中国人身保险保费收入影响因素的计量分析

中国人身保险保费收入影响因素的计量分析

【摘要】根据1995年——2009年的相关数据，运用Eviews软件对于影响人身保险保费收入增长的因素进行了计量分析，从模型了解到影响我国人身保险保费收入的相关因素，主要有国内生产总值(GDP)、居民储蓄水平、人口数量和居民消费物价水平（CPI）等几方面。并预测未来我国人身保险保费收入增长速度较前几年有所放缓，但仍将保持快速增长的势头，增幅比较平稳。

【关键词】人身保险保费收入、影响因素、计量模型、政策建议

一、文献综述

（一）人身保险的概念和基本内容

为了避免和补偿风险造成的损失，人类总结出了各种形式的后备基金和处理风险的办法，保险是其中最为有效也是最为常见的方法之一。人身保险作为保险学的重要组成部份，是以人的身体或寿命为保险标的，当被保险人发生死亡、伤残、疾病等保险事件或生存到保险期满时，保险人给付保险金的一种保险。其基本内容是：投保人与保险人通过订立保险合同明确各自的权力和义务，投保人向保险人缴纳一定数量的保费；在保险的有效期内，当被保险人发生死亡、残疾、疾病等保险事故或被保险人生存到保险期满时，保险人向被保险人或其利益人给付约定数量的保险金。长期以来人身保险被视为个人或者家庭财务规划中必要和基本因素。在个人或家庭的财务规划中，人身保险是有价值和弹性的财务工具。它主要包括人寿保险，人身意外伤害险和健康保险。

（二）我国人身保险的现状剖析

20世纪80年代以来，我国的人身保险业务取得了较大的发展，但在发展中也还存在不少问题，这些问题的存在既有供给方面的原因，也有需求方面的原因。自1982年恢复人身保险业务至今，人身保险市场得到了长足发展，保费收入迅速增长。1982年人身保险保费收入仅有159万元，2006年人身保险保费收入高达3049亿元，在25年间，保费收入增长2.6万倍。

人身保险保费收入是一国人身保险业发展水平的重要指标，表示该国人身保险市场总体规模及发展状况。从国外保险市场发展的规律来看，一个国家或地区的人身保险保费收入的大小通常与该地区的人均国民生产总值、存款余额、社会总收入的分配状况、人口数量、社会保障程度、社会习俗、文化结构、保险产品数量等因素相关联。国内外有许多学者都曾对保费收入的影响因素作了大量的实证研究。

（三）影响人身保险保费收入的因素假设

在传统的保险理论中，影响人身保险业发展的理论因素主要有：国内生产总值、物价指数、储蓄水平、人口数量、国民保险意识、国家金融监管水平及市场经济发展程度等。这里，我主要对以下因素做了计量分析：

1.国内生产总值（GDP）

保险是社会生产力发展到一定水平的产物，并且随着生产力的发展而发展。GDP是影响人身保险市场发展的重要因素，一方面，经济发展带来保险需求的增加；另一方面，收入水平的提高也会带来保险需求总量和结构的变化。可以说国内生产总值（GDP）是一国保险业发展的经济基础。

2.人口数量

人身保险是以人的生命和身体为保险标的的一种险种，涉及到生命表中的多项指标，而生命表也是我国计算费率的重要依据。生命表的来源即是对人口因素的相关统计数据。因此人口数量对我国人身保险保费收入也是有一定影响的。

3.储蓄水平

在经济学中，对于一种商品的需求是由其需求欲望和购买能力决定的。保险作为一种商品也是这样的，居民的储蓄水平正能够体现这种实际购买能力。因此一国居民的储蓄水平越高会刺激保险业的发展。

4.物价指数

物价指数在一定程度上反映我国商品价格的基本水平。而保险商品的价格是保险费率。保险需求主要取决于可支付保费的数量。保险费率与保险需求主要取决于可支付保险费的数量。保险费率与保险需求一般成反比例关系，保险费率越高保险需求越小；反之则越大。而我国人身保险的费率确定和大一部分取决于利率，而物价又是对利率的反应，因此物价指数是人身保险商品价格的影响因素之一。

二、模型的建立

人身保险保费收入及相关数据

年鉴》

（一）模型初步提出

为了具体分析各要素对我国人身保险保费的影响的大小，我们选取变量国内生产总值（X2）；人口数量（X3）；储蓄水平（X4）；居民消费价格指数X5。采用的模型如下：

Y=b1+b2X2+b3X3+b4X4+b5X5+u

我们通过对该模型的回归分析，得出各个变量与我国人身保险保费收入的相互变动关系。

（二）模型的拟合检验用Eviews计量经济学分析软件，我们可以得到如下回归分析结果：

Dependent Variable: Y

Method: Least Squares

Date: 06/02/12 Time: 19:13

Sample: 1995 2009

Variable Coefficient Std. Error t-Statistic Prob.

C 22048.32 19542.15 1.128245 0.2856

X2 -0.029395 0.018897 -1.555589 0.1509

X3 -0.209300 0.138038 -1.516245 0.1604

X4 0.093912 0.027043 3.472679 0.0060

X5 20.86120 48.96345 0.426057 0.6791

R-squared 0.973265 Mean dependent var 3274.549

Adjusted R-squared 0.962571 S.D. dependent var 3196.237

S.E. of regression 618.3617 Akaike info criterion 15.95323

Sum squared resid 3823712. Schwarz criterion 16.18924

Log likelihood -114.6492 F-statistic 91.01057