《影响人身保险保费收入的重要因素及其实证分析.doc》由会员分享,可在线阅读,更多相关《影响人身保险保费收入的重要因素及其实证分析.doc(10页珍藏版)》请在三一文库上搜索。
1、影响人身保险保费收入的重要因素及其实证分析一、 摘要 中国保险业自1979年恢复经营以来,取得了迅猛的发展。其中,1982年中国恢复了人身保险业务,当期人身保费收入为159万元,而2010年已增长为10500.8832亿元。人身保险收入在1997年市场份额超过财产险以后,一直占据保险市场的大壁江山,并一直保持高速发展。人身保险对于稳定社会,提高人们的福利水平以及促进地区的经济发展,都起着重要作用。针对这一现象,根据影响人身保险保费收入因素的观点,收集了19822009年相关数据并加以实证分析。本文主要通过我国国内生产总值,居民可支配收入、物价指数、人口总数对我国人身保险的保费收入的影响进行实证
2、分析。通过建立理论模型,利用Eviews软件对计量模型进行参数估计和检验并加以修正,最后对所得结果做出经济意义的分析,以揭示人身保险保费收入迅猛发展的重要因素,并从中总结经验继续开创辉煌业绩。二、 关键词 人身保费收入 国内生产总值 居民可支配收入 物价指数 人口总量OLS法三、模型设定 研究影响人身保险保费收入的重要因素,需要考虑以下方面:(一) 影响因素分析1. 国内生产总值:我国保险业的发展离不开国民经济的发展,经济发展带来保险需求的增加,最近十几年保险业的高速发展主要得益于改革开放以来国民经济的发展。一般来说,人身保费收入会随着经济的增长而同步增长。2. 居民可支配收入:可支配收入反映
3、了人均消费水平的高低。可支配收入越大,用于购买消费品的支出越多,而保险是一种商品,收入增加会刺激保险的需求。3. 物价指数:物价指数在一定程度上反映我国商品价格的基本水平。而保险商品的价格是保险费率,保险费率与保险需求一般成反比关系。物价指数偏高,导致保险经营成本上升,一定程度上又影响了保险费率。因此,物价指数是人身保险商品价格的影响因素。4. 人口总量。人身保险是以人的身体和寿命为保险标的的,而生命表是我国计算人身保险费率的重要依据,中国是世界上人口最多的国家,人身保险市场存在着巨大的发展潜力,所以人口总量对人身保险保费收入也有影响。 因此,准备将国内生产总值,居民可支配收入,物价指数,人口
4、总量作为模型的解释变量。(二)、模型形式设计经分析,将模型设定为如下形式:其中,Y为人身保费收入,X2为国内生产总值,X3为居民可支配收入,X4为物价指数,X5为人口总量。三、 数据的收集本文收集了1982-2009年数据,如表1所示表1年份人身险保费收入Y/亿元国内生产总值X2/亿元居民可支配收入X3/元物价指数X4/人口总量X5/万人19820.01595323.4526.6101.910165419830.10445962.7564101.510300819840.7257208.1651.2102.810435719854.419016.0739.1109.3105851198611.
5、33610275.2899.6106.5107507198724.99312058.61002.2107.3109300198837.4815042.81181.4118.8111026198945.9516992.31373.9118112704199059.7718667.81510.2103.1114333199182.721781.51700.6103.41158231992141.9426923.52026.6106.41171711993193.3735333.92577.4114.71185171994147.3948197.93496.2124.11198501995166.7
6、660793.74283.0117.11211211996220.4371176.64838.9108.31223891997601.9678973.05160.3102.81236261998753.7884402.35425.199.21247611999885.0889677.15854.098.61257862000989.5699214.66280.0100.412674320011424.04109655.26859.6100.712762720022274.64120332.77702.899.212845320033010.99135822.88472.2101.2129227
7、20043193.585921159878.39421.6103.912998820053646.227293184937.410493.0101.813075620064061.090122216314.411759.5101.513144820074948.968118265810.313785.8104.813212920087337.566735314045.415780.8105.913280220098144.182989340506.917174.799.3133474利用Eviews软件,生成Y 、 X2 、X3、X4、 X5 等数据,采用这些数据对模型进行OLS回归,结果如表
8、2所示表2Dependent Variable: YMethod: Least SquaresDate: 12/16/11 Time: 10:11Sample: 1982 2009Included observations: 28VariableCoefficientStd. Errort-StatisticProb. C6054.5923165.2151.9128530.0683X20.0319750.0153632.0812780.0487X3-0.0803010.356451-0.2252800.8238X4-3.70618711.96429-0.3097710.7595X5-0.055
9、3240.031920-1.7331920.0965R-squared0.977264 Mean dependent var1514.609Adjusted R-squared0.973310 S.D. dependent var2273.394S.E. of regression371.4090 Akaike info criterion14.83292Sum squared resid3172727. Schwarz criterion15.07081Log likelihood-202.6608 F-statistic247.1497Durbin-Watson stat0.827275
10、Prob(F-statistic)0.000000由此可见,该模型R2=0.977264,F检验值247.1497,明显显著。但是当=0.05时,t0.025(28-5)=2.069,不仅X3、X4、 X5的系数t检验不显著,而且X3 、X5系数的符号与预期相反,这表明很可能存在严重的多重共线性。(一) 多重共线性的检验计算各解释变量的相关系数,选择X2 、X3、X4、 X5数据,得相关系数矩阵如表3所示:表3X2X3X4X510.994744955387-0.3428075925260.8369897214720.9947449553871-0.3556809447460.883156759
11、248-0.342807592526-0.3556809447461-0.2884382543920.8369897214720.883156759248-0.2884382543921由相关系数矩阵可以看出,各解释变量之间的相关系数较高,证实确实存在严重多重共线性。采用逐步回归的办法,检验和解决多重共线性问题。分别作Y对X2 、X3、X4、 X5的一元回归,结果如表4,5,6,7所示表4Dependent Variable: YMethod: Least SquaresDate: 12/16/11 Time: 10:13Sample: 1982 2009Included observatio
12、ns: 28VariableCoefficientStd. Errort-StatisticProb. C-608.3686129.7551-4.6885910.0001X20.0231810.00098823.459590.0000R-squared0.954889 Mean dependent var1514.609Adjusted R-squared0.953154 S.D. dependent var2273.394S.E. of regression492.0537 Akaike info criterion15.30380Sum squared resid6295038. Schw
13、arz criterion15.39896Log likelihood-212.2532 F-statistic550.3524Durbin-Watson stat0.450283 Prob(F-statistic)0.000000表5Dependent Variable: YMethod: Least SquaresDate: 12/13/11 Time: 20:40Sample: 1982 2009Included observations: 28VariableCoefficientStd. Errort-StatisticProb. C-915.1152189.8201-4.82095
14、90.0001X30.4489380.02632617.053080.0000R-squared0.917931 Mean dependent var1514.609Adjusted R-squared0.914775 S.D. dependent var2273.394S.E. of regression663.6801 Akaike info criterion15.90223Sum squared resid11452253 Schwarz criterion15.99738Log likelihood-220.6312 F-statistic290.8076Durbin-Watson
15、stat0.283940 Prob(F-statistic)0.000000表6Dependent Variable: YMethod: Least SquaresDate: 12/13/11 Time: 20:43Sample: 1982 2009Included observations: 28VariableCoefficientStd. Errort-StatisticProb. C13635.596547.4292.0825860.0473X4-114.561161.76058-1.8549240.0750R-squared0.116870 Mean dependent var151
16、4.609Adjusted R-squared0.082904 S.D. dependent var2273.394S.E. of regression2177.119 Akaike info criterion18.27814Sum squared resid1.23E+08 Schwarz criterion18.37330Log likelihood-253.8940 F-statistic3.440742Durbin-Watson stat0.156575 Prob(F-statistic)0.074981表7Dependent Variable: YMethod: Least Squ
17、aresDate: 12/13/11 Time: 20:43Sample: 1982 2009Included observations: 28VariableCoefficientStd. Errort-StatisticProb. C-18542.793627.690-5.1114580.0000X50.1670740.0301175.5475040.0000R-squared0.542050 Mean dependent var1514.609Adjusted R-squared0.524437 S.D. dependent var2273.394S.E. of regression15
18、67.757 Akaike info criterion17.62143Sum squared resid63904414 Schwarz criterion17.71659Log likelihood-244.7000 F-statistic30.77480Durbin-Watson stat0.128815 Prob(F-statistic)0.000008其中,加入X2方程R2最大,以X2为基础,顺次加入其他变量逐步回归,结果如表8,9,10所示表8 Dependent Variable: YMethod: Least SquaresDate: 12/13/11 Time: 21:00S
19、ample: 1982 2009Included observations: 28VariableCoefficientStd. Errort-StatisticProb. C-109.0568156.5631-0.6965680.4925X20.0546100.0075467.2372220.0000X3-0.6241000.149050-4.1871890.0003R-squared0.973484 Mean dependent var1514.609Adjusted R-squared0.971363 S.D. dependent var2273.394S.E. of regressio
20、n384.7144 Akaike info criterion14.84384Sum squared resid3700129. Schwarz criterion14.98657Log likelihood-204.8137 F-statistic458.9181Durbin-Watson stat0.795735 Prob(F-statistic)0.000000表9Dependent Variable: YMethod: Least SquaresDate: 12/13/11 Time: 21:00Sample: 1982 2009Included observations: 28Var
21、iableCoefficientStd. Errort-StatisticProb. C-326.28541641.307-0.1987960.8440X20.0231180.00107221.563840.0000X4-2.61125215.14423-0.1724260.8645R-squared0.954942 Mean dependent var1514.609Adjusted R-squared0.951338 S.D. dependent var2273.394S.E. of regression501.5002 Akaike info criterion15.37404Sum s
22、quared resid6287561. Schwarz criterion15.51678Log likelihood-212.2366 F-statistic264.9220Durbin-Watson stat0.448721 Prob(F-statistic)0.000000表10Dependent Variable: YMethod: Least SquaresDate: 12/13/11 Time: 21:00Sample: 1982 2009Included observations: 28VariableCoefficientStd. Errort-StatisticProb.
23、C6324.3061407.6944.4926700.0001X20.0285950.00131021.820000.0000X5-0.0618780.012536-4.9359010.0000R-squared0.977153 Mean dependent var1514.609Adjusted R-squared0.975326 S.D. dependent var2273.394S.E. of regression357.1066 Akaike info criterion14.69490Sum squared resid3188128. Schwarz criterion14.8376
24、4Log likelihood-202.7286 F-statistic534.6260Durbin-Watson stat0.823758 Prob(F-statistic)0.000000经比较,当加入X3的方程可决系数增大,t检验也显著,但是参数为负值不合理。当加入X4的方程可决系数增大,但是t检验不显著。当加入X5的方程可决系数增大,t检验也显著,但是参数为负值不合理。所以最后的修正严重多重共线性的回归结果为(二) 异方差的检验由表4估计结果,进入Goldfeld-Quanadt检验,经Goldfeld-Quanadt检验结果如表11,12所示:表11Dependent Variabl
25、e: YMethod: Least SquaresDate: 12/14/11 Time: 20:01Sample: 1982 1991Included observations: 10VariableCoefficientStd. Errort-StatisticProb. C-34.623864.439514-7.7990210.0001X20.0050170.00033215.102860.0000R-squared0.966116 Mean dependent var26.74843Adjusted R-squared0.961880 S.D. dependent var28.9563
26、9S.E. of regression5.653548 Akaike info criterion6.479300Sum squared resid255.7008 Schwarz criterion6.539817Log likelihood-30.39650 F-statistic228.0962Durbin-Watson stat0.717899 Prob(F-statistic)0.000000表12Dependent Variable: YMethod: Least SquaresDate: 12/14/11 Time: 20:03Sample: 2000 2009Included
27、observations: 10VariableCoefficientStd. Errort-StatisticProb. C-1261.981395.6476-3.1896580.0128X20.0265350.00187214.172810.0000R-squared0.961698 Mean dependent var3903.085Adjusted R-squared0.956911 S.D. dependent var2346.457S.E. of regression487.0765 Akaike info criterion15.39158Sum squared resid189
28、7948. Schwarz criterion15.45209Log likelihood-74.95788 F-statistic200.8687Durbin-Watson stat1.212255 Prob(F-statistic)0.000001由表11,12可得,F统计量为F=228.0962/200.8687=1.135548,在=0.05下,查F分布表得 F0.05(8,8)=3.44, F=1.135548 F0.05(8,8)=3.44,所以不能拒绝原假设,表明模型不存在异方差。(三) 自相关的检验由表4可得,D-W=0.450283,在=0.05,n=28下,查DW统计表可知
29、,dL=1.328,du=1.476,模型中DWdL,显然模型中存在自相关。从残差图中也可以看出,残差项存在一阶自相关。表13采用广义差分法,补救自相关。利用EViews,得et滞后一期的自回归,如表14所示,回归方程为=表14Dependent Variable: EMethod: Least SquaresDate: 12/14/11 Time: 21:03Sample(adjusted): 1983 2009Included observations: 27 after adjusting endpointsVariableCoefficientStd. Errort-Statistic
30、Prob. E(-1)0.7902180.1338935.9018650.0000R-squared0.571978 Mean dependent var-17.96234Adjusted R-squared0.571978 S.D. dependent var482.4265S.E. of regression315.6197 Akaike info criterion14.38329Sum squared resid2590011. Schwarz criterion14.43128Log likelihood-193.1744 Durbin-Watson stat1.496516所以广义
31、差分方程为Yt-0.790218Yt-1=1(1-0.790218)+2(Xt-0.790218Xt-1)+vt对广义差分方程进行回归,结果如表15所示:Dependent Variable: Y-0.790218*Y(-1)Method: Least SquaresDate: 12/14/11 Time: 21:06Sample(adjusted): 1983 2009Included observations: 27 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C-207.485184.160
32、58-2.4653480.0209X2-0.790218*X2(-1)0.0261130.00200713.013710.0000R-squared0.871370 Mean dependent var567.8636Adjusted R-squared0.866225 S.D. dependent var844.4715S.E. of regression308.8674 Akaike info criterion14.37489Sum squared resid2384977. Schwarz criterion14.47088Log likelihood-192.0610 F-stati
33、stic169.3566Durbin-Watson stat1.601198 Prob(F-statistic)0.000000由于使用了广义差分法数据,样本容量减少了一个,为27个。查5%显著水平的DW统计表可知,dL =1.316,du=1.469,模型中du DW=1.6011984- du,说明在5%显著性水平下广义差分模型已无自相关。同时可见,可决系数,t、F统计量也均达到理想水平。通过实证分析,得到该模型最终为=-207.4851+0.026113 (-2.465348)(13.01371)t= (0.0209) (0.0000)R2=0.871370 2=0.866225F=16
34、9.3566 D-W=1.601198四、 模型检验1、 经济意义的检验:该模型说明,国内生产总值每增加1亿元,平均说来可导致人身保险保费收入增加0.026113亿元。这与经济学的意义相符。2、 统计检验:1) 拟合优度:由表15数据可得R2=0.871370,这说明模型对样本拟合的较好。2) F检验:针对H0:2=0,由表15数据可得,F统计量对应的P值为0.00000,小于=0.05,所以拒绝原假设,说明该回归方程显著。3) t检验:针对H0:2=0由表15数据可得,2对应的P值为0.00000,小于=0.05,所以拒绝原假设,说明国内生产总值对人身保险保费收入有显著影响。五、 结论通过实
35、证分析,我们可以得到GDP对人身保费收入有重要影响且两者呈正相关关系。国民经济的健康,稳定快速发展,将为我国人身保险业务的快速发展提供强有力的物质保障。从经济上来讲,可支配收入越多,用于购买消费品的支出越多,但它与国内生产总值存在着严重的多重共线性,所以剔除这一解释变量。物价指数会影响人均购买力,但不能直接决定购买力和消费水平,它还要和收入相结合,因此不能用来解释人身保费收入。一般来说,人口总量越多,保险需求潜力越大,人身保费收入越多。但是人身保险保费收入更重要还跟人们保险意识有关。即使人口总数很多,要是人们保险意识不高,那么保费收入增长就会比较缓慢。六、政策建议为加快人身保险自身的健康快速发展,可从以下方面做出努力:1、 由于国民经济快速发展,导致人民收入增加,可适度提高保险费率,拓宽保险责任范围,为客户提供更加全面的保障。2、 我们可以设计多样化的保险产品,满足不同客户群需求,开发适销对路的新险种,形成竞争优势。3、 国民经济的发展有利于刺激保险业的发展,保险公司应加强自身实力,为国家,为企业,为人民生活提供保障,免去他们的后顾之忧,与国民经济发展形成良性的促进局面。六、参考文献1. 庞皓计量经济学第二版 科学出版社2. 国家统计局数据网页:http:/ 中国保监会网站:http:/ 蒋虹人身保险 对外经济贸易大学出版社