四川省人寿保险保费收入影响因素的实证分析

#四川省人寿保险保费收入影响因素的实证分析目录TOC\o"1-5"\h\z一、问题的提出2二、影响四川省保险需求的理论分析2（一）经济发展水平（GDP）2（二）储蓄存款余额3（三）居民人均可支配收入3（四）人口总数4（五）其他4三、模型的设定4（一）实证分析中的计量经济模型4（二）指标的选取及数据时间段的确定5四、数据的收集6五、模型的估计与调整7（一）各影响因素对四川省人寿保险保费收入的回归7（二）多重共线性检验7（三）协整分析9（四）自相关检验9六、结论及建议12（一）结论12（二）未来进一步研究方向13参考文献14【摘要】本文从四川省人寿保险需求的角度出发，选取四川省人寿保险保费收入、经济发展水平（GDP）、储蓄存款余额、居民人均可支配收入、人口总数等作为变量，利用计量分析工具，对四川省人寿保险需求的影响因素进行了实证分析，并得出相关结论，就如何加快四川省人寿保险更好更快的发展的问题提出了相应的政策建议。【关键词】寿险需求影响因素实证分析一、问题的提出自1982年恢复人身保险业务以来，我国的人寿保险业取得了令人瞩目的发展。数据显示，1990-2000年的十年间，寿险保费收入以每年平均35.15%的速度增长。在保费增长的同时，寿险业在商业保险中所占的比重也越来越大。1997年，寿险保费收入首次超过产险。此后，寿险业就一直占据超过半数的市场份额，寿险已成为保险的重要部分。为此我们探求寿险产品需求的动机，研究寿险需求的影响因素，促进国内寿险业丰富寿险产品，加速发展。四川省作为西部大省，作为国家西部大开发战略的对象，其各领域都具有很强的发展潜力，尤其是人寿保险的发展面临着很大的机遇与挑战，所以对四川省保险需求影响因素的研究具有很强的现实意义。二、影响四川省保险需求的理论分析（一）经济发展水平（GDP）一个地区的经济发展水平是决定其保险需求最重要的因素之一。经济发展提高了消费者的平均收入水平，增加了用于基本消费后的剩余，从而提高消费者对保险产品的现实购买力。由于我国保险业发展历史不是很长，我国保险增长源于保险业自身的扩张、国民可支配收入增长以及市场经济体制改革，保险业的增长是“经济增长带动型”，保险业的增长并没有显著推动经济发展。因此可以将经济发展视为外生变量，而不需要考虑其内生性。我们用地区生产总值来衡量该地区的经济总量，并预期该变量的增加有利于增加对寿险产品的需求推动寿险消费的增长，促进寿险市场的发展。一般地说，GDP越高人民生活水平越高，投保的可能性越大，保险费收入越多。（二）储蓄存款余额城乡居民储蓄存款金额在一定程度上反映了居民的储蓄倾向和金融资源数量。从理论上说，居民储蓄额对寿险需求有双重影响:居民储蓄额增加，意味着收入水平尤其是可支配收入水平的提高，对保险发展具有促进作用，表现出收入效应;另一方面，在居民收入一定的情况下，由于保险产品本身所具有的保障功能和强制储蓄措施所具有的财务长期平滑功能，保险是储蓄的替代品，尤其长期寿险产品中的投资功能和储蓄功能，是对存款储蓄功能的一种替代，表现出替代效应。本文用滞后一期的城乡居民储蓄存款额而不是当期城乡居民储蓄存款额作为解释变量。（三）居民人均可支配收入人均可支配收入水平的提高会促使消费支出结构发生变化。人们在满足基本消费需求的基础上，才具有购买保险消费品的需求。较高的人均收入水平，使保险保障安全的潜在需求成为有效的现实需求具备了经济基础，因此预期会对寿险需求产生显著影响。四）人口总数我国是个人口大国，2006年末全国人口为131448万人，比上年末增加了692万人。全年出生人口1584万人，出生率为12.09%。，死亡人口892万人，死亡率为6.81%。从1980年到2004年间，我国人口自然增长率算术平均数约为11.5408%。由以上可以看出，我国的人口还在不断上涨，对保险的需求就会更加增大，这无疑是最有力的购买群保障。与此同时，我国老年赡养率（65岁及以上的人口数占15岁到64之间人口的比重）高居不下，而且随着单生子女的增多，这一现象更加突出。1995年老年赡养率约为9.3%，到了2004年增加到约为11.87%，较高的老年赡养率也必将促使人们将目光投向保险业，以期达到减小生活的压力和降低风险的目的。（五）其他除以上的因素外，实际上还有很多因素也会对保险的需求产生影响.例如社会的保障制度、保险意识、人民受高等教育的普及程度、银行的利率调整、资产投资回报率以及就业状况等。以上这些因素在一定程度上影响着保险需求，但针对我国实际，作者认为，可以作为附加考虑的方面，同时也可作为模型的修正因子。三、模型的设定（一）实证分析中的计量经济模型计量经济模型是定量研究具有随机性特征的经济变量关系的数学模型。它是建立在大量反映事实的统计数据资料基础上，在一定经济理论指导下，借助数学工具、计算机技术，探讨经济现象的数量关系及其变化规律，并以数学模型形式予以表达的一种方法。该模型可以简洁有效地描述、概括某个真实经济系统的数量特征，更深刻地揭示出该经济系统的数量变化规律。一般的计量经济学模型中要有被解释变量Y,解释变量X和随机扰动项U,通常情况下，Y、X的数据是可知的，而随机项u是不可观察的。关于计量经济学模型的应用，主要有三方面：一是经济结构分析，即利用已估计出参数值的模型，对所研究的经济系统变量之间的相互关系进行分析。二是经济预测，即根据有关变量的现期观测值与过去观测值，推测内生变量在未来时期的数值三是政策评价，即供决策者对众多不同的政策方案的可能后果进行评价对比，从中选取一个最优政策方案予以执行。本文主要是对经济现象（四川省寿险业快速增长）进行结构性分析，既找到解释变量与被解释变量之间的相互关系。（二）指标的选取及数据时间段的确定我们选取四川省人寿保险保费收入为被解释变量，因我国1982年恢复人寿保险业务，故数据时间段选取为1982年至2009年。同时，选取GDP（x）、储1蓄存款余额（X）、居民人均可支配收入（X）、人口总数（X）为解释变量。234本文模型设定为双对数变量模型InY二B+pInX+pInX+pInX+pInX+yt011t22t33t44tt

四、数据的收集本文数据主要来源于历年《四川省金融年鉴》、《四川省统计年鉴》、《中国保险年鉴》和四川省统计外网、中国保监会网站等。表一各变量数据保费收入（亿元）全省生产总值GDP（亿元）储蓄存款余额（亿元）全年城镇居民人均可支配收入（元）人口（万人）198219.60275.2336.33445.037300.4198355.20311.0047.09492.547336.91984234.10358.0664.53580.757364.019851815.80421.1581.00695.067419.319864607.40458.23127.09849.487511.9198711089.40530.86167.50947.527613.2198813539.00659.69195.331130.007716.4198915669.00744.98265.411349.327803.2199018819.00890.95362.531490.117892.5199124572.001016.31472.951691.217947.8199242037.001177.27580.941988.517992.2199356655.001486.08713.502407.588037.4199470738.002001.411011.993297.248098.7199561927.002504.951416.654002.918161.2199656538.002985.001573.004406.098215.41997104535.003320.101641.604723.268264.71998144945.003580.302002.105127.088315.71999161348.003711.602385.205477.898358.62000255942.004010.302693.205894.278407.502001386769.004421.803123.406360.478436.602002689891.004875.103666.006610.768474.5020031052206.375456.304333.807041.518529.4020041143412.226556.005019.407709.838595.3020051362800.747385.105902.708385.968642.1020061722627.258637.806786.309350.118169.0020072360196.9110505.307450.9011098.288127.0020083769321.6812506.309646.8012633.008138.0020094303000.0014151.3011575.2013904.008185.00

五、模型的估计与调整一）各影响因素对四川省人寿保险保费收入的回归表二Eviews的最小二乘法计算结果DependentVariable:LNYMethod:LeastSquaresDate:12/12/10Time:13:59Sample:19822009Includedobservations:28VariableCoefficientStd.Errort-StatisticProb.C185.156264.803062.8572130.0089LNX1-4.9023421.462882-3.3511520.0028LNX26.4733701.0917695.9292500.0000LNX3-1.2686092.304380-0.5505210.5873LNX4-19.025607.370333-2.5813760.0167R-squared0.968830Meandependentvar10.96935AdjustedR-squared0.963410S.D.dependentvar3.176496S.E.ofregression0.607620Akaikeinfocriterion2.001899Sumsquaredresid8.491652Schwarzcriterion2.239793Loglikelihood-23.02659F-statistic178.7244Durbin-Watsonstat1.251095Prob(F-statistic)10.000000由回归结果可以看出，解释变量LNX1,LNX3和LNX4的参数估计值为负,但是，根据实际经验分析，我们知道GDP、人均可支配收入、人口与保费收入应该为正相关关系，且LNX3的t检验值不可靠，故我们推断出该模型存在一定的多重共线性，下面进行多重共线性检验。（二）多重共线性检验对各解释变量的相关性进行分析，得出相关系数，如表三。表三各解释变量之间的相关系数LNX1LNX2LNX3LNX4LNX11.0000000.9938310.9961730.872281LNX20.9938311.0000000.9978510.905845LNX30.9961730.9978511.0000000.900128LNX40.8722810.9058450.9001281.000000由上表可看出各解释变量具有高度相关性，存在多重共线性，我们采用逐步回归的办法解决多重共线性问题。首先，分别作LNY对LNX1、LNX2、LNX3、LNX4的一元回归，结果如表四。表四一元回归结果变量LNX1LNX2LNX3LNX4参数估计值2.4736791.7781802.87297155.53957t统计值14.5949119.2056516.492829.243953R20.8912190.9341530.9127560.766713R20.8870350.9316210.9094000.757740其中，以LNX2为解释变量的方程R2最大，以LNX2为基础，顺次加入其他变量逐次回归，结果如表五。表五加入新变量的回归结果LNX1LNX2LNX3LNX4R2LNX2、LNX1-3.5171(-3.5611)4.2324(6.1034)0.9528LNX2、LNX35.6513(4.6547)-6.3443(-3.1970)0.9533LNX2、LNX41.7772(7.9732)0.0380(0.0049)0.9289经比较，虽然在加入LNX1和LNX3的修正可决系数增大，但LNX1与LNX3的参数估计值为负，显然不合理。在加入LNX4后的修正可决系数并没有得到改进。去除多重共线性后的模型为InF=—1.232388+1.7781801nX2t=(-1.883161)(19.20565)r2=0.934153r2=0.931621F=368.8571DW=0.3207051．经济意义检验所估计的参数62=1.778180，说明四川省储蓄存款余额每变动1%,可导致人寿保险保费收入变动1.778180%。这与实际经验相符。2．拟合优度和统计检验拟合优度的度量：由表四可以看出，模型的可决系数为0.9342，说明所建模型整体上对样本数据拟合较好，即解释变量“四川省储蓄存款余额”对被解释变量“四川省人寿保险保费收入”的绝大部分的差异做出了解释。对回归系数的t检验：针对0=0，因为t(『)=19.20565>t(26)二2.056，这220.025表明，“四川省储蓄存款余额”对“四川省人寿保险保费收入”有显著影响。协整分析运用Eviews对回归残差的平稳性进行检验，得出结果，如表六所示。表六协整分析结果NullHypothesis:EhasaunitrootExogenous:NoneLagLength:2(AutomaticbasedonSIC，MAXLAG=6)t-StatisticProb.*AugmentedDickey-Fullerteststatistic-3.1449790.0030Testcriticalvalues:1%level-2.6607205%level-1.95502010%level-1.609070*MacKinnon(1996)one-sidedp-values.在5%的显著性水平下，t检验统计量值为-3.144979，小于相应临界值，表明残差序列不存在单位根，是平稳序列，说明“四川省储蓄存款余额”和“四川省人寿保险保费收入”之间存在协整关系。自相关检验1．对样本量为28、一个解释变量的模型、5%的显著水平，查DW统计表可知d二1.328，d二1.476，模型中DW=0.320705<d二1.328，显然模型中有自相LUL关性，这一点残差图中也可以看出，如表七。

表七残差图2．自相关问题的修正为解决自相关问题，采用广义差分法。对残差序列e进行滞后一期的自回归，t得回归方程e二0.707328e，则6=0.7728，对原模型进行广义差分，得到广义差tt—1分方程：InY—0.707328lnY=p(1—0.707328)+p(InX—0.707328lnX)+卩tt—1122t2t—1t对上式广义差分方程进行回归，可得方程输出结果见表八。表八广义差分方程输出结果一DependentVariable:LNY-0.707328*LNY(-1)Method:LeastSquaresDate:12/12/10Time:14:56Sample(adjusted):19832009Includedobservations:27afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.C0.7093560.3420532.0738210.0485LNX2-0.707328*LNX2(-1)1.3258680.1528598.6738180.0000R-squared0.750586Meandependentvar3.619280AdjustedR-squared0.740610S.D.dependentvar0.680647S.E.ofregression0.346656Akaikeinfocriterion0.790219Sumsquaredresid3.004259Schwarzcriterion0.886207Loglikelihood-8.667960F-statistic75.23513Durbin-Watsonstat1.271655Prob(F-statistic)0.000000由表八可得回归方程为：InY*二0.709356+1.3258681nX*2tt=(0.342053)(0.152859)r2=0.750586r2=0.740610F=75.23513DW=1.27655其中，lnX*=lnX-0.707328*lnX，lnY*=lnY-0.707328*lnY2t2t2t—1tt—1对样本量为27、一个解释变量的模型、5%的显著水平，查DW统计表可知d二1.316，d二1.469，模型中DW=1.27655<d二1.316，模型依然存在自相关。LUL经广义差分后样本容量减少了一个，为保证样本数不减少，我们使用普莱斯—TOC\o"1-5"\h\z温斯腾变换补充第一个观测值，由lnX*=lnX<1-p2和lnY*二lnY、:1—p2得2t2t"11VlnX*二2.53959，lnY*二2.103359，lnY*对lnX*进行回归分析后取残差s，再对残差211t2tte进行滞后一期的自回归，得£=0.315291s，则p*二0.315291，对原模型进行广ttt—1义差分，得到广义差分方程：lnY*—0.315291lnY*=B*(1—0.315291)+P*(lnX*—0.315291lnX*)+卩*

tt—1122t2t—1t对上式广义差分方程进行回归，可得方程输出结果见表九。表九广义差分方程输出结果二DependentVariable:LY-0.315291*LY(-1)Method:LeastSquaresDate:12/12/10Time:14:59Sample(adjusted):19832009Includedobservations:27afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.C0.7752320.2683892.8884590.0079LX2-0.315291*LX2(-1)1.1493970.1738626.6109560.0000R-squared0.636124Meandependentvar2.506890AdjustedR-squared0.621569S.D.dependentvar0.494080S.E.ofregression0.303942Akaikeinfocriterion0.527229Sumsquaredresid2.309521Schwarzcriterion0.623217Loglikelihood-5.117587F-statistic43.70473Durbin-Watsonstat1.790854Prob(F-statistic)0.000001由表九可得回归方程为：InY**二0.775232+1.1493971nX**2tt=(2.888459)(6.610956)R2=0.636124R2=0.621569F=43.70473DW=1.790854其中，lnX**=lnX*-0.315291*lnX*，lnY**=lnY*-0.315291*lnY*2t2121-!tt-!对样本量为27、一个解释变量的模型、5%的显著水平，查DW统计表可知d二1.316，d二1.469，模型中DW=1.790854>d二1.316，模型已无自相关，同LUL时，可决系数R2、t检验值、F统计量也均达到理想水平。由差分方程p**=B*(1-0.315291)有0*=0**/(1-0.315291)=11110.775232/(1-0.315291)=1.13221，由此，我们得到最终的影响四川省人寿保险保费收入的模型为：lnY=1.13221+1.149397lnX2t由模型可知，所估计的参数02=1.149397，说明四川省储蓄存款余额每变动1%，可导致人寿保险保费收入变动1.149397%。并且“四川省储蓄存款余额”对“四川省人寿保险保费收入”变动的63.61%做出了解释。已有理论证实，国民生产总值、个人可支配收入、储蓄、恩格尔系数、利率和社会保障制度都对寿险需求有影响。①所以，可决系数R2=0.636124符合已有的保险方面的理论。六、结论及建议(一)结论本文首先从理论上分析了影响寿险需求的主要因素，其次对这些因素利用1982—2003年的四川省数据进行了实证分析。实证结果发现，居民储蓄存款对①陈之楚，刘晓敬.我国寿险需求决定因素分析[J].保险研究，2004，(6):7—10.寿险消费的影响显著为正，说明居民储蓄存款余额的收入效应大于替代效应，居民有强大的潜在保费支付能力，但保险本身所具有的投资储蓄功能还没有被公众深刻了解，寿险产品作为一种长期投资产品