Amerikanske arbejdsløshedsdata er ikke i stand til at fange COVID-19s fulde effekt - her er, hvordan du løser det hurtigt

COVID-19-pandemien har afsløret farlige svagheder i USAs aldrende offentlige datasystem. I en af ​​de største jobkriser i de sidste 100 år, arbejdsstyrkemålene for beskæftigelse og arbejdsløshed er for langsomme, ikke lokale og for ofte upålidelige og irrelevante.

Konsekvenserne er alvorlige. Regeringer på alle niveauer forsøger at træffe beslutninger om, hvordan de kan reducere omkostningerne ved arbejdsløshed – herunder om der skal ydes supplerende arbejdsløshedsunderstøttelse. Og de gør dette uden tilstrækkelige beviser.

På fredag, 4. sept., den seneste føderale arbejdsstyrkerapport vil komme ud, og det vil ikke skildre omfanget af tab af arbejdspladser i de samfund, der har desperat brug for regeringens hjælp. Det nuværende system er ikke designet til at reagere på så massive stød, men der er måder at udfylde dette hul på.

I en nylig analyse lavet med staten Illinois, mine kolleger og jeg lavede en faste, pålidelig metode, der kan anvendes til alle stater i landet.

Problemet med nutidens arbejdsstyrkeforanstaltninger

Arbejdsstyrkedata skal være rettidige, lokal, pålidelig og relevant for regeringer til at træffe beslutninger effektivt, men det nuværende system misser målet.

Lige nu, tal indberettes kun én gang om måneden, og med tre ugers forsinkelse, der kan være en evighed for beslutningstagere, der beslutter sig for, hvordan de skal forvalte dagpengene. Den nationale arbejdsløshed er også baseret på en undersøgelse af 60, 000 husstande, hvilket er en alt for lille stikprøve til at give pålidelig information på lokalt niveau.

Den aktuelle statistik er heller ikke designet til at give pålidelige og relevante data om, hvem der er uden arbejde, og hvem der lider.

Det mest citerede arbejdsløshedsmål er baseret på, at interviewere blot spørger folk, om de "aktivt søger arbejde." Ikke nok med at det ikke fanger mange mennesker, der er arbejdsløse, konceptet er så svært at forstå i sammenhæng med pandemien, at Census Bureau-interviewere har klassificeret mange svar forkert under COVID-19-pandemien. Og mange færre amerikanere var villige til at svare på undersøgelsen. Som resultat, millioner af amerikanere blev fejlagtigt udeladt af de seneste arbejdsløshedsstatistikker. Bureau of Labor Statistics anerkendte klassifikationsfejlene i sin jobrapport i maj, men justerede ikke tallene.

Konsekvensen? Administrationen kørte en "sejrsrunde" i juni, fejrer en lavere arbejdsløshed, og Kongressen forsinkede udvidelsen af ​​økonomisk støtte til amerikanere uden arbejde.

En anden konsekvens er usikkerhed. Regeringens indledende svar på pandemien havde været at øge arbejdsløshedsunderstøttelsen med 600 USD om ugen som en del af Federal Pandemic Arbejdsløshedskompensation i Coronavirus Aid, Lettelse, og lov om økonomisk sikkerhed, vedtaget i marts 2020. Da det udløb i slutningen af ​​juli, politiske beslutningstagere var ikke sikre på, hvad virkningerne ville være af at give forskellige ydelsesniveauer – intet, $200 om ugen, 400 USD om ugen eller fortsæt med 600 USD.

Der findes data, der kan hjælpe med at besvare det spørgsmål hurtigere, mere effektivt og på lokalt plan.

Hvordan stater kan gøre det bedre

Vi behøver ikke gætte på, hvor mange der er uden arbejde. Hver stat i fagforeningen kan producere næsten realtidsinformation om antallet af personer, der hævder arbejdsløshed ved hjælp af faktiske optællinger. Stater kan også give et bedre billede af den økonomiske virkning ved at skabe sammenhæng mellem arbejdsløshed og udgifter på amtsniveau.

I et nyligt arbejdspapir for National Bureau of Economic Research, vi viser, hvordan det fungerer.

Vi brugte arbejdsløshedskrav i Illinois til at beregne for hver arbejdsløs arbejder, hvor meget af deres tabte løn, der blev erstattet af føderale ydelser, samt antallet, der hævder arbejdsløshed fordelt på geografi og branche. Vi kombinerede dette med en anden datakilde – kredit- og betalingskorttransaktioner, der er tilgængelige dagligt på amtsniveau – for at måle økonomisk aktivitet.

Disse data kan give stater direkte mål for, hvem der er uden arbejde sammen med relevant indsigt for at bestemme, hvor mange mennesker der er tæt på den økonomiske afgrund. Dataene kan vise, hvor tæt de ledige er på ydelsesudmattelse og indvirkningen på økonomien.

Vi var i stand til at vise, at en reduktion af de supplerende ydelser fra $600 til nul ville føre til et fald på 44 % i lokale udgifter. Hvis betalingerne til arbejdsløse blev reduceret til $200, udgifterne ville falde med 28 %. Selvom tillægget var $400, udgifterne ville falde med 12 pct.

Vi var også i stand til at beregne påvirkningerne på et meget detaljeret niveau og fandt store lokale forskelle. I Champaign County, udgifterne ville falde med 15 % uden forlængelse af fordelene. I Macon County, udgifterne ville falde med 68 % uden forlængelse. De lokale arbejdsstyrkebestyrelser kunne designe deres svar i overensstemmelse med den sandsynlige genansættelse i hvert amt.

Denne analyse kunne opdateres ugentligt for alle amter i stater over hele landet. Hver stat producerer lignende ugentlige data til Labor Department's Program for måling af forsikrede arbejdsløse statistiksystem. En bredere brug af disse rige data kan ændre, hvordan politiske beslutningstagere reagerer på arbejdsløshed. De ville vide, næsten med det samme, hvilke områder blev hårdest ramt, og hvor smerten var størst, så de kunne målrette indsatsen derhen, hvor der var størst behov for dem. De kunne også bruge dataene til at beregne, hvilke grupper der udnytter deres fordele.

Kongressen er nødt til at handle, så fremtidige beslutninger om arbejdsstyrken i pandemien kan være baseret på lokale beviser og kan kombineres med de eksisterende nationale arbejdsstyrkestatistikker. Den foreslåede Relaunching America's Workforce Act vil omfatte støtte til staters brug af data for at forbedre reaktionen på den pandemiske recession.

Dette land har stået over for mange kriser og har ofte været modigt og innovativt i sit svar. Sådan kan det blive igen. Vi kan let genoplive vores offentlige datasystem for at producere rettidigt, lokal, pålidelige og relevante data for at reducere de frygtelige omkostninger ved arbejdsløshed.

Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs den originale artikel.