北京“五险一金”观察：近四成参保职工没有公积金

在北京，哪怕已经参加了养老保险，仍有近四成在职职工没有公积金。

而在拥有公积金的群体中，约三成集中在体制内。

与此同时，外企、传统私企在缴存人群中的占比，正在持续下降。

——这是北京“五险一金”的真实图景。

在上一篇文章中，我曾用木桶效应（以公积金作为“五险一金”中的短板指标进行近似刻画）推算了全国层面的覆盖率。

那么，具体到北京，情况如何？结合北京社保、公积金数据，利用木桶效应推算后，数据给出了上述答案。

以下，分享详细推算过程。

• 近四成参保在职职工无缘完整的“五险一金”

纵向梳理相关数据可以发现，2014-2023年，北京市参加养老保险的在职职工中，公积金覆盖率提升了11个百分点，从49.1%提升至60.4%——这一数据远高于同期全国平均数据。

这意味着，在每100名参加养老保险的在职职工中，有60人同时缴纳了住房公积金。

但即便已经参加养老保险，仍有近四成在职职工未拥有完整的“五险一金”。

2023年参加养老保险的在职职工为1566.9万人，公积金实缴职工为946.82万人，则约620万在职参保职工无缘公积金。

分阶段来看，2014-2021年，公积金覆盖率基本处于稳步增长趋势，从49.1%提升到了62.6%。

其中，2020、2021年是关键加速期，累计增长了约8个百分点，一个关键原因是这两年公积金实缴人数连续大幅增加，分别净增了84.44、61.07万人。

从2022年开始，公积金覆盖率连续下降，2023年跌至60.4%。或与公积金实缴人数增长放缓及阶段性减少有关。具体原因有待进一步数据验证。

• “五险一金”覆盖面中，体制内职工占三成

同样基于木桶效应，根据公积金缴存职工中，不同单位类型的人数分布，可以推算出北京市“五险一金”覆盖面中的单位情况。

北京公积金年度报告显示，2017-2024年，国家机关和事业单位、国有企业的占比长期保持在30%左右——其中，2015、2016年，国家机关和事业单位、国有企业的占比连续两年高达39%。

这意味着，长期来看，拿到完整“五险一金”的人里，大约三成来自体制内。

此外，2017-2024年，外商投资企业的占比则从11.0%降至6.4%；城镇私营企业及其他城镇企业的占比从44.9%连续下降至25.7%；

其他单位的占比从5.2%连续提升至38.7%。

• 非体制内“五险一金”覆盖率先涨后跌

接下来，剔除泛体制内职工，来推算一下非体制内参保在职职工中，“五险一金”的覆盖率。

推算过程：第一步，根据公积金缴存职工按单位类型划分的人数占比，及总量数据，先算出泛体制内职工数据，再由总量数据减去泛体制内职工数据，得出非体制内公积金实缴职工数据。

第二步，以参加养老保险的在职职工数据为基础，结合体制内职工占比进行近似拆分，得到非体制内参保在职职工数据。

第三步，结合上述两个数据，推算出非体制内参保在职职工中，“五险一金”的覆盖率。

观察相关数据可以发现：

2014–2019年：覆盖率长期稳定在42–45%之间。即非体制内参保在职职工中，只有不到一半的人在缴公积金，持续了整整6年。

2020–2021年：覆盖率明显跃升。2020年首次过半，跃升至50.9%；2021年继续提升至54.2%，达到历史峰值。

2022–2023年：覆盖率掉头向下。2022年，跌至53.2%；2023年继续下跌至52.1%。虽然幅度不大，但连续两年下降，呈现出阶段性回落趋势。

• 超四成参保单位未缴纳公积金

接下来以参保单位为口径，来推算一下单位公积金覆盖率，即缴纳养老保险的单位中，有多少比例也缴纳了住房公积金。

2014-2019年，公积金覆盖率缓慢提升，长期低于30%。这意味着，每100家缴纳职工养老保险的单位中，只有约27–30家同时为员工缴纳住房公积金。

2020年，覆盖率跃升17个百分点，跃升至47%，原因是公积金实缴单位净增了14余万户，而缴纳养老保险的单位新增不到4万户，即分子增量大于分母增量。

2021-2024年，覆盖率继续提升至约56%，意味着每100家养老参保单位中，已有约56家缴纳公积金。但仍有约44%的养老参保单位未缴纳公积金。

（注：不同制度下单位统计口径存在差异，该比例更适合作为趋势参考）

综合来看，北京“五险一金”的覆盖率虽远高于全国平均水平，但仍有近四成参保在职职工未能被完整覆盖。

具体到非体制内参保在职职工，“五险一金”覆盖率近两年呈现出下降迹象。参保单位的公积金覆盖率持续提升，但2024年仍有超四成参保单位未缴纳公积金。

更值得注意的是，在公积金缴存职工中，外企、城镇私企的占比在持续下降，且城镇私企的占比在大幅下降——这意味着，传统“高保障就业渠道”的权重正在减弱。

声明：本文基于公开数据进行结构性测算，不同统计口径、单位划分方式及未纳入统计人群等因素，可能带来一定偏差。相关结论更适用于趋势观察与结构分析，而非对整体水平的精确刻画。