基于国际视角的人口结构变迁与寿险消费：理论梳理与实证检验

袁 成，崔 慧

(南京大学 经济学院，南京 210093)

一、引言

目前国内对人口老龄化、少子化等人口年龄结构转变及其对中国经济社会发展影响等问题关注颇多。在保险领域，研究多集中于中国人口老龄化对寿险消费、养老保险或者医疗保险的影响分析。实际上，全球人口年龄结构也正经历着巨变，根据世界银行最新公布的数据，65岁及以上人口占比已经从1960年的4.99%增加到了2018年的8.93%，14岁及以下人口占比从37.12%下降到了25.8%，人口老龄化趋势明显。而人口年龄结构只是人口结构的一个部分，人口结构是某一地区一定时期内人口构成状况，包含人口自然结构、人口社会结构和人口地域结构，目前全球其他人口结构指标诸如男女比、城镇人口占比、受教育人口占比都在发生改变，这势必将对以人为本的全球寿险业产生深远影响。因此全面系统地梳理和分析人口结构变迁对寿险消费的影响，有着重要的理论和现实意义。

本文试图从以下三个方面对以往关于人口结构与寿险消费的研究进行补充：一是将研究视角从国内拓展到国际，人口结构变迁是全球各国共同面临的问题，并且全球范围内的人口结构变量更加丰富，地域差异更加明显，可以将原先国内研究样本中忽略的性别比、宗教信仰等变量考虑进来。二是全面梳理人口自然结构、社会结构和地域结构变迁对寿险消费的影响，而非仅局限于人口老龄化的影响。国内很多现有研究将人口结构等同于年龄结构，仅用年龄人口占比来代表人口结构转变是不够全面的，人口结构变迁给寿险消费带来的影响远比人口老龄化的影响更加复杂和难以判断。三是实证检验部分除了对全样本数据进行回归之外，重点对人口老龄化不同程度的地区进行了异质性分析，这将区别于目前国内文献中大多分析经济发展水平不同地区的差异，重点分析老龄化程度不同地区的各类人口结构变量对寿险消费的影响差异和变化趋势，研究结论有助于根据地区人口具体情况预测未来寿险行业发展趋势、规划寿险市场未来格局，也可以为寿险公司制定具体地区性发展策略以及设计满足不同地域寿险消费产品提供有力的理论依据和数据参考。

二、文献综述与理论梳理

现有研究中以全球寿险消费为研究对象的极少，敖玉兰和韩晓峰(2015)的研究采用全球87个国家的数据，通过分位数回归方法研究发现预期寿命的延长将为人身保险市场的发展带来巨大机遇和挑战[1]。但人口老龄化只是人口结构转变的主要表现之一，廖海亚和游杰(2012)[2]，张冲(2013)[3]63等都指出人口结构是一定地区、一定时点的人口各种内部结构的比例关系，外延非常广阔，包括人口自然结构(包括人口性别结构、人口年龄结构)、人口社会结构(包括宗教信仰、文化、婚姻、家庭、职业等)和人口地域结构(包括人口自然地理结构、人口行政区域结构和人口城乡结构)。人口结构变迁会带来人口风险，增加家庭未来消费的不确定性，进而影响到寿险消费，并促使保险公司重新调整产品种类和经验策略，最终形成新的市场均衡。接下来将结合国内外相关文献对具体人口结构指标变化对寿险消费的影响进行全面梳理。

(一)人口自然结构对寿险消费的影响

1.预期寿命

预期寿命对寿险消费的影响是非常复杂的。国外现有研究中，有的实证结果显示预期寿命对寿险消费有正面影响(Beenstock 等,1986[4]267; Truett等,1990[5]326; Outreville,1996[6]270; Ward和Zurbruegg,2002[7]406)，也有显示负面影响(Lewis,1989[8]463; Li 等,2007[9]647)，还有结果不显著(Browne和Kim,1993[10]628; Beck和Webb,2003[11]66-75; Millo和Carmeci,2015[12]334)。生命周期消费假说指出，高死亡率将刺激寿险需求的上升，但这里实际上针对的是定期寿险。因为，高死亡率对应的是预期寿命的降低，这对于年金类险种是有负面影响的。反之，预期寿命的提高会延长养老时间和养老成本，从而刺激人们对养老保险的需求，同时由于死亡风险降低而减少对定期寿险的需求。Yaari(1965)[13]和Hakansson(1969)[14]均指出由于生命的不确定性，人们会通过购买寿险来维持退休后的生活。但在供给方面，预期寿命的延长会改变死亡率和生存率的分布，导致死亡寿险的费率下降，年金保险的费率上升，对人们具体的寿险消费又带来了反向影响。同时，Barry(2005)[15]指出人口预期寿命的不断延长，将带来更多风险，例如疾病、残疾等问题会使保险公司面临更复杂的风险评估问题。因此，综合来看，预期寿命将从正面和负面共同影响寿险消费。由图1可见，全球人口平均寿命已从1960年的52.5岁提高至2018年的72.5岁，未来长寿风险将成为寿险消费的一个重要推动力。

图1 1960—2018年全球人口自然结构走势

2.家庭抚养比

家庭抚养比主要包括老年抚养比和少儿抚养比，相较于预期寿命能更直接地反映一个国家的老龄化程度。Beenstock等 (1986)在寿险消费研究中首次引入家庭抚养比后[4]265，这一指标就成为日后相关文献中最常见的影响因素。Levy(2004)指出伴随美国的老龄化，将需要更多的终身寿险，主要用于遗产规划、对成年子女的经济支持、子孙辈的大学教育、长期护理需要等方面[16]。因此伴随人口老龄化的加剧，寿险消费将不断增加。Beenstock等 (1986)[4]267-270，Browne和Kim (1993)[10]628以及Li等 (2007)[9]647在回归中都检验证实了老年抚养比和少儿抚养比的提高都会刺激寿险消费，国内研究中齐子鹏等(2018)[17]54、王宏扬和樊纲治(2018)[18]的检验结果也基本一致。张连增和尚颖(2011)[19]、张庆君等(2013)[20]以及郭金龙和张磊(2014)[21]6仅对老年抚养比和中国人身保险密度的关系进行了回归，发现两者存在稳定正相关。但Beck和Webb (2003) 基于1961—2000年68个国家数据的回归分析中证实老年抚养比的正面影响，但少儿抚养比的影响并不显著[11]66-75，Millo和Carmeci (2015)[12]334和张冲(2013)[3] 69则得出了完全相反的结论。总得来说，家庭抚养比提高，将导致家庭未来抚养老人和儿童的经济负担加重，会提高居民购买寿险，尤其是储蓄型险种的动机。另外，寿险消费取决于受益人、配偶及子女的效用函数最大化(Lewis，1989)[8]453-458，因此一般而言，当少儿抚养比提高时，社会对于寿险的需求将会提升。但是储蓄型险种的保费较高，且持续时间较长，会增加居民当期支出，对寿险消费有一定负面影响。从图1可以发现，近60年来，全球老年抚养比在不断上升，居民将更加关注长寿风险，购买养老保险的意愿会愈加强烈。而少儿抚养比呈明显下降趋势，但孩子数量与质量直接存在替代关系，现在的家庭更倾向培养高质量的孩子(Becker，1960[22])，这意味着用在孩子身上的寿险消费支出未必会减少。

3.性别占比

男性和女性在对待风险的态度上有着很大的区别，何贵兵等(2002)研究发现，在获利情况下，男性比女性更偏好风险，在损失情况下，女性比男性更偏好风险[23]。即男性为了获利更愿意冒风险，而女性为了避免损失更愿意冒风险。寿险的基本功能是分散风险和经济补偿，这将更加吸引女性消费者。另外，根据World Bank数据显示，全球女性的平均寿命为74.7，高于男性的70.2，这使男女在寿险险种选择上存在差异。Gandolfi和Miners(1996)研究结果也显示丈夫和妻子在寿险功能选择上存在明显不同[24]。因此，女性对保障型、储蓄型寿险以及养老保险的需求会更大，而男性更倾向于购买投资型寿险产品。图1显示1960年以来，全球女性占比始终没有超过50%，且有微幅下降，这对于寿险消费可能不会影响特别显著。

(二)人口社会结构对寿险消费的影响

1.受教育程度

受教育程度是人口社会结构的重要指标之一，它衡量了居民的风险态度，影响居民对风险的认知。Truett等(1990)首次加入了人口的教育结构，通过对墨西哥和美国寿险消费的对比研究发现，受教育程度是影响寿险消费的主要因素之一[5]324。之后大量研究都提出了受教育程度对寿险消费会有正面影响的假设，Browne和Kim (1993)指出接受的教育水平越高，人们会更加厌恶风险，从而寿险消费会大大提高[10]628。这一正相关关系在大量国外文献(Ward和Zurbruegg,2002[7]406; Li等,2007[9]647; Kjosevski,2012[25]243-245;Yuan和Jiang,2015[26])以及郭金龙和张磊(2014)[21]6，齐子鹏等(2018)[17]54国内研究中也得到了验证。受教育程度的提高使得居民更加认识和接受保险，理解寿险分散风险、经济补偿及投资理财的功能，将寿险产品合理运用于自身风险保障和投资理财。另外，受教育程度越高，工作岗位和社会地位也将随之提高，这将有助于增加收入，提高寿险消费。但Outreville(1996)[6]273，Beck和Webb(2003)[11]66-75以及张冲(2013)[3]69的实证结果却显示为负相关。Millo和Carmeci (2015)研究发现受教育程度越高的人会更加偏好风险，因为他们掌握了更多更有效的风险分散方式，并且能够很好的运用它们，而不仅仅局限于购买保险[12]336。因此，受教育程度对寿险消费的影响未必显著为正。

2.宗教信仰

宗教信仰也是人口社会结构的主要特征，独特的宗教文化会影响居民行为，包括寿险消费。Browne和Kim(1993)首次加入了宗教因素，以45个国家1980—1987年的数据为样本，分析了伊斯兰教对人均寿险支出的影响[10]621-628。 Ward和Zurbruegg(2002)[7]401与Beck和Webb (2003)[11]59-60也都在回归模型中加入了宗教变量，发现伊斯兰教占主导的国家相对于其他国家，寿险消费小很多，这是因为传统保险理念与伊斯兰教法相冲突，伊斯兰教法认为一份交换合同必须消除合同的不确定性，合同双方享有的权利和应承担的义务必须有明确规定，如果权利和义务都是仅限于可能性，那么这个合同是无效的。而保险合同的最终理赔恰恰取决于风险事故是否会发生，这一冲突导致保险业很难为全世界大约15亿的穆斯林人口提供充分的服务。这从阿联酋、沙特等伊斯兰教国家极高的人均GDP水平和极低的寿险密度对比中就可见一斑。

(三)人口地域结构对寿险消费的影响

城乡结构是人口地域结构的主要内容之一，一个地区越城市化，经济发展水平会越高，人口更加聚集，风险防范意识更加强烈，非常有利于寿险产品的销售。Outreville(1996)首次加入了人口的城镇结构，通过对1986年48个发展中国家截面数据的实证研究表明，城镇化对人均寿险支出有促进作用[6]273。之后Hwang和Gao(2003)[27]、Hwang和Greenford(2005)[28]、张冲(2013)[3]69以及郭金龙和张磊(2014)[21]6等很多国内外研究都实证得到了类似结果。但Beck和Webb (2003)[11]66-75、齐子鹏等(2018)[17]54的研究结果并不显著。这是因为城市人口占比的上升主要是由于农村人口向城市人口转移，尤其是农村的年轻劳动力进入城市安家立业，无论从风险意识还是寿险消费上都相对较低，因此对寿险消费的影响可能不明显。

三、变量选取与模型构建

(一)变量选取

本文研究的是全球人口结构对寿险消费的影响。被解释变量是居民寿险消费，国外大量研究(Truett等,1990[5]324; Browne和Kim,1993[10]625;Outreville,1996[6]268; Ward和Zurbruegg,2002[7]402;Li等,2007[9]644-648;Kjosevski,2012[25]242;Millo和Carmeci,2015[12]329)均用寿险密度来衡量，反映的是寿险在居民中的普及程度。解释变量是人口结构，根据前文的理论梳理，选取预期寿命、老年抚养比、少儿抚养比和性别比来代表人口自然结构，选取受教育程度和宗教信仰来代表人口社会结构，选取城镇化水平来代表人口地域结构。另外，影响保险消费的因素还有很多，加入居民收入水平、通货膨胀和金融发展水平作为控制变量。具体变量说明见表1。在模型构建中将对寿险密度、预期寿命和居民人均可支配收入分别取对数，以消除异方差。

表1 变量说明

本文选取了2000—2018年19年间，全球73个国家和地区的面板数据进行回归。其中，寿险密度来源于Swiss Re发布的sigma explorer数据库，其他人口和经济金融数据均来源于World Bank数据库。对各变量的描述性统计见表2。

表2 各变量描述性统计

(二)模型构建

1.静态面板数据模型

在静态面板模型中，首先使用混合估计模型进行回归，根据F值来判断是使用固定效应还是混合OLS，然后使用随机效应模型进行回归，通过LM检验来判断是使用随机效应还是混合OLS，最后通过Hausman检验判断固定效应和随机效应的选择。静态面板回归模型如下：

LnIDit=αi+β1LIFEit+β2DEPOit+β3DEPCit+β4FEMALEit+β5EDUit+β6REGit+β7URBANit+

γitControlit+εit

(1)

其中，Controlit为控制变量，i代表国家或地区，i=1,2,…,73；t代表年份，t=1,2,…,19。αi为截距，εit为随机干扰项。在混合估计面板模型中，设定全部个体的截距α都是相同的，如果解释变量与误差项不相关，则可以使用最小二乘法(OLS)对参数进行估计。在固定效应模型中，每个个体都有不同的截距项αi，即个体效应，且其与解释变量相关。如果截距项与解释变量无关，则采用随机效应模型。

2.动态面板回归模型

由于寿险基本都是长期合同，提供终身保障，缴费期限多为20年或30年，因此居民上一期的消费行为会对当期消费产生重要影响。这在静态面板回归模型中并没有被考虑进去，忽略了前一期保险密度对其当期的动态影响，估计结果可能会产生偏差。因此，考虑到寿险消费的连贯性，进一步构建动态面板回归模型如下：

LnIDit=αi+β1L.LnID+β2LIFEit+β3DEPOit+β4DEPCit+β5FEMALEit+β6EDUit+β7REGit+β8URBANit+γitControlit+εit

(2)

其中，L.LnIDit表示第i个国家或地区第t-1年人均寿险保费收入，即滞后一期的被解释变量。但是被解释变量的滞后项与扰动项相关会导致内生性问题，对此Arellano和Bond(1991)[29]提出差分广义矩估计来解决内生性问题，但水平变量滞后项经常会存在弱工具变量问题，使得估计结果存在小样本偏误。Arellano和Bover(1995)[30]、Blundell和Bond(1998)[31]提出了系统广义矩估计来解决弱工具变量问题，将被解释变量的高阶滞后项作为差分方程的工具变量和差分的高阶滞后项作为水平方程的工具变量，可以有效控制被解释变量的滞后项与扰动项相关所带来的内生性问题，比差分GMM估计利用更多信息，不易受异方差干扰。

四、回归结果分析

(一)全球人口结构对寿险消费的影响

根据模型(1)和(2)分别用最小二乘法、固定效应或随机效应模型、差分广义距估计和系统广义距估计四种方法进行回归，参数估计结果见表3。

表3 参数估计结果

表3(续)

表3的静态模型回归中，根据Hausman检验的P值，确定使用固定效应模型，缺陷是没有考虑到寿险消费的滞后影响，使估计结果出现偏误。在动态模型回归中，两个估计方法的Sagan检验的P值都为1，说明工具变量有效，模型不存在过度识别。Arellano-Bond检验AR(1)的P值显著，而AR(2)的P值不显著，说明扰动项不存在二阶自相关。

从表3的具体回归结果中，可以看出系统广义矩估计结果优于其他估计结果。第一，预期寿命的系数显著为正，预期寿命的提高对寿险消费有正向影响，这表明死亡率和生存率分布的改变，会使居民增加对养老保险和终身寿险的消费，且影响程度大于对定期寿险的抑制作用。第二，老年抚养比的提高能够刺激寿险消费，这与大多数前期研究结论一致，老年人口抚养负担的加重会促使居民购买养老保险为未来老年生活提供充足保障。但少儿抚养比对寿险消费的影响并不显著，说明目前少儿抚养比的减少并不会不利于寿险消费，这和现在高投入的育儿理念有较大关系。第三，女性占比越高，寿险消费越多，这在一定程度上验证了女性相对于男性更加厌恶风险，加上保障型寿险以及养老保险是主要险种，使得正向影响显著。第四，受教育程度与寿险消费正相关，教育水平的普遍提高增强了居民的风险意识和购买寿险的积极性。第五，伊斯兰教信仰确实对寿险消费产生明显抑制作用，宗教文化既会影响居民寿险主观需求也会左右寿险产品供给。最后，人口城镇化水平对寿险消费有着显著的正向影响，人口的聚集更加有利于产品销售。

其他控制变量对寿险消费的影响都是显著的，其中寿险消费的滞后项(L.LnID)的估计系数为0.944，这表明居民的寿险消费存在明显惯性，形成了连续缴费或者续保的习惯。而居民收入即经济能力仍是决定寿险消费的最重要因素之一。此外，通货膨胀使长期寿险的保障程度未来面临购买力严重下降的风险，这会抑制寿险消费。金融市场发展程度越完善，居民可选择的风险管理、理财投资的渠道越丰富，会在一定程度上替代寿险消费。

(二)按老龄化程度划分的子样本分析

前面使用的是全球73个国家和地区的全样本进行的研究，但由于各地人口老龄化程度差异较大，接下来进一步按照老龄化程度来划分出子样本，对老龄化程度不同的地区进行异质性分析。Pichat(1956)[32]开始对人口老龄化进行开创性地系统性研究，是最早关于人口老龄化对经济发展影响的研究成果，标志着社会老年学的诞生。其中提出的老龄化标准成为国际通行标准，当一个国家或地区65岁及以上人口占比超过7%时，就意味着进入老龄化；达到14%，为深度老龄化；超过20%，则进入超老龄化社会。

表4 不同老龄化程度的国家和地区分类

表4是按照2018年65岁以上人口占比对73个国家和地区进行排序并根据上述标准分成了四组。其中有10个国家进入超老龄化社会，23个国家和地区属于深度老龄化，24个国家进入老龄化社会，16个国家尚未进入老龄化社会。在此基础上运用系统广义距估计对子样本回归，考察在人口老龄化不同程度的国家和地区，人口结构变迁对寿险消费的影响是否存在差异。

表5 参数估计结果

表5(续)

从表5中可以发现，子样本回归与全样本回归的结果略有不同。首先，预期寿命对寿险消费的正向影响在老龄化社会是显著的，尤其在深度和超老龄化社会，影响程度尤为明显，但在非老龄化社会中影响并不显著。同样，老年抚养比也是对老龄化社会的寿险消费有显著刺激，在非老龄化社会甚至还有抑制作用。少儿抚养比的影响也有类似结果。一方面是因为相较于非老龄化地区的居民，已经进入老龄化地区的居民对未来自身养老负担加重有着更深的认识和更明确的预期，会对未来养老保障做更加充足的准备和长远打算，因此对养老保险、终身寿险的购买更加积极。另一方面，老龄化社会，尤其是深度老龄化和超老龄化社会大都是发达国家和地区，居民收入水平很高，在经济层面上能够负担寿险的长期保费，因此对寿险的有效需求很高，进而明显促进了寿险保费收入的增长，而非老龄化社会大都是经济落后地区，家庭抚养比的提高，反而进一步增加了家庭基本生活开支，更加无力负担寿险消费，因此产生负向影响。

其次，女性占比这个指标也是在老龄化地区对寿险消费产生了正向影响，而在非老龄化地区，影响还不甚明显。可见在老龄化背景下，女性对风险厌恶的态度明显刺激了家庭养老保险等保障型寿险的购买，以减少未来养老支出的不确定性。反映居民风险意识的还有受教育程度，在65岁以上人口占比低于14%的地区，受教育程度的高低还没有明显影响到寿险消费，但随着老龄化程度加深，受教育程度的提高不仅使居民风险意识加强，也使居民收入提高，共同刺激了寿险消费。

第三，城镇化水平和前面几个指标不同，在65岁以上人口占比低于14%的地区，对寿险消费的刺激作用非常显著，但随着老龄化程度加深，影响变得不甚明显。这主要是因为，在65岁以上人口占比低于14%的地区，大都是发展中国家，城镇化趋势在这20年间非常明显，人口的集聚为寿险大规模销售提供了非常利好的条件。而深度老龄化和超老龄化社会大都是发达国家和地区，城镇化水平普遍已经很高，因此对寿险消费的促进作用大大削弱。

另外，由于样本中伊斯兰教国家的65岁以上人口占比均低于14%，因此前两个子样本的回归结果中，宗教信仰的结果缺失。而后两个子样本的回归结果和全样本的一致。其他控制变量中，居民收入始终对寿险消费有着正向影响，而通货膨胀和金融发展水平也是在老龄化程度较深的地区对寿险消费有显著负向影响，在非老龄化地区的影响不显著甚至相反。

(三)稳健性检验

为了进一步验证回归结果的可靠性，本文还通过替换变量来进行稳健性检验。被解释变量用寿险深度(LIP)替换寿险密度(LID)，该指标是指各国或地区每年寿险保费收入占当年GDP的比重，反映寿险在国民经济中的地位，被广泛应用于保险发展程度的研究中。解释变量中，用老年人口占比(OLD)对老年人抚养比(DEPO)进行替换，即65岁以上人口数占总人口数的比重，用少儿人口占比(TEEN)对少儿抚养比(DEPC)进行替换，即0～14岁人口数占总人口数的比重。控制变量中，用人均国内生产总值(RGDP)替换居民收入水平(Y)，同样也反映了居民当年的经济收入，为消除异方差，对RGDP取对数，记为LnRGDP。表6是四个替代变量的描述性统计。

表6 替代变量的描述性统计

根据模型(2)分别对全样本以及按老龄化程度划分的子样本分别进行回归，参数估计结果见表7。可以发现，预期寿命、老年人口占比、少儿人口占比、性别比、受教育水平、城镇人口占比以及宗教信仰等人口结构变量，以及其他控制变量对寿险深度的影响和表3、表5中的结果基本一致，这表明回归结果是稳健的。

表7 参数估计结果

表7(续)

五、结论与启示

本文将研究视角从国内拓展到国际，结合国内外相关文献，全面梳理人口自然结构、人口社会结构和人口地域结构变迁对寿险消费的影响，发现人口结构变迁给寿险消费带来的影响远比人口老龄化的影响更加复杂和难以判断。在此基础上，利用73个国家和地区2000—2018年的面板数据，分别通过静态面板模型和动态面板模型进行实证检验，回归结果显示，整体来看，预期寿命、老年抚养比、女性占比、受教育程度和城镇化都对寿险消费有显著刺激作用，伊斯兰教信仰确实对寿险消费产生明显抑制作用，而少儿抚养比对寿险消费的影响并不显著。进一步地，按人口老龄化程度划分了不同地区进行了异质性分析，发现各人口结构指标对寿险消费的影响在不同地区差异明显。其中，一旦进入老龄化社会，预期寿命、老年抚养比、少儿抚养比、女性占比和受教育水平对寿险消费的正向影响都比较显著，尤其在深度和超老龄化社会，但在非老龄化社会中影响并不显著，甚至还有抑制作用。而城镇化水平正好相反，在65岁以上人口占比低于14%的地区，对寿险消费的刺激作用非常显著，但随着老龄化程度加深，影响变得不甚明显。

基于以上研究结论，未来寿险公司应结合具体地区的老龄化程度，把握人口结构变迁背景下消费者需求的潜在变化，制定差异化的发展策略。首先，在深度老龄化和超老龄化地区，应更多关注预期寿命、家庭抚养比、女性占比以及受教育程度的变化来制定寿险公司供给策略。比如重点考虑创新养老保险，结合老年人生理、心理特点，以及对长期护理、养老服务的需求，推出能够全面保障晚年生活的产品。再如进一步拓展少儿险种，在老龄化程度越深的地区，生育率普遍偏低，家庭对子女的培养更加重质，有关未来教育、婚嫁的储蓄型人身保险、健康保险等市场前景可观。另外这些地区居民受教育程度普遍很高，对销售方式和售后服务的要求也有别于其他地区，高素质的专业中介、全覆盖的网络服务、高效率的保险科技以及人性化的售后服务都将是寿险公司未来的发展重点。其次，在刚刚进入老龄化的地区，可以重点关注城市发展，抓住人口流动趋势和城市布局变化，从销售网点分布、新增城市人口的风险保障需求以及居民支出结构等几个方面来挖掘未来寿险销售的新增长点。最后，在尚未进入老龄化的地区，关注城市化发展的同时，还要投入更多的精力进行保险教育，寿险公司可以通过赞助大中小学学生活动、组织义工活动等方式进行宣传，提升未来社会主力人群的保险意识，激发潜在寿险需求，培养潜在保险人才。