保險發展、金融深化與經濟增長關系研究

劉君

摘要： 本文采用時變面板平滑轉換回歸模型，在非線性的框架下對我國30個省份（地區）2000—2015年保險發展與經濟增長關系展開深入研究。文章構建包括金融系統因素和宏觀經濟基本面因素的非線性模型，重點考察在金融系統變化情況下，保險市場發展對經濟增長的漸進影響效應及傳遞路徑。研究發現，金融發展水平越高的區域，通常其金融系統的資金配置效率和投資效率也更有效，保險消費對經濟增長具有強拉動效應，其中壽險的融資功能比財險經濟補償功能更具經濟增長效應；而地區金融風險程度增高，則會大幅度提高該區金融系統的投資風險，進而弱化財險和壽險對經濟增長的正效應。最后本文提出了現階段深化金融改革與管控金融風險的若干建議。

關鍵詞： 保險發展； 金融深化； 經濟增長； 時變面板平滑轉換回歸模型

文獻標識碼： A 文章編號： 1002-2848-2017（04）-0029-12

一、 引 言

近年來，我國深化金融市場改革，社會經濟快速發展。其中，保險業作為現代金融市場的重要支柱之一，也在2015年《國務院關于加快發展現代保險服務業的若干意見》等“新國十條”實施方案推動下更加迅速發展。在保險業快速發展的同時，我國經濟發展也保持較高水平。如圖1所示，從2000年以來，我國人均GDP一直穩步上升，其中保險對消費及融資的金融支持作用逐漸顯現出來，保險發展與經濟增長均穩步提升。事實上，研究發現，隨著保險業在現代金融業的作用逐漸增強，保險與經濟發展更加密切，其中財險經濟補償功能保障社會再生產運行，壽險融資功能促進儲蓄資金向實體投資轉化，均具有較強經濟增長效應[1]。

但是，目前研究發現，在保險消費對經濟增長的促進逐漸增強的同時，由于各地金融系統深化水平不同，各地保險業和經濟發展不均衡，導致保險消費的經濟增長效應存在較大差異。其中，在保險密度和增速方面，東部省份保險密度最高；中部地區次之；西部地區保險密度最低，同時增速緩慢。在金融深化方面，各省金融規模（本外幣貸款/GDP）與金融風險（不良貸款率）也存在較大差異。這導致我國各省保險消費的經濟增長效應存在顯著區別。而在目前保險與經濟增長的文獻中，尚未有研究考慮各地經濟增長的異質性，結合各地保險發展不平衡，金融系統發展現狀顯著差異進行研究，也沒有文獻嚴格區分金融深化過程中金融規模、金融風險這兩方面因素對經濟增長影響。

金融發展與經濟增長的關系一直是學術界研究的重點，國內外諸多學者均認為，一國或地區只有金融發展水平達到一定程度，金融發展才能通過規模效應與溢出效應促進經濟增長。事實上，保險業一直是金融系統中重要的組成部分，保險消費對經濟增長的促進作用也受地區金融發展水平的影響。一方面，國外學者Beenstock et al.、Outreville、Adams M and Andersson J.、Ward和Zurbruegg、Azmansaini and Smith研究保險與經濟增長關系，均認為保險業能分散風險、穩定資金、提高經濟的生產率，進而促進經濟增長[26]；而學者Webb et al、Boon、Adams et al、Avram et al研究認為壽險與財險消費對經濟有顯著正影響效應，但在金融水平、收入水平不同的國家和地區存在差異，其中壽險消費只有在高收入國家有效[710]。另一方面，結合保險業區域發展不均衡現狀，學者Skipper、Arena M、Albouy和Blagoutine、邵全權研究認為保險能促進地區經濟及金融穩定，但區域發展失衡會導致區域保險結構同質，加劇行業利益沖突，損害保險消費對經濟增長的正向作用[1113]。

國內方面，學者沈坤榮采用FGLS估計方法，研究認為經濟發展水平和金融發展水平不同會影響保險消費和經濟增長的關系，隨著金融經濟發展改善，保險促進經濟增長的程度會顯著增強[14]。曾智研究也認為不同經濟金融發展水平下，保險消費與經濟增長存在倒U型關系，其中只有壽險具有顯著經濟增長效應[15]。而趙進文通過時間序列非線性STR模型，研究認為保險消費對經濟增長點拉動作用具有明顯階段性和非線性特征，由于各區經濟發展和保險發展水平不同，保險消費經濟增長效應沒有充分發揮[16]。

事實上，目前國內外眾多學者研究均認為，保險發展跟經濟增長存在正相關關系。同時諸多學者如Winter、Niehaus、Nieh等研究均表明，由于各區經濟增長，金融發展水平差異，加之保險周期、收入差距等因素不同，保險需求跟經濟變量之間存在非線性關系。其中Enz、Zheng研究證實保險發展與經濟增長存在S曲線關系，Lee通過TVPSTR模型研究36個國家數據，認為保險消費與人均GDP存在門限效應[17]。而國內方面，魏華林和宋平凡、劉學寧、曾智、趙進文等學者也證實保險消費與經濟增長存在非線性門限關系，其中由于金融發展水平等差異，保險消費與經濟增長呈倒U型關系[1819]。此外，多數研究經驗表明，地區金融市場的發展與金融體制的改革可以降低地區資本投資的波動，起到穩定金融系統，降低金融風險的作用，這也造成不同發展水平的金融子市場與經濟變量間存在非線性關系[2024]。

有鑒于此，結合當前經濟增速放緩，綜合考慮金融發展及保險市場發展在各地發展不平衡的現狀，我們采用最新的時變面板平滑轉換回歸模型（TVPSTR），構建包括金融系統因素和宏觀經濟基本面因素的非線性模型，對我國30個省份（地區）的2000—2015年保險發展與經濟增長關系展開深入研究。在此過程中，重點考察金融深化過程中，在地區保險發展不均衡和金融系統差異的現狀下，地區金融規模、金融風險的變化，是否導致保險消費存在非線性經濟增長效應及其動態變化規律。

本文余下內容安排如下：第二部分根據經濟增長影響因素的最新研究，結合時變面板平滑轉換回歸模型TVPSTR構建本文實證分析的框架；第三部分為本文的實證結果與分析，其中重點考察了金融系統變化下，保險消費的非線性經濟增長效應；最后是本文的結論和啟示。二、 模型的設定與數據說明endprint

（一）理論模型的構建

為了研究金融發展與經濟增長的關系，Webb et al在柯布—道格拉斯生產函數（CD生產函數）的基礎上加入了金融市場變量，其中資本、勞動力與技術進步等要素投入是影響經濟增長的主要因素，且各要素間的共線性對生產函數的影響較小。為考察保險市場因素對經濟增長的影響，本文在Webb et al的研究基礎上，引入保險市場變量，并對生產函數進行拓展。根據傳統的CD生產函數：

我們對第（5）式進行t求導，并結合上述的相關文獻和研究理論，借鑒吳永鋼和李政，吳洪的方法加入控制變量control[2526]。此外，因為各省保險業和經濟發展差異較大，研究發現本文所選數據存在較大異質性，我們參考Fouquau、Bessec和Fouquau、Destais、Aslanidis和Iranzo等的研究[2728]，為有效反應模型參數在截面單位間的異質性（Heterogeneity）變化，并刻畫參數隨時間變化產生的非穩定性影響，我們將其轉換為動態面板平滑轉移回歸（TVPSTR）模型，以此考察在金融深化的過程中，保險市場參數對經濟增長的動態影響。我們構建如下的模型：

其中，被解釋變量ln（rgdpi，t）為各省在t期的人均GDP對數，用以衡量各省的經濟增長水平。在自變量中，保險市場需求Xi，t作為本文主解釋變量，衡量各省居民保險需求，即各省保險密度。我們分別采用各省整體保險市場保費收入insurance、財產保險市場保費收入nonlife、壽險市場保費收入life與各省同期GDP的比值進行衡量。

在本文模型中，根據Ching et al、趙進文、曾智等研究，由于不同地區經濟發展水平、金融發展水平等的不同，保險需求增長對經濟增長存在非線性影響[29]。事實上，從行業環境分析，地區發達的金融體系對行業資本配置效率具有正面影響效應，強化行業發展的經濟增長效應，代表性研究有Goldsmith、McKinnon、Jeffrey Wurgler、Almeida and Wolfenzon以及HoChuan （River） Huang et al.等[3033]。因此在實證中，我們加入衡量金融深化水平的非線性門限變量，包括金融發展水平fincredit和金融風險程度finrisk，用以衡量金融深化過程中，隨金融發展水平fincredit和金融風險程度finrisk的變化，保險市場對經濟增長的非線性影響。其中，金融發展水平fincredit，我們借鑒李后建金融發展指標pcrdbofgdp，即采用銀行及其他金融機構的本外幣貸款總額占GDP的比重來構建金融發展指標[34]，反映了整個年度經濟的融資活動中，通過金融部門向實體經濟提供的資金總量，用以度量了一個地區金融規模的大小，通常認為該指標越大則表明地區的金融發展水平越高。而金融風險程度finrisk則用各省不同年份銀行業不良貸款率進行衡量，通常不良貸款率越高代表該區金融融資風險程度越高，越不利于資金向實體經濟流通。

在模型中，我們綜合考慮影響經濟增長的控制變量Controli，t：實物資本存量lncapital（衡量實體經濟資本投入），人力資本投入lnhuman，政府支出gover（衡量政府消費和投資對宏觀經濟的干預），進出口總額trade（衡量各地進出口對經濟增長的拉動作用），通貨膨脹率cpi（衡量各地區價格波動或者宏觀經濟不確定性對經濟增長的影響）。并通過這五個控制變量Controli，t，衡量實際經濟資本投入、人力投入等要素、貿易出口、政府干預及宏觀經濟穩定情況等對經濟增長的影響。

綜上所述，在本文中，我們金融深化的兩個指標做門限變量，構建兩個模型，實證檢驗在不同的金融深化水平上，隨金融發展水平fincredit和金融風險程度finrisk的變化，保險市場發展對經濟增長的非線性影響及其變化規律。此外，β1和β2為估計系數。而轉移函數g（Qit，γ，Qc）選擇上，我們借鑒趙進文、李后建、魏華林方法，選擇如下的logistic轉換函數：

其中，Qc為轉換函數的位置參數，γ為平滑參數，衡量了logistic函數的平滑轉換程度，同時還決定不同區制間的變換速度。

（二）線性檢驗與剩余非線性檢驗

遵循該領域研究慣例，例如Gonzulez et al.[35]，為了檢驗體制轉換效應是否顯著，我們在γ=0處對g（Qit，γ，Qc）轉移函數進行一階泰勒展開，并在原文模型，即公式（6）的基礎上，構造如下的輔助回歸方程（6），以進行“線性檢驗”：

其中，Zi，t=（lnrgdpi，t，nonlifei，t，lifei，t，controli，t），Rm為泰勒展開的剩余項。同時，依據Gonzulez et al.（2005）方法的基本原理，檢驗關系式（4）式中線性假設H0：γ=0等價于檢驗（8）式中H*0：′ 1=L=′ m=0。為了考察原假設H*0，我們構造如下統計量：

在式（9）至式（11）中，SSR0為在原假設成立條件下的面板殘差平方和，而SSR1則為備擇假設成立下的面板殘差平方和，SSRur為無約束條件下輔助回歸方程（線性化無約束回歸模型）的殘差平方和。在檢驗過程中，LM統計量和pseudoLRT統計量遵循漸近χ2mk分布，而F統計量則遵循漸近F（mk，TNNmk）分布。

在“線性VS非線性”檢驗基礎上，接下來我們仍需要作“剩余非線性檢驗”（remaining nonlinearity），以檢驗機制轉移函數的個數。具體來說，就是考察是否只存在唯一一個轉換函數（H0：r=1）或者至少存在著兩個轉換函數（H1：r=2）其中，r為β系數的階數，滿足β=（lnrgdpi，t）Xi，t=β1+∑γj=1βjgj（i，t，γj，Qj）。。在基于r=2的備擇假設下，TVPSTR模型具有以下的表達形式：

ln（rgdpi，t）=β0+β1Xi，t+β2Xi.tg（Q（1）i，t，γ1，Qc）+β3Xi，tg（Q（2）i，t，γ2，Qc）+β4Controli，t+εi，tendprint

（12）

其中，Q（1）i，t=Q（2）i，t。與上述檢驗思路類似，為了檢驗是否存在兩個轉換函數，我們考察原假設H0：γ2=0，并先在γ2=0處對g（Q（2）i，t，γ2，Qc）轉移函數做一階泰勒展開構造輔助回歸方程，并采用LM統計量、F統計量或pseudoLRT統計量檢驗體制轉換效應個數的顯著性。同時在估計模型的篩選過程中，我們進一步檢驗是否存在三個或以上的轉換函數個數，即首先假定H0：r=r（r≥3）以及備擇假設H1：r=r+1進行檢驗，如果拒絕原假設H0，則繼續對H0：r=r+1及其相應的備擇假設H1：r=r+2進行檢驗，依此類推，直至無法拒絕原假設H0為止。

（三）變量說明及數據來源

為了考察不同地區保險發展在不同金融深化程度下對經濟增長點非線性促進作用，本文采用時變面板平滑轉換回歸模型TVPSTR對整體保險市場、財產保險市場、壽險保險市場在不同金融發展水平、金融風險程度變化下對各省經濟增長的影響關系展開實證分析。其中我們選擇的研究對象為北京、上海、廣東、天津等30個中國的省市地區。我們選取的數據來源為中國國家統計局、中國保險年鑒、中國統計年鑒、中國金融統計年鑒等，時間區間為2000—2015年。其中，30個省市名單見腳注樣本分布：北京、天津、河北、山西、內蒙古、遼寧、吉林、黑龍江、上海、江蘇、浙江、安徽、福建、江西、山東、河南、湖北、湖南、廣東、廣西、海南、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆。。此外，本文主要變量定義和統計描述如下：

（1）保險市場指標。我們采用各省整體保險市場保費收入insurance、財產保險市場保費收入nonlife、壽險市場保費收入life與各省同期GDP的比值進行衡量。

（2）經濟增長指標。為衡量一國或地區的宏觀經濟運行狀況，我們采用發展經濟學中人均國內生產總值（Real GDP per capita），即“人均rgdp”，作為衡量經濟發展狀況的指標。該指標數值越大則表明該省市的經濟增長水平更高。為了消除異方差，我們對人均GDP進行取對數。

（3）金融深化指標。金融深化程度往往影響該區融資規模及金融風險程度。其中融資規模越大，實體經濟獲得的資金支持就越多，而金融風險則阻礙資金投資。本文選取本外幣貸款總額占GDP的比重來構建金融發展指標（fincredit），以刻畫一個國家或地區的金融發展狀況，該指標越大則表明地區的金融發展水平越高。金融風險程度finrisk則用各省不同年份銀行業不良貸款率進行衡量，通常不良貸款率越高代表該區金融融資風險程度越高，越不利于資金向實體經濟流通。

（4）控制變量Controli，t：實物資本存量lncapital（各地區實物資本取對數衡量資本投入），人力資本投入lnhuman（以各省勞動力平均受教育年限衡量勞動力投入），政府支出gover（政府消費和投資占GDP比重），進出口總額trade（衡量各地進出口總額占GDP比值），通貨膨脹率cpi（衡量各地區價格波動或者宏觀經濟不確定性對經濟增長的影響）。

三、 實證結果與分析

（一）“線性檢驗”與“剩余非線性檢驗”

為了檢驗保險發展在不同金融深化水平下對經濟增長的影響，我們結合各地宏觀經濟基本面情況，重點考察保險發展在不同金融發展規模及金融風險程度等門限變量下，對經濟增長的非線性門限效應。其中，借鑒陳創練、趙進文等的研究[3637]，選擇各省本外幣貸款總額占GDP比重衡量各地金融發展水平，選擇各省銀行業不良貸款率衡量各省金融風險程度，并以這兩個變量作為金融深化水平的綜合衡量指標，構建非線性時變面板平滑轉換回歸模型（TVPSTR）。在面板平滑轉換回歸TVPSTR模型中，位置參數m的取值直接影響轉移函數g（Qit，γ，Qc），我們借鑒Gonzulez et al.、Granger和Terasvirta的方法[38]，根據AIC和BIC的準則，同時結合包含區制個數不過多的TVPSTR已能充分反映面板數據異質性，本文最終確定非線性模型的最優位置參數個數均為1。

在動態面板平滑轉換回歸TVPSTR模型估計前，為了保證檢驗結果穩健性，確定了轉換函數g（Qit，γ，Qc）的位置參數后，我們要對金融發展水平、金融風險程度與經濟增長之間的非線性關系進行實證檢驗，同時考察保險發展的增長效應中存在的非線性轉換函數（體制轉換區間）的最優個數，我們將檢驗結果列于表3。

由表的檢驗結果可以清楚地看出，當以金融發展水平或金融風險程度指標作為門限變量對經濟增長展開線性檢驗時，各個模型的F統計量、LM統計量和pseudoLRT統計量在1%顯著性水平均顯著地拒絕r=0的原假設，這就充分說明隨著金融發展水平或金融風險程度的增強，保險發展與經濟增長之間存在顯著的非線性效應，要采用非線性TVPSTR模型估計。此外，由表4的分析結果我們可知，在1%的顯著性水平上，各個模型非線性機制轉換函數的最優個數為1。

（二）非線性模型的參數估計

在以上最優模型選擇的基礎上，本文借鑒Gonzulez et al的方法對TVPSTR模型進行了參數估計。首先采用“去均值”的方法消除個體固定效應，然后采用非線性最小二乘法來估計模型參數，與Goffe et al、Brooks et al以及Gonzulez等人的研究相一致[3940]，本文采用格點法（grid）來搜索使模型殘差平方和最小的參數估計值，將其作為非線性最優算法的初始參數，在確保模型參數收斂的基礎上進行估計，并將結果列于表4。

由表4的實證結果可知，動態非線性平滑面板TVPSTR模型的檢驗結果比線性模型更加符合實際，模型中各變量統計顯著性更優。根據非線性模型實證結果可知，以金融發展水平（金融規模）做轉換函數的門限變量，平滑參數γ的估計值較?。?083），說明非線性轉換函數具有較明顯的平滑轉化特征，隨著各省金融發展水平提高，保險市場對經濟增長的影響呈現漸進演變的非線性關系；而以金融風險程度（金融風險）做門限變量，平滑參數γ的估計值較大（12481），說明隨金融風險加劇，保險市場對經濟增長影響的非線性效果更強烈，變化速度更快。其中，當金融發展水平（金融規模）低于門限變量（4294）時，金融系統處于低轉換區制，此時保險需求對經濟增長的線性影響部分首先呈現負效應，而后隨著金融發展水平高于門限變量（4294）時，非線性部分的影響效應逐漸起主導作用，保險對經濟增長逐漸呈現正影響效應；而以金融風險程度（金融風險）低于門限變量（3492），金融系統處于低風險區制，保險對經濟增長影響的首先呈現正效應，后隨著金融風險擴大逐漸轉為負效應。由此可見，保險發展與經濟增長確實存在非線性金融深化門限效應，隨著金融系統的金融規模、金融風險變化存在不同關系。此外，從線性與非線性模型實證可知，壽險需求比財險需求對經濟增長的影響更顯著，我們認為這可能與我國目前保險市場的發展規律相關，在保險規模與保險增長速度方面，壽險明顯比財險更具影響力。endprint