什麼是自然失業率？

核心描述

• 自然失業率是指經濟既不處於繁榮期也不處於衰退期時，勞動力市場的基準失業水平，反映正常的崗位流動與結構性變化。
• 自然失業率主要來自摩擦性失業（人們在不同工作之間轉換）和結構性失業（技能或地域不匹配），而非需求端週期性走弱。
• 投資者與政策制定者將自然失業率作為動態基準，用於判斷勞動力市場是否 “緊俏”、工資壓力大小，以及通脹是否可能加速的風險。

定義及背景

自然失業率（Natural Unemployment）是指一個經濟體在較長時期內能夠維持、且不會引發失衡的最低失業率。它不等同於 “人人都能立刻找到工作”，而是反映出現代勞動力市場中，崗位與勞動者持續重配的現實。

自然失業率包含什麼

自然失業率通常被理解為以下兩類失業之和：

• 摩擦性失業：由求職過程帶來的短期失業，例如主動離職、尋找更合適的工作、應屆畢業生進入勞動力市場、或因搬遷而換工作。即便經濟健康，仍會有不少勞動者在數週或數月內處於工作轉換期。
• 結構性失業：由供需錯配導致的較長期失業，即勞動者的技能、資質或所在地區與現有崗位需求不匹配。例如某地區製造業崗位減少，而新增崗位更多要求醫療護理、軟件或更高階的技術技能。

自然失業率不包含什麼

自然失業率不同於週期性失業。週期性失業在經濟衰退、總需求下降時上升。如果裁員激增源於銷售下滑、金融條件收緊或廣泛的經濟收縮，這類上升通常屬於週期性因素，而非自然失業率本身。

概念如何形成

自然失業率的討論源於二戰後宏觀經濟爭論：政府能否通過刺激需求，長期 “買來” 更低的失業率。經濟學家與央行觀察到，當失業率長期被壓低到某一基準以下，工資與價格可能出現加速上漲。隨後，這一討論進一步演化出與其密切相關的概念 NAIRU（non-accelerating inflation rate of unemployment，非加速通脹失業率），用於連接失業率與通脹動態。

一個實用結論是：自然失業率不是固定數值，也不是價值判斷，而是一種工作性估計，反映在既定人口結構、制度安排、技術水平以及勞動力與崗位匹配效率下，經濟體 “常態” 的失業水平。

計算方法及應用

自然失業率無法像公佈的失業率那樣被直接觀測，只能通過估算得到；並且隨着新數據出現或勞動力市場結構變化，估算值可能被調整。

自然失業率如何估算（高層概覽）

常見方法包括：

• 基於趨勢的統計濾波：將觀測到的失業率拆分為 “趨勢”（基準）與短期波動，趨勢部分常被視為自然失業率的近似。
• 菲利普斯曲線 / NAIRU 類模型：通過失業率、工資增長與通脹之間的關係，推斷與通脹穩定相一致的失業率水平。
• 匹配函數與貝弗裏奇曲線方法：利用失業與職位空缺數據推斷匹配效率。若在同等職位空缺率下失業率更高（匹配變差），可能意味着自然失業率上升。

由於各方法依賴不同假設，即便是權威機構，也可能對同一時期給出不同的自然失業率估計。

一個實用拆分框架（概念性，而非精確公式）

用通俗語言描述，分析中常見的表達是：

• 自然失業率 ≈ 摩擦性失業 + 結構性失業
• 週期性失業 = 觀測失業率 - 自然失業率（粗略）

這更多是宏觀討論中的框架。困難在於：在標準失業統計中，摩擦性與結構性並不會被直接標註，需要結合調查、職位空缺數據、失業持續時間分佈以及模型估算加以推斷。

投資者與機構如何使用自然失業率

自然失業率的價值在於幫助回答一個核心問題：勞動力市場是否緊到足以帶來持續的工資壓力與通脹風險，還是仍存在 “閒置”。

典型使用者與場景包括：

• 中央銀行：將實際失業率與估計的自然失業率對比，判斷勞動力市場緊俏程度與通脹壓力。
• 財政與預算部門：用於預測税收、失業救濟支出與潛在產出。
• 投資者與研究分析：解讀就業報告（失業率、參與率、工資、職位空缺），判斷工資增速可能降温還是持續。

與自然失業率搭配的關鍵勞動力指標

自然失業率幾乎不應單獨使用，常見交叉驗證指標包括：

• 勞動參與率：失業率下降可能看似更 “緊”，但若參與率同步下降，信號可能失真。
• 職位空缺數據（例如美國的 JOLTS）：職位空缺相對失業人數較高通常意味着更緊俏或錯配更突出。
• 離職率（quit rate）：離職率較高可能反映勞動者信心與更活躍的 “跳槽” 流動，即便在健康經濟中也會提升摩擦性流動。
• 工資增長指標：如果失業率低於估計的自然失業率且工資增長普遍加速，通脹壓力可能上升。

解讀就業報告的簡明流程

以自然失業率為參照，再依次提問：

1. 失業率低於、接近還是高於估計的自然失業率？
2. 勞動參與率在上升還是下降？
3. 職位空缺相對失業人數是偏高（更緊）還是在回落（降温）？
4. 工資增速是在加快、穩定還是放緩？

多指標聯合可以降低對單月數據過度反應的風險。

優勢分析及常見誤區

自然失業率與相關概念對比

下表總結了常被混淆的術語：

自然失業率與 NAIRU 往往數值接近，但在不同模型中並不完全等同。現實評論中兩者有時被交替使用，可能掩蓋差異。

使用自然失業率的優勢

• 把 “充分就業” 理解為區間：即便經濟強勁，也會因崗位流動與錯配存在一定失業。
• 區分需求問題與結構問題：有助於避免把所有失業上升都當作週期性問題。
• 提升通脹解讀能力：當失業率明顯低於估計的自然失業率，工資與價格壓力更可能積累。

侷限與風險點

• 模型依賴：自然失業率是估計值，不同模型結果可能不同，且修訂常見。
• 結構性突變：遷移、行業衝擊、新技術、遠程辦公等變化可能使自然失業率移動速度快於模型識別。
• 結構構成效應：人口結構與參與率變化可能改變觀測失業率，但不一定代表同等程度的 “緊俏”。

常見誤區（以及如何糾正）

誤區：自然失業率是固定不變的

事實：自然失業率會隨時間變化。人口結構、勞動力制度、教育水平、流動性與技術都會影響基準水平。匹配更高效（例如更好的招聘平台、更靈活的技能轉換）的市場可能擁有更低的自然失業率；錯配更持久的市場則可能上升。

誤區：自然失業率代表 “理想” 或 “應當如此”

事實：“自然” 不等於 “好”。它表示在沒有衰退的情況下仍會存在的失業部分。自然失業率中包含的結構性失業，可能反映可改善的問題，例如培訓缺口或遷移障礙。

誤區：失業率低於自然失業率一定是利好

事實：這可能伴隨較強增長，但也可能意味着經濟過熱。如果失業率持續低於估計的自然失業率且工資普遍加速，通脹風險可能上升，從而影響債券收益率、政策預期與貼現率。

誤區：失業率下降就意味着勞動力閒置減少

事實：失業率也可能因為勞動者退出勞動力市場而下降。因此分析時應結合參與率、工作時長與工資等指標。

實戰指南

自然失業率真正有用之處，在於把它轉化為可重複的宏觀與市場解讀流程，而不是把它當作單一的 “萬能數字”。

分步驟：把自然失業率作為投資者的基準

第 1 步：從 “估計區間” 出發，而非確定值

選用可信來源發佈的自然失業率或 NAIRU 類估計（例如央行或國際組織研究）。將其視為區間而非點值。

第 2 步：將實際失業率與基準對比

• 若實際失業率明顯高於估計的自然失業率，勞動力閒置可能偏高，存在週期性走弱跡象。
• 若實際失業率接近自然失業率，勞動力市場可能接近 “常態”。
• 若實際失業率明顯低於自然失業率，勞動力市場可能偏緊，工資壓力更可能持續。

第 3 步：用 “壓力指標” 做驗證

至少增加 2 個信號交叉驗證：

• 工資增長（更關注覆蓋面：是全局性還是局部行業驅動？）
• 職位空缺相對失業人數指標（緊俏 vs 降温）
• 離職率與跳槽流動（勞動者信心與摩擦性流動）
• 勞動參與率（勞動力供給回流 vs 退出）

第 4 步：將勞動力緊俏映射到宏觀敏感性

自然失業率在與通脹黏性與政策敏感性聯動時最具可操作性。勞動力市場偏緊可能提高以下情形的概率：

• 服務業通脹更黏（工資成本傳導）
• “利率更高更久” 的政策討論升温
• 對利率敏感的估值更易波動

這不是預測工具，而是幫助明確：當勞動力條件相對基準處於極端位置時，應該重點監測哪些變量。

案例：2020 年後美國勞動力市場的緊俏（基於數據的解讀）

本案例引用美國勞工統計局（BLS）的公開勞動力統計，以及如 JOLTS 等職位空缺數據，這些也在美聯儲溝通中被廣泛討論。

• 2020 年 4 月，美國失業率飆升至 14.7%（來源：BLS），顯著高於任何合理的自然失業率估計。該差距主要是週期性因素，由疫情衝擊與需求中斷驅動。
• 2021 年至 2022 年，失業率快速回落至 3% 左右的低位區間（來源：BLS；例如 2022 年部分時期約 3.5%）。許多宏觀討論中常引用的 NAIRU 或自然失業率估計高於這一水平，暗示勞動力市場偏緊。
• 同期職位空缺異常偏高（來源：BLS JOLTS），工資指標也顯示較強增長，強化了 “失業率不僅低，而且相對基準偏低” 的判斷。

自然失業率在這裏的作用：

• 把問題框定為 “缺口分析”：實際失業率 vs 基準。
• 促使結合職位空缺與工資進行交叉驗證，而非僅看失業率。
• 解釋為何通脹討論聚焦勞動力緊俏：若失業率低於估計的自然失業率且工資增長廣泛存在，通脹可能更難在短期內回落。

虛擬示例（非投資建議）：構建 “勞動力緊俏度儀表盤”

以下為教育用途的假設示例，不構成投資建議。

某分析師搭建一個簡單儀表盤，包含：

• 實際失業率
• 來自權威機構的自然失業率估計區間
• 參與率趨勢
• 職位空缺 / 失業人數代理指標（vacancies divided by unemployed persons）
• 工資增長趨勢

當失業率低於自然失業率估計區間，且工資與職位空缺仍處於高位，儀表盤提示 “勞動力偏緊”；當失業率回到區間上方且職位空缺與工資增長同步降温，則提示 “閒置增加”。目的不是預測，而是形成紀律化解讀。

資源推薦

官方數據與定義

• BLS（Bureau of Labor Statistics）：失業率定義、勞動參與率、工資序列與 JOLTS 職位空缺數據。
• OECD：跨國可比的勞動力市場指標與結構性失業視角。

政策與研究視角

• Federal Reserve 相關資源：研究筆記與講話稿，討論勞動力閒置、NAIRU 類估計與工資 -價格動態。
• 地區性央行報告（如定性商業調查）：有助於理解全國平均值之外的用工緊缺與工資變化。

入門參考

• Investopedia：自然失業率、結構性失業、摩擦性失業與 NAIRU 等術語解釋，可作為閲讀一手數據前的第一步。

建議學習路徑

1. 學習失業相關定義（官方失業率、參與率、就業不足等）。
2. 理解摩擦性與結構性因素如何在數據中體現（失業時長、職位空缺、行業遷移）。
3. 閲讀政策制定者如何討論 “閒置” 與工資，關注不確定性與修訂。
4. 每月練習解讀 1 份就業報告，使用儀表盤方法形成一致流程。

常見問題

自然失業率等於零失業嗎？

不是。自然失業率默認存在持續的崗位流動與錯配。即便經濟健康，也會有人處於換崗、求職或等待匹配的階段。

政策能降低自然失業率嗎？

可以，但通常較慢。提升匹配效率的政策（如職業培訓、資質互認、遷移支持、托育供給以提高參與率、更好的求職基礎設施）可能在長期降低結構性與摩擦性障礙。

為什麼自然失業率估計值經常變化？

因為它基於模型估算，對新數據很敏感。人口結構、行業變化與招聘行為改變都會影響基準；勞動力統計數據修訂也會改變歷史估計。

如果失業率低於自然失業率，是否保證通脹會上升？

不保證。這意味着工資與價格壓力風險可能更高，但通脹結果還取決於生產率、利潤率、通脹預期、全球供給條件與政策取向等。

哪些指標最適合與自然失業率搭配分析？

參與率、職位空缺、工資增長、離職率以及失業持續時間。只有當這些指標共同指向一致結論時，自然失業率的參考價值才更高。

技術進步一定會抬升自然失業率嗎？

不一定。技術可能替代部分崗位（短期抬升結構性失業），也可能創造新崗位並提升匹配效率（降低摩擦性失業）。淨效應取決於再培訓速度與勞動力流動性。

總結

自然失業率可以理解為經濟體隨時間變化的 “常態” 失業基準，主要由摩擦性流動與結構性錯配驅動，而不是由衰退引起。由於自然失業率只能估算且常被修訂，應將其視為區間與參照系，而非精確目標。對投資者與分析師而言，更有效的用法是：將實際失業率與該基準對比，再結合參與率、職位空缺、離職率與工資增長進行驗證，從而更有紀律地判斷勞動力閒置、通脹敏感性以及需求驅動增長的邊界。