北京“五險一金”觀察：近四成參保職工沒有公積金

在北京，哪怕已經參加了養老保險，仍有近四成在職職工沒有公積金。

而在擁有公積金的群體中，約三成集中在體制內。

與此同時，外企、傳統私企在繳存人群中的占比，正在持續下降。

——這是北京“五險一金”的真實圖景。

在上一篇文章中，我曾用木桶效應（以公積金作為“五險一金”中的短板指標進行近似刻畫）推算了全國層面的覆蓋率。

那么，具體到北京，情況如何？結合北京社保、公積金數據，利用木桶效應推算后，數據給出了上述答案。

以下，分享詳細推算過程。

• 近四成參保在職職工無緣完整的“五險一金”

縱向梳理相關數據可以發現，2014-2023年，北京市參加養老保險的在職職工中，公積金覆蓋率提升了11個百分點，從49.1%提升至60.4%——這一數據遠高于同期全國平均數據。

這意味著，在每100名參加養老保險的在職職工中，有60人同時繳納了住房公積金。

但即便已經參加養老保險，仍有近四成在職職工未擁有完整的“五險一金”。

2023年參加養老保險的在職職工為1566.9萬人，公積金實繳職工為946.82萬人，則約620萬在職參保職工無緣公積金。

分階段來看，2014-2021年，公積金覆蓋率基本處于穩步增長趨勢，從49.1%提升到了62.6%。

其中，2020、2021年是關鍵加速期，累計增長了約8個百分點，一個關鍵原因是這兩年公積金實繳人數連續大幅增加，分別凈增了84.44、61.07萬人。

從2022年開始，公積金覆蓋率連續下降，2023年跌至60.4%?；蚺c公積金實繳人數增長放緩及階段性減少有關。具體原因有待進一步數據驗證。

• “五險一金”覆蓋面中，體制內職工占三成

同樣基于木桶效應，根據公積金繳存職工中，不同單位類型的人數分布，可以推算出北京市“五險一金”覆蓋面中的單位情況。

北京公積金年度報告顯示，2017-2024年，國家機關和事業單位、國有企業的占比長期保持在30%左右——其中，2015、2016年，國家機關和事業單位、國有企業的占比連續兩年高達39%。

這意味著，長期來看，拿到完整“五險一金”的人里，大約三成來自體制內。

此外，2017-2024年，外商投資企業的占比則從11.0%降至6.4%；城鎮私營企業及其他城鎮企業的占比從44.9%連續下降至25.7%；

其他單位的占比從5.2%連續提升至38.7%。

• 非體制內“五險一金”覆蓋率先漲后跌

接下來，剔除泛體制內職工，來推算一下非體制內參保在職職工中，“五險一金”的覆蓋率。

推算過程：第一步，根據公積金繳存職工按單位類型劃分的人數占比，及總量數據，先算出泛體制內職工數據，再由總量數據減去泛體制內職工數據，得出非體制內公積金實繳職工數據。

第二步，以參加養老保險的在職職工數據為基礎，結合體制內職工占比進行近似拆分，得到非體制內參保在職職工數據。

第三步，結合上述兩個數據，推算出非體制內參保在職職工中，“五險一金”的覆蓋率。

觀察相關數據可以發現：

2014–2019年：覆蓋率長期穩定在42–45%之間。即非體制內參保在職職工中，只有不到一半的人在繳公積金，持續了整整6年。

2020–2021年：覆蓋率明顯躍升。2020年首次過半，躍升至50.9%；2021年繼續提升至54.2%，達到歷史峰值。

2022–2023年：覆蓋率掉頭向下。2022年，跌至53.2%；2023年繼續下跌至52.1%。雖然幅度不大，但連續兩年下降，呈現出階段性回落趨勢。

• 超四成參保單位未繳納公積金

接下來以參保單位為口徑，來推算一下單位公積金覆蓋率，即繳納養老保險的單位中，有多少比例也繳納了住房公積金。

2014-2019年，公積金覆蓋率緩慢提升，長期低于30%。這意味著，每100家繳納職工養老保險的單位中，只有約27–30家同時為員工繳納住房公積金。

2020年，覆蓋率躍升17個百分點，躍升至47%，原因是公積金實繳單位凈增了14余萬戶，而繳納養老保險的單位新增不到4萬戶，即分子增量大于分母增量。

2021-2024年，覆蓋率繼續提升至約56%，意味著每100家養老參保單位中，已有約56家繳納公積金。但仍有約44%的養老參保單位未繳納公積金。

（注：不同制度下單位統計口徑存在差異，該比例更適合作為趨勢參考）

綜合來看，北京“五險一金”的覆蓋率雖遠高于全國平均水平，但仍有近四成參保在職職工未能被完整覆蓋。

具體到非體制內參保在職職工，“五險一金”覆蓋率近兩年呈現出下降跡象。參保單位的公積金覆蓋率持續提升，但2024年仍有超四成參保單位未繳納公積金。

更值得注意的是，在公積金繳存職工中，外企、城鎮私企的占比在持續下降，且城鎮私企的占比在大幅下降——這意味著，傳統“高保障就業渠道”的權重正在減弱。

聲明：本文基于公開數據進行結構性測算，不同統計口徑、單位劃分方式及未納入統計人群等因素，可能帶來一定偏差。相關結論更適用于趨勢觀察與結構分析，而非對整體水平的精確刻畫。