美國就業市場真得如此緊張嗎？

(相關資料圖)

文/華創證券研究所所長助理、首席宏觀分析師：張瑜

主要觀點

第13期海外論文雙周志聚焦于“美國貨幣緊縮過程中就業市場究竟能否‘軟著陸’？”第一篇選自PIIE，進一步解釋了為什么貝弗里奇曲線告訴我們不能軟著陸，是對《貝弗里奇曲線告訴我們軟著陸的可能性到底有多大——第10期海外論文雙周志》中第二篇論文的補充，有助于讀者更好地理解貝弗里奇曲線。第二篇選自圣路易斯聯儲，提出了一個新的貝弗里奇曲線推導模型，有助于讀者更好地理解當下貝弗里奇曲線形態發生變化的原因，而且與第一篇論文結論相左，可作對比閱讀。第三篇選自Brookings，引入了一個新的指標來刻畫勞動力市場，并且闡釋了為什么當下使用新指標比使用貝弗里奇曲線分析就業市場更合適，提供了一個新的思考角度。

一、The Fed is wrong：不增加失業率就不太可能降低通脹

該報告是針對Waller和Figura去年7月發表在FED Notes的文章《貝弗里奇曲線告訴我們軟著陸的可能性有多大？》的反駁，詳見第10期海外論文雙周志：《貝弗里奇曲線告訴我們軟著陸的可能性到底有多大？》。

兩篇文章的關鍵分歧在于：該論文認為，Waller和Figura沒有使用經驗數據，而是采用理論模型得出結論——當下貝弗里奇曲線的斜率是v/u處于平均值情況下的3倍，這個論證過程難以令人信服。

通過對歷史經驗數據的分析，該論文認為：雖然理論上貝弗里奇曲線是凸曲線，但是凸度很?。ū容^平坦），職位空缺率處在不同初始位置時不會導致斜率發生特別大的變化。據此，該論文認為，不增加失業率就不太可能降低通脹。

此外，該論文指出了Waller和Figura對其上篇文章《Bad news…》的三個誤解與一個錯誤，詳見正文。

二、雙貝弗里奇曲線

該論文提出了一個新的模型，將職位空缺數分解為兩個類型——針對失業人群進行招聘的空缺職位以及針對在競爭企業工作的就業人群進行招聘的空缺職位，結果發現：疫情后貝弗里奇曲線形態的變化主要源于針對就業人群的空缺職位數在總職位空缺數中的占比大幅提升，因此，當貨幣政策收緊時，總體職位空缺數的下降有可能源自這部分空缺職位不成比例地下降，針對失業人群的空缺職位可能降幅不大。換言之，勞動力需求放緩對失業的影響可能已經有所減弱，當下的貨幣緊縮可能導致職位空缺率大幅下降而失業率僅溫和上升，這與“軟著陸”的概念相一致。

然而需要注意的是，貨幣緊縮的政策影響還取決于針對就業人群的職位空缺占比增長的原因究竟是什么，針對企業招聘模式轉變的不同解釋將導致不同的政策影響。詳見正文。

三、重新審視美國火爆的勞動力市場

該論文引入一個新指標“職位空缺率/總雇傭率（v/h）”來考察當下勞動力市場的火爆程度。該論文認為“職位空缺率/總雇傭率”是比“職位空缺率/失業率”（v/u）能更好刻畫當下勞動力市場情況的衡量指標，原因在于：2021年以來，對于就業市場的動態變化，v/h比v/u更有解釋力。由于疫情初期失業率u急劇上升，v/u下降預示了工資增長在2021年大部分時間將相當疲軟，到2022年中才能恢復到疫情前的水平。相比之下，隨著企業快速擴大招聘，雇傭率h的快速恢復使得v/h預示了工資的強勁增長（v/h比v/u更快恢復并超出疫情前）。

按v/h看，當下勞動力市場不算特別緊張，貨幣緊縮導致v下降的同時不會導致h大幅下滑，就業市場不會受到太大擾動。從疫情前數據看，根據v與h的歷史關系擬合計算，當下v比疫情前趨勢高出3.6個標準差左右，這意味著要讓v回到2019年均值，雇傭率h需要下降到4%左右，與2014-15年的雇傭率水平差不多。從近期數據看，短期內隨著勞動力市場降溫，職位空缺數V的下降速度將快于總雇傭數H。2022年3月（職位空缺數觸頂）至8月，職位空缺數累計下降了180萬，降幅16%，而同期總雇傭人數僅下降約40萬，降幅約6%。

風險提示：論文理解和翻譯偏差

報告目錄

報告正文

第13期海外論文雙周志聚焦于“美國貨幣緊縮過程中就業市場究竟能否‘軟著陸’？”

第一篇報告選自PIIE，是針對Waller和Figura去年7月發表在FED Notes的文章 《貝弗里奇曲線告訴我們 軟著陸的可能性有多大？》 的反駁，彼時Waller和Figura在文章中駁斥了PIIE的《來自貝弗里奇曲線的壞消息》中分析框架的不合理之處（關于Waller和Figura的文章以及PIIE上篇文章的詳細內容請參見第10期海外論文雙周志：《貝弗里奇曲線告訴我們軟著陸的可能性到底有多大？》）。PIIE的這篇報告針對Waller和Figura的反駁做出了回應，并且反駁了Waller和Figura文章中的一些觀點，有助于我們更好地理解貝弗里奇曲線的分析框架。

第二篇論文選自圣路易斯聯儲的工作論文，該論文建立了一個新的 貝弗里奇曲線模型，并用該模型解釋了疫情后貝弗里奇曲線形態變化之謎，同時論證了勞動力需求放緩對失業的影響可能已經有所減弱，當下的貨幣緊縮可能導致職位空缺率大幅下降而失業率僅溫和上升，即可能達成就業市場的“軟著陸”。

第三篇報告選自Brookings，該報告提供了一個新的分析角度，不是使用貝弗里奇曲線（職位空缺率/失業率），而是使用了職位空缺率/雇傭率這一指標來刻畫美國就業市場，并得出結論：當下就業市場只是非?；鸨]有非常緊張。

一、The Fed is wrong：不增加失業率就不太可能降低通脹[1]

1、對Waller和Figura[2]的反駁：

首先，該論文贊成Waller和Figura論證貝弗里奇曲線是凸曲線，即曲線越靠上的部分，職位空缺率下降帶來的失業率增加幅度越小。但是關于曲線究竟有多凸，該論文有不同觀點。

該論文認為由于當下職位空缺率異常高，因此搞清楚貝弗里奇曲線到底有多凸對于回答“到底能不能軟著陸”這一問題十分重要。

該論文認為，Waller和Figura沒有使用經驗數據，而是采用理論模型得出結論——當下貝弗里奇曲線的斜率是v/u處于平均值情況下的3倍（將table 1和table 2數字作對比，職位空缺率從4.6%開始下降2.4pcts過程中失業率上升幅度大概是職位空缺率從7%開始下降2.4pcts的2-3倍），這個論證過程難以令人信服。

該論文認為要回答這個問題——“當初始職位空缺率很高時，其下降是否意味著失業率增幅更??？”，應該通過歷史經驗數據測算。并且該論文根據歷史經驗數據得出的結論是：沒有證據表明初始職位空缺率越高（或者說初始失業率越低），失業率沿著貝弗里奇曲線調整的斜率就越陡峭。舉例說明：

在最接近當下情景的1961年Q1（彼時職位空缺率＞5%，失業率低于4%），調整的斜率是-0.8。1961Q1職位空缺率見頂5.2%，兩年后降至3.2%；期間對應失業率由3.4%上升到5.9%。調整斜率=（3.2-5.2）/（5.9-3.4）≈-0.8。但是Waller和Figura中的估計顯示（圖表1中table 1），調整斜率約為-3.1~-4.1。

通過對歷史經驗數據的分析，該論文認為：雖然理論上貝弗里奇曲線是凸曲線，但是凸度很?。ū容^平坦），職位空缺率處在不同初始位置時不會導致斜率發生特別大的變化。當然該論文也承認，由于當前的職位空缺率（7%）已經超出歷史經驗水平，一切皆有可能。但該論文仍認為沒有理由改變觀點。

2、Waller和Figura對PIIE《Bad News for the Fed from the Beveridge Space》[3]文章中的貝弗里奇曲線分析框架理解有誤：

第一個誤解：Waller和Figura認為PIIE的模型中沒有考慮離職（separation）情況。

PIIE的解釋：并非沒有考慮離職，而是在貝弗里奇曲線上的任意一點，總雇傭數等于離職數（新增就業=離職，這樣失業率u才不會繼續增加或減少，才能固定在貝弗里奇曲線上的某個點），因此《Bad News for the Fed from the Beveridge Space》中對于hires和separation使用相同的符號h。

第二個誤解：Waller和Figura認為PIIE的模型中u（失業率）與v/u（職位空缺率/失業率）的關系與其文章中有所不同。

PIIE的解釋：實際上兩篇文章中的公式是等價的，區別在于對雇傭率的定義。為方便起見，PIIE的文章將雇傭率（或離職率）定義為雇傭數（或者離職數）/勞動力數量【就業人口+失業人口】，Waller和Figura則定義為雇傭數/就業人口，因此導致了分母有額外的一項s。

即PIIE方程（公式1）中分子h=H/（E+U），而且按照PIIE的分析框架，總雇傭數H=離職數S。而在Waller和Figura文章中，離職率s=S/E，求職率f=H/U。

那么可得：1/s+1/f=E/S+U/H=（E+U）/H=1/h=（s+f）/s*f；

h=s*f/（s+f）；

根據公式2.2，將f代換成含有V和U的表達式，則有：

將這個式子代入PIIE方程（公式1），即可得到Waller和Figura文章中的方程（公式2.1）。

第三個誤解：Waller和Figura使用的V的冪次系數σ范圍在0.3-0.45，聲稱參考了PIIE文章中的估計方程。

PIIE的解釋：實際上PIIE文章中估算的是U的冪次系數α約為0.45，也就是說V的冪次系數σ應該是1-α，至少為0.55。

一個錯誤：Waller和Figura的論文指出2007-09年金融危機期間，離職率增長了50%。

PIIE的觀點：首先，貝弗里奇曲線上不同點的V/U不同，但是每個點上hires（下文簡稱h）=separations（下文簡稱s），即總雇傭數=離職數。其次，從曲線上一個點移動到另一個點時會導致h和s暫時性不等。以某個點沿著貝弗里奇曲線下移為例（職位空缺率v下降，失業率u上升），在這個變化期間，會出現暫時性的超額separation（s>；h），直到s和h再次相等。該論文認為大概是考慮到這一點，Waller和Figura的文章中探究了s分別較baseline升高10%、25%和50%的影響，并且聲稱2007-09年金融危機期間，s增長了50%。但是該論文指出，實際上在2007-09年金融危機期間，s下降了22%，這是因為，雖然裁員（layoff）在上升，但主動離職（quit）的人數在下降，而且后者的下降比前者上升的快。

二、雙貝弗里奇曲線[4]

（一）引言

在美國的經濟周期中，失業數和職位空缺數之間的負相關關系被稱為貝弗里奇曲線。貝弗里奇曲線自20世紀50年代首次提出以來，一直被決策者用來評估勞動力市場的健康狀況，同時用于衡量當下就業與充分就業的距離。

最近的貝弗里奇曲線與以往經濟衰退期的變化情況有明顯差異（下圖）。歷史上每次衰退期間可以觀察到（U，V）散點沿著斜率大致相同的曲線運動，每次衰退間不同的只有截距。然而，當下曲線的斜率和截距似乎都發生了多次變化，這種變化令人費解。

針對這個問題，該論文提出了一個全新的解釋：雙重空缺模型（a dual vacancy model）。公司有時從失業人群中雇傭工人，有時從其他公司挖角，具體如何選擇取決于工作類型和技能要求。為此，公司會調整招聘信息，以吸引其更感興趣的員工。因此，該模型將職位空缺分為兩種：一種是指招聘目標為失業人群，另一種則是指從其他公司挖角。

兩種招聘方式對勞動力市場有不同的影響。從失業人群中招聘會降低失業率、增加就業率；而從其他公司現有員工中“挖人”并不會影響就業率和失業率，只是可能會使被“撬墻角”的工人的工資上漲。

雙重空缺模型作出一個極端假設：上述兩種類型的職位招聘各自在獨立細分的就業市場中運作，從而將就業市場的搜索和匹配過程分解為兩個互不重疊的過程。在該模型中，失業人群只搜索和匹配為失業工人準備的空缺職位，而有工作的工人只與意在“撬墻角”的空缺職位匹配。由于后者不會影響就業和失業，因此在該模型中，貝弗里奇曲線關系只適用于第一個就業市場，即將失業工人與意在招聘失業工人的職位相匹配的就業市場。

該論文使用2000年至今的關于兩種類型的職位空缺數的存量和流量月度數據（包括分部門數據）以及雙重空缺模型進行研究。

主要研究發現：從2010s中期開始，意在“撬墻角”的空缺職位大量增加。如果只考慮非“撬墻角”的職位空缺數，并調整貝弗里奇曲線，最近該曲線令人困惑的形態變化就消失不見了。這一結果表明，對勞動力需求的放緩對失業的影響可能有所減弱。這對貨幣政策及其對失業的影響都有意義。

（二）一個簡單的模型

假設在勞動力市場上有兩個獨立的匹配函數：一個針對失業工人，另一個針對就業工人。這意味著有兩種類型的職位空缺——一種意在從失業人群中招聘員工，另一種則意在從其他公司“撬墻角”。這兩種類型的職位空缺數加起來為職位空缺總數，即：

其中表示針對失業員工的職位空缺數，表示針對就業工人的職位空缺數。

在第一個匹配函數中，失業人員U尋找針對失業人群的空缺職位，函數具體表示為：

其中表示來自失業人群的雇傭人數，α是一個彈性系數，取值在0-1之間，表示匹配效率。

在第二個匹配函數中，所有就業人員中的一部分正在搜尋新工作，即針對就業人員涉及的空缺職位，函數具體表示如下：

其中表示來自就業人群的雇傭人數，β是一個彈性系數，取值在0-1之間，表示匹配效率。

（三）方法

對主要指標的估算方法：

Ø 由于大多數主動離職都是由于工作轉換，該論文用JOLTS報告中的主動離職人數（quits）來估算來自就業人群的雇傭數。

Ø來自失業人群的雇傭人數M_u就等于JOLTS報告中的總雇傭人數-主動離職數。

Ø職位空缺總數V用JOLTS報告中的職位空缺數衡量。

Ø失業人群中積極尋找工作的人數U則使用美國勞工統計局（BLS）報告的失業人員總數。這與BLS對失業者的定義（積極尋找工作的人）以及超過99%的失業者在積極尋找工作的調查結果是一致的。

Ø對就業人群中積極尋找工作的人數E_s的估計：第一種方法是參考以往文獻的方法（Fallick and Fleischman，2004；Moscarini and Postel-Vinay，2022），使用CPS數據測量職位轉換率（employment-to-employment （EE） transition rate），然后用來自就業人群的雇傭數/EE估算。另一種估計方法是使用消費者期望調查（SCE）數據，利用這些數據，Faberman et al.（2022）證明，就業人群中只有一小部分（22%）在積極尋找工作，但他們尋找新工作方面的效率比失業者高得多。因此，可以用“（1-78%）*總就業人數”來表示。將使用上述兩種方法估計的進行比較，可以發現兩種估計方法的結果差別不大。雖然第二種方法不那么精確，但由于缺少分部門的EE數據，該論文使用第二種方法來研究分部門數據。

（四）結論

該論文對彈性參數的估計值分別為α=0.3，β=0.9。該論文還估計了分行業的彈性參數：1）制造業和建筑（α=0.6，β=0.9）；2）商業服務和零售貿易（α=0.45，β=0.8）；3）教育、健康和休閑服務（α=0.3，β=0.65）。利用估計的參數，將美國職位空缺總數V分為針對失業人群的職位空缺數以及針對就業人群的職位空缺數，如下圖所示。

從下圖可以觀察到兩個重要結果：首先，大約自2015年以來，針對就業人群的空缺職位V_e占比顯著增加，表明貝弗里奇曲線向上移動的原因是由于V_e的急劇增加。其次，盡管2015年以前這兩種類型的職位空缺數的周期波動很相似——衰退期間均有所下降，繁榮時期均有所恢復，但在最近的衰退期中二者表現卻有顯著不同：2020年V_e有所下降，隨后迅速恢復；而針對失業人群的空缺職位V_u在衰退期間卻有所上升。

為了理解上述觀察結果，需要觀察調整后的貝弗里奇曲線?；叵胍幌?，只有為失業者設計的空缺職位與失業人群有關，會導致就業人數增加。因此，適當的貝弗里奇曲線關系應該只考慮針對失業人群的空缺職位，而忽視針對就業人群的空缺職位。下圖顯示了整個經濟和3個部門的經典貝弗里奇曲線及調整后貝弗里奇曲線。

疫情前幾個月，需求由于廣泛的社交隔離政策有所下降，增加了失業，減少了“挖角”。接下來的幾個月里，“口罩令”和保持距離的限制政策導致了“離職沖擊”——裁員數超過了與需求下降相匹配的人數（臨時裁員很多），因此針對失業人群的空缺職位增加，很多人很快恢復就業。針對失業人員的雇傭數激增結束后，財政刺激和貨幣寬松帶來對商品的強勁需求，過剩的需求促使企業擴張，但從失業人群中招聘難以滿足這種對工人的過剩需求。供應鏈瓶頸疊加對商品的過度需求導致通脹飆升，而對工人的過度需求導致了“撬墻角”行為增加，從而推高了工資。

從上述過程中可以總結兩個經驗：首先，疫情后調整后貝弗里奇曲線（針對失業人群的空缺職位數與失業人數）并未發生改變，在總體層面和分部門層面上均是如此。其次，經典貝弗里奇曲線的異常是由于2015年之后針對就業人群的空缺職位占比大幅提升，但是目前尚不清楚這種轉變的原因。因此，研究有關職位空缺的微觀數據，并揭示不同類型的職位空缺發生變化的原因，是未來可以繼續深入研究的地方。

（五）政策影響

該論文的研究結果對于政策的制定意義非凡，特別是關于貨幣政策對失業的影響。正如Figura和Waller（2022）所指出的，更陡峭的貝弗里奇曲線可能意味著貨幣政策緊縮導致職位空缺率大幅下降的同時，失業率僅溫和上升。

該論文將“貝弗里奇曲線之謎”歸因于意在“撬墻角”的職位空缺數在總職位空缺數中的比例大幅提升。比較2000s中期和2020s中期的情況：2000-2010年，兩種類型的職位空缺幾乎相等；而2020s大多數職位空缺都是針對就業人群的。因此， 在2020s，總體職位空缺數的下降可能很大部分源于意在“撬墻角”的空缺職位的下降，而不會影響失業。 換言之，該論文的研究結果表明，勞動力需求放緩對失業的影響可能已經有所減弱，當下的貨幣緊縮可能導致職位空缺率大幅下降而失業率僅溫和上升，這與“軟著陸”的概念相一致。

然而需要注意的是，政策影響還取決于針對就業人群的職位空缺占比增長的原因究竟是什么，針對企業招聘模式轉變的不同解釋將導致不同的政策影響。

一個可能的解釋是發布空缺職位的技術有顯著改進。在這種情況下，針對就業人群的空缺職位對總需求的敏感性有所增加，因此收緊貨幣政策可能導致該類空缺職位下降更多（相對于針對失業人群的空缺職位），而對為失業人員設計的空缺職位影響不大，從而導致失業率只會小幅增加。

另一個可能的解釋是由于調查誤差減少。根據Davis等人（2013年）的數據，截至2011年，42%的招聘發生在沒有任何職位空缺的企業。如果這些企業逐漸改善對之前沒有報告過的職位空缺的報告方法，貝弗里奇曲線整體就會向右移動，但斜率不變，因此貨幣政策緊縮不僅會導致職位空缺率下降，還會導致失業率按一定比例（與以前相同的比例，因為斜率沒變）增加。

三、重新審視美國火爆的勞動力市場[5]

（一）引言

數據來源：美國勞工統計局（BLS）公布的JOLTS月度報告數據。

研究問題：美國勞動力市場的緊張程度（或者說活動強度），即希望雇傭大量工人的公司能夠在多大程度上擴大（表明就業市場hot）或者無法擴大（表明就業市場tight）雇傭數。

新增兩個考察指標：該論文認為在考察勞動力市場緊張程度時，有兩個指標值得考慮，即職位空缺數/總雇傭數（V/Hires，下文簡稱V/H）和職位空缺數/凈雇傭數（V/Net Hires，下文簡稱V/NH）。

主要發現：1）大多數行業都處于“高需求”（high need）狀態：2020年4月，v/h創歷史新高，幾乎每個行業的v/h均維持在高位。2）與雇傭數相比，職位空缺數的變化幅度更大。3）職位空缺數/凈雇傭數的變化反映了相較于疫情前，疫情后對于每個空缺職位，就業人數（payroll）增幅更大（表示雇傭數上升更多）。結論：當下非常的高的職位空缺率表明企業希望擴大payroll，而且總體上就業市場可以滿足公司的招聘需求，雖然企業需要付出額外努力，但這種付出與它們招聘需求的擴張是成比例的。

當下企業高企的招聘需求很大一部分是由失業人口以外的人群滿足的，后續就業市場的調整可能導致這部分人的就業機會下降，而不是導致失業率大幅上升。上述分析表明，高企的v/u高估了企業招聘員工的難度，即勞動力市場的緊張程度?？偣蛡驍抵泻艽笠徊糠謥碜杂诜莿趧尤丝冢ㄖ覆粚儆谑I人口和積極找工作的人）。不可否認的是，雇傭速率（the pace of hiring）很高、不可持續，而且正在推升工資和通脹。然而，考慮當下企業可以通過從比失業人口更大的“池子（pool）”（包括有工作的以及不屬于勞動人口的人）中招聘員工以滿足需求，那么或許當就業市場回歸到一個更可持續的狀況時（指招聘速度下降），就業人口的大部分調整會來自于失業人口以外的人群（指上述pool），從而導致有工作的以及不屬于勞動人口的人的就業機會下降，而不是導致失業率大幅上升。

1、當下常見的就業市場指標反映了什么？

當下勞動力市場非?！盎鸨保╤ot）。一方面，2021年1月以來，職位空缺率v（職位空缺數/就業人數）始終處于有數據記錄以來的高位。另一方面，2021年1月以來，每月新增就業人數保持在25萬人以上。雖然人口增長和疫情后勞動參與率的變化使得將當下每月新增就業人數與歷史數據作對比有些復雜（因為人口增長本身就會使得新增就業升高，而上世紀90年代以來勞動參與率的下降抑制了新增就業的增長，詳見圖表9），但是每月新增就業持續保持在如此高位仍可以說明就業市場十分“火爆”（hot）。

因此引出一個相關問題：勞動力市場究竟有多緊張（tight），或者說：當下勞動力市場較均衡水平（可持續水平）究竟超出了多少？

一方面，從某些指標看，勞動力市場非常緊張：

Ø所有行業的企業均報告稱難以招到工人（Barnes et al. 2022）。

ØV/U升至創紀錄高位。2022年8月，非農職位空缺數1000萬，失業人口600萬，V/U（三個月移動平均）超過1.8，遠高于2019年的1.2（本身相較于2017年及以前就有所提升），僅比2022年3月的創紀錄高點2略低一些。

Ø勞動參與率低迷。2020年初以來，勞動力需求相對于供給快速增長，導致勞動力市場趨緊（Barnes et al. 2022）。盡管疫情后就業崗位的復蘇相對較快，但是勞動參與率仍然低迷，尤其是在老年人中，可能是因為疫情導致他們更早退休。

Ø疫情相關因素（發病、死亡、提前退休和移民）導致勞動力數量減少。

Ø主動離職率（The quits rate）仍然很高，幾乎所用行業的quits rate都處于甚至高于疫情前最高水平。

另一方面，從另一些指標看，勞動力市場更多是hot而非tight：

Ø名義工資的增長不及通脹，表明企業不需要增加實際工資來吸引工人。由于企業表現強勁，2022年Q2企業利潤占國民收入的14%，接近歷史最高水平，而薪酬所占份額大致持平于疫情前水平。

Ø職位空缺數/總雇傭數雖然有所提升，但沒有職位空缺數/失業數升高得那么顯著。2022年6-8月，V/H平均為1.7，高于2019年的1.2，V/H的升幅低于V/U的升幅（升幅為1.8-1.2=0.6）。

Ø許多空缺職位都是被那些報告他們完全脫離勞動力市場的人填補的（Ahn and Hamilton 2019）。2021年至今，大約3%的就業人口增長（flow into employment）來自于勞動人口外的人群，是1990年有數據記錄以來的最高值。2017-2019年，勞動人口外的人群平均貢獻了就業增長的2.9%；1990-2016年，平均約為2.6%。

2、JOLTS衡量什么？

Ø職位空缺數：Job Opennings

在JOLTS中，職位空缺數被定義為每月最后一個工作日空缺職位的總數。空缺職位的定義有一定標準 ：1）具體職位和相關工作已經存在；2）工作可以在30天內開始；3）企業在積極地進行招聘，例如張貼招聘廣告。 需要注意的是 ，這個標準會計入一些長期空缺職位，只要雇主在積極進行招聘且工作可以在30天內開始。

Ø雇傭數：Hires

每月總雇傭數包括新雇傭和重新雇傭的員工，不論是長期、短期還是季節性雇員；裁員（正式停薪）超過7天后被召回工作的員工；待命員工（on-call employees）；當月內雇傭和離職的工人，以及從其他地點調動來的工人。不包括在一個機構內調動或晉升的工人以及罷工歸來的員工等。

Ø離職數：Separations

離職數是指一個月內有多少員工離開工資名單（payroll），包括自愿和非自愿離職。離職包括主動離職（quits）、解雇（firing）、免職（discharge）、退休（retirement）、轉移（transfers）、死亡（death）、殘疾（disability）、裁員（或者叫辭退，layoffs）。超過7天或者因合并、縮減規?；虻归]發生的Layoffs被視為Separations。

（二）V/U顯示勞動力市場非常緊張

當下，貝弗里奇曲線顯示勞動力市場非常緊張（tight）——v/u異常高，表明企業無法雇傭到足夠多的工人。貝弗里奇曲線展示了職位空缺率v（V/E）和失業率u之間的關系（如圖表10所示）。2021-22年，雇主發布的工作崗位（即職位空缺數）比失業人數多得多，表明企業在努力招聘比平時更多的工人。當下，貝弗里奇曲線顯示勞動力市場非常緊張（tight）——v/u異常高，表明企業無法雇傭到足夠多的工人。截至2022年8月，職位空缺率v（12個月移動平均值）比使用v與u歷史關系擬合預測的數值高出8個標準差。

當下學者對于失業率需要上升多少才能使職位空缺率下降有不同觀點。一些人認為，失業率需要大幅上升才能使職位空缺率下降（Ball et al. 2022； Blanchard et al. 2022）；而另一些人則認為，職位空缺率和失業率關系的急劇變化可能夸大了使勞動力市場回到可持續水平時（更均衡的水平）失業率需要上升的幅度（Figura and Waller 2022）。

（三）V/H透露出什么信息？

職位空缺數/總雇傭數（V/H）可以作為衡量勞動力市場是否緊張的另一個指標。V/H反映了公司在30天內招聘員工填補職位的困難程度。當V/H＞1時，即職位空缺率＞雇傭率時，就業市場被定義為“高需求”high need（Mueller和Wohlford n.d.）。

考察2001年1月-2022年8月V/H的變化，有如下發現：

其一，近年來所有行業的v/h均超過了1，疫情以來創歷史新高。圖表11展示了2001年1月-2022年8月不同行業v/h的變化情況。2014年，只有6個行業的職位空缺數大于總雇傭數，彼時美國勞工統計局（BLS）稱那些行業為“historically unusual”（Oslund 2016）。近些年來，每個行業的v/h都逐漸升破1。2020年以來，所有私營企業的v/h都遠高于歷史水平，2022年8月，v/h較2019年均值高出了30%以上。

其二，不同行業的v/h差異仍然很大。一些行業，如醫療保健和社會援助，已經成為高需求（high need）行業；另一些行業，如建筑行業和零售行業的v/h通常都低于1，表明部分招聘是在沒有正式的職位空缺（被JOLTS記為職位空缺數）時發生的；還有一些行業更具有周期性，受到了最近的周期波動的強烈影響，例如，休閑和酒店行業的v/h較2019年平均水平高出40%以上。

其三，歷史經驗表明，當企業增加總雇傭數時，職位空缺數通常會不成比例地上升（△V/△H＞1）。換句話說，當總雇傭數H增加100萬時，職位空缺數V的增長通常超過100萬。

對于v和h，可以提出一個類似于貝弗里奇曲線的問題：職位空缺率v下降到更可持續的水平是否意味著總雇傭率h要比疫情前低得多？

自2020年底以來，職位空缺數V和雇傭數H都顯著增加，且V高于H，表明就業市場很火爆（hot），但需要注意的是，快速升高的V/H可能并沒有反映出就業市場很緊張（tight）。因為歷史經驗表明當企業想要非常高的雇傭率h時，V/H的快速升高是必然的。換句話說，盡管目前的職位空缺數V非常高，但當下圖表12中的散點仍然接近（略高于）疫情前的線性趨勢線（灰色線）。

職位空缺率與雇傭率的關系表明，為了實現更可持續的職位空缺率v（即v下降），勞動力市場面臨更少的擾動（即v下降，h不會下降太多）。截至去年8月，職位空缺率v（12個月移動平均）相較于按照v與h歷史關系擬合計算出的水平高出3.6個標準差，比貝弗里奇曲線暗示的偏離水平更?。ㄈ缜拔乃?，按貝弗里奇曲線中v與u的歷史關系計算，去年8月v實際值比擬合值高出8個標準差）。具體而言：

Ø圖表10的貝弗里奇曲線表明，若職位空缺率v恢復到2019年的平均水平4.7%，失業率u應該上升到8-10%（按照2007.12-2020.02期間v與u的擬合關系推算）。從這個角度講，當下勞動力市場非常緊張，以至于想要就業市場恢復正常需要失業率增長1倍以上。

Ø圖表13中v與h的關系則表明：若v恢復到2019年的平均水平4.7%，對應總雇傭率h應該下降到4%左右（按照2007.12-2020.02期間v與h的擬合關系推算），與2014-15年的總雇傭率水平一致，表示使v下降對就業市場的破壞性遠低于失業率上升到8-10%的情況。

為什么用v/h而不是v/u？2021年以來，對于就業市場的動態變化，v/h比v/u更有解釋力。在2007-2020年的經濟周期中，v/u和v/h對工資上漲和價格增長均有解釋力，但是在預測2021年以來的工資增長方面，v/h比v/u效果更好。由于疫情初期失業率u急劇上升，v/u下降，預示2021年大部分時間的工資增長將相當疲軟，工資增速到2022年中才能恢復到疫情前的水平（然后繼續上升）。相比之下，隨著企業快速擴大招聘，雇傭率h的快速恢復使得v/h預示了工資的強勁增長（v/h更快恢復至疫情前且后續超出疫情前水平），v/h的增長可以解釋2021Q1-2022Q2期間工資增長2.5個百分點（用勞動力成本指數ECI衡量）中的0.4個百分點。

筆者注[6]：從數據看，v/h大概于2020年12月恢復至疫情前水平1.15左右；v/u差不多2021年7月恢復至疫情前水平1.27左右；而ECI同比于2020年Q3見底，2021Q2就已經超過疫情前水平。

（四）就業流失（Job Churn）如何影響勞動力市場？

職位空缺率和雇傭率的上升部分源自于勞動力的高流動率（turnover），表明高于正常水平的就業填補（jobs being filled）不屬于長期匹配的均衡水平（即不可持續）。一個工作崗位現在招到了人并不意味著這個崗位永遠都能招到人來做。一方面，疫情后主動離職率[7]（quits rate，下文簡稱q）大幅升高。另一方面，隨著不同行業勞動力需求的相對變化，雇主試圖提高工資以吸引工人們換工作（到自己的行業來），勞動力似乎正在不同工作間“循環”流動（Barnes et al. 2022）。

主動離職率q的上升可能也與部分非周期性因素有關，比如企業招聘更多轉向“挖角”而不是從失業人員中新雇傭員工，這種轉變可能削弱了職位空缺V與失業U的關系。2010年-2020年初，主動離職率q一直在上升，對應著這段時間失業率的下降。然而，一些研究人員注意到，主動離職率q的上升可能也與部分非周期性因素有關。最近的一篇論文根據公司招聘的目標人群將其招聘分為兩類——失業者和目前受雇于競爭對手公司的人（Cheremukhin and Restrepo-Echavarria 2022）。他們發現，2015年以來，企業招聘明顯開始向“挖角”轉變，這可能一定程度上導致了這一時期q的上升。他們認為，這種轉變削弱了職位空缺V與失業U之間的關系。 能論證主動離職率q非周期性升高的一個證據是： 疫情前主動離職率q（12個月移動平均）的峰值比金融危機前高出了5%左右。2021年，主動離職率q急劇上升，遠高于基于q與失業率u的歷史關系預期的水平；近幾個月，大多數行業的q一直在下降，但仍然處于較高水平，可能部分是由于Cheremukhin 和Restrepo-Echavarria提出的原因，因此部分研究認為當下職位空缺率v和失業率u之間的相關關系確實有所減弱。換句話說，貨幣政策緊縮導致的職位空缺V下降可能導致“挖角”在一定程度上有所下降（使q下降），而不是導致失業率u大幅增長，這增加了就業市場軟著陸的可能性。

此外，除了主動離職（quit）產生的勞動力流失外，其他離職（other separations）[8]也有所增加，主要原因是退休和工人偏好的變化。許多“其他離職”發生在2021年夏季和秋季。其他離職包括：退休、轉移到其他地區（location）、死亡、殘疾等。雖然JOLTS報告中沒有區分上述因素導致的離職各自有多少，但其他研究人員使用分析公司Lightcast的高頻數據發現，退休和工人偏好的變化是導致就業人員流失（churn）的主要因素（Forsythe et al. 2022）。

（五）企業在擴大就業人數（payroll）嗎？

從歷史上看，主動離職率q的下降對雇主有利：員工留存率（retention）更高，同時還能通過“更少的招聘（hire）+更低的員工流失（churn）”來擴大員工隊伍。考慮到公司肯定會因為預期到一定的主動離職率q而保持一些職位空缺V（特別是那些職位總是空缺的公司），因此，即使職位空缺V保持不變，更少的離職S也可能意味著需要更少的雇傭數H。引入一個新指標——“凈雇傭”net hires（總雇傭數H-離職數S）來量化職位空缺V和就業人數（payrolls）之間的關系。自2001年以來，凈雇傭往往是正值，但比總雇傭H更接近零，表明在大多數情況下，雇傭員工在很大程度上取代了離職的員工（而不是從失業人員中新雇傭員工）。

職位空缺與凈雇傭的關系表明，現在的勞動力市場與過去沒有明顯不同。2021年，職位空缺和凈雇傭之間的關系發生了巨大變化，特別是在服務行業，休閑酒店業的凈雇傭NH相對于職位空缺V格外強勁。 2022年，盡管職位空缺和凈雇傭的水平均顯著提高，但各行業職位空缺/凈雇傭（V/NH）普遍恢復到疫情前水平。 值得注意的是，一些行業的V/NH繼續處于歷史低位。例如，2019年休閑酒店業的V/NH約為35，但2022年，這個比率降至17。這說明，職位空缺V處于高位很大程度上是由于公司有意擴大就業人數payrolls（即企業增加了招聘廣告）。某種程度上，這可以緩解人們對就業市場的一個擔憂——高水平的職位空缺V表明公司將崗位與員工匹配的能力（即企業招到合適員工的能力）會崩潰。

然而，這種方法在理解通貨膨脹動態方面用處不大，因為職位空缺率/凈雇傭率的變化對通脹變動的解釋力有限。使用職位空缺率/凈雇傭率（v/nh）的模型來解釋工資和價格增長，結果表明雖然v/nh只能解釋通脹變化的較小部分（即解釋力有限）。原因在于：導致凈雇傭數產生變動的原因有很多，包括裁員下降、主動離職quits減少、總雇傭H更多等。因此，凈雇傭NH雖然值得進一步研究，但它是一個復雜的衡量指標，不過凈雇傭NH可以幫助理解整個經濟周期內的勞動力市場動態的變化。

（六）結論

厘清就業市場究竟是“very hot”、“very tight”還是“very hot+ moderately tight”重要嗎？目前美聯儲的雙重使命似乎只關注了通脹方面，但是不管是什么因素（包括勞動力市場的緊張、對商品和住房偏好的轉變、與疫情有關的供給端限制等）導致了通脹激增，美聯儲抑制通脹的主要政策工具都將使勞動力市場既不那么火熱（less hot），也不那么緊張（less tight）。然而，“勞動力市場究竟發生了多大程度的變化”以及“未來幾年的勞動力市場看起來是否會與以前有所不同”都很重要。如果勞動力市場目前非常緊張（tight） ，失業率可能就需要大幅上升才能使就業市場達到一個可持續的水平（指不會給通脹帶來壓力的水平）； 如果降通脹需要勞動力市場疲軟（slack） ，那么也許失業率還需要進一步上升；但是， 如果勞動力市場非?；馃幔╤ot） 但不是很緊張（tight） ，也許失業率只需要適度上升就能使就業市場達到一個與穩定的低通脹保持一致的可持續水平。

疫情后就業可能持續低于疫情前趨勢。一方面，長期趨勢上，人口老齡化、更高的教育程度、殘疾保險的變化以及受教育程度較低的成年人勞動參與率的長期下降等結構性因素繼續抑制整體的勞動參與率（Aaronson et al. 2014）。另一方面，近期趨勢上，一則，在一些群體中，如55歲以上的群體，就業參與率仍然低于按疫情前趨勢的預測值。二則，與疫情前趨勢相比，積壓的移民（申請）、疫情導致的超額死亡（超過疫情前死亡人數趨勢的部分）和殘疾正在抑制勞動力供應。上述論證勞動力供應水平持續下降的證據表明，疫情后的就業可能將（永遠）低于疫情前趨勢。

但從職位空缺數/總雇傭數、職位空缺數/凈雇傭數以及最近對職位空缺數/失業數（即貝弗里奇曲線，Figura and Waller 2022）的研究來看，最近雇主為其崗位招到合適工人的能力相較于疫情期可能并沒有發生太大改變。Hall和Kudlyak（2022）的研究闡釋了2020年以來求職率f（job finding rate，指失業人口中找到工作的人所占比例）顯著提高，他們將失業人口區分為臨時失業者（因臨時裁員而失業，往往很快被雇主重新雇傭）和長期失業者，研究發現2020年11月-2021年長期失業者的失業率下降速度“是歷史水平的三倍”，求職率接近2015-16年的相對健康的水平。數據顯示，短期內隨著勞動力市場降溫，職位空缺數V的下降速度將快于總雇傭數H。2022年3月（職位空缺數觸頂）至8月，職位空缺數累計下降了180萬，降幅16%，而同期總雇傭人數僅下降約40萬，降幅約6%。 在政策制定者試圖對抗通脹同時盡量減少對工人的損害時，主動離職率q、職位空缺/總雇傭（v/h）和職位空缺/凈雇傭（v/nh）都是值得追蹤的指標。美聯儲有希望通過讓勞動力市場回到可持續的水平同時不會造成明顯的疲軟來緩解通脹。

關鍵詞：