经济增长_居民消费与保险发展的长_省略_于VAR模型和脉.pdf

《经济增长_居民消费与保险发展的长_省略_于VAR模型和脉.pdf》由会员分享，可在线阅读，更多相关《经济增长_居民消费与保险发展的长_省略_于VAR模型和脉.pdf（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 1994-2010 China Academic Journal Electronic Publishing House.All rights reserved.http:/第23卷第7期Vol.23No.7统 计 与 信 息 论 坛Statistics&Information Forum2008年7月Jul.,2008收稿日期:2008-03-04;修复日期:2008-05-28作者简介:钱 珍(1978-),女,安徽五河人,讲师,博士研究生,研究方向:保险与风险管理。【统计应用研究】经济增长、居民消费与保险发展的长期联动效应分析 基于VAR模型和脉冲响应函数的研究钱 珍(中国人民大学 统

2、计学院,北京 100872)摘要:保险是关乎国民经济发展、稳定居民生活的一个行业,保险业的发展对一国经济增长以及居民储蓄与消费有着密切的关系,反过来经济增长与居民储蓄也一定程度上影响保险业的发展。但究竟它们三者之间的影响程度如何,是目前国内没有测度的一个问题。文章通过计量经济学中VAR模型以及脉冲响应函数的方法,来测度它们之间的联动程度,得到比较符合中国实际情况的四点结论。关键词:保险发展;VAR模型;脉冲响应函数;方差分解中图分类号:F842 文献标识码:A 文章编号:1007-3116(2008)07-0050-05一、引 言中国的保险市场相对其他发达国家起步相对较迟,但是发展却是飞速的。

3、从改革开放以来,伴随着经济的持续发展,人民生活水平不断提高,人们的保险意识也在逐步增强。这些都为保险业的发展奠定了良好的宏观和微观的外部环境。但是纵观保险发展的历程,可以发现保险业的发展速度在不同阶段是不一样的,如果考虑从19802006年的全国总保费收入,从80年代到90年代初,这个阶段保费收入的发展速度缓慢,从90年代初到2000年,发展速度又上了一个台阶,而在2000年后保险业的发展又得到大幅提升。保险业在不同阶段以不同速度在发展,这和中国经济持续快速、稳定增长是分不开的,同样也依赖于人民生活水平的提高和人民对安全感和保险意识的增强。相反,保险业的发展也带动了经济的增长,以及增加了行业就

4、业机会,提高了人民生活水平。这三者之间从理论上讲是相互促动和相互影响的,国内部分学者都对经济增长和保险业发展之间的相互影响从实证的角度进行了研究,也分别得出不同的结论:吴江鸣和林宝清,孙祁祥和贲奔、肖文和谢文武等人的研究表明,在外部条件基本相近的情况下,保费收入与国民生产总值(GNP)、人均保费收入与人均GNP具有高度的正相关关系,保险业的超常规发展完全取决于GNP的增长1-3;胡宏兵认为不论短期还是长期经济增长对保险发展都具有Granger因果关系,但保险发展对经济增长的因果关系却不显著4;饶晓辉和钟正生考察中国实际GDP与总保费额的关系后认为,保险市场的发展不是经济增长的原因,经济增长才是

5、保险市场发展的原因5。但是经济的增长对保险业发展来说是宏观环境因素,保险发展的主体还是和居民相关的。因此研究这三者之间的关系是非常有理论和现实意义的。目前国内没有学者把这三者综合在一起,研究它们的相互影响关系。本文的思路是:不仅考虑经济增长和保险发展的相互关系,同时还引入居民的行为特征对保险发展的影响,采用VAR和脉冲响应函数的方法综合考虑这三者之间的联动关系。二、理论介绍 影响保险业发展的各种因素(一)经济发展水平经济增长对保险市场规模的扩张和深化产生了各种直接和间接的增长效应。由于经济增长促进了社会消费结构的升级转换,人们更加关注医疗、健05 1994-2010 China Academi

6、c Journal Electronic Publishing House.All rights reserved.http:/康、养老等保险产品;各种耐用消费品如住房、汽车、家电等的大量增加,促进了家庭财产保险、机动车辆保险、住房贷款保证保险等;居民对第三产业中的旅游、社会性服务等消费的增加促进了各类责任险和意外伤害险等保险需求的上升;企业数量和规模的大幅增加,为企财险的发展提供了丰富的保源。(二)通货膨胀率通货膨胀是一个环境变量,对保险市场的影响主要有三方面:一是通过价格而产生的价格效应;二是通过收入水平产生的收入效应;三是通过其他环境变量如利率水平等产生的替代效应。通货膨胀率的变化将影响

7、消费者对保险产品的购买需求。在本文中通货膨胀率对保险发展的影响体现在采用通货膨胀率对GDP进行修正,并用修正以后的GDP来进行分析。(三)城乡居民储蓄存款余额储蓄对寿险保费的影响,可以从两个角度分析。一方面,人们收入增加,储蓄必然增加,而保费收入也会增加,但是,另一方面,储蓄的增加对保费收入也产生当期的替代作用,人们把可支配收入用于储蓄的多,用于保险消费的就少。从后一个角度来看,储蓄这个变量对保费收入又起到了负面的作用,两方面的因素共同作用。(四)居民可支配收入人均收入水平的提高会促使消费支出结构发生变化。人们在满足基本消费需求的基础上,才具有购买保险消费品的需求。较高的人均收入水平,使保险保

8、障安全需求成为现实需求具有了经济基础。三、VAR模型与脉冲响应函数(一)向量自回归向量自回归(VAR)是基于数据的统计性质建立模型,VAR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,从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。VAR模型是处理多个相关经济指标的分析方法,1980年西姆斯(C.A.Sims)将VAR引入到经济学中,推动了经济系统动态性分析的广泛应用。VAR(P)模型的数学表达式是yt=A1yt-1+Apyt-p+Bxt+tt=1,2,Tyt是k维内生变量向量,xt是d维外生变量向量,P是滞后阶数,T是样本个数,kk维矩阵A

9、1,AP和kd维矩阵B是要被估计的系数矩阵,t是k维扰动向量,它们之间可以同期相关,但不与自己的滞后值相关及不与等式右边的变量相关,假设 是t的协方差矩阵,是一个kk的正定矩阵。(二)脉冲响应函数在实际应用中,由于VAR模型是一种非理论性的模型,它无需对变量作任何先验性约束,因此在分析VAR模型时,往往不分析一个变量的变化对另一个变量的影响如何,而是分析当一个误差项发生变化,或者说模型受到某种冲击时对系统的动态影响,这种分析方法称为脉冲响应函数(IRF)。这里介绍两变量VAR(2)的模型来说明脉冲响应函数的基本思想。(三)方差分解脉冲响应函数描述的是VAR模型中的一个内生变量的冲击给其他内生变

10、量所带来的影响,而方差分解是通过分析每一个结构冲击对内生变量变化(通常用方差来度量)的贡献度,进一步评价不同结构冲击的重要性。因此,方差分解给出对VAR模型中的变量产生影响的每个随机扰动的相对重要性的信息。脉冲响应函数是随着时间的推移,观察模型中各变量对于冲击是如何反应的,然而根据VMA()表示,提出方差分解方法,定量地但是相当粗糙地把握变量间的影响关系6。四、经济增长、居民消费与保险发展的联动关系测度(一)样本和数据选取本文的原始数据来自 中国统计年鉴2007,样本数据为19802006的年度数据。文章所选取的指标为GDP,城乡居民存款储蓄余额(cunkuan),人均可支配收入(kezhip

11、eishouru),保费收入(insur2ance)这样四个指标。由于GDP数据由于没有考虑通货膨胀的因素,本文对GDP数据进行调整,用GDP除以通货膨胀率作为消除通货膨胀影响的真实的经济增长状况,记做TGDP。通货膨胀率采用的是居民消费价格指数,因数据采用的是1980到2006的数据,因此这里以1980年为基期。由于数据的自然对数变换不改变原序列的关系,并能使其趋势线性化,消除时间序列存在的异方差,所以对调整后的各经济总量进行自然对数变换。如果时间序列是非平稳的,直接进行回归分析,易造成伪回归现象的出现,出现谬误的结论。而如果时间序列是非平稳的,对数据进行简单的差分变换后进行估计,则15钱

12、珍:经济增长、居民消费与保险发展的长期联动效应分析 1994-2010 China Academic Journal Electronic Publishing House.All rights reserved.http:/会丢失长期信息。同样,这几个变量之间相互存在影响,无法区分内生变量和外生变量。为了克服上述缺陷,本文采用的是基于向量自回归模型(VectorAuto regression,VAR)的格兰杰因果检验、协整检验以及脉冲响应函数和预测方差分解技术等经济计量分析方法来进行分析。(二)实证分析11 单位根检验本文用ADF和PP检验对各个变量进行了单位根检验,对滞后项的选择和模型优劣

13、的识别主要运用了AIC和SC信息量。结合AIC和SC信息准则,使AIC和SC的值同时相对较小,则所选的ADF模型最恰当。PP检验是在约束条件放宽的条件下对单位根进行检验。采用单位根检验结果如下:在10%的显著性水平下,这四个变量都是二阶平稳的,也就是说这四个变量都是I(2)的过程。21 协整检验依据SC统计量最小化原则确定最佳滞后阶数,对二阶单整序列tgdp、cunkuan、insurance和kezhipeishouru进行Johansen协整检验,并求得协整向量。将EViews5.0输出的结果整理见表1:表1 协整检验结果Lags interval:1 to 3 Selected(0.05

14、 level3)Number of Cointegrating Relations by ModelData TrendNoneNoneLinearLinearQuadraticTest TypeNo InterceptInterceptInterceptInterceptInterceptNo TrendNo TrendNo TrendTrendTrendTrace34443Max-Eig34443 表1的结果是根据Johansen协整检验中第六个选项得出的,这个选项包括前面五种选项得出的可能的结果,从上表可以看出(由于数据量的原因,最大滞后阶数只能为3阶,所以选取3阶滞后),这五种情况下,

15、有三种是支持有四个协整关系的。而第一种无截距,无趋势,明显不符合这几个变量的特征,因此在此处我们认为这四个变量之间是存在4个协整关系的,也就是说它们之间都互为联动效应。而具体的协整方程我们这里就不建立,VAR模型是在不用考虑自变量与因变量的情况下建立模型,此处,我们考虑建立VAR模型并通过脉冲响应函数来分析。31VAR模型利用上述存在协整关系的三个变量,我们可以建立如下的K阶向量自回归(VAR)模型。通过基于VAR模型的脉冲响应函数(IRF)和方差分解,我们可以对经济发展、居民消费、居民存款、保险发展这几者的相互冲击响应进行测算。在做VAR模型过程中,一个关键因素就是滞后阶数的选取,在这里滞后

16、阶数的选择本文采用两种检验方式:一种是Lag Length Creteria,另一种是Ar Roots Gragh,这两种方法都用来检验滞后阶数是否合适。采用第一种方法确定的滞后阶数4阶是最好的,但和3阶相差不多,但是在4阶滞后期情况下,所得的单位根有7个在圆外,这样就无法做脉冲响应函数,得到的脉冲响应函数是非常不稳定的。因此我们选择VAR模型滞后期为3期,得到相应的VAR(3)模型。图1、图2分别是Ar roots gragh所得到的结果。41 脉冲响应函数经过前文的协整检验可知,VAR模型中的时间序列向量Zt是协整的,也就是说此模型中的四个变量从长期来看具有均衡的关系,但在短期里由于会受到

17、随机干扰的影响,这些变量有可能偏离均衡值,但这种偏离是暂时的,最终会回到均衡状态。对一个变量的冲击直接影响这个变量,并且通过VAR模型的动态结构传导给其他所有的内生变量。脉冲响应函数就是用于衡量这种来自随机扰动项(新息)的一个标准差冲击对变量当前和未来取值的影响轨迹,它能够比较直观地刻画出变量之间的动态交互作用及其效应。根据数据,首先建立包含四个内生变量的三阶VAR模型。经过检验,模型是显著的,说明该VAR模型的结构是稳定的(估计和检验过程略)。所以,本例满足分析的前提条件。图3、图4分别给出了各变量一个标准差大小的冲击对其他变量的脉冲响应函数。在图3中,横轴表示冲击作用的期间数(年),纵轴表

18、示保费收入的变化程度,曲线表示了脉冲响应函数,代表了各相应变量冲击的动态响应;两侧的虚线是脉冲响应函数加减两倍标准差的值,表明冲击响应的可能范围。图3是其他3个变量的冲击引起的保费收入变化的25统计与信息论坛 1994-2010 China Academic Journal Electronic Publishing House.All rights reserved.http:/脉冲响应函数图。可以看出,当在本期给城乡居民存款储蓄余额一个标准差的冲击后(即cunkuan增加),影响保费收入增长,在第3期到达顶点,以后开始回落,第5年以后收敛于0,说明城乡居民存款余额对保险业发展的响应大约持续

19、到3年左右,而可支配收入的变化对保费收入的冲击不明显,而TGDP的冲击在短期内看不出太大变化,但随着时间的推移,可以发现这个冲击对保费收入的影响有所增加,可以看出当期经济的发展对保险市场起不到明显的作用,但是这种影响是有滞后效应的。图4是其他3个变量的冲击引起的经济增长变化的脉冲响应函数图。可以看出,当在本期给保费收入一个标准差的冲击后(即insurance增加),影响宏观经济的发展情况,在第6期到达顶点,以后开始回落,第9年以后收敛于0,说明保险业发展对经济增长有非常显著的影响,而且这种影响是正向的,保险市场的发展使得经济处于稳定状态,对拉动经济增长有明显的效果。图1 滞后4期的AR roo

20、ts gragh图2 滞后3期的AR roots gragh图33个变量各自的冲击对保险发展的影响程度图43个变量各自的冲击对经济增长的影响程度51 方差分解方差分解表示的是当系统的某个变量受到了一个单位的冲击以后,以变量的预测误差方差百分比的形式反映变量之间的交互作用程度,它的基本思想是把系统中每一个内生变量的变动按其成因分解为与各方程随机扰动项(新息)相关联的各组成部分,以了解各新息对模型内生变量的相对重要性。本文利用方差分解技术分析了各个变量对保费收入的贡献率。方差分解结果表明在第5年以后基本稳定。从长期看,保费收入变化中约80%由其自身决定,说明保险行业具有相当强的自我发展、自我扩张的

21、内在强化能力,存款余额变化的冲击从长期来看35钱 珍:经济增长、居民消费与保险发展的长期联动效应分析 1994-2010 China Academic Journal Electronic Publishing House.All rights reserved.http:/能解释保险发展变化的16%左右。五、启示和建议本文利用VAR模型和脉冲响应函数方法对19802006年的保费收入和采用通货膨胀率修正的GDP以及存款储蓄余额、可支配收入等时序数据进行计量分析,从实证的角度再次论证了保险发展和经济增长之间的关系。可以得出以下几点结论:11 经济增长、居民储蓄、消费和保险发展之间存在动态协整关

22、系,也就是说几者之间存在着相互的关联和影响7。21 保险发展从长期看对经济增长、居民储蓄和存款余额都有一个正向冲击影响作用,这种影响在达到一个高点以后又逐渐减少,说明保险发展对于促进经济发展的作用在时段持续上有待加强,但反过来经济增长对保险业发展的影响有一个相对较长时期的滞后,这种滞后效应可能是在经济状况良好时,人们的安全感比较高,因此相对对于保险的需求就少。但是经济增长有一个周期作用,当经济经过一段时间发展开始走向衰退时,人们的忧患意识增加,因此经济发展对保险的影响作用将会有所滞后。31 从方差分解表也可以看出,保险业的发展有80%是依靠保险业内部的发展获得的,外部对保险业发展影响只占到20

23、%左右。但是保险发展对居民以及宏观经济的影响却相对较高。41 结合以上分析,可以认为19802006年中国保险发展开始上升不仅与保险业自身的努力增长有关,还与经济长期快速增长,改变保险需求者的预期,进而提高保险需求有一定关系。但无论长期还是短期保险增长对经济发展的影响都较弱,经济增长不会快速放大,二者也没有螺旋式上升。参考文献:1 吴江鸣,林宝清.中国保险需求模型的实证分析J.福建论坛(经济社会版),2003(10):26-30.2 孙祁祥,贲奔.中国保险产业发展的供需规模分析J.经济研究,1997(3):55-61.3 肖文,谢文武.中国保险费收入增长的模型分析J.上海金融,2000(4):

24、27-28.4 胡宏兵.中国保险发展与经济增长关系的协整分析:1999-2007J.山东经济,2007(6):74-77.5 饶晓辉,钟正生.保险能否促进经济增长 基于中国的实证分析J.上海经济研究,2005(12):14-20.6 高铁梅.计量经济分析方法与建模:EViews应用及实例M.北京:清华大学出版社,2006:249-268.7Ward Damian,Zurbruegg Ralf.Does insurance promote economic growth?Evidence from OECD countriesJ.The Journal ofRisk and Insurance,

25、2000,67(4):489-506.(责任编辑:张治国)The Long Term Interactive Relationship of Economic Growth、Residents Consumption and Insurance Development Based on VAR Model and Impulse Responses FunctionQIAN Zhen(School of Statistics,Renmin University of China,Beijing 100872,China)Abstract:Insurance industry is an ind

26、ustry which can develop national economy and make residentsstability.Furthermore,its development has a close relationship to national development and saving deposit andconsumption,conversely economic development and saving also have effect on insurance industry development.But how to measure the degree is a problem that none have measured it.This paper used VAR model andimpulse responses function to measure the interactive relationship and get some reasonable conclusions.Key words:insurance development;VAR model;impulse responses function;variance decomposition45统计与信息论坛