广东省人寿保险对居民消费影响的实证研究

.3模型求解经过Eviews导入数据并对数据进行处理和OLS估计，最终结果见表2-3。表2-3OLS估计结果VariableCoefficientStd.Errort-StatisticProb.C-9.136176716.2953-0.0127550.9903LNX10.0007690.2912140.0026400.9980LNX26.6237791.4135374.6859600.0054LNX30.1570850.0339984.6203870.0057LNX40.3950320.0575486.8643890.0010LNX50.0586710.2158630.2717980.7966R-squared0.996546Meandependentvar23153.00AdjustedR-squared0.999755S.D.dependentvar6272.382S.E.ofregression0.999510Akaikeinfocriterion13.00731Sumsquaredresid138.8634Schwarzcriterion13.22434Loglikelihood96415.16Hannan-Quinncriter.12.87050F-statistic-65.54020Durbin-Watsonstat2.251733Prob(F-statistic)0.000000T-0.0127550.0026404.6859604.6203876.8643890.271798P0.99030.99800.00540.00570.00100.7966R2=0.996546调整后的可决系数为0.999755说明模型对广东地区居民消费的解释程度高达99.97%,表明模型对样本拟合的很好。

3模型的检验与修正3.1多重共线性检验3.1.1辅助回归模型检验法运用辅助回归法检验是否存在多重共线性。X1作为被解释变量，对其他的所有解释变量做回归，其结果是=0.938511F1=22.89460F统计量的P值是0.000887=0.938511意味着X1的变异中有93.8511%被其余解释变量的变异所解释，隐含着模型中具备多重共线性。从F统计量的p值能够看出，在1%的显著性程度下，拒绝原假定即X1可以通过其余解释变量的线性组合来近似体现，亦即X1与其余解释变量之间存在共线性。X2作为被解释变量，对其他的所有解释变量做回归，其结果是=0.977872F2=66.28617F统计量的P值是0.000043从F统计量的p值能够看出，在1%的显著性程度下，拒绝原假定即X2可以通过其余解释变量的线性组合来近似体现，亦即X2与其余解释变量之间存在共线性。X3作为被解释变量，对其他的所有解释变量做回归，其结果是=0.985725F3=103.5769F统计量的P值是0.000012从F统计量的p值能够看出，在1%的显著性程度下，拒绝原假定即X3可以通过其余解释变量的线性组合来近似体现，亦即X3与其余解释变量之间存在共线性。X4作为被解释变量，对其他的所有解释变量做回归，其结果是=0.990659F4=159.0830F统计量的P值是0.000003从F统计量的p值能够看出，在1%的显著性程度下，拒绝原假定即X4可以通过其余解释变量的线性组合来近似表示，亦即X4与其余解释变量之间存在共线性。X5作为被解释变量，对其他的所有解释变量做回归，其结果是=0.991569F5=176.4074F统计量的P值是0.000002从F统计量的p值能够看出，在1%的显著性程度下，拒绝原假定即X5可以通过其余解释变量的线性组合来近似体现，亦即X5与其余解释变量之间存在共线性。从这五个回归的结果来看，原始的多元线性回归模型存在多重共线性。3.1.2方差膨胀因子检验法方差膨胀因子检验的公式；一般来说，时，则说明回归模型存在重大的多重共线性。在上面辅助回归的基础上，可以直接得到各个解释变量的方差膨胀因子 模型的五个解释变量的VIF都大于10，说明模型存在重大的多重共线性。对多元线性回归模型存在多重共线性的补救措施有五种，一是剔除变量量，然而很多模型都是依据实际经济关系来建设的，剔除掉某些变量会使模型出现设定偏误，从而使OLS估计也会受到影响，因此在使用该方法时要慎重;二是增大样本容量法，可以提高回归参数的估计精度和假设检验的有效性，这种会受到实际情况的限制，不太容易实施；三是通过差分的方法变换模型的形式，这种办法很大程度上可以减弱原模型中解释变量之间的相关性，从而减弱多重共线性的影响，但是这种方法仅仅只是增量之间的回归关系，而不是水平变量之间的回归关系，四是逐步回归法，以Y为被解释变量，一一引入解释变量构造回归模型，但是这种方法也有一个缺陷，即当样本容量不同时，得到的最终模型可能不一样，另一方面，也可能会使模型出现设定的偏误，五是无为而治，在这里选择了第一种方法剔除变量，剔除的是人均居民储蓄余额，统计局并没有明确的人均居民储蓄余额，通过找出广东省年底存款总额和年末常住人口数，二者相除得到一个平均数，这是粗略的人均储蓄余额，统计口径的不同也会产生些许误差。剔除变量后的最终模型为：表3-1-2ols估计结果VariableCoefficientStd.Errort-StatisticProb.C2178.5111126.3431.9341450.1013LNX1-0.0356800.610030-0.0584890.9553LNX211.794581.8095186.5180780.0006LNX40.6014880.0759957.9148340.0002LNX5-0.3888070.2158630.2717980.7966R-squared0.998709Meandependentvar23153.00AdjustedR-squared0.997848S.D.dependentvar6272.382S.E.ofregression290.9951Akaikeinfocriterion14.48745Sumsquaredresid508068.9Schwarzcriterion14.66831Loglikelihood-74.68095Hannan-Quinncriter.14.37344F-statistic1160.039Durbin-Watsonstat1.666412Prob(F-statistic)0.0000003.2异方差检验3.2.1图示法检验图3-2-1散点图如图4-1，该散点图横轴是残差的平方，纵轴是lny,可以从图形中初步的判断模型不存在异方差，异方差性是指当观测值发生变动时，随机扰动项的方差也会跟着变动，而散点图中并没有体现出异方差的特点。4.2.2BPG检验在Eviews软件上做BPG检验，依据估量结果来得出残差值，并将其取平方对解释变量lnxi回归，得出：(-0.445267-0.688754-0.4321980.828725-0.2296590.199155)R2=0.261552p值为0.860386相应的LM=nR2=11*0.261552=2.877075假设原假设为H0：.备择假设Ha:中至少有一个不为0.P值=0.860386>0.05，不拒绝原假设，接受模型中存在同方差的假定，因而该模型中不存在异方差。T1.934145-0.0584896.5180787.914834-0.961756P0.10130.95530.00060.00020.3733R2=0.998709调整后的可决系数为0.997848这是最终的多元线性回归模型，该模型对广东地区居民消费的解释程度高达99.87%,表示该模型整体上对样本数据拟合的较好。Lnx2lnx3的p值分别都小于0.1，说明这两个解释变量的效果比较显著，也就是财产保险密度，，人均可支配收入对居民消费具有较大的影响。从模型中可以看出：lnx1为人寿保险密度，系数为负，系数的估计值是，但p值为0.9553。p值过高，结果不显著。Lnx2为财产保险密度，系数为正，与前面的先验预期相一致，即财产保险密度与居民消费呈正向关系，系数的估计值是，p值为0.0006，p值小于0.01，意味着在别的条件不变的前提下，有99%的可能性可以说明财产保险密度每增加一个百分点，居民的消费会相应的平均增加个百分点。Lnx4为人均可支配收入，系数为正，估计值是，p值为0.0002，p值低于0.01，意味着在别的条件不变的前提下，有99%的可能性可以说明人均可支配收入每增加一个百分点，居民的消费会相应的平均增加个百分点。与之前的先验预期相符。Lnx5为商品房价格，系数为负，系数的估计值是，p值为0.3733，有63.67%的可能性说明商品房价格与居民消费呈此消彼长的关系，二者之间的显著性要差一些。在Eviews结果中，从p值检验来看，人寿保险密度这个解释变量的P值过高，检验不通过，财产保险密度与居民消费显著相关，而人寿保险密度则与居民消费的相关性要弱一些。在此对财产保险现状做更深入的研究：财产保险是指投保人根据合同约定，向保险人交付保险费，保险人按保险合同的约定对所承保的财产及其有关利益因自然灾害或意外事故造成的损失承担赔偿责任的保险。财产保险，包括财产保险、农业保险、责任保险、保证保险、信用保险等以财产或利益为保险标的的各种保险。由图4-2-2可知，长期来看，财产保险保费收入在不断的增加，十年间从207.77亿元增加到了927亿元，翻了五倍，2008-2013年，2014-2018年，财产保险保费收入逐年增加，2014年是一个拐点，增速较上一年下降了10.63%，2012年保费收入是416.8亿元，2013年保费收入是660.15亿元，这两年增速高达58.39%,增速过高，后期增长出现乏力，导致了下降趋势，但长期趋势来看，还是在不断增加。图4-2-22008-2018年广东省财产保险保险保费收入及同比增速数据来源：《广东保险统计年鉴》4建议与对策4.1加大财产保险宣传力度财产保险密度与居民消费呈正向关系，系数的估计值是，p值为0.0006，p值小于0.01，意味着在别的条件不变的前提下，有99%的可能性可以说明财产保险密度每增加一个百分点，居民的消费会相应的平均增加个百分点。财产保险对居民消费具有明显的促进作用，财产保险一方面具有风险转移的作用，规避了未来预期收入的不确定性，后期发生财产损失会得到风险补偿，激发了人们消费热情。财产保险密度从2008年的210元每人增加到817元每人，翻了四倍。但还处于比较低的水平，说明保险市场发展良好，保险密度逐年增加，有非常广阔的发展空间。由于受文化传统，风俗习惯的影响，广大消费者的保险意识不强，出于对保险产品不太了解，市面上的保险产品纷繁复杂，很多保险从业人员只为赚钱胡乱推销不适合消费者的保险产品，导致多数消费者对保险公司员工以及保险产品不太信任，造成了财产保险销售水平不高。最关键的是要加强财产保险宣传力度，保险公司及其从业人员要改变大家对以往保险业的不好看法，加大力度在各曝光度高的平台进行推广宣传，改变人们的观念，跟大家普及保险常识，优化保险教育。同时保险公司也要注重创新，多创造一些不同形式的财产保险，供不同人群的不用需求，促进整个保险行业的良好发展。4.2引导人们有正确的投资消费观念广东地区的人均储蓄余额每年都在不断的增长，广东省2008年的居民人均储蓄额为27798元，2018年的人均储蓄额为59356元，十年间人均储蓄额翻了一番。全国2008年的居民人均储蓄额为16406元，2018年的人均储蓄额为51314元，增加了三万多元。从整体来看，广东省的居民人均储蓄额每年都高于全国平均水平。这种情况优劣具存。储蓄额的提高意味着居民相对之前富有起来了，不仅能满足自身的生存需要，还有多余的钱拿去储蓄投资，这是一件好事，但是把钱存进银行相对来说投资收益较低，而且过高的储蓄额也会给投资带来不良的影响，会制约居民们在其他理财方面的投资，如债券，股票，也削弱了所持有的资金盈利升值能力。存款过高也就意味着居民会减少投资和消费，不利于当地的经济发展。所以，政府有必要出台相应的政策，引导居民进行比较合理的储蓄，提高资金的运用能力和升值能力，防止因为储蓄额的过度增加而制约了投资和消费的发展。有数据表明，中国百姓的工资收入占比为98%，投资比例为2%，而美国的工资占比为30%，投资占比70%。投资占比中，有大量的保险投资，保险本质就是一种投资行为，是一种未来有可能兑现，也有可能不兑现的保障措施，人寿保险保险是一款以人的生命为保险标的，一般以被保险人死亡为保险事故的一种人身保险，寿险是一份“自己用不着的保险”，可以说，寿险是被保险人对家庭责任和爱的延续，一旦发生疾病或意外，寿险的理赔金可以用于抚养孩子，赡养老人，为家人提供一定程度上的经济支持。因此有必要普及保险理念，尤其是人寿保险，虽然人寿保险不能阻止悲剧的发生，但他无疑可以减轻和延缓悲剧的蔓延和加剧，也是一种非常有优势的投资手段。4.3健全社会保障体系预防性储蓄假说指出，存在风险时，消费者在决定消费路径时不仅要考虑持久收入的多少，还有考虑持久收入的变化，大多数消费者都会首先考虑到风险，于是必须通过预防性储蓄来规避风险，大多数消费者并没有拥有足够的资产来抵御风险，这时候预防性储蓄就显得尤为重要。广东地区高储蓄状况的发生，一方面是该地区相对国内其他地区来说经济比较发达，另一方便则是居民对未来出现失业等不确定性的问题的顾虑，居民会以增加储蓄的方式对未来收入的不确定性做出防范。所以为了降低居民的预防性储蓄，政府必须要健全和完善社会管理体系，让老百姓有能力并且敢于消费，政府和企业可以鼓励人们在一定的程度上进行提前消费，比如用分期付款的方式来刺激居民消费，从而使广东区的高储蓄率有所降低，促进经济的转型和发展。4.4提高城镇居民的可支配收入可支配收入决定居民消费支出，在影响城乡居民消费支出的众多不同因素中，可支配收入占最重要的地位，在一定程度上对刺激居民消费需求具有显著影响，因此，要着重提高居民的可支配收入，最先要做的就是提高居民的工资水平，目前在我国的初次分配中，居民工资水平远远低于企业产生的利润和政府净税收增长的速度，也与生产总值的发展不相符合，与生产总值之间的悬殊过大，政府应该适当的提高居民个税起征点，让更多低产阶级老百姓手里可以拥有更多的可支配收入，从而刺激消费，扩大生产，促进经济的良性发展循环。在分配的过程的过程中要兼顾相对的公平，保证中低收入家庭一定的正常消费水平，提高城乡居民的整体消费水平。政府应创造更好的就业环境，制定出一些优惠就业政策，为无业人口提供就业机会，提高居民的消费信心。结论从本文我们可以知道广东地区居民储蓄消费影响因素，由Eviews多元回归分析中得出人均可支配收入，财产保险密度对居民消费支出具有显著的作用，而人寿保险密度，商品房价格的显著性要差很多，这与之前的设想不太吻合，在此查阅了大量的文献资料。国内关于商品房价格与消费之间的研究引起广大学者的关注，一共有三种不同的看法：一,一部分学者认为，房价上涨对居民消费具有促进作用，即为财富效应，在一定程度内，房价上涨会促进消费，比如刘建江等利用生命周期-持久理论，经过深入研究发现，房价的持续上涨不仅提高了房产所有者的财富水平，而且增强了房产所有者的消费信心。还有多名研究者也有相似的理论研究；二,还有一部分学者认为，商品房价格上涨对居民消费具有抑制作用，即表现为挤出效应，谢玉洁等学者运用城镇住户调查数据，构建平均效应模型研究房价对城镇居民消费的影响，发现房价上涨对居民消费有抑制作用，当今社会崇尚有房才有家，有房子才愿意结婚，因此对未婚男性抑制作用更强；三,也有学者认为，房价与居民消费之间并没有显著的线性关系，二者不存在联系。还有学者提出，房价对于消费支出产生两种效应：财富效应和挤出效应，这二者之间可以相互抵消。不同地区的情况都不一样，在这里研究的是广东地区，实证分析的结果表明，商品房价格与消费并没有显著关系。财产保险密度与居民消费显著相关，而人寿保险密度则与居民消费的相关性要弱一些，人寿保险密度从2008年的683.71元上升到了2018年的2242.90元，十年间增加了1500元左右，而财产保险密度2008年是210.02元，2018年是817.03元，增加了600元左右相比较而言，人寿保险还比较普及，人均密度较高，因此与居民消费还不太显著，而财产保险的密度过低，还在一个大量提升的阶参考文献[1]MathewB,SivaramanS,Math