我国寿险业发展的影响因素分析——基于个体与市场层面的比较分析

刘余庆 复旦大学经济学院

本文通过从个体层面、市场层面对我国寿险业发展的影响因素进行定性分析，找出了两个层面有可能影响我国寿险业发展的因素：收入水平、受教育水平、年龄结构、社会基本保障、性别、通货膨胀、经济发展水平等。然后在Logit 模型基础上，利用5449 份“中国健康与营养调查（CHNS）”数据进行个体层面实证分析，结果显示：年龄A、性别G、收入I、学历水平E、社会基本保障S 对个体寿险需求有显著影响，城乡户口影响作用则不显著。再在面板数据固定效应模型基础上，利用30个省份2002年至2019年数据进行实证分析，结果显示：地区生产总值、地区通货膨胀率、地区城乡居民人均可支配收入、老年人口比对寿险业发展有显著影响，受教育水平影响则不显著。两者实证结果对比分析可得：在我国寿险业发展过程中，个体与市场两个层面影响因素的作用方向基本一致。

一、引言

我国保险业自1980年恢复以来，经过几十年的发展，实现了高速增长。2020 年底，我国保费规模由1980 年的4.6 亿元，快速増长到2020 年的4.5 万亿元，保费收入超越日本，位居世界第二，保险公司总资产规模也达到了23.3 万亿元。但2019 年我国保险密度430 美元，位列全球第46 位；保险深度4.3%，位列全球第38 位，和全球平均水平相差1.56 个百分点，明显落后于美国、日本等国家，这和我国“全球第二大经济体”的称号极其不匹配。

2017年5月，原保监会出台了134号文件《关于规范人身保险公司产品开发设计行为的通知》，标志着“保险姓保”的强监管周期开始。同时，伴随着中等收入群体的逐渐崛起与人口老龄化，未来几年，如何实现高质量发展是我国寿险业要解决的重要课题之一。

本文拟从个体层面、市场层面两个角度研究寿险业发展的影响因素，以期促进我国寿险业高质量发展。

二、文献综述

学者们在研究寿险业发展的相关理论时，主要通过实证分析法研究对寿险业发展产生影响的因素，希望找到这些影响因素和寿险业发展之间的定量关系，并进一步验证其研究成果的正确性。

从市场层面而言，国外从20 世纪90 年代就开始研究各项宏观因素对寿险业发展的影响。学者们提出，抚养比、预期寿命、收入水平、教育水平、老龄化程度等因素会在一定程度上增加一个国家的寿险需求，如Brown 和Kim（1993）、Outreville（1996）、Beck和Webb（2003）、Levy（2004）、DonghuiLi（2007）、Jordan（2012）等。针对中国的研究也有类似发现，Chengjiang（2015）重点分析了对我国寿险需求产生影响的因素，发现我国寿险需求会随着预期寿命的增加而增加。另外，收入水平、环境因素、老年抚养比、教育水平等诸多因素都会对中国社会的寿险需求产生较大的影响，但这些因素的影响程度和影响方向各有不同。从个体层面而言，对寿险业发展影响因素的研究较少，Sarkodie 和Yusif（2015）对256 名居民进行了问卷调查，并将收集起来的问卷调查数据进行逻辑回归分析。分析结果表明，寿险需求会随着年龄的增加而下滑，家庭抚养人数的增加则会促进社会寿险需求的递增。

国内学者大多根据国外学者提出的研究框架，结合我国国情，对我国寿险需求的影响因素进行系统性分析。如，卓志（2001）收集了我国在1986 年到1995 年之间的寿险数据进行实证分析，重点探讨了我国社会寿险需求所受到的影响因素，在实证分析中发现，社会保障制度改革、教育水平、国民收入水平、家庭中被抚养人口、社会老龄化情况等因素，都会对社会的寿险需求产生较大的影响，且这些因素普遍与寿险需求呈现显著的正相关关系。杨舸、田澎等（2005），赵桂芹（2006），夏益国（2007），朱铭来（2007），孙学英、潘海涛（2007），陈玉领、居春光（2009）等的研究也得出了相应的结论。为了深入分析寿险业发展的影响因素，张连增、尚颍（2011）收集了我国31 个省份在2007 年到2011年的省际面板数据，并构建了模型进行回归分析得出，人口老龄化程度越深，越能够促进我国人身保险市场的可持续发展。钟春平、陈静（2012），张冲（2013），王皎（2014），敖玉兰（2015），唐广应、展凯（2016）亦用31个省份面板数据进行计量分析，得出了相应影响因素与寿险业发展的定量关系。

尽管已有文献从多个影响因素角度研究了寿险业发展问题，但从个体角度做寿险消费的影响因素定量分析的文献并不多见。本文将构建一个个体层面寿险消费的Logit 模型，利用“中国健康与营养调查（CHNS）”数据进行计量估计，并对结果进行分析，且在同一背景下，对市场层面的寿险业发展进行相应的实证分析，然后将两个实证结果进行比较分析。

与现有研究相比，本文的主要贡献在于以下两方面：（1）构建了个体层面寿险消费的Logit 模型，并利用“中国健康与营养调查（CHNS）”数据进行计量估计，得出单个个体在寿险消费时的影响因素及其作用。（2）在同一大背景下，比较同一影响因素在宏观层面与微观层面对寿险业发展的影响及其作用。

三、寿险业发展两个层面的影响因素模型设定

（一）个体层面

借鉴Sarkodie 和Yusif（2015）的分析，本文选择6个变量作为实证分析的对象，6个解释变量分别代表不同的个体特征，满足寿险消费的研究需求，如下所示。

1.性别。以往分析显示，性别一定程度上会影响寿险的消费、发展。本文用G 来代表男女，G=1说明个体为男性，G=2则是女性。

2.城乡户口。个体城乡户口的不同，一方面会影响个体的收入水平与消费水平，另一方面也会影响个体对于寿险的购买意愿。本文用R来代表城乡户口。R=1是指城乡户口中的城市户口，R=2则是非城市户口。

3.收入。个体的收入水平较高，其生活消费层次也越高，寿险消费也会越高。但是需要注意的是，本研究中的收入指的是个体家庭的人均年收入，即包括这一年中家庭所有的工资、奖金、补贴及各种福利在内的全部综合收入减去其当年内所有支出的金额的人均数。本文采用收入的对数作为解释变量，用I来表示。

4.年龄。人的身体免疫力随着年龄的增加在不断降低，对于外界病毒的抵抗力也逐渐衰弱，因此很容易出现身体疾病，寿险的消费意愿也就越强。按世界卫生组织的相关规定，将调查个体进行分组研究，分成少年组、青年组、中年组以及老年组。年龄在0岁到17 岁之间是少年组，年龄在18 岁到44岁之间是青年组，年龄在45 岁到60 岁之间是中年组，年龄在60岁以上是老年组。由于本文的研究对象是个体的寿险消费，在我国少年组的人群是没有收入的，没有寿险消费的能力，因此本文将“少年组”样本剔除，只留青年组、中年组、老年组三个组别。本文用A 指个体所在的年龄组，其中A=1 表示其处在青年组，A=2表示其处在中年组，A=3表示其处在老年组。

5.学历水平。个体的学历水平即受教育水平对寿险消费的影响较大。一方面，学历水平高的个体同时具有较高的经济水平、较高的消费能力；另一方面，学历水平高，风险意识与风险管理意识较强，寿险消费更加普遍。本文将研究对象按受教育程度区分，设置了小学以下、小学、初中、高中及中专、大学及以上学历五个研究小组。本文用E表示研究个体的受教育情况，分别使用数字1 到5表示不同的受教育程度，从低到高，文化水平逐渐提升。

6.社会保障。目前国人的保险意识较为淡薄，很多人认为有社保即可，因此在我国社保对商保的替代性很强。本文将研究个体分为两组，即有社保组和无社保组。本文用S 表示社保分组，其中，S=0 代表没有任何医疗保险，S=1代表有社会基本保障。

由于寿险消费与这些影响因素都是非常难以量化的，因此本文将个体的寿险消费变为离散型的因变量，F=0 表示个体没有寿险，F=1 表示个体有寿险。一般线性回归模型，其中的因变量是连续的，满足数据的连续性分析，因此本文采用非线性计量回归模型。另，由于Probit模型对数据的要求很高，需要数据呈现正态分布，存在较大难度，所以本文基于个体的研究都是建立在Logit 模型基础上实现对数据的线性分析。

（二）市场层面

从市场层面出发，进一步研究宏观层面上的四类因素：经济因素、人口因素、社会因素、风险因素对寿险业发展的影响及其程度。

1.被解释变量Y设定

一些研究分别选用了寿险密度、寿险深度、寿险保费收入作为被解释变量，一方面，本文主要研究的是寿险业发展的影响因素，寿险保费收入最能代表发展程度；另一方面，寿险密度和寿险深度的分母人口数和GDP与被解释变量相关性较强，为避免对估计结果产生误差，本文采用寿险保费收入作为被解释变量Y。

▶表1 Logit模型解释变量描述性统计

2.解释变量设定

通过前人的分析以及数据整理，筛选出5 个能够量化的解释变量进行计量分析，分别是地区生产总值、地区通货膨胀率、地区城乡居民人均可支配收入、老年人口比、受教育水平。

gdp：地区生产总值。衡量该地区经济发展水平，即寿险业发展的经济环境水平。

inf：地区通货膨胀率。通胀率对寿险有较大的影响，但通胀率对寿险业发展的作用，还需要深入研究。本文研究的是省级层面，很多省份没有CPI的官方数据，因此本文用GDP平减指数代替通胀率，计为inf。

di：地区城乡居民人均可支配收入。用来代表各省份城乡居民对寿险的购买力水平。

old：老年人口比。人口年龄结构也是影响寿险消费的重要因素。一般随着年龄的增长，人体免疫力下降，身体出现各类疾病的风险也会随之升高，因此很多人认为这类人群购买寿险的概率增大，但是这只是一些人的主观印象，不能够代表实际的寿险消费情况，本文用老年人口比作为自变量，研究其在寿险消费中的作用。

edu：受教育水平。人们的风险防范意识会随着其受教育程度的提高而越来越强，进而促进寿险业的发展。本文选择各省份的教育资金投入代表该地区的受教育水平，教育资金投入越高，受教育水平越高。

因此，本文将寿险保费收入（百万元）、地区城乡居民人均可支配收入（元）、地区生产总值（亿元）、地区教育资金投入（万元）的绝对值取对数，用其对数值进行面板数据分析。此时，Y代表寿险保费收入的对数，gdp代表地区生产总值的对数，di 代表地区城乡居民人均可支配收入的对数，edu 代表地区教育资金投入的对数。

四、数据来源及实证分析

（一）个体层面

1.数据来源及描述性统计

本文借助Logit 模型实现数据的回归分析，数据来源为“中国健康与营养调查（CHNS）”，采用的数据是最近一次2017年的跟踪调查数据。为保证研究的科学性，只保留变量完整的样本。结合上述的研究分析，将0到17岁这部分调查对象的样本剔除，整理后共获得5449 份有效样本。本文对样本进行描述性分析结果见表1。

2.实证分析

本节通过R语言创建Logit模型，实现对样本的代入分析，模型分析如下。

本节回归方程的表达式为：

μ为随机扰动项。

在进行Logit回归分析前，由于自变量较多，先进行单因素分析。

（1）单因素分析

首先，对自变量逐一进行单因素Logit分析，可以发现具有统计意义的因素有年龄A、性别G、城乡户口R、收入I、学历水平E、社会保障S，因此Logit回归模型中，纳入这些自变量。

▶表2 单因素分析结果

（2）整体回归分析

在将自变量代入模型研究之前，在线性关系方面对数据分析得出，变量方差膨胀因子（VIF）值都不会超过4，说明变量在线性关系中存在共存的情况。再运用R 语言对模型进行计量分析，结果见表3。

根据上述数据分析，结合我国目前的发展态势得出，我国现阶段影响个体寿险消费的主要因素有年龄A、性别G、收入I、学历水平E、社会保障S等5个变量。

具体来说，个体年龄分为三个区间18～44 岁、45～60 岁、60 岁以上。从概率上而言，个体年龄处于60岁以上的，购买寿险的可能性比45～60 岁的个体更低，同样，45～60 岁阶段的个体购买可能性比18～44 岁的个体更低。在其他变量不变的情况下，18～44 岁的个体购买寿险的概率比45～60 岁的个体高42%。一般情况下，60 岁以上个体由于年龄的增加，健康风险越来越高，能购买的寿险产品也越来越少，且能购买的寿险产品性价比也比较低。同时60 岁退休以后收入越来越低，购买寿险的概率较45～60 岁、18～44 岁个体降低。全国来看，受教育程度越高，个体更可能倾向于购买寿险。各学历水平组购买寿险的比例具有较大差异。文化水平较高的人群对于寿险有更好的理解，可以明白其潜在的内涵，接受寿险消费的方式，也可以体会到寿险对于人生的重要性和意义，故更有可能购买寿险。在其他变量不变的情况下，大学及以上学历水平的个体消费寿险的概率是高中及中专学历水平的1.75 倍（即高出75%）。

▶表3 整体回归分析结果

同样，性别也是影响寿险消费非常重要的一个因素。在实际的寿险营销过程中，女性客户由于比较感性且注重家庭，因而购买寿险的可能性远大于男性客户。从系数上看，在其他变量不变的情况下，女性个体购买寿险的概率是男性个体的2.03倍（即高出103%）。

收入水平越高，人们越可能倾向于购买寿险，人寿保险实质上是一种商品，因此在针对不同群体的研究过程中，寿险消费的基础是拥有充足的资金储备。从系数上看，在其他变量不变的情况下，收入每增加1万元，购买寿险的概率就会增加20%。

有社保的个体，更加重视自身保障，更倾向于寿险消费。这与最初的设想有一定出入，但深入研究后可以发现，没有社保的个体中有一大部分属于农村户口，消费水平较低，从而导致购买寿险的概率降低。从系数上看，在其他变量不变的情况下，有社保的个体购买寿险的概率是无社保个体的1.12倍（即高出12%）。

（二）市场层面

1.数据来源及描述性统计

《中国保险年鉴》是1998年开始编撰的，此前的数据缺失严重，并且，2001 年老年人口占比数据缺失，西藏的保费收入数据缺失严重。因此，本文选择2002 年至2019 年全国30 个省份寿险保费收入以及相关经济数据构建面板数据模型，进行实证分析，表4是对不同变量的描述性统计。

▶表4 各个变量的描述性统计

2.实证分析

本节回归方程的表达式为：

uit为随机扰动项。

（1）面板数据单位根检验

本文研究之前需要对面板数据进行单位根分析，确保数据的科学性稳定性，避免出现研究无意义的情况。本文选取了假设存在不同单位根情况下的ADF-Fisher 检验。检验结果如表5所示。

▶表5 ADF检验结果

从表5中可以看出，ADF检验中，Y、gdp、di、old、edu 都在1%水平上显著，inf 在5%水平显著，体现出变量的稳定性。下面是结合实际需求开展的模型回归分析。

▶表6 F检验结果

▶表7 Hausman检验结果

（2）面板模型的选择

本文首先进行F 检验，P 值小于0.01，非常小，不应使用混合面板模型，同时，Hausman验证的P值很小，相比0.01还有很大差距，故原假设不成立，使用固定效应模型。因此，本文使用上述分析得出的模型展开线性分析，数据分析结果见表8。

根据逐步回归的结果，剔除不显著的变量edu，模型的拟合优度R-Squared 为0.88114，调整后的R-Squared 为0.8714。因此，得到的模型的拟合优度比较理想。该计量模型的实际应用型较好，可认为寿险保费收入与地区生产总值、地区通货膨胀率、地区城乡居民人均可支配收入、老年人口比这4个指标有显著性的关系。计量模型为：

（3）计量模型回归结果的分析

结论一：经济发展水平的提高能够促进寿险业的发展。

地区生产总值（gdp）在1%的显著性水平下通过t检验，且地区生产总值每上升1%，寿险保费收入就上涨0.4597%，这说明地区生产总值在市场层面对寿险保费收入有一定的影响。地区生产总值越高，该地区的经济发展水平越高，寿险保费收入也越高，东部地区GDP 高于中西部地区，东部地区的寿险业发展速度更快。

结论二：地区通货膨胀率对寿险保费收入有一定影响。

地区通货膨胀率（inf）在10%的显著性水平下通过t检验，且地区通货膨胀率每上升1%，寿险保费收入就上涨0.0033%，这说明地区通货膨胀率在市场层面对寿险保费收入也有一定的影响。在通货膨胀的影响下，人们会追求保值的产品，投资型寿险产品是具有法律效应的保值产品，在通货膨胀的大背景下，其发展迅速。因此，通货膨胀率越高，对寿险业的发展产生的促进作用越明显。

结论三：受教育水平对寿险保费收入的影响不明显。

根据上述分析，个体的受教育水平（edu）对其保险消费决策有着重要的影响，受教育水平越高，其接受寿险消费的可能性越高。本节分析结果显示其影响不显著，这说明无法确定受教育水平和寿险保费收入之间存在何种联系。目前，我国民众的受教育水平随着各地教育支出的增加在不断地提高，投资理财能力也在不断地增强，市场上可供选择的投资理财工具也在不断增多，导致个体的受教育水平对寿险保费收入的影响作用不明确。

▶表8 面板数据逐步回归结果

结论四：城乡居民人均可支配收入提高能够增加寿险保费收入。

城乡居民人均可支配收入（di）的系数在5%的显著性水平下通过t检验，且城乡居民人均可支配收入每上升1%，寿险保费收入就上涨0.5479%，这说明城乡居民人均可支配收入的不断提高能够促进寿险业的发展。一般来说，城乡居民人均可支配收入代表民众的购买力，是寿险发展的重要因素，但是实证分析中得出的数据还远未达到1%的水平，这可能是受到本文研究中使用的数据来源于不同省份的影响，各省份在城乡居民收入方面的差异使得研究数据失真，但是各省份之间收入水平确实存在差异性。

结论五：老年人口比提高能够显著增加民众对寿险的需求。

老年人口比（old）的系数在1%的显著性水平下通过t检验，且老年人口比每上升1%，寿险保费收入就上涨4.9260%。这说明老年人口占比的增加能够显著促进寿险业的发展，也是影响寿险保费收入的最为显著的一项指标。如前述分析，老年人口的增加一方面会使保障型寿险产品价格变低，促进消费；另一方面又会提高养老的费用，大大促进投资型寿险的发展，尤其是保险公司与养老社区的结合，对两种类型的保险都有促进作用。

五、比较分析及主要结论

从个体层面和市场层面两个角度的模型回归结果可以看出，收入水平（城乡居民人均可支配收入）、年龄结构（老年人口比）对寿险保费收入有显著的影响，其中收入水平提高对寿险行业发展产生了非常大的促进作用，老龄化拉动寿险行业的发展。而受教育水平、社会基本保障、性别在微观个体层面影响显著，宏观层面的通货膨胀率、经济发展水平对寿险行业发展影响显著，结果见表9所示。

不管是从微观层面的Logit模型，还是从宏观层面的2002年至2019年全国30个省份面板数据回归模型，都可以得出收入对于人们保险消费的巨大影响，这充分表明随着收入的增加，人们在人寿保险方面的投入也在不断增加，收入与保险消费之间有着密切的联系，人的潜在需求在经济收入得到满足的前提下，就会转化为消费的欲望。现阶段我国在人寿保险方面还有巨大的市场，但是受到城乡居民收入差异的影响，低收入人群的购买欲望被制约，经济上无法满足购买人寿保险的条件。随着我国经济的发展、人们生活质量的改善、城乡差距的缩小，这些潜在的消费人群必将形成巨大的经济市场。

人们的受教育水平对寿险业发展的影响也较大。从微观个体实证分析可以看出，消费者受教育水平越高，对人寿保险的有效需求也越大。虽然从市场层面的实证分析无法确定人们的受教育水平对寿险业发展的影响，但结合个体实证分析可以发现，受教育水平的提高有助于寿险业的发展。一是因为受教育程度高的人群在接受能力和经济能力上都占据优势，愿意并且有能力购买寿险，关心自己的生存价值；二是因为受教育程度高的人有着更好的风险管理意识，所以对于人寿保险有着强烈的购买欲望。

▶表9 微观个体及宏观市场层面计量分析结果

在年龄方面，从微观和宏观两个层面进行多角度分析。从微观个体层面可以看出，相比青年组，中年组购买寿险意愿更为强烈，而老年组购买意愿则比中年组更强烈。而从宏观实证分析中可以得出，和微观分析一致，老年人口比越大，越能促进寿险业的发展。这与之前的分析是一致的，随着年龄的增大，一方面人们的经济实力不断提升，购买力提升；另一方面人们的健康风险也不断凸显，购买寿险的意愿随之提升。保险公司可以针对性地设计一些老年人的寿险产品，将这些寿险需求转化成寿险保费收入。

另外，性别在微观个体层面对寿险业发展的影响是正向的，这在保险营销过程中体现得淋漓尽致，女性消费者相对于男性消费者而言更加感性，其风险意识、家庭观念更强，对人寿保险的重视程度远大于其他高收益型的金融工具。社保对人寿保险的影响也是正向的，现在社会基本保障对人寿保险存在一定的替代性，但我国没有社保的群体已经非常少了，这类群体大部分处于社会底层，购买力不足，无法形成有效的寿险需求，因此有社保的人群相对于无社保的人群更有意愿购买寿险。由于数据原因，本文并未在市场层面对该问题进行研究。

最后，通货膨胀率、经济发展水平在宏观市场层面对寿险业发展的影响也是正向的。通货膨胀率越高，人们越倾向于选择更加保值的金融工具，而投资型寿险恰恰是寿险公司研发出来的符合人们这类需求的产品。