保险发展对我国各省份经济增长的非线性影响：基于门限模型的实证检验

温 健 何小伟 万润坤

一、引言

20世纪90年代以来，随着保险业在各国覆盖范围的扩大和渗透程度的提高，保险发展对经济增长的促进作用逐渐得到了国内外学者的关注。比如，Skipper（1997）［1］、 Ward 和 Zurbruegg（2000）［2］、Liedtke（2007）［3］等认为，保险业至少在如下两方面有助于经济增长：一是保险业可以为企业和家庭等经济主体提供各类风险保障，促进社会的消费、投资、贸易、研发等经济活动的顺利开展；二是保险公司作为一种汇集和管理大量资金的金融机构，在提供长期资本和提高资本配置效率方面能发挥积极作用，促进金融市场的稳定和活力。

从作用机理来看，保险业对经济增长的促进作用并不是抽象的，它必须以具体的保险产品作为基础，也就是说，只有当保险产品达到了一定的覆盖面和渗透度，保险业才能够在宏观层面发挥出积极的作用。根据国际保险业的发展经验，当一国人均实际收入处于较低水平时，人们对保险的需求主要体现在汽车保险、意外险、储蓄性人身保险等基本险种上，产品层次较低并且种类单一，对资本市场的影响也比较有限，在这一阶段，保险业对该国经济增长的影响也相对有限。然而，当一国进入高收入国家以后，人们的风险和保险意识不断提高，对保险产品的需求层次和产品种类也有了更高的要求，此时传统的财产保险市场不断细分，责任和保证保险的占比日渐增加，投资型保险产品接连出现，保险公司在资本市场上的地位日益重要，在这一阶段，保险业在一国国民经济中的重要性不断凸显，对经济增长的促进作用也更为明显。从上述经验事实中我们似乎可以推断，在一国的不同发展阶段，保险业对经济增长的促进作用可能并不相同。

我国地域辽阔，省份众多，各省份的经济发展和保险发展很不平衡。改革开放以来，尽管各省份在经济水平和保险业方面都实现了跨越式发展，然而，一个值得注意的现象是：在上海、北京、广东、江苏等人均收入水平较高的省份，其保险业的覆盖面较广，渗透程度较高，经济增长速度相对较快；而在西藏、青海、贵州、甘肃等人均收入较低的省份，其保险业的覆盖面较窄，渗透程度较低，经济增长速度相对较慢。这一现象似乎与上述国际经验一致，也即保险发展对经济增长可能存在着非线性影响。

本文在已有研究的基础上，对保险发展与经济增长的关系问题进行了扩展。具体而言，本文探讨了在中国这样一个拥有众多省份的国家，保险发展对各省份经济增长的影响是否存在着 “门限效应”。与已有研究相比，本文的贡献主要体现在如下两个方面：第一，本文考察了一国之内不同区域的保险发展对经济增长的影响，在考察对象上与现有研究存在着明显区别。现有大部分研究主要是基于国别层面考察保险发展对经济增长的影响，尽管这类研究对于我们认识保险发展与经济增长二者之间的关系具有重要参考意义，然而由于各国在政治制度、监管体系和文化背景等方面存在着差异，其结论的适用性也值得商榷。相比之下，本文的研究对象具有明显的 “同质性”，这有助于拓展我们对保险发展与经济增长关系的认识。第二，本文立足于我国各省份的保险数据和经济数据中所蕴含的信息，借鉴Hansen（1999）［4］的 “门限回归模型”（threshold regression model）检验了保险发展对经济增长的 “门限效应”。特别地，门限回归模型可以根据数据的内在信息识别出具体的门限水平，这种方法可以有效避免一些主观划分标准所带来的偏差，因此结论也更为可信。

本文随后的安排如下：第二部分是有关保险发展和经济增长关系的文献综述；第三部分对本文所采用的门限回归模型以及数据来源进行了说明；第四部分采用我国分省份数据的面板门限模型进行实证分析；第五部分为结论。

二、文献综述

近年来，越来越多的实证研究证实了保险发展对经济增长的促进作用等，比如Webb等（2002）［5］借助修正的新古典Solow⁃Swan模型，验证了银行信贷和保险能够通过增加资本存量进而提升产出和投资水平引起经济增长。 Kugler和 Ofoghi（2005）［6］将英国保险业务的形态分为长期保险（包括各种年缴和趸缴的寿险产品）和普通商业保险（包括汽车保险等各类财产－责任保险、意外伤害保险和健康保险等），然后分别对这些具体的保险业务进行检验，结果表明这些领域的保险发展都与经济增长有着显著的正向关系。 Adams等（2009）［7］对瑞典 1930—1998年间保险发展与经济增长的因果关系进行检验时发现，保险发展是20世纪瑞典经济增长的驱动因素。

值得注意的是，一些基于跨国数据的实证研究发现保险发展对经济增长的影响并不是线性的。比如Arena（2008）［8］利用56个国家的动态面板数据，以GMM方法检验了保险发展与经济增长之间的关系。研究表明，寿险业和非寿险业对经济增长都有着显著的正向影响。研究还发现，寿险业对经济增长的促进作用主要发生在发达国家，而非寿险对经济增长的促进作用在发达国家更为明显。Azman⁃Saini和 Smith（2011）［9］以51个国家的数据为基础，分别检验了保险业发展对生产率提升和资本积累的影响。研究表明，保险发展对一国的生产率提升和资本积累均有着显著的影响。研究还表明，保险业的作用在发达国家主要体现为促进生产率提升，而在发展中国家主要体现为促进资本积累。换言之，随着一个国家步入发达阶段之后，保险业的作用会从促进资本积累转变为提升生产率增长。 Lee（2011）［10］发现，寿险业发展与经济增长之间存在着长期的双向因果关系。换句话说，寿险保费的增长将进一步促进经济增长，而较高的经济增长将促进寿险保费的增长。

国内的学者也开始关注到我国保险发展对经济增长的非线性影响。如沈坤荣和魏锋（2010）［11］对中国30个省份的面板数据检验发现，在不同的经济和金融发展水平下，保险发展与经济增长之间存在不同的关系，大致来说，随着经济水平的提高，保险发展对经济增长的促进作用在增强。赵进文等（2010）［12］以我国的省级面板数据为依据进行了检验，发现省级的保险消费对该地区经济增长的影响具有显著的双重门限效应，且寿险消费对经济增长效应的门限明显高于区域非寿险消费。吴洪和赵桂芹（2010）［13］利用我国省级层面的动态面板数据检验了保险发展和经济增长之间的关系，研究发现，在经济中等和较差地区，保险业对经济的促进作用比较显著，而在经济水平较高地区，非寿险对经济的促进作用则比较显著。

保险发展对经济增长的非线性影响与近年来“金融发展-经济增长”领域的相关研究结论存在着相似性。这些研究认为，对于发展中国家、新兴国家和发达国家等处于不同经济发展水平的国家而言，金融发展对经济增长的促进作用并不相同。比如，Rou⁃bini和 Sala⁃i⁃Martin（1995）［14］认为，一些发展中国家制定的金融压制政策往往会降低金融部门的效率，增加交易成本，抑制社会总投资，降低经济增长率。Bencivenga等（1995）［15］指出，金融市场交易成本的降低对经济增长率的影响是不确定的，可能会增加、降低或者维持不变。 Graff和 Karmann（2003）［16］认为，金融发展对经济增长的作用会受到经济和制度环境的影响，在贫穷国家，由于制约因素过多，金融发展的作用会受到明显抑制。总之，诸多研究表明金融发展对经济增长的作用可能会随着一国的经济发展水平或者金融发展规模的提升而产生 “结构性影响”。这体现在当一国经济发展跨越某一 “门限”之后，金融发展对经济增长的促进作用将会有明显不同，也即出现所谓的 “门限效应”。

总结国内外的研究可以看出，尽管学者们对保险发展对经济增长的非线性影响已经有了比较深入的认识，但是这些研究仍然有值得进一步完善的地方。具体来说：第一，从研究对象来看，现有研究主要是针对国别数据展开的，而对一国内不同省份的研究比较有限，因此所得出的结论并不能反映保险发展与经济增长关系的全貌；第二，从研究方法来看，部分研究在具体门限水平的选择上存在着较强的主观性。比如Arena（2008）［8］、 吴洪和赵桂芹（2010）［13］以 33%分位数、66%分位数作为依据将所考察的国家和省份划分为 “经济较发达地区”、 “经济中等地区”和“经济欠发达地区”，然后在各组内分别检验保险发展对经济增长的影响。这种做法当然有其合理性，但是由于它先验性地假定每组中保险发展和经济发展的关系是一定的，忽略了同组中两者关系变化的可能性，因此结论并不能完全让人信服。基于此，本文将以我国30个省份的数据作为基础，利用Hansen（1999）［4］的门限效应模型检验保险发展对各省份经济增长的非线性影响。

三、模型设定和数据来源

（一）模型设定

本文选择人均实际收入为门限值，采用我国分省份数据的面板门限模型进行实证分析，旨在回答两个问题：第一，保险发展是否会对经济增长产生显著的门限效应，也即在各省份人均实际收入的不同水平，保险发展对经济增长的影响是否存在显著区别；第二，在第一个问题的基础上，进一步考察寿险业和财险业对经济增长的影响是否存在相同的门限效应。

本文借鉴了Hansen（1999）［4］提出的门限回归模型考察保险发展对经济增长的影响，该模型采用最小二乘法求解最优门限值，并以此为依据对某一变量进行最优分组划分。

Hansen（1999）［4］门限回归模型的基本方程可表示为：

同样，式（1）可以改写为以下形式：

其中：yit表示被解释变量；xit表示一系列解释变量；I（·）为指示函数；Dit－1为门限变量；γ是门限值；eit是残差项。根据门限变量Dit－1小于还是大于门限值γ，观测值分为两个区域。

对于任意门限值γ，可以最小化残差平方和（SSE）：得到各参数的估计值。最优门限值应该使S1（γ）在所有残差平方和中最小，即

得出之后，我们计算残差和残差的方差：

没有门限效应的原始假设设定如下H0：β1＝β2。检验统计量是似然比这里的是假设原始假设正确下的残差方差。由于似然比检验的分布不是标准正态分布，Hansen（1999）［4］提出了一阶渐进分布，并且指出基于模型的自举法（Bootstrap）是解决小样本推论的适当方法。因此，我们运用自举法（Bootstrap）重复300次得到准确的p值。如果F1拒绝没有门限的原假设，我们继续检验区分一个还是两个门限。两个门限的似然比统计量为F2：

在具体回归模型的选择上，本文借鉴Christopou⁃los和 Tsionas（2004）［17］等人的分析框架①基于Christopoulos和Tsionas（2004）［17］的分析模型和经济发展的文献，本文扩充了控制变量即市场化程度和教育水平。，建立如下模型：

② 此处模型（4）中只是示意存在一个门限值的模型构造，具体门限值的数量还需要数据回归得出。

其中：yit是省份实际 GDP指数的自然对数（1999＝100）；FIXit是固定投资水平，用各省份固定资产投资规模与该省份GDP的比值衡量；INFit是通货膨胀水平，用各省份的消费者价格指数（CPI）的年度数据衡量；MKTit是市场化程度，用各省份非国有经济总量与该省份GDP的比值衡量；EDUit是教育水平，用各省份不同学历从业人员的受教育年限加权平均衡量；Rit是衡量保险业发展水平的变量，这里用保险深度，即某省份的保费收入占GDP的比重表示。另外，考虑到人寿保险和财产保险的业务性质差异，我们用总保险深度、寿险深度和财险深度分别衡量保险业、寿险业、财险业的发展水平。

（二）数据来源

本文所选择的样本区间为1999—2014年，考察对象涵盖了我国除西藏（数据缺乏）之外的30个省份，包括安徽、北京、重庆、福建、甘肃、广东、广西、贵州、海南、河北、黑龙江、河南、湖北、湖南、内蒙古、江苏、陕西、山西、江西、吉林、辽宁、宁夏、青海、山东、上海、四川、天津、新疆、云南、浙江。各省份在研究区间内经济和保险发展数据如表1所示。数据包括各省份GDP增长率、保险深度、寿险深度、财险深度、固定资产投资水平、通货膨胀水平、市场化程度、教育水平以及人均实际收入。上述数据主要来源于各年的 《中国统计年鉴》、《中国劳动统计年鉴》、《中国保险年鉴》。

从表1的第2列可以看出，各省份的年度GDP增长率变化很大，其中内蒙古以年均20.25%的GDP增长率位居第一，而黑龙江的年均GDP增长率最低，仅有11.91%。通货膨胀位于1.66%（广东）和3.24%（青海）之间。市场化水平最高的是山东省（75.56%），甘肃的市场化水平最低，仅达到42.23%。北京市的受教育程度最高，平均教育年限为11.51年，云南的平均教育年限仅为6.88年，位居最后。各省份的保险深度也相差较大，北京达到5.51%，青海和内蒙古的保险深度分别只有1.61%和1.63%。实际人均收入的省际差异更大，上海的平均实际人均收入为45698.79元，是贵州平均实际人均收入5273元的将近9倍。总之，各省份相差甚大的经济和保险发展程度，促使我们进一步探究两者的非线性关系。

表1 省际经济和保险发展数据

各变量的描述性统计详见表2。需要说明的是，为了剔除物价因素对各年份数据所带来的影响，我们以1999年为基准年进行了相应的调整，从而保证人均实际收入等指标的纵向可比性。

表2 描述性统计量

四、实证检验结果与分析

（一）保险业发展对经济增长的门限效应检验结果

关于门限变量的选取，有关经济发展实证研究表明通货膨胀和人均实际收入可以作为选择。Rousseau和Wachtel（2002）［18］证实了通货膨胀会在 “金融发展-经济增长”的关系上产生门限效应。吴洪和赵桂芹（2010）［13］以经济发展的分位数作为依据将各省份划分为 “经济较发达地区”、“经济中等地区”和“经济欠发达地区”，发现各组别保险发展对经济增长的不同影响。同时，通货膨胀和人均实际收入能够反映经济环境和发展状况。因此，本文将分别检验通货膨胀率和人均实际收入是否会在保险发展-经济增长关系中产生门限效应。我们首先假定这两个变量均不存在门限效应，如果该假定被拒绝，我们再利用公式（6）依次检验是否存在一个、两个以及更多的门限。

在检验通货膨胀率的门限效应时，我们在10%的置信水平下无法拒绝 “不存在门限效应”的原假设。这意味着通货膨胀在我国保险发展－经济增长的关系中影响并不明显。这不同于一些基于国别数据的研究结论。

表3反映了人均实际收入在保险发展-经济增长关系中的门限效应检验结果。从中可以看出，在1%的置信水平下，单门限、双门限和三门限的F值都非常显著，对应的p值均为0.00。因此，我们接受存在三门限的原假设，也就是说，保险发展与经济增长间的确存在非线性关系。

表3 保险发展对经济增长影响的门限效应检验结果

从表4我们可以看到，在95%的置信区间，我们所检验出的三个门限值分别为7890.7元、14966.8元、27510.9元。据此我们可以将样本中的省份分为四组：低收入组（D≤7890.7）、中低收入组（7890.7＜D≤14966.8）、中高收入组（14966.8＜D＜27510.9） 和高收入组（D≥27510.9）。

表4 三个门限值的估计结果 单位：元

表5反映了在1999—2014年各省份人均实际收入的分布情况。可以看到，从1999年到2014年，人均收入水平居于 “低收入阶段”的省份数量从21个降至0个；居于 “中低收入阶段”的省份数量从6个降至3个；居于 “高收入阶段”和 “中高收入阶段”的省份数量从3个增至27个，占比达到90%。总之，各省份的人均收入水平均得到显著提高。

表5 1999—2014年各省份人均实际收入的分布情况 单位：元

进一步地，我们用保险深度衡量我国保险业的发展水平，然后考察在不同人均实际收入组别中，保险业发展对经济增长的影响，回归结果详见表6。

表6 三门限模型下各省份保险发展对经济增长的非线性影响

从表6中我们可以看到，当人均实际收入低于7890.73元时，也即处于低收入阶段时，保险发展对经济增长有着负向的影响，但是这种影响并不显著，然而，当人均实际收入超过7890.73元这一门限时，保险发展对经济增长开始有着显著的促进作用。具体而言，在中低收入阶段、中高收入阶段、高收入阶段，保险发展对经济增长影响的回归系数分别为0.02、0.0442、0.0886，呈递增趋势，并且这种影响均在1%的置信水平下显著。从控制变量来看，固定投资水平、通货膨胀、市场化水平、教育水平对经济增长的回归系数均为正，并且通过了1%的显著性检验。上述结果充分说明，当某省份人均实际收入达到一定门限之后，保险发展对经济增长有着显著的促进作用，并且这种促进作用会随着人均实际收入水平的提高而增强。

（二）寿险业和财险业的发展对经济增长的门限效应检验结果

为了反映寿险业和财险业的发展可能对经济增长产生的门限效应，我们用寿险深度和财险深度分别衡量我国寿险业和财险业的发展水平，然后采用同样的方法进行了检验。结果表明，寿险业发展和财险业发展均会对经济增长产生门限效应，并且门限的数量均为三个，也即寿险业和财险业的发展与经济增长之间存在着非线性关系。回归模型的具体结果详见表7。需要说明的是，尽管寿险业和产险业与经济增长之间均存在三门限的非线性关系，但是各自对应的具体门限水平并不相同，限于篇幅，我们在表7中并不列出具体的门限水平，用D1、D2、D3进行代替。

表7 三门限模型下寿险业、财险业发展对经济增长的非线性影响

从表7我们可以看到，一方面，当某省份居于“低收入阶段”时，寿险发展对经济增长有着显著的负向影响，然而当其跨越 “低收入阶段”之后，寿险发展对经济增长开始产生促进作用，特别在进入“中高收入阶段”和 “高收入阶段”后，寿险发展对经济增长有着显著的促进作用，并且这种作用呈递增趋势。另一方面，非寿险发展对经济增长始终有着正向的影响，特别是当某省份跨越 “低收入阶段”之后，非寿险的发展对经济增长的促进作用非常显著，并且这种作用呈递增趋势。表7的总体结果表明，寿险业和产险业的发展均会对经济增长产生非线性的促进作用，这一结论与表6是基本一致的。

五、结论

保险发展对经济增长的促进作用已经为很多经验研究所证实，部分国别研究还发现，保险对经济增长的影响是非线性的。在已有研究的基础上，本文探讨了在中国这样一个拥有众多省份的国家，保险发展对各省份经济增长是否存在着非线性的影响。与已有研究相比，本文的特色有二：一是在考察对象上从“国际”转向 “国内”，分析保险发展是否对我国不同省份的经济增长产生促进作用；二是在研究方法上利用了门限回归模型，以检验保险发展对经济增长是否存在非线性影响。

本文的研究发现主要包括：第一，从我国各省份的经验来看，保险发展对经济增长有着积极的促进作用。第二，保险发展对经济增长的影响是非线性的，换句话说，当某省份人均收入水平处于较低阶段时，保险发展对经济增长的影响并不显著，然而，随着人均收入水平的提升，保险发展对经济增长开始产生显著的促进作用，并且这种促进作用呈递增趋势。第三，寿险业和财险业对经济增长均有着积极的促进作用，特别是随着某省份人均收入水平进入较高阶段时，这种促进作用更加明显。

本文研究的结论凸显了保险发展对经济增长的重要性，也印证了 “经济越发展，保险越重要”这一论断。可以预期，随着我国人均收入水平的进一步提升，保险发展对经济增长的促进作用将进一步得到体现。

［1］Skipper H D.Foreign Insurers in Emerging Markets： Issues and Concerns［R］.Center for Risk Management and Insurance Occasional Paper 97 －2，1997.

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

［3］Liedtke P M.What's Insurance to a Modern Economy［J］.Geneva Papers on Risk and Insurance，2007，32（2）：211－221.

［4］Hansen B.Threshold Effects in Non⁃dynamic Panels： Estimation，Testing，and Inference ［J］.Journal of Econometrics，1999，93，345 － 368.

［5］Webb I，Grace M F，Skipper H.The Effect of Banking and Insurance on the Growth of Capital and Output［R］.Georgia State University，Center for Risk Management and Insurance，Working Paper 02－1，2002.

［6］Kugler M，Ofoghi R.Does Insurance Promote Economic Growth？ Evidence from the UK ［R］.University of Southampton，Division of Economics，Working Paper，2005.

［7］Adams M，Andersson J，Andersson L F，Lindmark M.Commercial Banking，Insurance and Economic Growth in Sweden Between 1830 to 1998［J］.Accounting，Business and Financial History，2009，19（1）：21 －38.

［8］Arena M.Does Insurance Market Promote Economic Growth？ A Cross⁃country Study for Industrialized and Developing Countries［J］.Journal of Risk and Insurance，2008，75（4）：921－946.

［9］Azman⁃saini W，Smith P.Finance and Growth： New Evidence on the Role of Insurance ［J］.South African Journal of Economics，2011，79（2）：111－127.

［10］Lee C C.Does Insurance Matter for Growth： Empirical Evidence from OECD Countries ［J］.Journal of Macroeconomics，2011，11（1）：Article 18.

［11］沈坤荣，魏锋.中国保险市场发展的非线性增长效应研究［J］.金融研究，2010（7）：158－170.

［12］赵进文，邢天才，熊磊.我国保险消费的经济增长效应［J］.经济研究，2010（S1）：39－50.

［13］吴洪，赵桂芹.保险发展、金融协同和经济增长 ——基于省级面板数据的研究［J］.经济科学，2010（3）：61－72.

［14］Roubini N，Sala⁃i⁃Martin X.A Growth Model of Inflation，Tax Evasion，and Financial Repression ［J］.Journal of Monetary Economics.1995，35（2）：275－301.

［15］Bencivenga V，Smith B，Starr R.Transaction Costs，Technological Choice，and Endogenous Growth ［J］.Journal of Economic Theory，1995，67：153－177.

［16］Graff M，Karmann A.What Determines the Finance⁃growth Nexus？ An Endogenous Growth Model and Empirical Evidence［R］.Dresden Discussion Paper Series in Economics，No.73，2003.

［17］Christopoulos D K，Tsionas E G.Financial Development and Economic Growth： Evidence from Panel Unit Root and Co⁃integration Tests［J］，Jour⁃nal of Development Economics，2004，73： 55－74.

［18］Rousseau P，Wachtel P.Inflation Thresholds and the Finance⁃growth Nexus ［J］.Journal of International Money and Finance，2002，21：777－793.