4Alpha Research：美国就业数据存在系统性高估吗？

4 Alpha Research 研究员：Kamiu

在当今全球经济领域，就业数据对全球宏观货币政策制定者和交易市场的重要性不言而喻。作为衡量经济发展的重要指标，美国的非农就业数据历来备受关注。然而，长期以来，市场上一直存在一种质疑的声音：为何美国就业数据与 CPI 走势屡现背离，且家庭调查与企业调查数据存在较大差异？这种分歧使得一部分人对美国劳工部发布的非农就业数据产生了怀疑，认为其中可能存在误差，甚至是系统性高估，特别是随着 2024 年以来非农数据屡现异常、 2024 年 7 月非农数据大幅超预期暴跌，对于非农数据的系统性质疑进一步高涨。

接下来，我们将探讨这一现象背后的原因，以及它对市场分析和政策制定可能产生的影响。

一、美国就业数据为何长期被怀疑不准确，甚至系统性高估？

美国劳工部（BLS）每月发布的非农就业数据（Non-farm payroll employment）包含就业人数、失业率等数据，一向被视为最重要的宏观经济指标之一。新增非农就业人数反映了美国非农业领域新增的就业岗位数量，包括政府部门以外的所有行业，如制造业、服务业、建筑业等。这一数据有助于了解美国就业市场的扩张速度和劳动力市场的紧张程度。失业率是指在一定时间内，处于失业状态的劳动力占劳动力总人数的比例。它是衡量经济健康状况的另一重要指标，反映了劳动力市场的闲置程度。平均时薪则反映了美国工作者的收入水平，是衡量消费者购买力和潜在通货膨胀压力的重要指标。

非农数据对金融市场、政府政策制定以及经济预测等方面具有重要影响。投资者、经济学家和政策制定者密切关注这份报告，以评估美国经济的走势，从而做出相应的投资和决策。非农数据的表现往往会影响美联储的货币政策，进而影响全球金融市场。然而，近年来越来越多的观点认为美国就业数据不准确，可能存在系统性高估，主要由于以下几个原因：

1、不同来源的非农数据之间差异越来越大（具体下文详述），数据缺乏稳健性的问题日渐凸显，导致非农就业数据的可信性被质疑；

2、不同宏观数据间存在一定潜在矛盾。在近期 CPI 数据显著下降的趋势下，就业市场仍然连续显示出温和增长态势，具体对比如下：

2024 年 1 月 ：

CPI：根据美国劳工统计局的数据， 1 月份的 CPI 环比下降 0.1% ，同比增长 6.4% 。

非农就业数据： 1 月份新增非农就业人数为 51.7 万人，失业率维持在 3.4% 。

2024 年 2 月 ：

CPI： 2 月份 CPI 环比持平，同比增长 6.0% 。

非农就业数据： 2 月份新增非农就业人数为 31.1 万人，失业率小幅下降至 3.3% 。

2024 年 3 月 ：

CPI： 3 月份 CPI 环比下降 0.2% ，同比增长 5.2% 。

非农就业数据： 3 月份新增非农就业人数为 23.5 万人，失业率保持不变。

2024 年 4 月 ：

CPI： 4 月份 CPI 环比下降 0.4% ，同比增长 4.9% 。

非农就业数据： 4 月份新增非农就业人数为 21.3 万人，失业率小幅上升至 3.4% 。

2024 年 5 月 ：

CPI： 5 月份 CPI 环比下降 0.3% ，同比增长 4.0% 。

非农就业数据： 5 月份新增非农就业人数为 18.4 万人，失业率保持在 3.4% 。

2024 年 6 月 ：

CPI： 6 月份 CPI 环比下降 0.2% ，同比增长 3.2% 。

非农就业数据： 6 月份新增非农就业人数为 17.6 万人，失业率小幅下降至 3.3% 。

以上数据描绘了一幅略显怪异的情景，即 2024 年上半年，美国的 CPI 呈现逐月下滑的趋势，但非农就业人数持续温和上升，显示出极强的韧性，不符合观察家根据菲利普斯曲线做出的朴素预测。虽然菲利普斯曲线历史上已被多次证明对于实际情形的拟合预测能力十分有限，且其具体弹性也是宏观经济学界经久不衰的争论话题，但 2023 年至今较长的时间尺度上数据与菲利普斯曲线的持续偏离依然会使得数据本身遭到质疑（本文暂且搁置老生常谈的对于 CPI 统计口径的讨论）；

3、非农数据包含的各项子数据之间互相矛盾，例如被市场观点普遍认为近十年来最诡异的 2024 年 5 月非农就业数据中，就业人数录得显著增长，失业率却在劳动力未明显增加的情况下较大幅度上升，形成了难以自圆其说的自相矛盾（当然 5 月非农新增就业岗位数已经在 6 月被大幅向下修正，但这更加剧了市场和评论界对初始数据可靠性的质疑）；

4、 2024 年开始，非农就业数据多次下修。2023 年以来，美国劳工统计局公布的非农就业数据多次出现下修情况。例如， 2024 年 5 月的非农数据显示新增就业 27.2 万人，远超市场预期的 18.5 万人，但此前非农数据的多次下修使得市场对这一数据的准确性产生怀疑。费城联储甚至提示 2023 年的非农数据新增岗位数据可能高估了多达 80 万个；

5、非农就业数据和其他就业调查数据相矛盾且持续高于经济学家集体预测，近几个月季度就业和工资普查（QCEW）和美国私营企业就业人数（ADP）早已显示，美国就业市场有转冷的迹象，但非农数据却一直显示美国就业情况展现了超预期的韧性。一般认为，非农就业数据相对不区分正式/非正式就业，而 QCEW 等更偏重正式就业统计，对非正式和兼职就业统计较为有限。

二、简要介绍非农就业数据具体如何计算

BLS 基于一系列详细的调查和统计方法编制非农数据。以下是计算非农就业数据的关键步骤和方法：

1.样本调查：BLS 通过家庭调查（Current Population Survey，CPS）和企业调查（Current Employment Statistics，CES）来收集数据。家庭调查主要用来计算失业率和劳动参与率，而企业调查则用来计算就业岗位增加数量和平均时薪；

2.行业分类：非农就业数据将就业分为不同的行业类别，如制造业、建筑业、服务业等，以便更细致地分析各行业的就业情况；

3.数据调整：主要包含季节性调整和 B/D 调整两部分：

• 为了确保数据的准确性，BLS 会对数据进行季节性调整，以消除季节性因素对就业数据的影响。具体而言，首先 BLS 分析历史数据来识别和量化季节性模式。季节性模式是指在特定时间段内由于常规或可预测的因素（如节假日、天气变化、学校假期等）导致的就业数据波动。其次，BLS 使用 S-ARIMA 时间序列分析方法，使用历史数据拟合出使残差为白噪声的模型参数，对于原始数据进行季节性差分，从而消除季节性波动

• 同时由于 CES 调查无法实时捕捉到新成立的企业和已关闭企业的就业变化，BLS 采用了 Birth/Death Adjustment 模型以估算这些变化，以便更准确地反映就业市场的实际情况，其中：出生模型（Birth Model）估算新成立的企业创造的就业岗位。这个模型基于历史数据，考虑了不同行业的增长趋势和宏观经济条件，来预测新企业对就业市场的贡献；死亡模型（Death Model）：估算已关闭的企业消失的就业岗位。这个模型同样基于历史数据，分析企业倒闭的频率和模式，以及宏观经济条件对企业生存的影响。

三、结论：美国就业数据究竟是否被有意高估？

笔者认为，在被质疑这个层次，CPI 和非农有异曲同工之妙，这两项具备重要宏观意义的月度数据向来被市场反复质疑是否被人为操纵，以满足美国在位政治人物对于支持率和票仓的需求，进而质疑美联储的独立性。当然，笔者无法完全排除这种阴谋论成立的可能性，但仍然认为总体上非农数据近年来的种种异常和不一致之处更多是由于统计方法的陈旧、疫情后美国经济结构发生了结构性变化、非法移民涌入速率日渐加快等互相联系的原因导致的。

1、统计方法陈旧

如下文所述，美国经济运行模式可能已发生结构性变化，但 CES 数据的季节性调整和 B/D 调整高度依赖历史数据模式，可能导致巨大偏差，其中尤以 B/D 调整被诟病最多。

根据数据， 5 月非农新增所有就业岗位中，有 23.1 万个来自 B/D 模型，也就是根据新企业成立的估算值。这部分工作岗位实际上并没有被统计到已产生，而是被假定存在并直接计入数据。自 2023 年 4 月以来，B/D 模型已经增加了 190 万个就业岗位，占同期所有新增就业人数的 56% 。这意味着，过去一年中超过一半的“就业增长”来自调整，导致大部分市场观点直指 B/D 模型为 24 年 5 月非农数据“离谱”的罪魁祸首，如下图所示。近年来，CES 和 CPS 结果差值百分比越来越大，也被认为是 CES 抽样方法和统计调整方法已经严重失效的铁证。

2、疫情后美国经济结构发生了结构性变化

COVID-19 公共卫生事件前后，可以观察到非正式工作占比暴增和青年人就业意愿快速下滑，这一现象已经延续到了今天。目前该等现象还没有特别有力的解释，有观点认为非正式工作占比提高和就业意愿下降可能由新冠长期后遗症（LC）在全人口层面降低总体劳动能力导致，但尚无定论。无论如何，可以确定的是兼职工作占比提升会极大提升非农就业统计的难度，由于非农数据采取抽样调查方式进行，同一人同时从事多份兼职会不可避免的导致就业岗位统计相比实际情况高估，而消除这些噪声会导致调查成本不成比例的上升。同时，大量适龄人口退出劳动力（失业率的分母），也会导致失业率和就业岗位增加数字统计失真。

3、边境管控失效，非法移民涌入速率日渐加快

这一点与上述经济结构变化息息相关，因为无合法身份的非法移民从事非正式工作的概率显著更高。同时，非法移民就业也会导致潜在的抽样偏差。

BLS 的非农就业岗位数据是基于 CES 抽样调查得出的，如果样本中未能充分代表非法移民的就业情况，那么调查结果可能会偏离实际情况。例如，如果 CES 调查的抽样（抽样单位为雇主）更多地覆盖了那些倾向于雇佣合法工人的大型企业，而忽视了非法移民更可能工作的小型或地下企业，那么就业数据极大可能会被高估。

本文内容仅用于信息分享，不对任何经营与投资行为进行推广与背书，请读者严格遵守所在地区法律法规，不参与任何非法金融行为。不为任何虚拟货币、数字藏品相关的发行、交易与融资等提供交易入口、指引、发行渠道引导等。

4 Alpha Research 内容未经许可，禁止进行转载、复制等，违者将追究法律责任。