寿险发展影响因素的研究，本文主要内容关键词为：寿险论文,因素论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、影响寿险发展的因素分析
寿险业的发展受到诸多因素的影响，这些因素所形成合力的方向和力度，决定着寿险业发展的方向和速度。为了更好地探寻寿险业发展机理，我们研究和分析这些因素对寿险业的作用机制，并根据各种因素的变迁趋势，预测寿险的发展前景。为此，我们把这些因素分为经济因素、政治制度、相近行业和事业等几大类。考虑到模型的原因，我们主要从经济因素和相近行业与事业两个方面去分析它们对寿险业发展的作用。
（一）经济因素
研究表明，寿险发展与国民经济运行密切相关，而寿险产品销售与经济周期在很大程度上相吻合。Schweble研究德国寿险在多大程度上受经济影响时，考察了经济增长、收入增长、货币贬值、储蓄量、金融投资的种类和就业状况等指标。他的结论是更快的经济增长（GNP增长）对寿险业的保费收入和有效契约有正面的影响，而个人可支配收入对寿险业的影响比GNP的影响更直接；货币贬值对寿险有负面影响；就业增加和工作的安定性对寿险有正面的影响。韩国学者kim在分析经济因素对寿险发展的影响时，考察了人均GDP、通胀率、收入分配模式、金融市场和储蓄等因素。其研究结果表明，从经济增长对寿险业发展的推动力来看，发展中国家的效应更加明显。
在经济因素中，对寿险业发展最直接和最重要的影响因素非经济增长莫属。虽然严格地说经济增长和经济发展是有区别的。历史上以牺牲经济结构换取一时经济增长，而最终抑制经济长期发展的情况并不鲜见，但经济增长毕竟是经济发展的主要方面和依托。一般情况下，经济增长将导致人们收入水平的提高，而收入的提高可以提升人们对寿险的需求。
在经济因素中，另一个对寿险业发展有重要影响的因素是通胀。通胀在现代经济中是一个相当普遍的现象，且发展中国家尤甚。其经济学含义是指一般商品和劳务价格的连续上涨。高通胀会扰乱经济秩序，阻碍经济的正常运行，所以通胀率的高低能反映出经济运行状态。对寿险而言，一方面由于通胀腐蚀货币的购买力，因而也腐蚀了寿险的实质保障，使寿险购买者所得到的补偿不能或不能完全达到购买寿险时所设定的目标。这样，当通胀率较高时，人们对寿险的需求将会受到抑制。另一方面，由于寿险业是劳动密集型产业，据国外统计显示，寿险公司管理费用的60%-70%为人事费用，因此，一旦遇到通胀，无疑会增加寿险公司的营运成本。
除以上两大因素外，投资回报率、利率、就业状况、居民消费水平等也会对寿险的需求产生影响。例如，利率影响人们的寿险购买决策：如果保单的有效收益比储蓄的有效收益要高，则寿险能把一些潜在的储蓄者吸引过来；反之，若保单的有效收益比其他选择低，则人们可能会放弃购买寿险。
（二）相近的事业或行业
这里所指的与寿险相近事业或行业，主要地指政府所办的社会保险，以及政府财政有关抚恤和救济方面的支出。社会保障对寿险总影响是负面的，一是由于社会保险所提供的保障，可以减少人们对个人风险的担忧，从而减少寿险方面的需求；二是由于在社会总资源一定的情况下，用于社会保险的多，用于寿险的必然减少。西方学者认为政府在某种程度上扮演了寿险竞争者的角色。一个不难理解的例子是：假若健康保险计划支付所有参加者的医疗费用，与医疗保险相补充的寿险保单肯定无人问津。韩国学者kim对44个国家的研究表明：政府的人均社会安全和社会援助支出每增加100美元，则人均寿险保费要减少6.9美元。
二、模型设定
前面我们已对影响寿险发展的各种因素作了定性分析，并得出了一些十分有用的结论。一些西方学者的计量分析结果为上述结论提供了很好的佐证。下面结合我国的实际情况，把影响寿险业发展的各种因素进一步细分和数量化，构造影响我国寿险发展规模的计量模型，并借以分析我国寿险市场需求的变化趋势。
（一）经济变量的选取
根据前面的定性分析，我们来选取下列变量建立模型。
1、被解释变量 用以衡量我国寿险规模的变量。很多变量都能反映出寿险的发展规模，如寿险有效契约的金额和件数，寿险从业的人数及其占全国人口的比重，寿险保费收入和人均寿险保费收入，寿险保费收入占国民生产总值的比重等。考虑到我国统计习惯等原因，我们把寿险业务收入和人均寿险业务收入作为衡量我国寿险规模的主要变量（业务收入中包括保费收入和储金），记作Y。
2、解释变量 解释变量是对被解释变量产生影响的变量。从前面的定性分析，我们主要从以下几个方面去考虑：
变量名变量符号 与Y的相关系数
人均寿险业务收入Y 1
人均GNP X1
0.805
居民消费水平
X2 0.820
人均储蓄X3 0.914
商品零售价格指数（1978为基数） X4 0.667
城市居民家庭可支配收入 X5 0.768
人均国家财政抚恤与保障支出 X6 0.887
市镇人口比重X8 0.748
商品零售价格指数（上一年为基数）X7 0.225
经济环境 经济因素对寿险业务发展的影响是明显的，其影响的方式也是多样的，这里我们不妨把这种影响归纳为三个方面：(1)经济发展总体水平，如GNP、GDP、NI以及人均GNP、人均GDP和人均NI都是用以衡量经济发展总水平的有效指标，这里选取人均GNP，记作X[,1]，它与寿险发展规模无疑正相关。以1990-1998年的数据所作的相关分析表明，寿险业务量与人均GNP的相关系数为0.805，这也部分说明经济发展水平与寿险规模之间的关系；(2)国民收入与储蓄状况，由于寿险是人们在自己的收入满足必要生活需要以后为保障生活安全而发生的支出。因此，寿险规模也与人们的收入与储蓄状况有很大的关系，仍以1990-1998年的数据为基础，可以得出我国寿险业务量与我国储蓄人均额的相关系数为0.914，其他反映居民收入水平的变量也很多，考虑到我国寿险的现状，先取城镇家庭可支配人均收入为变量。同样，寿险业务量与其相关系数为0.783，这里记人均储蓄为X[,3]，城镇家庭可支配收入为X[,5]；(5)经济运行状态，除了经济发展总水平和人们的收入状况外，经济的运行状态对寿险业的影响也是十分显著的，其代表指标有利率和通胀。通胀指标一般用商品零售价格指标数表示，这里将两种零售指标均纳入自变量，以1978年为基础的商品零售指标记为X[,4]，以前一年为基数的商品零售指标记为X[,7]。另外，居民消费水平也对寿险有着影响，更重要的是，它间接地反映利率因素，这里也将其选为自变量，记作X[,2]。
相近行业与事业及其它 相近行业与事业主要是指政府所办的社会保险和抚恤救济性财政支出对寿险的影响，这里选人均社会保险及抚恤作为自变量，记作X[,6]。它与寿险的相关系数0.89。其它方面，如城市化程度（市镇人口比重）与人均寿险的相关系数为0.75，考虑到寿险在我国，城市居民购买几乎占大部分，这里将其纳入，记作X8。归纳列表（见上页）：
（二）模型数学形式的设立
考察各经济变量1990-1998年的时间序列资料，分别分析Y与X1、X2……X8各解释变量的散布图（散布图略），知各解释变量与Y近似呈线性分布（X7除外）。所以将模型的基本形式定为线性模型。即模型形式表示如下：
Y[,t]=β[,0]+β[,1]X[,1 t]+β[,2]X[,2 t]+…+U[,t] (1)
其中，β[,i](i=1,…,8)为待估计参数。
（三）时间序列数据（见附表）
三、参数估计与模型评价
模型中的8个解释变量是以经济理论为依据选出来的，但这8个变量的地位如何？哪几个变量对寿险业务收入影响最显著？同时模型不能容纳太多的变量，究竟用哪几个变量来说明被解释变量Y？对这些问题，经济理论无法做出明确回答。为此，我们将利用计算机，在经济意义的指导下，采用逐步回归分析的方法来解决。
注：Y的90～97年的数据来自1998.11《上海保险》，98年的数据来自2000.1《上海保险》，其他数据来自《1999年统计年鉴》。
所谓逐步回归就是从可供选择的变量中，逐步进行筛选，不仅考虑到按变量的重要性（用方差贡献来衡量），逐一选出重要变量，而且还考虑到较早选入回归方程的某些变量，有可能随着其后另一些变量的引入而失去原有的重要性（即其作用至被其它变量所代替），因此要及时从回归方程中予以剔除，使最终的回归方程中只保留重要的解释变量。
经过多次回归和经济分析，得到两个模型：
Y=204.78-0.24X[,2]+0.052X[,3]+012X[,5]-10.91X[,6]-1.628X[,7](2)
Y=124.66-1.08X[,7]+0.06X[,1]-4.42X[,6]-0.13X[,2]+0.024X[,3](3)
注：以上模型均是用SAS软件包逐一筛选而得。
在经济意义上，模型(2)(3)说明了人寿保险规模与人均GNP、城镇居民可支配收入和人均储蓄是正相关的，与通胀率、人均抚恤和救济用财政支出、居民消费水平是负相关的。这与定性分析一致。
对模型(2)而言：
Y=204.78-0.24X[,2]+0.052X[,3]+012X[,5]-10.91X[,6]-1.628X[,7]
t:(1.675) (-1.887) (3.27) (1.55)
(-2.25) (-1.37)
D.W=3.44 r[2]=0.99
F=60.63
由于人寿保险目前处于恢复之初，存在超常规发展因素。另外，数据样本容量不足，导致D.W值位于4-d[,1]与4-d[,2]之间，不能判别是否存在自相关。在模型(2)中，t检验也不是十分理想。不过较之模型(3)来说，模型(2)仍是让人满意的。
对模型(3)而言：
Y=124.66-1.08X[,7]+0.06X[,1]-4.42X[,6]-0.13X[,2]+0.024X[,3]
t:(0.594) (-0.44)(0.51)
(-0.80)
(-0.77) (0.37)
D.W=3.12 r[2]=0.984 F=36.3
比较(2)(3)，模型(3)仅用人均GNP代替了城市居民可支配收入X[,5]，竟然五个解释变量变得如此之大，说明对人寿保险发展模型而言，城镇居民可支配收入对其影响更为重要，这也符合客观事实。从另一个角度来说，X[,1]与X[,5]在经济意义上存在一定的可替代性。但两者的统计检验相差悬殊，再一次说明样本容量小对模型的检验影响很大。
根据两个回归模型中参数t值的大小，可以按重要程度排定六个解释变量的位置：
X[,3], X[,6], X[,2], X[,5], X[,7], X[,1]
这说明在过去的8年里，影响人寿保险规模的主要因素是X[,3]（人均储蓄），其次是X[,6]（人均抚恤和救济用财政支出），X 5（城市居民可支配收入）比X 1（人均GNP）更为显著。这与现状十分吻合，从另一个角度证明了模型(2)的实用价值。