Dữ liệu Lao động Canada: Tại sao Khảo sát Lực lượng Lao động (LFS) tạo ra nhiều nhiễu hơn dữ liệu bảng lương

Vào thứ Sáu đầu tiên hàng tháng, các số liệu việc làm của Canada được công bố với tác động thị trường có thể dự đoán được, thường xuyên gây ra những biến động mạnh đối với đồng đô la Canada và lợi suất trái phiếu chính phủ. Chẳng hạn, báo cáo Khảo sát Lực lượng Lao động (LFS) tháng 1 năm 2024 đã ghi nhận mức tăng ròng 37.000 việc làm, một con số vượt xa mức đồng thuận của các nhà phân tích là tăng 15.000. Bất ngờ tích cực tức thì này đã đẩy đồng đô la Canada (CAD) tăng 35 pips so với đô la Mỹ trong vòng một giờ, đồng thời đẩy lợi suất trái phiếu chính phủ Canada kỳ hạn 2 năm tăng 5 basis points khi các nhà giao dịch định giá lại kỳ vọng về lãi suất của Bank of Canada. Tuy nhiên, những phản ứng tức thời như vậy thường che giấu những hạn chế cơ bản của dữ liệu LFS. Trong nhiều năm, các nhà bình luận tài chính và thậm chí một số nhà hoạch định chính sách đã phải vật lộn với sự biến động hàng tháng khét tiếng của LFS, một đặc điểm thường xuyên che khuất các xu hướng thị trường lao động thực sự. Mặc dù cung cấp một cái nhìn tổng quan nhanh chóng và rộng khắp về thị trường lao động, LFS, một cuộc khảo sát dựa trên hộ gia đình, đo lường việc làm bằng một phương pháp luận khác biệt cơ bản so với dữ liệu bảng lương dựa trên cơ sở. Sự khác biệt này khiến LFS dễ bị lỗi lấy mẫu lớn hơn và phải điều chỉnh đáng kể hơn, tạo ra một luồng nhiễu đòi hỏi phải được giải thích cẩn thận, đặc biệt khi so sánh với các số liệu thống kê việc làm bảng lương ổn định hơn và thường đáng tin cậy hơn. Việc phân biệt tín hiệu thực sự từ nhiễu vốn có này là một thách thức phân tích cốt lõi đối với bất kỳ ai cố gắng dự báo chính sách tiền tệ của Canada hoặc giao dịch đồng loonie, và việc bỏ qua những sắc thái phương pháp luận này có nguy cơ đưa ra những kết luận không chính xác về quỹ đạo kinh tế của quốc gia. Sự tập trung tức thì của thị trường vào tiêu đề LFS thường làm lu mờ bức tranh chi tiết hơn, nhưng cuối cùng chính xác hơn, được vẽ nên bởi các số liệu bảng lương ít được báo cáo thường xuyên hơn.

Khảo sát Lực lượng Lao động của Statistics Canada là một cuộc khảo sát hộ gia đình hàng tháng được thiết kế để cung cấp một cái nhìn tổng quan nhanh chóng về thị trường lao động Canada. Được thực hiện vào tuần sau ngày 15 hàng tháng, nó phỏng vấn khoảng 56.000 hộ gia đình trên tất cả các tỉnh và vùng lãnh thổ, đại diện cho dân số dân sự không thuộc thể chế, từ 15 tuổi trở lên. Phần cốt lõi của LFS bao gồm việc hỏi những người được khảo sát một loạt câu hỏi về các hoạt động công việc gần đây của họ để xác định xem họ có việc làm, thất nghiệp hay không thuộc lực lượng lao động trong tuần tham chiếu. Một cá nhân được tính là có việc làm nếu họ làm việc ít nhất một giờ để nhận lương hoặc lợi nhuận trong tuần đó, hoặc nếu họ có việc làm nhưng tạm thời vắng mặt. Định nghĩa rộng này bao gồm nhiều hình thức sắp xếp công việc, từ các vị trí được trả lương toàn thời gian đến công việc bán thời gian và tự kinh doanh. Thiết kế của cuộc khảo sát kết hợp một bảng xoay vòng, có nghĩa là khoảng một phần sáu mẫu được thay thế mỗi tháng. Một hộ gia đình vẫn nằm trong mẫu trong sáu tháng liên tiếp, sau đó rời đi trong hai tháng, và sau đó tái nhập trong sáu tháng nữa trước khi được thay thế vĩnh viễn. Thiết kế này hỗ trợ đo lường những thay đổi hàng tháng bằng cách duy trì sự chồng chéo đáng kể trong mẫu, nhưng nó cũng đưa ra những thách thức cụ thể liên quan đến tính bền vững của mẫu và tiềm năng sai lệch tích lũy nếu việc không phản hồi hoặc mệt mỏi khảo sát trở thành các yếu tố. Việc hiểu rõ quy trình chi tiết này là nền tảng để đánh giá lý do tại sao các số liệu LFS lại hành xử như vậy, đặc biệt là xu hướng biến động hàng tháng của chúng có thể xuất hiện mâu thuẫn nếu không nắm rõ cơ chế thu thập dữ liệu cơ bản.

Trái ngược với cách tiếp cận tập trung vào hộ gia đình của LFS, dữ liệu việc làm bảng lương của Canada cung cấp một góc nhìn từ phía nhà tuyển dụng, mang lại một thước đo tạo việc làm ổn định hơn và ít biến động hơn. Nguồn chính cho điều này là Khảo sát Việc làm, Bảng lương và Giờ làm việc (SEPH), thu thập dữ liệu hàng tháng từ một mẫu khoảng 15.000 doanh nghiệp trên khắp Canada. SEPH ghi nhận các chỉ số quan trọng như số lượng nhân viên, thu nhập trung bình hàng tuần và số giờ làm việc, tập trung độc quyền vào những nhân viên được trả lương. Những người tự kinh doanh bị loại trừ, đây là một điểm khác biệt chính so với LFS. Dữ liệu được thu thập thông qua sự kết hợp giữa bảng câu hỏi khảo sát và hồ sơ hành chính. Một tiến bộ đáng kể trong những năm gần đây là sự phụ thuộc ngày càng tăng vào Dữ liệu Khấu trừ Bảng lương từ Dữ liệu Hành chính (PDMP), bổ sung và nâng cao SEPH. PDMP sử dụng các tờ khai thuế và các hồ sơ hành chính khác được hầu hết các nhà tuyển dụng nộp cho Canada Revenue Agency (CRA). Dữ liệu hành chính này, bao gồm phiếu T4 và các khoản khấu trừ bảng lương khác, cung cấp phạm vi gần như toàn bộ về việc làm được trả lương ở Canada, vượt xa quy mô mẫu của LFS hoặc thậm chí khảo sát SEPH. Sức mạnh của PDMP nằm ở tính chất hành chính của nó; nó được lấy từ các hồ sơ mà nhà tuyển dụng có nghĩa vụ pháp lý phải nộp, giảm thiểu các vấn đề về không phản hồi và biến động lấy mẫu vốn có trong các phương pháp dựa trên khảo sát. Trong khi SEPH cung cấp các phân tích ngành chi tiết hơn và dữ liệu thu nhập, PDMP cung cấp một thước đo rộng, đáng tin cậy cao về tổng số nhân viên được trả lương. Cùng với nhau, các nguồn dữ liệu bảng lương này đưa ra một bức tranh mạnh mẽ, mặc dù thường bị trễ, về tăng trưởng việc làm, thường xuyên cung cấp một câu chuyện đối lập trấn an so với các tiêu đề năng động hơn, nhưng thường gây hiểu lầm, của LFS.

Tổng quan so sánh các nguồn dữ liệu lao động Canada

Sự biến động vốn có của LFS bắt nguồn từ một số khía cạnh phương pháp luận, chủ yếu là sự phụ thuộc vào việc lấy mẫu và động lực tham gia khảo sát. Thứ nhất, biến động mẫu là một thách thức dai dẳng. Mặc dù 56.000 hộ gia đình có vẻ đáng kể, nhưng nó chỉ đại diện cho một phần nhỏ tổng dân số Canada. Bất kỳ thay đổi hàng tháng nào được LFS báo cáo đều là ước tính từ mẫu này, chịu một biên độ sai số nhất định. Ví dụ, một mức tăng được báo cáo là 37.000 việc làm có thể ngụ ý thống kê một thay đổi thực sự nằm trong khoảng từ -5.000 đến +79.000 việc làm, với khoảng tin cậy 95% điển hình cho một thay đổi ròng. Phạm vi rộng này có nghĩa là một con số tiêu đề ban đầu có vẻ mạnh mẽ có thể, với xác suất tương đương, không khác biệt đáng kể về mặt thống kê so với số 0 hoặc thậm chí là một sự sụt giảm khiêm tốn. Thứ hai, tỷ lệ phản hồi giảm đang đặt ra một vấn đề ngày càng lớn. Khi tình trạng mệt mỏi với khảo sát gia tăng, Statistics Canada đối mặt với thách thức trong việc đảm bảo sự tham gia, đặc biệt từ các nhóm dân số trẻ hơn hoặc có tính di động cao. Tỷ lệ phản hồi thấp hơn có thể dẫn đến thiên vị do không phản hồi nếu đặc điểm của những người không phản hồi khác biệt một cách có hệ thống so với những người tham gia, làm sai lệch thêm tính đại diện của mẫu. Thứ ba, quy trình điều chỉnh theo mùa, cần thiết để làm phẳng các biến động hàng tháng có thể dự đoán được, có thể khuếch đại sự biến động khi áp dụng cho một tập dữ liệu nhỏ hơn, dễ thay đổi hơn. Các điểm dữ liệu bất thường hoặc những thay đổi đột ngột trong các mô hình theo mùa có thể dẫn đến các điều chỉnh lớn hơn, kém tin cậy hơn. Sự kết hợp của các yếu tố này — sai số lấy mẫu, các thiên vị tiềm ẩn do không phản hồi và sự phức tạp của điều chỉnh theo mùa — tạo ra một môi trường nơi LFS thường xuyên tạo ra các biến động hàng tháng không có ý nghĩa thống kê và thường bị đảo ngược trong các kỳ tiếp theo, khiến nó trở thành một thước đo khó khăn cho các quyết định chính sách tức thời.

Ngoài các con số tổng hợp, cơ cấu thay đổi việc làm của LFS còn thêm một lớp phức tạp và sai lệch tiềm ẩn. LFS phân biệt giữa việc làm toàn thời gian và bán thời gian, thường được định nghĩa bởi ngưỡng 30 giờ làm việc mỗi tuần. Mặc dù sự phân biệt này hữu ích để hiểu cấu trúc thị trường lao động, nhưng những thay đổi đáng kể giữa các loại này có thể che giấu tình hình thực tế của việc tạo việc làm. Một kịch bản phổ biến liên quan đến việc tăng lớn việc làm bán thời gian đi kèm với sự sụt giảm nhỏ hơn trong công việc toàn thời gian. Thay đổi ròng tiêu đề có thể vẫn xuất hiện tích cực, nhưng thực tế kinh tế cơ bản có thể là tình trạng thiếu việc làm hoặc chuyển sang công việc kém ổn định, lương thấp hơn. Ví dụ, nếu LFS báo cáo mức tăng ròng 20.000 việc làm, nhưng điều này bao gồm 60.000 việc làm bán thời gian tăng lên và 40.000 việc làm toàn thời gian giảm xuống, thì bức tranh tổng thể về sức khỏe thị trường lao động kém tích cực hơn nhiều so với những gì con số tiêu đề gợi ý. Các cá nhân chuyển từ công việc toàn thời gian sang bán thời gian, hoặc những người giữ nhiều công việc bán thời gian, vẫn được tính là có việc làm nhưng đại diện cho một kết quả kinh tế khác so với việc tạo ra các vị trí toàn thời gian mới, ổn định. Việc LFS tập trung vào cá nhân, chứ không phải vị trí công việc trong một doanh nghiệp, khiến nó đặc biệt dễ bị ảnh hưởng bởi các hiệu ứng cơ cấu này. Một cá nhân chuyển từ một công việc bán thời gian sang hai công việc bán thời gian vẫn là một người có việc làm trong LFS, mặc dù có sự thay đổi đáng kể về khối lượng công việc và có thể là thu nhập, trong khi dữ liệu bảng lương sẽ ghi nhận hai vị trí riêng biệt. Sự tinh tế này thường bị bỏ qua trong phản ứng thị trường tức thời đối với con số tiêu đề, dẫn đến việc hiểu sai động lực kinh tế cơ bản.

Sự ổn định vốn có trong dữ liệu việc làm bảng lương của Canada, đặc biệt là Dữ liệu khấu trừ bảng lương từ dữ liệu hành chính (PDMP), mang lại sự tương phản rõ rệt với sự biến động của LFS. Lợi thế này chủ yếu bắt nguồn từ nền tảng hành chính của nó. PDMP lấy trực tiếp từ các hồ sơ thuế bắt buộc theo luật do các nhà tuyển dụng nộp cho Canada Revenue Agency. Điều này có nghĩa là tập dữ liệu đại diện cho gần như toàn bộ số lượng nhân viên được trả lương ở Canada, bao gồm hàng triệu cá nhân thay vì một mẫu 56.000 hộ gia đình. Quy mô lớn của việc thu thập dữ liệu này làm giảm đáng kể sai số lấy mẫu, vốn là nguồn chính gây biến động cho LFS. Dữ liệu hành chính cũng ít bị diễn giải chủ quan hoặc thiên vị hồi tưởng hơn nhiều, những vấn đề thường gặp trong các cuộc khảo sát hộ gia đình nơi người trả lời có thể nhớ sai hoặc báo cáo không chính xác giờ làm việc hoặc tình trạng việc làm của họ. Các nhà tuyển dụng báo cáo số liệu chính xác về tiền lương, giờ làm việc và số lượng nhân viên cho mục đích thuế, đảm bảo mức độ chính xác và nhất quán cao. Mặc dù Khảo sát việc làm, bảng lương và giờ làm việc (SEPH) vẫn dựa vào một mẫu, nhưng việc tập trung vào các doanh nghiệp và thu thập các số liệu chi tiết giống như hành chính cũng góp phần vào sự ổn định lớn hơn của nó so với LFS. Các số liệu bảng lương này cũng ít phải điều chỉnh và thường là các điều chỉnh nhỏ hơn so với LFS, vốn thường xuyên thấy các ước tính ban đầu của mình được điều chỉnh đáng kể trong các tháng tiếp theo. Độ tin cậy cao hơn này làm cho dữ liệu bảng lương trở thành một chỉ báo đáng tin cậy hơn để đánh giá các xu hướng cơ bản trong việc tạo việc làm và hoạt động kinh tế tổng thể, ngay cả khi lịch công bố của nó chậm hơn LFS. Bản chất hành chính loại bỏ phần lớn sự phỏng đoán, cung cấp một nền tảng vững chắc cho thống kê việc làm.

Mặc dù dữ liệu bảng lương mang lại độ ổn định vượt trội trong việc theo dõi việc tạo việc làm ròng, nhưng điều cần thiết là phải thừa nhận rằng cả LFS và số liệu bảng lương đều phục vụ các mục đích riêng biệt, có giá trị trong phân tích kinh tế. LFS, mặc dù có nhiều biến động, cung cấp những thông tin chi tiết độc đáo về thị trường lao động rộng lớn hơn bằng cách nắm bắt toàn bộ dân số trong độ tuổi lao động. Đây là nguồn duy nhất cho các chỉ số quan trọng như tỷ lệ thất nghiệp, tỷ lệ tham gia lực lượng lao động và phân tích nhân khẩu học chi tiết về việc làm theo độ tuổi, giới tính và trình độ học vấn. LFS cũng là nguồn duy nhất luôn bao gồm những người tự kinh doanh, một phân khúc đáng kể và đang phát triển của nền kinh tế hiện đại mà các cuộc khảo sát bảng lương truyền thống thường bỏ qua. Để hiểu ai đang làm việc, ai đang tìm việc và nhân khẩu học của lực lượng lao động, LFS vẫn không thể thiếu. Ngược lại, để đánh giá số lượng chính xác các công việc được trả lương do các doanh nghiệp tạo ra cùng với thu nhập và giờ làm việc liên quan, dữ liệu bảng lương như SEPH và PDMP cung cấp một thước đo chính xác và ổn định hơn. Bank of Canada, trong các cuộc thảo luận về chính sách tiền tệ của mình, không dựa vào một điểm dữ liệu duy nhất. Thay vào đó, các nhà phân tích của họ thường tổng hợp thông tin từ cả hai nguồn, cùng với các chỉ số tần suất cao khác, để hình thành một cái nhìn hoàn chỉnh về điều kiện thị trường lao động. Họ hiểu rằng trong khi LFS cung cấp một bức tranh tổng thể kịp thời, thì dữ liệu bảng lương chi tiết hơn và ít biến động hơn thường đưa ra tín hiệu rõ ràng hơn về động lực kinh tế cơ bản. Bỏ qua hoàn toàn một trong hai nguồn sẽ dẫn đến một đánh giá không đầy đủ và có khả năng gây hiểu lầm về tình hình việc làm của Canada.

Thay đổi việc làm hàng tháng chọn lọc: LFS so với SEPH (nghìn người)

Báo cáo Khảo sát Lực lượng Lao động (LFS) hàng tháng luôn thu hút sự chú ý đáng kể của thị trường, thường dẫn đến các điều chỉnh giá nhanh chóng đối với đồng đô la Canada và thị trường trái phiếu chính phủ. Phản ứng tức thì này phần lớn được thúc đẩy bởi các chiến lược giao dịch thuật toán và việc quét tiêu đề của các nhà giao dịch con người, cả hai đều ưu tiên tốc độ hơn là phân tích phương pháp luận sâu sắc. Một số liệu LFS mạnh hơn dự kiến có thể kích hoạt sự tăng vọt của CAD, khi các nhà giao dịch dự đoán chính sách tiền tệ thắt chặt hơn từ Ngân hàng Canada, trong khi một số liệu yếu có thể gây ra đợt bán tháo mạnh. Sai lầm ở đây là sự phụ thuộc quá mức vào con số tiêu đề mà không đi sâu vào các thành phần của nó hoặc xem xét nhiễu thống kê vốn có. Các nhà phân tích thường tập trung vào thay đổi việc làm ròng, tỷ lệ thất nghiệp và tỷ lệ tham gia, thường bỏ qua sự khác biệt quan trọng giữa việc làm toàn thời gian và bán thời gian, hoặc sự dịch chuyển giữa các ngành có thể vẽ nên một bức tranh khác. Đây là phần mà hầu hết các hướng dẫn bỏ qua: các nhà phân tích thường phản ứng với tiêu đề LFS trước khi hiểu các thành phần cơ bản, như mức độ tăng việc làm là bán thời gian, hoặc liệu nó có tập trung vào các lĩnh vực lương thấp hơn hay không. Phân tích hời hợt như vậy có thể dẫn đến các vị thế bị đảo chiều khi có các điều chỉnh sau đó, hoặc khi LFS của tháng tiếp theo mâu thuẫn với câu chuyện ban đầu. Những người tham gia thị trường chuyên nghiệp, đặc biệt là những người quản lý vốn đáng kể, ngày càng nhận ra sự cần thiết phải nhìn xa hơn báo cáo LFS ban đầu. Họ đối chiếu với các chỉ số tần suất cao khác và chờ đợi dữ liệu bảng lương ổn định hơn, hiểu rằng sự kiên nhẫn và một cái nhìn rộng hơn là điều cần thiết để tránh giao dịch dựa trên những gì cuối cùng có thể là nhiễu thống kê chứ không phải tín hiệu kinh tế thực sự. Diễn giải ban đầu của thị trường không phải lúc nào cũng là diễn giải bền vững.

Đối với Ngân hàng Canada, việc diễn giải dữ liệu thị trường lao động là một bài tập phức tạp vượt xa tiêu đề LFS. Mặc dù LFS cung cấp một cái nhìn ban đầu, dù có nhiều nhiễu, nhưng Ủy ban Chính sách Tiền tệ (MPC) của ngân hàng trung ương yêu cầu một sự hiểu biết tinh tế và được xác nhận hơn về các xu hướng việc làm để đưa ra các quyết định về lãi suất. BoC tuyên bố rõ ràng ưu tiên của mình là 'một loạt các chỉ số thị trường lao động' thay vì tập trung vào bất kỳ chuỗi dữ liệu đơn lẻ nào. Cách tiếp cận rộng rãi này có nghĩa là xem xét không chỉ LFS và các biện pháp bảng lương khác nhau mà còn cả tăng trưởng tiền lương, vị trí tuyển dụng, số giờ làm việc và những thay đổi nhân khẩu học cơ bản. Họ xem xét kỹ lưỡng chất lượng tạo việc làm, chẳng hạn như sự cân bằng giữa việc làm toàn thời gian và bán thời gian, và tính bền vững của việc làm tăng lên trên các lĩnh vực khác nhau. Trên thực tế, các nhà kinh tế của Ngân hàng Canada sẽ dành hàng giờ để phân tích các thành phần phụ của LFS và đối chiếu với các chỉ số khác, hiếm khi chỉ dựa vào một báo cáo tiêu đề của một tháng để đưa ra chính sách. Họ hiểu những hạn chế của LFS về tính biến động và các sửa đổi, thường coi các báo cáo LFS ban đầu là tín hiệu sơ bộ cần được xác nhận từ các nguồn dữ liệu ổn định hơn và các diễn biến kinh tế rộng hơn. Ví dụ, một báo cáo LFS mạnh duy nhất có thể bị đánh giá thấp nếu các chỉ số khác, chẳng hạn như khảo sát tâm lý kinh doanh hoặc dữ liệu bảng lương hành chính, cho thấy một quỹ đạo khác. Cách tiếp cận thận trọng, đa diện này đảm bảo rằng các quyết định chính sách tiền tệ không bị ảnh hưởng quá mức bởi các biến động thống kê vốn có trong LFS, từ đó thúc đẩy sự ổn định hơn trong việc thiết lập chính sách và giảm thiểu rủi ro can thiệp sớm hoặc sai lầm dựa trên nhiễu dữ liệu tạm thời.

Trong tương lai, việc diễn giải hiệu quả dữ liệu thị trường lao động của Canada đòi hỏi một cách tiếp cận đa chỉ số, có kỷ luật. Các nhà phân tích và nhà giao dịch nên chủ động giảm bớt phản ứng tức thì, bản năng đối với tiêu đề LFS và thay vào đó ưu tiên các xu hướng dài hạn được tiết lộ bởi cả LFS và, quan trọng hơn, các số liệu bảng lương ổn định hơn. Tập trung vào các đường trung bình động 3 tháng hoặc 6 tháng của dữ liệu LFS có thể giúp làm mượt tính biến động vốn có của nó, mang lại tín hiệu rõ ràng hơn về động lượng so với bất kỳ báo cáo hàng tháng đơn lẻ nào. Việc tích hợp những hiểu biết chi tiết từ SEPH và PDMP, ngay cả khi có độ trễ, cung cấp sự xác nhận hoặc mâu thuẫn cần thiết cho câu chuyện LFS. Hiểu rõ sự khác biệt về phương pháp luận – khảo sát hộ gia đình so với khảo sát cơ sở, dữ liệu mẫu so với dữ liệu hành chính – không phải là một bài tập học thuật; đó là một yêu cầu thực tế để dự báo kinh tế chính xác. Bản thân thị trường có thể hưởng lợi từ sự trưởng thành hơn trong các mô hình phản ứng của mình, vượt ra ngoài các phản ứng tự động với các con số tiêu đề và hướng tới một đánh giá kỹ lưỡng hơn bao gồm toàn bộ các số liệu thống kê lao động có sẵn. Khi các nền kinh tế trở nên phức tạp hơn và thị trường lao động phát triển, việc dựa vào một nguồn dữ liệu duy nhất, vốn có nhiều nhiễu như LFS cho các giao dịch rủi ro cao hoặc các quyết định chính sách ngày càng trở nên không bền vững. Một khuôn khổ phân tích mạnh mẽ đòi hỏi phải tích hợp các luồng dữ liệu đa dạng, thừa nhận điểm mạnh và điểm yếu riêng của từng luồng, để xây dựng một cái nhìn thực sự có thông tin về tình hình sức khỏe và định hướng việc làm của Canada.