副高相当于副处吗_事业编制养老保险缴费基数比同工龄的公务员还高1000元,正常吗?...

最近网上一篇关于公职人员养老保险缴费基数文章引起热议,文章是这样的,一个五线小县城,同样32年工龄,一个事业编制身份,个人缴费基数6400元,另一个是公务员身份,缴费基数5400元,两者缴费基数相差1000元。看到这篇文章,感觉不可思议,因为公务员身份高,不仅有工资待遇还有生活待遇、政治待遇等,同工龄情况下应该比事业编制人员待遇高,相应养老保险个人缴费基数更高才对啊!为什么会低呢?缴费基数到底怎么算的?

fa4ced1f5c3ae9b4a9374a8cb147a625.png

事业编制

公务员、参照公务员、事业编制人员等公职人员由于身份问题,在体制内只参保机关事业单位养老保险、职工基本医疗保险、工伤保险、生育保险这四类险种,缴费基数高低,直接影响今后养老、医疗、工伤等待遇标准,另外还有职业年金待遇,职业年金个人按缴费基数的4%计入个人账户,两位同工龄的公职人员缴费基数相差1000元,到底差在哪?想想看可能有二个主要方面因素。

d83a3a27f4373c426f029985d7a7e30b.png

养老保险

缴费基数构成

自从养老保险并轨以来,公职人员纳入养老保险范畴,但公务员与事业编制个人缴费基数有很大不同,公务员为上年度本人工资收入中职务工资、级别工资、工作性津贴、生活性补贴、年终一次性奖金(12月的基本工资,即多一个月工资)、警衔津贴、海关津贴之和,不含车补;事业单位工作人员为上年度本人工资收入中岗位工资、薪级工资(包括教师与护士提高10%部分)和绩效工资之后。

职称关系

同工龄正常情况下,个人缴费基数出现上千元差距,唯一的可能就是职称高低,对于事业编制人员,没有政治前途,最实惠的就是职称,对于工龄32年事业编制工作人员,猜想可能是专业技术中级8级职称,岗位工资标准为2200元,也有可能是副高职称,岗位工资标准为2500元,不考虑政治待遇和生活待遇的话,单从基本工资待遇来说中级职称相当于正科级行政级别待遇(领导职务职务工资为1260元,非领导职务为1170元),副高相当于副处级行政级待遇(领导职务职务工资为1630元,非领导职务为1510元)。从中可以看出,同工龄公务员和事业编制两者缴费基数差距最有可能体现在岗位工资与职务工资上。

b708499e699e3026214b07c581930fb4.png

养老金

重点:职称不仅关系在职时的工资待遇,还会影响退休后养老金待遇标准,话又说回来了,自从机关事业单位养老保险改革后,已经弱化职称对应的岗位工资、薪级工资、退休费对退休金根本影响,改为缴费基数对退休金影响,从制度上保障养老金公平,体现多缴多得。但随着公务员职务与职级并行制度实施方案推进,公务员分类进行职级套改,根据任职年限,套改后符合晋升条件的,合规晋级,享受一定职务工资以及级别工资,通过职级套改后同等条件下,公务员缴费基数普遍高于事业编制人员。

欢迎大家关注!如果您觉得我们的内容对您有帮助,欢迎转发,分享给您的朋友。如有不同意见或政策咨询,请在评论区留言

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
#预测因子(海温) #nino3.4赤道东太平洋(190-220,-5-5) a22=sst_djf.sel(lon=slice(190,220),lat=slice(5,-5)).mean(axis=1).mean(axis=1) a2=(a22-a22.mean())/a22.std() #赤道印度洋(50-80,-5-5) a33=sst_djf.sel(lon=slice(50,100),lat=slice(5,-5)).mean(axis=1).mean(axis=1) a3=(a33-a33.mean())/a33.std() #预测因子(环流场) #南欧(30-40,35-45) b11=hgt_djf.sel(lon=slice(30,40),lat=slice(45,35)).mean(axis=1).mean(axis=1) b1=(b11-b11.mean())/b11.std() #太平洋(120-180,-10-10) b22=hgt_djf.sel(lon=slice(120,180),lat=slice(10,-10)).mean(axis=1).mean(axis=1) b2=(b22-b22.mean())/b22.std() #印度洋(60-80,-10-10) b33=hgt_djf.sel(lon=slice(60,80),lat=slice(10,-10)).mean(axis=1).mean(axis=1) b3=(b33-b33.mean())/b33.std() x=np.vstack([(a2,a3,b1,b2,b3)]).T x2=np.vstack([(a2,b1)]).T y=pre_standard #多线性回归 res=np.linalg.lstsq(x,y,rcond=None) n=res[0] ##各项系数 y_fit=(n.T*x).sum(axis=1) #拟合数据 res2=np.linalg.lstsq(x2,y,rcond=None) n2=res2[0] ##各项系数 y_fit2=(n2.T*x2).sum(axis=1) #拟合数据 #可视化 time=np.arange(1961,2017,1) fig = plt.figure(figsize=[16, 5]) ax = fig.add_subplot() ax.plot(time, y,marker='o', color='gray', markersize=5) ax.plot(time, y_fit,marker='*', color='b', markersize=5) ax.plot(time, y_fit2,marker='^', color='r', markersize=5) ax.set_title('model',fontsize=20,fontweight='bold') ax.set_xlabel('Time') ax.set_ylabel('Pre') plt.legend(['Source data','Fitted1','Fitted2'],frameon=False,loc='best') plt.show()选做剔除一的交叉检验,独立试报
最新发布
06-01

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值