中国城镇家庭寿险需求影响因素的实证

摘 要 ：目前,国内对于保险需求的实证研究主要集中在宏观领域,而微观领域多以理论研究为主.利用CHIP数据从微观角度对城镇家庭寿险需求的影响因素进行实证研究,是对目前微观领域实证研究稀缺现状的有益补充.首先进行理论分析,然后建立计量经济学模型进行回归分析,研究表明：家庭储蓄和家庭收入越多,寿险需求越大,所以提高城镇家庭储蓄和收入更能促进寿险的需求；东部地区城镇家庭的寿险需求大于中西部地区城镇家庭的寿险需求,所以缩小东部及中西部地区的收入差距能促进寿险需求；户主及其配偶双方都受过高等教育的城镇家庭对寿险的需求高于其他家庭,这说明受教育水平对寿险需求有显著影响.

关 键 词 ：城镇家庭；寿险需求；实证研究

中图分类号：F83 文献标志码：A 文章编号：1673-291X（2012）31-0069-04

引言

(一)研究目的及意义

自1982年恢复国内寿险业务,通过近三十年的发展,中国寿险业已成为国民经济中增长较快、吸引力较强的行业.但与发达国家相比,仍有较大差距.以寿险密度 ① 和寿险深度两个指标为衡量标准为例,到2010年12月,中国的寿险保费收入达到9 679.5亿元,② 寿险密度和寿险深度分别为722.5元和2.41%.与世界平均水平的差距虽较2006年有所下降,但仍有明显差距而与发达国家相比差距甚远.

寿险业作为一个社会的稳定器,为了使其发挥最大作用,不断扩大寿险密度和深度,研究寿险需求就显得十分必要.只有了解影响消费者的保险需求的因素,才能有针对的开发出合适的产品,为居民提供合适的保险怎么写作.

(二)文献综述

国内对于寿险需求的研究多从社会经济、人口结构等宏观层面出发.邓宬泓（2008）[1]采用多元回归分析方法构建了老龄化趋势下的人寿保险需求模型,以人均寿险保费作为被解释变量,老年抚养比、收入水平、受教育程度作为解释变量对人寿保险需求变动进行分析,得出结论：社会的老年抚养比水平、收入水平、受教育程度与人们对人寿保险需求正相关.刘翰林（2010）[3]认为影响人身保险需求的因素有：文化、社会和政治因素、人口因素、保险替代因素、经济因素和保费费率.文中指出由于受传统文化影响,国人选择保险大多属于被动防御,人口老龄化趋势也使得养老保险需求增加.经济发展,个人可支配收入增加正向影响保险需求.高永标（2007）[4]认为,影响保险需求的宏观因素主要有经济因素、社会和文化因素两个方面.文章选取北京人身保费收入作为被解释变量,分析经济发展水平、利率和通货膨胀、文化教育水平、人口家庭结构、人口的出生率和死亡率以及社会保障水平等因素对人身保险需求的影响.胡密飞（2005）[5] 在微观层面的保险需求理论基础之上,着重研究收入对保险需求的影响.而对美国、日本、中国这三个国家的保险需求的分析和比较,则是着重于宏观的层面.魏华林和杨霞（2007）[6]从家庭金融资产这一微观视角,探讨家庭金融资产与保险消费需求之间的相互关系.但其研究方法也仅仅是做了定性分析,认为随着家庭金融资产总量的不断增加,安全资产等家庭金融资产,在整个家庭金融资产中的比重会不断下降,而保险和退休金等家庭金融资产,在整个家庭金融资产中的比重则逐步上升.

通过上述文献不难发现,对影响中国寿险需求因素的实证研究,多从宏观层面进行分析.微观层面的研究则多偏重于描述性分析,实证研究几乎没有.本文在上述研究基础上,采用CHIP数据,运用多元回归分析的方法对影响城镇居民寿险需求的因素进行分析,探求各因素对城镇居民寿险需求影响的方向和程度.

一、模型和数据

(一)解释变量的选取

经济学上对需求的定义是指：一种商品在一定时期各种可能的水平下,消费者愿意而且能够购写的该商品的数量.一种商品的需求,往往是由多种因素共同决定的,如该商品的,消费者的收入水平,相关产品的,消费者的偏好等等.人寿保险作为一种特殊的金融产品,其需求也受很多因素的影响. （1）储蓄.储蓄作为一种安全资产,对于保险需求的影响可以从两方面来看.一方面,储蓄本身是用来应对未来的不确定性支出的,是风险自留的一种表现.一个家庭的储蓄额很大,那么其应对风险的能力自然较强,进而对寿险的需求相对减少.另一方面,储蓄资产高的家庭相对来说更具有购写力,它可以更容易使潜在寿险需求变为有效需求,从而对寿险需求产生正向影响.（2）收入.由于寿险不是劣等品或吉芬商品,因此,寿险需求的收入弹性大于零,即对于寿险的需求应该与消费者收入呈现正向变动,随着消费者收入的增加,其对于寿险的需求也应该增大.（3）年龄.年龄对于寿险需求有正负两个方向的影响.其一,消费者年龄会在一定程度上影响他对寿险的接受程度.一般情况下,年龄在30~50岁之间的人,对寿险接受程度应该高于其他年龄段,而年龄在50岁以上的人,对于寿险的认可程度不高.其二,年龄段不同的人对于保险的需求程度不同.对于年龄越大的人,由于养老问题的临近,他们对寿险需求比较强烈.因此,年龄对于保险需求的影响要看两者的合力.（4）受教育程度.受教育程度对保险需求的影响也是双向的.一方面,人们随着其所受教育程度的提高,其保险意识也会提高,进而影响他对寿险的需求及购写决策.另一方面,受教育程度越高其本身抵抗风险的能力也相应增强.而随着现代金融行业的发展,投资渠道的多样化,可替代产品繁多,且其收益率可能远高于保险产品,这也会使得受过高等教育的人群,更倾向于选择其他的金融产品而非寿险,从而对寿险需求产生负向的影响.同时,如果家庭户主及其配偶都为高等教育者,其中一人丧失劳动力或死亡对另一方的生计影响从经济角度看不会太大,这也在一定程度上对其保险需求产生负效应.因此,受教育程度对城镇居民的寿险需求的影响方向,要看这两方面的影响程度.（5）地区.首先,一般情况下东部地区的居民经济实力要比中部和西部地区强,居民收入水平比中、西部地区高.这使得其对寿险的消费能力较其他两个地区更强.其次,东部地区保险公司较为集中,展业范围广泛,寿险种类繁多,使人们各种保险需求都能找到相应的产品,这也在一定程度上刺激了人们的潜在需求向有效需求转化.最后,东部地区居民寿险意识较强,这也会使得人们的寿险需求增加.因此,预期东部地区城镇居民的寿险需求会大于中西部地区. 根据以上分析,本文从家庭视角研究人寿保险的有效需求,采用家庭寿险保费支出①为被解释变量.本文选取的解释变量是：家庭储蓄②、家庭年收入③、年龄、受教育程度④、和东、中西部地区差异（东部取1,中西部取0）⑤.受教育程度设两个虚拟变量,教育1（户主及其配偶都为大专以上文化程度取1,其他取0）和教育2（户主或配偶只有一人为大专以上时取1,其他取0）.其目的在于研究户主及其配偶只有一方受过高等教育的家庭与户主及其配偶都受过高等教育的家庭对寿险需求是否存在显著的差异.

(二)数据来源

本文以CHIP数据作为研究对象,该数据是由中国社会科学院经济研究所与国家统计局于2003年2月发起的调查,主要针对2002年全国范围内城镇居民的收入情况,共获得6 835个城镇家庭样本户,以及20 632个个人样本户的抽样调查数据.涵盖了北京、山西、辽宁、江苏、安徽、河南、湖北、广东、重庆、四川、云南和甘肃等12个省、市.本研究在删除了家庭信息不完整的样本后,有效样本包含了分布在以上12个省的1 111个家庭在2002年的有关信息.

(三)模型建立

被解释变量“家庭寿险保费支出（pre）”分别与解释变量“家庭储蓄（dep）”、“户主及其配偶平均年龄（age）”、“家庭收入（inc）”做散点图,通过散点图可以发现,“家庭寿险保费支出”与 “家庭储蓄”、“户主及其配偶平均年龄”、“家庭收入”不是线性关系,散点集中分布在“家庭寿险保费支出”所在的纵轴底端,因此应考虑对“家庭寿险保费支出（pre）”取对数的模型.考虑三种模型：

模型一：对数——线性模型

log（pre）等于γ1+γ2Dep+γ3Inc+γ4Age+γ5Edu1+γ6Edu2+γ7area+ε

模型二：双对数模型

log（pre）等于β1+β2log（Dep）+β3log（Inc）+β4Age+β5Edu1+

β6Edu2+β7area+ε

模型三：含交互项的对数模型

log（pre）等于λ1+λ2Dep+λ3Inc+λ4Inc2+λ5Inc*Age+λ6Inc*Area+λ7Inc*Dep+λ8Inc*Edu1+λ9Inc*Edu2+λ10Area+λ11Area*Age+

λ12Area*Dep+λ13Dep2+λ14Dep*Edu1+λ15Dep*Edu2+λ16Age+

λ17Edu1+λ18Edu2+ε

根据前文分析,地区和收入对寿险保费支出呈正相关,因此预期模型一中的γ7、γ3和模型二中的β7、β3为正值；由于对 “家庭寿险保费支出”取对数后其与 “家庭收入”和“家庭存款”的散点图呈现开口向下的趋势,因此预期模型三中的λ4、λ16为负值,λ2和λ3为正值.

二、分析和结果

用Eviews软件估计三个模型的回归方程,回归结果（见表2）.

将模型二与模型一比较,模型二的R2和R2都大于模型一,不存在明显的异方差,且大多解释变量统计显著,因此模型二优于模型一.

与模型二相比,模型三虽然调整R2为0.154,但有多个变量不显著,且大部分交互项不显著.我们通过怀特检验发现模型中并没有明显的异方差现象.那么出现这样的结果可能是由于模型本身选取的不好.通过模型二和三的回归结果中F的比较我们也可以看出,模型二的F等于32.68远大于模型三的12.93.所以从整体来看我们认为模型二拟合更好,各变量更能有效解释储蓄保费支出.并且由对解释和被解释变量取对数后的散点图可以看出,双对数模型比模型一和三的拟合效果都要好.因此选取模型二作为回归模型.

模型二的回归方程如下：

[log（pre）]　等于-3.460+0.1203log（Dep）+0.8188log（Inc）+0.0032Age+

（1.0118） （0.0462） *** （0.1111） *** （0.0049）

0.2810 Edu1+0.2166Edu2+0.2797area

（0.1247） ** （0.1141） * （0.1116） **

n等于11109 R2等于0.1510 R2等于0.1463 SR等于2 605.409 F等于31.0064

地区、家庭储蓄的对数、教育1和家庭收入的对数系数的p值都远小于0.05,意味着在5%的显著性水平下,地区、家庭储蓄的对数、教育、家庭收入的对数对被解释变量的影响都是非常显著的.教育2系数的p值接近0.05,说明教育2对被解释变量的影响也比较显著.年龄的系数p值为0.5104,对被解释变量的影响非常不显著.

在对回归方程的显著性检验中,F检验的统计量为31.0064,p值约等于零,说明我们建立的多元回归方程高度显著.调整后的为R2为0.1463,这对于截面数据而言已经可以代表了很好的拟合了.

地区和家庭收入对数的系数为正值,与第二部分的预期相同.年龄的系数为0.0032,说明在其他变量不变的情况下,年龄每增加1岁,家庭寿险保费支出将平均增加0.032个百分比,但由于年龄的系数p值很大,年龄对被解释变量的影响并不显著,即可以认为年龄对家庭寿险保费支出没有影响.“家庭储蓄的对数”的系数的含义为：在其他变量不变的情况下,家庭储蓄每增加1%,寿险保费支出将平均增加0.1203%.“家庭收入的对数”的系数的含义为：在其他变量不变的情况下,家庭收入每增加1%,寿险保费支出将平均增加0.8188%,说明家庭收入对寿险保费支出的影响非常大（由于家庭收入的基数很大,家庭收入即使只变动1%,在绝对值上也有很大变化,因此会寿险保费支出有很大影响）.地区、教育1和教育2都是虚拟变量,其系数的含义与其他解释变量有所不同.由回归方程可以看出,其他变量保持不变时,与位于中西部地区的家庭相比,位于东部地区的家庭寿险保费支出平均高出27.97%,说明地区对寿险保费支出的影响很大.教育方面,当其他变量保持不变时,双方有一方为大专以上文化程度的家庭的寿险保费支出平均高于户主及配偶都是大专以下文化程的家庭21.66%；而双方都为大专以上文化程度的家庭的寿险保费支出平均高于户主及配偶都是大专以下文化程的家庭28.10%.这充分说明了教育对于寿险需求的影响比较大,受教育程度越高,寿险需求越大. 由以上分析可以看出,模型二回归方程的各解释变量都显著,对所有解释变量的系数进行联合检验,F值较大,R2和调整R2较高,因此模型二是较好的拟合模型.但由于受数据可得性的限制,本文采用的是截面数据,可能会有遗留变量偏差.如家庭人口结构可能会影响城镇家庭寿险保费支出,子女多的家庭可能对寿险的需求较少,即若以子女数作为解释变量,其系数可能为负值,而子女数与年龄可能存在正相关（由于过去不实行计划生育,一般年龄大的人子女比较多）,会造成对年龄系数估计的负偏差,即过小地估计了年龄对被解释变量的影响.家庭寿险保费支出很（下转99页）（上接71页）大程度上也取决于人们从事的职业,高危险的职业人群对寿险（主要指死亡险）需求大,即若加入高危险职业这一解释变量,其系数可能为正值,而教育与高危险职业可能呈负相关（从事高危职业的人群大多教育水平比较低）,从而造成对教育系数估计的负偏差,过小地估计了教育对被解释变量的影响.且如果已知家庭人口数我们用平均收入来解释寿险保费支出会更有说服力.因此,不足之处有待我们日后进一步研究加以完善.

结论及建议

以上实证分析表明：地区和家庭收入的对数的系数为正值,与之前预期相同.家庭收入和储蓄家庭越多,寿险需求越大,尤其是家庭收入对寿险需求的影响非常大,所以提高城镇家庭收入和储蓄更能促进城镇家庭对寿险的需求；年龄对寿险需求的影响不显著,与预期有一定偏差,一方面可能是由于随着经济的发展,保险意识的增强,不同年龄段的城镇居民对寿险的认可程度都比较高,使年龄对寿险需求的影响减小,另一方面也可能是遗留变量偏差造成的；东部地区城镇家庭的寿险需求大于中西部地区城镇家庭的寿险需求,这主要由于东部地区经济发达,保险公司分布集中,且东部地区城镇居民的保险意识更强,所以缩小东部及中西部地区的差距能促进中西部地区的寿险需求；户主及其配偶只有一方受过高等教育和双方都受过高等教育的城镇家庭对寿险的需求都高于双方都没有受过高等教育的家庭,且双方都受过高等教育对寿险需求的促进作用大于只有一方受过高等教育,这说明提高居民的教育水平,可以促进城镇家庭对寿险的需求.

由于缺乏微观数据,本文只采用2002年的数据,进行了截面数据分析.以后的研究者可以尝试进行面板数据分析,以克服截面数据的遗留变量偏差问题,得到更为准确的回归结果.