经济“助推器”还是“稳定器”：保险功能的理论与实证

初立苹，粟 芳

(1.上海对外经贸大学 金融管理学院，上海 201620；2.上海财经大学 金融学院，上海 200433)

一、引言

从保险理论视角看，保险最基本的职能就是保障。保险是通过分散风险而提供保障的一种特殊金融服务消费品(Grosen and Jrgensen，2002)[1]，也是为现代社会经济系统提供安全性服务的必备途径(蒲成毅和潘小军，2012)[2]。那么，当前我国保险行业是否真正起到了经济“助推器”和“稳定器”的作用呢？

从统计数据看，2017年我国GDP达到82.71万亿元，增速为6.9%；与此同时，保险业也持续快速发展，增速为世界之首位。2017年保险业资产总额达16.75万亿元，增长10.80%；保费收入为3.66万亿元，同比增长18.16%；从风险保障看，2017年保险业提供风险保障金额4154万亿元，同比增长75%。从保险规模与GDP规模稳步上涨的趋势看，保险业似乎具有经济“助推器”的作用；从保险保障与经济增长的发展趋势看，保险业也似乎具有经济“稳定器”的作用。那么，经济“助推器”与“稳定器”的说法是否具有理论根据？是否能够得到实证研究的支持呢？进一步，财产保险和人身保险具有完全不同的特征，财产保险以短期保障为主，人身保险则兼顾长期需求和投资功能，那么，二者在经济“助推器”和“稳定器”方面是否具有不同表现呢？

本文拟对“保险是经济‘助推器’和‘稳定器’”的观点进行理论分析和实证验证。主要贡献有：首先，建立了保险功能的理论模型。根据宏观经济模型建立了保险对经济发展影响和社会稳定影响的理论模型，并证实保险并不是经济“助推器”，仅仅是经济“稳定器”。其次，从赔款角度实证分析了保险所具有的经济“稳定器”作用，在变量选取方面具有一定创新，研究设计更加细致合理。再次，基于Garch模型验算了当前保险市场在发挥经济“稳定器”过程中的贡献率，特别是财产保险和人身保险分别的贡献率。最后，模拟了在贡献率为100%的情况下，为我国当前规模的国民经济充分发挥“稳定器”作用所需要的保险规模，测试了保险发展的缺口。

研究得出的主要结论包括：第一，保险并不是经济“助推器”，而且无论是财产保险还是人身保险，对经济发展均不具有任何直接的促进作用。第二，保险是经济“稳定器”，特别是财产保险具有较强的经济“稳定器”作用，而人身保险中仅有保障部分具有经济“稳定器”作用。第三，由于当前社会的整体投保率较低，财产保险所能发挥的经济“稳定器”贡献率有限，人身保险由于保障功能低下因而贡献率更低。第四，为经济发展充分发挥“稳定器”的作用，当前的保险市场规模还存在较大缺口。

本文的结构安排如下：第一部分为引言；第二部分为文献综述；第三部分为理论模型及分析；第四部分为实证分析设计及数据；第五部分为实证结果分析；第六部分为结论及建议。

二、文献综述

(一)经济“助推器”研究综述

学者们对于保险发展与经济发展之间的关系进行了大量研究。最初的分析大多局限于相关性，并得出保险发展与经济发展具有高度相关性的结论(Beenstock et al.，1986；Outreville，1990；粟芳，2000；俞自由等，2001；曹乾和何建敏，2006)[3～7]。随后，学者们分析了保险发展与经济发展相互间的促进作用，一些学者还深入分析了人身保险、财产保险与经济发展的不同关系，但结论并不完全一致。普遍存在三种观点：第一种观点认为经济增长是促进保险发展的原因。Browne 和 Kim(1993)[8]指出，随着收入的增加，消费的可负担性增强，因而促进了人身保险的发展。徐为山和吴坚隽(2006)[9]分析了经济增长对保险发展的引致效应，认为经济发展能够促进保险发展，但经济增长对人身保险的引致效应要高于财产保险。Chang等(2014)[10]基于10个OECD国家1979—2006年面板数据的因果分析发现，加拿大人身保险、意大利人身保险和美国财产保险均受经济发展的影响而强劲增长。第二种观点认为保险发展与经济发展互相促进。Ward 和Zurbruegg(2000)[11]使用9个OECD国家1961—1996年的数据分析经济增长与保险市场活动之间的因果关系，使用各国各年度实际GDP作为经济活动的衡量指标，将实际保费作为保险活动的衡量指标，通过对每个国家都使用自回归误差修正模型，显示有5个国家呈现长期因果关系。胡宏兵和郭金龙(2010)[12]采用1992—2008年的仿真检验表明，保险发展与经济发展具有双向促进关系。Lee等(2013)[13]基于1979—2007年41个国家的面板数据研究发现，无论是短期还是长期，人身保险市场的发展与经济发展之间均存在双向促进作用。第三种观点认为保险发展是经济发展的原因。Webb等(2002)[14]使用修正的新古典经济增长模型研究了银行、人身保险、财产保险与经济增长的因果关系，认为银行业和保险业的外生变量对经济增长有巨大影响。张淑英和李鹏燕(2008)[15]基于河北省的数据进行Granger因果分析，发现保险发展是经济增长的Granger原因，反之则不成立。Pradhan等(2015)[16]基于34个OECD国家1988—2012年面板数据的向量自回归模型分析，认为长期来看保险发展是经济发展的促进原因。Ward 和Zurbruegg(2000)[11]认为，保险市场发展与经济增长之间的因果关系因国家而异，因为保险市场的发展是通过保险赔偿和金融中介渠道实现的，与国家的特定因素有关。

可以看出，现有研究大多采用实证分析，并肯定了经济发展与保险发展之间存在一定关系，但是未深入分析两者之间的理论关系，以及两者之间相互作用的内在机理(蒲成毅和潘小军，2012)[2]。从变量选取来看，学者们通常采用保费收入(Ward and Zurbruegg，2000；曹乾和何建敏，2006)[11][7]或保险密度(粟芳，2000；俞自由等，2001)[5～6]衡量保险发展，采用GDP或人均GDP衡量经济发展(Beenstock et al.，1986；Outreville，1996；Ward and Zurbruegg，2000；曹乾和何建敏，2006)[3][17][11][7]。其中，保险发展的衡量指标值得商榷。虽然保费收入和保险密度均是衡量一国保险发展的常用指标，但是假如分析保险对经济的促进作用，则不应该从保险市场的宏观发展入手，而应当从保险功能视角进行考虑。而且由于当前保险产品中包含着诸多具有储蓄型和投资型的保险产品，保费收入并不能够准确表示保险业对国民经济的保障贡献，甚至在一定程度上还会因误导而发生谬误。正如Browne 和 Kim(1993)[8]的研究，认为总保费既不能很好地解释保险的市场力量，也不能解释保险定价的监管效应，更不能概述总风险的转移情况。在方法选择上，绝大多数学者采用的是回归分析，这只能表现出两者之间发展的联动关系，并不能准确判断影响的方向和大小。尽管学者们后来采用因果分析法一定程度上进行了弥补，但是仍然不能准确衡量保险对经济产生的作用。

(二)经济“稳定器”研究综述

关于保险是不是经济“稳定器”的研究相对较少。王建伟和李关政(2008)[18]采用套期保值模型就中国保险市场的数据分析了财产保险对国民经济总量和经济波动性的影响，通过比较我国东、中、西部三个具有区域代表性省份的实证分析结果，发现尽管财产保险对经济总量不会产生明显影响，但是对促进经济的平稳运行能够起到十分重要的作用，但也是采用保费收入来衡量财产保险，因此分析结果可能存在偏误。田玲和高俊(2011)[19]认为，保险赔付、潜在产出以及经济波动都是相互影响和作用的，具体表现为国民经济波动会影响保险需求和保险赔款，而保险业发展对国民经济的影响则主要体现为对潜在经济的促进作用，以及对经济波动的平缓作用。许闲等(2016)[20]模拟了在不同保险金额下2014—2020年我国地震灾害财政积累救灾支出负担的变动情况，认为政府购买保险可以有效平滑财政救灾支出的波动性风险，并且波动性与保险赔付呈反向关系。Wanat等(2016)[21]研究发现，在爱沙尼亚、罗马尼亚和斯洛伐克共和国，人身保险发展是促进经济稳定的原因，但是对于大多数国家而言，经济稳定都不是人身保险发展的原因。

无论研究保险是经济“助推器”抑或“稳定器”，都是保险在发挥保障功能过程中所产生出来的作用。“保险姓保”具有坚实的理论基础(粟芳，2017)[22]。既然我国明确提出要“充分发挥保险作为经济‘助推器’和‘稳定器’的作用”，那么这种提法必须具有坚实的理论基础，并经过合理的实证检验方显足够严谨。

三、理论模型及分析

基于宏观经济模型构建保险对经济影响的理论模型。对于一个国家而言，财富不仅包括实体经济的总价值，人力资源也是非常重要的财富之一。假设Wn为国家在第n年末所拥有的财富总量，其中实体经济总量为Yn，人力资源为Hn，则：

Wn=Yn+Hn

(1)

随着经济的发展，国家的财富也在不断增长。同时，由于风险无处不在，经济发展过程中必然会面临众多自然灾害和意外事故，从而导致各种财产发生损失。具体而言，在经济总量方面，第n年末的经济总量应等于上年末的经济总量加上第n年的GDP增加值，即Yn=Yn-1+GDPn。根据宏观经济模型，GDPn=Cn+In+Gn+NXn，其中，Cn表示消费支出，In表示投资，Gn表示政府支出，NXn表示净出口。假设Ln为第n年经济总量发生的总损失金额，根据保险精算模型，第n年的总损失金额Ln是一个密度函数为f(L)的随机变量，假设第n年的损失发生概率为ln，则第n年的损失Ln=Yn-1×ln。在不购买任何保险时：

Yn=Yn-1+Cn+In+Gn+NXn-Ln=Yn-1+Cn+In+Gn+NXn-Yn-1×ln

(2)

同理，在人力资源方面，第n年末的人力资源应等于上年末的人力资源减去当年死亡的人口并加上第n年的新生人口。假设在第n-1年末时的人力资源总价值为Hn-1，第n年的死亡率为dn，则在第n年中死亡的劳动力价值为Hn-1×dn,而第n年新生的人力资源价值为Bn,那么，在没有购买任何保险时，第n年末的人力资源价值为：

Hn=Hn-1-Hn-1×dn+Bn

(3)

将式(2)和式(3)代入式(1)，得到：

Wn=Yn-1+Cn+In+Gn+NXn-Yn-1×ln+Hn-1-Hn-1×dn+Bn

(4)

考虑到Wn-1=Yn-1+Hn-1，则没有购买保险时第n年财富的增加值为：

△Wn=Cn+In+Gn+NXn-Yn-1×ln-Hn-1×dn+Bn

(5)

(6)

整理后为：

(7)

考虑到Wn-1=Yn-1+Hn-1，则购买保险时第n年财富的增加值为：

(8)

(一)保险是不是经济的“助推器”

论点一：财产保险不是经济的“助推器”。

观察式(8)中财产保险投保率对财富增长的影响情况，暂不考虑其他变量的影响。

这一分析结果与实务完全一致。实务中，当某一年风调雨顺，无自然灾害或意外事故发生时，所获得的赔款小于所交保费，人们通常会觉得保险白买了。而当某一年灾难频发时，所获得的赔款大于所交保费，人们则会感受到保险的好处。因此，财产保险的投保率与财富增长之间不存在稳定的单调递增关系，即投保率越大，财富增长并不一定越快。尽管人们普遍认为保险公司可以通过收取保费的形式将社会闲散资金集中，并通过资金融通向社会建设提供资金，进而优化金融资源配置，从而表现为经济的“助推器”，旨在促进社会经济增长，但实际上这一传导效应是基于一个隐性假设的基础上，即假设损失发生率大于费率。简言之，当这一假设存在时，对于投保人而言，投保有利于促进财富增长，但是对于保险公司而言则会受损。因此，财产保险并不是财富增长的“助推器”。

由以上推论可以判断，论点一成立。

论点二：人身保险不是经济的“助推器”。

由以上推论可以判断，论点二成立。

但考虑到0≤qln≤1，则dn≥dn×qln，人身保险产品的保障性qln影响了死亡率dn与E(D)之间的关系，使得dn>E(D)/qln的可能性下降[注]当然，人身保险的储蓄保费对于经济发展也能发挥一定作用。但储蓄保费实际上就是投资，其投资功能与其他投资产品形成了替代的竞争关系，影响机制也与其他投资产品的影响途径完全相同。本文考虑的是保险产品的保障功能对财富增长的影响，故不予考虑保险产品投资功能的影响作用。。所以，与财产保险相似，人身保险并非具有稳定地促进财富增长的作用。正是由于人身保险产品具有投资功能而导致保障性0≤qln≤1，使得促进财富增加的可能性进一步下降。因此得出推论1：

推论1：人身保险产品的投资部分导致保障性功能下降，并使得促进财富增加的可能性进一步下降。

(二)保险是不是经济的“稳定器”

论点三：财产保险和人身保险都是经济的“稳定器”。

所谓稳定器，是指购买保险之后，能够使财富总量更加稳定地增长，即财富增长的方差VAR(△W)明显下降。在式(5)和式(8)中，财产损失的发生率ln、人身保险的死亡率dn以及新生的人力资源Bn均是随机变量，每年的消费支出Cn、投资In、政府支出Gn和净出口NXn也均为随机变量。其他变量则在年初投保时均已确定为常数。包括财产保险投保率pcn和人身保险投保率pln均是确定的常数。而且在人身保险产品设计完成之后，其保障性qln也是一个常数。假设这些随机变量均相互独立，则可以计算方差：

未购买保险时：

(9)

购买保险时：

(10)

将式(9)与式(10)比较，考虑到0≤pcn≤1和0≤pln≤1，很明显，随着财产保险投保率pcn和人身保险投保率pln的增加，VAR(△W′)将不断下降。当投保率pcn和pln均等于0时，相当于没有购买任何保险，则式(10)回归为式(9)；当投保率pcn和pln均等于1时，即所有经济实体和人力资源全部都购买保险时，风险导致损失的不确定性完全被保险的确定性所弥补，各年财富的增长将不会因为风险所导致的损失而发生波动。因此，方差分析过程表明，保险是经济发展和财富增加的稳定器，投保率pcn和pln的增加使得财富变动的方差VAR(△W′)明显下降。

由以上推论可以判断，论点三成立。

需要注意的是，人身保险的投保率pln是基于人身保险的保险金额，与投资部分无关，式(10)中未涉及人身保险产品的保障性qln，这表明人身保险的“稳定器”功能仅与人身保险的保障部分有关。人身保险的投资部分不具有任何“稳定器”功能。因而得出推论2：

推论2：在人身保险产品中，保障部分具有经济“稳定器”作用；投资部分不具有经济“稳定器”作用。

在上述各个模型的推导过程中，是以“国家”为单位进行分析的，倘若将一个大“国家”比作“小家”，比如政府、企业或者家庭，每年都有收入与支出，也有财富总值和人力资源总值，还有当年度的经济增加值等等，与国家完全相似。诚然，保险业的充分发展有助于“熨平”生产生活过程中各种风险(尤其是自然灾害)带来的收入波动，减少居民现有预防性储蓄比重，释放社会消费能力，从而提高经济体系的稳定性(田玲和高俊，2011)[19]。王建伟和李关政(2008)[18]的研究也证实，尽管财产保险对经济总量不会产生明显影响，但是对促进经济平稳运行却能够起到十分重要的作用。田玲和高俊(2011)[19]的研究结果也表明，近十年来中国保险业主要发挥的是抑制经济波动的“稳定器”作用，而对经济增长的“助推器”作用并不明显。因此，上述结论对于政府、企业或家庭仍然成立，不再详细推导，直接得出推论3：

推论3：无论是国家、政府、企业还是家庭，保险都是财富增长的“稳定器”，而不是“助推器”。

本文的理论模型分析认为，保险不是经济“助推器”，而只是经济“稳定器”。保险不会让生活更美好，但是会让生活不被改变。

四、实证分析设计及数据

理论分析结论显示，保险不是经济的“助推器”，而仅仅是经济的“稳定器”。这个结论还需要实证检验的支持。本文认为，经济“助推器”和经济“稳定器”功能，都是保险在发挥保障功能过程中产生的，因而应该选择衡量保险保障功能的指标来衡量。学者们常用的保费收入指标实际上仅仅测度了保险业的发展规模，包括了众多投资储蓄成分因而不能准确展示保险保障功能。相比之下，赔付支出是保险业为自然灾害或意外事故承担赔偿与给付的总额，更贴切地展示了保险保障功能(Browne and Kim, 1993)[8]，因此本文采用赔付支出指标衡量。

实证检验顺序为：首先，对本文的变量进行单位根和协整检验，旨在确保数据的平稳性；其次，采用Granger因果分析，检验保险是不是经济的“助推器”，并分别从财产保险和人身保险两个方面深入分析；再次，采用Granger因果分析，检验保险是不是经济的“稳定器”，也分别从财产保险和人身保险两个方面深入分析；最后，采用双变量Garch模型计算当前保险业对于经济“稳定器”的贡献率，相当于保险业为经济发展提供的套期保值比率，从而深入解读保险对稳定经济发展的贡献；并假定贡献率为100%时，进行反向模拟分析。

(一)数据来源

样本数据的时间范围是1997—2016年。数据来源于《中国统计年鉴》《中国保险年鉴》以及中国保监会网站等相关网站。其中，以赔付支出(Indemnity)衡量保险，以GDP(GDP)衡量经济发展速度，以GDP增长率(Growth)衡量经济发展稳定程度，即Growth=(当年GDP-上年GDP)/上年GDP。GDP和Indemnity在样本期的变动趋势分别如图1和图2所示。

对时间序列数据取对数不会改变其原有时间序列的性质，并且能够消除数据中可能存在的异方差，因此对赔付支出和GDP作对数处理，记为LnIndemnity和LnGDP。变量取对数之后的关系及LnIndemnity和Growth的关系如图3和图4所示。

图3中，LnIndemnity与LnGDP之间呈现出近似平行的稳步提升趋势；图4中，Growth表现出很大的波动性，特别是在2000年之后经济波动非常明显。

(二)数据单位根检验和协整检验

为了避免模型出现伪回归现象，采用ADF和PP两种方法对主要变量进行单位根检验。如果变量是平稳的，则可以直接采用Granger 因果检验经济“助推器”和“稳定器”；如果变量是非平稳的，则需要先判断变量之间是否存在协整关系。因为只有存在协整关系，才可以进行Granger因果检验。主要变量的检验结果如表1所示，其中LnIndemnity-P和LnIndemnity-L分别为取对数之后的财产保险赔付支出和人身保险赔付支出。

表1显示，Growth、LnIndemnity、LnIndemnity-P和LnIndemnity-L的原始序列非平稳，但其一阶差分序列平稳，变量LnGDP的二阶差分序列平稳。因此，可以选用Johansen协整检验，但是还需要确定最佳滞后阶数，采用LR、FPE、AIC、SC 和HQ共5个评价标准选择滞后期，检验结果如表2所示。

表1主要变量的单位根检验

注：C、T、L、0分别代表常数项、趋势项、滞后阶数、既非常数也非趋势项。***、**、*分别表示在1%、5%、10%水平上显著

表2最佳滞后阶数的选择

选择滞后阶数为4，则协整检验中的滞后阶数为3。协整检验结果见表3。表3显示，至少存在1个协整关系，这说明主要变量之间存在长期稳定关系。

表3变量的协整关系检验

(三)实证设计

1.Granger因果检验

Granger因果分析已经是非常成熟的方法。其基本思路是：假设有两个变量为变量1和变量2，如果引入变量2的滞后值之后，变量1的线性回归方程的残差平方和显著小于未引入时的残差平方和，则认为变量2的存在显著提高了对变量1的预测精度，变量2能够Granger地引起变量l的发生(曹永福，2006)[25]。因此，需要解决的首要问题是确定变量2的滞后阶数。具体步骤为：第一，设Granger因果检验的滞后阶数为1，然后观察F统计量、p值和AIC值；第二，设Granger因果检验的滞后阶数为2，然后观察F统计量、p值和AIC值；第三，设Granger因果检验的滞后阶数为3，然后观察F统计量、p值和AIC值 ……依次加大滞后阶数并列出一个表格，表格中包括了滞后阶数及其对应的F统计量、p值和AIC值。然后取AIC值中最小的阶数为最终阶数，根据最终阶数的Granger因果检验所对应F统计量的p值或卡方统计量的p值，进而判断两个变量之间是否存在Granger因果关系。

2.条件异方差检验

考察保险对稳定经济的影响，采用最小二乘法估计如下方程：

Growtht=αGrowtht-1+μt

(11)

LnIndemnityt=βLnIndemnityt-1+ρt

(12)

根据样本数据进行回归分析，将各回归方程的残差绘制出图形，从中观察各变量的波动是否具有一定的“集群”现象：即变量的波动在某段较长时期内比较小，而在其他某段时期内却比较大。如果存在“集群”现象，说明误差项可能具有条件异方差性(张鸿武，2009)[26]，有必要进行深入挖掘。在观察财产保险和人身保险对稳定经济的不同影响时，将式(12)中的保险赔付支出LnIndemnity分别换为财产保险赔付支出LnIndemnity-P和人身保险赔付支出LnIndemnity-L。

3.“稳定器”贡献率的估计

双变量Garch模型需要包括条件均值方程和条件方差方程(祝合良和许贵阳，2012)[27]。在条件均值方程中应当过滤出观测值可以由自身变量和其他变量的滞后值解释的部分，以防止条件方差方程的显著性被夸大。条件方差方程中目前应用最为广泛的是BEKK形式。

条件均值方程中，倘若检验结果表明变量之间的确存在因果关系，就可以在条件均值方程中加入自回归项和其他变量的滞后项作为解释变量，而自身变量和其他变量的滞后项已在因果检验中加以考虑，不再重复考虑。除此之外，保险赔付支出主要决定于自身前期的发展状况，与宏观经济形势的关系没有保费收入那么明显，尤其是与其前二期或三期的赔付支出有更加明显的联系[注]造成这种现象的原因在于赔付金额与宏观经济的系统性风险有关。只有当这些风险发生时才会导致赔付。因此，从某些风险开始发生时，保险机构就开始为这类风险进行赔付。而这些风险的完全释放需要一定时间，进而导致在短期内赔付支出的前期值对后期值在一定程度上产生影响。。构建保险赔付支出与经济发展之间的条件均值方程：

(13)

其中，θt为常数项，εt为条件残差项，J与M分别为最大滞后阶数,继续构建条件方差方程。同样效仿双变量Garch-BEKK的条件方差方程构建如下矩阵：

(14)

该矩阵为条件方差协方差矩阵，脚标1代表保险赔付支出，脚标2代表经济稳定。则H11为保险赔付支出的条件残差的方差，H22为经济稳定的条件残差的方差，H12和H21均为条件残差的协方差，且H12=H21。保险对经济稳定的套期保值比率即经济“稳定器”的贡献率为：

(15)

在分别分析财产保险和人身保险的“稳定器”贡献率时，将式(13)中的保险赔付支出LnIndemnity分别换为财产保险赔付支出LnIndemnity-P和人身保险赔付支出LnIndemnity-L。

4.“稳定器”贡献率的模拟和预测

若假定当前保险对经济“稳定器”的贡献率为100%，根据Garch模型进行反向思考，则可以预测出在假定经济发展不变前提下保险赔付支出的规模，或预测出在保险赔付支出不变前提下经济发展的波动。保险对稳定经济的贡献通过保障职能实现，因而借助于式(15)，假定保险对经济“稳定器”的贡献率为100%，即保险赔付支出与经济稳定条件残差的协方差H12等于经济稳定条件残差的方差H22。据此可以获得如下推测：

假定赔款支出的规模不变，则预测出经济发展的稳定情况为：

(16)

假定经济发展的稳定情况不变，则预测出保险赔付支出为：

(17)

五、实证结果分析

(一)保险是经济“助推器”的实证分析

基于数据的初步检验结果，对LnIndemnity和LnGDP两个变量进行Granger因果检验(表4)。

表4保险赔付与经济发展的因果关系检验

检验结果表明，无论是F统计量还是卡方统计量均一致认为，LnIndemnity不是LnGDP的Granger原因，这表明保险发展不是经济发展的原因。反过来，F统计量证实LnGDP也不是LnIndemnity的Granger原因，但卡方统计量则认为LnGDP是LnIndemnity的Granger原因。这两个检验结论不一致，此时原则上采用F检验较好。因为卡方检验是一个大样本检验，而实证检验所能够获得的样本容量通常并不大，本文的研究样本容量也不算大，故以F检验结果为准。因此，从Granger因果分析来看，本文的研究结论与其他学者的结论不完全一致，但至少能够完全肯定的是，保险并不是经济的“助推器”，保险发展并不能够促进经济发展。保险赔付金额较高并不能够促使经济发展水平提高。反过来，经济发展也不是促进保险稳定的原因。究其原因，可能是本文衡量保险发展的变量是“赔付支出”，而不是“保费收入”，故研究结论与其他学者的结论不完全一致。

表4中关于财产保险的检验结果表明，无论是F统计量还是卡方统计量均证实，财产保险不是经济的“助推器”，即LnIndemnity-P不是LnGDP的Granger原因。但反过来，两个统计量均证实，LnGDP是LnIndemnity-P的Granger原因，这与大家普遍所能够接受的“经济发展促进保险发展”的观点完全一致。因此，本文的实证结果有力地支持了理论模型所提出的论点一，即财产保险并不是经济的“助推器”。

表4中关于人身保险的检验结果表明，无论是F统计量还是卡方统计量均证实，人身保险不是经济的“助推器”，即LnIndemnity-L不是LnGDP的Granger原因，再次证明了本文提出的论点二成立。反过来，F统计量证实LnGDP不是LnIndemnity-L的Granger原因，虽然卡方统计量表明因果关系成立，但本文仍然以F统计量的检验结果为准。这与Lee等(2013)[13]的研究不同，经济发展也不能促进人身保险业的发展。

(二)保险是经济“稳定器”的实证分析

对LnIndemnity和Growth进行Granger因果检验，检验经济“稳定器”(表5)。

表5保险赔付与经济稳定的因果关系检验

检验结果表明，F统计量和卡方统计量分别在10%和1%的显著水平下拒绝原假设。因此，LnIndemnity是Growth的Granger原因，即保险是经济的“稳定器”。保险发展水平越高，则经济发展越稳定，经济增长率越稳定。反过来，F统计量不能拒绝原假设，即Growth不是LnIndemnity的原因，但卡方统计量可以在10%的显著水平下拒绝原假设。本文仍然以F统计量为准，即经济发展的稳定性不是促进保险发展的原因。

关于财产保险的检验结果表明，F统计量和卡方统计量分别在10%和1%的显著水平下拒绝原假设，表明LnIndemnity-P是Growth的Granger原因，即财产保险的确是经济的“稳定器”，财产保险发展促进了经济发展的稳定性。本文提出的论点三得到证实。反过来，F统计量和卡方统计量均在1%的显著水平下拒绝原假设，说明经济稳定发展是财产保险发展的Granger原因。因此可以得出结论，财产保险不仅具有非常突出的经济“稳定器”作用，而且财产保险发展与经济稳定之间还互为因果。稳定发展的经济环境更利于促进财产保险的发展。

关于人身保险的检验结果表明，F统计量和卡方统计量分别在10%和1%的显著水平下拒绝原假设，即LnIndemnity-L是Growth的Granger原因，人身保险的确是经济的“稳定器”，与Wanat等(2016)[21]的研究一致。反过来，F统计量和卡方统计量均不能拒绝原假设，因而Growth不是LnIndemnity-L的Granger原因,说明经济发展的稳定性并不能够促进人身保险的发展。实证检验结果表明，本文提出的三个论点均成立。

(三)保险是经济“稳定器”的贡献率分析

当前保险市场对经济发展的稳定作用究竟有多大？采用双变量Garch模型分析保险所发挥的“稳定器”作用。首先进行条件异方差检验，其次根据式(11)和式(12)进行自回归分析，自回归的残差图如图5所示。其中，横轴是年份，纵轴是回归方程的残差。可以发现，图5中具有较为明显的波动“集群”现象，特别是人身保险赔付支出。

根据式(15)中的贡献率，基于本文的样本数据进行测算，得到我国保险对经济发展“稳定器”的作用。进而分别对财产保险和人身保险进行计算(表6)。

表6保险作为经济“稳定器”的贡献率

表6的数据显示，当前保险市场在发挥经济“稳定器”时的贡献率为15.94%，或者说经济发展通过保险实现的套期保值比率为15.94%。这说明我国保险业的发展程度还比较低，所发挥的国民经济“稳定器”作用还不够明显，保险业还需要大力发展。分别从财产保险和人身保险的贡献率来看，相比较而言，财产保险作为经济“稳定器”的贡献率明显高于人身保险，这个结论与前文的分析结论一致，表明由于财产保险更具保障功能，而人身保险兼具投资功能，因此财产保险所发挥的经济“稳定器”作用明显高于人身保险。从经营规模来看，财产保险的规模远小于人身保险，但财产保险的“稳定器”贡献却明显大于人身保险，这表明我国当前的人身保险产品整体上偏投资，保障功能不够强，因此对国民经济“稳定器”的贡献率低下。

(四)充分发挥“稳定器”的模拟分析

当前保险市场对经济“稳定器”的贡献率不大。那么，如果经济波动通过保险能够达到100%的套期保值，此时的保险发展规模或经济发展的稳定性又如何呢？

基于式(15)的计算结果，假定保险对经济稳定的贡献率为100%，采用式(16)，假定保险市场的发展水平不变时，则能够倒推得到经济稳定的Growth。同理，将财产保险和人身保险分别进行倒推计算，则能够得到假定财产保险市场和人身保险市场发展水平不变时的经济稳定Growth。将此模拟值与各样本年实际的Growth进行对比(图6)[注]由于在倒推过程中需要用到滞后三期的数据，因此推算出来的模拟值只能始于2000年，下文同。。

由图6可知，假定保险赔付支出的贡献率为100%，同时假定保险赔付支出规模保持当前水平，模拟的经济稳定Growth明显低于实际值，并且各年的波动性明显增加。同理，分别假定财产保险赔付支出和人身保险赔付支出的贡献率为100%，并且两者的赔付支出仍然保持原有规模，则模拟得到的经济稳定Growth均明显低于实际值。而且由于财产保险的贡献率明显高于人身保险，故假定财产保险贡献率为100%时的模拟值明显大于假定人身保险贡献率为100%时的模拟值，而且波动相对也较小。预测实际上表示，以当前的保险发展规模为经济发展稳定性提供100%的套期保值时，能够承受多强的经济增长和经济波动。同理，仍假定保险、财产保险和人身保险的贡献率分别为100%，并假定经济发展的波动性Growth保持当前趋势不变，则基于式(17)可以模拟出所需要的保险赔付支出、财产保险赔付支出和人身保险赔付支出。图7比较分析了模拟值与实际值[注]计算中采用的是取对数后的赔付支出，故此处图形中展示的也是对数化处理之后的数值。。

由图7可知，假定保险赔付支出的贡献率为100%时，并假定经济的稳定性保持当前水平，则所需要的保险赔付支出明显大于实际赔付支出。以2016年为例，2016年的保险实际赔付支出为10513亿元，倘若保险能够提供100%的贡献率，则保险赔付支出至少应该为12415亿元。这显示出我国的保险发展水平非常不足。同样地，对财产保险和人身保险分别进行模拟，可以看到各自赔付支出的缺口。当然，由于财产保险的保障力度明显大于人身保险，故财产保险的赔付支出缺口明显小于人身保险。这充分说明我国当前保险业的发展水平还远远跟不上经济发展水平，无法提供与经济发展相匹配的保障力度，还有较大的经济体量未能得到保险。倘若需要为所有经济体量都提供保险，则保险赔付支出还有较大提升空间。

六、结论及建议

基于“保险姓保”视角，在构建保险与经济发展和经济稳定之间关系的理论模型基础上，得到保险是经济发展的“稳定器”而非“助推器”的结论，并基于1997—2016年的宏观数据进行实证分析，实证结果表明，无论是财产保险还是人身保险，都不是经济发展的“助推器”，但二者均是抑制经济大幅波动的“稳定器”。反过来分析，经济发展和经济稳定对保险发展都没有明显的促进作用，只是经济发展有利于财产保险的发展。借助Garch模型进行套期保值比率的计算结果表明，相比于人身保险，财产保险的套期保值效果更加突出，“稳定器”的贡献率更大。这与财产保险产品的保障功能密切相关，也有力地印证了“保险姓保”的实质。同时，基于贡献率的模拟计算表明，我国保险业的发展水平远远低于经济发展水平，尚且无法为经济发展提供全面的“保驾护航”功能。

基于理论模型和实证分析结果，本文认为：

第一，准确认识保险的保障功能，不要盲目扩充保险的功能。本质上，保险是经济发展的“稳定器”，而不是经济发展的“助推器”，保险发展不能促进经济发展，只能促进经济更加稳定。

第二，准确认识保险的贡献，明确保险缺口。当下保险对于经济“稳定器”的贡献还十分有限，我国保险发展水平与经济发展水平不匹配，大力发展保险势在必行。

第三，反思当下的人身保险产品，调整人身保险产品的定位。人身保险规模虽然远大于财产保险规模，但是由于重投资轻保障的特征以至于对经济发展“稳定器”的贡献率极低，应引起足够重视和警惕。“保险姓保”才是保证经济“稳定器”稳定发挥功能的重要前提。