保险业对经济增长的贡献及对策研究

保险业对经济增长的贡献及对策研究

作者：彭欢

来源：《中国集体经济》2015年第10期

摘要：为了协调重庆保险业及经济又好又快的发展。文章基于VAK模型，分析重庆市保险业发展对宏观经济增长的影响。结果表明，保险业与宏观经济增长之间存在明显的正相关关系，但保险业的促进作用并不明显，分析其原因并有针对性地提出对策建议。

关键词：保险业发展；经济增长；Granger检验；VAK模型

重庆自成为直辖市以来，其宏观经济的迅速发展是有目共睹的。保险业也呈现出一片欣欣向荣的景象。重庆经济年均增长率高达到17%，2013年全市生产总值12656.69亿元。伴随着宏观经济的快速增长，重庆市保险业也开始迅速成长，其保险机构数量、各项保费收入都呈现出快速上涨的趋势。2013年实现的保费收入为359.23亿元，是1996年保费收入的28倍，且年增长率高达到48.7%。可见其发展之快。目前在保险与经济迅速发展时期，厘清重庆市宏观经济与保险业的相互关系及深入研究保险业对经济增长的影响可更好地发展重庆市保险业，从而使其更好地服务经济社会，改善民生，推动经济的发展。有学者对保险发展对经济增长的影响进行了卓有成效的研究：卓志（1999，2001）检验了人身保险对我国经济增长的显著贡献。从现有的研究成果来看，国内多是利用全国的数据进行分析的，而我国区域经济发展明显不平衡，得出的结果对某些地区来说缺乏参考价值。因此，本文以重庆市为出发点。将理论与具体区域的实际情况相结合来进行实证分析，进而提出更为具体的政策建议来促进重庆保险及经济的协调发展。

一、数据及模型选择

（一）数据来源及处理

本文的原始数据来自《重庆统计年鉴2013》，样本数据为1996～2012年的时间序列数据。文章所选取的指标为人均可支配收入PCDL保费收入PI。以重庆的人均可支配收入（PCDI）来衡量重庆的经济增长。以保费收入PI来衡量重庆市保险业的发展状况。

为了剔除价格变动的影响，本文选用以1996年为基期的消费价格指数（CPI）将两指标分别折算成实际人均可支配收入和实际保费收入，并分别对两指标取对数，记为LPCDI和LPI。来减少原始数据的波动性。

（二）VAR模型

向量自回归模型（VAR）是基于数据的统计性质建立模型，把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造模型，从而克服了传统经济计量方法不足等问题。

基于此，本文采用向量自回归模型的分析方法，来研究重庆保险业与经济增长之间的互动关系和内在影响机制。VAR模型的表达式为

其中，Yt为n维内生变量向量，n为样本个数，α为n维扰动项，Bi为n×n，向量的待估计参数矩阵，i为滞后阶数，μt为n维随机扰动向量。由于仅仅有内生变量的滞后值出现在等式的右边，所以不存在同期相关性问题，用普通最小二乘法（OLS）能得到VAR简化式模型的一致且有效的估计量。

二、重庆保险业发展对经济增长的实证分析

（一）变量的平稳性检验

LPCDI与LPI为时间序列数据，很不平稳，容易出现“虚假回归”问题。所以对时间序列数据进行分析之前，有必要先对序列的平稳性进行检验。本文利用E-views7.2软件对所选的时间序列进行扩充的迪基—富勒ADF单位根检验，检验结果显示，ADF检验方法在5%显著水平上时间序列LPCDI与LPI不能通过检验，为非平稳时间序列，而经过一阶差分后，在5%的显著性水平上获得到了平稳状态，这说明LPCDI与LPI是一阶单整序列即I（1）。

（二）协整检验与误差修正模型

从单位根检验结果可知，变量LPCDI和LPI都是一阶单整I（1），可以进一步判断两序列间是否存在长期均衡关系。在进行协整检验之前需要选择适当的阶数，本文采用AIC和SC 信息准则来选择最优的滞后长度，经过Eviews7.2的筛选结果，最终确定最佳滞后阶数为2阶。再进行Johansen协整检验，结果表明，迹统计量和最大特征值统计量表明在5%的显著水平下。拒绝均原假设，即认为两个变量之间存在协整向量，满足建立VAK模型的前提。

建立2个变量之间的协整方程，即

LPCDI=0.473LPI+e

由上式可知。人均可支配收入和保费收入之间存在正相关关系。且保费收入每增加1%。可带动人均可支配收入0.4723%的增加，可见，保费收入的增加有利于宏观经济的增长。

为了描述实际人均可支配收入和保费收入增长率的短期波动，下面给出这两个变量误差修正方程的估计结果

从实际LPCDI的误差修正方程中可看出LPI的误差修正项的系数估计值为-0.88，即当短期波动的调整力度将其拉回到均衡状态，再一次证实了不论短期还是长期。保险业的增长与经济增长都具有相互促进作用。

（三）GranCer因果关系检验

Granger因果关系检验方法可以进一步来判断重庆人均可支配收入增长率与保费收入增长率之间的影响系。为了得到稳健的检验结果，分别选取滞后1期2期和3期进行检验。

可能是所选取的样本区间有限，两变量间的影响并不显著。在10%的显著水平下，滞后1、3期拒绝DLPCDI不是DLPI的Granger原因的假设。但在此显著水平下。只有滞后1期的结果接受假设重庆保险发展是人均可支配收入的Granger原因。因此，可以认为重庆宏观经济与保险业间存在双向Granger因果关系，但保险发展是人均可支配收入的GranKer原因并不显著。

（四）VAR模型构建及动态分析

1.VAR模型的构建

基于平稳的时间序列数据构建保险业与经济增长之间的VAK模型，首先确定模型的最优滞后阶数为2，再对模型的残差项进行异方差检验、自相关检验和正态性检验，检验结果在5%的显著水平下都得以满足。且通过VAR（2）的估计结果（如表1）可看出两个回归函数调整后的拟合优度R2分别为0.983607，0.993264，拟合度很高，具有较强解释力。进一步运用AR根的图表来检验VAR（2）模型滞后结构的稳定性，经检验，所有单位根落在单位圆内，表明所设立的VAR（2）模型稳定，可见建立的VAR模型具有较高的可行性和稳定性。

2.脉冲响应函数分析

建立VAK模型，通过脉冲函数来刻画重庆人均可支配收入与保费收入间的动态影响。