影响我国寿险发展关键因素实证分析.docVIP

影响我国寿险发展关键因素实证分析【摘要】本文从经济人均国内生产总值、通货膨胀率、死亡率、城乡居民人民币储蓄存款、恩格尔系数、城市化水平六个影响我国寿险需求的因素着手，运用因子分析法和多元线性回归对历史寿险数据资料进行实证分析，分析影响寿险发展的关键因素，并给出建设性建议。 【关键词】寿险需求；影响因素；因子分析；多元线性回归 一、研究背景及研究意义 中国的寿险业在取得一定发展的同时与世界发达国家相比，还处于较低的发展水平。卓智，从国内生产总值、赡养率、社会保险、预期通货膨胀、国民教育水平和银行利率的角度对我国寿险需求进行了实证研究。杨舸等运用平稳性时间序列数字对寿险需求进行分析，认为经济增长、实际利率和不断下降的少儿赡养率对寿险需求影响显著，而预期通货膨胀率和教育水平的提高对于寿险影响不显著。 本文对多个变量先进行因子分析，以从大的方面来看影响我国寿险需求的因素，然后进行多元线性回归模型的建立，从小的方面来看各个影响因素对寿险需求的影响。 二、实证分析 （一）数据的收集与说明 本文搜集了1985―2007年间的人寿保险收入，以其作为被解释变量，保费收入代表了在一定时期内（通常是一年）经济主体有效的保险需求，即投保人在既定的保险价格和既定的支付能力下所愿意购买的实际保险产品的数量。另外还有1985―2007年间的人均国内生产总值、通货膨胀率、死亡率、城乡居民人民币储蓄存款、恩格尔系数、城市化水平数据以其作为自变量。数据基本上来源于《我国统计年鉴》（1986-2008年）。具体数据详见附表。 （二）因子分析 为了全面系统的反应保险业的影响因素，前文收集的变量较多，且变量之间容易出现较强相关关系的情况，也为了避免数据的过大波动，先对各个变量取自然对数，考虑到通货膨胀率可能为负值，不予其取对数。因此先选择对数据进行对数化处理，另外也为了能够充分有效的利用数据，先从大的角度来分析影响我国寿险需求的主要因素，本文先采用因子分析法提取主要因子，选取1985-2007年自变量样本数据进行分析。 分析结果显示，Bartlett球形检验值为244.818，相伴概率小于0.05，适合做因子分析。分析得到的相关系数矩阵R的特征值见表2-1。 表2-1 相关系数矩阵R的特征值 表2-2 旋转后的因子载荷阵 基于表2-2的分析结果发现： 有三个因子被提取和旋转，经旋转后的因子重新分配各个因子的解释原始变量的方差使得因子的方差更接近，提取3个公因子累计方差贡献率为97.913%。经过旋转因子变量的含义相对清晰，每个因子只对部分指标有较高载荷，根据表2-2，第一公共因子高载荷指标包括人均GDP（X1）、城乡居民人民币储蓄存款（X4）、恩格尔系数（X5）、城市化水平（X6），可以命名为经济因子；第二个公共因子高载荷指标为通货膨胀率（X2），可命名为购买力因子；第三公共因子为死亡率（X3），可以命名为社会因子。 （三）多元回归模型 为了更好的了解各因素与保险业之间的相关关系以及因素之间相互作用的影响，选择、、、、、作为解释变量，对保费收入（Y）进行多元回归分析。 由因子载荷阵的数据可算出特征向量矩阵，即将对因子载荷阵的数据进行标准化处理，由此得出下表2-3数据。 表2-3因子载荷矩阵标准化 由上表可以得到主成份的表达式： 表2-4 回归分析结果 由表2-4可以看出，系数均通过检验，因此，可得出结果： 将和的值代入上式，可得： 此即模型的最终结果。 1.在95%的置信度下，各相关系数相伴概率显著地不等于0，说明解释变量和被解释变量显著相关，回归效果较好。且各F观测统计值均大于相应F临界值，通过了显著性F检验，因此各回归方程总体十分显著。 2.以上分析结果验证了本文所选取的六个指标都与保费收入存在着显著的线性相关关系，除恩格尔系数、通货膨胀率、死亡率（自变量系数为负）与保费收入呈负相关外，其余指标都与保费收入呈显著的正相关。 3.以上分析可以看出死亡率、城乡居民人民币储蓄存款、人均GDP对寿险保费收入的影响比较显著。 三、总结 通过以上进行的多元线性回归分析，表明死亡率、城乡居民人民币储蓄存款、人均GDP三个指标对保费收入的影响比较显著。通过实证分析表明我国保险需求的主要影响因子，分别为经济发展水平与购买力和年龄结构，且实证表明死亡率对保费收入的增加是显著的，从而为我国寿险行业的发展努力指出了方向。基于本文的研究成果对我国寿险的发展提几点意见： （1）进一步提高城镇和农村收入水平，缩小收入差距 收入是消费的基础，只有收入水平提高了，才能扩大消费需求，优化消费