TA的每日心情 | 奋斗 2024-7-1 22:21 |
|---|
签到天数: 2014 天 [LV.Master]伴坛终老
- 自我介绍
- 数学中国站长
 群组: 数学建模培训课堂1 群组: 数学中国美赛辅助报名 群组: Matlab讨论组 群组: 2013认证赛A题讨论群组 群组: 2013认证赛C题讨论群组 |
摘 要:
' n; Z2 j* q1 ]8 D/ e, Q _本文针对中国城乡居民养老保险体系的数学建模问题,从养老保险体系发
; F( h: I1 b- P N5 Y7 B6 `展现状出发,运用真实数据主要完成了以下几方面的工作:2 ?6 f& ~! Q! k. k
对于问题1,本文从国情出发,建立了三大类模型:城镇居民养老金收入、
/ v6 a, G% E* l. d* |4 J, c支出数学模型;新农保收入、支出数学模型;企业年金积累基金、个人储蓄养
' h; X. l7 s- Q9 g+ s, [老保险收入数学模型。具体建模过程基本如下:首先确定可能影响养老金收入、
5 h1 X; d. V: Z( k支出(包括城镇居民、新农保、企业年金、个人储蓄养老保险等)的备选指标
5 }6 A8 I3 ]8 h" B' E8 s并查找相关原始数据;随后综合运用相关分析和灰色关联分析筛选所有备选指 F; B& O* c/ \3 J% `* j# e+ R: u
标,确定若干指标作为自变量(各类模型不尽相同);接着对自变量进行多重共4 t# i% {0 i F T
线性诊断,建立基于主成分回归的模型;此外又建立了基于多重线性回归与支5 Z6 l) T2 J4 ?/ O g4 r
持向量机的数学模型。各模型充分考虑现实影响因子,较好地体现了多个层次
$ K% m- b* t3 D' }3 b在养老保险体系中的地位以及“多缴多得,长缴多得”的准则。模型拟合度与
* }- E/ K3 x* r( ~* U* r9 U4 O3 n" e显著性均较高。
7 y$ V6 v0 H+ C8 }" |$ \对于问题2,首先对养老金缺口定义进行诠释;然后根据本题涉及到的长* `2 I& u) G& I2 v# p9 ~
期预测背景,对已建的多重线性回归模型与支持向量机模型进行改进,改进后9 \9 T9 z$ B% c; ~
模型拟合度与显著性均较好,并利用改进后模型对从今年至2035 年我国养老金
! ^$ G: _0 c" h! n缺口进行估计,估计过程中充分考虑其他可能产生影响的变量;对养老保险收9 O& V! U# Z2 |, |4 `) n5 W. d
支矛盾最尖锐情况即当年结余由正转负的年份作出预测,两个模型分别预测为7 |2 K. R. s7 P% P/ g, @7 I. \
2017 年与2019 年;最后考虑收入倍增计划,对数学模型需要调整的部分进行- q5 r: p2 r0 e
了阐释说明。
. M! d# {$ W& Q& L对于问题3 与问题4,本文出于模型陈述方便与问题连续性考虑,将这两, s; g, j9 q! B4 w9 V
道题目在同一章内加以解决。首先总结归纳了当今世界各国5 种主要养老模式,4 g' }3 S/ \; V: d6 `( l- W
简要分析其优缺点及值得我国借鉴之处;之后利用已建立的多重线性回归模型) J3 l# M) o0 e3 H' Z0 R
对替代率与缴费率合理区间进行优化选取,选取[0.45,0.65]为替代率合理区间,
1 c& [* _6 F/ |* k9 b0 @5 f- 3 -# w H5 \( L% M4 c( Y( K) [4 R
[0.15,0.25][0.15,0.25] 为缴费率 合理 区间 ;进而以替代率与缴费为可调节变量建立优化的 多重线性回归数学模型与支持向量机 -精算解析模型,并再次利用新建立的支持 精算解析模型,并再次利用新建立的支持 向量机 -精算解析模型探讨替代率与缴费合理区间, 从另一个角度出发,选取 从另一个角度出发,选取 [0.3,0.45][0.3,0.45] 为替代率合理区间, 为替代率合理区间, 为替代率合理区间, 为替代率合理区间, 为替代率合理区间, 为替代率合理区间, 为替代率合理区间, 为替代率合理区间, [0.15,0.3][0.15,0.3] 为缴费率合理区间; 为缴费率合理区间; 为缴费率合理区间; 为缴费率合理区间; 为缴费率合理区间; 为缴费率合理区间; 为缴费率合理区间; 为缴费率合理区间; 最后针对 可能出现 的收支矛盾 提出了一些政策措施建议 ,并对政策效果进行了仿真预测 。
8 p8 z& @- s! G: k关键词: 养老保险 可持续 学生化残差 相关分析 灰色关联度 多重共线性 主成分回归 多重线性回归 支持向量机9 l. G0 N# |2 f) V7 C
: M# a! y. b! s |
zan
|