中国保费收入主要影响因素分析

《中国保费收入主要影响因素分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、中国保费收入主要影响因素分析一、研究的目的要求保险作为金融行业的四大支柱之一，同时也是国民经济的重要组成部分，其成长壮大对与国民经济的健康发展有重要意义。近年来，我国保费收入快速增长。但是我国的保险深度和保险密度还处于世界的低水平。同时，我国保险市场结构严重不均衡，区域化差异非常大。因此研究保费收入的影响因素，有利于研究保险业的发展空间，对保险业的发展以及宏观经济的发展有重大的意义。二、模型设定及其估计通过分析，影响中国保费收入的主要因素有：1、总人口（grosspopulation）.用P表示，包

2、括城镇人口和农村人口，将其引入模型用来反映人口数量对保费收入的影响。2、居民可支配收入（disposableincome）,用I表示，它等于城镇居民人均可支配收入*城镇人口+农村居民人均纯收入*农村人口。将其引入模型来反映居民的支付能力以及经济发展的整体水平，将其引入模型可以观察收入对保费收入的影响。3、城乡居民储蓄存款余额（savingdepositbalanceofcitizenandcountryinhabitant）,用S表示，反映居民的储蓄倾向和金融资源数量，将其引入模型可以观察储蓄对保险

3、的替代和收入效应。为此设定了如下形式的计量经济学模型其中，为保费收入，为城乡居民储蓄存款余额，为总人口，为居民可支配收入数据收集如下：我国保费收入/亿元城乡居民储蓄存款/亿元总人口/万人城镇居民可支配收入/亿元1993456.87127295.351185172577.41994376.41548321.271198503496.21995453.31799792.7712112142831996528.333311744.11223894838.91997772.709413724.7123626

4、5160.319981255.968715952.11247615425.119991406.171218078.212578658542000159819429.912674362802001210922117.71276276859.62002305426272.91284537702.82003388030949.11292278472.22004431834374.81299889421.62005493239755.1130756104932006564044960.31314481175

5、9.52007703645813.613212913785.82008978454621.61328021578120091113765834.813347417175二、估计参数利用Eviews软件，生成、、、等数据，采用这些数据对模型进行OLS回归，结果如下：DependentVariable:YMethod:LeastSquaresDate:12/15/11Time:13:53Sample:19932009Includedobservations:17VariableCoefficientSt

6、d.Errort-StatisticProb.C24880.216244.7693.9841680.0016X20.1207320.0415912.9028020.0123X3-0.2275360.051949-4.3800130.0007X40.5046230.1610223.1338770.0079R-squared0.990798Meandependentvar3455.164AdjustedR-squared0.988675S.D.dependentvar3330.401S.E.ofregr

7、ession354.4213Akaikeinfocriterion14.78117Sumsquaredresid1632988.Schwarzcriterion14.97722Loglikelihood-121.6400F-statistic466.5920Durbin-Watsonstat1.206695Prob(F-statistic)0.000000＝24880.21＋0.120732-0.227536+0.504623（6244.769）（0.041591）（0.051949）（0.1610

8、22）t＝（3.984168）（2.902802）（-4.380013）（3.133877）＝0.990798＝0.988675＝466.5920DW=1.206695经济意义检验。在假定其他条件不变的情况下，城乡居民储蓄存款余额每增长1亿元，保费收入增长0.120732亿元；居民可支配收入每增长1亿元，保费收入增长0.504623亿元。这与理论分析和经验判断相一致。拟合优度：从回归的结果来看，＝0.990798＝0.988675，这说明模型对样本的拟合很好。检验：针