中國壽險市場需求影響因素的測度檢驗

余昌龍，劉興宇

(江西財經大學國際經貿學院，南昌330013)

壽險業務發展的好壞是探究中國保險市場前進方向的窗口。對影響我國壽險需求的相關因素進行深入研究，引導壽險市場健康發展，可以充分發揮保險業對經濟社會發展的“助推器”和“穩定器”的作用?，F有的研究涉及了包括經濟、人口、社會等方面的因素，但由于數據統計口徑的不一以及研究方法的差別，造成研究的結論有所不同，特別是關于死亡率、受教育程度、撫養率等方面存在的差異最大。本文在國內外研究的基礎上，運用向量自回歸模型，考察各變量之間長期的動態相關性。

1 指標選取和樣本數據說明

1.1 指標的選取

本文構建的變量系統以我國1985～2013年壽險業保費收入作為被解釋變量，用來表示市場上對壽險的需求情況，我國歷年的人均GDP、金融發展深度、撫養比、外貿出口額、高等院校入學率和粗死亡率六個指標為解釋變量，作為影響我國壽險需求情況的主要因素，相關變量解釋如表1。

表1 變量說明表

這一變量系統以加權平均的形式存在，既包括經濟因素，也包括人口和社會的因素，展開后可以得出以下的線性方程：

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

上式部分取對數以便于彈性分析，可得如下估計方程：

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

然而以上方程的數據并非平穩數據，為避免偽回歸的情況發生，本文使用協整理論對上述方程進行檢驗和估計。

1.2 樣本數據說明

本文研究的相關變量選擇的樣本區間是1985～2013年，其中壽險保費收入的數據的來源分為兩部分，1999年以前的數據來自于《中國保險業發展報告2003》及相關資料計算整理所得，1999以后的數據來源于中國宏觀經濟數據庫，金融發展深度、撫養比、粗死亡率以及高等院校入學率的數據出自世界銀行公布的資料所得，外貿出口額以及GDP的相關數據則是來源于中經網統計數據庫，并且壽險保費收入、人均GDP以及外貿出口額均以1985年的價格為基期，采用CPI加權指數計算得出。

2 模型的構建

2.1 變量的平穩性檢驗

為消除時間序列的異方差性，在進行計量分析時，先對各變量部分取自然對數，處理后的結果分別為LnLP、LnGDP、DFD、LnEFT、DR、CMR、EDU。

由于VAR模型運用的前提是要求模型中的變量具有平穩性，因此本文采用ADF檢驗法來對相關變量進行單位根檢驗，檢驗結果見表2。根據表中單位根檢驗結果可知水平序列均為接受原假設，即原序列是不平穩的，但是其一階差分序列拒絕了原假設，所以LnLP、LnGDP、DFD、LnEFT、DR、CMR、EDU都是一階單整序列。

2.2 協整關系檢驗

在上述基礎上，對各相關變量進行協整檢驗，本文考慮到Johansen協整檢驗在多變量方程中檢驗的功效更為穩定這一優勢，因此運用Johansen方法。但是Johansen檢驗是基于向量自回歸模型基礎上的一種方法，因此選擇最優的滯后階數顯得尤為重要，本文利用Eviews7.0軟件，在比較1-3階滯后期下AIC和SC信息準則得出VAR模型的最優滯后階數為2，所以Johansen協整檢驗的最優階數為1，模型結果如表3所示。

表2 ADF單位根檢驗結果

由Johansen的協整檢驗結果可以看出，協整方程的跡統計量均大于5%的臨界值，在此情形下，不能終止檢驗，因此無法有效判斷存在多少個協整向量，而最大特征根值統計量在r=5的情形下大于5%的臨界值，因此接受了原假設，即在5%的顯著性水平下存在5個協整向量，也就是說LnLP、DFD、LnEFT、DR、CMR、EDU之間存在長期的動態的協整關系。

3 基于VAR模型的脈沖響應函數和方差分解

3.1 向量自回歸

在時間序列中，為充分考慮相互聯系的變量及其隨即擾動項對各變量的動態沖擊，可以用VAR模型對各變量的進行分析及預測，從而能更深入的解釋各種經濟沖擊對時間序列變量的影響。本文把壽險保費收入、國內生產總值、金融發展深度、粗死亡率、外貿出口額、撫養比、高等院校入學率都視為內生變量，以此為基礎構建滯后2階的VAR模型。結果如表4所示。

表3 Johansen統計量協整檢驗結果

表4 滯后2階的VAR模型估計結果

3.2 脈沖響應函數分析

為了避免VAR模型中的參數可能不具有明顯的經濟意義，考慮某個變量的擾動對其本身及序列中其他變量的影響情況顯得尤為必要，為此，可以利用VAR模型進行沖擊反應分析，進一步探索各變量之間關系，所以應該對時間序列進行脈沖響應分析。脈沖響應的結果如下美元指數與巨大價格的脈沖函數圖所示。其中橫軸表示沖擊作用的滯后期數（單位：年），縱軸表示相關變量，實線為脈沖響應函數，虛線則是正負兩倍標準偏離帶。

從圖（a）可以看出LnGDP的一個沖擊初始會對LNLP有一個負的影響，隨后逐漸上升，并在第二到第三期之間達到最大值，響應值約為0.06,其后影響逐漸收斂，并在第七期后呈現負的沖擊，這說明LnGDP對LnLP的影響不大，但是會一直持續下去。在圖（b）中，LnEFT初始對Ln-LP的影響約為0，并一直持續下去，雖略有波動，但到第10期，這種影響基本消失。圖（c）中，EDU初始會對LnLP有一個負的沖擊，而后繼續上升，但在第三期后繼續下降，到第十個年度后保持在-0.1左右，并且會一直持續下去。圖（d）中，CMR初始會對LnLP有一個微小的正向影響，并在第二期達到最大值，其后逐漸收斂為0，說明CMR對LnLP幾乎無影響。有圖（e）可以看出，DR第一期后即對LnLP有一個負的影響，雖然影響不大，但是會一直持續下去。圖（f）顯示，DFD的沖擊一到四期具有波動性，但在第四期以后逐漸上升，并在第10期響應值達0.1，這說明DFD會持久的影響LnLP。（g）圖中，LnLP在本期給自身一個正向沖擊LnLP在幾期波動后，其反應期內響應值將達到最小值-0.05,逐漸上升，但在第10期后影響基本消失。

3.3 方差分解

相對于脈沖響應函數來說，方差分解則是在VAR模型中分析各個變量擾動項的變動對某個變量預測總誤差變動的影響。本文在方差分解法的基礎上對LnLP不同預測期數誤差的方差進行分解，來判斷各變量對LnLP的解釋成分，本文將LnLP的方差分解為其自身、LnLP、DFD、LnEFT、DR、CMR、EDU所形成的貢獻率。各變量對LnLP影響的10期方差分解表如表5所示：

從表中可以看出，在第1期，除了LnLP自身外，其余變量對LnLP的影響程度均為0，但隨著時間的推移，LnLP對自身的貢獻率迅速下降，其余變量對LnLP的貢獻率大多呈現不斷上升的趨勢。LnGDP對LnLP的貢獻率不大，且呈波動性，到第10期LnGDP可解釋約8.6%的新息，這與以往的研究存在較大的分歧。EDU對LnLP的貢獻最為顯著，且呈逐年遞增的趨勢，特別是在第6期以后，增速最為明顯，到第10期可解釋約23%的新息，說明高等教育入學率在對LnLP的貢獻中的作用一開始不明顯，但隨著實踐的推移，其地位不斷顯現。其余變量如LnEFT、CMR對LnLP的貢獻很小，這與以往的研究較為一致。DFD對Ln-LP的貢獻也是不斷遞增的，但其貢獻率略小于EDU,到第10期可解釋約20%的新息。DR對LnLP的影響較小，大體保持在6%左右。

表5 lnLP的10期方差分解圖

4 結論

本文在多種計量方法的幫助下得出以下結論：我國壽險保費收入與我國金融發展深度、外貿出口額、撫養比、高等院校入學率以及粗死亡率之間存在長期穩定關系。其次，基于我國壽險保費收入的VAR模型所做的脈沖響應分析以及方差分解得出對我國壽險保費收入影響最大的是其自身，但隨著時間的推移會逐漸下降，而國內生產總值、粗死亡率、撫養比以及外貿出口額對我國壽險保費收入的貢獻率并不大，不過壽險保費收入的變動有23%來自高等院校入學率的變化，20%來自于金融發展深度的變化。

[1]謝云,程細玉.我國保險需求的影響因素分析[J].保險職業學院雙月刊.2010,(3).

[2]汪進賢,丁麗馨.我國保險需求影響因素的計量經濟分析[J].福建金融管理干部學院學報.2011,(3).

[3]陳辭,李炎杰.中國保險需求的實證分析[J].當代經濟.2014,(7).

[4]虞舒蕾,程靈敏等.我國壽險需求影響因素的實證分析——基于灰色關聯度分析[J].企業研究.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).