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:) W1 G2 \( \9 s; h( 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) L; ~6 X4 j4 A( z' B% \8 a
展现状出发,运用真实数据主要完成了以下几方面的工作:7 R. l# j% ^' P: E8 ]. B1 ~- M
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、
( a" L& j/ V+ @' ]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0 c1 d$ t& n& r! q& R
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、* _3 @, u7 m, T1 S5 j
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+ y. B6 b3 s) w8 x+ d
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
1 `) d0 O' o" \. r2 q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
# s$ r9 D8 T1 {$ m! C$ W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
8 e% }! y8 ]0 `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
7 { _3 B" X0 _" J/ Y2 ]4 M4 B6 y/ Q' Y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- W) s5 u+ Z( y5 L) Z! H
显著性均较高。! b- \, X' I% f: X0 i/ n
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3 V# x6 V0 u. ~
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
: ~5 r7 R2 D6 F6 l/ v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
# C4 P% J* w. }/ f- |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6 }4 `6 [. M) w0 {
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
" |/ V/ W3 R3 \6 Z2017 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+ ? E R, l/ l- A
了阐释说明。
, m9 Q: K' \; s8 w( M; U3 W7 R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; p; s: |3 Y, t4 A8 D) n
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,: A% j& k( h, C; @+ O& c
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
+ k7 U& A3 B1 c7 S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,! j& |7 j3 l4 \4 S# O: L1 c
- 3 -
, w1 V' T: s# E4 i. Q! ]& | B[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 。
% D: {3 ~5 q0 `( o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. r. J0 Y: s( T9 U4 S- V# Y. B/ g6 F
" M0 \! V+ Q, Q9 b( t! o- u: y |
zan
|