基于双变量线性回归模型的养老金缺口研究-论文.pdf

《基于双变量线性回归模型的养老金缺口研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、基于双变量线性回归模型的养老金缺口研究宋杭王大伟(中国人民银行吉林市中心支行，吉林省吉林市152000)近年来，人民银行养老金缺口不断扩大，采用计量经济学模型定量分析养老金缺口，能够使其形成过程更加数量化、具体化、清晰化。为此，我们先对养老金缺口、离退休人数分别建立对数一线性增长模型，然后再对两个变量建立简单线性回归模型，并对回归结果进行检验和讨论。一、指标选择与数据选取2。0082．0092，0102．0112，0122，0132，014我们以养老金缺口为被解释变量(因变量)E圈Y，以离退休人数为解释变量(自变量)X，以时下面用最小二乘法进行

2、线性回归，回归结果间序列为时间变量T，我们选取吉林市人民银行系如下：统2009~p至2013年5年数据作为研究样本。数据选ProbProbVariablec0efficient(t-Statistic)(F-Statistic)R—Sq‘uared取的原因如下：一是2009年前后，吉林市人民银行系统养老金缺口开始形成并不断扩大，这一问题的显著特征值得我们去深入研究；二是近5年来，离退休人员数量逐渐增加，先验地，我们认为两者存在较强的线性相关性。从回归结果来看，两个增长模型的F统计量和t统计量的相伴概率均小于0．05，说明在5％的显著二养老金缺口

3、与离退休人数增长模型性水平下，自变量对因变量影响是显著的，可决系首先，我们以对数一线性回归模型分别研究两数均在90％以上，拟合优度较高，说明方程拟合程个变量的时间增长率，建立方程如下：度较好。因此，得到方程结果如下：h1(Y)一A1+A2十T+“1⋯⋯⋯⋯⋯⋯⋯(1)ln(Y)=一1044．665+0．526373*T⋯⋯⋯⋯(1)ln(x)一B1+B2十T+2⋯⋯⋯⋯⋯⋯⋯(2)In(x)=一152．4653+0．078207．T⋯⋯⋯⋯(2)其中，Y为养老金缺口变量，x为离退休人数从对数一线性回归模型性质我们可以看出，养变量，A1和B1为常

4、数项，A2和B2为回归系数，老金缺口的年均增长率约为52．6％，离退休人数的1和2为随机误差项。首先观察两个模型的散点年均增长率约为7．8％，说明近五年来，养老金缺图：口和离退休人数的增长速度非常快，二者均呈现出快速提高的趋势。三、养老金缺口与离退休人数线性回归模型作者简介：宋杭，女，汉族，本科，中国人民银行吉林市中心支行。王大伟，男，汉族，本科，中国人民银行吉林市中心支行。68吉林金融研究2074年第5期下面我们开始研究养老金缺口与离退休人数个单位，即离退休人数每增加1人，养老金缺口增的线性关系，首先做以Y为纵轴、x为横轴的散点加约6074O

5、．46元。图，如下：四、原因分析和对策建议近年来，吉林市人民银行系统在职职工年龄普遍偏大，退休人员数量不断增多，最多的是2010年退休职工达19人，最少的2009~退休6人，近五年来年平均退休12人。同时，五年来两次提高离退休职工津补贴标准，2013年离退休职工平均工资达46189元，这对养老金缺口的影响是非常明显的。因此，建议如下：^从散点图我们可以直观地看出二者近似呈正一是加快推出延迟退休政策。今年以来，国相关线性关系，为此，我们建立简单双变量线性回家综合分析我国劳动力供求和老龄化程度等经济社归模型，如下：会发展因素，正研究制定渐进式延迟退

6、休年龄政YI=C1+C2}XI+I⋯⋯⋯⋯⋯⋯⋯(3)策。加快推出延迟退休政策，有利于减少退休人员其中：YI为养老金缺口，XI为离退休人数，增长数量，从而有效抑制养老金缺口的不断扩大。c1为常数项，C2为回归系数，I为随机误差项。二是多措并举，严格管控提前退休。近年下面用最小二乘法对方程进行线性回归，回归结果来，总行相关文件已经修改制定了更加严格的提前如下：退休条件，因此，要严格执行提前退休相关制度，VariableCoefficientStd．Errort-StatistiCProb．尤其是严格管控提前退休审批。严格管理提前退休C一61209

7、44．813676．4—7．5225790．0049一方面有利于控制退休人员数量，另一方面能够保X60740．466553．9409．2677780．0027R-squared0．96625lMeandependentvar1374429．证延迟退休政策效应的长期性、稳定性。AdjustedR-squared0．955001S．D．dependentvar941797．9三是严格核查基金支付范围和标准。一方面S．E．ofregression199782．3AkaikeinfoCriterion27．53702要严格执行离退休相关规定，尤其是对离

8、退休人员Sumsquaredresid1．20E+11SChwarzcriterion27．38079Loglikelihood-66．84255Ha