非壽險需求影響因素研究

歐陽漢 田秋紅 廖文琪

(貴州財經大學大數據統計學院，貴州 貴陽 550025)

一、引言

2014年，國務院印發《關于加快發展現代保險服務業的若干意見》，指出保險是現代經濟的重要產業和風險管理的基本手段，同時也是社會文明、經濟發達程度、社會治理能力的重要標志。隨著經濟社會的快速發展，保險行業已經參與到國民經濟的進程中，保險的社會“穩定器”和經濟“助推器”作用將得到有效發揮。

壽險主要是對人的生命及身體健康進行保障，非壽險是對財產及責任利益進行保障。與壽險相比，非壽險的保障對象較廣，不僅有人、物，還有責任等非實體，因此，非壽險的影響因素較多。學者對非壽險的影響因素進行研究，得到GDP(劉志雄，2005；羅皓等，2005；鎖凌燕等，2005)、固定資產投資(張宗軍，2011；張宗軍，2012)有顯著影響，部分學者指出社會因素中的受教育程度會產業顯著影響(趙桂芹，2006；尚君等，2013)。Cavante等(2013)發現非壽險保費與國民經濟有關系，國民經濟的增長會促進非壽險發展。Hasan(2018)研究得到除利率外，其他宏觀經濟因素對非壽險公司績效無顯著影響。Shiu(2019)發現在英國得的非壽險需求主要影響因素是保險產品本身。

基于學者對非壽險需求的研究，本文將選用1988年～2018年中國的時間序列數據，對影響非壽險的因素進行實證研究。

二、指標選取及研究方法介紹

1.指標選取

選取國內生產增長率、固定資產增長率、總撫養比、風險水平、教育水平[14]作為解釋變量，保費增長率為被解釋變量，其中風險水平是以年度火災、交通事故損失加總來表示，教育水平是以普通高中、高校畢業生人數加總來表示。本文實證分析的數據的時間序列長度為31，相關數據(1988-2018)來源于中國統計局官網、中國銀行官網、《中國保險年鑒》得到。

表1 變量的統計性描述

2.方法介紹

(1)平穩性檢驗

平穩性檢驗的方法主要有兩種：第一種是根據時序圖和自相關圖的特點來判斷其平穩性；第二種就是構建檢驗統計量，利用假設檢驗來判別平穩性(田行宇等，2018)，構造檢驗統計量的方法主要有單位根檢驗。

ADF單位根檢驗檢驗估計回歸方程由三個模型完成：

其中t為時間變量，代表序列隨時間變化的趨勢。模型的檢驗原理同DF檢驗，即t檢驗；檢驗順序為復雜到簡單；三個模型全部檢驗通過才能證明該序列是平穩時間序列。

(2)基于協整和誤差修正模型

對于k個時間序列Yt=(y1t,y2t,…ykt),，k維向量Yt的分量被稱為d，b階協整，記為Yt～(d,b)，即Yt的各個分量序列存在協整，如果滿足如下條件：

Yt～I(d)，要求Yt的每個分量Ytt～I(d);

存在非零向量β，使得β，Yt～I(d-b),0≤b≤d;

Engle和Granger多個時間序列之間存在協整關系的基礎上，構建了向量誤差修正模型VECM，由于在向量誤差修正模型中，一階差分的使用消除了變量可能存在的趨勢因素，從而避免了偽回歸等問題，模型中的差分項可以使用t檢驗和F檢驗來選取，可以更好地對短期動態關系進行分析，向量誤差修正模型的構建原理如方程所示。

這個方程可以用誤差修正模型表示為：

式中αecmt-1=β，Yt-1是誤差修正項，其系數α是反映調整的速度。

3.格蘭杰因果關系檢驗

該檢驗方法是諾貝爾經濟學獎得主克萊夫·格蘭杰(CliveW.J.Granger)所開創，用于分析經濟變量之間的格蘭杰因果關系(梁宗經等，2020)。他給格蘭杰因果關系的定義為“依賴于使用過去某些時點上所有信息的最佳最小二乘預測的方差。

其中殘差序列u1i、u1k之間不相關，檢驗的原假設為：H0=β1=β2=…=βi=0，檢驗統計量為F統計量：

4.脈沖響應函數

脈沖響應函數是用來考慮擾動項的影響是怎么樣從一個變量傳播到另一個變量的，主要研究影響的傳遞過程，其主要的基本思路是通過對時間序列模型的分析來實現對向量間影響傳遞關系的實證分析，下面通過簡單的脈沖響應函數來了解其基本思想。首先闡述下脈沖響應函數在兩變量(htzt)的VAR(2)模型中的實現過程。

其中，a、b、c和d都是參數，擾動項以t的形式存在。

三、實證分析

1.平穩性檢驗

要進行時間序列分析，首先必須進行平穩性檢驗，其趨勢如圖1、圖2所示，從圖1變量趨勢和圖2變量的一階差分趨勢可以看出，所有變量x1、x3、x4、ln(x5)表現出來不平穩，而他們的一階差分表現出平穩性。

圖1 變量時間趨勢圖

圖2 變量一階差分趨勢

ADF檢驗如表所示，從表2單位根檢驗結果可以看出，一部分變量序列是平穩的，一部分變量一階差分后在5%顯著水平上都是平穩序列。

從表2可以看出序列y和序列x2平穩，x1、x3、x4、ln(x5)經過一階差分后平穩，具有相同的單整階數，符合進行協整檢驗的必要條件。

表2 各變量單位根檢驗

2.協整方程的建立

為了確定上述序列之間是否有長期穩定關系，是否能得到協整方程，本文將采用Johansen-Juselius協整檢驗法對序列的協整關系進行檢驗，同時在檢驗之前，還要確定VAR模型的最優滯后階數，協整檢驗的滯后階數等于相應的VAR模型的滯后階數減1。可以根據AIC和SC最小信息可以確定VAR模型的最優滯后階數。從信息準則可以看出，滯后階數為3時，AIC和SC值最小，所以選擇VAR模型的滯后階數期為3。

VAR模型選擇滯后階數為3時效果滿意，所以選擇協整檢驗的滯后期為2。序列x1、x2、x3、x4、ln(x5)和y之間存在多組協整關系，根據最大向量特征值對應的向量得到標準化的協整方程，所以得到標準化的協整關系式為：

y=-0.7173*(x1)+0.3072*(x2)+0.3979*(x3)+3.1173*(x4)+23.0683*ln(x5)

(0.0956) (0.0512) (0.0270) (0.2593) (2.3114)

式中是將y作為被解釋變量，將x1、x2、x3、x4、ln(x5)作為解釋變量，括號內的為t統計量。

3. 向量誤差修正模型(VECM)的建立

協整方程考慮到了序列的長期波動關系，并沒有介紹各序列短期波動對于模型的影響，所以在此基礎上，對協整模型進行補充，對具有協整關系的變量y、x1、x2、x3、x4、ln(x5)建立誤差修正模型。其中y的誤差修正模型公式如下：

▽y=-0.287▽yt-1-0.024▽yt-2-0.551▽(x1)t-1-0.252▽(x1)t-2+0.945▽(x2)t-1+0.315▽(x2)t-2+2.221▽(x3)t-1-3.759▽(x3)t-2-0.146▽(x4)t-1+0.030▽(x4)t-2-88.673▽ln(x5)t-1-98.51▽ln(x5)t-2-1.380vecmt-1+0.910

vecmt-1=-0.717*(x1)+0.307*(x2)+3.117*(x3)+0.398*(x4)+23.068*ln(x5)

根據向量誤差修正模型可以看出，非壽險保險增長率會受到上一期、上二期非壽險保費增長率、國內生產增長率、固定資產增長率、總撫養比、風險水平、教育水平的短期波動影響，從各變量差分項滯后一、二期可以看出，短期上，非壽險保費增長率、國內生產增長率、固定資產增長率、總撫養比、風險水平、教育水平有不同的作用。

誤差修正后可以看出方程擬合優度為0.81，調整擬合優度0.7，AIV(7.198)，SC(7.86)都較小：可以看出誤差修正方程的殘差序列平穩。說明方程效果較為滿意。接下來將檢驗誤差修正方程的殘差，根據其ADF檢驗結果看出誤差修正方程的殘差序列平穩，說明方程效果較為滿意。

4. 格蘭杰因果關系檢驗

不管是傳統模型還是協整模型，都只是給出了序列之間的方程式，揭示它們之間的關系，但并沒有給出經濟和理論意義的因果關系，即時誰引起誰的變化。為了給出這個問題的答案，且Granger因果檢驗法對序列的因果關系進行檢驗，且Granger因果檢驗法的前提是各序列必須是平穩的。利用Eviews軟件在誤差修正模型的基礎上檢驗Granger因果關系。

表3 Granger因果檢驗結果

從表 2可以看出，非壽險保費增長率是引起國內生產總值增長率變化的短期原因，固定資產增長率和非壽險保費增長率之間存在短期因果關系，總撫養比變化是引起非壽險保費增長率變化的短期原因，非壽險保費增長率是引起教育水平對數變化的短期原因。

5. 脈沖響應函數分析

基于VECM模型的脈沖響應函數的脈沖響應圖，分析影響因素對非壽險保費增長率沖擊的短期動態效應，各影響因素對非壽險保費增長率在15期內的脈沖沖擊響應結果如圖3所示。實線部分為脈沖響應函數值隨時間變化的路徑，說明了各非壽險保費增長率影響因素對非壽險保費增長率沖擊強度大小的變化過程。

圖3 脈沖響應函數分析結果

從圖3中可以看出，國內生產增長率在第1期時，國內生產增長率對非壽險保費增長率的響應值為0，小幅度波動后在第3期時達到最高點，隨后有微小的負向作用。

當給固定資產增長率一個正向沖擊后，在第2期響應為正且達到最大值，為5.9932，然后在第4期為負且降低到最小值，為-2.7520，在第5期時后呈現正向沖擊，逐漸趨于穩定狀態。說明固定資產增長率對非壽險保費增長率有一定的影響作用，從長期來看，固定資產增長率會促進經濟發展，有利于非壽險保費增長率的提高。

當給總撫養比一個正向沖擊時，會給非壽險保費增長率帶來負向的沖擊，從第1期開始一直為負且持續降低在第15期達到最大值，為-5.6104，表明短期內總撫養比的正向沖擊對非壽險保費增長率具有一定的作用。說明總撫養比短期內由于老齡化程度加重，有利于非壽險保費增長率的提高，但隨著年齡結構的不斷變化，總撫養比隨之増大，對非壽險保費增長率起到了一定的阻礙作用。

給風險水平一個正向沖擊，對非壽險保費增長率變化量的影響始終為負，且從整體上來看整體降低。即風險水平程度受到沖擊后，給非壽險保費增長率帶來反向沖擊，并在第9期達到最小值，為-3.5378，表明短期內風險水平程度的正向沖擊對非壽險保費增長會生暫時的阻礙作用。說明中國火災損失和交通事故損失的增加，這對非壽險保費增的提高是不利的。

給教育水平一個正向沖擊后，對非壽險保費增長率變化量的影響整體為正，在第2、3期時，教育水平對非壽險保費增長率變化量的影響為負，表明短期內教育水平程度的正向沖擊對非壽險保費增長會生暫時的阻礙作用。然后對非壽險保費增長率變化量的影響為正且穩定，長期來看，教育水平對非壽險保費增長率有促進作用。

四、結論與展望

本文選取國內生產增長率、固定資產增長率、總撫養比、風險水平、教育水平五個主要因素作為解釋變量，保費增長率為被解釋變量，利用協整模型，分析序列的平穩性，并且考慮了序列間的長期波動關系，然后對協整模型進行誤差修正，消除序列短期波動的影響。最后進行序列之間的Granger因果檢驗、脈沖響應函數，主要結果如下。

通過協整檢驗可知，非壽險保費增長率與國內生產增長率、固定資產增長率、總撫養比、風險水平、教育水平存在顯著的長期均衡關系，這種關系表明，在長期上，固定資產增長率、總撫養比、風險水平、教育水平對非壽險保費增長率均有正向影響，而國內生產增長率對非壽險保費增長率有負向影響，從影響程度來看，教育水平影響最大，其次是風險水平，而固定資產增長率的影響最小。

向量誤差修正模型表明，非壽險保費增長率受到上期非壽險保費增長率、國內生產增長率、固定資產增長率、總撫養比、風險水平、教育水平的短期波動的影響。固定資產增長率、總撫養比滯后一期的變化對本期非壽險保費增長率有正向影響，而非壽險保費增長率、國內生產增長率、風險水平、教育水平對本期非壽險保費增長率具有反向影響。其中教育水平的影響程度相對于其它變量來說較為突出。

基于向量誤差修正模型，得到序列之間的短期因果關系，固定資產增長率與非壽險需求互相顯著影響，總撫養比正向影響非壽險需求，國內生產增長率、教育水平、風險水平不是影響非壽險需求的主要因素。

基于向量誤差修正模型，采用脈沖響應函數對各個影響變量的變動對非壽險保費增長率的影響進行了分析，短期內，國內生產增長率、固定資產增長率、教育水平受到正向沖擊后，對未來一段時間非壽險保費增長率均產生穩定的積極影響，其中固定資產增長率對非壽險保費增長率的波動最為敏感。

最后，國家發展固定資產投資可以促進非壽險行業的發展，同時大力宣傳非壽險的風險轉移和理財功能，讓居民了解非壽險，并可以正確購買保險產品，發揮非壽險的積極作用。另外，非壽險行業需要不斷的創新和改革，讓非壽險產品發揮作用。