{"id":"mb-20261018-cf7c15","kind":"deep","title":"20个月下修16次：美国非农就业数据背后的模型注水与官僚免责","summary":"彭博社追踪发现，自2025年以来，美国非农初值在20个月内有16个月被下调，累计抹掉79.3万个岗位。本文深入拆解劳工统计局问卷回收率崩塌与“企业生死模型”在加息周期的机械误判，还原头条狂欢与中缝下修的不对称行政机制，以及普通劳动者与小微企业承担的真实代价。","body":"过去 20 个月里，美国官方公布的非农就业数据，有 16 个月在事后被悄悄改低了。\n一共抹掉了 79.3 万个工作岗位。\n平均每个月先向全世界公布了近 4 万个岗位，隔两个月再在附录里偷偷擦掉。\n这是怎么回事？\n难道统计局的人每个月都在办公室里闭着眼睛编数字吗？\n真去拆解这套统计机器，你会发现原因比凭空造假更有意思。\n美国劳工统计局（BLS）每个月公布的就业增量，主要来自一份叫建立调查（CES）的抽样问卷。\n他们给全美大概 12 万家企业和机构发问卷，问他们上个月雇了多少人。\n在疫情之前，每个月能按时收回 70% 以上的答卷。\n但这几年呢？\n第一轮初值发布的时候，问卷回收率经常跌破 60%，有时候甚至只有五成出头。\n全美将近一半的企业，根本还没来得及把表格寄回来。\n手头只有半份答卷，那这月度重磅报告还发不发？\n不发不行。\n华尔街要交易，媒体要头条，白宫要政绩，国会要交代。\n每个月第一个周五早上八点半，全世界的算法和交易员都瞪大眼睛盯着这个数字。\n时间到了，天塌下来也得按时交卷。\n那缺席的那一半企业怎么办？\n靠统计模型补。\n官方给这个补丁起了一个非常专业的学术名字，叫企业生死模型（Net Birth-Death Model）。\n这套模型的初衷其实很合常理：\n每时每刻都有新公司注册成立，也有老公司关门倒闭。\n新开张的公司还没来得及录进统计局的花名册，倒闭破产的公司也不会主动给政府寄封信说自己关门了。\n统计局怎么办？\n他们决定用过去五到十年的历史平均趋势，算出一个固定系数，硬生生往报表里填上一批假定新诞生的就业人数。\n在经济平稳扩张的岁月里，这套平滑算法还能勉强过关。\n但在过去这两年，全美基准利率被一口气拉到了二十年来的最高位。\n融资成本翻倍，小企业借不到钱，破产申请大幅增加，许多行业招聘早就冻结了。\n现实里的小公司正在加速关门，新开张的活水越来越少。\n可是劳工统计局的计算机模型不知道这些。\n它的代码依然按着过去十几年低利率时期的繁荣记忆，每个月机械地往表格里硬塞十几万个虚拟岗位。\n一个用乐观历史算出来的数学假人，就这样堂而皇之地走进了当月的官方大单。\n然后，荒诞的流水线就顺理成章地转起来了。\n每个月第一个周五早上八点半，初值出炉。\n大标题铺天盖地：就业大超预期，经济强劲，击碎衰退预言。\n白宫发声明庆祝，内阁官员上电视接受采访，华尔街的量化算法瞬间扫货，美联储看着火热的数据，点头宣布还要把高利率维持更久。\n在这个时刻，没有任何人在乎问卷回收率是不是只有一半，更没有人去翻后面的生死模型到底掺了多少水分。\n等到三十天、六十天之后呢？\n拖延的企业终于把真实的缴税和工资单寄了回来。\n统计人员对着真实数据一算，发现上个月果然吹大了。\n改不改？改。\n但修正数据是怎么公布的？\n它被印在下个月报告第 18 页的附表角落里。\n同一秒钟，聚光灯又全打在了最新的下个月初值上。\n媒体只顾着追逐最新的大数字，几乎没人会把镜头对准上个月被抹掉的那三四万个幽灵岗位。\n等到几个季度之后，基于全美失业保险税单的季度普查（QCEW）彻底摊牌、一次性下修八九十万岗位的时候，新闻热度早已经过去了。\n这就形成了一个完美的行政保护伞。\n吹牛的时候在头版头条，掌声、政绩和市场红利当场落袋；\n纠错的时候在报纸中缝，甚至连道歉都算不上，只叫例行技术调整。\n负责拍板的官员没有责任，跑模型的官僚不用受罚，做决策的政客拿到了当期选票。\n谁在为这套失真的统计数字买单？\n是那些在现实中投了几百份简历却毫无音讯、还在被官方新闻嘲笑不够努力的普通求职者；\n是那些因为美联储误判劳动力市场过热、被硬生生拖在高利率煎熬里的小企业主；\n也是整个社会对公共数据最基础的信任。","topic":"20个月下修16次：美国非农就业数据背后的模型注水与官僚免责","frame_type":["机制"],"citations":[],"channel_note":"","identity_notice":"","source_type":"generated","status":"published","generated_at":"2026-10-18 14:05:40","legal_anchor_count":0,"transcript_citation_count":0}