保险业与经济增长的差异性探讨.docx

保险业与经济增长的差异性探讨.docx

《保险业与经济增长的差异性探讨.docx》由会员分享，可在线阅读，更多相关《保险业与经济增长的差异性探讨.docx（5页珍藏版）》请在冰豆网上搜索。

保险业与经济增长的差异性探讨

保险业与经济增长的差异性探讨

　　一、模型的建立与非平稳面板数据计量方法

　　模型的建立

　　随着我国保险业效率的不断改善，保险市场化程度的不断提高，保险业对我国经济增长的促进作用越来越大，因此建立以下包含保险发展在内的经济增长模型：

采用含Hicks中性技术进步因素的有保险发展自变量的柯布———道格拉斯生产函数保费收入来表示①。

为了消除不同年度物价水平对所选数据的影响，使各数据间具有可比性，在数据整理中，用以1997年为基数的居民消费价格指数对国内生产总值、资本形成总额、保费收入进行平减以消除或减少通货膨胀因素影响。

最后，根据上述研究将模型中的相关变量对数化，这样做的一个好处在于能比较有效地规避异方差问题。

经过处理的变量表示为lnY、lnK、lnS、lnL，因此，模型变成：

　　非平稳面板数据计量方法

　　1.面板数据单位根检验为了避免伪回归的发生，需要对变量进行单位根检验，以确定其平稳性。

标准的单个时间序列单位根检验方法的缺点是其较低的拒绝能力，即本来原时间序列不含单位根，该方法却很难拒绝含单位根的原假设。

Levin和Lin最先提出了面板数据的单位根检验方法来克服单个时间序列单位根检验拒绝能力低的缺点，Levin，Lin和Chu又对该方法做了进一步的完善②。

面板数据单位根检验的方法有：

、Bfeitung检验、Hadri检验、、Fisher-ADF检验和Fisher-PP检验。

前三种是相同根情况下的单位根检验方法，也叫做同质单位根检验法；后三种是不同单位根情况下的检验方法，也叫异质单位根检验法。

2.面板数据协整检验通过面板数据的单位根检验，如果两变量是非平稳的，则存在协整关系的可能，这时候可以进一步检验变量之间是否存在协整关系。

面板数据的协整检验主要有Pedroni检验、Kao检验和Fisherx2检验。

在时间序列分析中，Eengle-Granger协整检验是基于残差检验实现的：

如果变量之间存在协整关系，则残差应为；如果变量之间不存在协整关系，则残差应为过程。

Pedroni和Kao将Engle-Granger的框架扩展到了面板数据领域，由于假设条件的不同，形成了Pedroni检验和Kao检验③。

Pishe利用多个个体独立检验的结果来进行整体的联合检验。

Fisher的这一方法被Maddala和Kim用到面板模型的联合检验中，将其与传统的Johansen检验结合起来，即将各个个体的Johansen检验结果进行组合得到Fisherx2检验统计量。

3.面板协整方程的估计———完全修正最小二乘法如果变量是非平稳的形式，那么传统最小二乘法的估计值在截面和时间很大的情况下收敛于其真值，但是就中等大小的截面和时间而言是有偏的，并且是没有效率的。

这是由于变量的内生性及误差项的相关性所导致的结果。

PhillipSandHanSen提出thefullymodifiedOLS估计，这可以在允许内生性及相关性存在时，估计是无偏的并且是有效的④。

因此，本文使用Pedroni提出的GroupmeanPanelFMOLS方法来估计面板协整方程。

该方法是Phillips&Hanson的发展，其优点主要有：

首先，FMOLS方法可以为模型参数提供渐进无偏估计值，能够更好地满足面板数据异质性的要求；其次，该方法优于PoolpanelFMOLS，这是因为组间估计是基于面板组间维度，而PoolpanelFMOLS基于组内维度，因此GroupmeanPanelFMOLS提供了基于样本均值的异质协整方程系数的一致估计和协整方程共同参数值的一致检验，而后者则没有⑤。

并且，完全修正最小二乘法也能够修正由于内生和回归关联导致的标准OLS偏差。

　　二、我国保险发展与经济增长关系的区域差异分析

　　本文收集了全国31个省、自治区、直辖市1997—2011年的数据，构建了“东部数据集”、“中部数据集”、“西部数据集”。

所有数据均摘自1998年—2012年的《中国统计年鉴》和《中国保险年鉴》。

对这三个面板数据集中的每个变量分别进行面板单位根检验，对存在单位根的变量，进行面板协整检验，并在存在协整关系的基础上，对模型使用Pedroni的完全修正最小二乘法，估计各自的异质面板协整方程，并对协整方程自变量的估计系数进行比较，分析各区域保险发展对经济增长的影响程度。

　　面板数据单位根检验结果

　　面板数据的单位根检验是进行面板协整检验分析的必要前提。

为了保证结论的稳健性，根据前面介绍的单位根检验方法，本文分别采用LLC检验、IPS检验、Fisher—ADF检验和Fisher—PP检验对三个面板数据集的lnY、lnK、InS、lnL四个变量进行单位根检验，用的计量软件是⑥。

表1是东部面板数据集的单位根检验结果。

从表中可以看出，lnY、lnK、lnS的水平值和一阶差分值的检验除了LLC检验外，其余的检验都接受了单位根过程，在对它们的二次差值的检验中，四种检验法都拒绝了原假设，认为不存在单位根；lnL的水平值的检验都接受了单位根过程，对其一阶差分值进行检验时，四种检验方法都认为不存在单位根。

HafrrisandTzavali己证明在时间跨度较小时，LLC法的检验能力较差，本文的时间跨度较小，只有14年，所以舍去LLC检验的结果，综合考虑之后，认为东部地区面板数据的lnY、lnK、lnS二阶平稳，lnL一阶平稳。

通过对中部和西部数据集的lnY、1nK、1nS、lnL四个变量进行单位根检验，结果表明中部和西部数据集的四个变量都是一阶平稳的。

　　面板数据协整检验结果

　　根据面板数据单位根检验结果，东、中、西部面板数据集中的lnY、1nK、1nS、lnL四个变量都是非平稳的，可以进一步对它们进行协整分析，看它们之间是否具有协整性，即它们之间是否具有长期均衡关系。

本文采用前面介绍的Pedfoni协整检验和Kao检验方法，利用计量软件分别对东部、中部、西部三个面板数据集中变量的长期趋势性进行面板协整检验分析。

Fisherx2检验方法需要首先对每个截面内的数据进行协整检验，因此，每个截面的数据要足够多才行，但是本文分析的数据时间跨度只有14年，数据不够多，因此没有进行Fisherx2检验。

根据Pedron，在小样本中，panelADF、groupADF统计量检验效果最好，panelV、panelrho统计量检验效果最差，其他处于中间。

因此，主要以panelADF、groupADF统计量的检验结果来判断协整关系。

表2是东部面板数据的协整检验结果。

这里还检验了lnY和lnS两个变量之间的协整关系，以考察保险发展与经济增长的协整关系。

从表中结果可看出，东部面板数据lnY和lnS的协整检验统计量中，Panelv-Stat、PanelADF-Stat、GroupADF-Stat和Kao的t—Stat拒绝原假设，认为这两个变量之间存在协整关系；lnY、lnK、lnS、lnL协整检验统计量中，PanelADF-Stat、Grouppp-Stat、GroupADF-Stat和Kao的t—Stat都拒绝原假设，认为这四个变量之间存在协整关系。

因此，考虑到各个统计量的检验效果，认为变量之间的协整关系是存在的，即东部地区各变量之间存在长期均衡关系。

用同样的检验方法，对中部和西部数据集中的变量进行协整检验，结果表明，中部和西部面板数据的各个变量之间存在协整的长期均衡关系，可以对协整方程进行估计来分析变量间的关系。

　　面板数据协整方程估计

　　上述检验已经证实面板协整关系的存在，可以估计面板协整方程。

用FMOLS估计法产生协整向量，通过对协整向量的分析，比较地区间保险发展对于经济增长变量的影响程度。

本文使用Pedroni编写的基于WinRats计量软件的panclfm程序进行估计，协整方程的每个回归系数都给出了两种估计值，分别为“PanelGroupFMOLS”和“IndividualFMOLS”估计值及各自的t统计量，前者反映全部横截面的综合信息，每个面板数据集有唯一的一个估计值；后者反映了每个横截面的异质特征⑦，每个面板数据集按照其横截面的个数，有相应数目的具体估计值。

表3是东部面板协整方程的FMOLS估计结果，其中αi、βi和γi分别是模型中资本投入、劳动投入和保险发展变量的回归系数，分别表示资本、劳动和保险发展对产出的弹性。

从表中可看出，东部各省、自治区、直辖市资本投入、劳动投入和保险发展对经济增长的影响大多都很显著，只有少数的省份如北京、天津、辽宁的保险发展变量不太显著，保险发展变量的回归系数介于-—之间，除了北京、辽宁以外，其它省保险发展的回归系数都是正数，说明保险发展促进了本地区经济的增长；东部综合的PanelGroup估计值也通过显著性检验，资本的产出弹性是，劳动的产出弹性是，保险发展的产出弹性是。

表4是中部面板协整方程的FMOLS估计结果，从表中可看出，各变量对经济增长的影响力度大多都很明显，只有江西、湖南的保险发展变量不太显著。

保险发展变量的回归系数都是正数，说明中部各省的保险发展对经济增长有显著的正面效应，回归系数介于—之间。

综合的PanelGroup估计值也通过显著性检验，资本的产出弹性是，劳动的产出弹性是-，保险发展的产出弹性是。

表5是西部面板协整方程的FMOLS估计结果，从表中可看出，西部各省、自治区、直辖市资本、劳动和保险发展对经济增长的影响力度大多都很明显，只有少数省份没有通过显著性检验。

与东部和中部地区相比，西部地区保险发展变量的回归系数普遍都较小，而且有一些省如四川、甘肃、青海、宁夏的回归系数是负的，西藏的回归系数很小几乎为0。

保险发展的回归系数的估计值介于-—之间，差异比较大。

综合的PaelGroup估计值通过显著性检验，资本的产出弹性是，劳动的产出弹性是，保险发展的产出弹性是。

可以看出，西部地区劳动的产出弹性比较大，说明西部地区对于有技术、高素质人才的需求是很大的，西部地区应采取各项措施吸引和保留人才，更好地为经济建设服务。

而保险发展的产出弹性只有，说明西部地区保险业的各项功能没有得到发挥，对经济增长的促进作用有限，虽然近年来西部地区的保险规模指标一直在高速增长，超过东部和西部，但是这种规模的增长无视当地风险结构和特点，简单地将适用于中、东部的保险产品“拿来”在西部销售，结果规模增加了，但是效率不高，因而保险功能的发挥受到限制。

以上估计结果显示，保险发展对经济增长的影响程度在不同区域间存在差异，图1直观地说明了这种差异。

从图中可看出，中部保险发展对经济增长的影响程度最大，东部其次，西部最小。

　　三、结论与政策建议

　　结论

　　通过分析，保险发展与经济增长存在长期的协整关系，对三大区域面板协整方程分别估计的结果显示，保险发展对经济增长具有正向的促进作用。

此外，保险发展对经济增长的影响程度在不同区域间存在差异：

中部保险发展对经济增长的影响最大，东部其次，西部最小，说明中国各地区保险发展对经济增长的促进作用与其经济发展程度没有直接的关系。

保险发展对经济增长促进作用的发挥，关键要看保险业发展与当地经济社会发展的适应程度，而不能盲目追求保险规模的增加。

可见，相对东部和西部来说，中部地区保险业较好地发挥了其作用和功能。

　　政策建议

　　1.东部：

以保险创新为核心，打造保险业发展的领头军。

东部是保险业最早发展起来的地区，也是保险业相对发达的地区，其保费收入份额在全国占最大的份额，但是，保险业对经济的渗透率不高，经济对保险业发展的带动作用较小。

因此，东部地区保险业要着力转变保险发展方式，变追求规模增长为重视结构优化调整，以保险创新为核心，打造保险业发展的领头军。

一般说来，保险创新活动大多首先发生在保险业相对发达的地区，然后向欠发达地区、不发达地区扩散。

根据这一规律，东部地区应当成为当前我国保险创新的主要策源地，随着产业结构升级和收入水平的提高，要根据市场需求的变化，不断推出新的险种和新的经营方式，在保险业创新发展方面先行一步。

相对于中西部，东部地区经济较发达，居民收入水平较高，可以扩大商业保险在社会保障方面的覆盖