中国寿险业发展的影响因素分析(定好)

中国寿险业发展的影响因素分析

内容摘要：本文通过计量模型对中国寿险业发展的主要影响因素进行了分析，结果表明储蓄存款量对保费收入影响较大，城镇居民人均可支配收入替代储蓄存款量也表现出显著作用，同时通货膨胀率和受教育程度对保费收入也有一定促进作用。

关键词：寿险需求 OLS回归技术  动态计量经济模型VAR自回归分布滞后模型  格兰杰因果分析

一、引言  

自1994年寿险和非寿险业务分离以来，我国人寿保险取得了巨大发展。寿险保费收入在1997年市场份额首先超过财产险以后，占据了保险市场的大半份额，并保持高速增长，而且曾在2003年呈现过大幅度增长，成为保险市场中的重要元素。

随着中国经济快速增长，保险业随之得到了较快发展，作为保险业重要组成部分的寿险市场自不例外。然而同西方发达国家先比，我国寿险业的发展水平在国际上还处于相对落后的地位：2003年我国寿险保费收入仅占世界的1.94%,寿险密度约为25.1美元,居世界第71位,寿险为2.30%,居世界第44位;同期美国寿险保费收入占世界的28.75%,寿险密度为1657.5美元,寿险深度为4.38;日本则分别为22.80%,3002.9美元和8.61。与此同时，我国寿险业存在巨大的潜在需求和光明前景，因此，对寿险影响因素的分析和研究就显的十分必要了。

二、寿险业发展的影响因素

本文认为研究影响寿险发展应从内生因素和外生因素方面入手，内生变量应考虑寿险产品自身的变化因素，外生变量应从影响寿险发展的大环境着手，考虑经济结构及其发展水平等。Zietz, E.N.（2003）对有关因素分析的文献进行了统计和综述。

1.城镇居民人均可支配收入（X1）

以前的很多文献都曾提及GDP这一要素，而且得出的结论都是：GDP与寿险业的发展成高度正相关。但本文认为，之所以GDP对寿险有很大的影响，是因为GDP代表了国民收入的水平，即代表居民收入的变化，同时注意到保险产品大部分份额都在城镇，乡村部分可忽略不计。因此，真正影响寿险发展的是城镇居民人均可支配收入。

2.存款利率（X2）

利率变动，在一定程度上影响国家经济形势的发展，即影响着寿险市场的运行环境。

3.中国老龄化比率（X3）

由于中国近二十年来人口结构变化有自身的特点，寿险的需求可能因之改变，特别是养老保险在寿险中占很大比例。

4.通货膨胀率（X4）

通货膨胀率出现后,经济会伴随价格效应、收入效应和替代效应。当通货膨胀极为严重时会对寿险需求产生负影响，通货膨胀率的上升导致寿险需求的下降；通货膨胀是温和或者结构性时，适度的通货膨胀能刺激经济增长，从而带动居民收入的增长，进而增加对寿险的需求。

5.储蓄存款量（X5）

该因素虽然和城镇居民人均可支配收入可能会有某种相关关系，但毕竟城镇居民收入在消费后才可能转化为存款，储蓄存款量能更有效的说明某时刻该居民的购买力。

6.受教育程度（X6）

通常情况下，受过较高教育得人，对风险的预防意识也较高，对风险的厌恶可能会更加强烈。

三、数据分析

（一）样本数据

本文中的寿险保费收入指狭义上的人寿保险，不包括人身意外伤害险和健康险。我们以寿险保费收入作为衡量寿险业发展的标志。数据主要来源于历年《中国统计年鉴》、《中国保险年鉴》、《中国金融年鉴》和中国的相关网站。因为从1993年寿险才和非寿险分离，所以我们选取的是全国1993-2004年寿险年度数据。

表1                        1993-2003年各变量数据

	寿险保费收入（lny）	城镇居民人均可支配收入（lnx1）	存款利率（X2）（经过修正）	老龄化比率（X3）	通货膨胀率（X4）	城乡居民人民币储蓄存款（lnx5）	受教育程度（lnx6）
1993	23.39098	7.8545318	0.1098	0.060269	0.078008	28.04996169	13.25514449
1994	23.51719	8.159431943	0.0981	0.06356	0.081953	28.39736299	13.352493
1995	23.73978	8.3624078	0.08	0.06962	-0.0506	28.7183129	13.59859756
1996	24.20334	8.484442701	0.0747	0.066936288	-0.075149	28.97963542	13.63996599
1997	24.82087	8.548749996	0.0567	0.07038628	-0.050785	29.1631416	13.62797543
1998	25.03768	8.598791611	0.0477	0.07431214	-0.035019	29.30638665	13.62918098
1999	25.19158	8.674880467	0.0225	0.07632811	-0.006048	29.41573	13.650111
2000	25.32593	8.745125259	0.0216	0.0696065	0.018256	29.49249942	13.700672
2001	25.68029	8.833462721	0.0207	0.07103907	0.002988	29.62928514	13.85116724
2002	26.15024	8.949365142	0.0198	0.08162907	-0.0146	29.79331603	14.10616321
2003	26.43071	9.076580382	0.0212	0.08508225	0.020161	29.96914033	14.44518532
2004	26.50036	9.0150802659	0.0225	0.08563323	0.026680	30.112215	14.68722225

注：①表中数据凡是牵涉收入或存款金额的单位都为“元”，受教育程度单位为“人”。

②lnY，lnX1，lnX5，lnX6取对数是为了同一数量级。

③因利率数据来自《国家统计年鉴》，其上数据并非按年排列，故按单利计算原则，作了相应的差分处理，转化为每年7月1日的利率。

（二）回归模型分析

利用spss统计软件对以上数据进行逐步自回归分析，我们可以得到对保费收入（lny）起明显作用的是城镇居民人民币储蓄存款（lnx5）和通货膨胀率（X4）。最终的回归模型为：

Lny=-26.919+3.187*X4+1.775*lnX5

表2                       逐步自回归分析结果

                             Model Summary

Model	R	R Square	Adjusted R Square	Std.Error of the Estinate	Change statistics					Durbin- Watson
					R Square Change	F Change	df1	df2	Sig.F Change
1 2	.979a .9b	.959 .979	.955 .974	.23310 .17610	.959 .020	234.238 8.521	1 1	10 9	.000 .017	1.721

a  predictors:(constant).lnx5

b  predictors:(constant).lnx5.x4

c  Dependent Variable:lny

Model	Unstandardized Coeffcients		standardized Coeffcients	t	Sig	Correlations			Collineariy Sta- tistics
	B	Std.Error	Beta			Zero- order	Partial	Part	Tolerance	VIF
1(constant) lnx5	-25.213 1.717	3.281 .112	.979	-7.683 15.305	.000 .000	.979	.979	.979	1.000	1.000
2(constant) lnx5 x4	-26.919 1.775 3.187	2.547 .087 1.092	1.031 .145	-10569 20.387 2.919	.000 .000 .017	.797 -.088	.9 .697	.986 .141	.947 .947	1.056 1.056

   从表2中可以看出这个模型有较好的拟合结果。城镇居民人民币储蓄存款代表了保险产品购买主体的购买力水平，因此对寿险的发展有着至关重要的关系。同时，近年来我国通货膨胀是温和的或者结构性的，适度的通货膨胀能刺激经济增长，从而带来了居民收入的增长，促进了对寿险的需求。

（三）动态计量经济模型

1．数据平稳性的分析

运用E-views3.1对各个数据进行序列的平稳性检验。通过做线性图可以看出，其中有些数据平稳性教差。故采用扩展的Dickey-Fuller(ADF)检验对所选因素变量进行单位根检验。

表3                   序列的平稳性单位根检验

对lny作单位根检验

Number of Lags	Number of Significant Lags	ADF Test Statistic	Conclusion	Akaike Criterion	Scbwarz Criteion
4	明显不符
3
2	0	-1.416023	Not stationary	-1.062153	-0.974498
1	0	-1.352706	Not stationary	-0.451071	-0.360295
0	N/A	-0.561076	Not stationary	-0.4292	-0.357547
做了一阶差分之后的结果
ADF Test Stati	-3.918691	1% Critical value*		-4.4613
		5% Critical value		-3.2695
		10% Critical value		-2.7822
*Mackinnon critical values for rejection of hypothesis of a unit root
Augmented Dickey-Fuller Test Equation
Dependent variable:D(LNY,2)
Method:Least Squares
Date:06/15/06   Time:01:14
Sample(adjusted):1996  2004
Included observations:9 after adjusting endpoints
Variable	Coefficient	Std.Error	t-Statistic	Prob

D(LNY(-1))	-1.360523	0.347188	-3.918691	0.0078
D(LNY(-1),2)	0.803878	0.272625	2.948662	0.0257
C	0.409668	0.118297	3.463014	0.0134
R-squared	0.728314	Mean dependent var		-0.016993
Adjusted R-squ	0.637752	S.D.dependent var		0.219718
S.E.of regres	0.132242	A kaike info criterion		-0.947172
Sum squared re	0.104927	Schwarz criterion		-0.881431
Log likelibood	7.262274	F-statiatia		8.042171
Durbin-Watson	2.703214	Prob(F-statiatia)		0.020054

从表3可以看到对lnyY作一阶差分会使其变稳定。通过检验，可知lnX1序列为平稳序列，X2序列为平稳序列，X3序列在作一阶差分后变为平稳，X4序列变为X4（-1）后平稳，lnX5序列为平稳序列，lnX6序列为平稳序列。

2.自回归分布滞后模型分析

⑴向量自回归模型（VAR）分析

利用相互联系的所有系统变量的滞后项，对由寿险保费收入（lnY）、城镇居民人均可支配收入（X 1）、存款利率（X2）、中国老龄化比率（X3）、通货膨胀率（X4）、储蓄存款量（X 5）和受教育程度（X6）组成的VAS方程，利用Eviews3.1，考虑到高阶滞后对较短时间的时间序列意义不大，故选择滞后阶数为1。估计结果如下：

表4                   向量自回归模型（VAR）分析结果

	LNY	LNX1	X2	X3	X4	LNX5	LNX6
LNY(-1)	1.126916	0.21043	0.024819	0.022999	0.030096	0.215829	0.603232
	（0.51481）	（0.12905）	（0.01434）	（0.00873）	（0.04539）	（0.08750）	（0.22430）
	（2.101）	（1.63070）	（1.73016）	（2.63387）	（0.66309）	（2.469）	（2.635）
LNX1(-1)	2.5016	1.577379	0.1449	0.073819	-0.905557	1.268281	3.5609
	（2.84370）	（0.71283）	（0.07920）	（0.04823）	（0.25072）	（0.48336）	（1.23902）
	（0.87980）	（2.21285）	（2.39207）	（1.53046）	（-3.61190）	（2.62387）	（3.14411）
X2(-1)	-4.038360	-2.190406	-0.090186	0.330713	-2.339096	-0.426722	-2.961444
	（9.93887）	（2.49137）	（0.27680）	（0.16858）	（0.87626）	（1.637）	（4.33043）
	（-0.40632）	（-0.87920）	（-0.32581）	（1.96178）	（-2066941）	（-0.25259）	（-0.68387）
X3(-1)	-32.94569	-1.478156	-0.138323	-0.157709	-1.233573	-4.433799	6.180481
	（18.0449）	（4.52329）	（0.50256）	（0.30607）	（1.59093）	（3.06720）	（7.86227）
	（-1.82577）	（-0.32679）	（-0.27524）	（-0.51527）	（0.77538）	（-1.44555）	（0.78609）
X4(-1)	-2.509543	-0.018541	-0.077719	-0.0220	-0.031590	-0.156948	0.203079
	（1.91631）	（0.48036）	（0.05337）	（0.03250）	（0.165）	（0.32573）	（0.83495）
	（-1.30957）	（-0.03860）	（-1.45623）	（-0.67881）	（-0.18698）	（0.48184）	（0.24322）
LNX5(-1)	-1.704260	-0.921184	-0.219807	-0.042631	-0.221057	-0.224268	-3.205172
	（2.52443）	（0.63280）	（0.07031）	（0.04282）	（0.22257）	（0.42909）	（1.09991）
	（-0.67511）	（-1.45573）	（-3.12639）	（-0.995）	（0.99322）	（-0.52265）	（-2.91402）
LNX6(-1)	0.128590	0.042639	0.023728	0.020083	0.253693	0.011957	0.419681
	（0.79290）	（0.19876）	（0.02208）	（0.01345）	（0.06991）	（0.13477）	（0.34547）
	（0.16218）	（0.21453）	（1.07451）	（-1.49331）	（3.62905）	（0.08872）	（1.21480）

C	26.20378	16.44772	3.905267	0.382554	-2.8669	19.84287	52.92492
	（45.1291）	（11.3125）	（1.25687）	（0.76546）	（3.97881）	（7.670）	（19.6630）
	（0.580）	（1.45395）	（3.10714）	（0.49977）	（-0.72627）	（2.58678）	（2.69159）
R-squared	0.994251	0.995862	0.994771	0.968174	0.977068	0.999367	0.992913
Adj.R-squared	0.980838	0.986208	0.982571	0.3914	0.923560	0.9971	0.976378
Sumsq.resids	0.060070	0.003775	4.66E-05	1.73E-05	0.000467	0.001736	0.011404
S.E.equation	0.141504	0.035471	0.003941	0.002400	0.012476	0.024052	0.061654
F -statistic	74.12503	103.1504	81.53528	13.03762	18.26017	676.8224	60.04690
Log likelihood	13.04743	28.26725	52.43735	57.231	39.76141	32.54046	22.18607
Akaike AIC	-0.917714	-3.684955	-8.079518	-9.071329	-5.774803	-4.461903	-2.579285
Schwarz SC	-0.628336	-3.395576	-7.790140	-8.781950	-5.485424	-4.172524	-2.2907
Mean dependent	25.14527	8.6458	0.044718	0.073991	-0.008024	29.36161	13.85129
S.D. dependent	1.022239	0.302033	0.029851	0.007369	0.045124	0.523699	0.401146
Determinant Residual         0.000000

由表4可知，VAR方程性质较为优良，决定性方差协方差为0。虽然部分滞后变量系数不显著，但为了分析的全面性，还是做了保留。

⑵自回归分布滞后模型

通过对数据的自相关检验和单位根检验，我们可以知道城镇居民人均可支配收入（lnX 1）序列为平稳序列，、存款利率（X2）序列为平稳序列，中国老龄化比率（X3）序列在作一阶差分并滞后一期变换后变为平稳，通货膨胀率（X4）序列经一期滞后变换后变平稳，储蓄存款量（lnX5）序列为平稳序列，受教育程度（lnX6）序列为平稳序列。为了消除平稳性差异。在做回归模型时，将lnX1，X2，lnX5和lnX6写为一阶差分形式。经过一些列数据调整之后，可以得到表5

表5                   变换处理后的各变量数据

	寿险保费收入（lnY）	城镇居民人均可支配收入（bhlnX1）	存款利率（bhX2）（经过修正）	老龄化比率（bhX3）	通货膨胀率（bhX4）	城镇居民人民币储蓄存款（bhlnX5）	受教育程度（bhlnX6）
1993	23.39098	-0.3045525	0.0117	-0.0034022	0.138359	-0.3474013	-0.10938044
1994	23.51719	-0.202977035	0.0117	-0.002399985	0.018743	-0.32094991	-0.23407263
1995	23.73978	-0.122033723	0.0117	-0.001023404	-0.0243	-0.326132252	-0.04136843
1996	24.20334	-0.0307295	0.018	-0.003925854	-0.015766	-0.18350618	0.01199056
1997	24.82087	-0.050041615	0.009	-0.002015977	-0.0271	-0.14324505	-0.00120555
1998	25.03768	-0.076088856	0.0252	0.006721609	-0.024304	-0.11007065	-0.02098313
1999	25.19158	-0.070244792	0.0009	-0.001432571	0.015268	-0.07604212	-0.11384261
2000	25.32593	-0.088337462	0.0009	-0.0105997	0.017884	-0.13678572	-0.08716052
2001	25.68029	-0.115902421	0.0009	-0.003453174	-0.035057	-0.1030	-0.25499597
2002	26.15024	-0.12721524	-0.0014	-0.000550982	-0.006519	-0.1758243	-0.33902211

注：bhlnX1= lnX1- lnX1（-1），bhX2= X2- X2（-1），bhlnX3= [X3- X3（-1）] （-1）= X3（-1）X3（-2）,bhX4= X4（-1）- X4（-2），bhlnX5= lnX5- lnX5（-1），bhlnX6= lnX6- lnX6（-1）。

我们对修正后的数据进行自回归分布滞后模型分析，结果见表6

表6                     自回归分布滞后模型分析结果

Dependent Variable: LNY

Wethod:Least Squares

Date:07/10/06   Time:15:19

Sample(adjusted):1994  2002

lncluded observetions:9 after adjusting endpoints

Variable	coefficient	Std. Error	t-Statistic	Prob
C	8.001117	3.159320	2.532544	0.0524
LNY(-1)	0.706279	0.123665	5.711215	0.0023
BHLNX1	8.067763	2.697825	2.990470	0.0304
BHLNX6	-2.807279	1.086179	-2.584545	0.0492
R-squared	0.985716	Mean dependent var		24.85188
Adjusted R –squared	0.977145	S. D. dependent var		0.879374
S. E. of regression	0.132942	Akaike info criterion		-0.6705
Sum squared resid	0.088368	Schwarz criterion		-0.809050
Loglikelihood	8.035172	F-statistic		115.0120
Durbin-Watson stat	2.088857	Prob(F-statistic)		0.000049

由表6可知，回归方程为：

lny=8.00+0.71 * lny (-1) +8.07 * bhlnx1-2.81* bhlnx6

      说明城镇居民人均可支配收入（x1）和受教育程度(x6)对寿险业的发展有着至关重要的影响。

（3）格兰杰 (Granger) 因果关系检验

通过回归模型，我们虽然可知哪些变量与保费收入成高度相关关系，但这并不代表两者间的因果关系。为了得到变量间的因果关系，对数据进行Granger因果检验，如表7：

表7                格兰杰因果关系检验

原假设H	序号	数据个数	F值	P值	结论
lnx1 does not Granger Cause lny	1	11	6.22015	0.03729	拒绝H
lny does not Granger Cause lnx1	2	11	5.54672	0.04631	拒绝H
x2does not Granger Cause lny	4	11	0.669	0.43687	接受H
lny does not Granger Cause x2	3	11	0.06342	0.80752	接受H
x3does not Granger Cause lny	5	11	0.52822	0.48808	接受H
lny does not Granger Cause x3	6	11	3.87359	0.08459	接受H
x4does not Granger Cause lny	7	11	3.83603	0.08585	接受H
lny does not Granger Cause x4	8	11	2.00454	0.19456	接受H
lnx5 does not Granger Cause lny	9	11	5.47796	0.04738	拒绝H
lny does not Granger Cause lnx5	10	11	2.07097	0.18808	接受H
Lnx6 does not Granger Cause lny	9	11	0.22651	0.685	接受H
lny does not Granger Cause lnX6	10	11	0.05387	0.82229	接受H

 由Granger因果关系检验可知，除了城镇居民人均可支配收入和储蓄存款量以外，其他因素对寿险发展皆不存在明显的因果关系。其中，城市居民人均

可支配收入与寿险保费收入互为因果关系。

    寿险业是从1993年才开始与非寿险业分离的，之前在整个保险市场也并未占主导，故所选数据虽然据有“准确”和“时效性高”的特点，但由于样本量相对较少，所以本文检验的结果并不十分准确。不过从检验的结果来看，城镇居民人均可支配收入和储蓄存款量这两个因素的选出并未与前面模型分析的结果相违背 。

四、结论

    储蓄存款量对寿险发展有着很重要的影响。城镇居民人均可支配收入量更直接的反应了居民的实际购买力，所以可以替代储蓄存款量体现对寿险发展的较大影响。

通货膨胀率和受教育程度对寿险发展的正面影响在模型中有所体现。适度的通货膨胀率能刺激经济增长，从而带来居民收入的增长，进而促进对寿险的需求。受教育程度在会对个人风险厌恶程度和风险规避能力有所影响，进而促进寿险需求。