1、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
2、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
3、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
4、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
5、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保监会的相关网站。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）
6、199323.390987.8545364180.10980.0602690.07800828.0499616913.25514449199423.517198.1594319430.09810.063560.08195328.3973629913.36452493199523.739788.3624089780.08640.0696289-0.05640628.718312913.59859756199624.203348.4844427010.07470.066936288-0.07514928.9796354213.63996599199724.820878.5487499960.056
7、70.07038628-0.05078529.163141613.62797543199825.037688.5987916110.04770.07431214-0.03501929.3063866513.62918098199925.191588.6748804670.02250.07632811-0.00604829.416457313.65016411200025.325938.7451252590.02160.06960650.01825629.4924994213.76400672200125.680298.8334627210.02070.071039070.00298829.62
8、92851413.85116724200226.150248.9493651420.01980.08162907-0.01489629.7933160314.10616321200326.430719.0765803820.02120.085082250.02016129.9691403314.44518532200426.500369.01508026590.02250.085633230.02668030.1122158914.68722225注：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”。lnY，lnX1，lnX5，lnX6取对数是为了同一数量级。因利率数据来
9、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 SummaryModelRR SquareAdjustedR SquareStd.Error of the EstinateChange statisticsDurbin-WatsonR SquareChang
10、eF Changedf1df2Sig.F Change12.979a.989b.959.979.955.974.23310.17610.959.020234.2388.52111109.000.0171.721a predictors:(constant).lnx5b predictors:(constant).lnx5.x4c Dependent Variable:lnyModelUnstandardizedCoeffcientsstandardizedCoeffcientstSigCorrelationsCollineariy Sta-tisticsBStd.ErrorBetaZero-o
11、rderPartialPartToleranceVIF1(constant)lnx5-25.2131.7173.281.112.979-7.68315.305.000.000.979.979.9791.0001.0002(constant)lnx5x4-26.9191.7753.1872.547.0871.0921.031.145-1056920.3872.919.000.000.017.797-.088.989.697.986.141.947.9471.0561.056 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
12、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 LagsNumber of Significant LagsADF Test StatisticConclusionAkaike CriterionScbwarz Crit
13、eion4明显不符320-1.416023Not stationary-1.062153-0.97449810-1.352706Not stationary-0.451071-0.3602950N/A-0.561076Not stationary-0.429892-0.357547 做了一阶差分之后的结果ADF Test Stati-3.9186911% Critical value*-4.46135% Critical value-3.269510% Critical value-2.7822*Mackinnon critical values for rejection of hypoth
14、esis of a unit rootAugmented Dickey-Fuller Test EquationDependent variable:D(LNY,2)Method:Least SquaresDate:06/15/06 Time:01:14Sample(adjusted):1996 2004Included observations:9 after adjusting endpointsVariableCoefficientStd.Errort-StatisticProbD(LNY(-1)-1.3605230.347188-3.9186910.0078D(LNY(-1),2)0.
15、8038780.2726252.9486620.0257C0.4096680.1182973.4630140.0134R-squared0.728314Mean dependent var-0.016993Adjusted R-squ0.637752S.D.dependent var0.219718S.E.of regres0.132242A kaike info criterion-0.947172Sum squared re0.104927Schwarz criterion-0.881431Log likelibood7.262274F-statiatia8.042171Durbin-Wa
16、tson2.703214Prob(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
17、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LNYLNX1X2X3X4LNX5LNX6LNY(-1)1.1269160.210430.0248190.0229990.0300960.2158290.603232（0.51481）（0.12905）（0.01434）（0.00873）（0.04539）（0.08750）（0.22430）（2.18901）（1.63070）（1.73016）（2.63387）（0.66309）（2.46649）（2.68935）LNX1(-1)2.5018961.5773790.1894490.07381
18、9-0.9055571.2682813.895609（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)-4.038360-2.190406-0.0901860.330713-2.339096-0.426722-2.961444（9.93887）（2.49137）（0.27680）（0.16858）（0.87626）（1.68937）（4.33043）（-0.40632）（-0.87
19、920）（-0.32581）（1.96178）（-2066941）（-0.25259）（-0.68387）X3(-1)-32.94569-1.478156-0.138323-0.157709-1.233573-4.4337996.180481（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)-2.509543-0.018541-0.077719-0.022064-0.031
20、590-0.1569480.203079（1.91631）（0.48036）（0.05337）（0.03250）（0.16895）（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）（-1.4
21、5573）（-3.12639）（-0.99564）（0.99322）（-0.52265）（-2.91402）LNX6(-1)0.1285900.0426390.0237280.0200830.2536930.0119570.419681（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）C26.2037816.447723.9052670.382554-2.88966919.8428752.92
22、492（45.1291）（11.3125）（1.25687）（0.76546）（3.97881）（7.67089）（19.6630）（0.58064）（1.45395）（3.10714）（0.49977）（-0.72627）（2.58678）（2.69159）R-squared0.9942510.9958620.9947710.9681740.9770680.9993670.992913Adj.R-squared0.9808380.9862080.9825710.8939140.9235600.9978910.976378Sumsq.resids0.0600700.0037754.66E-05
23、1.73E-050.0004670.0017360.011404S.E.equation0.1415040.0354710.0039410.0024000.0124760.0240520.061654F -statistic74.12503103.150481.5352813.0376218.26017676.822460.04690Log likelihood13.0474328.2672552.4373557.8923139.7614132.5404622.18607Akaike AIC-0.917714-3.684955-8.079518-9.071329-5.774803-4.4619
24、03-2.579285Schwarz SC-0.628336-3.395576-7.790140-8.781950-5.485424-4.172524-2.289907Mean dependent25.145278.6894580.0447180.073991-0.00802429.3616113.85129S.D. dependent1.0222390.3020330.0298510.0073690.0451240.5236990.401146Determinant 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
25、分析的全面性，还是做了保留。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）
26、（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）199323.39098-0.3048955250.0117-0.0034028920.138359-0.3474013-0.10938044199423.51719-0.2029770350.0117-0.0023999850.018743-0.32094991-0.23407263199523.73978-0.1220337230.0117-0.001023404-0.024364-0.326132252-0.04136843199624.20334-0.06430729
27、50.018-0.003925854-0.015766-0.183506180.01199056199724.82087-0.0500416150.009-0.002015977-0.028971-0.14324505-0.00120555199825.03768-0.0760888560.02520.006721609-0.024304-0.11007065-0.02098313199925.19158-0.0702447920.0009-0.0014325710.015268-0.07604212-0.11384261200025.32593-0.0883374620.0009-0.0105899970.017884-0.13678572-0.08716052200125.68029-0.1159024210.0009-0.003453174-0.035057-0.16403089-0.25499597200226.15024-0.12721524-0.0014-0.000550982-0.006519-0.1758243-0.33902211注：bhlnX1= lnX1- lnX1（-1），bhX2= X2- X2（-1），bhlnX3= X3- X3（-1） （-1）= X3（-1）X3（-2）,bhX4= X4（-1）- X4（-2），bhlnX5
