我国保险业与经济增长关系实证研究.docVIP

我国保险业与经济增长关系实证研究 　　摘要：为研究保险业和经济增长的关系，选取2001-2011年我国大陆30个省份（不含西藏）保险密度和人均GDP的面板数据，分别进行全国以及区域（东部、中部、西部地区）的保险业和经济增长之间的长期、短期及因果关系检验，分组计算经济增长对保险业发展的贡献度，得出如下结论：全国层面经济增长是保险业发展的重要因素，保险业发展又反过来促进了经济增长；区域层面经济增长和保险业发展之间的关系不一致，保险业发展与经济发展不协调。 　　关键词：面板数据；单位根检验；协整检验；误差修正模型；格兰杰因果检验 　　中图分类号：F842.7 文章标志码：A 文章编号： 　　一、引言 　　随着我国经济发展和人民生活水平的提高，经济增长为保险业的发展奠定了良好的宏观和微观外部环境，保险业的发展又反过来有力地促进了经济的增长，二者之间的关系越来??密切。由于我国区域经济发展不平衡，不同区域保险业与经济之间的关系也有差异。目前大部分研究经济增长与保险业发展之间关系的文献要么基于国家等宏观层面进行整体研究，要么基于区域微观层面进行研究，很少有文献将两个层面结合到一起分析；另外，大部分研究仅从区域保险业发展对经济增长贡献度的角度进行分析，很少有文献从区域经济增长对保险业发展贡献度的角度分析；计量方法方面，很多学者直接建立面板数据回归模型，缺少平稳性检验或变量协整性检验。 　　鉴于此，本文在前面学者研究的基础上，拟搞清楚以下问题：首先，若保险业发展和经济增长之间存在相互关系，这种关系是长期关系、短期关系还是因果关系？这种关系在国家和不同区域之间是否存在一致性？其次，区域经济增长对保险业的贡献度与经济发达程度是否有直接联系？经济越发达的地区贡献度是否越大？ 　　二、指标选取、模型方法及数据处理 　　衡量保险业发展的指标是保险密度（人均保费额，ID） ，衡量经济增长的指标是人均GDP （EGDP）[1]。 　　为消除时间序列数据存在的异方差，可对原始数据实行自然对数变换。本文通过对数化的保险密度（LNID）和对数化的人均GDP（LNEGDP）和进行回归。 　　数据来源于《中国统计年鉴》、《中国保险年鉴》、国家统计局以及中国保险监督管理委员会的网站，使用Eviews6.0以及Stata10.0软件进行数据处理。 　　本文基于区域经济理论及统计年鉴的划分方法，将我国分为东、中、西部三个地区分别考察各区域经济增长及保险业发展水平之间的关系。其中东部地区包括：辽宁、河北、北京、天津、山东、江苏、上海、浙江、福建、广东、海南11个省（市、自治区）；中部地区包括：吉林、黑龙江、山西、安徽、江西、河南、湖北、湖南8个省（自治区）；西部地区包括：内蒙古、陕西、青海、宁夏、新疆、甘肃、四川、重庆、贵州、云南、西藏、广西12个省（市、自治区），鉴于数据的可得性问题，本文没有包括西藏自治区[2]。 　　三、实证分析 　　（一）基本数据描述 　　对全国层面上2001-2011年对数化的保险密度和人均GDP两个时间序列数据做走势如 　　同理，对30个省份对数化的保险密度和人均GDP两个面板数据的纵剖面图也可得出从2001-2011年我国各省份保险密度和人均GDP均呈现出相似的增长趋势。 　　（二）长期、短期及因果关系 　　1.单位根检验 　　对全国及东、中、西部地区对数化的保险密度、人均GDP及其一阶差分序列分别进行单位根检验，结果见表1。 　　可见保险密度和人均GDP均含有单位根，是非平稳序列，但一阶差分后都在1%显著性水平上通过检验。因此不管对于全国还是东、中、西部地区而言，对数化的保险密度和人均GDP序列均为1阶单整I（1）[4]。 　　2. 协整检验 　　根据 Pedroni（1999）的证明，在小样本中，Panel ADF-stat、Group ADF-stat的效果最好。协整检验结果如表2所示[5][6]： 　　所有统计量均在l%显著性水平上通过检验，因此对于全国和东、中、西部地区而言，保险密度与人均GDP之间均存在协整关系，即存在长期均衡关系，说明保险密度增长和人均GDP增长互为对方的长期原因。 　　3.误差修正模型 　　为进一步了解保险业与经济增长之间短期运行的关系，需构建以下误差修正模型： 　　其中， 表示长期均衡误差， 分别表示省份和年份， 、 为随机扰动项[3]。 　　使用面板误差修正模型进行全国及东、中、西部地区保险密度及人均GDP短期波动的分析，可得对于以△LNID为因变量的模型，全国以及东、中、西部地区的ECM项系数均为负且均通过1%的显著性检验，说明存在误差修正机制，也证实了经济增长是保险业发展的长期原因。对于以△LNEGDP为因变量的模型，虽然ECM项回归系数均为负，但仅全