码农多打拼5年对生子的影响

码农多打拼五年对生子决策的影响。
首先我们确定在这个问题中要处理的对象：单个个体

他会有哪些属性呢？1.退休年限 2.生活状态

我们要分析的是一个事件对生子数目的影响，其实在现当代，因为过大的工作压力与老人变多的影响，很多家庭会选择丁克，因此我们不妨把问题转化行为为对生子决策的影响。

我们首先要确定的是与生子抉择直接相关的因素：对孩子生育及抚养所需要承担的成本，当然在中国讲求孝道，孩子的存在对个人老年生活质量的保证十分关键。因而个体老年生活的需求也应成为决定是否需要孩子的考虑因素。

需要注意的是，不同生活水平的个体对应的成本和需求都不尽相同，下面我们就要对其中的各种关系进行分析。

首先我们考虑生活水平与什么有关？
最先能想到的必然是个人的收入，但是具体情况也会因人而异，有的人是月光族，有的人会量入为出，而有的人十分节俭。我们在这点做出相应假设忽略个体间的差异，假设个人的生活水平与个体的工资(收入)线性相关。
下面个体工资将用符号$S$表示。

需要注意，个体的工资是时间的函数$S(t)$，对于一些个体这是一个增函数（高基础工作，工资随工作年龄而增高），对于一些个体这是一个常函数（中基础工作，类似于企业单位的铁饭碗），而对于一些个体这是一个减函数（低基础工作，工资随年龄增大而降低），这往往取决于职业的类型。重要的是，我们可以靠知识积累时间$T_1$来对这三种状态进行阈值划分。

还需要考虑的是如今的大龄男性与大龄女性婚姻问题，3700万单身汉也是一个亟需解决的问题，这取决与个人状态与婚姻的需求成本。(这暂时只作为一个参考想法，模型成熟后选择性加入)

下面我们对工资函数做出一定假设：
（1）增函数类型

1. 假设知识储备时间段$[0,T_1]$，退休年龄为$T_2$,则假设工资函数：
   $$S(t)=0,t\in [0,T_1];S(t)=f(t,T_1,T_2),t\in [T_1,T_2].$$
2. $f(x)$满足增函数要求且初值$f(T_1)$与 $T_1$正相关，为简化模型我们就假设$f(T_1)=p_1\cdot T_1$.
   其中$p_1$是基础工资参数，来为了拟合实际现实工资水平而存在。
3. 我希望$f(\cdot )$符合指数增长(随时间增长，高基础工作人员价值随工作时间指数增长)，其中a为指数项中的常系数。
   f ( t , T 1 , T 2 ) = χ [ T 1 , T 2 ] ⋅ p 1 ⋅ ( exp ⁡ { a ⋅ ( t − T 1 ) } + T 1 − 1 ) f(t,T_1,T_2)=\chi_{[T_1,T_2]}\cdot p_1\cdot(\exp\{a\cdot(t-T_1)\}+T_1 -1) f(t,T1​,T2​)=χ[T1​,T2​]​⋅p1​⋅(exp{a⋅(t−T1​)}+T1​−1)
4. $a$应该也与知识储备时间$T_1$成正相关关系，我们假设$a=k\cdot T_1$.因而应有公式：
   f ( t , T 1 , T 2 ) = χ [ T 1 , T 2 ] ⋅ p 1 ⋅ ( exp ⁡ { k ⋅ T 1 ⋅ ( t − T 1 ) } + T 1 − 1 ) f(t,T_1,T_2)=\chi_{[T_1,T_2]}\cdot p_1\cdot(\exp\{k\cdot T_1\cdot(t-T_1)\}+T_1 -1) f(t,T1​,T2​)=χ[T1​,T2​]​⋅p1​⋅(exp{k⋅T1​⋅(t−T1​)}+T1​−1)
5. 最终我们得到了工资函数的最终模型
   S ( t ) = 0 ⋅ χ [ 0 , T 1 ] ∪ [ T 2 , + ∞ ] + p 1 ⋅ ( exp ⁡ { k ⋅ T 1 ⋅ ( t − T 1 ) } + T 1 − 1 ) ⋅ χ [ T 1 , T 2 ] S(t)=0\cdot \chi_{[0,T_1]\cup[T_2,+\infty]}+ p_1\cdot(\exp\{k\cdot T_1\cdot(t-T_1)\}+T_1 -1)\cdot \chi_{[T_1,T_2]} S(t)=0⋅χ[0,T1​]∪[T2​,+∞]​+p1​⋅(exp{k⋅T1​⋅(t−T1​)}+T1​−1)⋅χ[T1​,T2​]​

从这里我们可以得到一个个体在一个重要时间$T_2$的工资水平
S ( T 2 ) = p 1 ⋅ ( exp ⁡ { k ⋅ T 1 ⋅ ( T 2 − T 1 ) } + T 1 − 1 ) ⋅ χ [ T 1 , T 2 ] S(T_2)= p_1\cdot(\exp\{k\cdot T_1\cdot(T_2-T_1)\}+T_1 -1)\cdot \chi_{[T_1,T_2]} S(T2​)=p1​⋅(exp{k⋅T1​⋅(T2​−T1​)}+T1​−1)⋅χ[T1​,T2​]​.

我们假设一个个体完成知识积累的时间为$T_1=25$，而退休年龄为$T_2=65$，取参数$k=0.005,p_1=200$，则我们展示该个体在上述模型下的工资曲线。

（2）常函数类型
我们同样假设常函数的初值取值与学习积累时间成正相关。则在该状态下的工资函数较容易得到：
$$S(t)=p_2\cdot (0\cdot {\chi }_{[0,T_1]\cup [T_2,+\infty ]}+T_1\cdot {\chi }_{[T_1,T_2]})$$
其中$p_2$是基础工资参数，来为了拟合实际现实工资水平而存在。这里取$p_2=160,T_1=18,T_2=65.$

（3）减函数类型

1. 在这里我们首先定义社会最低保障$S_0$,使得在任何情况下工资$S(t,T_1,T_2)\ge S_0$.

减函数情况下，我希望函数$S(t,T_1,T_2)$满足以下要求:

1. ${\lim }_{t\to T_2}S(t,T_1,T_2)=S_0;$
2. $S(T_1)\ge S_0;$
3. $|\frac{\partial S}{\partial t}|<0$,即是指我们希望工资水平前期减小得快，后期减小得慢。

在上述几个条件要求下，我认为最简单的函数便是:
$$S(t,T_1,T_2)=p_3\cdot (\frac{1}{t-T_1+T^{\prime }}+\frac{1}{p_3}\cdot S_0)$$
但是这个函数是把$[T1,+\infty ]$映射到了$[\frac{p_3}{T^{\prime }}+S_0,S_0]$，而并非将$[T1,T_2]$映射到了$[\frac{p_3}{T^{\prime }}+S_0,S_0]$。
此时，聪明的数学系学生就会想到用三角变换$tan(\cdot )$函数将无穷区间变换到有限区间上面来，那么对应的变化是
$$g(x)=tan(arctan(T_1)+(x-T_1)\cdot \frac{\frac{\pi }{2}-arctan(T_1)}{(T_2-T_1)})$$
那么$g(\cdot ):[T_1,T_2]\to [T_1,+\infty ].$实现了我们的目标。经过复合，我们得到的减函数情形的工资函数为:
$$S(t,T_1,T_2)=p_3\cdot (\frac{1}{g(t)-T_1+T^{\prime }}+\frac{1}{p_3}\cdot S_0)$$
实现了$[T_1,T_2]\to [T_1,+\infty ]\to [\frac{p_3}{T^{\prime }}+S_0,S_0]$的单射递减过程。

如果初始工资为$p_3\cdot T_1$，那么可解出$T^{\prime }$的值为$T^{\prime }=\frac{1}{T_1-\frac{S_0}{p_3}}.$

我们假设$p_3=100,T1=12(>10),T2=65,S0=1000$，则模型曲线如下：

最后我们工资函数进行一个总结：
S ( t , T 1 , T 2 ) = { 0 ⋅ χ [ 0 , T 1 ] ∪ [ T 2 , + ∞ ] + p 1 ⋅ ( exp ⁡ { k ⋅ T 1 ⋅ ( t − T 1 ) } + T 1 − 1 ) ⋅ χ [ T 1 , T 2 ] , T 1 > 23 p 2 ⋅ ( 0 ⋅ χ [ 0 , T 1 ] ∪ [ T 2 , + ∞ ] + T 1 ⋅ χ [ T 1 , T 2 ] ) , 18 < T 1 ≤ 23 S 0 , 0 < T ≤ 18 S(t,T_1,T_2)=\left\{\begin{array}{ll} 0\cdot \chi_{[0,T_1]\cup[T_2,+\infty]}+ p_1\cdot(\exp\{k\cdot T_1\cdot(t-T_1)\}+T_1 -1)\cdot \chi_{[T_1,T_2]}&,T_1>23\\ p_2\cdot (0\cdot \chi_{[0,T_1]\cup [T_2,+\infty]}+T_1\cdot \chi_{[T_1,T_2]})&, 18<T_1 \le23\\ S_0,0<T\le 18 \end{array}\right. S(t,T1​,T2​)=⎩⎨⎧​0⋅χ[0,T1​]∪[T2​,+∞]​+p1​⋅(exp{k⋅T1​⋅(t−T1​)}+T1​−1)⋅χ[T1​,T2​]​p2​⋅(0⋅χ[0,T1​]∪[T2​,+∞]​+T1​⋅χ[T1​,T2​]​)S0​,0<T≤18​,T1​>23,18<T1​≤23​
我们默认取参数值如下：
$p_1=200,p_2=160,p_3=100.$
$S_0=1000,k=0.005$
（数据没有查阅资料，未必有意义，有相关知识的同学欢迎来加入讨论私聊）

---

这样，我们能够确定$T_2$时刻的$S$的值（假设$T_1$给定了）
S ( t , T 1 , T 2 ) = { 200 ⋅ ( exp ⁡ { 1 200 ⋅ T 1 ⋅ ( T 2 − T 1 ) } + T 1 − 1 ) , T 1 > 23 160 ⋅ T 1 , 18 < T 1 ≤ 23 S 0 , 0 < T ≤ 10 S(t,T_1,T_2)=\left\{\begin{array}{ll} 200\cdot(\exp\{\frac{1}{200}\cdot T_1\cdot(T_2-T_1)\}+T_1 -1)&,T_1>23\\ 160\cdot T_1&, 18<T_1 \le23\\ S_0&,0<T\le 10 \end{array}\right. S(t,T1​,T2​)=⎩⎨⎧​200⋅(exp{2001​⋅T1​⋅(T2​−T1​)}+T1​−1)160⋅T1​S0​​,T1​>23,18<T1​≤23,0<T≤10​

在函数空间中展示如下图所示:

1. $T_2=65$时：
   
2. $T_2=70$时
   

---

我们能看到，当$T_1$落在$[10,40]$(视为具有较好的生育能力的年龄阶段)时候，在退休后会进入完全两个不同的经济状况，这两个经济生活状况被$S\in [10000,40000]$水平带分割开来。此时，我们就用这个退休时的工资量作为个体老年生活的需求的年均值。

下一个问题就是退休后老人们能享福多少年呢？这里我们假设每个个体的寿命$L$相同，为80岁。则享福年份与退休年限成负相关，我们设享福年份为$Yearstoenjoy=T_e$,则有下列限制关系:
$$T_e+T_2=L$$

之后我们便能够计算不同$T_1$取值的个体的老年生活需求Living needs of the elderly了,我们用$N_e$来表示。
那么我们通过最终的式子算出我们的第一个指标:
$$N_e=T_e\cdot S(T_2;T_1,T_2)$$
我们来看一下在$T_2=65$和$T_2=70$两种情况下，$N_e$随$T_1$的变化曲线:

1. $T_2=65$
   
   

2. $T_2=70$
   
   

---

下面我们来考虑另外一个相关因素：对孩子生育及抚养所需要承担的成本，我们用符号$C$来记。

这个成本是怎么计算呢？往往一个家庭在考虑要孩子的时候不仅仅会考虑当前的经济状况，而且会考虑18年内的经济状况，因而这个支出其实要靠积分来进行计算：
$$C(T_1,T_2,T_3)={\int }_{T_3}^{T_3+18}p(t-T_3)S(t,T_1,T_2)dt$$
其中$T_3$是做出决策并执行的时间，而$p(\cdot )$是随孩子年龄增长，其成本在个体总工资中所占比重的变化。

---

最终我们对对孩子生育及抚养所需要承担的成本$C$与个体老年生活的需求$N_e$进行比较,

1. 当$C>N_e$，个体倾向于选择丁克。
2. 当$C<N_e$，个体倾向于选择生子。

---

以上模型系由小航乱编，如有雷同，还请见谅！