Comme je l'ai écrit dans mon aperçu de la paie non agricole, le résultat le plus important à surveiller est le taux de réponse. Si le taux de réponse est inférieur au niveau normal, il pourrait impliquent un niveau plus élevé de décès d'entreprises. Si tel est le cas, la méthodologie BLS standard entraîne une surestimation significative des emplois salariés.
Et c'est exactement ce qui est arrivé. Alors que le taux de réponse de juillet récemment déclaré était de 77,8%, la deuxième et la troisième estimation des mois précédents sont plus importantes. La raison en est que les établissements fermés ne répondront pas à l'enquête, même deux mois plus tard.
Vérifions les données. Pour le mois de mai, qui a commencé la série de rebonds, la troisième (et dernière) estimation montre un taux de réponse de 90,7%. Pour la plupart, cela semble assez bon, mais il s'agit en fait du niveau le plus bas depuis plus de dix ans et d'environ 4,5 points de pourcentage de moins que la moyenne des huit années précédentes.
L'importance de ceci est que, à moins qu'un nombre très inhabituel d'entreprises ne répondent pas à l'enquête pendant trois mois, les entreprises manquantes pourraient bien être disparues. Nous ne connaissons pas la taille des entreprises non répondantes, mais si elles étaient typiques de la moyenne des 145 000 personnes interrogées, cela représenterait un surdénombrement de 6,7 millions d'emplois en mai.
Les données de juin ne comprennent que la deuxième réponse. C'est 85,0%, le plus bas en plus de dix ans et presque aussi bas que 85,5% en mai. Le mois de juin est inférieur d'environ 7% à la moyenne pour la deuxième réponse, il y a donc beaucoup de terrain à rattraper le mois prochain.
Mon analyse suggère fortement que l'emploi est beaucoup plus faible que ne le suggèrent les trois derniers rapports sur l'emploi. Cela peut conduire à la fois les investisseurs et les décideurs à mal juger de l'état de la reprise économique.
Addenda: C'est un défi d'expliquer un concept inhabituel à des observateurs occasionnels. La réponse générale au taux de réponse un peu faible semble être: «Et alors?»
Peut-être que cet exemple vous aidera. Supposons que nous ayons mené une enquête scientifique auprès des utilisateurs de Facebook – représentative et avec une taille d'échantillon appropriée. Nous avons posé toutes sortes de questions sur l'âge, les autres activités, les raisons d'utiliser le site, le sexe, la fréquence d'utilisation et d'autres variables similaires.
Si on nous posait ensuite des questions sur l'âge des utilisateurs, ou si celui-ci différait selon le sexe, nous pourrions donner une bonne réponse. Si on nous demandait la proportion de personnes qui utilisaient la plateforme pour rester en contact avec leur famille, nous aurions une bonne estimation. L'échantillon de l'enquête fournit une base solide pour des inférences sur l'ensemble de la population.
Mais que nous a-t-on demandé combien de personnes utilisent Facebook? Notre enquête ne peut pas nous aider. Il s'agit de la taille de notre univers ou de notre base de sondage. Nous devons obtenir ces informations d'une autre source.
Et c'est le problème avec la méthode BLS. Les enquêtes n'aident pas à déterminer la taille de la base de sondage.
