NAIRU與自然失業率：估算值究竟代表甚麼？

NAIRU是「不會令通脹加速的失業率」的英文縮寫。經濟學家用它作為參考水平，分析勞動市場可能帶來的通脹壓力，同時假設通脹預期和成本衝擊等其他因素不變。如果實際失業率低於模型估算的參考水平，工資或價格或會承受一些上行壓力；但NAIRU不是一個跨過後便會立即推高通脹的開關。

自然失業率與NAIRU相關，但不同研究未必把兩者定義得完全相同。CBO於2007年發表的一份工作論文，把自然失業率描述為商業周期中的總需求波動以外、由其他來源形成的失業。這是當年研究文件的分析框架，並非CBO現時採用的普遍估算。理論上，自然失業率可以指通脹趨向長期預期水平時對應的失業率；NAIRU的原始定義則着重通脹沒有上升或下降趨勢時的失業率。實際應用中兩個詞常被互換，但不同模型和時間範圍下未必完全等同。{source:cboNaturalRate2007} {source:frbMishkinPotentialOutput2007}

U-3是透過調查觀察及公布的失業率，在美國常被稱為標題失業率。NAIRU則不是單一調查問題直接量度的數字，而是研究人員透過模型和多種資料推算出來的基準。閱讀其他地區的勞動數據時，應先核對當地官方失業率的定義，不能假設其範圍與美國U-3相同。

充分就業不等於零失業，也不代表觀察到的失業率必須等同某一項NAIRU估算，更不是放諸各地皆準的單一百分比。勞工可能正在轉工、轉行或搬遷，尋找合適職位，或等待技能與職位要求相配。充分就業是勞動資源可持續運用的廣義概念。

CBO在2023年的簡報中，將該機構採用的「非周期性失業率」操作性定義為總需求波動以外所有來源造成的失業。在某些模型中，這個比率發揮近似自然失業率或NAIRU的參考作用。不過，不同名稱也提醒讀者，機構各自的定義、估算方法和時間範圍可能不同。{source:cboNoncyclicalRate2023}

「自然」不代表失業是無可避免，亦不代表這個比率永遠不變；「非周期性」也不表示所有原因都是勞工自行選擇。這些詞描述模型如何分類失業來源。閱讀報告時，應確認估算的是長期趨勢、與通脹穩定相連的水平，還是短期內不由總需求波動造成的部分。

本文採用以下定義：

失業差距 = 觀察到的失業率 − 估算的參考失業率

假設U-3為4.6%。如果參考失業率估算為4.2%，差距就是4.6% − 4.2% = +0.4個百分點。在這種情況下，觀察值高於參考值。如果採用另一項估算，即5.0%，差距則為4.6% − 5.0% = −0.4個百分點；觀察值便低於這個參考值。

同一個4.6%的觀察值，會因參考估算不同而得出相反符號。百分點代表兩個比率的差額，不是某個比率的百分比變化。這是純假設例子，並非美國或其他地區的最新數據；4.2%和5.0%這兩項估算本身也不會預測通脹將加速、放慢或保持不變。

人與職位的配對，取決於職位創造和消失的速度、勞工離職及轉工的頻率、失業者找工作的時間，以及僱主填補職位空缺所需的時間。如果技能或地點不合，勞工可能在尋找更合適的工作期間失業。CBO於2007年發表的工作論文亦指出，除了這些因素，工作和勞工的特點、配對效率，以及勞動人口的組成，也與自然失業率有關。{source:cboNaturalRate2007}

例如，初入職場人士、接近退休人士或勞動參與情況不同的群體所佔比例改變時，即使各群體自身的失業率沒有同方向變化，整體比率也可能移動。技能、行業和招聘方式的改變，也可能令配對更有效或較沒效率。因此，單憑失業率升跌，不能判斷經濟周期方向，也不能證明結構性錯配正在加深或減輕。

由於參考水平不能直接觀察，機構必須使用模型。一些方法同時考察失業、通脹，以及勞動市場與價格變化之間的關係；另一些方法把長期趨勢和周期波動分開，並考察不同年齡、性別或教育程度的群體。沒有單一數據序列能揭示NAIRU背後的「真實」數值。

CBO在2023年的簡報介紹了該機構當時使用的方法：以2005年第四季作為錨點，當時估算的失業差距接近零；其後固定516個人口組別在該季的失業率，並隨各組別在勞動人口中的比例變化重新計算加權平均數。CBO亦介紹另一種把趨勢和周期分開、運用多個人口組別資料的方法，並表示仍在評估其用途。這個有明確時間背景的例子不代表所有機構都採用同一種NAIRU方法。{source:cboNoncyclicalRate2023}

新觀察、所用資料版本，以及模型或定義的選擇都可能令估算改變。例如，新觀察顯示失業率低於先前估算的參考水平，而通脹沒有如預期加速，研究人員便可能調低自然失業率估算，或考慮生產力、需求和預期等其他解釋。因此，使用後來的資料版本和方法重新估算，結果可能不同於決策者當時即時掌握的估算。

聯儲局主席鮑威爾談到自然失業率估算的不確定性，並說明新證據如何令分析人士改變對U-star的看法。他亦指出，失業率相對於U-star的位置可能誤導人們判斷勞動市場狀況或通脹風險，所以制定政策時會參考多項指標，而非單一基準數值。{source:fedPowellMonetaryPolicyChangingEconomy2018}

不確定性可來自數據、模型和定義。例如，透過菲臘斯曲線推算NAIRU的模型，必須對通脹預期如何形成、供應衝擊有何影響作出假設。更改假設或觀察時段都可能令結果不同。Mishkin的研究指出，NAIRU估算的統計不確定性可以相當大，足以限制單一數字在即時判斷上的用途。{source:frbMishkinPotentialOutput2007}

先確認公布的比率是甚麼：美國U-3，還是其他地區的官方失業指標。然後核對參考估算來自哪個機構、採用甚麼方法和數據時期，以及它指的是自然失業率、NAIRU還是非周期性失業率。按清楚列明的正負號約定計算差距，並避免把百分點和百分比混為一談。

接着查看職位空缺、招聘、離職、工時和勞動參與率等相關數據。它們有助檢查模型基準是否與勞動市場其他方面吻合，但不會令原本不能觀察的水平變成可直接量度。失業指標的範圍可參閱U-3與U-6指南；職位空缺與失業的關係見Beveridge曲線指南；通脹背景則可看菲臘斯曲線指南。單一圖表或差距不能獨自決定政策方向。