調查取消、樣本劇變！美國11月失業率註定“虛高”？

隨著11月最新的勞動力市場數據即將出爐，著名經濟學家、彼得森國際經濟研究所的高級研究員賈斯汀·沃爾弗斯（Justin Wolfers）敦促公衆在解讀這些數據時務必保持高度謹慎。

沃爾弗斯警告稱，近期的美國政府停擺製造了一場統計學上的“迷霧”，這很可能會人爲地推高11月的失業率，導致經濟狀況看起來比實際情形更糟糕。

沃爾弗斯指出，問題的癥結在於政府停擺期間10月份調查的取消。這一數據採集的空缺擾亂了美國勞工統計局（BLS）所採用的精細的“4-8-4”輪換週期，即受訪家庭連續接受4個月的調查，暫停8個月，隨後再次接受調查。

由於10月份未進行調查，11月樣本的構成發生了劇變。通常情況下，只有八分之一的受訪者是首次參與調查的新人。

然而，沃爾弗斯指出，在11月的樣本中，“缺乏經驗的受訪者”數量達到了通常水平的兩倍——約佔總樣本量的25%。

沃爾弗斯表示，這一點至關重要，因爲政府停擺意味著11月的調查中包含了更多缺乏經驗的受訪者。這很可能會將測得的失業率略微推高。

樣本構成的這種變化之所以重要，是因爲沃爾弗斯所指出的一種被稱爲“輪換組偏差”的現象。

歷史數據顯示出一種明顯的心理或申報差異：首次參與勞動力調查的個人，其報告的失業率始終高於那些之前接受過調查的人。

沃爾弗斯引用2022年至2025年的數據指出，首次受訪者的測得失業率“通常比有經驗的受訪者高出0.7個百分點”。

隨著大量此類傾向於“悲觀”的新受訪者湧入11月的樣本，整體加權平均值在數學層面上註定會向上偏移。沃爾弗斯預測，無論就業市場的實際健康狀況如何，這“都很可能會將測得的失業率略微推高”。

除了偏差之外，數據還受到抽樣誤差增加的影響。勞工統計局通常依賴“面板數據法”（即長期追蹤同一批人）來平滑數據的波動性。

鑑於四分之一的樣本都是新的，這些方法的有效性大打折扣，可能導致估算結果出現異常波動。

沃爾弗斯指出，雖然政府理論上已“走出了統計盲區”，但停擺造成的“餘波”使得解析官方數據變得異常困難，令分析師和政策制定者只能在“重重迷霧”中摸索前行。