為什麼重要
每當你在一篇市場文章或投資人報告中看到「Columbus都會區失業率3.4%」,這個數字來自LAUS。它是BLS負責在國家層級以下產生失業率的專案——涵蓋全美每一州、每一個都會區、每一個縣。LAUS資料按月度發布,滯後約3週(上月資料在下月20日前後發布),涵蓋勞動力、就業與失業三項數字。兩件事要記住:LAUS在都會層級未經季節調整,所以逐月對比是誤導性的;請用年對比。以及,其方法學是把Current Population Survey資料接入一個計量經濟模型,而非對每個都會區做直接調查。
速覽
- 它是什麼: BLS發布州、都會與縣級月度失業率的專案。
- 為何重要: 不動產分析裡每一個都會級失業數字都來自LAUS。它是免費、聯邦、權威的來源。
- 如何運用: 用YoY的失業變動(別用MoM——都會資料未季調)評估市場勞動力健康。與全國率對比找出表現好與表現差的都會區。
- 發布時滯: 約3週——上月資料在月中發布。
- 季節調整: 全國LAUS做SA;都會LAUS為NSA。比較次州層級資料時用YoY或滾動均值交叉驗證。
運作原理
LAUS實際產出什麼。 LAUS是勞工統計局負責為每一州、都會區(CBSA)與縣計算失業、就業與勞動力人數的專案。按月度發布——通常每月20日前後發布上月資料,4月資料在5月中發布。對每一個地理單元,LAUS報告三個數字:勞動力規模(工作或正在積極找工作的人數)、就業人數、失業人數。失業率 = 失業 ÷ 勞動力。方法學概覽見Wikipedia的BLS頁面。不動產分析中引用的任何都會級失業數字——無論來自銀行研究團隊、期刊文章或都會區分析頁——最終都來自LAUS。
數字是怎麼出來的。 LAUS不是對每個都會區與縣做直接調查。對3,000多個縣做月度直接調查在成本上不可行。BLS把三類來源合起來:Current Population Survey(CPS,全國性家戶調查)、各州的Current Employment Statistics(CES)薪資單資料、失業保險申請的行政資料。這些輸入流入一個時間序列計量經濟模型,用來估算縣與都會級失業。模型被調整為:把所有州加總,總數要與全國CPS數字對得上。BLS對估算過程是透明的——底層方法學是公開的,年度修訂會以其他專案的基準資料做校準。但對投資人的實際要點:LAUS月度數字是模型估算,不是直接計數,隨著新資訊到來會被修訂。
季節調整——國家級 vs 次州層級。 LAUS的國家級資料做過季節調整(SA)——發布的數字把夏季零售招聘、假期倉儲高峰等可預測的季節模式剝除掉。次州層級LAUS資料(都會、縣、州)預設不做季節調整。原因:縣級訊噪比太低,標準SA方法學無法可靠運作;調整反而會引入比消除的更多偽影。實際後果:在都會層級把11月與12月失業相比,會把假期零售招聘讀成「失業下降」,但基本的勞動力市場並沒有改變。都會層級請用年對比,或滾動12個月均值。FRED發布州層級LAUS的SA與NSA兩版;對CBSA和縣通常只有NSA。
LAUS出現在不動產分析中的位置。 每一個嚴謹的都會級勞動力市場分析都用LAUS。都會區頁面會抓LAUS月度失業與就業成長對比。BEA地區個人所得與LAUS是都會經濟健康中勞動力市場的兩大支柱。工資成長資料來自BLS的姐妹專案(QCEW或OES),但失業率始終來自LAUS。FRED分發全部LAUS序列,縣級按FIPS索引,都會按CBSA索引。對核保而言,LAUS回答兩個問題:「這個都會區勞動力市場比全國更緊還是更鬆?」(都會失業 vs 全國失業)、「趨勢在改善還是惡化?」(都會失業的YoY變化 vs 全國的YoY變化)。
實戰案例
陳建志(Chen Chien-Chih)在買進前比較兩個都會區的LAUS。
陳建志在Cleveland與Columbus之間選擇下一筆出租屋。他把兩地的LAUS月度失業率與全國率擺在一起:
- Cleveland MSA(CBSA 17460): 2026年2月失業率 = 4.6%,YoY升高0.3個百分點
- Columbus MSA(CBSA 18140): 2026年2月失業率 = 3.1%,YoY持平
- 全國: 4.0%,YoY升高0.1個百分點
Columbus比全國更緊且穩定;Cleveland比全國更鬆且在軟化。兩者都在正常範圍內,但趨勢上的背離值得關注。他查看兩地前3個月的LAUS——Cleveland已經連續6個月月度走高;Columbus始終維持在3.0-3.2%之間。
他知道都會層級數字未經季調,所以不會把逐月波動當作訊號。但Cleveland持續6個月的走高是足夠真實的值得警惕。他把搜尋範圍縮到Columbus。
若沒有LAUS,他只能依靠新聞標題或商業研究——而那些研究最終的數字還是來自LAUS。直接從BLS(或經FRED)取數,讓他拿到資料而不經中間者的主觀加工。
優劣分析
- 免費、聯邦、月度——次國家失業資料的權威來源
- 涵蓋每一州、每一個都會區(CBSA)、每一個縣——一份資料應對任何地理粒度
- 方法學公開、修訂也公開,可稽核
- 透過FRED與其他聯邦入口分發,自動化取數很直接
- 60多年的歷史資料,支援結構性分析
- 都會層級資料未經季調——需要用YoY而非MoM
- 發布時滯約3週,月度資料對即時決策是回顧性的
- 小都會區的CPS樣本稀薄,模型估算可能較嘈雜
- 年度基準修訂可能把過去月份的報告數字挪動0.2-0.5個百分點
- 只看失業率無法反映勞動力參與率——某都會區可能「失業率低」僅僅因為人們放棄找工作
注意事項
- 都會LAUS不要逐月不加調整對比: 都會資料為NSA。12月 vs 11月會把假期零售招聘讀成表象上的失業變化。請用YoY。
- 留意基準修訂: 每年1月BLS把上一年LAUS資料對年度基準做修訂。一個看起來「穩定在3.5%」的都會區可能被修訂為「從3.3%漂到3.7%」。發布分析前先抓最新資料。
- 勞動力參與率很重要: 都會區失業率下降可能是因為人們放棄求職——而不是招聘加速。永遠把參與率與失業率並列查看才算完整讀數。
- 小都會區有更寬的信賴區間: LAUS方法學基於模型,小都會區CPS樣本稀疏。5萬人口都會區的3.5%失業率,其不確定性遠大於200萬人口都會區。
- LAUS ≠ CES: LAUS衡量失業(家戶本位)。Current Employment Statistics衡量薪資單就業數(機構本位)。兩者可能背離——某都會區可能CES顯示就業成長,而LAUS失業卻在上走,或反之。要獲得完整的勞動力市場圖像,兩者都要查。
投資者問答
一句話總結
LAUS是聯邦對「我這個都會區失業率是多少」的答案。它免費、月度、涵蓋全美每一個都會區與縣,是每位嚴謹不動產分析師使用的來源。兩條規則:都會資料用YoY對比(因NSA),並始終把失業率與勞動力參與率並列。BLS發布原始資料;FRED方便取數;任何商業平台報告「都會區失業率」時,最終引用的都是LAUS。