NAIRU与自然失业率：估计值究竟意味着什么？

NAIRU是“非加速通胀失业率”的英文缩写。经济学家用它作为参考水平，分析劳动力市场可能带来的通胀压力，同时假定通胀预期、成本冲击等其他条件保持不变。如果实际失业率低于模型估计的参考水平，工资或价格可能面临一些上行压力；但NAIRU不是一旦越过就会立即推高通胀的开关。

自然失业率与NAIRU相关，但不同研究未必把两者定义得完全相同。CBO在2007年发表的一篇工作论文将自然失业率描述为除商业周期中的总需求波动之外、由其他来源形成的失业。这是该年份研究论文中的分析框架，不代表CBO当前采用的普遍估计值。在理论讨论中，自然失业率可以指通胀趋向长期预期水平时对应的失业率；NAIRU的原始定义则强调通胀没有上升或下降趋势时的失业率。实际应用中两词常被互换，但不同模型和时间范围下不一定完全等同。{source:cboNaturalRate2007} {source:frbMishkinPotentialOutput2007}

U-3是通过调查观察并公布的失业率，在美国常被称为标题失业率。NAIRU不是某一个调查问题直接测出的数字，而是研究人员根据模型和多种数据推算出来的基准。阅读其他国家的劳动力数据时，应先核对当地官方失业率的定义，不能默认它与美国U-3的范围相同。

充分就业不等于零失业，也不意味着观测到的失业率必须等于某一个NAIRU估计值，更不代表存在适用于所有地方的统一百分比。劳动者可能正在换工作、转换职业或居住地、寻找合适岗位，或等待技能与职位要求相匹配。充分就业是劳动资源得到可持续利用的宽泛概念。

CBO在2023年的演示文稿中，将该机构采用的“非周期性失业率”操作性定义为除总需求波动以外所有来源造成的失业。在一些模型中，这个比率起到类似自然失业率或NAIRU的参考作用。但不同术语也提醒我们，不同机构的定义、估计方法和时间范围可能各不相同。{source:cboNoncyclicalRate2023}

“自然”不代表失业不可避免或这一比率永远不变；“非周期性”也不表示所有原因都是劳动者主动选择的结果。这些名称描述的是模型如何分类失业来源。阅读报告时，应弄清估计的是长期趋势、与通胀稳定相联系的水平，还是短期内不由总需求波动造成的部分。

本文采用的定义是：

失业缺口 = 观测到的失业率 − 估计的参考失业率

假设U-3为4.6%。如果参考失业率估计为4.2%，缺口就是4.6% − 4.2% = +0.4个百分点。此时观测值高于参考值。如果采用另一项估计，即5.0%，缺口则为4.6% − 5.0% = −0.4个百分点；观测值低于这一参考值。

同一个4.6%的观测值会因为参考估计不同而得到相反符号。百分点表示两个比率之差，不是某个比率的百分比变化。这里的数字完全是假设，并非美国或其他国家的当前数据。4.2%和5.0%这两个估计本身也不预测通胀会加速、放缓或保持不变。

劳动力与岗位的匹配取决于职位被创造和消失的速度、劳动者离职与换工作的频率、失业者找工作的时长，以及雇主填补职位空缺所需的时间。如果技能或地点不匹配，劳动者可能在寻找更合适工作期间失业。CBO的2007年工作论文还指出，除了这些因素，工作和劳动者的特征、匹配效率以及劳动年龄人口构成都与自然失业率有关。{source:cboNaturalRate2007}

例如，初入职场者、接近退休年龄者或劳动力参与情况不同的群体占比发生变化时，即使各群体自身的失业率没有同方向变化，总体比率也可能移动。技能、行业和招聘方式变化也会提高或降低匹配效率。因此，仅凭失业率上升或下降，无法判断经济周期的方向，也不能证明结构性错配在加剧或缓解。

由于参考水平无法直接观测，机构必须依靠模型。一些方法同时考察失业、通胀，以及劳动力市场与价格变化之间的关系；另一些方法把长期趋势与周期性波动分开，并考察不同年龄、性别或教育群体。没有单一数据序列可以揭示NAIRU背后的“真实”数值。

CBO在2023年的演示文稿介绍了该机构当时使用的方法：以2005年第四季度为锚点，当时估计的失业缺口接近零；之后将516个人口组在该季度的失业率作为基准，并随这些群体在劳动力中的占比变化重新计算加权平均值。CBO还介绍了另一种把趋势与周期分开、使用多个群体数据的方法，并表示仍在评估其用途。这个有明确时间背景的例子并不意味着所有机构都采用同一种NAIRU方法。{source:cboNoncyclicalRate2023}

新的观测、所用数据版本以及模型或定义的选择都可能改变估计。例如，新的观测显示失业率低于此前估计的参考水平，而通胀并未如预期加速时，研究人员可能下调自然失业率估计，或转而检验生产率、需求和预期等其他解释。因此，使用后续数据版本和方法重新估算的结果，可能不同于政策制定者当时实时掌握的估计。

美联储主席杰罗姆·鲍威尔谈到自然失业率估计的不确定性，并举例说明新证据如何推动分析人士下调对U-star的判断。他还指出，失业率相对于U-star的位置可能误导人们对劳动力市场状况或通胀风险的判断，因此政策决策会参考多项指标，而非单一基准数值。{source:fedPowellMonetaryPolicyChangingEconomy2018}

不确定性来自数据、模型和定义。比如，利用菲利普斯曲线推算NAIRU的模型，需要对通胀预期的形成方式和供给冲击作出假设。更换假设或观察区间都可能改变结果。Mishkin的研究强调，NAIRU的统计估计区间可能宽到足以限制单一数字对实时决策的帮助。{source:frbMishkinPotentialOutput2007}

先确认公布的比率是什么：美国U-3，还是其他国家的官方失业指标。然后核对参考估计来自哪个机构、采用什么方法和数据时期，以及它指的是自然失业率、NAIRU还是非周期性失业率。按明确的符号约定计算缺口，并避免把百分点误认为百分比。

再查看职位空缺、招聘、离职、工作时长和劳动力参与率等相关指标。这些数据有助于检验模型参考水平是否与劳动力市场的其他方面相符，但不能让原本不可观测的基准变成直接观测值。失业指标的范围可参阅U-3与U-6指南，职位空缺与失业的关系见Beveridge曲线指南，通胀背景则见菲利普斯曲线指南。单独一张图或一个缺口都不能决定政策方向。