摘 要：本文基于我國(guó)31個(gè)?。ㄊ小^(qū)）2007-2015年面板數(shù)據(jù)，選取相關(guān)指標(biāo)構(gòu)建動(dòng)態(tài)差分GMM模型，圍繞居民收入水平對(duì)壽險(xiǎn)發(fā)展的影響進(jìn)行實(shí)證分析，根據(jù)研究結(jié)果提出促進(jìn)壽險(xiǎn)業(yè)發(fā)展的對(duì)策建議。

關(guān)鍵詞：居民收入水平；壽險(xiǎn)發(fā)展；動(dòng)態(tài)差分GMM模型

中圖分類(lèi)號(hào)：F840.62 文獻(xiàn)標(biāo)識(shí)碼：B 文章編號(hào)：1674-0017-2018（7）-0004-06

一、引言

自1980年恢復(fù)商業(yè)保險(xiǎn)業(yè)務(wù)以來(lái)，我國(guó)壽險(xiǎn)規(guī)模迅速增長(zhǎng)，但規(guī)模迅速增大的同時(shí)，也出現(xiàn)了許多問(wèn)題，比如治理壽險(xiǎn)銷(xiāo)售誤導(dǎo)引起行業(yè)深幅調(diào)整，壽險(xiǎn)業(yè)發(fā)展程度依舊偏低、與我國(guó)經(jīng)濟(jì)發(fā)展水平極不適應(yīng)，不同區(qū)域壽險(xiǎn)業(yè)務(wù)發(fā)展差異越來(lái)越明顯。從工業(yè)化國(guó)家發(fā)展經(jīng)驗(yàn)來(lái)看，隨著人民收入水平提升，保險(xiǎn)意識(shí)及保險(xiǎn)投資需求也會(huì)相應(yīng)提高，但由于我國(guó)傳統(tǒng)觀念落后、市場(chǎng)發(fā)展水平不高，導(dǎo)致目前壽險(xiǎn)保障程度嚴(yán)重不足，而居民的收入水平是影響壽險(xiǎn)發(fā)展的直接因素。

有關(guān)居民收入對(duì)壽險(xiǎn)發(fā)展影響的問(wèn)題，許多學(xué)者從不同角度進(jìn)行了研究。大部分學(xué)者研究發(fā)現(xiàn)收入對(duì)壽險(xiǎn)發(fā)展具有正面影響。張博等（2005）、潘軍昌等（2010）、唐廣應(yīng)等（2016）、杜薇（2017）使用時(shí)間序列數(shù)據(jù)，通過(guò)回歸分析，均發(fā)現(xiàn)居民生活水平提高對(duì)壽險(xiǎn)業(yè)發(fā)展產(chǎn)生強(qiáng)有力的推動(dòng)作用。而賈海成等（2014）通過(guò)問(wèn)卷調(diào)查，采用多元Logit模型進(jìn)行研究，結(jié)果也發(fā)現(xiàn)，消費(fèi)者收入水平對(duì)壽險(xiǎn)需求影響顯著。徐佳等（2016）基于2011年全國(guó)25省家庭調(diào)查微觀數(shù)據(jù)，研究表明，隨著家庭財(cái)富的增長(zhǎng)，家庭會(huì)選擇增加保險(xiǎn)資產(chǎn)的配置。Mouna Zerriaa等（2016）以17個(gè)國(guó)家為樣本研究了中東與北非地區(qū)壽險(xiǎn)消費(fèi)的決定因素，結(jié)果也表明，收入對(duì)壽險(xiǎn)發(fā)展具有正向促進(jìn)作用。部分學(xué)者研究結(jié)論有所不同。郭運(yùn)澤等（2012）卻認(rèn)為，城鎮(zhèn)居民收入是保險(xiǎn)發(fā)展的重要影響因素，個(gè)人保險(xiǎn)需求量與收入水平呈倒“U”型特征。畢泗鋒等（2016）使用我國(guó)2002-2013年面板數(shù)據(jù)研究發(fā)現(xiàn)，東部地區(qū)保障型壽險(xiǎn)收入彈性為正，中西部為負(fù)，而就投資型壽險(xiǎn)而言，中西部地區(qū)收入彈性為正，但東部收入影響則不明顯。

綜上所述，就居民收入水平對(duì)壽險(xiǎn)發(fā)展的影響分析這一問(wèn)題，許多學(xué)者已經(jīng)取得了不少成果，為本文研究提供了一定參考和啟示，但存在明顯不足?，F(xiàn)有文獻(xiàn)部分采用問(wèn)卷調(diào)查方式進(jìn)行研究，但問(wèn)卷調(diào)查難以全部知道被調(diào)查者是否獨(dú)立完成問(wèn)卷及回答問(wèn)題的環(huán)境，從而影響問(wèn)卷質(zhì)量的判斷。大多數(shù)學(xué)者基于時(shí)間序列數(shù)據(jù)進(jìn)行分析，然而時(shí)間序列數(shù)據(jù)往往樣本點(diǎn)比較少，并且還會(huì)因?yàn)榇嬖谧韵嚓P(guān)問(wèn)題而造成估計(jì)結(jié)果產(chǎn)生很大偏誤，并且靜態(tài)模型又忽視了前期壽險(xiǎn)發(fā)展對(duì)當(dāng)期的慣性影響而降低了實(shí)證結(jié)果準(zhǔn)確度。鑒于此，本文從以下幾個(gè)方面進(jìn)行擴(kuò)展。首先，就研究視角來(lái)說(shuō)，基于全國(guó)層面考察居民收入水平對(duì)壽險(xiǎn)發(fā)展的影響。其次，研究方法上，選取我國(guó)31個(gè)省（自治區(qū)、直轄市）2007-2015年面板數(shù)據(jù)，構(gòu)建動(dòng)態(tài)差分GMM模型進(jìn)行實(shí)證分析，與已有文獻(xiàn)使用時(shí)間序列數(shù)據(jù)運(yùn)用靜態(tài)模型相比，既擴(kuò)大了樣本信息量，避免了自相關(guān)問(wèn)題，也考慮了被解釋變量滯后一期對(duì)當(dāng)期的影響，糾正了被解釋變量滯后項(xiàng)的內(nèi)生性問(wèn)題所引起的估計(jì)偏誤，提高了實(shí)證結(jié)果的準(zhǔn)確性。最后，就研究結(jié)論而言，居民收入水平對(duì)壽險(xiǎn)發(fā)展具有顯著的抑制作用；而死亡率、少兒撫養(yǎng)比、老年贍養(yǎng)率、城市化水平及社會(huì)保障程度均對(duì)壽險(xiǎn)發(fā)展產(chǎn)生顯著的正向作用。因此，本文研究豐富了居民收入水平對(duì)壽險(xiǎn)發(fā)展影響的理論體系，對(duì)下一步制定相關(guān)對(duì)策以促進(jìn)壽險(xiǎn)發(fā)展具有重要的現(xiàn)實(shí)意義。

二、變量選取、數(shù)據(jù)來(lái)源與模型構(gòu)建

（一）變量選取

1.被解釋變量：壽險(xiǎn)發(fā)展水平（Y）。反映壽險(xiǎn)發(fā)展水平的指標(biāo)有壽險(xiǎn)原保費(fèi)收入、壽險(xiǎn)密度、壽險(xiǎn)深度。但壽險(xiǎn)原保費(fèi)收入是一個(gè)絕對(duì)值，很容易受到價(jià)格變化影響，難以真實(shí)地反映壽險(xiǎn)發(fā)展水平。壽險(xiǎn)深度是原保費(fèi)收入與GDP之比，而壽險(xiǎn)保費(fèi)收入與GDP一般呈正相關(guān)關(guān)系，所以選取壽險(xiǎn)原保費(fèi)收入、壽險(xiǎn)深度作為衡量壽險(xiǎn)發(fā)展水平的指標(biāo)都不合適。故本文參考杜薇（2017）學(xué)者做法，選取壽險(xiǎn)密度來(lái)衡量壽險(xiǎn)發(fā)展水平，壽險(xiǎn)密度=壽險(xiǎn)原保費(fèi)收入/地區(qū)總?cè)丝跀?shù)。

2.解釋變量：居民收入水平（Inc）。人們的消費(fèi)能力會(huì)隨著收入的增加而提升，通常情況下，當(dāng)收入增加時(shí)會(huì)加大對(duì)壽險(xiǎn)的購(gòu)買(mǎi)。潘軍昌（2010）等在使用多元線(xiàn)性回歸對(duì)壽險(xiǎn)需求影響因素進(jìn)行研究時(shí)，便發(fā)現(xiàn)居民可支配收入對(duì)壽險(xiǎn)需求具有顯著的正向影響。衡量居民收入水平的指標(biāo)有人均可支配收入水平和人均GDP，但人均GDP尚未剔除稅收等影響，無(wú)法度量居民真實(shí)購(gòu)買(mǎi)力，因此，本文選取居民人均可支配收入來(lái)度量其收入水平。

3.控制變量。（1）死亡率（Dea）。死亡率是死亡人口占總?cè)丝诘谋壤?，死亡率在一定程度上度量了人們生活面臨風(fēng)險(xiǎn)的大小，死亡率越高的地區(qū)，人們面臨的生存風(fēng)險(xiǎn)越大，那么其購(gòu)買(mǎi)保障型壽險(xiǎn)的需求相對(duì)越強(qiáng)。（2）少兒撫養(yǎng)比（Tay）。隨著社會(huì)的快速發(fā)展，我國(guó)在生育、教育、兒童醫(yī)療等方面成本日益高漲，勢(shì)必導(dǎo)致有孩子的家庭為支付子女教育、醫(yī)療費(fèi)用而大幅度減少保險(xiǎn)消費(fèi)支出，因此，少兒撫養(yǎng)比在一定程度上抑制了壽險(xiǎn)發(fā)展。（3）老年贍養(yǎng)率（Old）。人口老齡化使得人們面臨更多的養(yǎng)老、醫(yī)療問(wèn)題，作為養(yǎng)老保險(xiǎn)體系重要組成部分的壽險(xiǎn)業(yè)，可以通過(guò)補(bǔ)充險(xiǎn)種空白部分，獲得較大程度發(fā)展。孫乃巖等（2012）對(duì)我國(guó)壽險(xiǎn)需要影響因素進(jìn)行實(shí)證檢驗(yàn)，便發(fā)現(xiàn)老年贍養(yǎng)率越高，壽險(xiǎn)需求量越大。（4）城市化水平（City）。一方面，城市人口相對(duì)農(nóng)村人口風(fēng)險(xiǎn)防范意識(shí)更強(qiáng)，對(duì)新鮮事物接受度更高，因此城市居民對(duì)壽險(xiǎn)這樣的社會(huì)化風(fēng)險(xiǎn)分散機(jī)制更加認(rèn)可；另一方面，城市中壽險(xiǎn)消費(fèi)者地域上比較集中，壽險(xiǎn)公司在展業(yè)、索賠、服務(wù)等方面所花成本相對(duì)較低，城市化帶來(lái)的成本和價(jià)格優(yōu)勢(shì)對(duì)壽險(xiǎn)供給具有正面影響。所以，一般來(lái)說(shuō)，城市化水平越高，壽險(xiǎn)需求量越大。本文參考梁來(lái)存（2007）學(xué)者做法，選取城鎮(zhèn)人口占總?cè)丝诘谋戎貋?lái)度量城市化水平。（5）社會(huì)保障程度（Sse）。社會(huì)保障是為居民提供人身、經(jīng)濟(jì)方面保障，這與壽險(xiǎn)基本功能具有一定相似性，因此，社會(huì)保障對(duì)壽險(xiǎn)具有替代作用，社會(huì)保障程度越高，壽險(xiǎn)需求量越小。本文參考鐘春平（2012）等學(xué)者方法，選取人均社會(huì)保障支出來(lái)衡量社會(huì)保障程度。各變量匯總說(shuō)明見(jiàn)表1。

（二）數(shù)據(jù)來(lái)源

本文將選取2007-2015年我國(guó)31個(gè)?。ㄊ?、區(qū)）的面板數(shù)據(jù)進(jìn)行實(shí)證分析。壽險(xiǎn)保費(fèi)收入數(shù)據(jù)來(lái)源于《中國(guó)保險(xiǎn)年鑒》，居民人均可支配收入、社會(huì)保障支出、城鎮(zhèn)人口占總?cè)丝诒戎刂笜?biāo)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》，總?cè)丝跀?shù)、少兒撫養(yǎng)比、老年贍養(yǎng)率、死亡率數(shù)據(jù)來(lái)自于《中國(guó)人口年鑒》。

（三）模型構(gòu)建

本文參照黃忠華等（2008）學(xué)者[12]做法，構(gòu)建如下靜態(tài)模型：

Y=c+βInc+βDea+βTay+βOld+βCity+βSse+ζ+θ+μ （1）

其中，i（i=1，2，...，31）表示省市；t（t=2007，2008，...，2015）表示年份；Y表示i省市在t年的壽險(xiǎn)密度；Inc表示i省市在t年的居民人均可支配收入；Dea表示i省市在t年的死亡率；Tay表示i省市在t年的少兒撫養(yǎng)比；Old表示i省市在t年的老年贍養(yǎng)率；City表示i省市在t年的城市化率；Sse表示i省市在t年的人均社會(huì)保障支出；c是常數(shù)項(xiàng)，β、β、β、β、β、β為各變量系數(shù)，ζ、θ和μ分別表示反映個(gè)體效應(yīng)、時(shí)間效應(yīng)的虛擬變量以及隨機(jī)干擾項(xiàng)。

本文將采用混合普通最小二乘法、隨機(jī)效應(yīng)及固定效應(yīng)三種方法進(jìn)行靜態(tài)模型估計(jì)。但靜態(tài)面板模型忽視了被解釋變量前期值對(duì)當(dāng)期的影響，而動(dòng)態(tài)差分GMM考慮了被解釋變量產(chǎn)生的內(nèi)生性問(wèn)題，估計(jì)結(jié)果相比于靜態(tài)模型更為準(zhǔn)確。因此，為克服靜態(tài)模型缺陷，特參考周穩(wěn)海等（2015）、李勇斌（2017）學(xué)者方法建立如下動(dòng)態(tài)差分GMM模型：

Y=c+βY+βInc+βDea+βTay+βOld+βCity+βSse+ζ+θ+μ （2）

Y表示i省市t年壽險(xiǎn)密度滯后一期，動(dòng)態(tài)差分GMM模型考慮了滯后項(xiàng)Y產(chǎn)生的內(nèi)生性問(wèn)題，一定程度上克服了靜態(tài)模型因忽視內(nèi)生性問(wèn)題而造成的較大偏誤。但差分GMM估計(jì)結(jié)果必須滿(mǎn)足以下兩個(gè)條件，一是隨機(jī)干擾項(xiàng)不能存在序列相關(guān)，即一階自相關(guān)檢驗(yàn)概率值小于5%但二階自相關(guān)檢驗(yàn)概率值大于5%；二是不能存在弱工具變量問(wèn)題，即Hansen統(tǒng)計(jì)量概率值大于5%。

三、實(shí)證研究及結(jié)果分析

（一）變量描述性統(tǒng)計(jì)分析

在分析面板數(shù)據(jù)之前，先對(duì)各指標(biāo)數(shù)據(jù)進(jìn)行取對(duì)數(shù)處理，以克服原始數(shù)據(jù)可能存在的異方差問(wèn)題，各變量描述性統(tǒng)計(jì)結(jié)果見(jiàn)表2。

（二）單位根檢驗(yàn)

為避免模型出現(xiàn)“偽回歸”現(xiàn)象，需要對(duì)變量序列進(jìn)行單位根檢驗(yàn)以判斷各序列的平穩(wěn)情況。由表3可知，經(jīng)過(guò)LLC和PP-Fisher檢驗(yàn)，各序列都在顯著性水平下拒絕了存在單位根的原假設(shè)，說(shuō)明各變量序列并不存在單位根，即變量是平穩(wěn)的，各平穩(wěn)變量數(shù)據(jù)可以進(jìn)一步做靜態(tài)和動(dòng)態(tài)差分GMM回歸分析。

（三）實(shí)證結(jié)果及分析

1.GMM估計(jì)結(jié)果與分析。為探討居民收入水平對(duì)我國(guó)壽險(xiǎn)發(fā)展的影響，本文選取壽險(xiǎn)密度lnY為被解釋變量，居民收入水平lnInc為解釋變量，死亡率lnDea、少兒撫養(yǎng)比lnTay、老年贍養(yǎng)率lnOld、城市化水平lnCity、社會(huì)保障程度lnSse為控制變量。使用Eviews9.0進(jìn)行靜態(tài)和動(dòng)態(tài)面板估計(jì)，回歸結(jié)果見(jiàn)表4。

表4中第（1）、（2）、（3）列分別是普通最小二乘法（OLS）、面板固定效應(yīng)（FE）模型、面板隨機(jī)效應(yīng)（RE）模型的實(shí)證結(jié)果，但普通最小二乘法忽略了個(gè)體異質(zhì)性，所以估計(jì)結(jié)果會(huì)存在很大偏誤。而面板固定效應(yīng)（FE）模型考慮了31個(gè)?。ㄊ?、區(qū)）之間的個(gè)體差異性，因此估計(jì)結(jié)果相比普通最小二乘法更佳。面板隨機(jī)效應(yīng)（RE）模型則比固定效應(yīng)節(jié)省了比較多的自由度。通過(guò)Hausman檢驗(yàn)χ2（p）為0.000<0.05，因此拒絕固定效應(yīng)模型與隨機(jī)效應(yīng)模型不存在系統(tǒng)差異的原假設(shè)，固定效應(yīng)模型估計(jì)結(jié)果要好于隨機(jī)效應(yīng)模型，應(yīng)建立固定效應(yīng)模型。第（4）列為動(dòng)態(tài)差分GMM模型實(shí)證結(jié)果，動(dòng)態(tài)差分GMM既考慮了各樣本間存在的個(gè)體差異，也克服了lnY（-1）內(nèi)生性產(chǎn)生的偏誤，其中AR（1）P值為0.003<0.05，AR（2）P值為0.485>0.05，說(shuō)明模型是一階自相關(guān)但二階不自相關(guān)，因此隨機(jī)干擾項(xiàng)不存在序列相關(guān)；Hansen P值為0.175>0.05，說(shuō)明不存在過(guò)渡識(shí)別現(xiàn)象，模型選取的工具變量非常合理。差分GMM估計(jì)兩個(gè)條件均滿(mǎn)足，表明估計(jì)結(jié)果是無(wú)偏一致估計(jì)，具有實(shí)際參考意義。

通過(guò)上述分析可知，第（4）列動(dòng)態(tài)差分GMM實(shí)證結(jié)果優(yōu)于其它3列，因此對(duì)各變量系數(shù)和顯著性的分析將按（4）列結(jié)果進(jìn)行評(píng)價(jià)。壽險(xiǎn)密度滯后一項(xiàng)lnY（-1）在1%置信水平下顯著，且其系數(shù)估計(jì)值為0.296>0，說(shuō)明壽險(xiǎn)發(fā)展存在慣性，前期發(fā)展對(duì)當(dāng)期具有顯著的促進(jìn)作用。這可能是因?yàn)椋阂皇且奄?gòu)壽險(xiǎn)客戶(hù)在消費(fèi)者群體中發(fā)揮出了應(yīng)有的正面示范效應(yīng)，使得其他消費(fèi)者對(duì)壽險(xiǎn)有了正確認(rèn)識(shí)，增強(qiáng)了人們對(duì)壽險(xiǎn)的接受度；二是壽險(xiǎn)公司前期的工作積累了大量經(jīng)驗(yàn)，有助于銷(xiāo)售人員恰當(dāng)處理其在展業(yè)中與客戶(hù)存在的分歧，提高簽單率，從而促進(jìn)了當(dāng)期壽險(xiǎn)的發(fā)展；三是壽險(xiǎn)業(yè)面對(duì)前期市場(chǎng)供求狀況，及時(shí)調(diào)整產(chǎn)品結(jié)構(gòu)、開(kāi)發(fā)新產(chǎn)品，以滿(mǎn)足多層次需求，進(jìn)而對(duì)當(dāng)期發(fā)展產(chǎn)生顯著影響。

居民收入水平在1%水平下顯著，且其系數(shù)估計(jì)值為-1.619<0，表明居民收入水平對(duì)壽險(xiǎn)發(fā)展具有顯著的抑制作用，居民收入水平每提高1個(gè)百分點(diǎn)，壽險(xiǎn)密度就會(huì)降低1.619個(gè)百分點(diǎn)，這與預(yù)期不符。可能是因?yàn)椋阂皇菈垭U(xiǎn)消費(fèi)者主要集中在城鎮(zhèn)家庭，而現(xiàn)今家庭生活成本較高、生活壓力較大，子女教育、住房等方面支出很大程度上擠出了壽險(xiǎn)消費(fèi)，其增加的收入主要分配于日?；局С龌蚱渌菈垭U(xiǎn)投資；二是我國(guó)貧富差距明顯，低收入階層占比非常大，新型壽險(xiǎn)保費(fèi)較高，保障程度有限，對(duì)低收入群體來(lái)說(shuō)是奢侈品，而且壽險(xiǎn)保單期限長(zhǎng)，具有耐用品特征，高收入階層一般不會(huì)持續(xù)購(gòu)買(mǎi)，因此導(dǎo)致壽險(xiǎn)需求的增加遠(yuǎn)低于居民收入水平的提高；三是隨著收入水平的增加，人們對(duì)保險(xiǎn)消費(fèi)結(jié)構(gòu)的需求也會(huì)發(fā)生變化，當(dāng)壽險(xiǎn)產(chǎn)品充分滿(mǎn)足了安全保障需求時(shí)，其注意力便轉(zhuǎn)向更高層次消費(fèi)品以滿(mǎn)足安全以外的各種保障，此時(shí)過(guò)多壽險(xiǎn)消費(fèi)對(duì)他們來(lái)說(shuō)就變成多余，只會(huì)帶來(lái)負(fù)的邊際效用，所以收入增加，壽險(xiǎn)消費(fèi)比重反而越來(lái)越低。

另外，控制變量中死亡率、老年贍養(yǎng)率、城市化水平都在1%水平下顯著，且其系數(shù)估計(jì)值分別為2.123>0、0.898>0、3.879>0，說(shuō)明死亡率、老年贍養(yǎng)率以及城市化水平都對(duì)壽險(xiǎn)需求具有顯著的正向影響。死亡率、老年贍養(yǎng)率、城市化水平每提高一個(gè)百分點(diǎn)，可以分別帶來(lái)壽險(xiǎn)密度2.123、0.898、3.879個(gè)百分點(diǎn)的增加。這和預(yù)期一致。

而少兒撫養(yǎng)比、社會(huì)保障程度也在1%的置信水平下顯著，其系數(shù)估計(jì)值分別是0.426>0、0.911>0，表明少兒撫養(yǎng)比及社會(huì)保障程度均對(duì)壽險(xiǎn)發(fā)展具有顯著的促進(jìn)作用，與預(yù)期不符?？赡芤?yàn)樽优谖覈?guó)家庭中的地位越來(lái)越高，為保障子女安全，父母對(duì)壽險(xiǎn)這種風(fēng)險(xiǎn)分散機(jī)制依賴(lài)性越來(lái)越強(qiáng)。而社會(huì)保障一方面提高了人們保險(xiǎn)意識(shí)，另一方面穩(wěn)定了人們基本生活，促進(jìn)了其它各種消費(fèi)需求，消費(fèi)者沒(méi)有了后顧之憂(yōu)，更加有助于刺激其購(gòu)買(mǎi)壽險(xiǎn)獲得更大的保障。因此，少兒撫養(yǎng)比及社會(huì)保障程度均對(duì)壽險(xiǎn)發(fā)展產(chǎn)生正面影響。

2.穩(wěn)健性檢驗(yàn)。陳強(qiáng)等（2015）學(xué)者指出，為保證實(shí)證結(jié)果的科學(xué)性和準(zhǔn)確性，對(duì)估計(jì)模型進(jìn)一步做穩(wěn)健性檢驗(yàn)是非常有必要的。而采用的方法可以是去掉樣本中的極端值然后對(duì)子樣本重做回歸，如果子樣本和全樣本實(shí)證結(jié)果相近，則表明結(jié)果具有穩(wěn)健性，研究結(jié)論可靠；反之則不具穩(wěn)健性。周穩(wěn)海（2015）、袁輝等（2017）學(xué)者皆采用此方法對(duì)動(dòng)態(tài)GMM模型進(jìn)行穩(wěn)健性檢驗(yàn)，故本文參考以上學(xué)者做法對(duì)研究結(jié)果做進(jìn)一步檢驗(yàn)。

通過(guò)計(jì)算壽險(xiǎn)密度Y、居民可支配收入Inc、死亡率Dea、少兒撫養(yǎng)比Tay、老年贍養(yǎng)率Old、城市化水平City、社會(huì)保障程度Sse，結(jié)果發(fā)現(xiàn)北京壽險(xiǎn)密度Y最高，上海的少兒撫養(yǎng)比Tay最低、城市化水平City及居民可支配收入水平Inc最高，西藏的壽險(xiǎn)密度Y、老年贍養(yǎng)率Old、城市化水平City及居民可支配收入水平Inc最低，寧夏的死亡率Dea最小。因此本文選擇剔除北京、上海、西藏和寧夏四個(gè)具有代表性的省市分別進(jìn)行子樣本回歸，回歸結(jié)果見(jiàn)表5。

由表5可知，剔除北京、上海、西藏和寧夏后的子樣本回歸結(jié)果都滿(mǎn)足AR（1）<0.05.AR（2）>0.05.Hansen P值>0.05條件，說(shuō)明模型不存在二階自相關(guān)和過(guò)度識(shí)別問(wèn)題，子樣本回歸中各變量的顯著性及估計(jì)系數(shù)的正負(fù)號(hào)均與全樣本回歸基本一致，說(shuō)明模型沒(méi)有因?yàn)闃颖靖淖兌l(fā)生明顯變化，即模型是穩(wěn)健的，本文實(shí)證結(jié)果可靠。

四、結(jié)論與對(duì)策建議

本文使用我國(guó)31個(gè)?。ㄗ灾螀^(qū)、直轄市）2007-2015年面板數(shù)據(jù)，構(gòu)建動(dòng)態(tài)差分GMM模型實(shí)證分析了居民收入水平對(duì)壽險(xiǎn)發(fā)展的影響，研究結(jié)果表明：壽險(xiǎn)發(fā)展存在慣性影響，前期發(fā)展對(duì)當(dāng)期產(chǎn)生顯著的正面影響；居民收入水平對(duì)壽險(xiǎn)發(fā)展具有顯著的抑制作用；而死亡率、少兒撫養(yǎng)比、老年贍養(yǎng)率、城市化水平及社會(huì)保障程度均對(duì)壽險(xiǎn)發(fā)展產(chǎn)生顯著的正向作用。

為提高我國(guó)壽險(xiǎn)需求，基于上述研究，本文提出如下建議：

一是改善壽險(xiǎn)產(chǎn)品結(jié)構(gòu)，創(chuàng)新產(chǎn)品品種。少兒撫養(yǎng)比、老年贍養(yǎng)率及城市化水平均對(duì)壽險(xiǎn)發(fā)展產(chǎn)生顯著的正面影響，隨著子女在家庭中的地位越來(lái)越重要、人口老齡化的加深、城市化進(jìn)程的推進(jìn)，人們對(duì)儲(chǔ)蓄及退休產(chǎn)品需求大增，但我國(guó)壽險(xiǎn)市場(chǎng)險(xiǎn)種類(lèi)同的多，創(chuàng)新、差異化的較少，有效供給不足。所以各壽險(xiǎn)公司應(yīng)該抓住機(jī)遇，大力發(fā)展醫(yī)療保險(xiǎn)產(chǎn)品、個(gè)人年金產(chǎn)品來(lái)彌補(bǔ)公共健康保險(xiǎn)、公共年金制度的不足，滿(mǎn)足少兒、老年市場(chǎng)及城市化過(guò)程的多樣化壽險(xiǎn)需求。

二是轉(zhuǎn)變經(jīng)營(yíng)理念，提高理賠效率與服務(wù)質(zhì)量。壽險(xiǎn)發(fā)展存在慣性影響，前期客戶(hù)正面示范效應(yīng)會(huì)對(duì)當(dāng)期壽險(xiǎn)需求產(chǎn)生顯著的正向作用，所以壽險(xiǎn)公司應(yīng)該重視退保率、經(jīng)營(yíng)成本的考核，加大資金技術(shù)投入，從被保險(xiǎn)人利益出發(fā)，提高理賠效率和服務(wù)質(zhì)量，建立消費(fèi)者對(duì)壽險(xiǎn)業(yè)的信任，提升壽險(xiǎn)客戶(hù)滿(mǎn)意度，促進(jìn)客戶(hù)對(duì)壽險(xiǎn)的正面?zhèn)鞑ァ?/p>

三是健全社會(huì)保障制度，加強(qiáng)社會(huì)保險(xiǎn)與商業(yè)壽險(xiǎn)銜接。社會(huì)保障制度的健全關(guān)系到國(guó)計(jì)民生，對(duì)壽險(xiǎn)發(fā)展具有正向影響，所以國(guó)家層面應(yīng)該提高社會(huì)保障水平，確定統(tǒng)籌層次、保障范圍、保障對(duì)象及保障方案，減輕人們后顧之憂(yōu)。而壽險(xiǎn)公司則應(yīng)該深入?yún)⑴c社會(huì)保障制度的實(shí)施，通過(guò)商業(yè)壽險(xiǎn)彌補(bǔ)社會(huì)保障機(jī)構(gòu)中案件處理不靈活問(wèn)題，促進(jìn)壽險(xiǎn)業(yè)發(fā)展。

參考文獻(xiàn)

[1]畢泗鋒，孫秀清.居民收入的增長(zhǎng)促進(jìn)壽險(xiǎn)需求了嗎[J].財(cái)經(jīng)科學(xué).2016，（1）：45-55。

[2]杜薇.基于宏觀層面我國(guó)壽險(xiǎn)需求影響因素的實(shí)證分析[J].經(jīng)濟(jì)研究參考，2017，（6）：96-101。

[3]郭運(yùn)澤，歐陽(yáng)川.城鎮(zhèn)居民收入與保險(xiǎn)需求關(guān)系的理論分析[J].中國(guó)經(jīng)貿(mào)導(dǎo)刊，2012，（1）：63-64。

[4]黃忠華，吳次芳，杜雪君.房地產(chǎn)投資與經(jīng)濟(jì)增長(zhǎng)——全國(guó)及區(qū)域?qū)用娴拿姘鍞?shù)據(jù)分析[J].財(cái)貿(mào)經(jīng)濟(jì)，2008，（8）：56-60。

[5]賈海成，秦菲菲.多元Logit模型的壽險(xiǎn)選擇行為研究[J].統(tǒng)計(jì)與決策，2014，（12）：58-61。

[6]姜永宏，廖靜.日本壽險(xiǎn)需求影響因素分析及對(duì)中國(guó)的啟示[J].金融與經(jīng)濟(jì)，2014，（12）：64-69。

[7]李勇斌.三種城鎮(zhèn)化類(lèi)型對(duì)農(nóng)業(yè)保險(xiǎn)發(fā)展影響的實(shí)證研究[J].金融理論探索，2018，（4）：72-80。

[8]梁來(lái)存.我國(guó)壽險(xiǎn)需求的實(shí)證分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2007，（8）：80-89。

[9]潘軍昌，楊軍.我國(guó)壽險(xiǎn)需求的影響因素分析[J].經(jīng)濟(jì)管理，2010，（2）：131-137。

[10]孫乃巖，金喜在.中國(guó)壽險(xiǎn)需求影響因素的實(shí)證檢驗(yàn)[J].東北師大學(xué)報(bào)，2012，（5）：70-74。

[11]唐廣應(yīng)，展凱，賀超.我國(guó)壽險(xiǎn)需求的影響因素分析——基于不同區(qū)域的實(shí)證研究[J].金融與經(jīng)濟(jì)，2016，（7）：79-85。

[12]徐佳，龔六堂.中國(guó)家庭壽險(xiǎn)市場(chǎng)的需求分析——基于全國(guó)25個(gè)省（市、區(qū)）家庭金融調(diào)查的微觀數(shù)據(jù)[J].江漢論壇，2016，

（9）：23-28。

[13]袁輝，譚迪.政策性農(nóng)業(yè)保險(xiǎn)對(duì)農(nóng)業(yè)產(chǎn)出的影響效應(yīng)分析——以湖北省為例[J].農(nóng)村經(jīng)濟(jì)，2017，（9）：94-100。

[14]張博，薛偉賢.影響人壽保險(xiǎn)業(yè)需求的經(jīng)濟(jì)因素的實(shí)證分析[J].消費(fèi)經(jīng)濟(jì)，2005，（5）：13-17。

[15]鐘春平，陳靜，孫煥民.壽險(xiǎn)需求及其影響因素研究：中國(guó)壽險(xiǎn)需求為何低？[J].經(jīng)濟(jì)研究，2012，（1）：148-160。

[16]周穩(wěn)海，趙桂玲，尹成遠(yuǎn).農(nóng)業(yè)保險(xiǎn)對(duì)農(nóng)業(yè)生產(chǎn)影響效應(yīng)的實(shí)證研究——基于河北省面板數(shù)據(jù)和動(dòng)態(tài)差分GMM模型[J].

保險(xiǎn)研究，2015，（5）：60-68。

An Empirical Study on the Impact of Residents

Income Level on Life Insurance Development

——Based on 31 Provincial Panel Data and Dynamic Differential GMM Model

LI Yongbin

（Business School， Guangxi University， Nanning Guangxi 530004）

Abstract： Based on panel data of 31 provinces （autonomous regions and municipalities） in China from 2007 to 2015， the paper selects related indicators to construct a dynamic differential GMM model for empirical analysis， and puts forward corresponding policy suggestions on promoting the life insurance development according the research results.

Keywords： resident income level； life insurance development； Dynamic Differential GMM Model

責(zé)任編輯、校對(duì)：楊鈺琳