持续上升至2024年的约65.9%，六十余年间提升了约46个百分点，期末值为期初值的约3.34倍。从时间序列观察，1980年代至2000年代是城市化加速推进的主要阶段，年均增幅相对较大；2010年代后增速有所放缓，近年来的年度增幅已降至2-3个百分点以内。这一趋势反映了中国城镇化进程的阶段性特征，比例持续攀升但边际增速递减的态势逐渐显现。

1960年城镇人口比例约为19.7%，此后数年间略有波动，1963年降至约16.8%的最低点
1980年代起比例加速上升，从1980年的约19.4%升至1989年的约26.2%
2000年代保持高速增长，从2000年的约36.4%升至2009年的约48.3%
2010年代比例突破50%，2015年达到约57.3%，2019年约为62.7%
2024年达到约65.9%，为有数据记录以来的最高值
比例上升可能同时源于城镇人口增长和农村人口流出，需结合绝对人口数据区分不同驱动因素
数值高低不直接反映城镇化质量，不宜将比例高低简单解读为发展水平好坏
近年增速放缓可能反映城镇化进入中后期阶段，也可能受人口基数效应影响

全球趋势

趋势解读

全球城镇人口占总人口比例从1960年的约34.2%逐步上升至2024年的约57.6%，六十余年间提升了约23个百分点，期末值为期初值的约1.68倍。全球城市化进程呈现稳步推进的特征，年均增幅相对平稳且波动较小，无明显加速或骤降阶段。从绝对数值看，全球城市化率在1990年代中期突破50%，此后持续缓慢上升。与中国相比，全球增速更为均匀，但基数较高导致同等绝对增量对应较低的比例增幅。

1960年全球城市化率约为34.2%，此后持续缓慢上升
1995年全球比例突破44%，2007年超过50%，2024年约为57.6%
过去65年的数据序列无明显异常波动，趋势线较为平滑
近五年年均变化幅度约1.1至1.2个百分点
全球数据为各国家地区的加权汇总，掩盖了内部异质性
不同发展阶段国家的城市化速度差异显著，均值可能误导个体国家判断
比例增幅趋缓可能反映全球总体城镇化已接近成熟阶段
高收入国家高比例可能受小国样本权重影响，需关注样本构成

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	0.9x	1.1x	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。
1970-1979	1.1x	1.1x	中国与全球均出现轻微上升，但中国增幅（1.09倍）略高于全球（1.07倍）。两者增速相近可能表明该阶段中国城镇化处于恢复性增长期，尚未进入快速城镇化轨道。
1980-1989	1.4x	1.1x	中国进入快速城镇化阶段（1.35倍），远超全球同期水平（1.08倍）。中国增幅显著高于全球可能反映改革初期经济活动向城镇集聚加速，同时农村劳动力开始向非农产业转移，建议结合乡镇企业就业数据进行验证。
1990-1999	1.3x	1.1x	中国城镇化维持高增速（1.33倍），仍显著高于全球（1.08倍）。该阶段中国与全球差距持续扩大，可能意味着住房市场化改革和基础设施投资推动了城镇人口集聚，增速差异可能与住房商品化进程相关。
2000-2009	1.3x	1.1x	中国与全球增速差距有所收窄（1.33倍 vs 1.10倍），但中国仍明显更快。中国高增速可能反映加入国际贸易体系后制造业向城镇集聚加速，同时大规模基建投资吸引农村劳动力流入，全球同期增速较低可能受发达国家城镇化已趋饱和影响。
2010-2019	1.3x	1.1x	中国增速进一步放缓（1.27倍），与全球增速差距缩小至约1.18倍。中国增速相对趋缓可能反映城镇化基数扩大后的边际递减效应，也可能与经济结构转型期间就业吸纳能力变化有关，需要结合服务业就业比重数据验证。
2020-2029	1.0x	1.0x	中国与全球增速均明显趋缓（中国1.04倍，全球1.02倍），中国增速仅略高于全球。该阶段两者趋于收敛可能反映中国城镇化进入成熟期，增速逐步向全球平均水平靠拢，也可能受人口老龄化和生育率下降导致总人口结构变化影响。

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	Bahrain 巴林	BHR	100.0
2	Kuwait 科威特	KWT	100.0
3	Monaco 摩纳哥	MCO	100.0
4	Nauru 瑙鲁	NRU	100.0
5	Singapore 新加坡	SGP	100.0
6	Qatar 卡塔尔	QAT	99.3
7	San Marino 圣马力诺	SMR	97.2
8	Malta 马耳他	MLT	95.7
9	Netherlands 荷兰	NLD	95.6
10	Uruguay 乌拉圭	URY	95.6
11	Luxembourg 卢森堡	LUX	94.8
12	Iceland 冰岛	ISL	94.2
13	Jordan 约旦	JOR	93.0
14	Argentina 阿根廷	ARG	92.3
15	Japan 日本	JPN	92.2
16	Gabon 加蓬	GAB	91.9
17	Israel 以色列	ISR	91.5
18	Lebanon 黎巴嫩	LBN	90.7
19	Turkiye 土耳其	TUR	89.3
20	Venezuela, RB 委内瑞拉	VEN	89.3
21	Chile 智利	CHL	89.0
22	Andorra 安道尔	AND	88.9
23	Sweden 瑞典	SWE	88.9
24	Denmark 丹麦	DNK	88.7
25	Brazil 巴西	BRA	87.9
26	Libya 利比亚	LBY	87.9
27	Belgium 比利时	BEL	87.6
28	Australia 澳大利亚	AUS	87.6
29	West Bank and Gaza 约旦河西岸和加沙	PSE	87.1
30	United Arab Emirates 阿联酋	ARE	85.8
31	Switzerland 瑞士	CHE	85.5
32	Peru 秘鲁	PER	85.2
33	Saudi Arabia 沙特阿拉伯	SAU	84.5
34	New Zealand 新西兰	NZL	83.9
35	Norway 挪威	NOR	83.3
36	United Kingdom 英国	GBR	83.2
37	Canada 加拿大	CAN	82.7
38	Germany 德国	DEU	82.0
39	Bahamas, The 巴哈马	BHS	81.3
40	Korea, Rep. 韩国	KOR	81.2
41	Spain 西班牙	ESP	80.3
42	United States 美国	USA	80.1
43	Mexico 墨西哥	MEX	79.8
44	Oman 阿曼	OMN	79.4
45	Costa Rica 哥斯达黎加	CRI	79.3
46	Palau 帕劳	PLW	79.2
47	Belarus 白俄罗斯	BLR	79.2
48	Greece 希腊	GRC	79.0
49	France 法国	FRA	78.8
50	Marshall Islands 马绍尔群岛	MHL	78.7
51	Colombia 哥伦比亚	COL	78.5
52	Cuba 古巴	CUB	77.2
53	Iran, Islamic Rep. 伊朗	IRN	77.0
54	Malaysia 马来西亚	MYS	76.9
55	Cabo Verde 佛得角	CPV	76.8
56	Algeria 阿尔及利亚	DZA	75.3
57	Russian Federation 俄罗斯	RUS	75.1
58	El Salvador 萨尔瓦多	SLV	75.1
59	Brunei Darussalam 文莱	BRN	74.9
60	Finland 芬兰	FIN	74.3
61	Bulgaria 保加利亚	BGR	73.9
62	Dominica 多米尼克	DMA	73.5
63	Djibouti 吉布提	DJI	72.9
64	Czechia 捷克	CZE	72.8
65	Dominican Republic 多米尼加共和国	DOM	72.4
66	Syrian Arab Republic 叙利亚	SYR	72.1
67	Equatorial Guinea 赤道几内亚	GNQ	71.4
68	Bolivia 玻利维亚	BOL	71.2
69	Mongolia 蒙古	MNG	71.0
70	Estonia 爱沙尼亚	EST	70.7
71	Angola 安哥拉	AGO	70.7
72	Hungary 匈牙利	HUN	70.5
73	Tunisia 突尼斯	TUN	70.4
74	Iraq 伊拉克	IRQ	69.9
75	Paraguay 巴拉圭	PRY	69.9
76	Italy 意大利	ITA	69.6
77	Ukraine 乌克兰	UKR	69.5
78	Austria 奥地利	AUT	69.5
79	Sao Tome and Principe 圣多美和普林西比	STP	68.9
80	Lithuania 立陶宛	LTU	68.8
81	Latvia 拉脱维亚	LVA	68.5
82	Botswana 博茨瓦纳	BWA	67.5
83	Nepal 尼泊尔	NPL	66.8
84	Cyprus 塞浦路斯	CYP	66.7
85	Panama 巴拿马	PAN	66.0
86	China 中国	CHN	65.9
87	Armenia 亚美尼亚	ARM	65.8
88	Suriname 苏里南	SUR	65.8
89	Montenegro 黑山	MNE	65.5
90	Tuvalu 图瓦卢	TUV	64.7
91	Ireland 爱尔兰	IRL	64.3
92	Gambia, The 冈比亚	GMB	64.3
93	Congo, Rep. 刚果（布）	COG	63.9
94	Korea, Dem. People's Rep. 朝鲜	PRK	63.9
95	South Africa 南非	ZAF	63.7
96	Ecuador 厄瓜多尔	ECU	63.2
97	Nigeria 尼日利亚	NGA	63.0
98	Morocco 摩洛哥	MAR	62.8
99	North Macedonia 北马其顿	MKD	62.6
100	Kiribati 基里巴斯	KIR	62.5
101	Serbia 塞尔维亚	SRB	62.4
102	Kazakhstan 哈萨克斯坦	KAZ	62.1
103	Thailand 泰国	THA	61.9
104	Portugal 葡萄牙	PRT	61.3
105	Georgia 格鲁吉亚	GEO	61.1
106	Mauritania 毛里塔尼亚	MRT	60.6
107	Poland 波兰	POL	60.0
108	Barbados 巴巴多斯	BRB	59.5
109	Nicaragua 尼加拉瓜	NIC	59.3
110	Fiji 斐济	FJI	59.1
111	Jamaica 牙买加	JAM	58.9
112	Honduras 洪都拉斯	HND	58.8
113	Indonesia 印度尼西亚	IDN	58.8
114	Azerbaijan 阿塞拜疆	AZE	58.6
115	Albania 阿尔巴尼亚	ALB	58.5
116	Ghana 加纳	GHA	58.4
117	Croatia 克罗地亚	HRV	57.5
118	Guatemala 危地马拉	GTM	56.0
119	Slovenia 斯洛文尼亚	SVN	55.8
120	Liberia 利比里亚	LBR	55.5
121	Philippines 菲律宾	PHL	55.5
122	Cameroon 喀麦隆	CMR	55.4
123	Senegal 塞内加尔	SEN	55.2
124	Haiti 海地	HTI	55.0
125	Somalia, Fed. Rep. 索马里	SOM	54.6
126	Cote d'Ivoire 科特迪瓦	CIV	54.0
127	Slovak Republic 斯洛伐克	SVK	53.2
128	Benin 贝宁	BEN	52.5
129	Romania 罗马尼亚	ROU	52.2
130	Bosnia and Herzegovina 波黑	BIH	52.1
131	Uzbekistan 乌兹别克斯坦	UZB	51.0
132	Namibia 纳米比亚	NAM	50.4
133	Kosovo 科索沃	XKX	50.3
134	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	47.8
135	Turkmenistan 土库曼斯坦	TKM	47.1
136	Guinea-Bissau 几内亚比绍	GNB	46.1
137	Zambia 赞比亚	ZMB	45.5
138	Sierra Leone 塞拉利昂	SLE	45.4
139	Seychelles 塞舌尔	SYC	45.3
140	Congo, Dem. Rep. 刚果（金）	COD	44.7
141	Central African Republic 中非共和国	CAF	44.1
142	Togo 多哥	TGO	43.8
143	Lesotho 莱索托	LSO	43.7
144	Moldova 摩尔多瓦	MDA	43.5
145	Egypt, Arab Rep. 埃及	EGY	42.8
146	Bhutan 不丹	BTN	42.6
147	Maldives 马尔代夫	MDV	42.0
148	Belize 伯利兹	BLZ	41.8
149	Cambodia 柬埔寨	KHM	40.9
150	Zimbabwe 津巴布韦	ZWE	39.9
151	Lao PDR 老挝	LAO	39.6
152	Pakistan 巴基斯坦	PAK	39.2
153	Mauritius 毛里求斯	MUS	39.0
154	Viet Nam 越南	VNM	38.5
155	Guinea 几内亚	GIN	38.1
156	Yemen, Rep. 也门	YEM	36.8
157	Grenada 格林纳达	GRD	36.6
158	Mozambique 莫桑比克	MOZ	36.4
159	Tanzania 坦桑尼亚	TZA	36.2
160	India 印度	IND	35.4
161	Sudan 苏丹	SDN	34.9
162	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	34.7
163	Eritrea 厄立特里亚	ERI	34.5
164	Comoros 科摩罗	COM	33.5
165	Bangladesh 孟加拉国	BGD	32.7
166	Madagascar 马达加斯加	MDG	32.4
167	Kenya 肯尼亚	KEN	31.9
168	St. Kitts and Nevis 圣基茨和尼维斯	KNA	31.8
169	Mali 马里	MLI	31.6
170	Uganda 乌干达	UGA	31.3
171	Solomon Islands 所罗门群岛	SLB	30.7
172	Myanmar 缅甸	MMR	30.4
173	Rwanda 卢旺达	RWA	29.9
174	St. Lucia 圣卢西亚	LCA	29.1
175	Timor-Leste 东帝汶	TLS	28.7
176	Burkina Faso 布基纳法索	BFA	28.3
177	Chad 乍得	TCD	26.9
178	Guyana 圭亚那	GUY	26.5
179	Eswatini 斯威士兰	SWZ	26.2
180	Tajikistan 塔吉克斯坦	TJK	26.2
181	Afghanistan 阿富汗	AFG	25.7
182	Burundi 布隆迪	BDI	24.8
183	Antigua and Barbuda 安提瓜和巴布达	ATG	24.4
184	Ethiopia 埃塞俄比亚	ETH	23.6
185	Micronesia, Fed. Sts. 密克罗尼西亚	FSM	22.5
186	Vanuatu 瓦努阿图	VUT	22.3
187	South Sudan 南苏丹	SSD	21.4
188	Tonga 汤加	TON	21.2
189	Sri Lanka 斯里兰卡	LKA	20.3
190	Niger 尼日尔	NER	18.0
191	Samoa 萨摩亚	WSM	17.5
192	Malawi 马拉维	MWI	17.3
193	Papua New Guinea 巴布亚新几内亚	PNG	15.4
194	Liechtenstein 列支敦士登	LIE	14.7

使用建议、常见误用与研究场景

数值较高通常意味着什么

城镇人口占总人口比例越高，通常表示城镇化水平越高、人口向城镇集聚的程度越强

数值较低通常意味着什么

城镇人口占总人口比例越低，通常表示城镇化水平越低、农村人口占比越大

鍙ｅ緞闄愬埗

各国对城镇地区的界定标准不统一，跨国比较可能存在口径偏差
该比例受分子分母双向变化影响，单独解读可能失真
比例本身无法反映城镇内部的生活质量或公共服务可及性
高比例可能由人口流出型城镇化驱动，不代表本地经济发展水平
小国和岛国的城镇化率可能因地理因素天然偏高，与大国可比性有限
数据经过平滑处理，短期波动可能被低估
比例变化速度受基数效应影响，相同的绝对增量在不同基数下对应不同的比例增幅
该指标不反映城市体系的规模分布和功能分工

使用建议

结合城镇人口绝对数量和总人口绝对数量分别分析分子分母驱动因素
使用时关注数据来源国对城镇地区的官方定义说明
进行跨国比较时优先选取界定标准相近的国家子集
结合人均收入、产业结构等指标评估城镇化与经济发展协调性
结合人口流入流出数据区分本地城镇化与外来人口驱动的比例变化
长期趋势分析时关注增速拐点，结合政策环境和经济周期解读
将中国数据与世界平均水平进行对比时注意基数差异的影响
使用该指标进行区域研究时，建议同步关注最大城市人口占比等结构性指标

常见错误用法

错误做法：直接比较中国与非洲小国的城镇化率数值，得出中国城镇化水平落后的结论

正确做法：在比较城镇化水平时，选取经济发展阶段相近、人口规模相当的国家作为参照系

不同国家的城镇化起步时间和发展路径差异显著，小国和低收入国家可能因地理或历史原因快速达到高比例，但不代表其城镇化质量与中国可比

错误做法：将城镇化率快速上升时期直接归因于某项单一政策，忽略多种因素的系统性作用

正确做法：分析城镇化驱动因素时，考虑工业化进程、服务业发展、基础设施建设、人口流动制度等多重变量

城镇化是经济、社会、制度和地理多重因素共同作用的结果，单一政策解释可能导致过度简化

错误做法：用城镇化率高推论城市居民生活水平高，忽略城市化质量差异

正确做法：结合人均可支配收入、城市公共设施覆盖率和住房条件等指标评估城市化质量

城镇化率只反映人口居住空间分布，不反映收入水平、公共服务可及性和环境质量等生活质量维度

错误做法：用期末值减去期初值计算中国城镇化率增长幅度，然后与全球进行直接相减比较

正确做法：使用倍数或增长率进行比较，注意基数差异对绝对值比较的扭曲

中国和全球的期初基数差异显著（19.7% vs 34.2%），相同的绝对增量对应不同的比例增幅，直接相减比较会忽略基数效应

错误做法：将城镇化率年度变化简单解读为经济好坏的标准，数值升高即认为经济向好

正确做法：结合产业结构、就业结构变化和全要素生产率等指标综合判断经济发展质量

城镇化率变化反映人口空间分布调整，与经济质量的关系受多种中介因素影响，高城镇化率不必然意味着经济效率提升

实际应用场景

城镇化与产业结构变迁的关联研究：研究第二、第三产业就业比重变化如何影响城镇人口比例被解释变量可使用面板回归模型，控制人均GDP、FDI等变量，检验产业结构调整对城镇化的边际贡献，注意使用滞后项处理因果时序问题
城镇化进程中的人口流动驱动因素分析：分析农村向城镇人口迁移规模与城镇化率变化的关系机制变量将人口净流入率和城镇化率增速进行回归，结合出生率、死亡率控制人口自然增长影响，分离机械增长和自然增长的贡献
城镇化率预测模型构建：基于历史趋势建立中国城镇化率中长期预测模型被解释变量可采用Logistic曲线或指数平滑模型，考虑增速递减的边际效应，设置城镇化率上限假设，注意外生政策冲击可能导致模型失效
中国与其他中等收入国家城镇化路径比较：将中国城镇化发展轨迹与巴西、印度等国进行平行比较比较变量使用合成控制法或双重差分框架，控制起始年份、经济发展水平和人口规模等匹配变量，评估政策干预对城镇化的差异化影响
城镇化质量与碳排放强度的关系研究：分析不同城镇化阶段城市的能源消耗和碳排放特征解释变量将城镇化率作为核心解释变量引入环境库兹涅茨曲线模型，检验城镇化与碳排放的非线性关系，注意控制城市规模和产业结构异质性