天上人間快樂事，種花也可，作歌也可
我是誰？我從哪裏來？又要到哪裏去？能解此三疑問者，是為開悟者，仙道已屬平常事耳
5月就業數據官方造假了嗎？請看官方數據：
勞工統計局真正的失業數據：5月失業人數3000萬，失業率18%，4月20%，3月7%
美國5月份就業報告昨天發布後，還仍在引發雙方專家的持續爭論：是否數據造假？
本文嚐試從BLS原始取樣方法和數據記錄來回答這個問題。
1. BLS 按照傳統方法定義的直接的失業人口數是多少？（約=3000萬）
周末今天抽空仔細讀了勞工統計局BLS的5月報告，其實其報告裏麵寫得很明白，摘錄如下：（見原文說明第18項）
If all people who want a job but were not in the labor force were added to the total 21.0 million people unemployed in May, the resulting 29.9 million people would represent 17.9 percent of the combined total of the labor force plus those who want a job. A similar calculation results in 19.8 percent for April and 7.5 percent for March.
”如果將所有想要工作但不在勞動力中的人加到5月份的2100萬失業總人數中，則由此產生的2990萬人將占勞動力總和的總人數的17.9％。類似的計算得出4月份為19.8％，3月份為7.5％。 “
2. 那為什麽與各新聞頭條的5月新增就業250萬的一片歡騰差別如此之大？（對應13.1%的失業率和總失業約2100多萬，但後者基本不被新聞重點提及）
這裏先不討論那個老生常談的各國失業率數據都在定義上就開始的傳統造假問題：即定義的失業率數據（隻統計想要找工作但沒有工作的人口），其實也是低估真實失業人口的（因為真正失業率數據還應包括那些放棄找工作的人口）。
這裏隻討論即使按照BLS傳統失業定義，得到的就是上麵勞工統計局BLS自己的數字。而為什麽BLS公布的5月失業率是13.1%呢？按照BLS自己的說法（見原文第12項），
Of the 8.4 million employed people not at work during the survey reference week in May 2020, 5.4 million people were included in the “other reasons” category, much higher than the average of 549,000 for May 2016–2019 (not seasonally adjusted). BLS analysis of the underlying data suggests that this group included workers affected by the pandemic response who should have been classified as unemployed on temporary layoff. Such a misclassification is an example of nonsampling error and can occur when respondents misunderstand questions or interviewers record answers incorrectly. BLS and the Census Bureau are investigating why this misclassification error continues to occur and are making changes for the June collection. (See item 14 below.)
According to usual practice, the data from the household survey are accepted as recorded. To maintain data integrity, no ad hoc actions are taken to reassign survey responses.
在2020年5月的調查參考周內的有840萬人受雇但沒有工作，其中有540萬人歸屬於“其他原因”類別，遠高於2016-2019年5月的平均水平549,000（未經季節調整）。 BLS對基礎數據的分析表明，該群體包括受大流行反應影響的工人，應將其歸為臨時裁員的失業人員。這種錯誤分類是非抽樣錯誤的一個示例，當受訪者誤解問題或訪調員錯誤地記錄答案時可能會發生。 BLS和人口普查局正在調查為什麽這種錯誤分類錯誤繼續發生，並對6月的收藏進行更改。 （請參閱下麵的第14項。）
上麵這段話仍然說得雲裏霧裏的，不是太好理解，或者說為什麽為發生這樣的失業歸類巨大誤差？我再解釋下：
原因是統計時設計的問題是這樣問的：
第一個問題是你是否從事任何“賺錢還是不賺錢的工作？” 然後是45頁的後續問題。接下來其中一個重要問題，是問是否“暫時不在”（absent）工作中，以及為什麽會absent。回答者的答案選項之一是“其他”。然後真正的歸類問題就出現了：
美國勞工統計局（BLS）指示提問者試圖確定是否有人因這次的病毒流行而缺席，如果回答者說是，則將其歸類為“臨時裁員”，這意味著他們將計入失業數據中。但是有些人繼續堅持說他們不是失業，他們在大流行期間隻是“缺席”（absent），而BLS的政策是一旦記錄下來，就不會改變人們的答案。BLS就是這樣來防止偏差或數據操縱。
所以這裏的問題就是：為什麽有些人會明明沒有工作還會認為自己沒有失去工作呢？一種常見情況就是因為此前通過的一個PPP救援計劃，這個計劃會提供雇主繼續給付員工工資。所以會有相當多的 人，雖然沒有工作在家裏呆著（absent），但還在繼續從雇主那裏領工資。這部分人堅持自己沒有失業，而認為自己是休假是可以理解的。當然還有少部分人認為自己是無薪休假，也不算失業。而調查員不可以篡改這些原始數據，雖然按照以前的分類，這些人本應該算失業，但由於PPP的存在，這類人不算失業，就隻好歸類到其他分類中。而這部分人口巨大，高達840萬人。就出現了各種失業數據互相矛盾的情況。
那這部人會以後會真正失業嗎？很大程度上取決於PPP計劃是否繼續給錢。第一期PPP計劃的3000多億美元早已經用盡，時間是兩個月援助期。第二期也是3000多億美元，川普昨天簽署了部分修改條文，比如可以將援助期延長到6個月，但估計可能也很快在2-3個月用完。所以這840萬人是否失業，有很大部分取決於PPP是否繼續給錢，比如第三期，4期等是否還有。這也是雙方專家吵架的一個重要的方麵。
如果疫情得到充分控製，複工繼續擴大，那麽這840萬人還有部分可能被原雇主雇傭。所以最後又回到那個老問題：經濟恢複，包括失業人數，最後還是要依賴對疫情的控製。
因此現在這個13.1%的失業率（相當於2100多萬人失業）可以理解為暫時失業率，沒有包括這840萬潛在的沒有工作的人口。如果包括進去，就剛好是約3000萬人失業。
這裏值得注意的是，這840萬人仍然需要繼續找工作，否則他們將來會被從失業人口中去除，即使他們將來永久失業。實際上美國現在有幾百萬永久失業人口，就是長時間找不到工作放棄找工作的，這幾百萬人（實際更多）的人不被統計到失業率中。也就是說，將來即使失業率數據變好，可能更多的人反而永久失業了，也是存在的。
3. 那麽這樣的統計歸類誤差發生了多久？以後會修正嗎？
原文也回答了這個問題。來看第14項：
Prior to the March data collection, instructions were provided to survey interviewers on how to answer the temporarily absent question if a person said that they had a job but did not work due to the coronavirus pandemic. (See item 8 above.) Prior to April data collection, an email was sent to all interviewers that included instructions with more detailed examples and a reference table to aid in coding responses. Prior to May data collection, every field supervisor had a conference call with the household survey interviewers they manage. In these conference calls, the supervisors went over the detailed instructions and examples and were available to answer interviewers' questions.
We will continue to investigate the reasons why the misclassification error persists. In addition, we are making further changes prior to the June collection. The Census Bureau will conduct additional training to review the guidance. Also, we are embedding instructions into the data collection instrument to make them more accessible during survey interviews.
在三月份的數據收集之前，已向調查訪問者提供了有關如何回答一個人說自己有工作但由於冠狀病毒大流行而沒有工作的暫時缺席問題的說明。 （請參閱上麵的項目8。）在四月份收集數據之前，已向所有訪問者發送了一封電子郵件，其中包括說明，更詳細的示例和參考表，以幫助對響應進行編碼。在五月份收集數據之前，每個現場主管都與他們管理的住戶調查訪問員舉行了電話會議。在這些電話會議中，主管們瀏覽了詳細的說明和示例，並可以回答訪調員的問題。
我們將繼續調查錯誤分類錯誤持續存在的原因。此外，我們將在6月的係列發布之前進行進一步的更改。人口普查局將進行額外的培訓以審查指南。另外，我們正在將說明嵌入數據收集工具中，以使它們在調查訪談中更易於訪問。
也就是說，這樣的歸類誤差已經發生了3個月，從3月就開始這麽做了，沒有把這些absent from work的人，算到失業人口中。如果算進去，那麽：
3月失業率是7%，也就是1100萬人多一點，
4月失業率19.8%， 也就是3300萬人左右
5月失業率是17.9%， 也就是約3000萬人。
並且BLS說了，會在本月的數據中，修正這個誤差。也就是現在的840萬人以及新的這類數據，會被重新歸類到失業或者就業中，而不是籠統的其他。6月就業報告會在7月3日股市開盤前發布，那麽很明顯，這樣的大幅修正肯定是對失業率和失業人口數據都是不利的。當然有利的方麵是，6月份的繼續複工會帶來就業新增。另一個問題就是，如果這種分類誤差被歸類後，那麽PPP帶來的模棱兩可的回答就不再重要。因為調查員和統計員會自己歸類。也就是PPP對失業數據的影響會不再像現在這樣大幅度。這可以相當程度上停止雙方專家對就業數據造假的爭吵。
4. 最後小結：
勞工統計局工作基本不及格。實際上前BLS的雇員也對此提出紛紛批評。為什麽會出現這樣的情況？答案就是政治決定。因為整個白宮管理層都需要這樣的操作。或者說下麵的人需要心領神會或者被指導故意這樣做。他們並沒有作假，因為所有的細節和數據都在那裏。但在提交給公眾媒體時候，就隻重點提交了去掉歸類於其他的840萬人後的數據，理由是要與3月，4月的數據保持統計的一致性。所以就變成了月新增250萬人（對應於失業總人口2100萬人多點），失業率13.1%，而不是失業總人口2990萬人，失業率17.9%
如果看官不想被媒體和專家誤導，想自己如何成為就業數據方麵的專家，不妨去閱讀詳細報告全文：
勞工統計局BLS的5月就業數據報告的詳細官方說明，見
https://www.bls.gov/cps/employment-situation-covid19-faq-may-2020.pdf
疫情不控製，這些基本麵都不是短期能恢複的。還有秋冬季非常可能來到 第二波，一旦發生，股市還是會崩，因為即使全麵救援，把幾乎所有公司全部國有化，但被救援的公司股票還是會接近清零。
最後唯一的辦法，就是直接給所有麵臨破產的公司直接送錢，按照市值估計，這需要至少10-20萬億美元才夠。僅僅非金融企業的總債務2019年就超過10萬億美元，相當於半個美國GDP。那樣通貨膨脹又會發生，美元和債務都會出問題。
總之，救援是不可能長期持續的。
疫情，隻有控製住疫情，股市才有可能不崩盤的希望。
哈哈。感覺大盤可能會在7月季報前後開始崩，一個是季報不好，第二個是GDP目前預測是20-40%的跌幅，第三個是失業率會被重新修正，不亂報的話，出現失業率反而在複工以後上升的奇葩情況，第四個是新冠感染因為這兩周的抗議聚集可能出現大幅度上漲。
唯一的問題是，在這樣4大利空的衝擊下，MM還願意選擇繼續維持高位嗎？
對MM心疼一秒鍾。
也是真的。
即使從真實的總失業人口看，也是符合的。4月3300萬人失業減少到了5月3000萬人，就業增加了250萬人-300萬
所以這就是美國媒體的高明之處，以及華爾街的手段。
告訴你的都是真的，實際卻是大大的誤導。
對投資者來說，6月的非農就業數據會大幅度修正，相當於是absent的840萬算入失業人口，加上複工帶來的新增就業兩方麵的互相抵消後剩下的淨增就業人口。一個月的複工會新增800多萬以上的就業嗎？可能有點困難。
所以不排除6月就業新增反而是負增長，也就是失業率反而會上升。盡管新增就業實際增加的可能有幾百萬。
6月的就業數據會在7月3日發布