中国寿险市场需求影响因素的测度检验

余昌龙，刘兴宇

(江西财经大学国际经贸学院，南昌330013)

寿险业务发展的好坏是探究中国保险市场前进方向的窗口。对影响我国寿险需求的相关因素进行深入研究，引导寿险市场健康发展，可以充分发挥保险业对经济社会发展的“助推器”和“稳定器”的作用。现有的研究涉及了包括经济、人口、社会等方面的因素，但由于数据统计口径的不一以及研究方法的差别，造成研究的结论有所不同，特别是关于死亡率、受教育程度、抚养率等方面存在的差异最大。本文在国内外研究的基础上，运用向量自回归模型，考察各变量之间长期的动态相关性。

1 指标选取和样本数据说明

1.1 指标的选取

本文构建的变量系统以我国1985～2013年寿险业保费收入作为被解释变量，用来表示市场上对寿险的需求情况，我国历年的人均GDP、金融发展深度、抚养比、外贸出口额、高等院校入学率和粗死亡率六个指标为解释变量，作为影响我国寿险需求情况的主要因素，相关变量解释如表1。

表1 变量说明表

这一变量系统以加权平均的形式存在，既包括经济因素，也包括人口和社会的因素，展开后可以得出以下的线性方程：

LP=β0+β1GDP+β2DFD+β3EFT+β4DR+β5CMR+β6EDU+ε

上式部分取对数以便于弹性分析，可得如下估计方程：

LnLPt=β0+β1LnGDPt+β2DFDt+β3LnEFTt+β4DRt+β5CMRt+β6EDUt+εt

然而以上方程的数据并非平稳数据，为避免伪回归的情况发生，本文使用协整理论对上述方程进行检验和估计。

1.2 样本数据说明

本文研究的相关变量选择的样本区间是1985～2013年，其中寿险保费收入的数据的来源分为两部分，1999年以前的数据来自于《中国保险业发展报告2003》及相关资料计算整理所得，1999以后的数据来源于中国宏观经济数据库，金融发展深度、抚养比、粗死亡率以及高等院校入学率的数据出自世界银行公布的资料所得，外贸出口额以及GDP的相关数据则是来源于中经网统计数据库，并且寿险保费收入、人均GDP以及外贸出口额均以1985年的价格为基期，采用CPI加权指数计算得出。

2 模型的构建

2.1 变量的平稳性检验

为消除时间序列的异方差性，在进行计量分析时，先对各变量部分取自然对数，处理后的结果分别为LnLP、LnGDP、DFD、LnEFT、DR、CMR、EDU。

由于VAR模型运用的前提是要求模型中的变量具有平稳性，因此本文采用ADF检验法来对相关变量进行单位根检验，检验结果见表2。根据表中单位根检验结果可知水平序列均为接受原假设，即原序列是不平稳的，但是其一阶差分序列拒绝了原假设，所以LnLP、LnGDP、DFD、LnEFT、DR、CMR、EDU都是一阶单整序列。

2.2 协整关系检验

在上述基础上，对各相关变量进行协整检验，本文考虑到Johansen协整检验在多变量方程中检验的功效更为稳定这一优势，因此运用Johansen方法。但是Johansen检验是基于向量自回归模型基础上的一种方法，因此选择最优的滞后阶数显得尤为重要，本文利用Eviews7.0软件，在比较1-3阶滞后期下AIC和SC信息准则得出VAR模型的最优滞后阶数为2，所以Johansen协整检验的最优阶数为1，模型结果如表3所示。

表2 ADF单位根检验结果

由Johansen的协整检验结果可以看出，协整方程的迹统计量均大于5%的临界值，在此情形下，不能终止检验，因此无法有效判断存在多少个协整向量，而最大特征根值统计量在r=5的情形下大于5%的临界值，因此接受了原假设，即在5%的显著性水平下存在5个协整向量，也就是说LnLP、DFD、LnEFT、DR、CMR、EDU之间存在长期的动态的协整关系。

3 基于VAR模型的脉冲响应函数和方差分解

3.1 向量自回归

在时间序列中，为充分考虑相互联系的变量及其随即扰动项对各变量的动态冲击，可以用VAR模型对各变量的进行分析及预测，从而能更深入的解释各种经济冲击对时间序列变量的影响。本文把寿险保费收入、国内生产总值、金融发展深度、粗死亡率、外贸出口额、抚养比、高等院校入学率都视为内生变量，以此为基础构建滞后2阶的VAR模型。结果如表4所示。

表3 Johansen统计量协整检验结果

表4 滞后2阶的VAR模型估计结果

3.2 脉冲响应函数分析

为了避免VAR模型中的参数可能不具有明显的经济意义，考虑某个变量的扰动对其本身及序列中其他变量的影响情况显得尤为必要，为此，可以利用VAR模型进行冲击反应分析，进一步探索各变量之间关系，所以应该对时间序列进行脉冲响应分析。脉冲响应的结果如下美元指数与巨大价格的脉冲函数图所示。其中横轴表示冲击作用的滞后期数（单位：年），纵轴表示相关变量，实线为脉冲响应函数，虚线则是正负两倍标准偏离带。

从图（a）可以看出LnGDP的一个冲击初始会对LNLP有一个负的影响，随后逐渐上升，并在第二到第三期之间达到最大值，响应值约为0.06,其后影响逐渐收敛，并在第七期后呈现负的冲击，这说明LnGDP对LnLP的影响不大，但是会一直持续下去。在图（b）中，LnEFT初始对Ln-LP的影响约为0，并一直持续下去，虽略有波动，但到第10期，这种影响基本消失。图（c）中，EDU初始会对LnLP有一个负的冲击，而后继续上升，但在第三期后继续下降，到第十个年度后保持在-0.1左右，并且会一直持续下去。图（d）中，CMR初始会对LnLP有一个微小的正向影响，并在第二期达到最大值，其后逐渐收敛为0，说明CMR对LnLP几乎无影响。有图（e）可以看出，DR第一期后即对LnLP有一个负的影响，虽然影响不大，但是会一直持续下去。图（f）显示，DFD的冲击一到四期具有波动性，但在第四期以后逐渐上升，并在第10期响应值达0.1，这说明DFD会持久的影响LnLP。（g）图中，LnLP在本期给自身一个正向冲击LnLP在几期波动后，其反应期内响应值将达到最小值-0.05,逐渐上升，但在第10期后影响基本消失。

3.3 方差分解

相对于脉冲响应函数来说，方差分解则是在VAR模型中分析各个变量扰动项的变动对某个变量预测总误差变动的影响。本文在方差分解法的基础上对LnLP不同预测期数误差的方差进行分解，来判断各变量对LnLP的解释成分，本文将LnLP的方差分解为其自身、LnLP、DFD、LnEFT、DR、CMR、EDU所形成的贡献率。各变量对LnLP影响的10期方差分解表如表5所示：

从表中可以看出，在第1期，除了LnLP自身外，其余变量对LnLP的影响程度均为0，但随着时间的推移，LnLP对自身的贡献率迅速下降，其余变量对LnLP的贡献率大多呈现不断上升的趋势。LnGDP对LnLP的贡献率不大，且呈波动性，到第10期LnGDP可解释约8.6%的新息，这与以往的研究存在较大的分歧。EDU对LnLP的贡献最为显著，且呈逐年递增的趋势，特别是在第6期以后，增速最为明显，到第10期可解释约23%的新息，说明高等教育入学率在对LnLP的贡献中的作用一开始不明显，但随着实践的推移，其地位不断显现。其余变量如LnEFT、CMR对LnLP的贡献很小，这与以往的研究较为一致。DFD对Ln-LP的贡献也是不断递增的，但其贡献率略小于EDU,到第10期可解释约20%的新息。DR对LnLP的影响较小，大体保持在6%左右。

表5 lnLP的10期方差分解图

4 结论

本文在多种计量方法的帮助下得出以下结论：我国寿险保费收入与我国金融发展深度、外贸出口额、抚养比、高等院校入学率以及粗死亡率之间存在长期稳定关系。其次，基于我国寿险保费收入的VAR模型所做的脉冲响应分析以及方差分解得出对我国寿险保费收入影响最大的是其自身，但随着时间的推移会逐渐下降，而国内生产总值、粗死亡率、抚养比以及外贸出口额对我国寿险保费收入的贡献率并不大，不过寿险保费收入的变动有23%来自高等院校入学率的变化，20%来自于金融发展深度的变化。

[1]谢云,程细玉.我国保险需求的影响因素分析[J].保险职业学院双月刊.2010,(3).

[2]汪进贤,丁丽馨.我国保险需求影响因素的计量经济分析[J].福建金融管理干部学院学报.2011,(3).

[3]陈辞,李炎杰.中国保险需求的实证分析[J].当代经济.2014,(7).

[4]虞舒蕾,程灵敏等.我国寿险需求影响因素的实证分析——基于灰色关联度分析[J].企业研究.2010,(20).

[5]Zietz E N.An Examination of The Demand for Life Insurance[J].Risk Management and Insurance Review,2003,(6).

[6]Thorsten I W.Economic,Demographic,and Institutional Determinants of Life Insurance Consumption Across Countries[J].World Bank Economic Review,2003,(17).