基于保险业人口影响因素实证分析.docVIP

基于保险业人口影响因素实证分析 　　摘要：本文根据我国各地区保险业与人口结构变量的数据，综合运用多元统计分析方法，对影响我国保险业发展的人口因素进行实证研究，根据定量分析结论对适应当前人口结构的保险业发展提出若干建议。 　　关键词：聚类分析；典型相关分析；保险业；人口结构 　　 　　一、引言 　　人口因素是影响保险业发展的至关重要的变量。不少国外学者对保险中的人口变量进行研究，Lewis通过数学模型进行保险需求中的人口因素的模型分析[1]，Browne等人则对人寿保险中的人口变量进行较系统演绎分析[2]。国内亦有大量该方面的研究成果，贺菊煌用带生命周期假说的动态经济学模型探讨人口收入预期、寿命预期与保险业的模型关系表达[3]；韩艳春等对保险发展与人口、经济及文化发展的关系进行深入研究，得出“我国事业发展与人口、经济发展比例不吻合”的结论。[4][5]但论断基础源于描述统计的数据分析，缺乏进一步的数据挖掘。郭金龙等对我国保险业发展的各因素运用协整分析，得出“总人口不是保费收入的格兰杰原因” [6]的结论，但对人口因素中隐含的多元结构变量分析是单独的，缺乏整体性。本文旨在利用我国各地区保险业与人口结构变量的截面数据，综合运用多元统计分析方法挖掘数据，对影响保险业发展的人口因素进行实证研究，并根据分析对当前保险业与人口的协调发展提出若干建议。 　　二、研究思路与数据处理 　　（一）指标选取 很难用单一的指标衡量保险业的发展，通常使用统计指标体系作为测度工具，具体包括规模、水平、速度、效益、结构、市场化程度等变量，而每一个变量还包含众多的二级指标。本文主要选取保费收入作为规模的度量，由细化分析需要，选取地区原保险费总收入X1及财产保险X2、人寿保险X3、意外险X4、健康险X5四种类型保费收入；水平变量则选取保险深度X6与密度指标X7，前者体现了保险业对国民经济的贡献度，后者人均保费强度指标刻画保险市场的发育程度。上述7指标组成衡量保险发展的多维向量，以下简称保险组指标。人口结构变量也是一个综合指标体系，主要包括人口总量、年龄结构、收入结构、城乡???构和教育结构等变量组成。本文分别选取地区人口总量Y1、预期寿命Y2、城镇人口比重Y3、职工平均工资Y4、总抚养比Y5、大专以上学历人口Y6和15岁以上人口文盲比例Y7作为代表性指标，以下称人口组。 　　（二）数据来源 保险组数据来源于中国保险监督管理委员会网站（http://www.circ.省略）。人口组数据的指标数据引自2008年《中国人口与就业统计年鉴》，其中独立开展保险业务的深圳、青岛、大连、厦门、宁波五个城市由于有关数据缺失，没有计入，其所在省区的数据均已作相应扣除。 　　（三）分析方法 本文首先针对保险组与人口组的多元指标数据进行对比分析，以揭示各地区保险业的发展水平与人口结构是否协调的问题。运用典型相关分析方法处理分析保险业发展水平与人口因素两组多元指标的相关性与互动关系，统计处理通过SAS8.1软件包完成。 　　三、典型相关分析 　　保险业地区发展水平与人口结构因素的不一致性牵扯多元的综合因素，显示出时间与空间的巨大不均衡。进一步运用典型相关分析方法分析二者内在的关联性与作用方向、程度。 　　典型相关分析于1936年首先由Hotelling提出，是从整体出发研究两组随机向量间相关关系的多元统计方法。模型具体数学表达如下： 　　设有X1，X2，…，Xp和Y1，Y2，…，Yq两组指标，且p≤q，利用主成分的思想，找系数A=（αi1，αi2，…，αip）和B=（βi1，βi2，…，βiq），将原两组数据通过线性组合构成若干对典型变量Ui和Vi，Ui=αi1X′1+αi2X′2+…+αipX′pVi=βi1Y′1+βi2Y′2+…+βiqY′q 其中，X′和Y′为X和Y的标准化值。定义ri，1≤i≤p是第i对典型相关变量的相关系数，通过计算由似然比方法导出的统计量 ，其在H0下近似服从自由度（p-i+1）（q-i+1）的x2分布。检验找出具有统计学显著性的相关系数，从而分析代表性的典型变量的相关性。 　　运用SAS中CANCORR程序对保险与人口组的多元数据进行典型相关分析。[7]结果如下： 　　(1) 典型相关系数及其检验 　　由表1可以看出，得到的7个典型相关系数值，第一对典型相关变量的相关系数0.980023，第二典型相关系数为0.940685，其余5个较小，可以判断两组变量确实存在着较强的相关性，适于运用典型相关分析。前2个特征值通过显著性检验（p＜0.0001），其后相关系数则没有统计学显著性。进一步从表2的冗余度统计分析结果出发，保险组被自身解释比例80.84%，对立的人口组解释的比例76.44%；从人口组分析相应结果累计分别达到67.