电梯游说
工作时间是估算生产率增长和小时工资的关键组成部分，也是一个有用的周期性指标，因此正确衡量工作时间很重要。美国劳工统计局(BLS)在几项调查中收集了工作时间的数据，并发布了四个广泛使用的衡量平均每周工作时间的系列。这个系列讲述了不同的关于每周平均工作时间的故事和趋势，但关于工作时间的周期性行为的故事本质上是相似的。这里总结的研究解释了水平上的差异，但只是趋势上的一些差异。
重要发现
优点
平均而言，美国劳工统计局家庭调查的受访者正确报告了每人每周工作时间和主要工作的每周工作时间。
所有系列都表现出类似的周期性行为。
运行时间最长的系列(当前人口调查(CPS)，当前就业统计(CES)生产和非监督工人，以及生产力和技术办公室(OPT))之间的水平差异可以通过概念和覆盖范围的差异来解释。
自20世纪90年代初以来，这三个系列表现出类似的趋势(都是2007年以来的)。
在调整了调查参考期的差异后，可以比较不同国家劳动力调查中测量的工作时间。
缺点
持续时间最长的系列在水平和趋势上存在显著差异;长期趋势的差异是无法完全调和的。
在家庭调查中，受访者少报了多份工作，多报了从事第二份工作的时间;尽管如此，总小时数大致是正确的，因为这些错误大多相互抵消。
根据每周平均工时估算年工作时数夸大了年工作时数，因为调查的参考期不包括大多数节假日。
由于数据来源不同，很难比较不同国家国民收入账户中记录的工作时间。
作者主要信息
劳工统计局发布了四个广泛使用的每周工作时间系列:一个来自家庭调查(CPS)，两个来自企业调查(CES生产工人和所有员工系列)，还有一个结合了两者的数据(OPT)。这些序列之间的水平差异可以用调查特征来解释，但长期趋势的差异只能部分解释。然而，这四个系列都讲述了关于每周工作时间周期性行为的定性相似的故事。对于决策者来说，了解不同小时序列的优点和局限性是很重要的。
动机
正确测量每周工作时间对于估计平均小时收入和劳动生产率非常重要。如果平均每周工作时间被高估，那么平均小时工资就被低估了。为了说明这一点，一些使用美国数据的研究表明，大学毕业生倾向于高估自己的工作时间，而高中毕业生则倾向于略微低估自己的工作时间[１]。这使得大学毕业生的平均时薪出现了向下的偏差，而高中毕业生的平均时薪出现了向上的偏差，从而低估了大学和高中的工资差异。要衡量生产率，实际工作时数不如增长率重要。大多数国家将产出的增长与总劳动时间的增长(每周平均工作时间×就业人数×每期工作周数)进行比较。如果工时增长被低估，那么生产率增长就会被高估。
平均每周工作时间本身也是一个重要的经济指标。企业可以比调整就业水平更容易地调整工作时间。因此，在经济衰退开始时，企业在裁员之前会减少每个工人的工作时间。同样，在经济衰退结束时，企业往往不确定经济复苏的力度，往往会在增加雇佣额外工人的成本之前增加每个工人的工作时间。
美国劳工统计局(BLS)主要数据来源的每周平均工作时间系列既有相似之处，也有差异(插图)。家庭调查(当前人口调查(CPS))中所有工人的平均每周工作时间最高，呈现出相对平缓的趋势——徘徊在每周39小时左右，但有相当大的周期性变化。相比之下，从企业调查(当前就业统计(CES))中得出的生产和非监督工人的每周工作时间水平较低，周期性变化较少，直到20世纪90年代初才呈现出强劲的下降趋势，大部分下降发生在1982年之前。企业调查的全体员工系列表现与生产和非监督工人系列相似，但水平略高。劳工统计局的生产力和技术办公室(OPT)私营非农业营业时间系列，是由企业调查生产工人系列结合家庭调查和国家薪酬调查的数据得出的，其表现与企业调查生产工人系列非常相似。这并不奇怪，因为生产工人系列是其主要数据源。
工作时间的另一个数据来源是美国时间使用调查(ATUS)。劳工统计局公布了工作时间的估算值，但没有公布官方的工作时间序列。这里讨论的主要原因是研究人员使用时间使用调查的微观数据来评估家庭调查的时间数据的质量。该系列的行为与住户调查的小时数系列相似。
讨论利弊
本节讨论了研究这些系列差异的结果，目的是帮助决策者评估这些重要的经济数据。这个系列有不同的优点和缺点，在决定使用哪个系列时需要考虑到这些优点和缺点。
小时系列的简短描述
CPS是一项月度调查，每月从6万个家庭样本中收集有关就业状况和工作时间的信息。受访者被问及通常和实际的工作时间工作关于他们的主要和次要工作。对于实际工作时间，受访者通常被要求报告包括每月12日在内的一周的工作时间，选择这个时间是为了尽量减少假期的影响。然而，由于11月和12月假期对数据收集或调查操作的影响，11月和12月的调查参考周有时会移至5日的那一周。将这些单独的月度报告取平均值，从而得出每周平均工作时间的估计。尽管该调查分别收集了每项工作的工作时数，但公布的估计数字是以每个雇员为基础的。
消费电子局的调查也是每月从商业机构收集有关就业和工作时间的信息支付每月12日为发薪日。直到最近，企业调查只收集生产工人(在商品生产行业)和非监督工人(在服务提供行业)的工时数据;由这些数据得出的系列称为生产工人系列。2006年，劳工统计局开始发布除生产工人外的所有员工平均每周工作时间系列。企业调查生产工人系列的时间序列要长得多，直到2010年，它一直是劳工统计局的官方工作时间系列，直到2010年，所有员工系列才成为官方系列。这两个企业调查系列是一起移动的，但与生产工人系列相比，所有员工的工作时间系列每周高出约四分之三小时，这意味着非生产和监督工人的平均每周工作时间比生产和非监督工人多3.5小时(非生产和监督工人约占企业调查总就业人数的20%)。
与住户统计调查系列一样，机构编制调查所得的平均每周工作时数以总工作时数除以总就业人数计算。然而，由于调查中的就业是以企业为基础的，所以分母是工作岗位总数，而不是就业人数总数。因此，多个职位持有人在住户系列中被计算一次，但在机构调查中被计算多次。在家庭调查和企业调查的小时数系列之间的覆盖范围也存在重大差异。营业场所调查提供了全部私营部门的工作时数估计数，而住户调查涵盖了所有受雇个人。住户调查系列包括政府工作人员、私人家庭佣工、非法人自雇工人和无薪家庭成员，这些都不包括在编制调查时间系列中。
劳工统计局OPT生产的生产率系列不是来自单独的调查，而是由三个调查的数据组合而成——CES、CPS和国家薪酬调查(NCS)。生产率测量需要涵盖所有私营非农业工人的工作时间数据，并且具有与产出数据一致的行业定义。企业调查数据和住户调查数据都不理想。企业调查中的行业分类与收集产出数据的调查中使用的行业分类更为一致，但工时数据为工时支付并且只涵盖生产和非管理工人。住户调查按小时收集数据工作所有工人，但不使用与输出数据源中一致的行业分类。重要的是，输出和用于创建它们的输入的行业定义是一致的。否则，行业生产率测量将有偏差，偏差的程度取决于错误分类的数量和增长率的差异。
OPT生产率系列的主要数据源是企业调查的生产工人工时系列(由于时间序列太短，没有使用所有员工工时系列)。根据NCS数据计算的行业工作时数与支付时数的比率，将数据从支付时数调整为工作时数。这些工作时数与工资时数的比率反映了年假和病假的变化。这种调整产生了生产和非监督工作时间的估计工作。由于这种调整，即使生产率序列包括非生产和监督工人，而工厂序列不包括，但生产率时间序列显示的工作时间比工厂生产工人序列少。
非生产和管理人员的平均每周工作时间是根据住户调查的数据估计的。住户调查数据经调整，由按人计算转为按工作计算，而机构编制调查未涵盖的工作(例如政府工作人员、自雇人士、私人家庭佣工和无薪家庭成员)则从样本中剔除。计算非生产和管理工人的平均每周工作时间与生产和非管理工人的平均每周工作时间之比，然后乘以生产工人的平均每周工作时间，得出非生产和管理工人的估计工作时间。所有私人领薪工人的平均每周工作时间等于生产工人和非生产工人工作时间的加权平均值[2]。为了填补剩余的空白，对工资和薪金工人的数据进行了补充，包括非法人自雇工人、政府企业雇员(例如邮政服务)和无薪家庭成员的住户调查数据。
生产力工时系列的覆盖范围不同于家庭和企业调查系列，因为它是由生产力估计所需的数据驱动的。生产率工时序列不包括政府和非营利组织，因为这些部门的产出来自投入(特别是工资和薪金)。将这些行业包括在内，将会使生产率增长的估计偏下。私人家庭佣工被排除在外，因为没有这一部门的产出数据。
另一个关于工作时间的数据来源是ATUS，这是一项时间日记调查，收集人们如何利用时间的信息，并可用于估算平均每周工作时间。劳工统计局没有公布基于这些数据的工作时间序列，但它们对评估家庭调查中工作时间数据的准确性很有用。
图1总结了劳工统计局收集工作时间信息的三种调查之间的主要差异:家庭调查、企业调查和时间使用调查。
协调的差异
要调和住户调查和企业调查在工时估计方面的差异，第一步自然是用时间使用调查的数据来检验住户调查工时数据的准确性。使用两种方法的研究发现，家庭调查受访者平均正确地报告了他们的总工作时间，尽管一些人口群体倾向于高估工作时间(如大学毕业生、全职工人和妇女)，而另一些人则低估了工作时间(如高中毕业生和兼职工人)。[１]，[3]，[4]，［5］。
研究亦发现住户调查的参照期并不能代表整个月。在住户调查的参照周内，工人的工作时间较长[１]。参考周与非参考周之间的差异约有三分之一是由于参考周中排除了假日。由于选择家庭调查参考周是为了避免假日(以便更容易解释每月的变化)，因此将公布的家庭系列估计值外推到整个月，高估了该月的工作时间，即使受访者正确报告了参考周的工作时间。
将主要工作和第二工作分开来看，研究发现，家庭调查中正确报告了主要工作的平均每周工作时间，但没有报告第二工作的平均每周工作时间[4]，［5］。具体而言，住户调查受访者少报第二份工作的发生率(住户调查报告中约有5-6%的工人拥有不止一份工作，而时间使用调查中约有10-11%)和多报第二份工作的时间(每周约14小时，而时间使用调查约为9小时)。在时间利用调查中，多份工作的较高发生率可能是由于自我报告(与家庭调查中主要的代理报告相比)，这可能导致更多的低小时第二工作报告。这种错误报告的净影响是，所有工作的平均每周工作时间被高估了0.2-0.4小时[4]。
对英国和丹麦进行类似比较的研究得出了关于家庭调查工时报告准确性的类似结论［6］，［7］。英国家庭调查的小时数报告总体上是准确的，丹麦家庭调查的估计和时间日记的估计之间只有微小的差异。
住户调查时数和机构调查时数之间的一些差异是由于上一节所述的差异造成的。例如，使用住户调查数据(调整为机构调查概念)模拟机构调查工时数据的研究发现，两个系列之间的水平差异几乎完全是由于覆盖范围的差异(住户调查中的所有工人，生产和非监督工人仅在机构调查中)，对多个职位的处理(住户调查中统计一次，机构调查中统计多次)，工时概念(住户调查的工作时数，企业调查的工资时数)［5］。
其他的分歧就不那么容易调和了。虽然模拟的企业生产和非监督工人序列在水平上复制了实际的企业调查序列，但它没有复制企业调查工时序列的下降趋势［5］。事实上，模拟的企业调查系列几乎与原始的住户调查系列平行，但工作时间水平较低。有两个时期，这两个系列的趋势出现了分歧:1984年至1991年左右，以及2003年之后(在较小程度上)(以每个工作岗位为基础)。20世纪80年代，企业调查的样本大幅扩大，但没有数据可以确定这种扩大是否在企业调查系列平均每周工作时间的下降中发挥了作用［5］。
研究人员还研究了这两个系列之间其他更微妙的差异所产生的影响［5］。例如，在1980年代初至2000年代中期的编制调查中，12日一周的工作时数较多，加上工资期的延长，可能会造成轻微的下降趋势，因为较长的工资期包括更多的低小时工作周。就1998年后的差异而言，总体工时趋势的大部分差异是由于三个行业(零售业、休闲和酒店业以及专业和商业服务)的趋势差异，而不是由于各行业工人分布的差异(构成效应)。
国际比较
每个工人的平均工作时间可在国民收入和产品账户(NIPA)中找到，该账户可在经合组织的国民账户数据库和世界大型企业联合会的经济总量数据库中找到［8］。然而，产生NIPA小时统计数据的方法因国家而异。经合组织警告说，NIPA的小时数数据不适合进行跨国比较［8］。
劳动力调查(LFS)更适合于国际比较。然而，从上述参考周的研究可以推测，参考周的差异必须考虑在内。(在国际上，如在美国，参照期效应似乎与假期的存在与否有关。)此外，在LFS中，休假周往往被低估，因此需要用休假周和公共假日的外部数据来补充调查数据［8］。
周期性的行为
正如理论所预测的那样，所有BLS小时序列都表现出顺周期行为，尽管周期模式在某些序列中比其他序列更为明显(图2)。由于没有上升或下降的长期趋势，因此更容易看到家庭系列的周期性模式。平均每周工作时间在经济衰退期间下降，在经济扩张期间上升。1982年以前的企业调查系列和生产率系列的下降趋势使人们更难看到这些系列在早期商业周期中的变化。在此期间，衰退期间下降的速度加快，衰退后的增长因长期下降趋势而有所缓和。前三次经济衰退后工作时间的增长速度远低于1980-1982年经济衰退后的增长速度。
一项研究将时间使用调查的时数数据与住户调查和机构调查的时数数据进行比较，发现时间使用调查时数的周期性比机构调查时数强，但比住户调查时数的周期性弱［9］。虽然这项研究没有直接比较住户调查和机构调查的时数序列，但可以推断，住户调查的时数比机构调查的时数更具周期性。
其他研究人员也研究了企业调查中受薪工人的标准工作周报告对企业调查时间系列的周期性的影响。本研究利用住户调查资料模拟受薪工人的编制调查工作时数概念，并与住户调查工作时数序列进行比较[10]。研究发现，与工作时间序列相比，工资时间序列随商业周期的变化较小，但这两个序列在平均每周工作时间的长期变化方面是相同的。
有证据表明，工时序列的相对商业周期波动自1984年以来发生了变化——1984年大约是大缓和的开始，当时GDP表现出明显较小的周期性波动[11]。CPS和CES生产和非监督工人每周工作时间序列在1984年之后变得不那么不稳定，而OPT工作时间序列变得稍微不稳定。但在1984年之后，这三个系列都对GDP的周期性波动表现出了更大的敏感性。
限制和差距
劳工统计局从家庭和企业调查中收集工时数据，每种数据来源都有其优点和缺点。
美国劳工统计局的家庭调查(CPS)允许对不同人口群体进行比较。但在家庭调查中，一些群体似乎多报了工作时间，而另一些群体则少报。此外，小样本量限制了行业细节的数量，并且家庭调查中的行业定义与收集产出数据的企业调查中的定义并不完全匹配，这两者对于衡量生产率都很重要。
美国劳工统计局的企业调查(CES)收集了有关带薪工时的数据，这与受薪工人的带薪休假和下班工作时间不同。而且，直到最近，企业调查只收集生产和非监督工人的工时数据。然而，企业调查的一个主要优势是它的大样本，这使得在公布的估计中有更多的行业细节。此外，企业调查中的行业定义与收集产出数据的调查中使用的定义更为一致。
ATUS是一个较新的小时数据来源。由于时间日记调查的小时数报告通常被认为是准确的，因此它是验证住户调查数据的有用数据源。但是它的小样本和不频繁的出版(每年一次)限制了它作为工时数据的主要来源的实用性。
在衡量生产率统计的工作时间时，特别是在使用企业调查的工作时间时，下班和带薪休假是值得关注的问题。结合上述企业和家庭数据的OPT系列提供了一个例子。用于将带薪工时转换为OPT系列工作时数的NCS数据只考虑带薪累计休假和病假，而不包括下班工作和实际休假。如上所述，用于估算非生产和管理工人工时的OPT方法隐含地假设生产和非管理工人按他们工作的所有时间获得报酬。事实上，大约30%的生产和非管理工人是有工资的，这意味着这种假设不成立，因为下班时间对这些工人来说也是一个问题。此外，由于NCS数据仅捕获休假政策的变化，因此实际休假的变化并未被发现。
与其他工时数据来源相比，住户调查的一个优势是高回复率——约为90%，而工时问题的非回复率非常低。相比之下，企业调查中工时问题的回复率仅为32%，主要原因是项目无回复率很高。关于员工总数的回复率约为70%，但只有45%的受访者提供了工资和工作时间的信息。由于没有基准数据，不可能直接评估不回应对编制调查工时数据质量的影响。时间使用调查的回应率高于机构调查，但仍远低于住户调查。然而，研究表明，在时间使用调查中，不回应对估计工作时间的影响最小[12]。
由于调查方法和估算程序因国家而异，因此本文总结的结果可能无法完全适用于其他国家的工时数据。例如，参考周期效应取决于所使用的确切参考周期和工作时间的分布方式。但是，这些研究突出了在收集工作时间数据时可能出现的一些问题，并说明了其他国家统计机构为评估其工作时间数据的质量可能进行的研究项目类型。
摘要及政策建议
考虑到测量工作时间的困难，决策者了解不同工作时间序列的优点和局限性是很重要的。
在比较不同人口群体的工作时间方面，CPS的数据最适合美国。住户调查还可以提供企业调查未涵盖的工人的工作时数信息。ATUS的数据也有人口统计信息，但样本量小是一个限制，特别是在长期比较群体时。由于劳工统计局没有公布时间使用调查的估计时间，因此通常有必要从微观数据中计算估计时间。然而，时间使用调查可以揭示工作的时间，包括一天中的时间和一周中的几天。
相比之下，在比较不同行业的工时时，企业调查和生产率工时系列是首选。哪个系列最合适取决于所问的问题。生产率系列提供了所有私营非农业商业部门工人的更全面的工作时间衡量标准，而编制调查系列衡量的是生产和非监督工人的工作时间。2006年3月，美国劳工统计局开始公布除生产和非监督工作时间系列之外的所有员工的工作时间数据。
美国劳工统计局的所有工作时间系列都在定性上类似于每周工作时间的周期性行为，尽管它们在数量上有所不同。但小时数系列讲述了每周小时数的长期趋势的不同故事。要解释所有这些差异是不可能的，因此在比较长期趋势时，不能推荐一个系列而不是另一个系列。同样，哪个系列最有利取决于所问的问题。
致谢
作者感谢美国劳工统计局的工作人员，一位匿名的推荐人，以及IZA劳动世界编辑对早期草稿的许多有益建议。作者以前的工作包含大量的背景参考资料在这里提出的材料，并已在本文的所有主要部分密集使用。这篇文章是作者在美国劳工统计局工作的一部分。这篇文章只要引用得当，就可以自由复制。本文中表达的分析和结论仅代表作者的观点，并不一定反映美国劳工统计局的观点。文章的第二版更新了文本，包括劳工统计局的第四个每周工作时间系列，并增加了两个新的“关键参考文献”。［8］，[11]。
相互竞争的利益
IZA劳动世界项目致力于IZA行为准则。作者声明已经遵守了代码中概述的原则。