美国一直被视为全球经济数据发布的黄金标准。但随着特朗普解雇劳工统计局局长Erika McEntarfer，人们开始质疑美国的数据，还值得信吗？

答案并不简单。这背后牵涉的是数据系统老化、调查响应率下滑、建模失效等一系列深层次问题，而不是简单的造假或政治操控。不仅是非农数据，美国绝大多数经济数据的质量也在下滑。

事实上，美国公布的就业、通胀、GDP等数据，绝大多数都是初步估算值，随后会随着硬数据的到来进行修正。这种调整机制本身就是统计系统的常态。

问题在于近几年，数据的修正幅度显著放大了。

数据显示，疫情后每月非农就业的平均修正值和中位数都比疫情前高出不少。但这是否意味着有政治操控？其实不然，对比数据即可发现，特朗普执政期间，修正的平均值和中位数都低于过去五年的平均水平，也低于拜登任期内的数据。不过，在特朗普任期内的修正多数是下修，超过70%的数据后来被调低，而拜登任内的修正则大约是五五开。

因此，这种情况更像是一种统计噪音或模型误差的累积，而非有人故意作假。

造成数据误差扩大的关键原因有两个。一是调查响应率暴跌。PGIM首席经济学家Tom Porcelli指出，美国劳工统计局所依赖的两项基础调查，现有人口调查和当前就业调查——都遭遇了持续多年的响应率下滑，而疫情之后这一趋势加速恶化。越来越多的雇主和家庭不愿意配合调查，导致基础数据源变差，误差变大。

二是美国经济结构剧变，建模难度陡增。美国经济在过去20年里发生了深刻变化，尤其在过去5年尤为剧烈，统计方法跟不上了。皮特森研究所的Jed Kolko指出，过去，你可以精确统计某个狭义行业，并较容易估算其生产率。但如今的经济以服务业为主，投入与产出大多是无形的，因此更难衡量。制造业可以数机器、测产量，但服务业像写代码、做咨询、看病……怎么量化？更难。现代经济比以往更难统计。

另一个新问题是人口增长的剧烈波动。过去几十年人口增速相对稳定，而疫情与移民潮让增长忽高忽低，打破了原有的模型基础。原来每年多100万人，现在有时突然多300万，有时反而负增长——统计模型全被打乱。

而且疫情让统计与建模变得更困难。例如，疫情期间失业率飙升，但当时失业的含义已不同于以往。

由于许多经济统计包含估算或填补环节，通常是用最近的趋势推未来。但如果经济变得太快，模型推出来的数字误差就会变大。

更雪上加霜的是，美国统计系统还遭遇了预算削减与人手短缺的双重压力。自2009年以来，劳工统计局的实际预算（剔除通胀）已缩水18%。今年情况更糟。联邦政府冻结招聘，“政府效率部门”还压缩编制，导致统计机构失去关键专家，走一个补不了。这让本已捉襟见肘的统计局，根本无力更新模型或扩大样本采集。

不仅是就业数据，美国的通胀数据（CPI）质量也在下降。2025年起，美国统计局已经停止在三个大都市收集价格数据。其余地区的数据质量也在下降。如果在某个具体城市的具体商店（比如纽约市的牛奶）找不到基准价格，统计员会用该城市其他商店同类产品的价格来替代，这叫“本地替代”。如果该城市内也找不到，就用别的城市的数据来代替，比如用波士顿的牛奶价格。这种“跨区域替代”容易引入误差。而这种“跨城市替代”的占比正在上升。

统计局称，到7月时，15%的CPI数据每月都采不到，只能替代。分析师Omair Sharif指出，这个15%还不包括被放弃的那三座城市，加上它们，大概19%的数据是补上去的。他还说，疫情前，只有约2.5%的价格是替代的。如今的变化非常大，虽然具体误差难以精确计算，但CPI报告的误差范围肯定是变大了。

虽然数据问题越来越明显，但这并不意味着美国的统计系统已经崩坏。数据仍然基于透明流程采集，并由大量独立统计员交叉核查。全面造假几乎不可能，因为不同部门、不同指标之间存在大量交叉验证，一旦篡改，很容易被其他系统戳穿。私营部门数据正在补充政府数据，例如信用卡消费、在线招聘、卫星图像等新型数据源，正在加入建模系统。技术进步也带来了希望。数字经济下的行为数据（比如电商、社交平台、企业ERP系统）可能成为未来更可靠的自动数据源。

所以真正的解决方案，不是甩锅，而是投资统计能力。如果特朗普政府真想解决数据质量问题，正确的做法应该是投资统计系统，而不是甩锅开人。提升统计局预算，增加调查人员，重建模型系统，鼓励技术部门与私营机构合作接入新型数据源。这才是长久之计，而不是将系统性误差政治化。