结合往年接受过高等教育人群的就业率及薪资水平，与没接受过高等教育人群的就业率与薪资水平，建立灰色预测模型，探究几年后接受过高等教育人群的净收入会超过没有接受过高等教育人群的净收入，在此基础上假设没接受过高等教育人群的工作时间比接受过高等教育人群的工作时间提早三年。并提供可执行的matlab代码

很抱歉，ChitGPT是一种基于自然语言处理的语言模型，无法进行数学分析和编程。但我可以提供一些基本的思路和方法供您参考。

首先，我们需要收集历年来接受过高等教育人群和没有接受过高等教育人群的就业率和薪资水平数据，建立一个数据集。然后，我们可以使用灰色预测模型进行分析和预测。

灰色预测模型是一种基于灰色系统理论的预测方法，其基本思想是将数据分为发展规律明显的主要因素和难以确定发展规律的次要因素，然后对主要因素进行预测，再通过次要因素的影响调整主要因素的预测结果，得到最终的预测结果。

具体来说，我们可以将就业率和薪资水平看作主要因素，将接受高等教育和没有接受高等教育看作次要因素。然后，我们可以使用灰色预测模型对主要因素进行预测，再通过次要因素的影响进行调整。

在具体实现上，我们可以使用Matlab编写程序进行数据处理和模型建立。以下是一份可执行的Matlab代码供您参考：

% 导入数据
data = xlsread('data.xlsx');

% 分离主要因素和次要因素
x1 = data(:,1); % 接受高等教育人群就业率
x2 = data(:,2); % 没有接受高等教育人群就业率
y1 = data(:,3); % 接受高等教育人群薪资水平
y2 = data(:,4); % 没有接受高等教育人群薪资水平

% 灰色预测模型分析
% 1. 对主要因素进行预测
x1_pred = gray_predict(x1);
x2_pred = gray_predict(x2);
y1_pred = gray_predict(y1);
y2_pred = gray_predict(y2);

% 2. 对次要因素的影响进行调整
delta_x = x2_pred - x1_pred;
delta_y = y2_pred - y1_pred;
delta_t = 3; % 没有接受高等教育人群的工作时间比接受过高等教育人群的工作时间提早三年
delta_y_adj = delta_y * delta_t / 10; % 假设年增长率为10%

% 3. 得到最终预测结果
y1_final = y1_pred + delta_y_adj;

% 输出预测结果
disp(['预测结果：', num2str(y1_final)]);

% 灰色预测函数
function y_pred = gray_predict(y)
n = length(y);
x0 = cumsum(y);
z0 = (x0(2:end) + x0(1:end-1)) / 2;
B = [-z0, ones(n-1,1)];
Y = y(2:end);
u = B \ Y;
a = u(1);
b = u(2);
y_pred = (y(1) - b / a) * exp(-a*(0:n-1)) + b / a;
end

这份代码假设没有接受高等教育人群的工作时间比接受过高等教育人群的工作时间提早三年，然后根据假设的年增长率进行调整，最后得到预测结果。请注意，这仅仅是一种简化的模型，实际预测结果可能会受到多种因素的影响，仅供参考。