在网络信息飞速发展带来的大数据背景下,针对本国现有的失业率统计数据在统计对象、统计频次等方面存在的待改进之处,本文提出为及时监测失业率变化而将网络搜索周数据纳入统计数据的范围。有别与以往的子年度时间序列,针对周数据的特点,文章首先引入了周数据季节调整的MoveReg模型方法与结构性时间序列模型方法,详细介绍其原理并论证其可行性。其次,在与失业情况有关的网络搜索关键词方面,使用了Letterman插值法以及三步技术选词法,同时根据百度搜索指数和爬虫技术得到相应关键词的网络搜索周数据。本文对失业情况相关的网络搜索周数据进行了季节调整,并对调整后的数据进行了季节分量与模型诊断。最后,本文运用主成分分析合成法,将季节调整后的关键词搜索周数据合成了一个指数,并针对我国经济高速发展的国情,引入产出缺口以及失业率、产出缺口的滞后项建立传统的线性奥肯定律模型,进而结合平滑转换回归模型构建非线性奥肯定律模型,系统的考察了奥肯定律在我国的存在性与非线性特征。研究结果表明使用MoveReg方法对网络搜索周失业率数据进行季节调整具有很好的效果,且网络搜索失业率数据与产出缺口存在长期的均衡关系,两者之间虽未存在明显的线性关系,但在非线性部分影响显著。可认为季节调整后的网络搜索周数据能有效地体现失业情况相关指标的趋势与及时的变化。本研究补充了本国在对周数据进行季节调整方面研究的缺失。