影响人身保险保费收入的重要因素及其实证分析.docx
《影响人身保险保费收入的重要因素及其实证分析.docx》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.docx(17页珍藏版)》请在冰豆网上搜索。
影响人身保险保费收入的重要因素及其实证分析
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1982—2009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
1982
0.0159
5323.4
526.6
101.9
101654
1983
0.1044
5962.7
564
101.5
103008
1984
0.725
7208.1
651.2
102.8
104357
1985
4.41
9016.0
739.1
109.3
105851
1986
11.336
10275.2
899.6
106.5
107507
1987
24.993
12058.6
1002.2
107.3
109300
1988
37.48
15042.8
1181.4
118.8
111026
1989
45.95
16992.3
1373.9
118
112704
1990
59.77
18667.8
1510.2
103.1
114333
1991
82.7
21781.5
1700.6
103.4
115823
1992
141.94
26923.5
2026.6
106.4
117171
1993
193.37
35333.9
2577.4
114.7
118517
1994
147.39
48197.9
3496.2
124.1
119850
1995
166.76
60793.7
4283.0
117.1
121121
1996
220.43
71176.6
4838.9
108.3
122389
1997
601.96
78973.0
5160.3
102.8
123626
1998
753.78
84402.3
5425.1
99.2
124761
1999
885.08
89677.1
5854.0
98.6
125786
2000
989.56
99214.6
6280.0
100.4
126743
2001
1424.04
109655.2
6859.6
100.7
127627
2002
2274.64
120332.7
7702.8
99.2
128453
2003
3010.99
135822.8
8472.2
101.2
129227
2004
3193.585921
159878.3
9421.6
103.9
129988
2005
3646.227293
184937.4
10493.0
101.8
130756
2006
4061.090122
216314.4
11759.5
101.5
131448
2007
4948.968118
265810.3
13785.8
104.8
132129
2008
7337.566735
314045.4
15780.8
105.9
132802
2009
8144.182989
340506.9
17174.7
99.3
133474
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2所示
表2
DependentVariable:
Y
Method:
LeastSquares
Date:
12/16/11Time:
10:
11
Sample:
19822009
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
6054.592
3165.215
1.912853
0.0683
X2
0.031975
0.015363
2.081278
0.0487
X3
-0.080301
0.356451
-0.225280
0.8238
X4
-3.706187
11.96429
-0.309771
0.7595
X5
-0.055324
0.031920
-1.733192
0.0965
R-squared
0.977264
Meandependentvar
1514.609
AdjustedR-squared
0.973310
S.D.dependentvar
2273.394
S.E.ofregression
371.4090
Akaikeinfocriterion
14.83292
Sumsquaredresid
3172727.
Schwarzcriterion
15.07081
Loglikelihood
-202.6608
F-statistic
247.1497
Durbin-Watsonstat
0.827275
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α=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3
X2
X3
X4
X5
1
0.994744955387
-0.342807592526
0.836989721472
0.994744955387
1
-0.355680944746
0.883156759248
-0.342807592526
-0.355680944746
1
-0.288438254392
0.836989721472
0.883156759248
-0.288438254392
1
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4
DependentVariable:
Y
Method:
LeastSquares
Date:
12/16/11Time:
10:
13
Sample:
19822009
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-608.3686
129.7551
-4.688591
0.0001
X2
0.023181
0.000988
23.45959
0.0000
R-squared
0.954889
Meandependentvar
1514.609
AdjustedR-squared
0.953154
S.D.dependentvar
2273.394
S.E.ofregression
492.0537
Akaikeinfocriterion
15.30380
Sumsquaredresid
6295038.
Schwarzcriterion
15.39896
Loglikelihood
-212.2532
F-statistic
550.3524
Durbin-Watsonstat
0.450283
Prob(F-statistic)
0.000000
表5
DependentVariable:
Y
Method:
LeastSquares
Date:
12/13/11Time:
20:
40
Sample:
19822009
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-915.1152
189.8201
-4.820959
0.0001
X3
0.448938
0.026326
17.05308
0.0000
R-squared
0.917931
Meandependentvar
1514.609
AdjustedR-squared
0.914775
S.D.dependentvar
2273.394
S.E.ofregression
663.6801
Akaikeinfocriterion
15.90223
Sumsquaredresid
11452253
Schwarzcriterion
15.99738
Loglikelihood
-220.6312
F-statistic
290.8076
Durbin-Watsonstat
0.283940
Prob(F-statistic)
0.000000
表6
DependentVariable:
Y
Method:
LeastSquares
Date:
12/13/11Time:
20:
43
Sample:
19822009
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
13635.59
6547.429
2.082586
0.0473
X4
-114.5611
61.76058
-1.854924
0.0750
R-squared
0.116870
Meandependentvar
1514.609
AdjustedR-squared
0.082904
S.D.dependentvar
2273.394
S.E.ofregression
2177.119
Akaikeinfocriterion
18.27814
Sumsquaredresid
1.23E+08
Schwarzcriterion
18.37330
Loglikelihood
-253.8940
F-statistic
3.440742
Durbin-Watsonstat
0.156575
Prob(F-statistic)
0.074981
表7
DependentVariable:
Y
Method:
LeastSquares
Date:
12/13/11Time:
20:
43
Sample:
19822009
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-18542.79
3627.690
-5.111458
0.0000
X5
0.167074
0.030117
5.547504
0.0000
R-squared
0.542050
Meandependentvar
1514.609
AdjustedR-squared
0.524437
S.D.dependentvar
2273.394
S.E.ofregression
1567.757
Akaikeinfocriterion
17.62143
Sumsquaredresid
63904414
Schwarzcriterion
17.71659
Loglikelihood
-244.7000
F-statistic
30.77480
Durbin-Watsonstat
0.128815
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
DependentVariable:
Y
Method:
LeastSquares
Date:
12/13/11Time:
21:
00
Sample:
19822009
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-109.0568
156.5631
-0.696568
0.4925
X2
0.054610
0.007546
7.237222
0.0000
X3
-0.624100
0.149050
-4.187189
0.0003
R-squared
0.973484
Meandependentvar
1514.609
AdjustedR-squared
0.971363
S.D.dependentvar
2273.394
S.E.ofregression
384.7144
Akaikeinfocriterion
14.84384
Sumsquaredresid
3700129.
Schwarzcriterion
14.98657
Loglikelihood
-204.8137
F-statistic
458.9181
Durbin-Watsonstat
0.795735
Prob(F-statistic)
0.000000
表9
DependentVariable:
Y
Method:
LeastSquares
Date:
12/13/11Time:
21:
00
Sample:
19822009
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-326.2854
1641.307
-0.198796
0.8440
X2
0.023118
0.001072
21.56384
0.0000
X4
-2.611252
15.14423
-0.172426
0.8645
R-squared
0.954942
Meandependentvar
1514.609
AdjustedR-squared
0.951338
S.D.dependentvar
2273.394
S.E.ofregression
501.5002
Akaikeinfocriterion
15.37404
Sumsquaredresid
6287561.
Schwarzcriterion
15.51678
Loglikelihood
-212.2366
F-statistic
264.9220
Durbin-Watsonstat
0.448721
Prob(F-statistic)
0.000000
表10
DependentVariable:
Y
Method:
LeastSquares
Date:
12/13/11Time:
21:
00
Sample:
19822009
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
6324.306
1407.694
4.492670
0.0001
X2
0.028595
0.001310
21.82000
0.0000
X5
-0.061878
0.012536
-4.935901
0.0000
R-squared
0.977153
Meandependentvar
1514.609
AdjustedR-squared
0.975326
S.D.dependentvar
2273.394
S.E.ofregression
357.1066
Akaikeinfocriterion
14.69490
Sumsquaredresid
3188128.
Schwarzcriterion
14.83764
Loglikelihood
-202.7286
F-statistic
534.6260
Durbin-Watsonstat
0.823758
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11
DependentVariable:
Y
Method:
LeastSquares
Date:
12/14/11Time:
20:
01
Sample:
19821991
Includedobservations:
10
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-34.62386
4.439514
-7.799021
0.0001
X2
0.005017
0.000332
15.10286
0.0000
R-squared
0.966116
Meandependentvar
26.74843
AdjustedR-squared
0.961880
S.D.dependentvar
28.95639
S.E.ofregression
5.653548
Akaikeinfocriterion
6.479300
Sumsquaredresid
255.7008
Schwarzcriterion
6.539817
Loglikelihood
-30.39650
F-statistic
228.0962
Durbin-Watsonstat
0.717899
Prob(F-statistic)
0.000000
表12
DependentVariable:
Y
Method:
LeastSquares
Date:
12/14/11Time:
20:
03
Sample:
20002009
Includedobservations:
10
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-1261.981
395.6476
-3.189658
0.0128
X2
0.026535
0.001872
14.17281
0.0000
R-squared
0.961698
Meandependentvar
3903.085
AdjustedR-squared
0.956911
S.D.dependentvar
2346.457
S.E.ofregression
487.0765
Akaikeinfocriterion
15.39158
Sumsquaredresid
1897948.
Schwarzcriterion
15.45209
Loglikelihood
-74.95788
F-statistic
200.8687
Durbin-Watsonstat
1.212255
Prob(F-statistic)
0.000001
由表11,12可得,F统计量为
F=228.0962/200.8687=1.135548,在α=0.05下,查F分布表得F0.05(8,8)=3.44,F=1.135548(三)自相关的检验
由表4可得,D-W=0.450283,在α=0.05,n=28下,查DW统计表可知,dL=1.328,du=1.476,模型中DW