计量经济学论文课程论文2007影响我国保险市场发展的实证分析

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,