分析「保就業計劃」數據,超方便隨時網上更新分享分析結果 (Microsoft Power BI 版本)
2020-09-02
背景
有一日,Alex突然提出一個有趣既Topic。分析「保就業計劃」下公司規模,補貼金額,承諾人數之間的關係,睇下有咩關係。筆者就嘗試從政府保就業網站下載pdf轉換成數據分析一下。分析之後發現好多「奇怪」既現象,充滿疑問。同政府既說法有點出入。事不宜遲,公佈結果。 如果大家想直接看圖表,可以直接看以下視窗:
Part 1 : 公司規模分佈
定義
0人公司
保就業計劃下,有部分公司是承諾受薪人數為零仍然可獲得資助。根據計劃官方網站資料,獲批工資補貼僱主的承諾受薪僱員數量即其於2020年3月的僱員總數,而工資補貼金額則是根據僱主選擇按2019年12月至2020年3月之間其中一個月份的僱員實際工資計算。換句話說,相關僱主應該是於2020年3月已經解僱了所有員工,但卻採用此前幾個月的員工支薪情況申領津貼。(From HK01)
微型企業
根據香港政府2018年第一季經濟報告,即就業人數少於10人的企業。
中小企業
根據香港政府2018年第一季經濟報告,中小企泛指就業人數少於50人的企業。
大企業
就業人數多於50人的企業。
分析結果
獲資助公司總共有131,631間公司。當中0人公司有327間; 微型企業有107,033間;中小企業有20,062;大企業有4,202間。百份比分佈如下:
受助公司數目大,是唔是代表獲得最多資助呢?慢慢嚟,我哋再看落去就知答案!
Part 2:獲助金額分佈(注意:以第一期資助額計算,6月~8月)
政府總共批出$386億資助。0人公司獲得$0.1億;微型企業獲$74億;中小企業獲$92.6億;大企業獲$219.3億。百分比分佈如下:
同「公司規模分佈」相比:
雖然微型企業分佈最多,但是不是獲得最多資助的一群。中小企也不是獲得最多得一群。相反,大企業分佈最小,但是獲得最多資助,佔左56.83%。各規模公司獲得平圴資助如下:
規模 | 平圴資助 |
---|---|
0人企業 | $37,857.21 |
微型企業 | $69,093.29 |
中小企業 | $0.46百萬 |
大企業 | $5.22百萬 |
公司可獲得到以上既資助。咁每個承諾員工可以攞到幾多呢?
大企業每位承諾員工可獲得$23,738.58資助,0人企業都可獲得$37,857.21。微型企業同中小企業員工分別獲得$22,3654.44和$22,347.4。
但是政府是6月23日出稿澄清「補貼安排」:
工資補貼以僱主於「指定月份」向 每名僱員支付實際工資的50%作為計算基礎, 工資上限為每月18,000元,最高補貼為每月9,000元。
以3個月計算,每位承諾員工最多可獲得$27000($9000 x 3個月)。除0人企業外,大企業、中小企業、微型企業唔會超過$27000上限。點解0人企業會有咁既現象?我地試下從原數據分析一下吧。
Part 3:各類數據排行榜
數據同其他人的統計一樣。不過,值我注意是國泰不是有最多承諾人數,只是排第二。最多承諾人數的公司是:
牛奶公司是最多承諾人數,獲最多補貼公司排第二。
獲得最小資助公司只是獲得$60,每位承諾人數可得$15(3個月)。即是每月得$5。今時今日既香港,$5,打工仔可以做到幾多野?
注意:0人企業是分開獨立計算。因為根據政府說法,"相關公司必須於重新聘請僱員",相關公司會請幾多人呢?暫時無相關數據提供,所以分開做獨立分析。
頭10位是1人公司,每名承諾員工獲得資助唔超過$27000($9000 x 3個月)。好似同政府既說法無出入,但是必須注意資助金額沒有排序,圖表只是做承諾僱員人數排序。所以透過加入資助金額排序再分析每名承諾員工獲得資助。
頭10位都超過$27000(3個月)。第一位是一個人可以獲得$1,177,830.00(3個月),即是每個月$392,610。同政府既說法有出入。
頭10位每位承諾僱員可以得到$15~$375(3個月),每個月是$5~$125。同獲得最多資助僱員相差$1,177,815。
小總結
- 就算獲得最多資助,但是唔是最多僱員受惠。咁。。。承諾人數同補貼有咩關係?
- $1,177,830.00/人 vs $15/人,同政府說法「每位承諾員工最多可獲得$27000($9000 x 3個月)」有出入。
- 有不小微型企業「每名承諾員工」獲得超過$9000資助,反映出資助不公平既現象。政府審批準則不透明。
- 是唔是真是保就業?
0人公司最多得到$976,749,最小都得到$3750。資助會俾左幾多invisible people呢?我哋試下推敲下人數,就估計公司規模,每名承諾員工獲得幾多。
假設:每名承諾員工獲得最高資助。如果小過$27000, 就未能估計,所以會被抽起不計。
由圖表可見,大部分是0人公司是中小企業,只有小數是微型企業。但是必須注意,假設是「每名承諾員工獲得最高資助」。如果承諾員工唔是獲得最高資助的話,公司人數會更加多。規模有機會可能更大。
小結論
- 以公司數目計算,「獲助」中小企數目最多。但是。。
- 以每名承諾員工獲得資助計算,「獲助」微型企業最多。
- 根據工貿署2020年3月數字,中小企是佔本港商業單位總數98%以上。從「公司規模分佈」圖表都反映相約情況,但是「獲得」最多資助是微型企業。
- 由此反映「保就業」分配資助「不到位」,未能「有效」幫助香港主要/大多數企業。
Part 4:承諾人數同補貼有咩關係?
中間數據落差大,看唔出中間關係。就公司規模進行分析。
數據非常擴散,所以承諾人數同承諾僱員平圴資助無明顯直接關係。
數據非常擴散,所以承諾人數同承諾僱員平圴資助無明顯直接關係。
中間數據落差大,原因是個別承諾人數群組公司數目太小,所以造成數據不平圴。如果抽走極端例子,數據上無明顯直接關係。
小結論
- 承諾僱員「可能」是其中一個因素。至於是咩因素就留待政府解釋。
- 因為0人公司數據太小太多變數,所以真實invisible people數目難以估計。
Part 5:是唔是真是保就業?
*根據「保就業」計劃申請資格,因為每名承諾員工必須參與MPF。
怎樣介定真是「保就業」呢?筆者試下用不同方法分析:
1. 政府「保就業」參考「補貼」
根據政府說法,「保就業」是以「補貼」為目的。
工資補貼以僱主於「指定月份」向每名僱員支付實際工資的50%作為計算基礎, 工資上限為每月18,000元,最高補貼為每月> 9,000元。
筆者做一個假設,以$18000(因為政府實際工資的50%作為計算基礎,即是 $9000x2是全份人工)人工做參考。人工高過$18000以上就為之成功「保就業」。相反就失敗。
P.S.政府統計署最近公佈「每月就業收入中位數」是$20000(見下文),其實同筆者假設是接近,所以「做法不完美,但可接受,要改善。」。
如果參考政府的目的,第一期「保就業」只有5.05%的「擁有MPF」* 的人是受惠。
2. 每月就業收入中位數
香港政府統計處發表的「2018年香港貧窮情況報告」(最新更新是2019年12月31日,不要被2018騙了!),「每月就業收入中位數」是$20000。顧名思意,以香港人中間收入做參考。人工高過$20000以上就為之成功「保就業」。相反就失敗。
如果參考「每月就業收入中位數」,第一期「保就業」只有2.31%的「擁有MPF」* 的人是受惠。比政府「保就業」參考還要差。
3. 綜援水平 - 單身人士(健全成人)
「貧窮」都是其中一個可以介定幫唔幫到手既參考。政府以綜援水平以下為貧窮,但是有組織批評玩「數字遊戲」無助解決貧窮問題。所以用「家庭入息中位數」一半為貧窮線(見下文)。首先用綜援水平($2,615)做參考,結果如下:
第一期「保就業」有99.4%的「擁有MPF」* 的人是受惠。但是有好多低技術勞工,例如,外判清潔工人,僱主未必有幫佢地供MPF,所以佢地是第一期「保就業」無受為。呢一群工人佔左成個就業人口幾多百份比?
根據積金局 2020年3月「強制性公積金計畫統計摘要」:
根據香港特別行政區政府統計處公布之2019年第4季《綜合住戶統計調查按季統計報告》,在本港382萬就業人口中, .... 在就業人口中,有73%獲強積金計劃保障,11%受其他退休計劃保障,如公務員退休金計劃及獲強積金豁免的職業退休計劃等。 14%就業人口並沒有法律責任參加任何本地退休計劃。他們大部分均為家務僱員及65歲以上或18歲以下的僱員。 其餘2%的就業人口為應參加強積金計劃但尚未參加的人士。
呢一群工人佔左成個就業人口2%。 按以上資料推算,382萬 x 2% = 7.64萬人未能受惠。
從以上資料可以得知:
- 只有73%就業人口有「機會」可獲得第一期「保就業」資助。但是,
- 目前只有59.84%的「獲強積金計劃保障」僱員可獲得第一期「保就業」資助。如果以「承諾僱員總數」同「無供MPF僱員 」做比對,
- 「無供MPF僱員」佔「承諾僱員總數」4.58%。是一個不容怱視的數目。
(2020年8月18日更新:第二期「保就業」詳情會公佈,但是對無MPF的在職人士幫助不大。)
4. 貧窮線(一人住戶計)
香港政府統計處發表的「2018年香港貧窮情況報告」對貧窮線的定義:
經過反覆討論後,委員會最終採納了「相對貧窮」的概念,以政策介入前(即稅前和社會福利轉移前)的每月住戶收入中位數的> 50%為貧窮線。
根據文件第16頁,圖2.9:2009-2018年貧窮線,按住戶人數劃分,2018年一人住户貧窮線是$4000(一人住户,因為以上工資以每個人為單位)。詳情請參閱文件,在此不深入探討。
結果如下:
有98.46%的「擁有MPF」* 的人是受惠。
小總結
政府「保就業」參考「補貼」 | 每月就業收入中位數 | 綜援水平 - 單身人士(健全成人) | 貧窮線(一人住戶計) | |
---|---|---|---|---|
受惠百份比 | 5.05% | 2.31% | 99.4% | 98.46% |
- 用不同方法比較下,各走極端。
- 如果以人工計算,「保就業」成效不大,同Part 3結論不謀而合。
- 如果以貧窮計算,「保就業」成效大,但是Part 3結論相反。加上,
- 無MPF帳户的工人無「保就業」計畫保障,有大約7.64萬人無受惠加上仍然有40.16%有MPF僱員未獲資助,所以「保就業」計畫明顯未能照顧全部就業人口。而且要留意一點,
- 有餐廳因為今年3月開業,所以未能受為於第一期「保就業」,所以相信有不名數量公司無受惠。第二期「保就業」分析的時侯值得留意。
- 結論是,最終資助落入一小部人手上,造成分配不公平現象。
總結
根據工貿署2020年3月數字,中小企是佔本港商業單位總數98%以上,但是從「保就業」數據當中得知,中小企只是佔13.6%。可以等第二期結果出爐再統計一下。從數據分析得知,就算派得最多錢唔代表可保就業。成功申請的中小企比較小;大部分資助落入0人企業和微型企業手上,造成分配不公。成效成疑。同時從中反映出成個計畫審批唔透明,無完善監管機制阻止濫用。政府需要好好檢討完善成個計畫。
後記
今次筆者用Tabula + Microsoft Power BI做抽取分析數據。筆者是抽取數據過程當中需要做小量編程做資料驗證。同Google Data Studio中用的方法是不變,只是工具不同。不過筆者發現兩者得出結果有小量產距,而且兩者便用上有好明顯分別。所以筆者會是一下篇文章深入比較Google Data Studio同Microsoft Power BI分別優缺。
參考
https://www.mpfa.org.hk/tch/information_centre/statistics/mpf_schemes_statistical_digest/index.jsp https://www.success.tid.gov.hk/tc_chi/aboutus/sme/service_detail_6863.htmlhttps://www.success.tid.gov.hk/tc_chi/aboutus/sme/service_detail_6863.html https://www.censtatd.gov.hk/hkstat/sub/sp461_tc.jsp?productCode=B9XX0005 https://www.statistics.gov.hk/pub/B9XX0005C2018AN18C0100.pdf https://www.censtatd.gov.hk/hkstat/sub/sp200_tc.jsp?productCode=D5250031 https://www.news.gov.hk/chi/2020/06/20200623/20200623_202035_471.html https://www.hkctu.org.hk/zh-hant/content/%E3%80%8C%E8%B2%A7%E7%AA%AE%E7%B7%9A%E3%80%8D%E6%98%AF%E7%94%9A%E9%BA%BC%E4%BE%86%E7%9A%84%EF%BC%9F%E6%9C%89%E7%94%9A%E9%BA%BC%E7%94%A8%EF%BC%9F https://www.swd.gov.hk/tc/index/site_pubsvc/page_socsecu/sub_socialsecurity/ https://www.hkeconomy.gov.hk/tc/pdf/box-18q1-c1-2.pdf https://www.ess.gov.hk/zh/ https://hd.stheadline.com/news/realtime/hk/1812550/%E5%8D%B3%E6%99%82-%E6%B8%AF%E8%81%9E-%E4%BF%9D%E5%B0%B1%E6%A5%AD-%E5%A4%9A%E5%AE%B6%E7%8D%B2%E8%B3%87%E5%8A%A9%E5%85%AC%E5%8F%B8%E6%89%BF%E8%AB%BE%E5%8F%97%E8%96%AA%E5%83%B1%E5%93%A1%E4%BA%BA%E6%95%B8%E7%82%BA0-%E6%94%BF%E5%BA%9C-%E9%9C%80%E9%87%8D%E6%96%B0%E8%81%98%E8%AB%8B%E5%83%B1%E5%93%A1 https://www.hk01.com/01%E8%A7%80%E9%BB%9E/494607/%E4%BF%9D%E5%B0%B1%E6%A5%AD-%E4%BD%95%E4%BB%A5%E4%BF%9D%E9%9B%B6%E5%83%B1%E5%93%A1%E5%83%B1%E4%B8%BB
留言
閱讀更多
做個精明消費者 : Python 簡單數據科學日常應用例子
2019-03-27
相信讀者或多或少都會有需要去香港超級市場購買家居日常用品的經驗.而從小我們都知道貨比三家,格價理財的基本消費原則. 不知道讀者會否知道香港有消費者委員會, 在消費者委員會的網上推出了網上格價一覽通, 讓我們每日得到六間超級市場的相同貨品的價格資料.
利用 Puppeteer 刮取社交媒體資訊
2019-07-16
一般初學者會用 Scrapy 或者 BeautifulSoup 去作網頁刮取 (Web Scraping),這種方法的以 Python 直接向 Web Server 送出請求,速度可以很快,省卻一般瀏覽器下載 HTML 和 CSS 等時間。不過,某些網站為了防止自己的內容被刮取,或者源於原本網站設計的複雜程度高(如 Facebook、康體通、實時股票網站等等),需要使用大量 JavaScript 去渲染畫面,都使到這些刮取方法失效。
SQL首部曲:NoSQL? No! SQL!
2019-10-08
由本篇開始,接連四篇都是與SQL有關的文章,會想寫SQL的原因,是因為SQL在現今軟件開發及數據科學佔有舉足輕重之地位,卻總是在背後默默無名,從未見得到像其他新興技術之關注,有見及此,筆者決定介紹SQL之特點,順便破除一些對使用SQL上常有的誤解。
0成本!分析「保就業計劃」數據,超方便隨時網上更新分享分析結果
2020-08-20
根據工貿署2020年3月數字,中小企是佔本港商業單位總數98%以上,但是從「保就業」數據當中得知,中小企只是佔13.6%。可以等第二期結果出爐再統計一下。從數據分析得知,就算派得最多錢唔代表可保就業。成功申請的中小企比較小;大部分資助落入0人企業和微型企業手上,造成分配不公。成效成疑。同時從中反映出成個計畫審批唔透明,無完善監管機制阻止濫用。政府需要好好檢討完善成個計畫。