题目:我国保险需求模型的实证分析
姓名:章蓉
年级:2004级
学院:金融学
学号:40404035
任课教师:庞皓、周游
完成期限:2007年5月—6月
我国保险需求模型的实证分析
姓名:章蓉 学号:40404035 班级:04级金融一班
[摘要]保险需求对保险业的发展具有决定性意义,经济学意义的保险需求是指保险的有效需求,衡量保险需求的指标主要为保费收入。本文从影响保险需求的变量入手,先对其进行理论分析,然后再通过使用1986-2005年数据,建立总保费收入与国民生产总值、市场化水平、通货膨胀率等变量之间的计量模型,对保险需求模型进行实证分析。结果
明影响我国保险需求的主要是国民生产总值和市场化水平。
关键词:保险需求 国民生产总值 市场化水平 通货膨胀率
一、文献综述
保险需求是指在一定时期内全社会从保险得到的经济补偿总量。保险需求可分为两种:一种是由自然界和社会生活中客观存在的风险损失总量所产生和决定的对保险的需求。即保险的自然需求。另一种是同需求者的购买能力相联系的需求,即保险的有效需求。保险的自然需求要远远大于保险的有效需求。经济意义的需求是针对消费者的购买能力而言的,即指在一定的价格条件下,以一定的货币支付能力为基础,消费者愿意并且能够购买的商品数量。“就保险商品而言,其价格就是费率。因而,保险需求就是指在一定的费率水平上,保险消费者从保险市场上愿意并且能够购买的保险商品数量。”本文所研究的保险需求是指保险的有效需求。保险需求对保险业的发展具有决定性意义,由于保险的供给主要取决于有支付能力的保险需求,如果没有保险需求或是保险需求不足,保险业就不可能得到发展。
许多学者都曾对我国保险需求进行过定量分析。如“保险业发展课题组”(1990)认为80年代以来我国保险业的超高速增长,主要是由被抑制的保险需求释放所引起的,随着这种被抑制的需求释放完毕,我国保险业的发展将由超高速增长阶段转入常规增长阶段。林清宝(1993)认为实证分析显示,在外部条件基本相近的情况下,保费收入与国民生产总值具有高度的正相关性。周海林,徐旭初认为影响保险市场发展的主要因素有居民收入水平、保险费率、市场化水平、居民收入差距水平、通货膨胀率等。
本文试图试图在既有的研究成果的基础上,建立总保费收入与国民生产总值、市场化水平、通货膨胀率等变量之间的计量模型。
二、影响我国保险需求的理论分析
1. 国民生产总值.保险业是国民经济的重要组成部分,它的发展必然会受到整个国民经济发展水平的影响。快速稳定的国民经济增长大环境,对整个保险行业的发展将会有一个巨大的推动作用,宏观经济变量的持续向好,提高了居民收入水平,改善了个人消费结构,在恩格尔系数不断降低的同时,社会对保险的需求亦在飞速增长。同时,国民经济的增长会带动一系列,如投资环境、投资工具等的改善,进一步促进保险投资的开展,提高保险投资的运用率和收益率,从而提高保险公司的整体经营水平。GDP是宏观经济发展状况的综合指标,它不仅反映了企事业单位的总体生产力水平,同时也影响着城镇居民个人生活水平的高低。这两方面,对于消费者是否投保、投保多少都有重要的影响。一般地说,GDP越高人民生活水平越高,投保的可能性越大,保险费收入越多.
2.市场化水平。市场化是指经济资源由计划配置为主体向由市场配置为主体的根本转变,以及由此引起的企业行为、政府职能等一系列经济关系与上述转变相适应的过程。市场化水平包括五个重要的方面:产品的市场化、要素的市场化、企业的市场化、政府对市场的适应程度和经济的国际化程度。市场化水平较低时,经济资源由计划配置,个人和企业没有保险需求,因为政府会给他们提供一切保险。随着市场化水平的提高,逐渐由市场配置经济资源,各微观经济主体必须依靠自己防范风险,市场的保险需求才会扩大。一般来说,经济的高度货币化就意味着经济的高度市场化,货币化是市场化的一个重要标志。当一国具有较高的货币化水平即市场化水平较高时,该国流通中的货币也相应较多,这就意味着消费者手中有较多的资金。这部分资金不仅能满足消费者对基本生活必需品的需要,而且还有较多闲置的资金,从而增加了消费者对非生活必需品的保险产品的需求,进而增加了保费收入,促进了保险市场的发展。相反,当一国的货币化水平比较低的时候,消费者手中只有有限的资金,这些资金只能满足其对生活必需品的需求,有的甚至就基本的生活都难以满足,在这种情况下,他们对保险产品需求就很少了。
3..通货膨胀率。由于保费的缴纳和保险赔付存在时间差,因而会受到通货膨胀的影响。在比较成熟的市场经济条件下,通货膨胀能够影响到保险市场的发展,尤其是对寿险中具有投资储蓄功能的产品,其价格水平和发展状况与通货膨胀有较密切的关系。例如:在保费的缴纳和保险赔付这个时间差内,通货膨胀率较高,那么相对的物价水平就比较高,这样在相同的条件下,保险公司支付给投保人的保险金额就比较高,从而使得保险费率降低,阻碍了保险市场的发展;恰恰相反,如果在保费的缴纳和保险赔付这个时间差内,通货膨胀率较低,那么相对的物价水平就比较低,这样在相同的情况下,保险公司支付给投保人的保险金额就相对少些,从而使保险费率升高,促进保险业的发展。因此,随着市场经济的成熟发展,保险产品尤其是寿险产品的开发,必须考虑通货膨胀的影响。
5,其他.如
,人口数量和结构等
三、模型的设定
1.实证分析中的计量经济模型
计量经济模型是定量研究具有随机性特征的经济变量关系的数学模型。它是建立在大量反映事实的统计数据资料基础上,在一定经济理论指导下,借助数学工具、计算机技术,探讨经济现象的数量关系及其变化规律,并以数学模型形式予以表达的一种方法。该模型可以简洁有效地描述、概括某个真实经济系统的数量特征,更深刻地揭示出该经济系统的数量变化规律。
一般的计量经济学模型中要有被解释变量Y,解释变量X和随机扰动项U,通常情况下, Y、X 的数据是可知的,而随机项u 是不可观察的。关于计量经济学模型的应用,主要有三方面:一是经济结构分析,即利用已估计出参数值的模型,对所研究的经济系统变量之间的相互关系进行分析。二是经济预测,即根据有关变量的现期观测值与过去观测值,推测内生变量在未来时期的数值。三是政策评价, 即供决策者对众多不同的政策
的可能后果进行评价对比,从中选取一个最优政策方案予以执行。本文主要是对经济现象(江苏省寿险业快速增长)进行结构性分析,既找到解释变量与被解释变量之间的相互关系。
2.指标的选取及数据时间段的确定
本文选取保费收入以反映保险需求的绝对水平,货币化水平的指标(M2/GDP)来反映市场化水平, 商品零售价格指数来反映通货膨胀率.
解释变量:Y(全国保费收入亿元)
被解释变量:X1表示GDP(亿元)
X2为通货膨胀率.
X3为市场化程度
假设初始模型为
四、数据的收集
本文获取的20个数据如下所示
y
x1
x2
x3
m2
lny
lnx1
1986
42.3476
10275.2
106
0.65414
6720.9
3.745912
9.237411
1987
67.1375
12058.6
107.3
0.691327
8330.9
4.206743
9.39687
1988
94.7623
15042.8
118.5
0.671672
10099.8
4.551372
9.618256
1989
122.9086
16992.3
117.8
0.70288
11949.6
4.811441
9.741022
1990
155.7614
18667.8
102.1
0.817045
15293.7
5.048325
9.837257
1991
209.7054
21781.5
102.9
0.886545
19349.9
5.345704
9.990866
1992
335.1526
26923.5
105.4
0.943012
25402.2
5.814586
10.20127
1993
456.8712
35333.9
113.2
0.989217
34879.8
6.124402
10.4705
1994
376.4154
48197.9
121.7
0.975368
46923.5
5.930693
10.78121
1995
453.3179
60793.7
114.8
1.015716
60750.5
6.116594
10.99894
1996
538.3333
71176.6
106.1
1.084862
76094.9
6.288478
11.15828
1997
772.7094
78973
100.8
1.171818
90995.3
6.649903
11.26001
1998
1255.969
84402.3
97.4
1.25865
104498.5
7.135662
11.32689
1999
1406
89677.1
97
1.359556
119897.9
7.248504
11.38724
2000
1598
99214.6
98.5
1.373569
134610.4
7.376508
11.49273
2001
2109
109655.2
99.2
1.464833
158301.9
7.653969
11.59052
2002
3054
120332.7
98.7
1.553431
185007
8.024207
11.68768
2003
3880
135822.8
99.9
1.63493
221000
8.26359
11.81432
2004
4318
159878.3
102.8
1.585345
253000
8.370548
11.98034
2005
4932
183084.8
100.8
1.62406
298755.7
8.5035
12.12245
资料来源:中经网统计数据,<中国统计年鉴2006>,其中X3是通过整理计算所得。
五、模型的估计和调整
1.单位根检验
ADF Test Statistic
-5.130651
1% Critical Value*
-3.8877
5% Critical Value
-3.0521
10% Critical Value
-2.6672
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LNY,3)
Method: Least Squares
Date: 07/01/07 Time: 10:39
Sample(adjusted): 1989 2005
Included observations: 17 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(LNY(-1),2)
-1.574911
0.306961
-5.130651
0.0001
C
3615.197
1125.847
3.211091
0.0058
R-squared
0.637011
Mean dependent var
799.8118
Adjusted R-squared
0.612812
S.D. dependent var
6513.972
S.E. of regression
4053.283
Akaike info criterion
19.56257
Sum squared resid
2.46E+08
Schwarz criterion
19.66060
Log likelihood
-164.2819
F-statistic
26.32358
Durbin-Watson stat
1.206279
Prob(F-statistic)
0.000123
从上表可知被解释变量是二阶单整的,
—I(2)
采用同样的方法,可检验得到其他变量也是二阶单整的。
2.协整检验
由EVIEWS软件得出的初始回归结果为 (表一)
Dependent Variable: LNY
Method: Least Squares
Date: 07/01/07 Time: 10:49
Sample: 1986 2005
Included observations: 20
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-3.443497
1.339238
-2.571236
0.0205
LNX1
0.491306
0.183750
2.673769
0.0166
X2
0.009980
0.007860
1.269735
0.2223
X3
3.062930
0.554062
5.528133
0.0000
R-squared
0.986953
Mean dependent var
6.360532
Adjusted R-squared
0.984507
S.D. dependent var
1.445556
S.E. of regression
0.179930
Akaike info criterion
-0.415646
Sum squared resid
0.517995
Schwarz criterion
-0.216499
Log likelihood
8.156455
F-statistic
403.4533
Durbin-Watson stat
0.846605
Prob(F-statistic)
0.000000
模型的估计结果如下
对残差序列进行单位根检验。选择无截矩项,无趋势的DF检验,结果如下
ADF Test Statistic
-6.758009
1% Critical Value*
-2.7158
5% Critical Value
-1.9627
10% Critical Value
-1.6262
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(E,3)
Method: Least Squares
Date: 07/01/07 Time: 11:27
Sample(adjusted): 1989 2005
Included observations: 17 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(E(-1),2)
-1.499359
0.221864
-6.758009
0.0000
R-squared
0.740476
Mean dependent var
-0.006537
Adjusted R-squared
0.740476
S.D. dependent var
0.379918
S.E. of regression
0.193544
Akaike info criterion
-0.389603
Sum squared resid
0.599347
Schwarz criterion
-0.340591
Log likelihood
4.311627
Durbin-Watson stat
2.266322
由以上结果可知,在10%,5%,1%的显著性水平下,T检验统计量值都大于相应的临界值,从而拒绝原假设,表明残差序列不存在单位根,是平稳序列,说明被解释变量与解释变量之间存在协整关系。表明初始设定的模型是合理的.
由表一可知初始模型的估计结果如下
SE= (1.339238)(0.183750) (0.007860) (0.554062)
T= (-2.571236)(2.673769) (1.269735) (5.528133)
=0.986953
=0.984507 F=403.4533 DW=0.846605
从回归结果可以看出该模型的可决系数和修正的可决系数都很高,从F统计量的P值可以看出F统计量是显著的,从T统计量来看,解释变量LNX1,X3的系数都显著,X2的系数不显著,这表明该模型可能存在严重的多重共线性.
相关系数矩阵
LNY
LNX1
X2
X3
LNY
1
0.978285151593
-0.570731601241
0.987396038515
LNX1
0.978285151593
1
-0.521789360351
0.962292368279
X2
-0.570731601241
-0.521789360351
1
-0.639209113963
X3
0.987396038515
0.962292368279
-0.639209113963
1
从相关系数矩阵可以看出除X2外被解释变量与其他解释变量的相关性都较高,其他解释变量之间的相关性也较高.表明确实存在严重的多重共线性.
3. 多重共线性的检验及其修正
用逐步回归法来检验和解决多重共线性问题。分别做Y对LNX1,X2,X3的一元回归,结果如下
变量
LNX1
X2
X3
参数估计量
1.532561
-0.108122
4.204670
T统计量
20.02529
-2.948850
26.46866
0.957042
0.325735
0.974951
0.954655
0.288275
0.973559
其中,加入X3的方程的
=0.973559最大,以X3为基础,顺次加入其他变量逐步回归,由回归结果可知加入LNX1后
= 0.983949改进最大,而且各参数的T检验和F检验都显著,选择保留LNX1,.这表明X2引起严重多重共线性,应予剔除.
最后修正严重多重共线性影响的回归结果为:
表二
Dependent Variable: LNY
Method: Least Squares
Date: 07/01/07 Time: 11:41
Sample: 1986 2005
Included observations: 20
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-3.048619
1.325878
-2.299321
0.0344
X3
2.647297
0.455007
5.818149
0.0000
LNX1
0.595384
0.167390
3.556870
0.0024
R-squared
0.985639
Mean dependent var
6.360532
Adjusted R-squared
0.983949
S.D. dependent var
1.445556
S.E. of regression
0.183141
Akaike info criterion
-0.419641
Sum squared resid
0.570190
Schwarz criterion
-0.270281
Log likelihood
7.196409
F-statistic
583.3649
Durbin-Watson stat
0.802844
Prob(F-statistic)
0.000000
消除多重共线性后得估计的模型为
T= (-2.299321) (3.556870) (5.818149)
=0.985639
=0.983949 F=583.3649 DW=0.802844
4.异方差检验
1)残差图形分析
从以上图形大致可以看出残差平方E2对解释变量的散点图主要分布图形的左三角部分,大致可以看出其随解释变量的变动呈下降趋势,因此模型很可能存在异方差.但是否确实存在异方差还应该通过进一步的检验.
2)ARCH检验
ARCH Test:
F-statistic
0.997033
Probability
0.332031
Obs*R-squared
1.052597
Probability
0.304910
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 07/01/07 Time: 11:50
Sample(adjusted): 1987 2005
Included observations: 19 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
0.015783
0.007761
2.033483
0.0579
RESID^2(-1)
0.139472
0.139679
0.998515
0.3320
R-squared
0.055400
Mean dependent var
0.019958
Adjusted R-squared
-0.000165
S.D. dependent var
0.028501
S.E. of regression
0.028503
Akaike info criterion
-4.178319
Sum squared resid
0.013811
Schwarz criterion
-4.078904
Log likelihood
41.69403
F-statistic
0.997033
Durbin-Watson stat
1.526192
Prob(F-statistic)
0.332031
从Obs*R-squared的P值为0.304910可以看出该模型不存在异方差.
5.自相关的检验
1)DW检验
由表二可知n=20,
=2查表得
=1.100,
=1.537,因为DW=0.802844<
,表明该模型存在正自相关.这一点可以从残差图中看出.
从上图可知,残差的变动有系统模式,连续为正,表明参差项存在一阶正相关,模型中的T统计量和F统计量的结论不可信,需要采取补救措施.
2)科克伦-奥克特迭代法补救
Dependent Variable: LNY
Method: Least Squares
Date: 07/01/07 Time: 11:54
Sample(adjusted): 1987 2005
Included observations: 19 after adjusting endpoints
Convergence achieved after 10 iterations
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-1.057913
1.495970
-0.707176
0.4903
X3
2.964521
0.433711
6.835245
0.0000
LNX1
0.383998
0.177727
2.160607
0.0473
AR(1)
0.415237
0.162408
2.556760
0.0219
R-squared
0.993373
Mean dependent var
6.498144
Adjusted R-squared
0.992048
S.D. dependent var
1.343853
S.E. of regression
0.119838
Akaike info criterion
-1.220690
Sum squared resid
0.215417
Schwarz criterion
-1.021861
Log likelihood
15.59655
F-statistic
749.5130
Durbin-Watson stat
2.093164
Prob(F-statistic)
0.000000
Inverted AR Roots
.42
由上表可知DW=2.093164,给定显著性水平α=0.05,查Durbin-Watson表,n=19, k’=2,
=1.536,4-
=2.464,