4Alpha Research：美國就業數據存在系統性高估嗎？

2024-08-11 16:08:09

4 Alpha Research 研究員：Kamiu

在當今全球經濟領域，就業數據對全球宏觀貨幣政策制定者和交易市場的重要性不言而喻。作為衡量經濟發展的重要指標，美國的非農就業數據歷來備受關注。然而，長期以來，市場上一直存在一種質疑的聲音：為何美國就業數據與 CPI 走勢屢現背離，且家庭調查與企業調查數據存在較大差異？這種分歧使得一部分人對美國勞工部發布的非農就業數據產生了懷疑，認為其中可能存在誤差，甚至是系統性高估，特別是隨着 2024 年以來非農數據屢現異常、 2024 年 7 月非農數據大幅超預期暴跌，對於非農數據的系統性質疑進一步高漲。

接下來，我們將探討這一現象背後的原因，以及它對市場分析和政策制定可能產生的影響。

一、美國就業數據為何長期被懷疑不准確，甚至系統性高估？

美國勞工部（BLS）每月發布的非農就業數據（Non-farm payroll employment）包含就業人數、失業率等數據，一向被視為最重要的宏觀經濟指標之一。新增非農就業人數反映了美國非農業領域新增的就業崗位數量，包括政府部門以外的所有行業，如制造業、服務業、建築業等。這一數據有助於了解美國就業市場的擴張速度和勞動力市場的緊張程度。失業率是指在一定時間內，處於失業狀態的勞動力佔勞動力總人數的比例。它是衡量經濟健康狀況的另一重要指標，反映了勞動力市場的闲置程度。平均時薪則反映了美國工作者的收入水平，是衡量消費者購买力和潛在通貨膨脹壓力的重要指標。

非農數據對金融市場、政府政策制定以及經濟預測等方面具有重要影響。投資者、經濟學家和政策制定者密切關注這份報告，以評估美國經濟的走勢，從而做出相應的投資和決策。非農數據的表現往往會影響美聯儲的貨幣政策，進而影響全球金融市場。然而，近年來越來越多的觀點認為美國就業數據不准確，可能存在系統性高估，主要由於以下幾個原因：

1、不同來源的非農數據之間差異越來越大（具體下文詳述），數據缺乏穩健性的問題日漸凸顯，導致非農就業數據的可信性被質疑；

2、不同宏觀數據間存在一定潛在矛盾。在近期 CPI 數據顯著下降的趨勢下，就業市場仍然連續顯示出溫和增長態勢，具體對比如下：

2024 年 1 月 ：

CPI：根據美國勞工統計局的數據， 1 月份的 CPI 環比下降 0.1% ，同比增長 6.4% 。

非農就業數據： 1 月份新增非農就業人數為 51.7 萬人，失業率維持在 3.4% 。

2024 年 2 月 ：

CPI： 2 月份 CPI 環比持平，同比增長 6.0% 。

非農就業數據： 2 月份新增非農就業人數為 31.1 萬人，失業率小幅下降至 3.3% 。

2024 年 3 月 ：

CPI： 3 月份 CPI 環比下降 0.2% ，同比增長 5.2% 。

非農就業數據： 3 月份新增非農就業人數為 23.5 萬人，失業率保持不變。

2024 年 4 月 ：

CPI： 4 月份 CPI 環比下降 0.4% ，同比增長 4.9% 。

非農就業數據： 4 月份新增非農就業人數為 21.3 萬人，失業率小幅上升至 3.4% 。

2024 年 5 月 ：

CPI： 5 月份 CPI 環比下降 0.3% ，同比增長 4.0% 。

非農就業數據： 5 月份新增非農就業人數為 18.4 萬人，失業率保持在 3.4% 。

2024 年 6 月 ：

CPI： 6 月份 CPI 環比下降 0.2% ，同比增長 3.2% 。

非農就業數據： 6 月份新增非農就業人數為 17.6 萬人，失業率小幅下降至 3.3% 。

以上數據描繪了一幅略顯怪異的情景，即 2024 年上半年，美國的 CPI 呈現逐月下滑的趨勢，但非農就業人數持續溫和上升，顯示出極強的韌性，不符合觀察家根據菲利普斯曲线做出的樸素預測。雖然菲利普斯曲线歷史上已被多次證明對於實際情形的擬合預測能力十分有限，且其具體彈性也是宏觀經濟學界經久不衰的爭論話題，但 2023 年至今較長的時間尺度上數據與菲利普斯曲线的持續偏離依然會使得數據本身遭到質疑（本文暫且擱置老生常談的對於 CPI 統計口徑的討論）；

3、非農數據包含的各項子數據之間互相矛盾，例如被市場觀點普遍認為近十年來最詭異的 2024 年 5 月非農就業數據中，就業人數錄得顯著增長，失業率卻在勞動力未明顯增加的情況下較大幅度上升，形成了難以自圓其說的自相矛盾（當然 5 月非農新增就業崗位數已經在 6 月被大幅向下修正，但這更加劇了市場和評論界對初始數據可靠性的質疑）；

4、 2024 年开始，非農就業數據多次下修。2023 年以來，美國勞工統計局公布的非農就業數據多次出現下修情況。例如， 2024 年 5 月的非農數據顯示新增就業 27.2 萬人，遠超市場預期的 18.5 萬人，但此前非農數據的多次下修使得市場對這一數據的准確性產生懷疑。費城聯儲甚至提示 2023 年的非農數據新增崗位數據可能高估了多達 80 萬個；

5、非農就業數據和其他就業調查數據相矛盾且持續高於經濟學家集體預測，近幾個月季度就業和工資普查（QCEW）和美國私營企業就業人數（ADP）早已顯示，美國就業市場有轉冷的跡象，但非農數據卻一直顯示美國就業情況展現了超預期的韌性。一般認為，非農就業數據相對不區分正式/非正式就業，而 QCEW 等更偏重正式就業統計，對非正式和兼職就業統計較為有限。

二、簡要介紹非農就業數據具體如何計算

BLS 基於一系列詳細的調查和統計方法編制非農數據。以下是計算非農就業數據的關鍵步驟和方法：

1.樣本調查：BLS 通過家庭調查（Current Population Survey，CPS）和企業調查（Current Employment Statistics，CES）來收集數據。家庭調查主要用來計算失業率和勞動參與率，而企業調查則用來計算就業崗位增加數量和平均時薪；

2.行業分類：非農就業數據將就業分為不同的行業類別，如制造業、建築業、服務業等，以便更細致地分析各行業的就業情況；

3.數據調整：主要包含季節性調整和 B/D 調整兩部分：

為了確保數據的准確性，BLS 會對數據進行季節性調整，以消除季節性因素對就業數據的影響。具體而言，首先 BLS 分析歷史數據來識別和量化季節性模式。季節性模式是指在特定時間段內由於常規或可預測的因素（如節假日、天氣變化、學校假期等）導致的就業數據波動。其次，BLS 使用 S-ARIMA 時間序列分析方法，使用歷史數據擬合出使殘差為白噪聲的模型參數，對於原始數據進行季節性差分，從而消除季節性波動
同時由於 CES 調查無法實時捕捉到新成立的企業和已關閉企業的就業變化，BLS 採用了 Birth/Death Adjustment 模型以估算這些變化，以便更准確地反映就業市場的實際情況，其中：出生模型（Birth Model）估算新成立的企業創造的就業崗位。這個模型基於歷史數據，考慮了不同行業的增長趨勢和宏觀經濟條件，來預測新企業對就業市場的貢獻；死亡模型（Death Model）：估算已關閉的企業消失的就業崗位。這個模型同樣基於歷史數據，分析企業倒閉的頻率和模式，以及宏觀經濟條件對企業生存的影響。

三、結論：美國就業數據究竟是否被有意高估？

筆者認為，在被質疑這個層次，CPI 和非農有異曲同工之妙，這兩項具備重要宏觀意義的月度數據向來被市場反復質疑是否被人為操縱，以滿足美國在位政治人物對於支持率和票倉的需求，進而質疑美聯儲的獨立性。當然，筆者無法完全排除這種陰謀論成立的可能性，但仍然認為總體上非農數據近年來的種種異常和不一致之處更多是由於統計方法的陳舊、疫情後美國經濟結構發生了結構性變化、非法移民湧入速率日漸加快等互相聯系的原因導致的。

1、統計方法陳舊

如下文所述，美國經濟運行模式可能已發生結構性變化，但 CES 數據的季節性調整和 B/D 調整高度依賴歷史數據模式，可能導致巨大偏差，其中尤以 B/D 調整被詬病最多。

根據數據， 5 月非農新增所有就業崗位中，有 23.1 萬個來自 B/D 模型，也就是根據新企業成立的估算值。這部分工作崗位實際上並沒有被統計到已產生，而是被假定存在並直接計入數據。自 2023 年 4 月以來，B/D 模型已經增加了 190 萬個就業崗位，佔同期所有新增就業人數的 56% 。這意味着，過去一年中超過一半的“就業增長”來自調整，導致大部分市場觀點直指 B/D 模型為 24 年 5 月非農數據“離譜”的罪魁禍首，如下圖所示。近年來，CES 和 CPS 結果差值百分比越來越大，也被認為是 CES 抽樣方法和統計調整方法已經嚴重失效的鐵證。

2、疫情後美國經濟結構發生了結構性變化

COVID-19 公共衛生事件前後，可以觀察到非正式工作佔比暴增和青年人就業意愿快速下滑，這一現象已經延續到了今天。目前該等現象還沒有特別有力的解釋，有觀點認為非正式工作佔比提高和就業意愿下降可能由新冠長期後遺症（LC）在全人口層面降低總體勞動能力導致，但尚無定論。無論如何，可以確定的是兼職工作佔比提升會極大提升非農就業統計的難度，由於非農數據採取抽樣調查方式進行，同一人同時從事多份兼職會不可避免的導致就業崗位統計相比實際情況高估，而消除這些噪聲會導致調查成本不成比例的上升。同時，大量適齡人口退出勞動力（失業率的分母），也會導致失業率和就業崗位增加數字統計失真。

3、邊境管控失效，非法移民湧入速率日漸加快

這一點與上述經濟結構變化息息相關，因為無合法身份的非法移民從事非正式工作的概率顯著更高。同時，非法移民就業也會導致潛在的抽樣偏差。

BLS 的非農就業崗位數據是基於 CES 抽樣調查得出的，如果樣本中未能充分代表非法移民的就業情況，那么調查結果可能會偏離實際情況。例如，如果 CES 調查的抽樣（抽樣單位為僱主）更多地覆蓋了那些傾向於僱傭合法工人的大型企業，而忽視了非法移民更可能工作的小型或地下企業，那么就業數據極大可能會被高估。