失業：類型、衡量與成因

為什麼景氣明明變好了，還是有人找不到工作？

二○二四年，新聞報導某國經濟成長率亮眼、企業大舉徵才，失業率卻仍卡在百分之四上下。一位剛從中文系畢業的學生投了三十封履歷，面試了五家公司，卻遲遲沒有著落；同一時間，半導體廠卻喊著「缺工」、貼出高薪卻找不到人。這兩件事看似矛盾，其實正是理解失業的關鍵起點。

失業（unemployment）從來不是一個單純的「景氣好不好」的問題。它牽涉到勞動市場的結構、技能的錯配、季節的循環，甚至是制度設計本身。當我們把「失業」拆解開來，會發現它其實是好幾種性質截然不同的現象，被勉強塞進同一個統計數字裡。要理解它，得先學會把它分類。

誰才算「失業」？衡量先於分析

在討論失業的成因之前，我們必須先釐清一個容易被誤解的問題：到底什麼樣的人，才會被計入「失業」？

各國勞動統計（如台灣行政院主計總處、美國勞工統計局 BLS）採用相近的國際勞工組織（International Labour Organization, ILO）定義。一個人要被歸類為「失業者」，必須同時滿足三個條件：

1. 沒有工作（在調查週內沒有任何有酬工作）；
2. 正在積極尋找工作（過去一段期間內有實際求職行動）；
3. 隨時可以開始工作。

這三個條件缺一不可。這也解釋了一個常見的迷思：失業率上升，不一定代表經濟變差；失業率下降，也不一定是好消息。

關鍵在於「勞動力」（labor force）這個分母。整個社會的成年人口可以分成三類：

• 就業者（employed）：有工作的人；
• 失業者（unemployed）：符合上述三條件的人；
• 非勞動力（not in labor force）：既沒工作、也沒在找工作的人（如全職學生、退休者、料理家務者、放棄求職者）。

勞動力 = 就業者 + 失業者（不含非勞動力）。失業率的公式是：

$$ \text{失業率} = \frac{\text{失業人數}}{\text{勞動力}} \times 100\% = \frac{\text{失業人數}}{\text{就業人數} + \text{失業人數}} \times 100\% $$

另一個同等重要、卻常被忽略的指標是勞動力參與率（labor force participation rate）：

$$ \text{勞動力參與率} = \frac{\text{勞動力}}{\text{15 歲以上民間人口}} \times 100\% $$

看一個例子：當「失望」讓失業率「下降」

假設一個小鎮有 1000 名工作年齡人口。原本有 600 人就業、100 人失業（積極求職中）、300 人是非勞動力。

• 勞動力 = 600 + 100 = 700
• 失業率 = 100 / 700 ≈ 14.3%

現在景氣持續低迷，其中 40 名失業者投了無數履歷後心灰意冷，乾脆不找了——他們成為經濟學上所稱的怯志工作者（discouraged workers），從「失業者」變成「非勞動力」。

• 新的勞動力 = 600 + 60 = 660
• 新的失業率 = 60 / 660 ≈ 9.1%

請注意：明明沒有任何人找到工作，失業率卻從 14.3% 「下降」到 9.1%。這正是為什麼經濟學家除了看失業率，還會緊盯勞動力參與率與就業人口比（employment-population ratio）。單看失業率，可能被怯志效應誤導。

這也提醒我們：統計的定義邊界會直接影響我們對現象的判讀。失業率是一個有用但不完美的鏡子。

失業的三種主要類型

把失業計算清楚之後，真正有趣的問題才開始：這些找不到工作的人，為什麼找不到？經濟學家依「成因」把失業分成三大類型。

一、摩擦性失業（Frictional Unemployment）

這是最「健康」的一種失業。它源自於勞工在不同工作之間轉換時，搜尋與媒合需要時間。剛畢業的學生尋找第一份工作、上班族主動離職換跑道、企業徵才與求職者彼此尋找匹配對象——這些過程都不可能瞬間完成。

摩擦性失業反映的是資訊不完全與搜尋成本。它的存在其實是市場運作的正常現象，甚至代表勞動市場具有流動性與選擇自由。一個完全沒有摩擦性失業的社會，反而可能意味著人們被綁死在不適合的工作上。

二、結構性失業（Structural Unemployment）

這是文章開頭那位中文系畢業生的處境。結構性失業發生在勞工的技能、地理位置或產業特性，與市場需求出現系統性錯配（mismatch）時。

當經濟結構轉型——傳統製造業外移、人工智慧取代部分文書工作、能源轉型淘汰燃煤產業——舊技能的勞工即使努力求職，也未必能進入新興產業。半導體廠缺工、文科生失業，兩者並存，正是技能錯配的典型。

結構性失業的特徵是持續時間較長，且難以靠單純的景氣刺激解決。它需要的是再培訓（reskilling）、教育體系調整、產業政策引導。

三、循環性失業（Cyclical Unemployment）

這才是與「景氣好壞」直接相關的失業。循環性失業隨著經濟景氣循環（business cycle）而起伏：當經濟衰退、總需求（aggregate demand）下降時，企業減產、裁員，失業上升；當景氣復甦、需求回升，循環性失業隨之減少。

二○○八年金融海嘯、二○二○年疫情初期的大規模失業，主因都是循環性的。這類失業是總體經濟政策（貨幣政策、財政政策）最主要的對象。

此外還有一種季節性失業（seasonal unemployment），如農業、觀光、零售在淡旺季的規律性波動，通常在統計時會經過季節調整（seasonal adjustment）處理。

自然失業率與充分就業

理解了三種類型後，我們可以引入一個核心概念：自然失業率（natural rate of unemployment）。

$$ \text{自然失業率} = \text{摩擦性失業率} + \text{結構性失業率} $$

自然失業率是當循環性失業為零時的失業水準。換句話說，即使經濟運作在「充分就業」（full employment）狀態，失業率也不會是零——因為摩擦性與結構性失業始終存在。

這顛覆了一個常見迷思：「充分就業」不等於「零失業」。一個健康的經濟體，仍會有人正在轉換工作、正在重新培訓技能。把失業率硬壓到自然失業率以下，往往會引發通貨膨脹壓力（這正是菲利浦曲線所揭示的取捨）。

實際失業率與自然失業率的差距，大致就是循環性失業：

$$ \text{循環性失業率} \approx \text{實際失業率} - \text{自然失業率} $$

當這個差距為正，代表經濟低於潛在產出（產出缺口為負）；當差距為負，代表經濟過熱。

動手試試：判斷以下情境屬於哪種失業

請你先自行判斷，再對照答案：

1. 一位平面設計師因公司倒閉而失業，正在投履歷找新工作。
2. 燃煤電廠關閉後，鍋爐操作員因技能無處可用而長期失業。
3. 海邊飯店的服務生在冬季淡季被資遣，等待夏季重新上工。
4. 經濟衰退期間，汽車工廠因訂單銳減而裁掉一整條產線的工人。

參考答案：

1. 摩擦性失業——這是正常的工作搜尋過程，預期短期內可媒合。
2. 結構性失業——技能與市場需求發生系統性錯配，需要再培訓。
3. 季節性失業——隨季節規律波動，可預期且週期性。
4. 循環性失業——直接源於總需求下降的景氣衰退。

有沒有發現？同樣是「失業」，背後的成因、持續時間與對策卻完全不同。這正是分類的價值所在。

失業的成因：從勞動市場供需看

我們也可以用供需架構，更精準地理解失業為何發生。在一個完全自由競爭的勞動市場中，工資（wage）會調整到讓勞動供給等於勞動需求的均衡點，理論上不該有「非自願失業」。

但現實裡，工資往往無法自由向下調整（wage rigidity，工資僵固性），於是在勞動市場圖上，當實際工資 $W$ 被卡在均衡工資 $W^*$ 之上時，勞動供給量超過勞動需求量，多出來的部分就是失業。

用文字描述這張圖：橫軸是勞動量 $L$，縱軸是實質工資 $W$。勞動需求曲線向右下傾斜（工資越高、企業越少僱用），勞動供給曲線向右上傾斜（工資越高、越多人願意工作）。兩線交點為均衡。若有一條「最低工資」或「僵固工資」的水平線高於均衡工資，則在這條線上，供給曲線對應的勞動量（願意工作的人）大於需求曲線對應的勞動量（企業願意僱用的人），兩者的水平差距就是失業人數。

造成工資僵固的常見原因包括：

• 最低工資法（minimum wage）：法律設下工資下限；
• 工會與集體談判（labor unions）：工會維持高於均衡的工資；
• 效率工資（efficiency wages）：企業刻意支付高於市場的工資以提升員工努力程度、降低離職率與監督成本；
• 內部人—外部人理論（insider-outsider theory）：在職者（內部人）有議價力，使工資難以下降以吸納失業者（外部人）。

重點回顧

• 失業者有嚴格定義：必須同時「沒工作、正在積極找工作、隨時可開始工作」，三條件缺一不可。怯志工作者會退出勞動力，反而讓失業率「失真」下降。
• 失業率的分母是勞動力（就業 + 失業），不含非勞動力；務必搭配勞動力參與率一起判讀。
• 三大類型成因不同：摩擦性（搜尋媒合，健康）、結構性（技能/地理錯配，長期）、循環性（景氣衰退，總需求不足）。
• 自然失業率 = 摩擦性 + 結構性；充分就業並不等於零失業，這是核心觀念。
• 工資僵固性（最低工資、工會、效率工資等）使工資無法降到均衡，是非自願失業的重要結構性原因。

深入探討（研究所視角）

進入研究所層次，失業理論會從「分類描述」走向「均衡機制建模」，以下提供幾條值得延伸的線索。

搜尋與媒合理論（Search and Matching Theory）。 Diamond、Mortensen 與 Pissarides 三人因建立勞動市場搜尋摩擦的均衡模型，獲得二○一○年諾貝爾經濟學獎（合稱 DMP 模型）。核心是一個媒合函數（matching function）：

$$ M = m(U, V) $$

其中 $U$ 為失業人數、$V$ 為職缺數（vacancies），$M$ 為單位時間內成功配對的數量，$m(\cdot)$ 通常假設為規模報酬不變。由此可推導出職缺—失業的負向關係，即著名的貝弗里奇曲線（Beveridge Curve）：當失業率高時職缺率低，反之亦然。曲線整條向外移動，往往代表媒合效率惡化（結構性錯配加深）。DMP 模型把「摩擦性失業」從一個模糊描述，轉化為可估計的均衡結果。

菲利浦曲線與自然失業率假說。 Friedman 與 Phelps 在一九六○年代末提出附加預期的菲利浦曲線（expectations-augmented Phillips curve），挑戰了原始菲利浦曲線「失業與通膨永久取捨」的觀點：

$$ \pi = \pi^e - \beta(u - u_n) $$

其中 $\pi$ 為實際通膨率、$\pi^e$ 為預期通膨率、$u$ 為實際失業率、$u_n$ 為自然失業率。此式的關鍵洞見是：長期下人們的通膨預期會調整（$\pi^e = \pi$），使 $u = u_n$，亦即長期菲利浦曲線是垂直的——政府無法靠持續製造通膨來永久壓低失業。這也引出 NAIRU（Non-Accelerating Inflation Rate of Unemployment，非加速通膨失業率）的概念。

遲滯效應（Hysteresis）。 Blanchard 與 Summers 提出，長期失業可能改變自然失業率本身：當勞工長期失業，技能折舊、與勞動市場脫節，使他們難以重返就業，於是「暫時的」循環性失業可能「固化」為結構性失業。這對政策的啟示是——衰退期的失業若不及時處理，可能造成永久性的傷害，這也是反對「讓市場自行清算」的有力論據。

跨領域連結。 失業議題與多個領域深度交織：在勞動經濟學中與人力資本（human capital）理論相連；在行為經濟學中，工資僵固性可由公平偏好（fairness）與名目工資向下僵固（downward nominal wage rigidity）解釋；在教育與科技政策層面，自動化與生成式 AI 對結構性失業的衝擊，正是當代最迫切的研究前沿——哪些技能會被取代、再培訓的成效如何、教育體系該如何回應。這也呼應了教育科技平台的核心關懷：當技能錯配成為失業主因，終身學習與技能再造便不只是個人選擇，而是抵禦結構性失業的社會基礎建設。

從一封封石沉大海的履歷，到一條垂直的長期菲利浦曲線，失業的研究讓我們看見：一個簡單的數字背後，藏著市場摩擦、預期形成、制度設計與技術變遷的層層機制。理解它，才能在政策與人生選擇上，做出更清醒的判斷。