毎月の給与データの信頼性が低下する場合に備えて、財務省から直接 FICA 給与トラッカーを作成しました。これは、希望する期間にわたるリアルタイムのFICA源泉徴収を追跡します。

新しい本「The Wealth Ladder」@dollarsanddataこの例えが大好きです。 お金は塩のようなものです。それはあなたの食事をミシュランの星付き食事にするものではありませんが、あなたの好みに合わせてすべての体験をより充実させます。 彼はまた、これが 5 種類の富とどのように関連しているかについて@SahilBloom論します。 今年読んだ中で最高の本を 2 冊。

現時点では、嘘をつきたい人々に与えられるでたらめの海を薄めるコンテンツを高めるためにソーシャルメディアを使用することは、ほとんど道徳的義務です。乾杯、@cullenroche。

毎月の雇用調査とQCEW(州が発行する最終的な雇用データ)を理解するのに役立つ例えは、スポーツベッティングラインです。 ベッティングラインは初期推定値であり、不完全または初期の情報に基づく予測です。同様に、月次労働報告書は調査データに基づく推定値であり、限定的であり、修正される可能性があります。試合が進むにつれて、オッズメーカーは、その後の数か月で労働力の数字が修正されるのと同じように、より多くの情報が利用可能になるとリアルタイムでラインを調整します。最終的に、ゲームが終了し、実際のスコアがわかります。この最終スコアはQCEWに似ており、雇用主が州に報告した実際の雇用データを反映しており、はるかに包括的です。 これらの改訂は「間違い」ではなく、より良いデータに基づいた改良です。最初の見積もりが遠く離れている場合もあります。それに近い場合もあります。しかし、いずれの場合も、改訂、そして最終的にはQCEWは、私たちを真実に近づけます。

BLSへの批判について面白いのは、米国のデータソースが他のどの政府よりも光年優れていることです。 ユーロスタット、中国のNBS、日本のSBJを使えばいい。BLS、FRED、その他の米国政府の情報源と比較すると、それらはゴミです。熱いゴミ。

BLSが操作できないものを知っていますか?

私は、これらのどれもそれほど物議を醸すものではないと思います。労働市場が軟調な理由は次のとおりです。 1) 経済は依然として新型コロナウイルス感染症以前の水準に戻りつつあります。これは、臨時支援、労働時間、退職率、時給など、すべての主要な労働データで明らかです。それはすべて18 +ヶ月間柔らかくなっています。 2) AI は新規採用の必要性を減らし始めており、すぐに広範な人員削減に変わる可能性があります。これは、ほとんど見落とされがちな総需要に対する非常に深刻なリスクです。 3) 関税はばかげており、不確実性を生み出しています。実際の実施はこれまでのところかなり貧弱でしたが、関税に関する不確実性が雇用の減速を引き起こしました。 どれも世界の終わりではありませんが、これらがどれほど衝撃的であるかもわかりません。¯\_(ツ)_/¯

士気が上がるまで、殴打は続くだろう。

確かに、BLS の報告書は月次ベースで特に騒々しいですが、この柔らかさは衝撃的なものではありません。民間部門から提供されたISM、Indeed、ADPの雇用データはすべて、今朝のBLS報告書の内容を裏付けています。 そして、人々は毎月ADPを無視しているにもかかわらず、前年比ベースではBLSの報告書と驚くほど似ています。

大ジョブ改定の原因は? @TheStalwartと@tracyallowayは今年初め、予算削減と調査回答の低下によりデータ収集がますます困難/不正確になっていることについて、BLS長官と素晴らしいOdd Lotsエピソードを行いました。 連邦政府の雇用凍結により、州政府や地方自治体からの行政データを編集および検証するために利用できるリソースが減少した可能性があります。これにより、当初は給与計算が過大評価される可能性があり(たとえば、古い記録や不完全な記録を含めることによって)、更新されたデータを受け取ると改訂で修正されました。この改訂のタイミング(2025年8月上旬)は、そのような修正が完了する可能性のある会計サイクルまたは報告サイクルの終了と一致しています。 さらに、移民政策からの同時雇用シフトと、急速な政策変更の中で行政システムが労働者の再分類に苦労した場合、ネイティブ生まれの利益、外国生まれの損失の報告により、問題が悪化する可能性があります。 IMOは大したことではありません。リアルタイムの雇用データを取得することは困難です。BLS は限られたリソースで良い仕事をしており、より正確な改訂は遅れますが、最終的には正しく行われます。 大きな教訓は、月次雇用データを軽視し、より良い視点を得るために四半期ごとの集計データを過大評価することです。