影响保险费收入的因素分析.doc

影响保险费收入的因素分析内容摘要：本文是根据我国保险业的现状，想从计量经济学的角度来分析一下保险费收入与gdp、人均gdp、最终消费、城乡居民人民币储蓄存款余额、职工平均工资之间的关系。根据经济学原理，在模型中我们引入了五个解释变量gdp、人均gdp、最终消费、城乡居民人民币储蓄存款余额、职工平均工资。从我们所做的回归结果看，保险费收入与最终消费、城乡居民人民币储蓄存款余额、职工平均工资有显著关系。但是，鉴于水平有限，文中难免出现一些错误，另外还存在一些我们难以解决的问题，请老师同学们多多斧正！关键词：保险费收入 gdp 人均gdp 最终消费 城乡居民储蓄存款余额 职工平均工资 一、 导论1、 保险在国民经济中的重要作用保险业的发展有助于推动经济的发展，保障经济稳定运行、提供资金支持、促进出口和消费以及为“三农”服务，促进经济平稳健康发展。保险公司通过损失赔偿还可以为投保企业提供风险管理服务。在支持国民经济建设方面，保险资金运用以多种方式和途径支持经济发展；在促进资本市场发展方面，保险公司作为主要的机构投资者，有力的促进资本市场稳定发展；在支持国有商业银行改革方面，保险公司是银行次级债的主要购买人，为提高银行资本充足率、推动商业银行改革提供了有力支持。同时保险业在促进房屋和汽车消费方面，也在发挥着越来越突出的作用。发展农业保险，可以对农业实施合理有效的保护，减轻入世给我国农业带来的冲击，减少自然灾害对农业生产的影响，稳定农民收入。同时，保险业在促进社会稳定、和谐发展过程中也具有极其重要的作用。随着我国社会保障体制改革的不断深入，越来越多的人正在实现由“单位人”向“社会人”的转变，更多的个人、家庭和企业开始把商业保险作为解决养老、医疗等问题的有效手段。通过大力发展商业性养老、医疗保险，可以有效缓解政府压力，提高社会保障水平，增进人民福利。当前我国社会养老保险的实际情况表明，保险公司在精算、资产运用、缴费管理、养老金支付等方面具有特殊的专长，在补充养老保险尤其是企业年金领域具有优势。保险业具有社会管理功能。一是有效化解社会纠纷。二是分担政府责任。三是提高政府管理效率。四是引导公众遵循社会规则。2、 模型设定的经济学原理鉴于保险业在国民经济中有如此重要的作用，我们尝试通过计量经济学的方法来分析一下影响保险业的因素，并期望为我国保险业健康发展思路提供一定基础。保险费收入是衡量保险业发展水平的重要指标，本文着重从研究影响保险费收入的因素来考察制约保险业发展的关键所在。假定除我们考虑到的因素外，其他因素对保险费收入的影响可以忽略。有效的保险需求：指城乡居民愿意并能够消费的保险产品总和。这里： gdp：可以认为影响着保险费收入的总水平； 人均gdp：也可以认为影响着保险费收入的总水平，但这里我们考虑到人口因素的影响；最终消费：保险费收入在最终消费中的比重可以间接反映我国城乡居民的保险意识和保险消费意愿；城乡居民人民币储蓄存款余额：可以反映我国城乡居民的保险消费能力；职工平均工资：可以反映我国城乡居民的保险消费能力，但同样这里我们考虑到人口因素的影响。在此，我们将“保险费收入”设为因变量，“人均gdp”、“gdp”、“最终消费”、“城乡居民人民币储蓄存款余额”及“职工平均工资”设为自变量，设定了以下经济学模型。二、 模型设定根据经济学理论把模型设定为：y=c+c1*x1+c2*x2+c3*x3+c4*x4+c5*x5+u其中：y代表保险费收入(单位：亿元)x1代表gdp（单位：亿元）x2代表人均gdp （单位：元）x3代表最终消费（单位：亿元） x4代表城乡居民人民币储蓄存款余额（单位：亿元）x5代表职工平均工资（单位：元）数据如下：obsyx1x2x3x4x519804.64517.84602976.1399.576219817.84862.44893309.1523.7772198210.35294.75253637.9675.4798198313.25957.45804020.5892.582619842071716924694.51214.7974198523.18964.485357731622.61148198633.110202.295665422237.61329198745.811962.511047451.23073.31459198871.114928.313559360.13801.517471989109.516909.2151210556.55196.419351990142.418547.9163411365.27119.821401991177.921617.8187913145.99241.623401992235.626638.1228715952.111759.427111993367.934634.4293920182.115203.533711994499.646759.439232679621518.84538199560058478.148543363529662.35500199668367884.6557640003.938520.862101997850.5774462.6605443579.446279.8647019981087.9678345.2630846405.953407.5747919991261.5582067.5655149722.759621.8834620001444.5289468.1708654600.964332.4937120011599.6897314.8765158927.473762.41087020023054.15105172.3821462364.686910.612422资料来源：中国统计年鉴2003中国保险年鉴2003中国经济年鉴2003由下图可以看出，模型设定的总体还可以。三、 参数估计模型：y=c+c1*x1+c2*x2+c3*x3+c4*x4+c5*x5+u用eviews估计结果为：dependent variable: ymethod: least squaresdate: 05/13/05 time: 10:28sample: 1980 2002included observations: 23variablecoefficientstd. errort-statisticprob. c-123.459553311158.311720484-0.7798509986080.44620095887x1-0.1525752461170.145224589502-1.050615785110.30814151834x22.688208181721.490015717721.80414753330.0889559901879x3-0.2255932305870.0458317495728-4.922204207550.000128989293925x40.07773314486920.02030224781943.828794996520.00134414271642x50.3498949202670.06816764884065.132858859288.30634704954e-05r-squared0.988272842496 mean dependent var536.666521739adjusted r-squared0.984823678525 s.d. dependent var744.318993703s.e. of regression91.6943044094 akaike info criterion12.0942558574sum squared resid142933.372839 schwarz criterion12.3904717398log likelihood-133.08394236 f-statistic286.525329215durbin-watson stat3.06117233435 prob(f-statistic)8.7253121058e-16y = -123.459553311 + -0.152575246117*x1 + 2.68820818172*x2 + -0.225593230587*x30.0777331448692*x4+0.349894920267*x5 t=(-0.779850998608)(-1.05061578511)(1.8041475333)(-4.92220420755) (3.82879499652) (5 r2=0.988272842496 s.e91.6943044094 d-w=3.06117233435 f286.525329215四、 检验及修正1经济意义检验从上表中可以看出，各指标符号与先验信息相符，所估计结果没有与经济原理向悖，说明具有经济意义。注：保险调查研究表明“保险费收入与gdp不存在严格正相关关系。” 2统计推断检验从回归结果可以看出，模型的拟和优度非常好（r2=0.988272842496），f统计量的值在给定显著性水平=0.05的情况下也较显著，但是x1及x2的t统计值均不显著（x1 x2的t统计量的值的绝对值均小于2），说明x1 x2这两个变量对y的影响不显著，或者变量之间存在多重共线的影响使其t值不显著。3计量经济学检验（1） 多重共线性检验检验：由f=286.525329215(5,23)=2.605(显著性水平=0.05)表明模型从整体上看保险费收入与解释变量间线形关系显著。这里采用“简单相关系数矩阵法”对其进行检验 ：x1x2x3x4x5x110.9996554790120.9995524526930.9851097264950.988210520191x20.99965547901210.9986664112050.9803573149990.984478588738x30.9995524526930.99866641120510.9879809298260.99006821458x40.9851097264950.9803573149990.98798092982610.995505860149x50.9882105201910.9844785887380.990068214580.9955058601491从结果可知x1与x2、x3存在高度相关.修正：采用逐步回归法对其进行补救。根据以上分析，由于x5的t值最大，线形关系强，拟合程度最好，因此把x5作为基本变量。然后将其余解释变量逐一代入x5的回归方程，重新回归。得如下几个模型:y-270.048668950.198405113303*x5t= (-3.65257302713) ( 14.390132145)r2=0.907925389268 s.e=231.169610005 f=207.075903152y=-271.820694643+-0.030513254355*x1+0.48993704251*x5t=(-5.1308105517) ( -4.57177973798) ( 7.5925720376)r2=0.954977028386 s.e=165.64278436 f=212.108840035y=-196.103593366+0.00584217968991*x1+-0.408454616946*x2+0.445428812509*x5t=(-1.06310758232)( 0.0687724297073)( -0.429349255274)( 3.62637757443)r2=0.955409650489s.e=169.127441761f=135.700389272y=-258.995166081+-0.0603904181482*x3+0.541170826044*x5t=(-5.3566506351)( -5.40288531354)( 8.44554870273)r2=0.962564577638s.e=151.0417f=257.126677595加入x1，拟合优度仅略有提高，但对x5的t值影响很大，但仍然显著。加入x2，拟合优度仅略有提高，但t1= 0.0687724297073, t2=-0.429349255274，太小因而同样不显著。因此也应将变量x1,x2删去。加入x3, 拟合优度略有提高，较显著。加入x4, 拟合优度不仅有较大提高，也较显著。因而模型修改为如下形式： y=c+c1*x3+c2*x4+ c3*x5+u新模型估计结果：dependent variable: ymethod: least squaresdate: 05/09/05 time: 07:45sample: 1980 2002included observations: 23variablecoefficientstd. errort-statisticprob. c-86.07927591860.9473809766-1.412353977130.174016076424x3-0.05099703699080.00636523312958-8.011809772341.63962245826e-07x40.02225097377160.007062557758153.150554591350.00526600153381x50.3394851147530.05956213812845.699679786861.70811044455e-05r-squared0.990423702123 mean dependent var627.517826087adjusted r-squared0.988911655089 s.d. dependent var803.876978246s.e. of regression84.649218818 akaike info criterion11.8716796769sum squared resid136144.314684 schwarz criterion12.0691569319log likelihood-132.524316285 f-statistic655.021755493durbin-watson stat1.69617836388 prob(f-statistic)0y=-86.079275918+-0.0509970369908*x3+0.0222509737716*x4+0.339485114753*x5t=(-1.41235397713)( -8.01180977234)( 3( 5.69967978686)r2=0.990423702123s.e=84.649218818f=655.021755493考虑到截距项的t检验值太小，去掉截距项回归如下：dependent variable: ymethod: least squaresdate: 05/09/05 time: 07:56sample: 1980 2002included observations: 23variablecoefficientstd. errort-statisticprob. x3-0.05259223118950.006418117396-8.194339234488.02910714276e-08x40.03118572201350.003217153137239.693577110985.32544411488e-09x50.2779129541720.04158135924046.683594746511.66386957693e-06r-squared0.989418319996 mean dependent var627.517826087adjusted r-squared0.988360151996 s.d. dependent var803.876978246s.e. of regression86.7287817327 akaike info criterion11.8845562851sum squared resid150437.631617 schwarz criterion12.0326642263log likelihood-133.672397279 durbin-watson stat1.07624725228经过上述逐步回归分析，表明y对x3 x4 x5的回归模型为最优。计意义 xin x-0.4894*x()（2）一阶自相关检验及修正 检验：a. 图示法.如图如图可见不存在自相关。b. 从模型设定来看，没有违背d-w检验的假设条件，因此可以用d-w检验来检验模型是否存在一阶自相关。根据上表中估计的结果，由dw=1.69617836388 ，给定显著性水平=0.05，查durbin-watson表，n=23，k=3，得=1.078,=1.66。因为dw统计量为dl f0.05(6,6)=4.28 则拒绝h0:12=22表明随机误差显著地存在异方差。修正：对数变换法dependent variable: lymethod: least squaresdate: 05/09/05 time: 08:53sample: 1980 2002included observations: 23variablecoefficientstd. errort-statisticprob. c1.530170041.780408707471.8594487510530.400807081005lx3-1.721588398810.663348747699-2.595299086310.0177624600474lx41.976074010880.2225139512758.880674670333.43560333427e-08lx50.3067323618120.4397590513913.697500962950.493936979178r-squared0.995345034532 mean dependent var5.20182994764adjusted r-squared0.994610039984 s.d. dependent var1.98269478905s.e. of regression0.145562208747 akaike info criterion-0.859655547834sum squared resid0.402578775691 schwarz criterion-0.662178292889log likelihood13.8860388001 f-statistic1354.22097728d