環(huán)小敏,王靈芝
(上海工程技術(shù)大學(xué) 管理學(xué)院,上海201620)
滬人社養(yǎng)發(fā)(2009)22號(hào)文件規(guī)定,自7月1日起,年齡在45周歲以下的兩類外來(lái)從業(yè)人員,①一類為外省市城鎮(zhèn)戶籍的從業(yè)人員;另一類為外省市非城鎮(zhèn)戶籍,但屬于用人單位需要的專業(yè)技術(shù)人員,有專業(yè)技術(shù)職稱,或有技師、高級(jí)技師職業(yè)資格,或其他專門技術(shù)人員,與單位協(xié)商一致,也可以參加城保??梢蚤_(kāi)始繳納城鎮(zhèn)職工基本養(yǎng)老保險(xiǎn)。2010年10月1日,上海市在延遲退休方面率先試點(diǎn),展開(kāi)“柔性延遲領(lǐng)取養(yǎng)老金”嘗試,試點(diǎn)范圍為“男性一般不超過(guò)65周歲,女性一般不超過(guò)60周歲”。這兩項(xiàng)措施對(duì)于上海市養(yǎng)老保險(xiǎn)參保人數(shù)產(chǎn)生了一定的影響,本文運(yùn)用灰色系統(tǒng)理論中的一階一個(gè)變量的微分方程模型,即GM(1,1)模型[1],對(duì)上海市城鎮(zhèn)職工參加養(yǎng)老保險(xiǎn)人數(shù)進(jìn)行預(yù)測(cè)。
本文通過(guò)查詢2015年中國(guó)統(tǒng)計(jì)年鑒,獲得2011—2015年上海市城鎮(zhèn)職工參加養(yǎng)老保險(xiǎn)的人數(shù),數(shù)據(jù)顯示,除2013年在職職工參保人數(shù)小幅下降外,在職職工和離退人員參保人數(shù)呈現(xiàn)逐年上升的趨勢(shì),適用灰色GM(1,1)進(jìn)行建模分析[2]。具體數(shù)據(jù)見(jiàn)表1。
表1 20011—2015年上海市城鎮(zhèn)職工參加養(yǎng)老保險(xiǎn)人數(shù)(萬(wàn)人)
(1)平滑性檢驗(yàn)
(2)一次累加
對(duì)原始數(shù)列 X(0)作一次累加:2,…,n),得,以弱化其隨機(jī)性,增強(qiáng)其規(guī)律性。
(3)均值生成Z(1)為 X(1)的相鄰均值生成序列,其中
(4)建立模型
由 X(1)建立一階線性方程這就是 GM(1,1)模型,其解為其中,α參數(shù)為發(fā)展系數(shù),μ為灰作用量,其計(jì)算公式為:
(5)模型檢驗(yàn)
一是相對(duì)誤差檢驗(yàn)。
二是擬合效果檢驗(yàn)。
灰色模型擬合效果通常采用后驗(yàn)差方法,模型通過(guò)擬合效果檢驗(yàn)其精度合格后方可用于外推預(yù)測(cè)。計(jì)算原始數(shù)列X(0)和ε(n)殘差數(shù)列的標(biāo)準(zhǔn)差S1和,其中,由此計(jì)算后驗(yàn)差比值C和小誤差概率P,其中滿足的基本事件數(shù)n,按照后驗(yàn)差比值C和小誤差概率P,模型的精度可
以劃分為4個(gè)等級(jí),見(jiàn)表2。
表2 GM(1,1)灰色模型預(yù)測(cè)精度等級(jí)評(píng)定
(6)外推預(yù)測(cè)
若模型擬合精度為優(yōu)或者良,則擬合效果較好,可以按照下式進(jìn)行外推預(yù)測(cè)。。若擬合結(jié)果精度不合格,則不可以直接用于外推預(yù)測(cè),須經(jīng)過(guò)殘差修正后,再進(jìn)行外推預(yù)測(cè)。
1.級(jí)比檢驗(yàn)
兩組原始數(shù)列的級(jí)比均在級(jí)比區(qū)內(nèi)σ(k)∈(0.7788,1.2840),表明數(shù)列平滑,可以作為GM(1,1)建模的原始數(shù)列。
2.模型建立
把上海市城鎮(zhèn)職工參加養(yǎng)老保險(xiǎn)人數(shù)按上述步驟計(jì)算后(表3和表4)[4],所得到的上海市在職職工參加養(yǎng)老保險(xiǎn)的 GM(1,1)預(yù)測(cè)模型為:x(^1)(k+1)=82 660.7065e0.0119k-81 684.536 5,k=1,2,…,n;離退人員參加養(yǎng)老保險(xiǎn)的GM(1,1)預(yù)測(cè)模型為:
3.模型精度檢驗(yàn)
表3 上海市城鎮(zhèn)職工參加養(yǎng)老保險(xiǎn)人數(shù)的建模預(yù)測(cè)及模型檢驗(yàn)計(jì)算數(shù)值
表4 上海市離退人員參加養(yǎng)老保險(xiǎn)人數(shù)的建模預(yù)測(cè)及模型檢驗(yàn)計(jì)算數(shù)值
表4 上海市離退人員參加養(yǎng)老保險(xiǎn)人數(shù)的建模預(yù)測(cè)及模型檢驗(yàn)計(jì)算數(shù)值
表4 上海市離退人員參加養(yǎng)老保險(xiǎn)人數(shù)的建模預(yù)測(cè)及模型檢驗(yàn)計(jì)算數(shù)值
兩組數(shù)據(jù)的后驗(yàn)差比值均小于0.35,說(shuō)明模型計(jì)算值與實(shí)際值之差比較集中;兩組數(shù)據(jù)說(shuō)明殘差與殘差平均值之差越小于給定值,因此模型的擬合精度越高[5]。且離退人員的精度優(yōu)于在職人員的精度。根據(jù)指標(biāo)評(píng)定標(biāo)準(zhǔn),所得模型精度等級(jí)為優(yōu),可用于外推預(yù)測(cè)。
4.模型預(yù)測(cè)
從模型的預(yù)測(cè)值和原始值比較(見(jiàn)圖1和圖2)可以看出,模型的擬合精度高,那么,在現(xiàn)有措施不改變的情況下,用此模型外推得到的未來(lái)參保人數(shù)的可信度就高。
圖1 上海市在職職工參加養(yǎng)老保險(xiǎn)人預(yù)測(cè)結(jié)果
圖2 上海市離退人員參加養(yǎng)老保險(xiǎn)人預(yù)測(cè)結(jié)果
上述預(yù)測(cè)分析結(jié)果,讓我們從參保人數(shù)上了解了2015年以后的參保人數(shù),顯示在今后的幾年,參保人數(shù)仍將呈現(xiàn)上升趨勢(shì),而且幅度不小,可見(jiàn)上述兩項(xiàng)措施起到了積極作用。
在灰色預(yù)測(cè)建模過(guò)程中,對(duì)原始數(shù)據(jù)作弱化處理將會(huì)大大消弱系統(tǒng)的隨機(jī)干擾性,對(duì)生長(zhǎng)模型的預(yù)測(cè)增加了可靠性[6]。對(duì)于參保人數(shù)來(lái)說(shuō),隨著時(shí)間的推移,未來(lái)人口結(jié)構(gòu)、勞動(dòng)力流動(dòng)、延遲退休政策等,將會(huì)不斷對(duì)系統(tǒng)造成影響,因此對(duì)于GM(1,1)模型的有預(yù)測(cè)意義的數(shù)據(jù)僅為原始數(shù)據(jù)后的一兩個(gè)數(shù)據(jù),更遠(yuǎn)的數(shù)據(jù)受系統(tǒng)擾動(dòng)因素影響。
就上海這樣的國(guó)際化大都市而言,人口老齡化和高齡化不斷加速,在降低單位繳費(fèi)率①自2017年1月1日起,調(diào)整養(yǎng)老、醫(yī)療和失業(yè)保險(xiǎn)三個(gè)險(xiǎn)種費(fèi)率,總體費(fèi)率下降2.5個(gè)百分點(diǎn)。其中,職工基本養(yǎng)老保險(xiǎn)費(fèi)率企業(yè)的單位繳費(fèi)部分下調(diào)1個(gè)百分點(diǎn);職工基本醫(yī)療保險(xiǎn)費(fèi)率單位繳費(fèi)部分下調(diào)1個(gè)百分點(diǎn);失業(yè)保險(xiǎn)費(fèi)率單位繳費(fèi)部分下調(diào)0.5個(gè)百分點(diǎn)。的現(xiàn)狀下,只能通過(guò)逐步擴(kuò)大參保范圍以實(shí)現(xiàn)養(yǎng)老基金的可持續(xù)發(fā)展。參保人數(shù)增加有以下幾點(diǎn)意義:(1)參保人數(shù)不斷增加,養(yǎng)老保險(xiǎn)有效覆蓋面進(jìn)一步擴(kuò)大。對(duì)于在職職工參加養(yǎng)老保險(xiǎn)而言,2012年增長(zhǎng)1.73%,2013年下降0.06%,2014年增長(zhǎng)1.27%,2015年增長(zhǎng)2.33%。若要保持或繼續(xù)增加,就須做好新增就業(yè)人員和流動(dòng)就業(yè)人員的參保工作。(2)優(yōu)化參保人員結(jié)構(gòu)。參保人數(shù)增加有利于降低職工養(yǎng)老保險(xiǎn)負(fù)擔(dān)系數(shù),②職工養(yǎng)老保險(xiǎn)負(fù)擔(dān)系數(shù)=離退休人數(shù)/參保職工人數(shù)穩(wěn)定并優(yōu)化人員結(jié)構(gòu),部分緩解人口老齡化對(duì)養(yǎng)老保險(xiǎn)制度的沖擊。
[1]鄧聚龍.灰色系統(tǒng)預(yù)測(cè)與決策[M].武漢:華中理工大學(xué)出版社,1992:97-101,135.
[2]鄧聚龍.灰色系統(tǒng)基本方法[M]:武漢:華中理工大學(xué)出版社,1988:96-97.
[3]顏康康,林雪君,鮑紅紅,李雙,劉欣.灰色GM(1,1)模型在艾滋病、淋病、梅毒發(fā)病率預(yù)測(cè)研究中的應(yīng)用[J].實(shí)用預(yù)防醫(yī)學(xué),2015,(3):371-374.
[4]相廣芳,羅帥偉,王卓理,黃芳,方斌.基于GM(1,1)的城鄉(xiāng)居民收入差距預(yù)測(cè)——以平頂山市為例[J].湖北農(nóng)業(yè)科學(xué),2017,(2):373-376.
[5]楚燕臣,印凡成.基于預(yù)測(cè)模型的基本養(yǎng)老保險(xiǎn)問(wèn)題分析[J].江南大學(xué)學(xué)報(bào):自然科學(xué)版,2013,(1):116-121.
[6]郭劍平,黃健元.改善江蘇省基本養(yǎng)老保險(xiǎn)基金收支狀況的對(duì)策研究[J].西北人口,2009,(4):62-66.