Detta examensarbete har gjorts på Försäkringskassans huvudkontors utvecklingscentrum.
|
|
- Maja Hermansson
- för 8 år sedan
- Visningar:
Transkript
1
2 2 Sammanfattning Försäkringskassan behöver göra pensionsskuldsberäkningar. Garantipensionen och den allmänna tilläggs pensionen (ATP) beror på befolkningens inkomster. Då krävs det en bra inkomstmodell för hela Sveriges befolkning. Den gamla modellen behövde förbättras. En ny lösning är att studera Lorenzkurvan, som beskriver inkomstfördelningen i ett land. Den nya modellen för inkomster, som presenteras i denna studie, simuleras den relativa rangen istället för inkomsterna i kronor. Fördelning för den relativa rangen, hädanefter kallad rang, liknar en betafördelning och därför görs antagandet att rangen är betafördelad. Betaregression är en prediktionsmodell då den beroende modellen är betafördelad. Regressionsmodellen använder sig av en transformation. Det finns en färdig funktion i det statistiska programmet R som utför betaregression, vilket används i studien. Populationen med inkomst är uppdelad i fyra underpopulationer: män födda i Sverige, män födda utomlands, kvinnor födda i Sverige och kvinnor födda utomlands. För varje underpopulation är skattningarna gjorda för olika åldrar för sig. Inkomst år y+1 beror på * Inkomst år y * Pensionsgrundande inkomst år y-3 till år y-1 * Summa pensionsgrundande inkomst till och med år y-4 Modellen ger ett bra väntevärde, men standardavvikelsen är över/underskattad. För en bättre modell kan förslag ges till att i framtida studier titta på precision parametern (ett mått på variansen, φ = p + q, där p och q är parametrarna i betafördelningen) som en prediktor i modellen. För detta behövs algoritmen i betaregression göras manuellt.
3 3 Förord Detta examensarbete har gjorts på Försäkringskassans huvudkontors utvecklingscentrum. Jag vill ge ett stort tack till min handledare Danne Mikula på Försäkringskassan för all hjälp, stöd och tålamod. Jag uppskattar all tid du tagit för att diskutera projektet med mig. Det har varit ett roligt och givande arbete. Jag vill dessutom tacka till min handledare Dag Jonsson på Matematiska institution vid Uppsala Universitet, för alla synpunkter och råd om utformningen av uppsatsen.
4 4 Innehållsförteckning 1 Inledning, pensionssystemet Allmänna pensionen Tjänstepensionen Privat sparande Beräkningar i allmänna pensionssystem Försäkringskassans roll Gamla inkomstmodell Inkomstmatriser Problem med gamla inkomstmodellen Datamaterial Analys Lorenz-kurvan Modellens struktur Rangens fördelning Betaregression Finns det problem med betaregression? Resultat Parametrar Diskussion Valet av parametrar Modellens standardavvikelse Slutord Referenser och källor Appendix Mer skattningar Parametrarna i modell Medelvärde av standardavvikelsen Programkod tillhörande analysen Lorenz-curva Spline Återskappande av Lorenz curve Medelinkomster Skattningar av parametrar...43
5 5 1 Inledning, pensionssystemet Sveriges pensionssystem fungerar i stora stycken som vanligt banksparande. Alla personer har individuella pensionskonton som har en värdeförändring under årens lopp. Sparandet i en pensionsförsäkring är låst för uttag av pengarna till personen uppnått lägsta åldern för uttag av pensionen. Alla pensionsförsäkringar hör samman med ett kollektiv, allt från en liten till en stor grupp människor. Ett syfte med pensionsförsäkringar är att omfördela tillgångar mellan personer i kollektivet; i sin egen årskull bidrar personer som lever kortare tid än genomsnittet med pensionspengar (arvsvinst) till personer som lever längre än genomsnittet. (Pensionssystemets årsredovisning 2005) Pensionssystemet består av tre delar : Allmän pension (gäller för alla) Tjänstepension (gäller de flesta) Privat sparande (frivilligt) Fördelningen kan illustreras i form av en triangel: (Försäkringskassan) Pensionens storlek från varje del beror på hur mycket som finns på pensionskontot, från vilken tidpunkt när pensionen ska betalas ut samt om det är under en begränsad tid eller livsvarigt. Den allmänna pensionen betalas alltid ut livsvarigt. Förväntad livslängd för individen spelar också roll för pensionens storlek.
6 6 1.1 Allmänna pensionen Det statliga pensionssystemet består av inkomstpension, premiepension och garantipension. Försäkringskassan administrerar inkomstpensionen samt garantipensionen och Premiepensionsmyndigheten (PPM) administrerar premiepensionen. All intjänad pensionsgrundande inkomst ligger till grund för varje persons allmänna pension. Den pensionsgrundande inkomsten (pgi) är densamma som den skattepliktiga årsinkomsten (förutom lön på arbete räknas arbetslös-, sjuk och aktivitetsersättning) upp till 7,5 inkomstbasbelopp ( kr, år 2006). Från den pensionsgrundande inkomsten dras 7 % till pensionen samtidigt som skatten dras. Även arbetsgivaren betalar avgifter för sina anställda, f.n. 10,21% av den pensionsgrundande inkomsten (för belopp över inkomstbasbeloppet betalas procentsatsen som en extra statsskatt). Pensionsunderlaget definieras som den pensionsgrundande inkomsten subtraherad med pensionsavgiften på 7% (pensionsunderlaget är 93% av den pensionsgrundande inkomsten). Pengarna som går till pensionskontot är 17,21% av den pensionsgrundande inkomsten och tillika 18,5% av pensionsunderlaget ( 0,1721 / 0,93 = 0,185 ). Av de totalt sätt 18,5 procenten går 16 procentenheter till inkomstpensionen samt 2,5 procentenheter till premiepensionen. Även studier, plikttjänstgöring, förtidspension och år med små barn ökar på det individuella pensionskontot. Det här pensionssystemet gäller för personer födda efter Personer födda före 1938 har en pension beräknad enligt äldre regler; istället för inkomstpension och premiepension får de folkpension och allmän tilläggspension (atp). Folkpensionens storlek är en fast procentandel av inkomstbasloppet för alla och tilläggspensions storlek är baserad på de femton bästa årsinkomsterna och det krävs 30 inkomstår för att få en oavkortad pension. För personer födda mellan 1938 och 1953 finns övergångsregler mellan det gamla och det nya pensionssystemet. De får sin allmänna pension som en blandning av tilläggs-, inkomst- och premiepension. Ju yngre personen är, desto mindre del betalas ut som tilläggspension och större del som inkomst- och premiepension. Den allmänna pensionen är livsvarig och kan tidigast utbetalas från 61 år ålder. Inkomstpensionen bygger på ett fördelningssystem, som innebär att pengarna som kommer in slussas direkt vidare till dagens pensionärer. Det finns även fyra buffertfonder: Första, Andra, Tredje och Fjärde Allmänna Pensionsfonden. Pensionssystemet kan sägas ha en pensionsskuld till alla som har pengar inbetalda till inkomstpensionen Premiepensionen är ett så kallat premiereservsystem, som betyder att pengarna som avsätts till premiepensionen inte slussas direkt ut till dagens pensionärer utan sparas tills individen själv går i pension. Pengarna betalas in på ett individuellt premiepensionskonto där personen själv väljer vilka fonder pengarna placeras i.
7 7 Total pensionsskuld 31 december 2005 visas i figur 1. figur 1 (Pensionssystemets redovisning 2005) Garantipensionen är ett grundskydd för personer med låga eller inga inkomster och fyller ut pensionen till ett visst belopp (7047 kronor/månad för ogifta och 6286 kronor/månad för gifta, år 2006). Grafik visas i figur 2. Full garantipension får bara personer som bott i Sverige minst 40 år; dock finns undantag för flyktingar. Garantipensionen finansieras med skatter. figur 2 (Pensionssystemets årsredovisning 2005, Försäkringskassan)
8 8 1.2 Tjänstepensionen De flesta fast anställda har någon form av tjänste- eller avtalspension som arbetsgivaren betalar. Den grundar sig på att arbetstagaren ska få ut en del av sin lön som pension och det bygger på ett avtal mellan fackförbund och arbetsgivare. Tjänstepensionen är ett komplement till den allmänna pensionen och det finns två grundmodeller: premiebestämd och förmånsbestämd. Tjänstepensionsavtalen varierar med arbetsgivare. I vissa avtal kan tjänstepensionen väljas att bli utbetald under en tid om minst fem år istället för livsvarigt, dock tidigast från 55 års ålder. Förmånsbestämd tjänstpension innebär att den anställda garanteras en viss procent av slutlönen. Den kompletteras ofta med en premiebestämd del. Premiebestämd tjänstepension innebär att den anställda själv får placera en premie i fonder eller traditionella pensionsförsäkringar. Tjänstepensionens storlek kan variera kraftigt beroende på hur pengarna är placerade. (Försäkringskassan) 1.3 Privat sparande Pensionen kan kompletteras genom eget sparande i privata pensionsförsäkringar. Det finns tre typer av privat pensionssparande: traditionell pensionsförsäkring, fondförsäkringar och individuellt pensionssparande Traditionella pensionsförsäkringar ger en minsta garanterad ränta på kapitalet. Den verkliga återbäringsräntan kan dock bli högre. I en fondförsäkring bestäms pengarnas utveckling enbart av hur fonderna man själv valt går. Individuellt pensionssparande innebär att personen själv bestämmer hur pengarna ska investeras i fonder eller värdepapper utan medverkan av försäkringsbolag men med samma låsning av pengarna. (Finansdepartementets skolwebb) 2 Beräkningar i allmänna pensionssystem 2.1 Försäkringskassans roll Alla försäkringsgivare presenterar varje år en årsredovisning. Staten, genom försäkringskassan presenterar sin årsredovisning för det allmänna pensionssystemet. För att kunna göra det behöver man veta pensionsskuldens storlek. I och med att tilläggspensionen beror på de femton bästa årsinkomsterna, vet man inte idag storleken på skulden till personer som fortfarande arbetar. Därmed är man beroende av en uppskattning av skulden, vilket beräknas bland annat med hjälp av en inkomstmodell. Även för att uppskatta de framtida behoven av hur mycket garantipension staten behöver betala ut, krävs kunskap över inkomstfördelningen. I pensionssystemets årsredovisning presenteras olika framtidsscenarier 75 år fram i tiden där inkomstmodellen också är en viktig del i beräkningarna. Framskridningarna presenteras i tre olika utvecklingsförlopp; bas, optimistisk respektive pessimistisk. Basscenariet utgår från Statistiska
9 9 Centralbyrån (SCB:s) senaste befolkningsstatistik samt en viss årlig inkomsttillväxt och avkastning på buffertfondens medel. Det optimistiska respektive pessimistiska scenariot har något mer positiva alternative negativa antaganden. Ett mått på fondstyrkan är buffertfondens storlek dividerat med samma års pensionsutgifter och som över tiden illustreras i figur 3. figur 3 (Pensionssystemets redovisning 2005) 2.2 Gamla inkomstmodell Den gamla modellen skapades i början på 1970-talet på Matematisk-statistiska byrån på Riksförsäkringsverket. Modellen är en dynamisk mikrosimuleringsmodell uppdelad i två steg. I steg 1 simuleras demografi och inkomster och i steg 2 tillämpas pensionsregler. Modellen i steg 1 bestod av en markovmodell med uppsättningar av markovmatriser, en för status och två för inkomster samt i tre dimensioner (ålder, kön, född i Sverige/född utomlands). Personer under 16 år benämns barn och för gruppen modelleras enbart in- och utflyttning från Sverige samt dödsårsimulering. Förvärvsaktiva betecknar personer i åldrarna år och delas i sin tur upp i grupperna aktiva och förtidspensionärer. Personer i åldrarna 65 år och uppåt benämns ålderspensionärer. För de förvärvsaktiva görs den huvudsakliga modelleringen. Enbart dödsår modelleras för ålderspensionärer. Varje variabel i modellen är inte användbar för varje person, därav får den värdet noll ( Null ) när så är fallet. (Beskrivning av beräkningsgången I)
10 10 Statusindelningen illusteraras av figur 4. figur 4, statusindelning Män (födda i Sverige) Kvinnor (födda i Sverige) Null, sve akt, sve ftp, sve åldersp Null, sve akt, sve ftp, sve åldersp Null, utm akt, utm ftp, utm avliden Null, utm akt, utm ftp, utm avliden Män (födda utomlands) Kvinnor (födda utomlands) Null, sve akt, sve ftp, sve åldersp Null, sve akt, sve ftp, sve åldersp Null, utm akt, utm ftp, utm avliden Null, utm akt, utm ftp, utm avliden sve = bor i Sverige, utm = bor utomlands, akt = aktiv, ftp = förtidspensionär, åldersp = ålderspensionär (Beskrivning av beräkningsgången I)
11 11 Inkomstmatrisen definieras av 18 klasser vilket figur 5 visar: Figur 5, definition av inkomstklass K K Inkbb poäng historiskt > > >1599 K = inkomstklass, inkbb = inkomstbasbelopp (Beskrivning av beräkningsgången I)
12 12 Flöde av personer sker enligt figur 6 Barn Förvärvsaktiva Ålderspensionärer Avlidna (Beskrivning av beräkningsgången I) Inkomstmatriser De två uppsättningarna av inkomstmatriser, inledning och horisont, viktas samman av en viktfaktor w y. I början av simuleringarna ska den inledande inkomstmatrisen dominera medan horisontmatrisen får j större vikt ju längre simuleringen pågått. Låt k vara sannolikheten att en person i åldern { 17,18,...63,64 { 1,2,...,18 i a a ε vid andra årets slut förflyttar sig ifrån inkomstklass i år 1 till inkomstklass j år 2, där i, j ε och är definierad av figur xy. För den inledande inkomstmatrisen betecknas i j sannolikheten kˆ i j a och för horisontmatrisen betecknas sannolikheten k a. Den totala sannolikheten i j i j i j blir med införda beteckningar k = w kˆ + (1 w ) k. Från lagen om total sannolikhet fås 18 a y a i j sambandet k = 1. Sextonåringars och förstagångsinvandrare fås från två tidsserier för män och kvinnor. j= 1 a (Beskrivning av beräkningsgången I) k a 2.3 Problem med gamla inkomstmodellen Det fanns problem med inkomstsimuleringarna i den gamla modellen. Klasserna var dels för få och dels generade modellen själv en varierande inkomstfördelning. Summan av alla inkomster och snittinkomsten påverkades av detta och för ett pensionssystem är det inte bra om mindre pengar kommer in i systemet än vad man tidigare räknat med. En temporär lösning på problemet var att göra justering av
13 13 inkomstfördelningarna genom att ha använda sig av tidigare fastställda inkomstfördelningar. Detta var inte en bra permanent lösning för att simulera inkomsterna, det behövdes en bättre modell för inkomsterna. 2.4 Datamaterial Datamaterialet i denna studie kommer från Försäkringskassans databas MIDAS. Hela Sveriges befolkning ingår i materialet. Det statistiska programmet R används för hämtning och beräkningar av datamaterialet. 3. Analys 3.1 Lorenz-kurvan Lorenz-kurvan är ett sätt att beskriva inkomstfördelningen i ett land. Den tas fram från empiri och i denna modell är det lämpligt att anta att den är konstant över åren, vilket naturligtvis inte behöver vara sant. Men det behövs stabilitet i modellen och på grund av detta görs ett antagande om att Lorenz-kurvan är konstant. I den nya inkomstmodellen simuleras den relativa rangen, hädanefter kallad rang. Följande definitioner görs: Inc i = inkomst for i : te person i ordning från lägsta till högsta rang i = { ordningsnr för i : te person, sorterad efter inkomst { antal personer kumulativa summan i = i k = 1 k Inc Inc k k Lorenz-kurvan är den kumulativa summan som en funktion av rangen. Endast personer med inkomst under året tas med här i beräkningarna för Lorenz-kurvan.
14 14 figur 7 Den gröna linjen är Lorenz-kurvan i figur 7.. Den svarta linjen visar Lorenz-kurvan om alla som arbetade i Sverige skulle tjäna lika mycket. Från denna graf kan man räkna ut en persons inkomst, givet antalet personer, totala inkomstsumman samt personens rang: där L är Lorenz-grafen, N är antalet personer samt i i 1 Inc i = L L * S N N, S = N k= 1 Inc i. 3.2 Modellens struktur För att få fram personers rang år y+1 delas befolkningen in i tre klasser Inkomst år y och pgi år y-1 (klass 1) Inkomst år y men ingen pgi år y-1 (klass 2) Ingen inkomst år y (klass 3) Varje klass delas upp på 4 grupper Man, född i Sverige (msw) Man, född utanför Sverige (mab) Kvinna, född i Sverige (wsw) Kvinna, född utanför Sverige (wab) Varje grupp delas upp i åldersklasser. Det finns inga begränsningar av åldersspannet i modellen men här har åldrarna 25 till 61 studerats för år y.
15 15 I den nya modellen studeras rangordningarna i stället för inkomsterna i kronor. För klass 1 simuleras rangen och för klass 2 och 3 får man inkomstfördelningen år y+1 fram empiriskt genom skapande av Lorenz-kurvan. I figur 8 visas Lorenz-kurvan (för klass 2) för gruppen män 25 år födda i Sverige. figur 8 Lorenz-kurva, a= 25 s= 1 u= 0 kumulativa summan rang Ett enklare sätt att få fram Lorenz-kurvan har fåtts fram i denna studie. Kurvan kan tas fram genom att enbart veta 12 punkter på kurvan. Därefter återskapas Lorenz-kurvan med funktionen spline i statistiska programmet R. Punkterna väljs så att de ligger med lika avstånd på kurvan. Detta visas i figur 9.
16 16 figur 9 För att den nya inkomstmodellen ska bli komplett tas medelinkomsterna fram för olika åldrar och grupper. I figur 10 finns medelinkomsterna per månad (för personer med inkomst) för figur 10 Medelinkomster per månad, år 2001 kronor män födda i Sverige män födda utanför Sverige kvinnor födda i Sverige kvinnor födda utanför Sverige ålder
17 Rangens fördelning För personer med inkomster som har haft inkomst båda åren, ger rangen för inkomsterna ett år plottad mot rangen för inkomsterna året i figur 11. figur 11 Täthetsfunktionen undersökt empiriskt för inkomstrangen år 2001 finns i figur (med rangen uppdelad i 100 klasser). figur 12 figur 13 Frequency Frequency klasser för rangen år 2002, då rangen år 2001 är klasser för rangen år 2002, då rangen år 2001 är 0.5
18 18 Frequency Frequency f figur 14 figur klasser för rangen år 2002, då rangen år 2001 är klasser för rangen år 2002, då rangen år 2001 är 0.9 Rangens empiriska täthetsfunktion påminner om betafunktionen. Ritar man upp riktiga betafunktioner ser det ut som i figur 16. figur 16 betafunktioner för man 40år rank 0,2 rank 0,5 rank 0,7 rank 0, y
19 19 Det finns något som påminner om en betastruktur hos rangen, som ligger på ett ändligt intervall (mellan 0 och 1) och man kan se den som kontinuerlig. Därför antas rangen i denna modell vara betafördelad. Betafördelningens täthetsfunktion ser ut som följer: Γ Γ ( p + q) ( p) Γ( q) q ( y) 1 p f ( y, p, q) = y 1 1, där 0<y<1, p>0, q>0 och Γ( ) är gammafunktionen. Väntevärdet och variansen för y är E ( y) = p p + q och pq var( y) = 2 ( p + q) ( p + q + 1) 3.4 Betaregression Silva L.P Ferrari och Francisco Cribari-Neto (2004) föreslår en regressionsmodell för betafördelade variabler. Den används för att anpassa en regressionsmodell där den beroende variabeln är betafördelad. Denna modell passar när den beroende variabeln är kontinuerlig och ligger i intervallet [0 1]. Betaregression finns som färdig funktion (betareg) i det statistiska programmet R. För denna regressionsmodell görs en transformation för att istället för de vanliga parametrarna i betafördelningen använda en parameter som representerar väntevärdet av utfallet, µ, samt en parameter p som representerar precisionen, φ. Låt µ = och φ = p + q, vilket leder till att vi får p + q och var E ( y) = µ V ( ) ( µ ) y, där V = µ ( 1 µ ) = 1+ φ Betafördelningens täthetsfunktion kan skrivas om med den nya tranformationen till φ Γ( φ) ( uφ) Γ( ( 1 µ ) φ) ( ) ( 1 µ ) φ y 1 µ φ f ( y, µ, ) = y 1 1, 0<y<1 Γ
20 20 Modellen får man genom att anta att det existerar en funktion g(µ), där µ är väntevärdet av y, som kan skrivas som g k x i i = 1 ( µ ) = T k där k är känt och fixt, = ( β β ) är en vektor av regressionsparametrar ( R ) β 1,..., k β och x 1,..., xk är de oberoende variablerna i regressionsmodellen. Enligt Ferrari och Cribari-Nettos modellen kan vi skriva T där x ( x,..., x ) k µ T e = 1+ e x β T β, x β =. Skattningen av regressionsparametrarna gör med maximum likelihoodmetoden och 1 log-likelihoodfunktionen maximeras med Quasi-Newton BFGS -algoritmen. Ferrari och Cribari-Neto har valt startvärden till funktionen betareg i det statistiska programmet R; funktionen kan skatta regressionsparametrarna givet en ekvation av den beroende av variabeln och de oberoende variablerna. i Ett försök att parametrisera nästa års inkomst (inc1) med betafördelningar och årets inkomst (inc0) som enda förklarande variabler ger bilden i figur 17. Inc1 är skattat med betaregression och den blå linjen är väntevärdet av inc1. figur Finns det problem med betaregression? Ja! QuasiNewton-metoden bygger upp stora matriser med första derivatan och detta är CPU- och minneskrävande. Detta begränsar metoden till att man inte bör använda större urval än individer. Det krävs även en dator med ett stort minne för att klara dessa körningar utan att det ska ta veckor.
21 21 4 Resultat 4.1 Parametrar Undersökta parametrar för att få fram inkomsten år (y+1) (inc1) a. Inkomsten år y (inc0) b. Totala livsinkomsten t.o.m. år y (beh0) c. Total pensionsgrundande inkomsten (pgi) t.o.m. år y (pgi_total) d. Totala pgin t.o.m.år (y-4) (pgi_long) e. Summan av pgin under år (y-4) till år y (pgi5) f. Summan av pgin år (y-3) till år (y-1) (pgi_short) g. Antal år i Sverige hos utrikesfödda personer (Swe) Antal år sedan första pgin h. Utbildning i. Barn under 2 eller 4 års ålder Variablerna är mycket starkt multikollinearade och därför kan inte effekten av enskild parameter studeras med de övriga parametrarna närvarande. För prediktion gör det inget att det förekommer kovarians mellan variablerna. Deras sammanlagda effekt ger ett bra resultat. Modellen som har kommit fram är ganska enkel och har valts ut med tanke på p-värden och psedo-r2. Det nästkommande årets inkomst beror på årets inkomst (inc0), pgin de senaste åren (pgi_short) och pgin under en lång period (pgi_long). Ekvation som fås fram är: inc < β 1 + β 2inc0 + β 3 pgi _ short + β 1 4 pgi _ long Grupperna är män födda i Sverige, män födda utanför Sverige, kvinnor födda i Sverige och kvinnor födda utanför Sverige. Varje ålder i de fyra grupper studeras var för sig och får olika skattningar. Parametervärdena antas variera långsamt med åldern och skattningar från två intilliggande åldersgrupper bör inte skilja sig allt för mycket. För att skatta β1, β 2, β 3 och β 4 för varje ålder och grupp har upprepade försök gjorts 10 gånger, varje gång på ett slumpmässigt urval på 2000 individer. För varje grupp har 10 skattningar gjorts för varje ålder och en skattning av β1, β 2, β 3 och β 4 och φ får man genom användandet av funktionen loess i statistiska programmet R. Först sorteras felaktiga skattningar bort empiriskt, betaregression kan ibland gå snett och genera skattningar som inte accepteras i modellen. När detta är gjort skattar funktionen loess parametrarna dels efter medelvärdet av skattningarna en viss ålder och dels med intryck av vilka värden parameten tar för åldrar runt omkring. För inrikesfödda män ser skattningarna ut så här. Den rätta linjen är loess-skattningen och prickarna är de 10 observationer som tagits fram (felaktiga skattningar borttagna): Skattning av parametern intercept,, 1 β, för män födda i Sverige finns i figur 18. På y-axeln anges värdet på parametern och på x-axeln åldern.
22 22 figur 18 intercept, sex = 1, origin = 0 intercept age Skattning av inc0-parametern, β 0,, för män födda i Sverige syns i figur 19. På y-axeln anges värdet på parametern och på x-axel åldern. figur 19 inc0, sex = 1, origin = 0 inc age Skattning av pgi_short-parametern, 3 β, för män födda i Sverige visas i figur 20. På y-axeln anges värdet på parametern och på x-axeln åldern.
23 23 figur 20 pgi_short, sex = 1, origin = 0 pgi_short age Skattning av pgi_long- parametern, β 4, för män födda i Sverige visas i figur 21. På y-axeln anges värdet på parametern och på x-axel åldern. figur 21 pgi_long, sex = 1, origin = 0 pgi_long age
24 24 Skattning av parametern phi för män födda i Sverige finns i figur 22. På y-axeln anges värdet på parametern och på x-axel åldern. Parametern visar ett mått på variationen: större phi visar på en mindre variation och tvärtom. figur 22 phi, sex = 1, origin = 0 phi age Hur väl stämmer väntevärdet från simuleringarna med väntevärdet av utfallet? Fallet män 40 år, födda i Sverige, studeras. Den blå grafen i figur 23 visar ett medelvärde av väntevärdet från modellen och y-axel visar ett medelvärde av utfallet. Den gröna linjen visar hur den rätta linjen skulle ha sett ut om de hade varit lika. sex = 1 age = 40 orgin= 0 figur 23 Resultatet visar att väntevärdet i modellen stämmer någorlunda överens med verkligheten. Hur ser då variansen ut? Den gröna kurvan i figur 24 är standardavvikelsen för utfallet subtraherad med meanvalue_inc meanvalue_my
25 25 väntevärdet och den röda kurvan är standardavvikelsen för simuleringen subtraherad med väntevärdet. sex = 1 age = 40 orgin= 0 figur 24 std stdev (utfall - my) stdev(simulering - my) rang Modellen ger en överskattad varians för personer som ligger i lönespannet i mitten och underskattar variansen för personer som ligger lågt respektive högt i lönespannet. Detta är ett problem i modellen. En lösning på problemet kan vara att undersöka om det går att dela upp skattningarna. Dela upp varje delpopulation i två grupper, en grupp (k=1) som har ingående inkomst med rang mellan 0,25 och 0,75 och en annan grupp (k=2) som har ingående inkomst med rang under 0,25 eller över 0,75. Definiera en variabel, k_value, som är lika med 1 för en typ av skattning med avseende på rangen och är lika med 2 för två typer av skattningar med avseende på rangen. Standardavvikelsen visas i figur 25, där den röda linjen är standardavvikelsen för simuleringarna subtraherad med väntevärdet med k_value=1, den blå linjen är standardavvikelsen för simuleringarna subtraherad med väntevärdet med k_value=2 och den gröna linjen är standardavvikelsen för utfallet subtraherad med väntevärdet. sex = 1 age = 40 orgin= 0 figur 25 std stdev (simulering - my), k_value=1 stdev (simulering - my), k_value=2 stdev(utfall - my) rang
26 26 Den uppdelade skattningen (k_value = 2) ger en standardavvikelse för simuleringarna som ligger närmare utfallets standardavvikelse. Däremot är standardavvikelsen inte helt optimal i förhållande till verkligheten. I figur studeras några andra åldersexempel för standardavvikelsen. sex = 1 age = 30 orgin= 0 std stdev (simulering - my), k_value=1 stdev (simulering - my), k_value=2 stdev(utfall - my) figur 26 Män, 30 år, födda i Sverige (figur26): För låga värden på rangen är standardavvikelsen underskattad. I mittenintervallet blir standardavvikelsen överskattad och slutligen underskattad för riktig hög rang. Den uppdelade skattning ger en bättre standardavvikelse. std rang Kvinnor, 32 år, födda i Sverige (figur27): sex = 1 age = 42 orgin= 1 stdev (simulering - my), k_value=1 stdev (simulering - my), k_value=2 stdev(utfall - my) figur 27 För låga värden på rangen är standardavvikelsen underskattad. I mittenintervallet blir standardavvikelsen överskattad. Den uppdelade skattning ger en bättre standardavvikelse. För högt värde på rangen ger den uppdelade skattningen en ganska hyfsad standardavvikelse jämfört med utfallets. figur 28 std sex = 2 age = 32 orgin= 0 stdev (simulering - my), k_value=1 stdev (simulering - my), k_value=2 stdev(utfall - my) Män, 42 år, födda utomlands (figur 28): Den uppdelade skattningens standard avvikelse följer utfallets standardavvikelse till stor del. Fortfarande finns dock en viss överskattning/underskattning av standardavvikelsen. rang rang
27 27 std sex = 2 age = 35 orgin= 1 stdev (simulering - my), k_value=1 stdev (simulering - my), k_value=2 stdev(utfall - my) figur 29 Kvinnor, 35 år, födda utomlands (figur 29): Simuleringarnas standardavvikelse följer till stor del med utfallets standardavvikelse rang Med uppdelade skattningar, för män 40 år, ser vi utfallet plottat mot väntevärdet enligt blå graf nedan. Den gröna grafen är den räta linjen om hade varit lika i figur 30. sex = 1 age = 40 orgin= 0 figur 30 meanvalue_inc meanvalue_my I figur 31 visas utfallet plottat mot väntevärdet av modellen (µ) från båda typer av skattningarna. Den röda med en typ av skattning och den blå med uppdelad skattning (2 stycken) och den gröna visar ifall utfallets medelvärde hade varit lika med modellens väntevärde.
28 28 figur 31 meanvalue inc sex = 1 age = 40 orgin= 0 k_value=2 k_value= meanvalue my
29 29 5 Diskussion 5.1 Valet av parametrar Årets inkomst är den mest betydelsefulla prediktorn av nästa års inkomst. Den kan ensam förklara en stor del, men en regressionsmodell med fler variabler förbättrar modellen. Total livsinkomst, total pgi samt summa total pgi t.o.m fyra år tillbaks har ungefär samma påverkan på modellen. Skillnaderna i p-värden och pseudo_r2 kan ibland enbart hänga på ytterst små marginaler. Delvis för att inte ha parametrar som överlappar och delvis för att ändå påvisa bästa värden, valdes parametern total pgi t.om. fyra år tillbaks (pgi_long). Vid studier hur pgin under de närmaste åren påverkades sågs att de senaste fem åren samt senaste tre åren hade en liknade påverkan. Men att anpassa till andra parametrar var det lämpligaste valet att välja pgin under de senaste tre åren som en parameter i modellen. Antal år i Sverige hos utrikesfödda personer är inte en statistisk försvarbar parameter i modellen. Inte heller antal år sedan första pgin har en plats. Nivån på högsta utbildning som olika dummy parametrar gör modellen sämre, vilket kan antas bero på att högre utbildning inte garanterar högre lön i en åldersklass. Det är till största del en viss åldersgrupp som har småbarn och eftersom skattningarna sker i en åldersklass för sig, så påverkar det inte rangen hos gruppen av den faktorn tillräckligt för en statistisk säkerställning för at det skulle kunna vara en prediktor. 5.2 Modellens standardavvikelse Modellen har en standardavvikelse som inte stämmer helt överens med verkligheten. Ett förslag till en förbättring, vilket krävs betydligt mer arbete än ramen för detta exjobb, vore att låta precisionsparametern phi ingå som prediktor i modellen (genom att skriva en egen funktion som utför betaregression). 5.3 Slutord Modellen är bra. Parametrarna har låga p-värden och höga psedu-r2 värden. Modellens väntevärde stämmer väl överens med verklighetens väntevärden. Den är dessutom enkel. Men modellen kan bli bättre. Modellens standardavvikelse kan förbättras.
30 30 6. Referenser och källor Ferrari Silva & Cribari-Neto Francisco, Beta regression for modelling rates and proportions Finansdepartementets skolwebb Försäkringskassan: Om Pensionssystemet, Leander Jonas: Beskrivning av beräkningsgången I, steg 1, Försäkringskassan, 2001 Pensionssystemets Årsredovisning 2005, Försäkringskassan, 2006 Ospina Raydonal, Cribari-Neto Francisco, Vasconcellos Klaus L.P, Improved point and interval estimation for a beta regression model Paolino Philip, Maximum Likelihood Estimation of Models with Beta-Distributed Dependent Dependent Variables
31 31 7. Appendix 7.1 Mer skattningar 7.11 Parametrarna i modell Skattningar män födda utanför Sverige figur 32 figur 33 intercept, sex = 1, origin = 1 inc0, sex = 1, origin = 1 intercept inc age age Figur 34 figur 35 pgi_long, sex = 1, origin = 1 pgi_short, sex = 1, origin = 1 pgi_long pgi_short age age
32 32 figur 36 phi, sex = 1, origin = intercept, sex = 2, origin = 0 intercept phi age Skattningar kvinnor födda i Sverige figur age
33 inc0, sex = 2, origin = 0 33 inc age figur 38 pgi_short figur 39 pgi_short, sex = 2, origin = 0 pgi_long, sex = 2, origin = age pgi_long age figur 40 phi figur 41 phi, sex = 2, origin = age
34 34 Skattningar kvinnor födda utomlands figur 41 figur 42 intercept, sex = 2, origin = 1 k = 0 inc0, sex = 2, origin = 1 k = 0 intercept inc age age figur 43 pgi_long, sex = 2, origin = 1 k = 0 pgi_long age
35 35 figur 44 figur Medelvärde av standardavvikelsen Dela upp rangen i 40 intervall och i varje intevall ta meddelvärdet av standavvikelsen för alla åldrar, då fås den plot med en skattning för rangen (k_value=1)
36 36 figur 46 medelvärde av standardavvikelsen, med k_value= 1 stdev heldragen linjen: medel.stdev (utfall - my) sträckad linje: medel.stdev (utfall - simulering ) män födda i Sverige män födda utanför Sverige kvinnor födda i Sverige kvinnor födda utanför Sverige y För en skattning med uppdelad skattning av rangen, få följande plot istället figur 47 medelvärde av standardavvikelsen, med k_value= 2 stdev heldragen linjen: medel.stdev (utfall - my) sträckad linje: medel.stdev (utfall - simulering ) män födda i Sverige män födda utanför Sverige kvinnor födda i Sverige kvinnor födda utanför Sverige y 7.2 Programkod tillhörande analysen Lorenz-curva #Plot the Lorenz-curve
37 37 library("mimesis") imim() y < cohort <- getv(midas,"birthyear") deathy <- getv(midas,"deathyear") age <- y-cohort utantakinc0 <- getv(midas,"pgifull","inkomst",y,na=0) utantakinc1 <- getv(midas,"pgifull","inkomst",y+1, na=0) pgi_minus1y <- getv(midas,"ppgi","accrual",y-1,na=0) lorenz <- function(sel1,a,s,u){ cohort <- cohort[sel1] deathy <- deathy[sel1] age <- age [sel1] origin <- getv(midas,"origin")[sel1] #men( sex=1), women (sex2) sex <- getv(midas,"sex")[sel1] # utantakinc0 = income year y, utantakinc1 = income year y+1 utantakinc1 <- pgi_minus1y <- utantakinc1 [sel1] pgi_minus1y [sel1] #The selected age, sex and origin are choosen sel2 <- which(age==a & sex==s & origin==u) inc1 <-utantakinc1[sel2] TOTALINCOME <-sum(as.numeric(inc1)) inc1 <- sort(inc1) TI <-cumsum(inc1) TI <- TI/TOTALINCOME R <-(1:length(TI))/length(TI) plot(r,ti, main = paste("lorenz-kurva,a= ",a,"s= ",s,"u= ",u ), xlab="rang",ylab="kumulativa summan", xlim=c(0,1),ylim=c(0,1),cex=0.2,col=3) x<-(1:100)/100 y<-x lines(x,y,col=1) # RUNS #Which people that are selected sel1 <- which( (age >= as.integer(0)) & (age <= as.integer(70)) & ((deathy== as.integer(0)) (deathy> y+1)& utantakinc0>0 & utantakinc1>0& pgi_minus1y==0 ) a <- 25 s <- 1 u <- 0 lorenz(sel1,a,s,u)
38 Spline #The function "getspline_points" selects points on the Lorenz-curve, # enough to re-create it with Spline # Taking an average for all ages # The output is a vector with the rang-value # The user choose for which people this is done # i.e for people with no income year y #Function relorenz test to re-create the curve # The user need to get package "splines"!!! library("mimesis") imim() # *** GLOBALS **** y < cohort <- getv(midas,"birthyear") deathy <- getv(midas,"deathyear") age <- y-cohort utantakinc0 <- getv(midas,"pgifull","inkomst",y,na=0) utantakinc1 <- getv(midas,"pgifull","inkomst",y+1, na=0) pgi_minus1y <- getv(midas,"ppgi","accrual",y-1,na=0) getspline_points <- function (minage, maxage, sel1){ cohort <- cohort[sel1] deathy <- deathy[sel1] age <- age [sel1] origin <- getv(midas,"origin")[sel1] #men( sex=1), women (sex2) sex <- getv(midas,"sex")[sel1] # utantakinc0 = income year y, utantakinc1 = income year y+1 utantakinc1 <- pgi_minus1y <- utantakinc1 [sel1] pgi_minus1y [sel1] #The function which selects points to the Spline curve #x and y is input vector #p i snumber of point we want points <- function(x,y,k){ k <- k-1 if(length(x)!= length(y)) return(null) leng<-length(x) dx <- x[2:leng]-x[1:(leng-1)] dy <- y[2:leng]-y[1:(leng-1)] L<-sqrt(dx^2+dy^2) L<-cumsum(L) L<-L/L[leng-1] ptx <- (0:k)/k pty <- rep(0,k+1)
39 39 for(i in 2:k) { ndx <- which.min(abs(ptx[i]-l)) pty[i] <- L[ndx] ptx[i] <- ndx/(leng-1) pty[k+1] <- 1 return(list(ptx=ptx,pty=pty)) #k is number of points k <- 12 #i is the ages that we look at i <- length(seq(minage,maxage,1)) #j is the number of subpopulation we got (age,men/women) j <- 2*i #the points we want save_xvalues <- matrix(na,k,j) #m is a counter, for putting values in the matrix m <- 0 u <- 0 for(s in 1:2) { for (a in minage:maxage) { sel2 <- which(age==a & sex==s & origin==u) inc1<-utantakinc1[sel2] TOTALINCOME <-sum(as.numeric(inc1)) inc1 <- sort(inc1) TI<-cumsum(inc1) TI <- TI/TOTALINCOME R<-(1:length(TI))/length(TI) p1 <- points(r,ti,k) m <- m+1 save_xvalues[,m]<-p1$ptx mean_x<-rep(na,12) for (i in 1:12){ mean_x[i] <- mean(save_xvalues[i,]) write.table(mean_x,file=name) relorenz <- function(name,sel1,a,s,u){ TOTALINCOME <-sum(as.numeric(inc1)) inc1 <- sort(inc1) TI<-cumsum(inc1) TI <- TI/TOTALINCOME R<-(1:length(TI))/length(TI)
40 40 x <- read.table(file=name) x <- x[["x"]] y <- rep(na,12) leng <- length(ti) y[1] <- 0 y[12] <- 1 for(i in 2:11){ Diff <- abs(r-x[i]) where<-which.min(diff) y[i]<-ti[where] c<-interpspline(x,y,period=12) plot(c,xlim=c(0,1), ylim=c(0,1),col=6,main=paste("antal punkter =",12," a= ",a,"s= ",s,"u= ",u), xlab="rang",ylab="kumulativa summan") # *** RUNS *** # Choose for which group you want it for #people between 0 and 70 years old are selected sel1 <- which( (age >= as.integer(0)) & (age <= as.integer(70)) & ((deathy== as.integer(0)) (deathy> y+1)& utantakinc0>0 & utantakinc1>0 & pgi_minus1y==0 ) minage <- 25 maxage <- 61 name <- "D:/RankInc/Lorenz_xvalue_mean_klass2.text" getspline_points(minage, maxage, sel1) sela <- which( ((deathy== as.integer(0)) (death& utantakinc0>0 & utantakinc1>0 & pgi_minus1y==0 & age==a & sex==s & origin==u) relorenz(name,utantakinc1[sela]) Återskappande av Lorenz curve #Re-create the Lorenz-curve library("mimesis") imim()
41 41 y < cohort <- getv(midas,"birthyear") deathy <- getv(midas,"deathyear") age <- y-cohort utantakinc0 <- getv(midas,"pgifull","inkomst",y,na=0) utantakinc1 <- getv(midas,"pgifull","inkomst",y+1, na=0) pgi_minus1y <- getv(midas,"ppgi","accrual",y-1,na=0) relorenz <- function(name,sel1,a,s,u){ age origin sex utantakinc1 sel2 inc1 TOTALINCOME inc1 TI TI R <- age [sel1] <- getv(midas,"origin")[sel1] <- getv(midas,"sex")[sel1] <- utantakinc1 [sel1] <- which(age==a & sex==s & origin==u) <- utantakinc1[sel2] <- sum(as.numeric(inc1)) <- sort(inc1) <- cumsum(inc1) <- TI/TOTALINCOME <- (1:length(TI))/length(TI) x <- read.table(file=name) x <- x[["x"]] y <- rep(na,12) leng <- length(ti) y[1] <- 0 y[12] <- 1 for(i in 2:11){ Diff <- abs(r-x[i]) where<-which.min(diff) y[i]<-ti[where] c<-interpspline(x,y,period=12) plot(c,xlim=c(0,1), ylim=c(0,1),col=6,main=paste("antal punkter =",12," a= ",a,"s= ",s,"u= ",u), xlab="rang",ylab="kumulativa summan") # RUNS #Which people that are selected sel1 <- which ( (age >= as.integer(0)) & (age <= as.integer(70)) & ((deathy== as.integer(0)) (deathy> y+1) & utantakinc0>0 & utantakinc1>0& pgi_minus1y==0 ) a <- 25 s <- 1 u <- 0 name <- "D:/RankInc/Lorenz_xvalue_mean_klass2.text" relorenz(name,sel1,a,s,u)
42 Medelinkomster # *** Medelinkomster *** library("mimesis") imim() average_salary <- function(minage,maxage){ y < cohort <- getv(midas,"birthyear") deathy <- getv(midas,"deathyear") origin <- getv(midas,"origin") utantakinc0<- getv(midas,"pgifull","inkomst",y,na=0) age <- y-cohort origin[origin==38]<- as.integer(0) origin[origin!=0] <- as.integer(1) sel1 <- which( (age >= as.integer(0)) (age <= as.integer(70)) ((deathy== as.integer(0)) (deathy> y+1))& utantakinc0>0 ) age <- age[sel1] utantakinc0<- utantakinc0 [sel1] sex <- getv(midas,"sex")[sel1] origin <- origin [sel1] & medellon <- function(minage,maxage,inc,age){ n <- length(seq(minage,maxage,1)) medel <- rep(na,n) for(i in minage:maxage){ sel2 <- which(age==i) income <- inc[sel2] medel[i-(minage-1)]<-mean(income) return(medel) n<-length(seq(minage,maxage,1)) inkomst<-matrix(na,n,4) #s<-1 ;u<-1 for (s in 1:2){ for (u in 0:1){ sel3<- which (origin==u & sex==s) in1<-utantakinc0[sel3] alder<-age[sel3] lon<-medellon(18,63,in1,alder) if(s==1){ else{ inkomst[,s+u]<-lon inkomst[,s+u+1]<-lon
43 43 #Inkomstbasbelopp år 2001 inkomstbasbelopp< inkomst<-inkomst+inkomstbasbelopp ålder<-seq(18,63,1) # Månadsinkomst minkomst<-inkomst/12 matplot(ålder,cbind(minkomst[,1],minkomst[,2],minkomst[,3], minkomst[,4]),col=c(2,3,4,5),cex=0.2,xlim=c(18,63),ylim=c(0,30000),type=" l",main = paste("medelinkomster per månad, år",y),ylab="kronor") legend(locator(n=2),legend=c("män födda i Sverige","män födda utanför Sverige","kvinnor födda i Sverige","kvinnor födda utanför Sverige"),text.col=c(2,3,4,5)) # RUN minage <- 18 maxage <- 63 average_salary(minage,maxage) Skattningar av parametrar #Estimated the parameters in the new incomemodell # **** THE USER HAS TO SELECT A NAME FOR THE FILE WHERE *** # *** THE ESTIMATION CAN BE SAVED *** # THE USER HAS TO DOWNLOAD PACKAGE BETAREG library("mimesis") imim() library(betareg) # *** GLOBALS *** #Select year, y, minage, maxage and name_file y < minage <- 25 maxage <- 61 #Input in the model cohort <- getv(midas,"birthyear") deathy <- getv(midas,"deathyear") age <- y-cohort #People between 0 and 70 years old are selected sel1 <- which( (age >= as.integer(0)) (age <= as.integer(70)) ((deathy== as.integer(0)) (deathy> y+1))) & &
44 44 cohort <- cohort[sel1] deathy <- deathy[sel1] age <- age [sel1] origin <- getv(midas,"origin")[sel1] #Men( sex=1), women (sex2) sex <- getv(midas,"sex")[sel1] # utantakinc0 = income year y, utantakinc1 = income year y+1 utantakinc0 <- getv(midas,"pgifull","inkomst",y,na=0)[sel1] utantakinc1 <- getv(midas,"pgifull","inkomst",y+1, na=0)[sel1] #beh0 <- getv(midas,"pbh_utb_bel","brev",y+1,na=0)[sel1] #Calculate pgi_long (=pgi during the last 3 years, not counting year y) pgi_minus1y <- getv(midas,"ppgi","accrual",y-1,na=0)[sel1] pgi_minus2y <- getv(midas,"ppgi","accrual",y-2,na=0)[sel1] pgi_minus3y <- getv(midas,"ppgi","accrual",y-3,na=0)[sel1] pgi_short <- pgi_minus1y + pgi_minus2y + pgi_minus3y #Calculate pgi_long (=pgi during the whole life except the last 4 years, #counting year y) year4 <- y-4 pgi_long <- getv(midas,"ppgi","accrual",1960,na=0)[sel1] for (i in 1961:year4){ pgi_1year <- getv(midas,"ppgi","accrual",i,na=0)[sel1] pgi_long <- pgi_long + pgi_1year #Born in Sweden(orgin=0),born outside Sweden(orgin=1) origin[origin==38] <- as.integer(0) origin[origin!=0] <- as.integer(1) #Create an object for the rank, let the value be 0 if the input is zero, #otherwise let is be the rank(between 0 and 1) # R0 - income year 0 # R1 - income year y+1 # PGIS - pgi year (y-3) to (y-1) # PGIL - total pgi up to and including year y-4 R0 <- rep(0, length(sel1)) R1 <- rep(0, length(sel1)) PGIS <- rep(0, length(sel1)) PGIL <- rep(0, length(sel1)) #selection when the obejct is non-zero selr0 <- which(utantakinc0>0) selr1 <- which(utantakinc0>0) #selb0 <- which(beh0>0) selpgis <- which(pgi_short>0) selpgil <- which(pgi_long>0) #Calculate the rank when the object is non-zero R0[selR0] <- MiMaggr(utantakinc0[selR0], list(sex=sex[selr0],age = age[selr0], origin=origin[selr0]),"order/count")[[1]] R1[selR1] <- MiMaggr(utantakinc1[selR1], list(sex=sex[selr1],age = age[selr1], origin =origin[selr1]),"order/count")[[1]]
45 45 PGIL[selPGIL] <- MiMaggr(pgi_long[selPGIL], list(sex=sex[selpgil], age = age[selpgil], origin =origin[selpgil]),"order/count")[[1]] PGIS[selPGIS] <- MiMaggr(pgi_short[selPGIS], list(sex=sex[selpgis],age=age[selpgis], origin =origin[selpgis]),"order/count")[[1]] #To avoid problems that appears when R1=1 R1[R1==1] <- as.double( ) #Function estimation #Fitting a betaregression for each subpopulation (men/women, born in #Sweden/abraod) and age. Repeat that procedure 10 times. #All estimation are saved and read on file. No output estimation <-function(minage,maxage,filename,k_value){ #"Dummy" function to avoid problem hej<-function(){ return("hoppsan") options(error=hej) #test values # s<-1; a<-30; u<-0; #To do the estimation for each age in each subpopulation for(s in 1:2) { for(u in 0:1) { for(a in minage:maxage) { #Create a data-frame for saving the estimation from betaregression tt <- data.frame( sex = numeric(0), age = numeric(0), origin = numeric(0), k = numeric(0), try = numeric(0), intercept = numeric(0), inc0 = numeric(0), pgi_long = numeric(0), pgi_short = numeric(0), phi = numeric(0), stder.intercept = numeric(0), stder.inc0 = numeric(0), stder.pgi_long = numeric(0), stder.pgi_short = numeric(0), stder.phi = numeric(0), zstats.intercept = numeric(0), zstats.inc0 = numeric(0), zstats.pgi_long = numeric(0), zstats.pgi_short = numeric(0), pvalue.intercept = numeric(0), pvalue.inc0 = numeric(0),
46 46 pvalue.pgi_long = numeric(0), pvalue.pgi_short = numeric(0), PseudoR2 = numeric(0) ) gc() #select people with income year 0 and 1 for each subpopulation for(c in 1:k_value) { # s<-1; a<-40; u<-0; if(k_value==1) { sel3 <- which( age == a & sex == s & origin==u & utantakinc0>0 & utantakinc1>0 ) k <- 0 length(sel3) 0.25 R0 >= 0.75 ) & R0>0 & R1>0) else { if (c==1) { sel3 <- which (age == a & sex == s & origin==u & (R0 >= 0.25 & R0 < 0.75 & R1>0)) k <- 1 else { sel3 <- which (age == a & sex == s & origin==u & (R0 < k <- 2 #number of tries for each subpopulation for(d in 1:10) { ready <- FALSE while(! ready) { sel4 <- sample(sel3,min(2000,length(sel3))) Y <- R1[sel4] inc0 <- R0[sel4] pgi_long <- PGIL[sel4] pgi_short <- PGIS[sel4] fit <- betareg(y ~ inc0 + pgi_long +pgi_short)
47 47 if(max(fit$coefficients)< 20 & min(fit$coefficients)> -20) ready <- TRUE gc() cat("sex=",s,"origin=",u, "age",a, "k",k,"try",d) flush.console() summary(fit) tt < rbind(tt,c(s,a,u,k,d,fit$coefficients, fit$stder,fit$zstats,fit$pvalues,fit$pseudo.r2)) filename1 <- filename filename1 <-paste(filename1,"kv",k_value,"a",a, "s",s,"u",u,".txt", sep="") write.table(tt,file=filename1,sep="\t",row.names=false, col.names=true) #rebind to one file the estimation for each subpopulation tt <- data.frame( sex =numeric(0), age = numeric(0), origin= numeric(0), k=numeric(0), try =numeric(0), intercept = numeric(0), inc0= numeric(0), pgi_long= numeric(0), pgi_short= numeric(0), phi =numeric(0), stder.intercept = numeric(0), stder.inc0=numeric(0), stder.pgi_long=numeric(0), stder.pgi_short=numeric(0), stder.phi =numeric(0), zstats.intercept = numeric(0), zstats.inc0 = numeric(0), zstats.pgi_long = numeric(0), zstats.pgi_short= numeric(0), pvalue.intercept = numeric(0), pvalue.inc0= numeric(0), pvalue.pgi_long= numeric(0), pvalue.pgi_short= numeric(0), PseudoR2 = numeric(0) ) for(s in 1:2) { for(u in 0:1) { for(a in minage:maxage) {
48 48 filename1 <- filename filename1 <- paste(filename1,"kv",k_value,"a",a,"s",s,"u",u,".txt", sep="") dd<-read.table(file=filename1,header = TRUE) tt<-rbind(tt,dd) write.table(tt,file=filename,sep="\t",row.names=false, col.names=true) #end of estimation-function #Function loess smoothing #Read the the file function estimation create and perform a loess smoothing of #the values and return a dataframe with an estimation of the coefficents to #the model loess_smothing <-function(minage,maxage,name_file) { length_age <- length(seq(minage,maxage,1)) df3 <- read.table(file=name_file,header = TRUE) #Seperate the subpopulations sel_mensw <- df3[["sex"]]==1 & df3[["origin"]]==0 sel_menab <- df3[["sex"]]==1 & df3[["origin"]]==1 sel_womensw <- df3[["sex"]]==2 & df3[["origin"]]==0 sel_womenab <- df3[["sex"]]==2 & df3[["origin"]]==1 dfmsw <- df3[sel_mensw,] dfmab <- df3[sel_menab,] dfwsw <- df3[sel_womensw,] dfwab <- df3[sel_womenab,] #To get rid of outliers we do a further selection for each subpopulation #The selection is done empirical #men born in Sweden - msw (sex=men, origin=0) dfsel_msw <- dfmsw[["intercept"]]>-20 & dfmsw[["intercept"]]< -1 & dfmsw[["inc0"]]> 0 & dfmsw[["inc0"]]< 20 & dfmsw[["pgi_long"]]>-2 & dfmsw[["pgi_long"]]<2 & dfmsw[["pgi_short"]]>-20 & dfmsw[["pgi_short"]]< 1.2 & dfmsw[["phi"]]> 0 & dfmsw[["phi"]]< 20 #men born abroad - mab (sex=men, origin=1)
49 49 dfsel_mab <- dfmab[["intercept"]]>-20 & dfmab[["intercept"]]< 20 & dfmab[["inc0"]]> 0 & dfmab[["inc0"]]< 20 & dfmab[["pgi_long"]]>-20 & dfmab[["pgi_long"]]< 2 & dfmab[["pgi_short"]]>-2 & dfmab[["pgi_short"]]< 20 & dfmab[["phi"]]> 0 & dfmab[["phi"]]< 20 #women born in Sweden - wsw (sex=women, origin=0) dfsel_wsw <- dfwsw[["intercept"]]>-20 & dfwsw[["intercept"]]< -0.8 & dfwsw[["inc0"]]> 2.4 & dfwsw[["inc0"]]< 20 & dfwsw[["pgi_long"]]>-0.5 & dfwsw[["pgi_long"]]< 1 & dfwsw[["pgi_short"]]>-1.2 & dfwsw[["pgi_short"]]< 1 & dfwsw[["phi"]]> 0 & dfwsw[["phi"]]< 20 #women born abroad - wab (sex=women, origin=1) dfsel_wab <- & dfwab[["intercept"]]>-20 & dfwab[["intercept"]]< 0 & dfwab[["inc0"]]> 2 & dfwab[["inc0"]]< 5.7 & dfwab[["pgi_long"]]>-0.5 & dfwab[["pgi_long"]]< 20 dfwab[["pgi_short"]]>-2 & dfwab[["pgi_short"]]< 3 & dfwab[["phi"]]> 0 & dfwab[["phi"]]< 20 dfmsw <- dfmsw[dfsel_msw,] dfmab <- dfmab[dfsel_mab,] dfwsw <- dfwsw[dfsel_wsw,] dfwab <- dfwab[dfsel_wab,] # Do the estimation with loess skatt <- data.frame(age=numeric(0), origin=numeric(0), sex=numeric(0), k=numeric(0), intercept = numeric(0), inc0= numeric(0), pgi_long= numeric(0), pgi_short= numeric(0), phi =numeric(0)) #Function loess_estimation #Perform it for one variable and subpopulation #b,d is the min and max on the y-axis, sex=s, orgigin=u loess_est <- function(variable_name,input_matrix,b,d,s,u,k) { number <- seq(minage,maxage,0.25) plot(input_matrix[["age"]],input_matrix[[variable_name]],cex=0.2, ylim=c(b,d),main = paste(variable_name,", sex = ",s,", origin = ",u,"k =",k ), xlab="age",ylab=variable_name) a <-loess(input_matrix[[variable_name]]~input_matrix[["age"]], input_matrix,span=0.5)
Så här tjänar du in till din pension
Så här tjänar du in till din pension för dig som är född 1938 eller senare Varje år som du arbetar tjänar du in pengar till din framtida pension. Men pensionssystemet tar också hänsyn till att livet består
Läs merVad blev det för pension 2014? En jämförelse mellan pension och slutlön för årskullarna 1938 till 1946
Vad blev det för pension 2014? En jämförelse mellan pension och slutlön för årskullarna 1938 till 1946 S12260 14-03 Sammanfattning Vad blev det för pension 2014? är den fjärde rapporten i Folksam rapportserie
Läs merBeräkning av förlust av allmän pension för personer födda 1938-1953
Cirkulär 4-2005 Beräkning av förlust av allmän pension för personer födda 1938-1953 Rådets beslut Vid möte den 8 december 2004 beslutade Trafikskadenämndens råd att anta Pensionsarbetsgruppens framlagda
Läs merHela livet räknas När du sparar till din allmänna pension
Hela livet räknas När du sparar till din allmänna pension Hela livet räknas Den här broschyren handlar om den allmänna pensionen och tar upp vad som kan vara bra att tänka på när du sparar till din framtida
Läs merVad blev det för pension 2011? En jämförelse mellan pension och slutlön för årskullarna 1938 till 1943
Vad blev det för pension 211? En jämförelse mellan pension och slutlön för årskullarna 1938 till 1943 S1197 11-4 Sammanfattning Vad blev det för pension 211? är den tredje rapporten i Folksam rapportserie
Läs merHela livet räknas. När du sparar till din allmänna pension
Hela livet räknas När du sparar till din allmänna pension Hela livet räknas Den här broschyren handlar om den allmänna pensionen och tar upp vad som kan vara bra att tänka på när du sparar till din framtida
Läs merDin allmänna pension en del av din totala pension
60 + Försäkringskassan och smyndigheten Din allmänna pension en del av din totala pension Det här årsbeskedet handlar om den allmänna pensionen. Utöver den får de flesta löntagare tjänstepension från sin
Läs merHela livet räknas. När du sparar till din allmänna pension
Hela livet räknas När du sparar till din allmänna pension Hela livet räknas Den här broschyren handlar om den allmänna pensionen och tar upp vad som kan vara bra att tänka på när du sparar till din framtida
Läs merDin tjänstepension PFA
Din tjänstepension PFA En kort presentation av PFA Den här broschyren vänder sig till dig som är född 1938 eller senare och som är anställd i inom kommun, landsting/region och kommunala bolag. Den ger
Läs merDin avtalspension KAP-KL
Din avtalspension KAP-KL För dig som är anställd inom kommun, landsting, region, kommunalförbund och i vissa kommunala företag gäller pensionsavtalet KAP-KL. Din avtalspension är knuten till din anställning.
Läs merDin avtalspension KAP-KL
Din avtalspension KAP-KL För dig som är anställd inom kommun, landsting, region, kommunalförbund och i vissa kommunala företag gäller pensionsavtalet KAP-KL. Från och med den 1 januari 2014 omfattar KAP-KL
Läs merBilaga till pensionspolicy
Bilaga till pensionspolicy 2007 Eksjö kommun I samarbete med Innehållsförteckning BESKRIVNING AV DET SVENSKA PENSIONSSYSTEMET... 3 ALLMÄN PENSION... 3 TJÄNSTEPENSION... 3 PRIVAT PENSIONSSPARANDE... 3 BESKRIVNING
Läs merDin allmänna pension en del av din totala pension
får prognos Pensionsmyndigheten Din allmänna pension en del av din totala pension Det här årsbeskedet handlar om den allmänna pensionen. Utöver den får de flesta löntagare tjänstepension från sin arbetsgivare.
Läs merPensioner, och särskilt tjänstepensioner, kan vara lite krångliga. Att just tjänstepensioner blir lite krångligare beror på att det är avtalad
Pensioner, och särskilt tjänstepensioner, kan vara lite krångliga. Att just tjänstepensioner blir lite krångligare beror på att det är avtalad pension, det är arbetsgivare och arbetstagarorganisationer
Läs merHela livet räknas. När du sparar till din allmänna pension
Hela livet räknas När du sparar till din allmänna pension Hela livet räknas Den här broschyren handlar om den allmänna pensionen och tar upp vad som kan vara bra att tänka på när du sparar till din framtida
Läs merFör dig som är född 1954 eller senare
Så funkar det din ålderspension För dig som är född 1954 eller senare + = Din samlade pension + broschyr_janne.indd 1 privat sparande Allmän pension Vi vill ge dig en bild av hur pensionssystemet fungerar.
Läs merVälkommen till informationsträff med KPA Pension. Åke Andersson
Välkommen till informationsträff med KPA Pension Åke Andersson Om KPA Pension KPA Pension är ett serviceorgan för den kommunala sektorn i pensions- och försäkringsfrågor. Vi hjälper till att: räkna fram
Läs merLektionsanteckningar 11-12: Normalfördelningen
Lektionsanteckningar 11-12: Normalfördelningen När utfallsrummet för en slumpvariabel kan anta vilket värde som helst i ett givet intervall är variabeln kontinuerlig. Det är väsentligt att utfallsrummet
Läs merNytt pensionsavtal för statligt anställda PA 03
Nytt pensionsavtal för statligt anställda PA 03 Innehåll Förord 1 Pensionsförmåner 2 Två typer av ålderspension 2 Avgiftsbestämd ålderspension 3 Förmånsbestämd ålderspension 4 Beräkning av förmånsbestämd
Läs merFöreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012
Föreläsning 1 Repetition av sannolikhetsteori Patrik Zetterberg 6 december 2012 1 / 28 Viktiga statistiska begrepp För att kunna förstå mer avancerade koncept under kursens gång är det viktigt att vi förstår
Läs merDu bestämmer själv. När du vill ta ut pension
Du bestämmer själv När du vill ta ut pension Du bestämmer själv Den här broschyren handlar om den allmänna pensionen och vad som kan vara bra att tänka på när du funderar på att ta ut pension. Det finns
Läs merDin allmänna pension en del av din totala pension
60+ (65 år) får prognos Inkomst över taket Pensionsmyndigheten Din allmänna pension en del av din totala pension Det här årsbeskedet handlar om den allmänna pensionen. Utöver den får de flesta löntagare
Läs merDin tjänstepension KAP-KL
Din tjänstepension KAP-KL Hur stor blir din tjänstepension? Storleken på din tjänstepension beror bland annat på hur länge du arbetar, hur mycket du tjänar, när du tar ut din pension, och hur värdet har
Läs merJämförelse i utfall av inkomstgrundad allmän pension i det nya och det gamla pensionssystemet för födda
1 (10) Studie 2017-03-21 Stefan Granbom Jämförelse i utfall av inkomstgrundad allmän pension i det nya och det gamla pensionssystemet för födda 1938-1945 Denna studie jämför utfallen i det nya och det
Läs merDin tjänstepension PA KFS 09. för dig som är född 1954 eller senare
Din tjänstepension PA KFS 09 för dig som är född 1954 eller senare Kort presentation av broschyren Den här broschyren vänder sig till dig som är anställd inom ett KFS-anslutet företag som avtalat om PA-KFS,
Läs merDin pension och andra ersättningar har räknats om vid årsskiftet. De nya beloppen framgår nedan. Premiepension Avdrag för preliminär skatt
Partiellt uttag av IP (PP-sparare) Pensionsmyndigheten -01-05 451224-1234 Dina belopp för Din pension och andra ersättningar har räknats om vid årsskiftet. De nya beloppen framgår nedan. Belopp per månad
Läs merNio svar om din pension
Sida 1 av 7 Katrin Westling Palm, generaldirektör för Pensionsmyndigheten där Bo Könberg är ordförande. Bild: Scanpix Förstora bild» Nio svar om din pension Publicerad: 11 juli 2009, 01:15 Senast uppdaterad:
Läs mer2007:1. Nyckeltal för balanstalet 2005 ISSN 1653-3259
2007:1 Nyckeltal för balanstalet 2005 ISSN 1653-3259 I det reformerade pensionssystemet bestäms indexeringen av pensionsskulden av genomsnittsinkomstens utveckling. Vid viss demografisk och ekonomisk utveckling
Läs merk Individuella Kollektivavtal Lagar
Försäkringsskydd k Individuella Gruppförsäkringar Kollektivavtal Lagar 2012-03-06 2 Medlemmarnas försäkringsskydd k Försäkrad enligt lag Sjukförsäkring Arbetsskadeförsäkring Föräldraförsäkring Ålderspensioner
Läs merSara, 32 år informatör. Adam, 41 år undersköterska. Louise, 52 år avdelningschef
Sara, 32 år informatör Adam, 41 år undersköterska Louise, 52 år avdelningschef Fotograf: Mehrdad Modiri. Vi tackar Thomas och Annika (Adam, Louise) för medverkan på bild i arbetet med broschyren Om du
Läs merDin tjänstepension Gamla PA-KFS. för dig som är född 1953 eller tidigare
Din tjänstepension Gamla PA-KFS för dig som är född 1953 eller tidigare Kort presentation av broschyren Den här broschyren vänder sig till dig som är född 1953 eller tidigare och anställd på ett KFS-anslutet
Läs merPensionsriktlinjer för anställda
Pensionsriktlinjer för anställda Antagna av kommunstyrelsen 2008-12-04, reviderade 2015-02-04 Lunds kommun Innehållsförteckning SAMMANFATTNING... 3 ALLMÄNT... 4 REVIDERING... 4 BESLUTSORDNING... 4 PENSION
Läs merDu bestämmer själv. När du vill ta ut pension
Du bestämmer själv När du vill ta ut pension Du bestämmer själv Den här broschyren handlar om den allmänna pensionen och vad som kan vara bra att tänka på när du funderar på att ta ut pension. Det finns
Läs merKortvarigt eller långvarigt uttag av tjänstepension vilka blir de ekonomiska konsekvenserna?
Kortvarigt eller långvarigt uttag av tjänstepension vilka blir de ekonomiska konsekvenserna? Sammanfattning * Den allmänna pensionen minskar medan tjänstepensionen ökar i betydelse. Samtidigt tar allt
Läs merStatistiska Institutionen Gebrenegus Ghilagaber (docent)
Statistiska Institutionen Gebrenegus Ghilagaber (docent) Lösningsförslag till skriftlig tentamen i FINANSIELL STATISTIK, grundnivå, 7,5 hp, VT09. Onsdagen 3 juni 2009-1 Sannolkhetslära Mobiltelefoner tillverkas
Läs merDin pension och andra ersättningar har räknats om vid årsskiftet. De nya beloppen framgår nedan. Avdrag för preliminär skatt
Tagit ut enbart PP Pensionsmyndigheten -01-05 451224-1234 Dina belopp för Din pension och andra ersättningar har räknats om vid årsskiftet. De nya beloppen framgår nedan. Belopp per månad från och med
Läs merBESTÄMMELSER OM PENSION FÖR FÖRTROENDEVALDA
1 (11) Antagen av kommunfullmäktige den 25 november 2009, 189 Dnr: 1033/09-903 Nr: BESTÄMMELSER OM PENSION FÖR FÖRTROENDEVALDA Sammanfattning Beslutsordning Kommunfullmäktige är pensionsmyndighet för förtroendevalda.
Läs merFLEXPENSION I TJÄNSTEFÖRETAG. Översiktlig information
FLEXPENSION I TJÄNSTEFÖRETAG Översiktlig information 1 OKTOBER 2017 Innehåll Inledning...3 Varför införs Flexpension i Tjänsteföretag?...4 Vad är den kompletterande flexpensionspremien?...5 Vårt pensionssystem...6
Läs merFörmånliga kollektivavtal. försäkrar akademiker. Kollektivavtal Sjukdom Arbetsskada Ålderspension
Förmånliga kollektivavtal försäkrar akademiker 1 Sjukdom Arbetsskada Ålderspension Sjukpension Föräldraledighet Arbetslöshet Efterlevandeskydd Innehåll: Sjukdom 4 Arbetsskada 5 Sjukpension 6 Föräldraledighet
Läs merDin tjänstepension PFA
Din tjänstepension PFA Hur stor blir din tjänstepension? Storleken på din tjänstepension beror bland annat på hur länge du arbetar, hur mycket du tjänar, när du tar ut din pension, och hur värdet har utvecklats
Läs merKORTVARIGT ELLER LÅNGVARIGT UTTAG AV TJÄNSTEPENSION VILKA BLIR DE EKONOMISKA KONSEKVENSERNA?
KORTVARIGT ELLER LÅNGVARIGT UTTAG AV TJÄNSTEPENSION VILKA BLIR DE EKONOMISKA KONSEKVENSERNA? Sammanfattning Den allmänna pensionen minskar medan tjänstepensionen ökar i betydelse. Samtidigt tar allt fler
Läs merPensionen minskar med 100 kronor efter skatt 2014
Pensionen minskar med 100 kronor efter skatt 2014 Den totala pensionen minskar med cirka 100 kronor efter skatt i snitt nästa år för landets två miljoner pensionärer. Garantipensionen och tjänstepensionen
Läs merPM Dok.bet. PID
1 (15) PM Dok.bet. 2016-12-22 Analysavdelningen Kristin Kirs Kommenterad statistik efterlevandepension till vuxna Pensionsmyndigheten har bland annat i uppdrag av regeringen att följa hur pensionssystemet
Läs merDin allmänna pension en del av din totala pension
Yngre än 28 år utan prognos Pensionsmyndigheten Din allmänna pension en del av din totala pension Det här årsbeskedet handlar om den allmänna pensionen. Utöver den får de flesta löntagare tjänstepension
Läs merHur påverkas pensionssystemets finansiella ställning av ett längre arbetsliv
1 (6) PM Analysavdelningen Erik Granseth 010-454 23 02 Hur påverkas pensionssystemets finansiella ställning av ett längre arbetsliv Effekter av höjd pensionsålder i Pensionsmyndighetens pensionsmodell
Läs merSF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011
Avd. Matematisk statistik Tobias Rydén 2011-09-30 SF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011 Förberedelser. Innan du går till laborationen, läs igenom den här handledningen. Repetera också i
Läs merTentamen i Matematik 2: M0030M.
Tentamen i Matematik 2: M0030M. Datum: 203-0-5 Skrivtid: 09:00 4:00 Antal uppgifter: 2 ( 30 poäng ). Examinator: Norbert Euler Tel: 0920-492878 Tillåtna hjälpmedel: Inga Betygsgränser: 4p 9p = 3; 20p 24p
Läs merHR-servicecenter. Information om din tjänstepension. Anna Borin Gunilla Lindqvist. januari hrservicecenter.se
HR-servicecenter Information om din tjänstepension Anna Borin Gunilla Lindqvist januari 2019 Pensionspusslet Privat pension Spar via bank eller försäkringsbolag Tjänstepension PFA, KAP-KL, AKAP-KL Från
Läs merValet för din tjänstepension KAP-KL
Valet för din tjänstepension KAP-KL Tjänstepensionen en viktig del av din ekonomi i framtiden Du som är anställd i kommun eller landsting får tjänstepension från din arbetsgivare. Tjänstepensionen kommer
Läs merDin tjänstepension heter ITP 1
Talarstöd Din tjänstepension heter ITP 1 Bild 2 Alecta - Tjänstepensionsförvaltaren Syftet med denna bild är att berätta varför tjänstepensionen finns hos Alecta. Alecta har blivit utvalt att hantera vissa
Läs merTips! Bra att löpande genom presentationen tala om var ni är i pyramiden.
Bild 1 Syftet med denna bild är att förklara vilka Alecta är. Alecta har blivit valda att hantera vissa delar av tjänstepensionen för privatanställda tjänstemän. Detta enligt ett kollektivavtal mellan
Läs merPA 03. 2012-10-24 Hans Norin, OFR
PA 03 2012-10-24 Hans Norin, OFR Vad är OFR? En uppdragsstyrd förhandlings- och serviceorganisation för fjorton fackliga organisationer med cirka 555 000 medlemmar inom den offentliga sektorn. Statlig
Läs merIndexering av pensionerna
Indexering av pensionerna Vid varje årsskifte räknas alla pensionärers ålderspensioner om. Omräkningen innebär att pensionen justeras beroende på hur inkomster och priser förändras i samhället. Omräkningen
Läs merPTK Rådgivningstjänst funktion och hur råden tas fram
Datum 2010-04-08 PTK Rådgivningstjänst funktion och hur råden tas fram 1. Bakgrund PTK Rådgivningstjänst hjälper dig att säkerställa att du har ett pensionssparande och ett försäkringsskydd som motsvarar
Läs merHur stor blir pensionen?
Hur stor blir pensionen? En rapport om kompensationsgrader hos användare av Minpension.se år 2015 Ett samarbete mellan staten och pensionsbolagen Frida Öjemark Sammanfattning Pensionen i det svenska pensionssystemet
Läs merPremiepensionens delningstal och dess känslighet för ändrad livslängd och ränteantagande
1 (5) PM Dok.bet. 2016-06-16 Analysavdelningen Tommy Lowen 010-454 20 50 Premiepensionens delningstal och dess känslighet för ändrad livslängd och ränteantagande Premiepensionens delningstal minskar med
Läs mer7.5 Experiment with a single factor having more than two levels
7.5 Experiment with a single factor having more than two levels Exempel: Antag att vi vill jämföra dragstyrkan i en syntetisk fiber som blandats ut med bomull. Man vet att inblandningen påverkar dragstyrkan
Läs merCollectums Pensionsindex 2012 för tjänstemän i det privata näringslivet
Collectums Pensionsindex 2012 för tjänstemän i det privata näringslivet En rapport från tjänstepensionsföretaget Collectum som visar hur ingångslön och löneutveckling i olika yrken påverkar den framtida
Läs merHR-servicecenter. Information om din tjänstepension. Anna Borin Gunilla Lindqvist. 17 november hrservicecenter.se
HR-servicecenter Information om din tjänstepension Anna Borin Gunilla Lindqvist 17 november 2017 Pensionspusslet Allmän pension Ålderspension Premiepension Tjänstepension PFA, KAP-KL, AKAP-KL Från andra
Läs merFLEXPENSION I TJÄNSTEFÖRETAG. Översiktlig information
FLEXPENSION I TJÄNSTEFÖRETAG Översiktlig information SEPTEMBER 2017 1 Innehåll Inledning...3 Varför införs Flexpension i Tjänsteföretag?...4 Vad är den kompletterande flexpensionspremien?...5 Vårt pensionssystem...6
Läs merStatistikinformation Is-I 2004:1
Statistikinformation Is-I 2004:1 Ålderspensioner utbetalningar i december 2003 Sammanfattning I Sverige finns drygt 1,6 miljoner ålderspensionärer. Av dessa är 900 000 kvinnor. I december 2003 utbetalades
Läs merDin tjänstepension heter ITP 1
Talarstöd Din tjänstepension heter ITP 1 Aktuella basbelopp se sista sidan Bra att veta. Bild 2 Alecta - Tjänstepensionsförvaltaren Syftet med denna bild är att berätta varför tjänstepensionen finns hos
Läs mer1. Lära sig plotta en beroende variabel mot en oberoende variabel. 2. Lära sig skatta en enkel linjär regressionsmodell
Datorövning 1 Regressions- och tidsserieanalys Syfte 1. Lära sig plotta en beroende variabel mot en oberoende variabel 2. Lära sig skatta en enkel linjär regressionsmodell 3. Lära sig beräkna en skattning
Läs merFöreläsning 6 (kap 6.1, 6.3, ): Punktskattningar
Föreläsning 6 (kap 6.1, 6.3, 7.1-7.3): Punktskattningar Marina Axelson-Fisk 4 maj, 2016 Stickprov (sample) Idag: Stickprovsmedelvärde och varians Statistika (statistic) Punktskattning (point estimation)
Läs merPensionsskolan. Pensionsinformation kring vårens omval av tjänstepension ITP (privatanställda tjänstemän)
Pensionsskolan Pensionsinformation kring vårens omval av tjänstepension ITP (privatanställda tjänstemän) Pensionsskolan Introduktion I vår är det dags för de privatanställda tjänstemännen att göra ett
Läs merVad är flexpension? Varför flexpension? Vem får flexpension? Flexpension en del i pensionssystemet... 6
1 Vad är flexpension?.... 3 Varför flexpension?... 4 Vem får flexpension?... 5 Flexpension en del i pensionssystemet... 6 Möjlighet att gå ned i arbetstid... 8 Kontakta oss gärna... 9 Bilaga 1... 10 2
Läs merDin tjänstepension i Alecta
premiebestämd tjänstepension, itp 1 Din tjänstepension i Alecta I den här broschyren kan du läsa om hur det fungerar att ha en premie bestämd tjänstepension itp 1 i Alecta. 1 Din tjänstepension i Alecta
Läs merKapitel 4: SAMBANDET MELLAN VARIABLER: REGRESSIONSLINJEN
Kapitel 4: SAMBANDET MELLAN VARIABLER: REGRESSIONSLINJEN Spridningsdiagrammen nedan representerar samma korrelationskoefficient, r = 0,8. 80 80 60 60 40 40 20 20 0 0 20 40 0 0 20 40 Det finns dock två
Läs merÅlderspensions- systemet vid sidan av statsbudgeten
Ålderspensionssystemet vid sidan av statsbudgeten Förslag till statsbudget för 2003 Ålderspensionssystemet vid sidan av statsbudgeten Innehållsförteckning 1 Ålderspensionssystemet vid sidan av statsbudgeten...7
Läs merFöreläsning 12: Regression
Föreläsning 12: Regression Matematisk statistik David Bolin Chalmers University of Technology Maj 15, 2014 Binomialfördelningen Låt X Bin(n, p). Vi observerar x och vill ha information om p. p = x/n är
Läs merDin framtida pension Född 1954 eller senare 60 sidor grundkunskap
Din framtida pension Född 1954 eller senare 60 sidor grundkunskap 1 Författare: Olle Vejde Förlag: Olle Vejde Förlag Milsbo 214, 781 94 Borlänge 0243-610 62 olle.vejde@swipnet.se ollevejde.se Fackgranskning:
Läs merDin tjänstepension heter ITP 2
Talarstöd Din tjänstepension heter ITP 2 Aktuella basbelopp se sista sidan Bra att veta. Bild 2 Alecta - Tjänstepensionsförvaltaren Syftet med denna bild är att berätta varför tjänstepensionen finns hos
Läs merKurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 05 June 2017, 14:00-18:00. English Version
Kurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 5 June 217, 14:-18: Examiner: Zhenxia Liu (Tel: 7 89528). Please answer in ENGLISH if you can. a. You are allowed to use a calculator, the formula and
Läs merLaboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 4 MATEMATISK STATISTIK, FÖR I/PI, FMS 121/2, HT-3 Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar
Läs merEn snabblektion om pension
2013 Ditt ITPK-val Du har tjänstepensionen ITP 2. Det är din arbetsgivare som betalar, men du kan själv välja hur en del av de här pengarna ska förvaltas. Collectum är valcentral, det är hos oss du gör
Läs merHur stor blir pensionen för utrikes födda?
Hur stor blir pensionen för utrikes födda? En rapport om kompensationsgrader Ett samarbete mellan staten och pensionsbolagen Kristina Kamp När hela livet räknas Hela livet räknas så brukar vi beskriva
Läs merVarje månad betalar din arbetsgivare in pengar till din tjänstepension. Är man som du privatanställd tjänsteman, heter tjänstepensionen ITP 1.
2013 Ditt ITP 1-val Du har tjänstepensionen ITP 1. Det är din arbetsgivare som betalar, men det är du som väljer hur pengarna ska förvaltas. Collectum är valcentral, det är hos oss du gör ditt val. Det
Läs merDin pension enligt det nya ITP-avtalet.
Din pension enligt det nya ITP-avtalet. För dig som är född 979 eller senare. 2008/mars Reviderad 6:e upplaga! PTK (Förhandlings- och samverkansrådet PTK) består av 26 tjänstemannaförbund med cirka 700
Läs merNedan redovisas resultatet med hjälp av ett antal olika diagram (pkt 1-6):
EM-fotboll 2012 några grafer Sport är en verksamhet som genererar mängder av numerisk information som följs med stort intresse EM i fotboll är inget undantag och detta dokument visar några grafer med kommentarer
Läs merOlika faktorer bidrar till omräkningen av inkomst- och tilläggspension 2017:
Förändring av inkomstpension 2017 Olika faktorer bidrar till omräkningen av inkomst- och tilläggspension 2017: Förändring av inkomstindex %... +3,7 Balanseringseffekt... +0,7 Förändring av balansindex,
Läs merEffekt av balansering 2011 med hänsyn tagen till garantipension och bostadstillägg
Pensionsutveckling, statistik & utvärdering Stefan Granbom, 1-454 2423 21-11-11 Effekt av balansering 211 med hänsyn tagen till garantipension och bostadstillägg Balanseringen inom pensionssystemet påverkar
Läs merMer om slumpvariabler
1/20 Mer om slumpvariabler Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 4/2 2013 2/20 Dagens föreläsning Diskreta slumpvariabler Vilket kretskort ska man välja? Väntevärde
Läs merAvtalsjuridik för privatpersoner och företagare
v 3 Avtalsjuridik för privatpersoner och företagare avtal24 erbjuder Juridisk rådgivning och avtalsskrivning via telefon och internet Fasta priser på alla avtal 14 dagars kostnadsfri ändringsrätt av alla
Läs merI denna kommenterade statistik beskriver vi individernas allmänna pensioner och pensionsrelaterade bidrag brutto. Vi beaktar inte skatten på
I denna kommenterade statistik beskriver vi individernas allmänna pensioner och pensionsrelaterade bidrag brutto. Vi beaktar inte skatten på pensionen. Bostadstillägg och äldreförsörjningsstöd beräknas
Läs merDin tjänstepension heter ITP 2
Talarstöd Din tjänstepension heter ITP 2 Aktuella basbelopp se sista sidan Bra att veta. Startbild Alecta - Tjänstepensionsförvaltaren Syftet med denna bild är att berätta varför tjänstepensionen finns
Läs merDin allmänna pension en del av din totala pension
Pensionsmyndigheten Din allmänna pension en del av din totala pension Det här årsbeskedet handlar om den allmänna pensionen. Utöver den får de flesta löntagare tjänstepension från sin arbetsgivare. Det
Läs merIndexering av pensionerna
Indexering av pensionerna Vid varje årsskifte räknas alla pensionärers ålderspensioner om. Omräkningen innebär att pensionen justeras beroende på hur inkomster och priser förändras i samhället. Omräkningen
Läs mer2007:4. Ålderspension. Pensionsunderlag och pensionsbehållning ISSN
2007:4 Ålderspension Pensionsunderlag och pensionsbehållning ISSN 1652-9863 Statistik 2007:4 Statistikinformation försäkringsstatistik Ålderspension Pensionsunderlag och pensionsbehållning Utgivare: Upplysningar:
Läs merDin pension enligt det nya ITP-avtalet
Din pension enligt det nya ITP-avtalet För dig som är född 1978 eller tidigare. 008/mars Reviderad 6:e upplaga! PTK (Förhandlings- och samverkansrådet PTK) består av 6 tjänstemannaförbund med cirka 700
Läs merInvandrare och pensioner
Invandrare och pensioner Ålderpension för invandrare från länder utanför OECD-området, Lennart Flood & Andrea Mitrut, SOU 2010:105 http://www.sou.gov.se/socialaradet/rapporter.htm Umeå 19 januari 2012
Läs merPM Dok.bet. PID
1 (11) PM 2016-12-15 Analysavdelningen Kristin Kirs Kommenterad statistik - pensionsrätt för barnår Pensionsmyndigheten har bland annat i uppdrag av regeringen att följa hur pensionssystemet fungerar för
Läs merKAP-KL. Information om tjänste pensions- avtalet. För dig som är född 1985 eller tidigare och är anställd i kommun och landsting
KAP-KL Information om tjänste pensions- avtalet För dig som är född 1985 eller tidigare och är anställd i kommun och landsting Bra och trygga arbetsvillkor för dig som arbetar inom offentlig sektor Offentliganställdas
Läs merOlika faktorer bidrar till omräkningen av inkomst- och tilläggspension 2018:
Förändring av inkomstpension 2018 Olika faktorer bidrar till omräkningen av inkomst- och tilläggspension 2018: Förändring av inkomstindex %... +1,5 Balanseringseffekt... +1,1 Förändring av inkomstindex/balansindex,
Läs merFöreläsning 8, Matematisk statistik 7.5 hp för E, HT-15 Punktskattningar
Föreläsning 8, Matematisk statistik 7.5 hp för E, HT-15 Punktskattningar Anna Lindgren 25 november 2015 Anna Lindgren anna@maths.lth.se FMSF20 F8: Statistikteori 1/17 Matematisk statistik slumpens matematik
Läs merDin tjänstepension PFA
Din tjänstepension PFA Din pension består av olika delar allmän pension Allmän pension kommer från staten. Varje år får du information om den allmänna pensionen i ett orange kuvert. Du har rätt till allmän
Läs merDin tjänstepension heter ITP 2
Talarstöd Din tjänstepension heter ITP 2 Bild 2 Alecta - Tjänstepensionsförvaltaren Syftet med denna bild är att berätta varför tjänstepensionen finns hos Alecta. Alecta har blivit utvalt att hantera vissa
Läs merDet handlar om din pension. Pensionsavtalet KAP-KL för dig som är kommun- eller landstingsanställd
Det handlar om din pension Pensionsavtalet KAP-KL för dig som är kommun- eller landstingsanställd Innehållsförteckning Välkommen till KPA Pension... 3 Din allmänna pension... 4 Din tjänstepension - ålderspension...
Läs merMVE051/MSG Föreläsning 7
MVE051/MSG810 2016 Föreläsning 7 Petter Mostad Chalmers November 23, 2016 Överblick Deskriptiv statistik Grafiska sammanfattningar. Numeriska sammanfattningar. Estimering (skattning) Teori Några exempel
Läs merGarantipensionen påverkas av prisbasbeloppet som minskar med 0,2 procent från 2013 till 2014 för dem som enbart har garantipension.
Förändring av inkomstpension 2014 Olika faktorer bidrar till omräkningen av inkomst- och tilläggspension 2014: Real inkomstutveckling, medel... +1,7 Prisförändring... 0,1 Korrigering av tidigare prognoser
Läs merBetrakta kopparutbytet från malm från en viss gruva. För att kontrollera detta tar man ut n =16 prover och mäter kopparhalten i dessa.
Betrakta kopparutbytet från malm från en viss gruva. Anta att budgeten för utbytet är beräknad på att kopparhalten ligger på 70 %. För att kontrollera detta tar man ut n =16 prover och mäter kopparhalten
Läs mer