Gegevensherzieningen zijn een normaal, noodzakelijk onderdeel van het proberen te meten van een economie van $30 biljoen in real-time. Ze kunnen ook schokkend zijn, vooral voor mensen die niet obsessief elke banenrapportage bestuderen. Dus heb ik me verdiept in het hoe en waarom van herzieningen. Een paar belangrijke punten:

1. Nee, er is geen bewijs van politieke vooringenomenheid. Punt. Deze mooie grafiek van @collinskeith maakt dat duidelijk: Er waren neerwaartse herzieningen onder Biden en Trump.

Zie ook deze eerdere discussie die de bewering ontkracht dat het BLS de werkgelegenheidscijfers naar beneden heeft bijgesteld nadat Trump won. (In feite hebben ze deze naar beneden bijgesteld *tijdens de DNC*, nauwelijks een gunstig politiek moment voor Biden/Harris.)

2. Herzieningen zijn essentieel. Alle economische statistieken vertegenwoordigen een afweging tussen tijdigheid en nauwkeurigheid. Als je niet herziet, moet je gewoon één kiezen - tijdig of nauwkeurig. Herzieningen, zoals @JedKolko uitlegde, zijn hoe je beide kunt krijgen.

4. De patroon van consistente neerwaartse herzieningen is echter ongebruikelijk. (Nogmaals, het gaat vooraf aan Trump.) Normaal gesproken zijn neerwaartse herzieningen een slecht teken voor de economie - de initiële schattingen blijven vaak achter op keerpunten.

Maar in dit geval kunnen er andere verklaringen zijn. We hebben grote verschuivingen gezien in immigratie, ondernemerschap, seizoensgebonden patronen, enz., die de modellen van het BLS zouden kunnen beïnvloeden.

En de herzieningen op vrijdag waren geconcentreerd in de lokale overheid, zoals deze grafiek van @christinezhang laat zien. Dat kan seizoensgebonden aanpassing of andere problemen weerspiegelen.

5. BLS, net als andere statistische agentschappen over de hele wereld, *heeft* grote problemen met dalende responspercentages op enquêtes. Dat heeft de kwaliteit van zijn gegevens tot nu toe duidelijk nog niet beïnvloed, maar als de trend zich voortzet, zal dat wel zo zijn.

Experts, zowel binnen als buiten de BLS, hebben erkend dat het minder afhankelijk moet worden van op enquêtes gebaseerde gegevensbronnen en meer administratieve en particuliere gegevens moet integreren. Ze hebben al stappen in die richting gezet.

Maar het veranderen van methodologieën en het opnemen van nieuwe bronnen is resource-intensief (ook al kan het op de lange termijn minder kosten). De statistische bureaus hebben hun budgetten jarenlang zien krimpen, en het probleem is erger geworden onder de Trump-administratie.

Zoals Nancy Potok, de voormalige hoofdspecialist van de VS in de eerste Trump-administratie, het verwoordde: “De oplossing daarvoor is niet om de hoofd van BLS te ontslaan, maar om onmiddellijke investeringen in het federale statistische systeem te doen."

Veel meer in het verhaal. Gratis link: