报告经济体的商品进口，剩余（占商品进口总额的百分比）

Merchandise imports by the reporting economy, residual (% of total merchandise imports)

下载数据

指标代码：TM.VAL.MRCH.RS.ZS所属主题：私营部门与贸易：ImportsPrivate Sector & Trade: Imports

2023最新有效年份

191最新年份有值国家

265历史上有数据经济体

22%总体缺失率

指标解释

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

Merchandise imports by the reporting economy residuals are the total merchandise imports by the reporting economy from the rest of the world as reported in the IMF's Direction of trade database, less the sum of imports by the reporting economy from high-, low-, and middle-income economies according to the World Bank classification of economies. Includes trade with unspecified partners or with economies not covered by World Bank classification. Data are as a percentage of total merchandise imports by the economy.

可供参考的中文翻译：报告经济体的商品进口残余是指报告经济体从世界其他地区进口的商品总额（在国际货币基金组织贸易方向数据库中报告），减去报告经济体从高收入、低收入和中等收入经济体的进口总和。残余部分包括与未具体说明的贸易伙伴或未被世界银行经济分类覆盖的经济体之间的贸易。数据以占该经济体商品进口总额的百分比表示。

数据口径与风险提示

本指标为残余项，涵盖来源不明的贸易伙伴或未被世行分类覆盖的经济体，并非有明确经济含义的进口类别。
残余占比下降不等于进口规模缩减，可能是分母（已分类进口）增长更快所致，需结合绝对值指标综合判断。
世界银行经济体分类标准会随时间调整，历史数据口径可能存在非经济因素造成的波动。
极小值国家（如中国）该指标绝对水平接近零，十年变化的微小波动可能不具有实质意义。
数据来源于IMF贸易方向数据库，部分国家报告质量和完整性存在差异，可能影响跨国可比性。
不同国家与未分类经济体的贸易结构差异极大，该指标不宜用于国家间直接比较进口质量或效率。
本指标反映的是贸易报告完整性，而非贸易政策取向或贸易失衡程度。

中国趋势

趋势解读

中国的残余进口占总进口比例经历了从极低起点快速上升后在2012年触及峰值（87.2%），随后持续回落至2023年约2.9%的过程。1981年之前数据缺失，1990年代大多在0.5%~5%之间波动，2000年代起该比例显著攀升，2006年突破36%，2012年达到历史最高值0.8724。此后持续下行，2019年已降至约24.7%，2020年骤降至2.8%，此后三年维持在3%左右的低位。该指标近年来显著下降，可能反映中国已分类收入组别进口占比的系统性提升，也可能与贸易伙伴数据报告完整性改善有关。

1961年至1980年连续二十年数值均为零，无可追溯的有效记录。
1985年出现首次显著波动，数值跳升至32.3%，为早期峰值。
1990年至2005年间基本在1%~18%区间波动，无明显单向趋势。
2006年至2012年持续上升，2008年达58.97%，2011年达71.69%，2012年以87.24%创历史最高。
2013年起连续回落，当年降至74.1%，2019年已降至24.7%。
2020年出现断崖式下跌至2.76%，2023年为2.94%，处于历史低位区间。
2020年后数值极低（约3%），可能导致十年变化比率对微小波动过于敏感。
本指标不区分残余来源，无法判断进口减少是来自未分类地区的实际萎缩还是分类标准的扩展。

全球趋势

趋势解读

全球层面的残余进口占总进口比例呈长期下降趋势，从1960年的211%逐步降至2023年的3.3%，反映了全球经济贸易报告体系日趋完善、越来越多的贸易被归入明确收入组别分类的历史进程。1960年代该指标曾超过200%，表明当时全球有大量贸易未被收入组别分类，1980年代已降至约50%以下，1990年代进一步压缩至40%~55%区间。2008年金融危机后下降速度加快，2015年降至约24.7%，2020年后维持在2%~4%之间。该指标持续趋近于零，可能意味着全球贸易统计覆盖率的系统性提升。

1960年数值高达2.1117（211%），为历史最高起点。
1960年代整体从2.11逐步降至1.08，呈年均约7%的复合下降。
1970年代在0.87附近波动，1974年曾短暂反弹至1.31。
1980年代进一步下降至0.52，反映贸易分类体系的扩展。
2000年代维持在0.4~0.6区间，无显著单向趋势。
2015年后加速下降，2020年降至3.6%，2022年创历史最低2.1%。
全球加总数据掩盖了各国家间极大的结构性差异，不同发展阶段经济体的残余来源完全不同。
该指标下降可能反映统计方法改进而非贸易结构实际变化。

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	0.5x	该阶段只有世界具备可比变化率，适合用作背景参照，不宜直接推断中国差异。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	-	0.9x	该阶段只有世界具备可比变化率，适合用作背景参照，不宜直接推断中国差异。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	-	0.5x	该阶段只有世界具备可比变化率，适合用作背景参照，不宜直接推断中国差异。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	0.3x	0.7x	中国该阶段数据起始期初值为5.6%，末期约1.7%，中国倍数0.30低于世界倍数0.66，可能反映中国在此阶段已更系统地将贸易纳入收入组别分类，而非与特定未分类地区的贸易萎缩。
2000-2009	10.8x	0.9x	中国倍数高达10.8倍而世界仅为0.89倍，差异极其显著。两者变动方向相反，可能意味着中国在此阶段与未分类经济体的贸易增速远快于已分类组别，而全球整体恰好相反——需要结合中国来自东亚太平洋地区和其他发展中经济体的进口占比变化验证该差异是否反映贸易地理结构的分化。
2010-2019	0.5x	0.2x	中国倍数0.47与世界倍数0.23均呈下降，但中国仍约为世界的两倍。中国残余占比从峰值约87%降至约25%，而世界从约47%降至约10%，中国的分子分母相对变化可能意味着中国已分类进口在此阶段的增速持续快于未分类来源，与全球同步去残余化但节奏不同。
2020-2029	1.1x	0.9x	中国倍数1.07而世界倍数0.93，变动方向再次相反，可能反映中国在疫情后与未分类经济体的贸易相对稳定，而世界整体继续压缩残余占比；也可能受分母端基数效应或统计口径变化影响，需要结合进口绝对值和相关收入组别指标交叉验证。

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	Dominica 多米尼克	DMA	3.51
2	Cuba 古巴	CUB	2.49
3	Haiti 海地	HTI	2.13
4	Lebanon 黎巴嫩	LBN	0.59
5	Dominican Republic 多米尼加共和国	DOM	0.56
6	Guyana 圭亚那	GUY	0.36
7	Colombia 哥伦比亚	COL	0.21
8	Guatemala 危地马拉	GTM	0.19
9	Brazil 巴西	BRA	0.17
10	Spain 西班牙	ESP	0.15
11	Ecuador 厄瓜多尔	ECU	0.13
12	United States 美国	USA	0.12
13	Turkiye 土耳其	TUR	0.11
14	St. Kitts and Nevis 圣基茨和尼维斯	KNA	0.09
15	Panama 巴拿马	PAN	0.07
16	Comoros 科摩罗	COM	0.07
17	Montenegro 黑山	MNE	0.05
18	Tunisia 突尼斯	TUN	0.04
19	Peru 秘鲁	PER	0.04
20	Grenada 格林纳达	GRD	0.04
21	Bolivia 玻利维亚	BOL	0.04
22	Portugal 葡萄牙	PRT	0.03
23	Jordan 约旦	JOR	0.03
24	Costa Rica 哥斯达黎加	CRI	0.03
25	China 中国	CHN	0.03
26	Italy 意大利	ITA	0.03
27	India 印度	IND	0.03
28	Norway 挪威	NOR	0.03
29	Egypt, Arab Rep. 埃及	EGY	0.03
30	Slovenia 斯洛文尼亚	SVN	0.03
31	Estonia 爱沙尼亚	EST	0.02
32	Netherlands 荷兰	NLD	0.02
33	Bahamas, The 巴哈马	BHS	0.02
34	Chile 智利	CHL	0.02
35	Malaysia 马来西亚	MYS	0.01
36	Ukraine 乌克兰	UKR	0.01
37	France 法国	FRA	0.01
38	Honduras 洪都拉斯	HND	0.01
39	El Salvador 萨尔瓦多	SLV	0.01
40	Romania 罗马尼亚	ROU	0.01
41	Jamaica 牙买加	JAM	0.01
42	Indonesia 印度尼西亚	IDN	0.01
43	Lithuania 立陶宛	LTU	0.01
44	Poland 波兰	POL	0.01
45	United Kingdom 英国	GBR	0.01
46	Latvia 拉脱维亚	LVA	0.00
47	United Arab Emirates 阿联酋	ARE	0.00
48	Suriname 苏里南	SUR	0.00
49	Thailand 泰国	THA	0.00
50	Belgium 比利时	BEL	0.00
51	Korea, Dem. People's Rep. 朝鲜	PRK	0.00
52	Moldova 摩尔多瓦	MDA	0.00
53	Guinea-Bissau 几内亚比绍	GNB	0.00
54	Serbia 塞尔维亚	SRB	0.00
55	Antigua and Barbuda 安提瓜和巴布达	ATG	0.00
56	Rwanda 卢旺达	RWA	0.00
57	Canada 加拿大	CAN	0.00
58	Mexico 墨西哥	MEX	0.00
59	Czechia 捷克	CZE	0.00
60	St. Lucia 圣卢西亚	LCA	0.00
61	Greece 希腊	GRC	0.00
62	Tanzania 坦桑尼亚	TZA	0.00
63	Philippines 菲律宾	PHL	0.00
64	Russian Federation 俄罗斯	RUS	0.00
65	Japan 日本	JPN	0.00
66	Cyprus 塞浦路斯	CYP	0.00
67	Gabon 加蓬	GAB	0.00
68	Morocco 摩洛哥	MAR	0.00
69	Saudi Arabia 沙特阿拉伯	SAU	0.00
70	Argentina 阿根廷	ARG	0.00
71	Nepal 尼泊尔	NPL	0.00
72	Nigeria 尼日利亚	NGA	0.00
73	Senegal 塞内加尔	SEN	0.00
74	Zambia 赞比亚	ZMB	0.00
75	Korea, Rep. 韩国	KOR	0.00
76	Iran, Islamic Rep. 伊朗	IRN	0.00
77	Bosnia and Herzegovina 波黑	BIH	0.00
78	Qatar 卡塔尔	QAT	0.00
79	Kosovo 科索沃	XKX	0.00
80	Germany 德国	DEU	0.00
81	Bulgaria 保加利亚	BGR	0.00
82	Malawi 马拉维	MWI	0.00
83	Kuwait 科威特	KWT	0.00
84	Hungary 匈牙利	HUN	0.00
85	Singapore 新加坡	SGP	0.00
86	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	0.00
87	Ghana 加纳	GHA	0.00
88	Croatia 克罗地亚	HRV	0.00
89	New Zealand 新西兰	NZL	0.00
90	Maldives 马尔代夫	MDV	0.00
91	Austria 奥地利	AUT	0.00
92	North Macedonia 北马其顿	MKD	0.00
93	Mozambique 莫桑比克	MOZ	0.00
94	Bahrain 巴林	BHR	0.00
95	Iceland 冰岛	ISL	0.00
96	Paraguay 巴拉圭	PRY	0.00
97	Australia 澳大利亚	AUS	0.00
98	Albania 阿尔巴尼亚	ALB	0.00
99	Bangladesh 孟加拉国	BGD	0.00
100	Eritrea 厄立特里亚	ERI	0.00
101	Sri Lanka 斯里兰卡	LKA	0.00
102	Israel 以色列	ISR	0.00
103	Ireland 爱尔兰	IRL	0.00
104	West Bank and Gaza 约旦河西岸和加沙	PSE	0.00
105	Chad 乍得	TCD	0.00
106	Denmark 丹麦	DNK	0.00
107	Uzbekistan 乌兹别克斯坦	UZB	0.00
108	Belize 伯利兹	BLZ	0.00
109	Sweden 瑞典	SWE	0.00
110	Eswatini 斯威士兰	SWZ	0.00
111	Kenya 肯尼亚	KEN	0.00
112	Timor-Leste 东帝汶	TLS	0.00
113	Malta 马耳他	MLT	0.00
114	Myanmar 缅甸	MMR	0.00
115	Finland 芬兰	FIN	0.00
116	Benin 贝宁	BEN	0.00
117	Cameroon 喀麦隆	CMR	0.00
118	Angola 安哥拉	AGO	0.00
119	South Africa 南非	ZAF	0.00
120	Kazakhstan 哈萨克斯坦	KAZ	0.00
121	Mali 马里	MLI	0.00
122	Azerbaijan 阿塞拜疆	AZE	0.00
123	Oman 阿曼	OMN	0.00
124	Armenia 亚美尼亚	ARM	0.00
125	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	0.00
126	Uruguay 乌拉圭	URY	0.00
127	Slovak Republic 斯洛伐克	SVK	0.00
128	Namibia 纳米比亚	NAM	0.00
129	Belarus 白俄罗斯	BLR	0.00
130	Pakistan 巴基斯坦	PAK	0.00
131	Madagascar 马达加斯加	MDG	0.00
132	Luxembourg 卢森堡	LUX	0.00
133	Algeria 阿尔及利亚	DZA	0.00
134	Micronesia, Fed. Sts. 密克罗尼西亚	FSM	0.00
135	Seychelles 塞舌尔	SYC	0.00
136	Afghanistan 阿富汗	AFG	0.00
137	Barbados 巴巴多斯	BRB	0.00
138	Bhutan 不丹	BTN	0.00
139	Botswana 博茨瓦纳	BWA	0.00
140	Brunei Darussalam 文莱	BRN	0.00
141	Burkina Faso 布基纳法索	BFA	0.00
142	Burundi 布隆迪	BDI	0.00
143	Cabo Verde 佛得角	CPV	0.00
144	Cambodia 柬埔寨	KHM	0.00
145	Central African Republic 中非共和国	CAF	0.00
146	Congo, Dem. Rep. 刚果（金）	COD	0.00
147	Congo, Rep. 刚果（布）	COG	0.00
148	Cote d'Ivoire 科特迪瓦	CIV	0.00
149	Djibouti 吉布提	DJI	0.00
150	Equatorial Guinea 赤道几内亚	GNQ	0.00
151	Fiji 斐济	FJI	0.00
152	Gambia, The 冈比亚	GMB	0.00
153	Guinea 几内亚	GIN	0.00
154	Iraq 伊拉克	IRQ	0.00
155	Kiribati 基里巴斯	KIR	0.00
156	Lao PDR 老挝	LAO	0.00
157	Lesotho 莱索托	LSO	0.00
158	Liberia 利比里亚	LBR	0.00
159	Libya 利比亚	LBY	0.00
160	Marshall Islands 马绍尔群岛	MHL	0.00
161	Mauritania 毛里塔尼亚	MRT	0.00
162	Mauritius 毛里求斯	MUS	0.00
163	Mongolia 蒙古	MNG	0.00
164	Nauru 瑙鲁	NRU	0.00
165	Nicaragua 尼加拉瓜	NIC	0.00
166	Niger 尼日尔	NER	0.00
167	Palau 帕劳	PLW	0.00
168	Papua New Guinea 巴布亚新几内亚	PNG	0.00
169	Samoa 萨摩亚	WSM	0.00
170	San Marino 圣马力诺	SMR	0.00
171	Sao Tome and Principe 圣多美和普林西比	STP	0.00
172	Sierra Leone 塞拉利昂	SLE	0.00
173	Solomon Islands 所罗门群岛	SLB	0.00
174	Somalia, Fed. Rep. 索马里	SOM	0.00
175	South Sudan 南苏丹	SSD	0.00
176	Sudan 苏丹	SDN	0.00
177	Switzerland 瑞士	CHE	0.00
178	Syrian Arab Republic 叙利亚	SYR	0.00
179	Tajikistan 塔吉克斯坦	TJK	0.00
180	Togo 多哥	TGO	0.00
181	Tonga 汤加	TON	0.00
182	Turkmenistan 土库曼斯坦	TKM	0.00
183	Tuvalu 图瓦卢	TUV	0.00
184	Uganda 乌干达	UGA	0.00
185	Vanuatu 瓦努阿图	VUT	0.00
186	Venezuela, RB 委内瑞拉	VEN	0.00
187	Viet Nam 越南	VNM	0.00
188	Yemen, Rep. 也门	YEM	0.00
189	Zimbabwe 津巴布韦	ZWE	0.00
190	Georgia 格鲁吉亚	GEO	-0.00
191	Ethiopia 埃塞俄比亚	ETH	-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

残余占比升高意味着该经济体与未被世行收入分组覆盖的经济体或来源不明的贸易占比增加，可能反映贸易伙伴多元化、与小型新兴经济体贸易增长，或贸易数据报告中的分类缺口较大。

数值较低通常意味着什么

残余占比降低通常表示更多进口已被归入明确的收入组别，反映贸易报告完整性提高或与分类经济体的贸易集中度上升。

鍙ｅ緞闄愬埗

残余项本身无明确经济含义，不代表任何特定的贸易类别或政策工具。
数值高低与贸易政策有效性、进口质量或经济效率无直接关联。
不同国家的残余来源差异极大，跨国直接比较无意义。
绝对规模相近的国家，残余占比可能因分母差异而完全不同。
数据缺失或IMF报告标准变化可能导致非经济性断点。
该指标不区分商品类别，无法反映贸易结构优化或劣化的程度。
中国等大型经济体残余占比极低，十年变化的微小波动可能被过度解读。

使用建议

使用时务必结合商品进口总量指标（TM.VAL.MRCH.CD.WT）判断绝对规模变化。
分析中国趋势时，应同时查看来自东亚太平洋和南亚等地区的分类进口占比，验证残余变化的来源。
跨国比较时优先选取残余占比相近的同组别国家，避免将残余绝对水平与贸易政策质量挂钩。
时间序列分析应注意IMF数据库的统计方法更新，可能造成口径断裂。
研究贸易结构时，将残余指标作为辅助参考而非核心解释变量。
政策分析中涉及贸易不平衡时，应使用专门的双边贸易差额指标而非残余占比。
该指标适合描述贸易报告覆盖率的整体趋势，不适合作为因果解释变量单独使用。

常见错误用法

错误做法：用残余占比的升降直接判断贸易政策松紧或对外开放程度

正确做法：结合关税税率、非关税壁垒覆盖率、外商投资流入等直接政策指标综合判断

残余占比下降不等于贸易更开放，可能只是更多贸易被归入明确的收入组别，两者无必然因果关系

错误做法：直接比较中国与小型岛国或特殊贸易结构经济体的残余占比

正确做法：优先在大型开放经济体或同一收入组别内进行比较

残余来源和分母基数差异极大，小型经济体的指标值不具有参照意义

错误做法：将残余占比解释为与"灰色地带"或非正规贸易的比例

正确做法：理解残余仅为统计分类，指未被世行收入分组覆盖的贸易，不对应任何具体贸易类型

残余项包含多种来源，可能包括合法但数据报告不完善的经济体，并非非正规贸易的代理指标

错误做法：用十年变化倍数（如中国的10.8倍）直接断言中国与未分类经济体贸易大幅增长

正确做法：结合进口绝对值变化、各收入组别占比变化和贸易伙伴结构数据验证

倍数由期初期末值比值计算，受基数效应和统计口径变化影响，需要多指标交叉验证才能得出可靠结论

错误做法：将残余占比的全球长期下降趋势解读为全球贸易一体化程度提升

正确做法：理解为贸易报告标准完善和分类体系扩展的统计反映

该指标下降反映的是统计覆盖率变化，不能直接等同于贸易壁垒减少或全球化深化

错误做法：用残余占比高低评价一个国家的贸易效率或进口结构质量

正确做法：使用贸易竞争力指数、产品复杂度指标或增加值贸易指标

残余是无明确经济含义的统计余项，不能作为贸易质量或效率的代理变量

实际应用场景

分析中国贸易报告完整性演变：研究中国商品进口在IMF贸易方向数据库中分类覆盖率的历史变化被解释变量配合来自东亚太平洋地区和南亚地区的分类进口占比，可构建贸易报告完整性评估框架，识别数据改进的关键时间节点。
对照分析不同收入组别经济体的贸易结构差异：研究为何大型新兴经济体与小型经济体的残余占比模式差异显著比较基准将残余占比作为辅助指标，结合分类收入组别进口占比，可分析不同规模经济体贸易结构趋同或分化程度。