我国保费收入影响因素的实证分析.doc

我国保费收入影响因素的实证分析华南理工大学金融工程研究中心 饶正洪 发布时间:2010-09-21一、我国保险业发展现状保险业作为现代金融市场中的重要力量，在我国还处于迅速发展的上升阶段。从1998年到2006年，我国保费收入年均保持两位数的增长，不仅高于同期GDP的增长速度，也高于世界保险业同期的平均增长水平，甚至快于亚洲新兴保险市场。2008年，我国保险业共实现保费收入9784.1亿元，同比增长39.1%，是2002年以来增长最快的一年。然而我国的保险深度和保险密度都还处于世界的低水平。2003年世界平均保险深度为8.06%，平均保险密度为469.6美元。而2005年，我国保险深度为2.7%，保险密度为380元，均远低于世界平均水平，这与我国高速发展的国民经济是不相称的。同时，我国保险市场结构严重不均衡，区域化差异非常大。如2007年，上海市的人均保费是西藏地区的27.88倍，这些都说明了我国保险业还有相当大的发展空间。二、保费收入影响因素的指标选取我国保险主要由人寿保险和财产保险组成。1980年保险业全面恢复时，寿险保费收入几乎为零，到1997年寿险保费收入首次超过非寿险保费收入之后，寿险业在保险业已处于主导地位，并且这一趋势还将继续下去。2007年，我国人寿保险收入和财产保险收入比例为2.52：1，说明在保费收入的影响因素中，人寿保险收入比财产保险收入的影响因素所占的比重要大。理论上，影响财产保险保费收入的相关因素主要有：地区生产总值、固定资产投资、市场结构、保险补偿功能的实现等；影响人寿保险保费收入的相关因素主要有：地区生产总值、人均可支配收入、受教育程度、人口数量、财政用于抚恤和社会福利的支出等方面。在国外学者对保险需求的研究上，林宝清等(2004)对我国财产保险需求收入弹性系数作了实证分析。该研究采用19881992年和19972002年我国各省的面板数据进行分析，发现我国财产保险的需求弹性系数值与我国GDP和人均GDP都不存在相关关系，且是一个相当稳定的值(均值1.072)。Mantis和Farmer(1968)发现人口数量对人寿保险的需求有正向关系；Lewis和Camphell(1980)发现收入和保险需求有正向关系；Burnett和Palmer(1984)发现受教育程度对保险需求也有正向关系。考虑到保险市场结构和产品结构以及数据的可用性和可获得性，本文利用2007年我国各地区保险保费收入总额作为模型的被解释变量，采用2007年我国各地区生产总值、人口数量、受教育程度和人均可支配收入作为解释变量。选择原因如下：1、地区生产总值(GDP)：一个地区GDP的快速平稳增长，不管是保费收入，还是保险深度或保险密度，都呈现出较快的增长趋势。通过GDP增速和保费收入增速作出的散点图可以发现，两者之间存在明显的正相关性。可以预见，随着各地区GDP的持续平稳增长，保险市场的收入也会快速增长。2、人口数量(QOP)：从保险需求的角度看，人口数量增加，身患疾病、遇到意外伤害或者死亡的人数也会增加，导致人寿保险的总需求量增加。因此，人寿保险需求和人口数量呈正相关关系。3、受教育程度(EDU)：理论上，受教育程度越高，人口素质越高，对保险的意识就越强，从而增加了保险的需求，因此，受教育程度和保费收入呈正相关关系。本文采用2007年我国各地区人口变动情况抽样调查样本数据，将学历为大专以上表示为接受高等教育程度。4、人均可支配收入(PCDI)：当一个地区的可支配收入处于较低水平时，人们主要把收入用在衣食住行等必要的日常生活消费上，而对于非必需品的保险产品的需求一般较低。当经济发展处于较高阶段时，这时人们的消费层次就会提高，会增加对非生活必需品的消费，如增加对保险产品的需求。因此，保费的收入和人均可支配收入呈正相关关系。三、影响保费收入因素的实证模型(一)数据说明本文采用2007年我国内地31个地区保费收入总额(即被解释变量)、各地区生产总值、人口数量、受教育程度和人均可支配收入几个横截面数据。这些数据均来自国家统计局统计年鉴。(二)模型建立模型如下：Y1=0+1GDPi+2QOPi+3EDUi+4PCDIi+i其中，Yi为第i个地区的保险保费收入金额，i=1，2，331，0为回归常数项，i为回归误差项，GDPi、QOPi，EDUi、PCDIi分别为第i各地区的地区生产总值、人口数量、受教育情况、人均可支配收入。(三)模型回归结果假设所建模型及随机干扰项i满足计量经济学古典假设，利用Eviews5.0软件，对上述模型利用最小二乘法进行参数估计，回归结果如下：其中，R2=0.892303 F=53.85430 df=26。(四)模型检验1、模型的经济检验。从回归的系数符号来看，除了回归常数项0为负数，其余解释变量前的系数都为正数，这和我们前面的预期是一致的。2、t值的显著性。从回归结果来看，解释变量GDPi和QOPi的t值不显著，其他解释变量t值都是显著的。根据多重共线性的侦察方法，出现了“R2值高而显著的t比率小”的特征，表明模型可能存在多重共线性，实际情况中，这四个解释变量也有很大可能存在多重共线性。3、多重共线性检验。采用简单相关系数矩阵法对其进行检验：从结果可知GDP、QOP、EDU具有较高的相关性。(五)模型修正为了克服多重共线性，采用逐步回归法进行补救，并对修正后的模型进行异方差和自相关检验。l、将其他变量逐步导入上述初始回归模型，寻求最佳回归方程。通过回归可以看出，我国各地区人口数量对保费收入的解释能力不大，说明我国保费收入存在较大的地区差异。在实际统计中，上海市的人均保费是西藏地区的27.88倍，巨大的差异进一步说明了在建立我国各地区保费收入模型时，没有必要引入人口数量QOP这个解释变量，因此，删除人口数量QOP这个解释变量不会产生严重的模型误设后果。2、自相关和异方差检验。由于样本采用的是横截面数据，不涉及时间序列的变化，因此不考虑模型是否受自相关的问题。对新的模型做没有交叉项的怀特异方差检验，得到n*R2=3.439658，根据查表，对于6个自由度，5%临界2值为12.5916，10%临界值为10.6446，由于得到的值小于临界值，可知模型不存在异方差。因此，最终的模型应该为：Y1=0+1GDPi+2EDUi+3PCDIi+i回归结果如下：其中，R2=0.890519，F=73.2058，df=27。四、模型的经济意义通过对两个模型回归结果的比较可以看到：在我国，人口数量不是影响各地区保费收入的重要因素；而受教育人数的多少、地区生产总值、人均可支配收入成为影响该地区保费收入的重要因素，结合我国保险业与