中国保险需求对经济增长影响的实证研究

2013-12-10任燕燕

财经问题研究 2013年9期

任燕燕，尚君

(山东大学经济学院，山东济南 250100)

一、文献评述

国外基于保险需求对经济增长影响的研究相对较早。随着保险业和其他金融业之间的联系日益紧密，保险公司在经济增长中扮演了越来越重要的角色［1］。Lee［2］通过实证研究表明保险市场的发展与经济增长无论长期还是短期都表现出双向的因果关系。但是，保险市场与经济增长之间的关系因国家的不同而存在差异，Ward和Zurbrueg［3］通过考察OECD9个成员国的面板数据，对保险市场的发展与经济增长之间的格兰杰因果关系进行分析，验证了不同国家保险市场与经济增长之间的格兰杰因果关系的差异性。同时，部分学者单独研究了寿险需求或财险需求与经济增长之间的关系。首先，基于财产保险与经济增长之间的正相关关系这一问题，Outreville［4］通过考察55个发展中国家的横截面数据，研究了财产保险的保费收入和金融业与经济增长之间的关系，结果表明财产保险和金融发展与经济增长存在正相关关系。其次，基于寿险需求与经济增长之间存在的正相关关系这一问题，Soo［5］通过相应的理论模型，实证研究了寿险业的发展在经济中的作用，结果表明寿险业的发展有助于经济增长。Webb等［6］通过将银行、寿险和非寿险的发展加入修正的Solow模型，研究了银行、寿险以及非寿险消费对经济增长的影响，结果表明以银行和寿险业的发展作为外生变量可以很好地解释和预测经济增长。同时，Outreville［7］专门研究了发展中国家寿险需求在金融部门中的作用，结果表明寿险市场发展水平越高，金融发展水平也越高，即验证了发展中国家寿险需求与个人可支配收入和金融发展水平也存在高度的正相关关系。虽然以上研究基本表明寿险需求和财险需求均与经济增长存在正相关关系，但对经济增长的影响具有差异性，结果倾向于证明人寿保险对高收入国家较为重要，相比之下，财产保险则对新兴国家和发展中国家更为重要［8］。

中国关于保险需求对经济增长影响的研究相对较晚。部分学者从保险业对经济增长影响的路径这一角度出发，通过理论和实证研究验证了保险需求对经济增长的促进作用:保险业可以促使资源得到最优配置，能够发挥储蓄和投资功能，以及可以促使大量的高、新、尖技术转化为现实的生产力，是经济增长的重要动力［9］。同时，吴定富［10］认为保险业通过它的社会管理功能来实现对经济增长的作用，并且保险业对经济增长的作用会随着社会经济的发展而不断扩大。赵尚梅等［11］采用包含保险业和非保险业的两部门模型，揭示了保险业发展对经济增长贡献的传导机制，证明了保险业发展不仅对经济增长做出贡献，而且对非保险部门还存在着溢出效应。在验证出这一促进作用的基础上，众多学者对这一作用进行了量化，任燕燕和徐晓艳［12］通过对中国保险业发展与经济增长的关系进行实证分析后，对相互之间的作用进行了量化，结果表明经济增长对保险业发展的作用远大于保险业发展对经济增长的作用。周海珍［13］运用Lucas内生增长模型进行理论与实证检验后，量化得出目前保险消费对中国经济增长起到的推动作用还比较有限。曾素芬［14］采用面板数据模型测算了保险业对经济增长贡献的弹性系数，结果发现该系数值位于0.1和0.2之间，贡献度有待于提升。国内学者同样针对寿险需求和财险需求分别与经济增长之间的关系展开了大量的研究，但得出的结论并不相同，谢利人［15］运用中国的有关数据建立经济增长模型，实证分析了保险发展与经济增长的关系，结果发现人寿保险业的发展对经济增长具有正向推动作用，而财产保险市场的发展则对经济增长具有负向作用。庞楷［16］利用1994—2007年的国内数据将保险变量引入Solow模型后建立了多元回归模型，在控制了相关变量后研究得出不同的结论:财产保险深度对经济增长影响显著，而人寿保险深度对经济增长影响却不显著，并且财产保险与人寿保险的联合作用，以及整个保险业和银行业的联合作用对经济增长都具有显著的正向影响。而蔡华［17］运用两个理论模型分别论证了财产保险可以为经济增长提供分担机制，人寿保险可以为经济增长提供更多长期资本这两个方面，验证了保险制度直接与间接地提高了社会产量，推动了经济增长，并且以中国为研究对象进行实证分析，结果表明，人寿保险和财产保险对经济增长有贡献作用，并且人寿保险对经济增长的作用大于财产保险。

关于保险需求对经济增长影响这一问题，国内外学者从理论和实证方面进行了多角度的论证，但是，针对不同经济发展水平下保险需求对经济增长影响的研究比较少见，尤其在中国区域经济和社会发展很不平衡的情况下，若仅以统一的全国水平来衡量，会导致结果不准确。同时，寿险需求和非寿险需求对经济增长的影响程度存在较大差异。本文在借鉴前人研究的基础上，以截止到2011年的最新数据为样本，利用分位数回归方法分析了不同经济发展水平下保险需求对经济增长的影响，并进一步利用面板数据模型分别分析了寿险需求和非寿险需求在不同经济发展水平下对经济增长的影响。

二、数据来源与研究方法

1.数据来源

实证研究的数据来源于《中国统计年鉴》和《中国保险年鉴》，其中包括1980—2011年中国人均GDP和人均保费的年度时间序列数据，2004—2011年中国30个省份 (除西藏外)的人均GDP、人均寿险保费和人均非寿险保费的年度面板数据，实证分析结果由 Eviews6.0和Stata10.0软件完成。

2.分位数回归［18］

Koenker和 Bassett提出分位数回归模型(QRM)，QRM估计了协变量潜在的微小变化对条件分布中各种不同的分位数的影响。分位数回归使用残差绝对值的加权平均作为最小化的目标函数，不易受到极端值的影响，较为稳健。

假设条件分布的总体q分位数yq(x)是x的线性函数，表示为其中 βq被称为“q分位数回归数”，其估计量可以通过以下表达式得以实现:

在上式中，yi代表被解释变量，xi代表解释变量，q代表要估计的分位数值，q可以选择0—1之间的任意值，β代表待估计的参数，参数β随着分位数q的变化而变化。

3.面板数据模型［19］

设有被解释变量yit与解释变量xit，满足线性关系 yit=αit+xitβit+ μit，i=1，2，…，N，t=1，2，…，T。上式是考虑了经济指标在N个截面成员及T个时间点上的变动关系，其中N表示截面成员的个数，T表示每个截面成员的观测期数，参数αit表示模型的常数项，βit表示模型的系数，随机误差项μit相互独立且满足零均值、同方差的假设。

一般根据截距项向量α和系数向量β中各分量不同的限制要求，可以将面板数据模型分为三种类型:

(1)混合回归模型 (无个体影响的不变系数模型)，可以写成:

在该模型中，各个体成员方程的截距项和系数向量均相同。对于该模型，将所有时间序列数据堆积在一起作为样本数据，利用普通最小二乘法便可求得参数的一致有效估计。

(2)变截距模型 (个体均值修正回归模型)，可以写成:

在该模型中，假设在个体成员上存在个体影响而无结构变化，个体影响用截距项αi(i=1，2，…，N)的差别来说明，而系数向量均相同。

(3)变系数模型 (无约束模型)，可以写成:

在该模型中，假设个体成员既存在个体影响，又存在结构变化，既允许截距因个体影响的不同而变化，又允许系数向量因个体成员的结构不同而变化。

在建立面板数据模型时，第一步便是利用协方差分析法检验样本数据究竟符合哪种模型形式，从而避免模型设定的偏差，改进参数估计的有效性。

三、实证分析

1.保险需求与经济增长的长期均衡关系分析

选取1980—2011年中国人均保费和人均GDP的年度时间序列数据，以人均保费作为衡量保险需求的指标，记为id;以人均GDP作为衡量国民经济发展的指标，记为egdp。为了消除异方差，增加序列的平稳性，对两序列取对数，产生两个新的时间序列lnid和lnegdp。这两个对数序列都呈现逐年增长的趋势，并且表现出相似的走势，应选择同时包含常数项和趋势项的ADF检验方法对两个序列进行平稳性检验。

检验结果为:

lnid序列:ADF=－2.6653，显著水平为1% 的临界值为－4.3240。

lnegdp序列:ADF=－2.9416，显著水平为1% 的临界值为－4.2967。

检验结果表明两个序列均为非平稳序列，因为协整变量必须具有相同的单整阶数，因而进行单整阶数识别，经检验，lnid和lnegdp均为二阶单整序列。对两序列变量进行协整检验，回归结果如表1所示。

表1 lnid和lnegdp协整检验结果

回归方程为:

表1和表2结果显示，样本拟合优度R2=0.9753，回归系数及方程均通过显著水平为1%的假设检验，回归方程的拟合优度、显著性水平都很好，因而对残差序列进行平稳性检验。

表2 估计模型的统计量检验结果

对以上回归方程残差进行单位根检验，残差序列按如下公式计算:

对残差序列根据SIC准则确定滞后阶数，进行平稳性检验，检验结果为ADF=－2.1010，显著水平为5%的临界值为－1.9529，表明残差序列在5%显著水平下为平稳序列，即 { u^ }～I(0)。说明1980—2011年间 lnegdp和 lnid序列之间存在着协整关系，其中系数β即为人均GDP随人均保费变动而变动的程度。β=0.5753＞0说明国民经济随着保险需求的增加而增长，保险需求的增加对国民经济有推动作用，而β=0.5753＜1说明保险需求的增加对经济增长的推动作用并不大。

考虑中国保险业发展的实际情况，1979—2001年是中国保险业的恢复发展阶段，2002年后中国保险业进入快速发展时期，因而推测β在这两个阶段会有明显的变化，用虚拟变量的方法来测算2002年前后保险需求对经济增长的影响差异，定义虚拟变量D如下:

引入虚拟变量，建立以下模型:

模型估计结果如表3所示。

表3 模型估计结果

由以上估计结果得出模型回归方程:

表3和表4结果显示，方程的拟合优度R2=0.9858，回归系数及方程均通过显著水平为1%的假设检验，回归方程的拟合优度、显著性水平都很好，说明两个阶段回归方程截距和斜率都发生显著的变化，β系数由0.5248变化到0.9216，说明2002年后，随着保险业的迅速发展，保险需求对国民经济的推动作用显著增大。

2.基于分位数回归研究不同经济发展水平下中国保险需求对经济增长的影响

由于中国各区域经济发展存在较大差异，从保险业发展的实践来看，在经济发展水平不同的地区，保险需求对经济增长的影响程度并不相同。为了对此问题展开研究，需要使用分位数回归分析，这样可以分析不同的经济发展水平下中国保险需求对经济增长影响程度的变化趋势。

根据前面回归模型，运用Stata10.0［20］进行分位数回归，结果如表5所示。

表5 分位数回归结果

表5结果显示，在所有分位点上模型回归系数均通过了显著性水平检验，模型回归效果较好。随着分位数的增加 (1/10→9/10)，分位数回归系数呈现出0.6447→0.5690的递减趋势，表明1980—2011年间中国保险需求对经济增长影响程度在不同经济发展水平上存在显著差异:经济发展水平较低的地区，保险需求对经济增长的推动作用相对较大，经济发展水平高的地区保险需求对经济增长的推动作用反而较小。

3.基于面板数据模型研究不同经济发展水平下寿险需求和非寿险需求对经济增长的影响

由于寿险需求和非寿险需求对经济增长的影响机制并不尽相同，寿险消费主要是通过资金融通来拉动经济增长，而非寿险消费更多的是通过经济补偿功能来促进经济增长，因此，有必要将保险需求进一步细分为寿险需求与非寿险需求，分别研究寿险需求和非寿险需求的经济增长效应。本文选取2004—2011年中国30个省份 (除西藏外)相应变量的年度面板数据，分别考察寿险需求和非寿险需求在不同经济发展水平下对经济增长的影响差异。

本文对30个省份2004—2011年人均 GDP的平均数按照从大到小的顺序进行排列，以人均GDP的排名代表经济发展水平的高低，排序如表6所示。

表6 30个省份人均GDP排名

由于每个省份的样本数据只有8个，样本容量不足，不能保证模型估计的有效性，因而利用面板数据模型方法进行分析。由于样本数据中N=30，T=8，N较大，T较小，并且样本个体或横截面单元并不是从总体中随机抽取的，因而选择面板数据模型中的固定效应模型比较合适。

本文考察寿险需求对经济增长的影响程度，对第一组面板数据 (N=7，K=1，T=8)利用模型设定的方法计算得:S1=0.6177，S2=0.7533，S3=1.9315。F1=1.5365，F2=7.4448。查F分布表，给定1%的显著水平，临界值F0.01(6，42)≈3.3108，F0.01(12，42)≈2.6213。F2＞F0.01(12，42)，F1＜F0.01(6，42)，因而选定变截距模型为第一组面板数据的参数估计模型。对其余三组利用类似的方法选定模型，第二组选定为变斜率模型，第三、四组均选定为变截距模型。根据4组面板数据分别选定的模型，利用Eviews6.0软件中相应的参数估计方法进行参数估计，得出不同经济发展水平下寿险需求对经济增长的影响程度差异，结果如表7所示。

表7 寿险需求对经济增长的影响程度估计结果

上述4组面板数据模型的样本可决系数分别为0.9170、0.9327、0.9329和0.9332，均大于0.9000。模型拟合效果较好。模型估计斜率第一组 (7个省份)为0.7724，即寿险需求对经济增长的贡献度为0.7724，第二组 (8个省份)分别为 0.9731、1.2177、0.9099、0.9436、0.8086、0.6851、0.6672和 0.7485，第三组(7个省份)为0.7820，第四组 (8个省份)为0.8039。第四组的8个省份寿险需求对经济增长的贡献程度最大，第一组的7个省份寿险需求对经济增长的贡献程度反而最小;在利用变斜率模型进行估计的第二组中，辽宁、内蒙古、福建和吉林等大多数省份寿险需求对经济增长的影响程度明显大于第一组的影响程度，综合表8结果，经济发展中等及以下水平地区寿险需求对经济增长的贡献程度大于经济发展水平较高地区的影响程度。

利用同样的方法考察非寿险需求对经济增长的影响程度，通过计算选定第一组和第四组为变截距模型，第二组和第三组为变斜率模型。根据4组面板数据分别选定的模型进行参数估计，得出不同经济发展水平下非寿险需求对经济增长的影响程度，结果如表8所示。

表8 非寿险需求对经济增长的影响程度估计结果

上述4组面板数据模型的样本可决系数分别为0.9836、0.9882、0.9840和0.9809，均大于0.9000，模型拟合效果较好。模型估计斜率第一组 (7个省份)为0.6939，即非寿险需求对经济增长的贡献度为0.6939，第二组 (8个省份)分别为 0.8361、0.6860、0.7521、0.6711、0.5697、0.8943、0.8488和0.7850，第三组 (7个省份)分别为 0.6696、0.6083、0.6724、0.8410、0.7958、0.7361和0.7522，第四组 (8个省份)为0.7357。在利用变截距模型进行估计的第一、四组中，第四组的8个省份非寿险需求对经济增长的贡献度大于第一组的7个省份的影响程度;在利用变斜率模型进行估计的第二、三组中，除个别省份影响程度小于第一组的影响程度外，大多数省份非寿险需求对经济增长的影响程度同寿险需求一样也均大于第一组。由以上分析可以得出和寿险需求相似的结论:经济发展水平中等及以下地区非寿险需求对经济增长的贡献度大于经济发展水平较高地区的贡献度。

比较表7和表8的估计结果，寿险需求与非寿险需求对经济增长的影响程度存在差异，寿险需求对经济增长的影响程度在不同经济发展水平下均略大于非寿险需求对经济增长的影响程度。

四、主要结论

本文利用中国保险业和国民经济增长的相关数据，首先对保险需求与经济增长的关系进行协整分析，其次基于全国数据运用分位数回归方法实证分析不同经济发展水平下中国保险需求对经济增长的影响程度，最后基于省际面板数据将保险需求细分为寿险需求和非寿险需求，运用面板数据模型实证分析不同经济发展水平下寿险需求和非寿险需求对经济增长的影响，结果表明:第一，保险需求促进国民经济增长，但促进的程度有待于提升。通过对两变量协整分析后发现，系数β=0.5753＞0说明保险需求对国民经济有推动作用，而同时β=0.5753＜1说明保险需求对经济增长的推动作用比较小。第二，2002年后，随着保险业的迅速发展，保险需求对国民经济的影响程度显著增大。通过对回归模型设置虚拟变量后发现，2002年前回归系数为0.5248，2002年后回归系数增加为0.9216，表明随着保险业的发展，保险需求将会更大程度地影响国民经济增长。第三，按经济发展水平划分，利用分位数回归分析发现不同经济发展水平下保险需求对经济增长的影响程度存在差异。经济发展水平较低地区的保险需求对经济增长的影响相对较大，而经济发展水平较高地区的保险需求对经济增长的影响程度相对较小。原因是保险业在经济比较落后地区成了带动经济增长的一个重要因素，而在经济比较发达地区保险业对经济的推动作用则不那么显著。第四，从寿险和非寿险的角度分析，无论是寿险需求还是非寿险需求，经济发展水平中等及以下地区对经济增长的影响程度均大于经济发展水平较高地区的影响程度，寿险需求与非寿险需求对经济增长的影响程度存在差异，在不同经济发展水平下寿险需求对经济增长的影响程度均大于非寿险需求对经济增长的影响程度。

［1］Rule， D .Risk Transfer between Banks，Insurance Companies and Capital Markets［J］.Financial Stability Review，2001，(11):137 －159.

［2］Lee， C.C.Does Insurance Matter for Growth:Empirical Evidence from OECD Countries［J］.The Berkelery Electronic Journal of Macroeconomics，2011，11(1):1－28.

［3］Ward，D.，Zurbrueg，R.DoesInsurance Promote Economic Growth?Evidence From OECD Countries［J］.Journal of Risk and Insurance，2000，67(4):489－506.

［4］Outreville， J.F.The Economic Significance of Insurance Marketsin Developing Countries ［J］.Journal of Risk and Insurance，1990，57(3):487－488.

［5］Soo，H.H.LifeInsuranceand EconomicGrowth:Theoretical and Empirical Investigation，Dissertation［D］.Lincoln:University of Nebraska－Lincoln，1996.

［6］Webb，I.P.，Grace，M.F.，Skipper，H.D.The Effect of Banking and Insurance on the Growth of Capital and Output ［R］.CenterforRisk Managementand Insurance Working Paper，2002.

［7］Outreville，J.F.Life Insurance Markets in Developing Countries［J］.Journal of Risk and Insurance，1996，63(2):263－278.

［8］Marco，A.Does Insurance Market Activity Promote Economic Growth?A Cross－CountryStudyFor Industrialized and Developing Countries ［J］.The Journal of Risk and Insurance，2008，75(4):921 －946.

［9］孙祁祥.树立行业诚信形象，发挥保险在经济发展和社会进步中的重要作用［A］.经济发展与社会和谐:保险与社会保障的角色——北大CCISSR论坛文集［C］.2004.57－62.

［10］吴定富.科学规划保险业发展蓝图，服务全面建设小康社会和构建和谐社会［J］.中国金融，2006，(1):8－10.

［11］赵尚梅，李勇，庞玉锋.保险业对经济增长贡献的理论模型与实证检验［J］.保险研究，2009，(1):51－56.

［12］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，2008，(1):91－96.

［13］周海珍.保险业发展与促进经济增长的关系研究［J］.管理世界，2008，(11):170 －171.

［14］曾素芬.基于VaR模型的保险投资风险度量与绩效评价［J］.江西财经大学学报，2009，(5):48－52.

［15］谢利人.保险发展与经济增长关系的实证分析［J］.求索，2006，(8):45－47.

［16］庞楷.保险业对经济增长影响的实证分析——基于修正的Solow模型［J］.保险研究，2009，(7):31－36.

［17］蔡华.保险对经济增长的贡献研究——基于中国实证［J］.金融理论与实践，2011，(8):92－97.

［18］李育安.分位数回归及应用简介［J］.统计与信息论坛，2006，(5):35 －38.

［19］高铁梅.计量经济分析方法与建模:Eviews应用及实例［M］.北京:清华大学出版社，2006.319－321.

［20］陈强.高级计量经济学及Stata应用［M］.北京:高等教育出版社，2010.343－351.