我国保险业发展与经济增长关系的实证分析

杨成林　陈　云

(北方工业大学，北京　100144)

我国保险业发展与经济增长关系的实证分析

杨成林陈云

(北方工业大学，北京100144)

摘要：在经济理论基础上，本文运用协整分析研究我国保险业发展与经济增长之间的关系，发现我国保险业发展对经济增长有促进作用，但有待提升。运用面板数据模型，对不同经济发展水平地区寿险和非寿险需求与经济增长之间的关系进行测度，发现不同经济发展水平地区的寿险与非寿险业务对经济增长的贡献程度不同，寿险需求对经济增长的贡献程度高于非寿险业务，经济发展水平低的地区比发展水平高的地区的贡献程度高。实证分析基础上，对促进我国保险业发展、确保其对经济增长的促进作用提供了一些政策建议。

关键词：协整；保险业；经济增长；面板数据

随着资本金融全球化浪潮的迅猛推进，国际间资本流通的速度不断加快，金融业越来越受到各国政府的普遍重视。作为我国市场经济体系的重要组成部分，金融业的发展对整个市场体系的发展与完善起着催化、促进和巩固作用。

保险业与银行业、证券业一起，共同构成现代金融业的三大支柱，成为现代经济的重要产业，为国家经济的发展发挥着重要作用。保险业在社会保障体系中也扮演着重要角色，是政府提高管理效能的重要市场化机制。对于处于转型时期的中国，经济要想实现持续、健康快速稳定的发展，我们必须能够正确把握我国保险业发展与经济增长之间的关系，建立起与经济快速增长相适应的保险业体系，这不仅关乎保险体制改革乃至整个经济体制改革的成败。

1.文献综述

国外金融业的发展要早于我国，因此国外学者对金融业与经济增长之间的关系研究相对较早。国外文献研究显示，保险业增长与经济增长存在双向因果关系，且保险业发展对经济增长存在促进作用，这种促进效果是因地区的不同而不同的。Outrevile[1](1990)使用了55个发展中国家的横截面数据，对各个国家的保险业发展与金融发展之间的关系进行了实证研究，结果发现保险业发展与金融发展之间存在正向相关性，也就是说保险业的发展水平越高，金融发展水平也就越高；保险业发展和经济增长之间的关系会因国家不同而存在差异，Ward和Zurbrueg[2](2000)通过研究考察OECD9个成员国的相关面板数据，对保险业发展与经济增长之间格兰杰因果关系做了分析，最后发现不同国家保险业发展与经济的增长之间的格兰杰因果关系存在差异性；Kugle与Ofoghi[3](2005)利用分量指标数据实证研究英国的保险业发展与经济增长的关系，结果发现分量指标度量的英国保险业发展对经济增长有促进作用；Lee[4](2011)通过实证研究发现保险业发展和经济增长不管是长期还是短期都表现出了双向因果关系。

近几年随着我国保险业的发展，国内学者则多视角地研究了我国保险业发展与经济增长之间的具体关系。赵尚梅等[8](2009)运用两部门模型揭示保险业发展对经济增长贡献的传导机制，证明了保险业发展不仅对经济增长做出了直接贡献，而且对非保险部门存在溢出效应；张颖等[6](2010)利用数据分析得出我国保险业发展与经济增长之间具有正相关关系，且我国保险业发展与经济增长之间具有一定程度的顺周期性质，当经济运行处于稳定增长时，保险业发展与经济增长扩张方向基本一致。我国的保险业发展与经济增长之间具有相互促进作用，并且保险业发展对经济的增长促进作用主要是供给导向模式；任燕燕和尚君[5](2013)利用人均保费和人均GDP相关数据，通过面板数据等模型分析了中国保险需求对经济增长的影响，验证了中国保险需求对经济增长起促进作用，在经济发展水平较高的地区，保险需求对经济增长的促进作用不大；在经济发展水平较低的地区，保险需求对经济增长的促进作用比较好。

从现有国内外研究文献出发，结合国外学者对不同经济发展水平保险业发展作用差异性的研究，本文在研究我国保险业发展与经济增长之间的关系的基础上，进一步测算不同经济发展水平地区我国保险业发展对其经济增长作用的差异性。

2.我国保险业发展与经济增长关系检验

2.1 变量选取及数据处理

本文研究主要选取全国及各省份人均GDP、人均保费、寿险业务的人均保费和非寿险业务的人均保费等指标。其中，1980-2012年间全国人均GDP和人均保费指标BF数据来源于1980-2013年《中国统计年鉴》。30个省份(除西藏外)2006-2012年的人均GDP、寿险业务的人均保费和非寿险业务的人均保费指标数据来源于2007—2013年《中国统计年鉴》和中国保险监督管理委员会网站。本文对数据的实证分析主要通过Eviews8统计分析软件来完成。

为了能够更好的分析保险业发展与经济增长之间的关系，考虑到价格因素的影响，此部分对各个指标进行消除价格因素影响处理，利用GDP指数对GDP进行缩减；利用金融保险业价格指数对人均保费BF进行缩减。其中，金融保险业价格指数是指居民消费价格指数和固定投资价格指数的加权平均，而这个权数是支出法国民生产总值中的居民消费和固定资本形成总额占二者总和的比重。后续文中不进行说明，均指价格指数调整后的人均GDP和人均保费BF。为了克服数据中存在的异方差，本文在实证分析前，对数据取对数。

2.2 检验方法

单位根检验(Unit Root Test)是指检验序列中是否存在单位根，因为存在单位根就是非平稳时间序列了。对时间序列单位根的检验就是对时间序列平稳性的检验，非平稳时间序列如果存在单位根，则一般可以通过差分的方法来消除单位根，得到平稳序列。对于存在单位根的时间序列，一般都显示出明显的记忆性和波动的持续性，因此单位根检验是有关协整关系存在性检验和序列波动持续性讨论的基础。单位根检验是建立ARMA模型、ARIMA模型、变量间的协整分析、因果关系检验等的基础。常见的单位根检验方法：ADF检验、DFGLS检验、PP检验、KPSS检验、ERS检验和NP检验。本文主要使用ADF检验。

协整检验(Cointegration Test)是指通过一定方法和标准考察变量之间是否具有长期稳定的均衡关系。在时间序列分析中，为了检验两个均呈现1阶单整的变量是否协整，主要应用EG检验的方法。EG检验也称两步检验法。第一步，用最小二乘法估计协整关系方程并计算非均衡误差；第二步，检验的单整性。如果为平稳序列，则认为两个变量为(1，1)阶协整；否则，认为两个变量不存在协整关系。

格兰杰因果关系检验(Granger Test of Causality)是基于历史数据用来分析不同变量之间“因果”关系的统计方法。该方法为2003年诺贝尔经济学奖得主莱夫·格兰杰(Clive W.J.Granger)所创，原理是某一变量的变化受其自身及其他变量过去行为的影响，当两个变量在时间上有先导—滞后关系时，可以从统计上考察这种关系是单向的还是双向。如果主要是一个变量过去的行为在影响另一个变量的当前行为，存在单向关系。如果双方的过去行为在相互影响着对方的当前行为，存在双向关系。

2.3 保险业发展与经济增长关系检验

对人均GDP和人均保费BF两个时间序列进行ADF检验。检验结果显示，lnGDP序列t=-1.059637，lnBF序列t=-2.025881，5%显著性水平下的临界值为-2.960411，lnGDP和lnBF两个时间序列都是不平稳序列。5%显著性水平下，经过一阶差分后通过了单位根检验，即变量lnGDP和lnBF一阶差分后是平稳序列，均为一阶单整变量。进一步估计lnGDP和lnBF协整关系方程，结果见表1和表2。

表1　与协整检验结果

表2　估计方程的统计量检验结果

表1结果显示，回归方程如式(1)所示：

lnGDP=6.106803+0.254691lnBF

(1)

表1和表2结果显示，回归方程的拟合优度R2为0.927694，调整后的拟合优度为0.925362。在5%显著性水平下，回归系数及方程均显著。进一步对残差序列进行平稳性检验，在5%显著性水平下，残差序列ADF检验的=-2.87063，临界值为-1.952066，所以为平稳序列。可见，1980-2012年间我国lnGDP与lnBF这两个时间序列之间存在协整关系。

进一步对人均保费BF与人均GDP进行格兰杰因果检验，检验中我们选取滞后阶数为1，检验结果见表3：

表3　GDP与BF格兰杰因果检验结果

3.我国分地区保险业发展与经济增长关系测度

3.1 面板数据理论测度模型

此处主要采用面板数据模型，一般形式如式(2)：

Yit=αi+Xitβi+uiti=1，…，n,t=1，…，T

(2)

其中的Xit为1×K的向量，βi为K×1向量，而其中的K为解释变量的数目。而这里的Xit和βi可以写成矩阵的形式，如下：

Xit=(Xit1,Xit2,…,XitK)

βi=(βi1,βi2，…,βiK)′

(2)式中的面板数据模型会有如下三种情形：

情形1：αi=αj，βi=βj

情形2：αi≠αj，βi≠βj

主要仪器：Leica CM1950 冰冻切片机(德国)；光学倒置显微镜，日本OLYMPUS公司；NikonE600显微照相图像采集系统，日本尼康。

情形3：αi≠αj，βi≠βj

情形1下横截面上无个体差异，也无结构变化，利用最小二乘估计法给出α和β的一致有效估计，相当于将多个时期的截面数据放在一起作为样本数据。情形2下的模型称为变截距模型(panel data model with variable intercept)，横截面上的个体影响不同，个体影响表现为模型中被忽略的反映个体差异的变量影响，这种情形分为固定影响和随机影响两种情况。情形3下的模型称为变系数模型(panel data model with variable coefficient)，模型除了存在个体的影响外，在横截面上还存在了结构变化，因而结构参数在不同横截面单位上是不同的，这种情形也分为固定影响和随机影响两种情况。

3.2 模型估计

首先，计算30个省份(西藏除外)2006-2012年人均GDP的平均数，并将其作为各省份经济发展水平的代表，从大到小进行排序。排序结果如表4所示。

表4　30个省人均GDP排名

其次，依据表4中30个省份的排序结果，将30个省份分为4个小组，依次代表的是经济发展水平良好、经济发展水平较好、经济发展水平一般、经济发展水平差。第一组为：上海市、北京市、天津市、浙江省、江苏省、广东省、山东省；第二组为：辽宁省、内蒙古自治区、福建省、河北省、吉林省、黑龙江省、山西省、新疆省；第三组为：湖北省、宁夏自治区、重庆市、陕西省、河南省、青海省、海南省；第四组：湖南省、江西省、四川省、安徽省、广西省、甘肃省、云南省、贵州省。

再次，对4个小组通过协变分析检验(analysis of covariance)进一步确定具体使用哪个情形下的模型。令表示情形3的残差平方和，表示情形2的残差平方和，表示情形1的残差平方和。利用Eviews8软件进行寿险业务与非寿险业务对经济增长影响的协变分析检验，结果如表5、表6。

表5　寿险业务对经济增长的协变分析检验结果

表6　非寿险业务对经济增长的协变分析检验结果

面板数据模型结果，如表7和表8。

表7　寿险业务对经济增长影响面板模型估计结果

表8　非寿险业务对经济增长影响面板模型估计结果

3.3 经济意义分析

在寿险业务对经济增长影响的结果中，四组面板数据模型的样本可决系数分别为：0.98、0.92、0.84、0.93，模型拟合程度好。第一组(7个省份)采用的是变截距模型，模型斜率为0.07509，即在经济发展水平良好的地区，寿险业务人均保费每提高一单位，拉动人均GDP提高0.07509单位(本文将此定义为贡献度)；第二组(8个省份)采用的是变截距模型，斜率为0.21224，即在经济发展水平较好的地区，寿险业务对经济增长的贡献度为0.21224，可以看出第二组的贡献度明显大于第一组；第三组 (7个省份)采用的是变系数模型，其斜率分别为0.237912、0.500541、0.122126、0.273927、0.163731、0.248998、0.243295；第四组(8个省份)采用的是变截距模型，其斜率为0.27439。可见，第四组寿险业务对经济增长的拉动作用最大，第一组寿险业务对经济增长的拉动作用最小。因此，寿险业务发展对经济增长的推动作用随着经济发展水平而不断减弱，即经济发展水平越高，寿险业务对经济增长的推动作用越低。

在非寿险业务对经济增长影响的结果中，四组面板数据模型的样本可决系数分别为：0.98、0.97、0.92、0.97，模型拟合程度好。第一组(7个省份)采用的是变截距模型，模型斜率为0.04892，即在经济发展水平良好的地区，非寿险业务的发展对经济增长的贡献度只有0.04892；第二组(8个省份)采用的是变截距模型，其斜率为0.17313，即在经济发展水平较好的地区，非寿险业务的发展对经济的增长的贡献度为0.17313；第三组(7个省份)采用的是变系数模型，斜率分别为0.2683、0.320916、0.140481、0.244066、0.151547、0.262311、0.226051；第四组(8个省份)采用的是变截距模型，斜率为0.22130。可见，第四组非寿险业务对经济增长的拉动作用最大，第一组非寿险业务对经济增长的拉动作用最小。因此，非寿险业务发展对经济增长的推动作用随着经济发展水平而不断减弱，即经济发展水平越高，非寿险业务对经济增长的推动作用越低。

综上所述，在我国，保险业发展对我国经济增长具有显著的拉动作用，寿险业务对经济增长的拉动作用要高于非寿险业务，且在经济发展水平较低的地区这种拉动作用最强。

4.主要结论

本文利用保险发展和经济增长的相关数据，对保险发展与经济增长关系进行协整分析；将保险需求分为寿险需求和非寿险需求，基于省级面板数据分析不同经济发展水平下我国保险需求与经济增长之间的关系。研究结果表明：

第一，我国保险业发展与经济增长具有长期稳定的协整关系，保险业发展对经济增长具有正向促进作用，但这种促进作用还比较弱、有待提升。我们需要持续发展保险业，确保保险业稳中有进的发展态势，更重要的是要不断提高保险业服务经济社会的能力。如，我国是农业大国，随着我国经济结构的不断调整，农业发展和生产结构也必须要调整，因此保险业需要根据这种形势的发展，提供更多的涉农保险创新产品，来满足农业发展的日益增长的风险保障等。

第二，按经济发展水平划分，经济发展水平较低地区的保险需求对经济增长的促进作用较大，经济发展水平较高地区的保险需求对经济增长的影响程度相对较小，保险业成为经济落后地区经济增长的重要拉动因素。因此，各地区要因地制宜地发展保险业，在经济发达地区要不断巩固保险业的发展，在经济发展水平较低地区要加强保险业制度的建设，确保保险业的迅速发展。

第三，寿险需求和非寿险需求对经济增长的影响程度存在差异，不同地区的寿险需求对经济增长的贡献程度都要高于非寿险需求。经济发展水平越高的地区，寿险需求和非寿险需求对经济增长的贡献程度都要低于经济发展水平低的地区。对于保险业发展来说，应该在着重确保寿险业务的稳定平稳发展、增强服务经济社会和偿付能力的同时，大力发展非寿险业务。

参考文献：

[1] Outrevile.J.F.The Economic Significance of Insurance Markets in Developing Countries[J].Joumal of Risk and Insurance，1990，57(3)：487-488.

[2] Ward，D.Zurbrueg.R.Does Insurance Promote Economic Growth Evidence From OECD Countries[J].Journal of Risk and Insurance，2000，67(4)：489-506.

[3] Kugler M，R.Ofoghi.Does Insurance Promote Economic Growth Evidence from the UK[J].Money Macro and Finance Research Group in its series Money Mecro and Finance (MMF) Research Group Conference，2005，(8).

[4] Lee.C.C.Does Insurance Matter for Growth：Empirical Evidence from OECD Countries[J].The Berkelery Electronic Journal of Macmeconomics，2011，11(1)：1-28.

[5] 任燕燕，尚君.中国保险需求对经济增长影响的实证研究[J].财经问题研究，2013，(9).

[6] 张 颖，刘金全，隋建利.我国保险业发展与经济增长之间的作用机制和关联机制分析[J].当代经济研究，2010，(2).

[7] 吴洪，赵桂芹.保险发展、金融协同和经济增长——基于省级面板数据的研究[J].经济科学，2010，(3).

[8] 赵尚梅，李勇，庞玉锋.保险业对经济增长贡献的理论模型与实证检验[J].

保险研究，2009，(l)：51-56.

[9] 李子奈，潘文卿.计量经济学[M].北京：高等教育出版社，2010.

[10] 张洪涛，郑功成.保险学[M].北京：中国人民大学出版社，2010.

[11] 田瑞坡.保险业增长能促进经济增长吗?来自中国的验证[D].大连：东北财经大学统计系，2005.

基金项目：北方工业大学优秀青年教师培养计划项目《北京市居民收入及其主观感知状况调查》；2015年北京市大学生科技项目《北京市居民收入主观感知状况研究》