《保险增长与经济增长的关系研究.doc》由会员分享，可在线阅读，更多相关《保险增长与经济增长的关系研究.doc（9页珍藏版）》请在金锄头文库上搜索。
1、基于VAR模型的深圳保险发展与宏观经济增长关联机制研究白志刚一、引言深圳特区建立30年以来，伴随着宏观经济增长，深圳保险业也从无到有，从弱小到逐渐壮大。30年来，深圳保险业以年均增长46.5%的速度高速发展，2009年实现保费收入271.6亿元，保险深度3.31%，保险密度3072元/人，保险业总资产（含法人机构）达到8000亿元，位居全国第三。深圳保险业累计支付赔款457亿元，在支持大型项目建设、应对灾害和重大突发事件、辅助政府公共管理、完善社会保障体系等方面发挥了积极作用。中国保监会吴定富主席在深圳保险业纪念改革开放30年征文获奖文集的序言中指出：“深圳保险业走出了一条具有深圳特色的改革创
2、新、又好又快的发展之路。”那么，在过去的30年中，深圳保险发展与经济增长之间到底存在怎样的关系？两者之间是如何影响和作用的？本轮金融危机对保险业造成了怎样的冲击？针对上述问题，国内外做了很多研究。从国外研究文献来看，把经济增长作为影响保险业的主要因素，已成为保险经济学界的共识；对于保险发展是否促进了经济增长则一直存在争议。国内学者从不同的侧面探讨了保险发展与经济增长的相关性。对经济增长促进保险发展的观点比较认同，但对保险发展是否是经济增长的原因同样存有争议。林宝清、孙祁祥、贲奔、肖文和谢文武等人的研究表明，在外部条件基本相近的情况下，保费收入与国民生产总值（GNP）、人均保费收入与人均GNP具
3、有高度的正相关关系，保险业的超常规发展完全取决于GDP的增长；卓志（2001）、吴江鸣和林宝清（2003）认为GDP的快速增长是影响我国寿险消费的重要因素，保费增长的收入弹性较大。饶晓辉和钟正生考察中国实际GDP与总保费额的关系后认为，保险市场的发展不是经济增长的原因，经济增长才是保险市场发展的原因。曹乾和何建敏对保费收入与GDP关系的研究表明，GDP和保费收入之间有明显的协整关系，但在两个样本期间内两个宏观经济变量之间的Granger因果关系却出现了差异。谢利人从柯布道格拉斯生产函数出发,建立经济增长的模型,对保险发展与经济增长的关系进行实证分析,得出财产险保险市场的发展对经济增长具有负向作
4、用、人身险保险市场的发展对经济增长具有正向推动作用的结论。胡宏兵认为不论短期还是长期，经济增长对保险发展都具有Granger因果关系,但保险发展对经济增长的因果关系却不显著。钱珍利用VAR模型和脉冲响应函数方法对19802006年的保费收入和采用通货膨胀率修正的GDP以及存款储蓄余额、可支配收入等时序数据实证分析得出结论：中国保险发展不仅与保险业自身的努力增长有关，还与经济长期快速增长、提高保险需求有一定关系；但无论长期还是短期保险增长对经济发展的影响都较弱，经济增长不会快速放大，二者没有螺旋式上升。现有的这些研究结论存在一定的差异，且专门针对深圳保险发展与经济增长之间关系的研究还很少。为此，
5、本文通过Granger因果关系检验，引入VAR模型，借助脉冲响应函数和方差分解来探究保险发展与经济增长之间的关联机制。二、深圳保险发展与经济增长关系的基本分析本文采用深圳地区生产总值(GDP)作为衡量深圳经济增长的指标，深圳保费收入（PI）作为衡量保险发展的指标，选取1979-2009年的年度数据进行分析。数据来源于深圳统计年鉴2010及历年深圳保险年鉴。由于以变量名义值的时间序列进行分析可能存在较大的误差，结论可能并不可靠，为了更好地使数据表现宏观经济运行状况，有必要对数据作出相应的处理。首先，利用深圳市GDP数据和深圳GDP发展指数（1979=100）将深圳市名义GDP数值转化为实际GDP
6、数值。其次，利用1979年为基期的消费价格指数（CPI）将深圳名义保费收入折算为实际保费收入。深圳GDP和保费收入变动趋势如图1和图2所示,其中GDP、GDPN、PI、PIN分别表示深圳实际GDP、名义GDP、实际保费收入和名义保费收入。图1：GDP变动趋势图 图2：保费收入变动趋势图 由于GDP和PI数据呈上升趋势，为了减少数据的波动性，消除数据的异方差性，对GDP和PI分别取自然对数，记为LNGDP和LNPI。取对数后的保费收入和GDP数据变化趋势及二者的增长率关系如图3和图4所示，其中PCHPI和PCHGDP分别表示实际保费增长率和实际GDP增长率。图3：实际GDP和实际保费收入对数趋势
7、图 图4：实际GDP和实际保费增长率趋势图由图3可以看出，深圳保险发展与宏观经济走势非常一致。图4中排除最初几期，经济增长率和保费增长率呈现粘连状态。1979年11月，人保广东省分公司在深圳设立支公司，深圳保险业务开始全面复苏。1982年第二家保险公司诞生-香港民安保险公司在深圳设立分公司，这也是在我国改革开放以后，第一家进入大陆市场的外资保险公司，相比美国友邦保险有限公司1992年进驻上海市场，深圳保险市场的对外开放早了整整10年。1984年2月，人保深圳支公司升格为分公司。受此影响，在保险发展的初期，也就是1981年、1982年和1984年这几个节点上保费增长率明显放大。此后，保费增长率围
8、绕经济增长率上下波动。图3和图4表明，深圳保险发展与经济增长之间有较强的相关性。但仅依靠图形还不能判断保险发展与宏观经济之间是否存在因果关系，下面对二者之间的关系进行Granger因果关系检验。（一）单位根检验。在经济分析中，非平稳序列往往会出现伪回归。无论是Granger因果关系检验，还是建立VAR模型都要求涉及到的变量具有平稳性。因此，序列平稳性检验是非常必要的。这里我们使用ADF和PP检验，检验结果如表1。表1：单位根检验结果变量检验类型（c,t,n）ADF检验PP检验结论检验值1%临界值检验值1%临界值LNGDP（c,0,7）-6.1773-3.7696-6.1662-3.6793平稳
9、LNPI（c,0,0）-4.8585-3.6793-5.4740-3.6793平稳注:检验类型中的(c,t,n)分别表示检验中是否有常数项、时间趋势、滞后阶数。其中，滞后阶数根据AIC,SC 准则确定。表1结果显示，LNGDP 和LNPI已经平稳，可以运用OLS直接进行估计，不需要再进行协整分析。（二）Granger因果关系检验。本文选取了5个不同的滞后期，运用Eviews6.0 检验LNGDP 和LNINS 的因果关系，结果见表2。表2：Grange因果关系检验零假设滞后期观测点F值P值LNPI不是LNGDP的格兰杰原因1294.61440.0412LNGDP不是LNPI的格兰杰原因1291
10、0.30790.0035LNPI不是LNGDP的格兰杰原因2281.258770.3028LNGDP不是LNPI的格兰杰原因22828.59580.0000LNPI不是LNGDP的格兰杰原因3271.49840.2455LNGDP不是LNPI的格兰杰原因3276.61430.0028LNPI不是LNGDP的格兰杰原因4261.83870.1679LNGDP不是LNPI的格兰杰原因4266.92130.0017LNPI不是LNGDP的格兰杰原因5252.14880.1192LNGDP不是LNPI的格兰杰原因5252.88700.0538注：P值代表接受零假设的概率，同时也表示拒绝相关零假设时犯第
11、一类错误的概率。表2显示，不论滞后几期，在5%的显著水平下，深圳的经济增长是保险发展的Granger原因。而当滞后期取1时，在5%的显著水平下，深圳的保险发展是经济增长的Granger原因；取其他滞后期，在10%的显著水平下，拒绝“深圳的保险发展是经济增长的Granger原因”。这种结果表明，在样本区间上，深圳的经济增长是保险发展的Granger原因，但深圳的保险发展对经济增长的作用不是非常显著。（三）深圳保险发展与经济增长的模型。通过前面分析，以LNPI为被解释变量，LNGDP为解释变量，运用Eviews6.0，进行回归，得: LNPI= -9.3100 + 1.3276LNGDPt=（-1
12、5.0324） （30.7712） R2=0.9713 F=946.8693 DW=0.3957此模型表明，在样本区间上，经济增长（对数的）以1.3276的比率影响保费增长（对数的）。但由于在5%的显著水平下，DW=0.3957dL=1.35，说明模型存在一阶自相关性，不可用于区间估计和预测。三、深圳保险发展与宏观经济关系的VAR模型构建与分析（一）模型简介传统的计量经济学模型通常利用经济理论来描述变量之间的关系，缺乏对变量间动态关系的严格定义，且模型的估计和推论较为复杂。而向量自回归模型（VAR）是基于数据的统计性质而建立的，它将系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构建
13、模型，常用于预测相互联系的时间序列系统及分析随机扰动对变量系统的动态冲击，解释各种经济冲击对经济变量形成的影响。VAR（P）模型的一般形式为：其中，为n维内生变量向量，为nn维待估计参数矩阵，p为滞后期，为n维随机扰动向量。（二）模型的建立和检验由于LNGD、LNPI序列都是平稳的，可直接将二者引入模型，建立二维内生变量的VAR模型。由模型滞后长度标准结果值并参照AIC准则和SC准则，VAR模型滞后阶数取5，即P=5。使用Eviews6.0进行建模，模型结果如下：其中，该模型对LNGDP的拟合优度达0.999，对LNPI的拟合优度达0.995,可见拟合效果很好。此外，该模型特征方程的根均落在单
14、位圆内（见图5），因此，可以认为该模型在理论上是平稳和可行的。图5：模型特征方程的根的分布图（三）模型分析通过前文的分析，可以证实保险发展与宏观经济增长之间的确存在着显著的相关关系。那二者之间又是通过怎样的关联机制联系在一起的呢？本文借助脉冲响应函数和方差分解对此作进一步解释。1、脉冲响应函数分析。脉冲响应函数（IRF）用于衡量来自随机扰动项（新息）的一个标准差冲击对内生变量当前和未来取值的影响轨迹，它能够比较直观地刻画出变量之间的动态交互作用及其效应。前面的分析证实了GDP和PI二者之间的正相关关系，但对其中的具体影响过程不能有效作答，这里引入脉冲响应函数来描述VAR模型中某一内生变量的冲击
15、给其他内生变量带来的影响。图6、图7分别给出了各变量一个标准差大小的冲击对另外变量的脉冲响应函数。图中实线为脉冲响应函数曲线，表示变量对冲击的动态响应；两侧的虚线表示正负两倍标准差的偏离带；横轴表示冲击作用的期间数（年），纵轴表示变量的变化程度（对数的）。图6：LNPI脉冲响应关系图 图7：LNGDP脉冲响应关系图图6保费收入（PI）对宏观经济增长（GDP）冲击的反应图显示，本期给定GDP一个标准差的正冲击，PI当期即呈现较大幅度的同向变化，第二年达到顶点，随后开始回落，第7年以后趋于稳定。说明宏观经济增长对保险业发展具有及时效应，尤其是开始的两年效果尤为明显。图7宏观经济（GDP）对保费收入（PI）冲击的反应图显示，本期给定PI一个标准差的正冲击，GDP在当期没有反应，第二年以后才产生同向的变化，在第四年达到顶点，随后
