我国保险业与经济增长关系的实证研究

韩春蕾，王新军

（1.山东大学 经济学院，山东 济南 250100； 2.滨州医学院 卫生管理学院，山东 烟台 264003）＊

一、引 言

我国经济增长为保险业的发展奠定了良好的宏观和微观外部环境，保险业的发展又反过来有力地促进了经济的增长，二者之间的关系越来越密切。由于我国区域经济发展不平衡，不同区域保险业与经济之间的关系也有差异。目前大部分研究经济增长与保险业发展之间关系的文献要么基于国家宏观层面进行整体研究，要么基于区域微观层面进行研究，很少有文献将两个层面结合到一起分析；另外，大部分研究仅从区域保险业发展对经济增长的贡献度进行分析，很少有文献从区域经济增长对保险业发展的贡献度分析；计量方法方面，很多学者直接建立面板数据回归模型，缺少平稳性检验或变量协整性检验。

鉴于此，本文在既往学者研究的基础上，拟研究以下问题：首先，若保险业发展和经济增长之间存在相互关系，这种关系是长期关系、短期关系还是因果关系？这种关系在国家和不同区域之间是否存在一致性？其次，区域经济增长对保险业的贡献度与经济发达程度是否有直接联系？经济越发达的地区贡献度是否越大？

二、指标选取、模型方法及数据处理

衡量保险业发展的指标是保险密度（人均保费额，ID），衡量经济增长的指标是人均GDP（EGDP）［1］。

为消除时间序列数据存在的异方差，可对原始数据实行自然对数变换。本文通过对数化的保险密度（LNID）和对数化的人均GDP（LNEGDP）进行回归。

数据来源于《中国统计年鉴》、《中国保险年鉴》、国家统计局以及中国保险监督管理委员会的网站，使用Eviews6.0以及Stata10.0软件进行数据处理。

本文基于区域经济理论及统计年鉴的划分方法，将我国分为东、中、西部三个地区，分别考察各区域经济增长及保险业发展水平之间的关系。其中东部地区包括：辽宁、河北、北京、天津、山东、江苏、上海、浙江、福建、广东、海南11个省（市、自治区）；中部地区包括：吉林、黑龙江、山西、安徽、江西、河南、湖北、湖南8个省（自治区）；西部地区包括：内蒙古、陕西、青海、宁夏、新疆、甘肃、四川、重庆、贵州、云南、西藏、广西12个省（市、自治区），鉴于数据的可得性问题，本文没有包括西藏自治区［2］。

三、实证分析

（一）基本数据描述

从全国层面上2001～2011年对数化的保险密度和人均GDP两个时间序列数据走势（如图1）所示，可以看出这两个序列都表现出逐年增长的趋势，并且走势基本相似。

图1 2001～2011年全国对数化的保险密度和人均GDP走势

同理，对30个省份对数化的保险密度和人均GDP两个面板数据的纵剖面图也可得出从2001～2011年我国各省份保险密度和人均GDP均呈现出相似的增长趋势。

（二）长期、短期及因果关系

1.单位根检验。对全国及东、中、西部地区对数化的保险密度、人均GDP及其一阶差分序列分别进行单位根检验，结果见表1。

表1 面板单位根检验结果

可见保险密度和人均GDP均含有单位根，是非平稳序列，但一阶差分后都在1%显著性水平上通过检验。因此不管是全国还是东、中、西部地区，对数化的保险密度和人均GDP序列均为1阶单整I（1）［3］。

2.协整检验。根据Pedroni（1999）的证明，在小样本中，Panel ADF－stat、Group ADF－stat的效果最好。协整检验结果如表2所示［4，5］。

表2 面板协整检验结果

所有统计量均在l%显著性水平上通过检验，因此全国和东、中、西部地区其保险密度与人均GDP之间均存在协整关系，即存在长期均衡关系，说明保险密度增长和人均GDP增长互为对方的长期原因。

3.误差修正模型。为进一步了解保险业与经济增长之间短期运行的关系，需构建以下误差修正模型：

其中，ECMi，t－1表示长期均衡误差，i、t分别表示省份和年份，ε1i，t、ε2i，t为随机扰动项［6］。

使用面板误差修正模型全国及东、中、西部地区保险密度及人均GDP短期波动的分析，可得以△LNID为因变量的模型，全国以及东、中、西部地区的ECM项系数均为负且均通过1%的显著性检验，说明存在误差修正机制，也证实了经济增长是保险业发展的长期原因。对于以△LNEGDP为因变量的模型，虽然ECM 项回归系数均为负，但仅全国以及东部地区通过1%的显著性检验，中部地区在10%显著性水平上通过检验，西部地区未通过检验。说明对西部地区而言，保险业是经济增长的长期原因未得到证实。

结合其他变量的显著性，全国以及西部地区的经济增长和保险业发展存在双向短期关系；东部地区两者的短期关系不明显；中部地区保险业发展是经济增长的短期原因，然而经济增长却不是保险业发展的短期原因。

4.格兰杰因果检验。使用2001年Hurlin和Venet提出的固定系数面板格兰杰因果检验方法来检验保险密度和人均GDP的因果关系［7］。模型如下（假定LNEGDPi，t，LNIDi，t的滞后阶数均为K）：

其中，Vi，t＝αi＋ωi＋εi，t，αi、ωi、εi，t分别表示个体效应误差、时间效应误差以及特异误差，且E（εi，t）＝0，E（）＝。

结果表明，在0.05的显著性水平上，保险密度与人均GDP存在显著的互为因果关系，这种因果关系不论是全国整体，还是东部、中部和西部都存在。人均GDP增长对保险密度增长的拉动作用比保险密度增长对人均GDP增长的推动作用显著性更高。这与目前绝大多数的研究成果相吻合。

此外，保险密度与人均GDP的相互推动不是马上呈现出来的，需要一定的滞后期。因此，通过经济增长以促进保险业发展或者通过保险业发展以促进经济增长是合理的。

（三）经济增长对保险业发展的贡献度

将30个省份的LNEGDP对LNID分别进行回归，回归系数表示经济增长对保险业发展的弹性或贡献度。可以得出，经济增长对保险业发展的贡献度与经济发达程度不完全对应。按照斜率依次降低的原则将所有省份分为三组（见表3）。

表3 各省份经济增长对保险业发展的贡献度分组

使用Hausman检验和Swamy随机系数模型检验结果显示：第一组应该选择固定效应变系数模型，第二组和第三组均应选择随机效应变系数模型，估计结果见表4。

表4 三组面板数据模型的分析结果

根据样本可决系数、标准误差等指标的大小，可以认为面板数据模型的分析结果优于每个省份分别回归的分析结果［1］。LNEGDP对LNID的贡献度与经济发达程度不一致，即在经济不发达的地区经济增长是促进保险业发展的重要因素，而在经济发达的地区这种促进作用反而不明显。

四、结论及建议

1.从全国角度来讲，经济增长是保险业发展的重要因素，保险业发展又反过来促进了经济增长。经济增长和保险业发展之间存在长期的协整关系、双向短期关系、双向格兰杰因果关系，这种相互作用的呈现需要一定的滞后期。

2.对于东、中、西部地区来说，经济增长和保险业发展之间的关系不一致。保险密度与人均GDP之间相互促进的关系即协整关系均存在；短期关系方面，西部地区经济增长和保险业发展存在双向短期关系，东部地区两者的短期关系不明显，中部地区保险业发展是经济增长的短期原因，反之则不成立。两者间的格兰杰因果关系是双向的，但经济增长对保险业发展的拉动作用比保险业发展对经济增长的推动作用更为显著，而且这种相互作用需要一定的滞后期才能呈现出来。

3.区域保险业发展与经济发展不协调。经济增长对保险业发展的贡献度与经济发达程度不完全对应。

［1］任燕燕，徐晓艳.中国保险业发展与经济增长关系的研究［J］.山东大学学报哲学社会科学版，2008，（1）：91－96.

［2］魏锋，曹中.我国服务业发展与经济增长的因果关系研究［J］.统计研究，2007，2（23）：44－46.

［3］易丹辉.数据分析与Eviews应用［M］.北京：中国人民大学出版社，2008，（10）：316.

［4］Pedroni，P.Critical values for cointegration tests in heterogeneous panels with multiple regressors［J］.Oxford Bulletin of Economics and Statistics，1999，（61）：653－670.

［5］姚奕，郭军华.我国城市化与经济增长的因果关系研究［J］.人文地理，2010，25（6）：42－46.

［6］Maddala G S，Wu S.A comparative study of unit root tests with panel data and a new simple test［J］.Oxford Bulletin of Economics and Statistics，1999，61（Number Supplement 1）：631－652.

［7］Hurlin C，Venet B.Granger causality in panel data models with fixed coefficients［DB／OL］.http：／／www.core.ucl.ac.be／archives／EC2－2001／program.html，2001.12.13.

［8］庄平，李延喜.管理者过度自信对企业风险的影响［J］.技术经济，2011，（7）：103－107.

［9］胡颖，叶羽纲.基于成本因素的保险业务水平的研究［J］.广东商学院学报，2009，（4）：56－62.