中國宏觀經濟增長對保險業增長影響的分析

摘 要：主要研究宏觀經濟波動對于保險業發展有無影響以及有何影響。首先對經濟增長和波動可能會對保險業發展的影響進行理論假設，認為經濟增長對保險業發展具有正向的推動作用，之后選取中國31個省市自1998—2011年的地區生產總值和保費收入的數據進行面板數據的協整和回歸分析。分析結果表明，二者之間存在著長期的協整關系，即經濟增長對于保險業增長有著明顯的決定性作用。

關鍵詞：經濟波動；保險增長；影響

中圖分類號：F12 文獻標志碼：A 文章編號：1673-291X（2013）18-0005-02

一、理論分析

金融增長和經濟增長領域始終是經濟學者研究的熱點領域。保險業作為金融領域的重要組成部分，發揮著更加重要的作用，研究保險業與宏觀經濟之間的關系對于發揮保險業作用及促進保險業的健康發展具有重要作用。目前在研究宏觀經濟波動對保險業發展的關系文獻中，部分是肯定宏觀經濟增長對于保險業發展的影響作用，部分研究則不認為宏觀經濟增長會對保險業發展產生影響。相應地形成不同的理論，比較有代表性的是經濟增長促進保險增長理論和泡沫中性理論。

1.經濟增長促進保險增長理論。此理論認為經濟的增長是保險增長的一個重要的解釋變量，是從保險購買者的行為進行理論分析而得出的結論。這個理論認為，人們在購買保險時大致可分為三個方面的考慮。第一方面是為所持有的資產或財富提供保障，即財險的主要功能。在這一方面，人們傾向于為價值較大、使用時間較長的耐用品購買保險，比如說機動車等等，而很少對一些快速消費品進行投保。經濟的增長會提高人們的可支配收入，使得耐用品購買增加，相應的財產需求也持續上升。第二方面是對自身健康保障的保險，即通常意義上的人身險。對這方面分析的經典理論是馬斯洛需求層次理論。壽險及健康險能夠在一定程度上滿足人的安全上的需求，儲蓄險等險種也能在某些程度上滿足一部分的歸屬需求，而這些需求都在生理需求之上，即只有在滿足或基本滿足日常衣食住行的生理需要之后才能到達這一階段，而經濟收入的增加會使更多的收入投入到這一需求層次的滿足。第三方面是對企業經營和資產投入的保險，經濟增長將直接決定投入社會再生產過程中的資金，隨著經濟的增長會使投入增加，相應的保險也會增加。因此，從這三個方面的投保動機著手，在理論上能夠分析經濟增長對保險增長的拉動影響。

2.泡沫中性理論。這種理論認為經濟的增長并非保險業增長的解釋變量，經濟的波動也并不會帶來保險業的波動。因為該理論認為保險業發展主要應該“歸功”于保險經濟人所做的努力。認為人們的購買需求并不是經濟增長和收入增加的正常需求，而主要是受保險經濟人的誘導。因此保險業的增長并不是基于真實經濟增長的基礎上，就將這種效應稱為“泡沫中性效應”。這種理論在中國特別是保險業發展初期具有比較廣泛的影響力，因為人們認為保險業發展初期各種制度和機制不完善的情況下，保險經濟人是人們做出是否購買保險的決策的主要因素。

本文通過選取中國1998—2011年的保費收入、財產險保費收入、人壽險保費收入及GDP的數據首先從直觀上對上述兩種觀點進行初步的判斷。下頁圖1為1998—2011年全國財險保費收入、壽險保費收入、總的保費收入以及國內生產總值四個變量的增長趨勢。

下頁圖1可以顯示，從1998—2011年以來，無論是財產收入、人身險收入及其總和保險收入，還是國內生產總值都呈逐年上升趨勢。基于上述的直觀分析，本文支持第一種理論，對保險業順GDP周期性做出肯定的基本假設。這一假設會在下面章節中進行分析。

二、實證分析

1.數據選取。本文要對宏觀經濟增長對保險業增長的影響進行分析。我們以GDP作為衡量經濟波動的指標，而以保費收入（insure）作為衡量保險業發展的指標。為了保證數據的準確性，本文通過選取1998—2011年的31個省市的數據，這種關系進行分析。數據來源于《中國統計年鑒》和《中國保險年鑒》，并且為消除物價影響，將其中涉及的變量進行了物價因素的剔除并且所有的變量都取對數后計算。本文所采用的分析軟件是Eviews6.0。

2.模型的選取。面板數據也稱為平行數據（Panel Data）是指包括若干個截面個體成員（例如各公司、各省市）在一段時期內的樣本數據的集合，其每一個截面成員都有很多的觀測值。基于面板數據的回歸模型叫面板數據模型。面板協整檢驗是目前研究面板數據間變量關系有效而成熟的模型，重點研究變量間長期的一致性關系是否存在，其理論及應用已經成為一個重要研究熱點。本文對所收集的數據進行面板協整檢驗，以判斷保費收入和GDP之間的是否存在協整關系。面板回歸分析用來確定兩種或兩種以上變數間相互依賴的定量關系，本文將在判斷協整性的基礎上進行回歸分析。

3.單位根檢驗。面板數據分析要求變量之間是同階單整的關系。本文先對保費收入Y、地區生產總值X的時序圖進行分析，發現兩個變量截距項和趨勢都比較明顯，在單位根檢驗時應用含有截距項和趨勢項的檢驗模式。對其level數據進行檢驗，二者均不平穩，再對X、Y的一階差分進行檢驗，是平穩的。因此，二者是同階單整的，滿足協整檢驗的條件。

4.協整檢驗。協整檢驗的原假設為不存在協整關系。運行Eviews6.0，可得變量X、Y之間分析結果（見表1）。

從上表可以看出，統計量相對應的概率小于0.05，即在5%的檢驗水平下均拒絕原假設，變量X與變量Y之間存在長期協整關系。

5.回歸分析。根據對面板數據模型截距項和解釋變量系數的不同限制，可以將面板數據模型分為三類：變截距模型、變系數模型以及混合回歸模型。在回歸分析之前，首先應判斷數據模型類型，判斷的標準是通過計算殘差平方項對統計量進行判斷。經運行軟件，得到殘差平方項結果（見表2）。計算后得到應使用混合模型。

從表3看，X的系數為2.780752，截距項為-1060.823。T統計量是檢驗每一個自變量的合理性。|t|大于臨界值表示可拒絕系數為0的假設，即系數合理。Prob為系數的概率，若其小于置信度（如0.05）則表明|t|大于臨界值，即認為系數合理。從上表可以看出，C和X統計量對應的概率分別為0.0318、0.0000均小于0.05，因此在5%的檢驗水平下，能夠達到很好的擬合效果，系數是合理的。

三、結論

通過上述分析可以看到，變量x在長期對于y的決定系數是2.780752，即保費收入的變動與GDP的變動率呈現長期的一致性關系。從長期來看，GDP每變動1個百分點，保費收入變動2.78個百分點，呈現出明顯的同向關系，即宏觀經濟的增長對保費收入增長具有較為明顯的決定作用。因此，通過關注GDP的增長情況適時調整策略和政策，對于促使保險業健康發展具有重要意義。