保险发展、金融深化与经济增长关系研究

刘君

摘要： 本文采用时变面板平滑转换回归模型，在非线性的框架下对我国30个省份（地区）2000—2015年保险发展与经济增长关系展开深入研究。文章构建包括金融系统因素和宏观经济基本面因素的非线性模型，重点考察在金融系统变化情况下，保险市场发展对经济增长的渐进影响效应及传递路径。研究发现，金融发展水平越高的区域，通常其金融系统的资金配置效率和投资效率也更有效，保险消费对经济增长具有强拉动效应，其中寿险的融资功能比财险经济补偿功能更具经济增长效应；而地区金融风险程度增高，则会大幅度提高该区金融系统的投资风险，进而弱化财险和寿险对经济增长的正效应。最后本文提出了现阶段深化金融改革与管控金融风险的若干建议。

关键词： 保险发展； 金融深化； 经济增长； 时变面板平滑转换回归模型

文献标识码： A 文章编号： 1002-2848-2017（04）-0029-12

一、 引 言

近年来，我国深化金融市场改革，社会经济快速发展。其中，保险业作为现代金融市场的重要支柱之一，也在2015年《国务院关于加快发展现代保险服务业的若干意见》等“新国十条”实施方案推动下更加迅速发展。在保险业快速发展的同时，我国经济发展也保持较高水平。如图1所示，从2000年以来，我国人均GDP一直稳步上升，其中保险对消费及融资的金融支持作用逐渐显现出来，保险发展与经济增长均稳步提升。事实上，研究发现，随着保险业在现代金融业的作用逐渐增强，保险与经济发展更加密切，其中财险经济补偿功能保障社会再生产运行，寿险融资功能促进储蓄资金向实体投资转化，均具有较强经济增长效应[1]。

但是，目前研究发现，在保险消费对经济增长的促进逐渐增强的同时，由于各地金融系统深化水平不同，各地保险业和经济发展不均衡，导致保险消费的经济增长效应存在较大差异。其中，在保险密度和增速方面，东部省份保险密度最高；中部地区次之；西部地区保险密度最低，同时增速缓慢。在金融深化方面，各省金融规模（本外币贷款/GDP）与金融风险（不良贷款率）也存在较大差异。这导致我国各省保险消费的经济增长效应存在显著区别。而在目前保险与经济增长的文献中，尚未有研究考虑各地经济增长的异质性，结合各地保险发展不平衡，金融系统发展现状显著差异进行研究，也没有文献严格区分金融深化过程中金融规模、金融风险这两方面因素对经济增长影响。

金融发展与经济增长的关系一直是学术界研究的重点，国内外诸多学者均认为，一国或地区只有金融发展水平达到一定程度，金融发展才能通过规模效应与溢出效应促进经济增长。事实上，保险业一直是金融系统中重要的组成部分，保险消费对经济增长的促进作用也受地区金融发展水平的影响。一方面，国外学者Beenstock et al.、Outreville、Adams M and Andersson J.、Ward和Zurbruegg、Azmansaini and Smith研究保险与经济增长关系，均认为保险业能分散风险、稳定资金、提高经济的生产率，进而促进经济增长[26]；而学者Webb et al、Boon、Adams et al、Avram et al研究认为寿险与财险消费对经济有显著正影响效应，但在金融水平、收入水平不同的国家和地区存在差异，其中寿险消费只有在高收入国家有效[710]。另一方面，结合保险业区域发展不均衡现状，学者Skipper、Arena M、Albouy和Blagoutine、邵全权研究认为保险能促进地区经济及金融稳定，但区域发展失衡会导致区域保险结构同质，加剧行业利益冲突，损害保险消费对经济增长的正向作用[1113]。

国内方面，学者沈坤荣采用FGLS估计方法，研究认为经济发展水平和金融发展水平不同会影响保险消费和经济增长的关系，随着金融经济发展改善，保险促进经济增长的程度会显著增强[14]。曾智研究也认为不同经济金融发展水平下，保险消费与经济增长存在倒U型关系，其中只有寿险具有显著经济增长效应[15]。而赵进文通过时间序列非线性STR模型，研究认为保险消费对经济增长点拉动作用具有明显阶段性和非线性特征，由于各区经济发展和保险发展水平不同，保险消费经济增长效应没有充分发挥[16]。

事实上，目前国内外众多学者研究均认为，保险发展跟经济增长存在正相关关系。同时诸多学者如Winter、Niehaus、Nieh等研究均表明，由于各区经济增长，金融发展水平差异，加之保险周期、收入差距等因素不同，保险需求跟经济变量之间存在非线性关系。其中Enz、Zheng研究证实保险发展与经济增长存在S曲线关系，Lee通过TVPSTR模型研究36个国家数据，认为保险消费与人均GDP存在门限效应[17]。而国内方面，魏华林和宋平凡、刘学宁、曾智、赵进文等学者也證实保险消费与经济增长存在非线性门限关系，其中由于金融发展水平等差异，保险消费与经济增长呈倒U型关系[1819]。此外，多数研究经验表明，地区金融市场的发展与金融体制的改革可以降低地区资本投资的波动，起到稳定金融系统，降低金融风险的作用，这也造成不同发展水平的金融子市场与经济变量间存在非线性关系[2024]。

有鉴于此，结合当前经济增速放缓，综合考虑金融发展及保险市场发展在各地发展不平衡的现状，我们采用最新的时变面板平滑转换回归模型（TVPSTR），构建包括金融系统因素和宏观经济基本面因素的非线性模型，对我国30个省份（地区）的2000—2015年保险发展与经济增长关系展开深入研究。在此过程中，重点考察金融深化过程中，在地区保险发展不均衡和金融系统差异的现状下，地区金融规模、金融风险的变化，是否导致保险消费存在非线性经济增长效应及其动态变化规律。

本文余下内容安排如下：第二部分根据经济增长影响因素的最新研究，结合时变面板平滑转换回归模型TVPSTR构建本文实证分析的框架；第三部分为本文的实证结果与分析，其中重点考察了金融系统变化下，保险消费的非线性经济增长效应；最后是本文的结论和启示。二、 模型的设定与数据说明endprint

（一）理论模型的构建

为了研究金融发展与经济增长的关系，Webb et al在柯布—道格拉斯生产函数（CD生产函数）的基础上加入了金融市场变量，其中资本、劳动力与技术进步等要素投入是影响经济增长的主要因素，且各要素间的共线性对生产函数的影响较小。为考察保险市场因素对经济增长的影响，本文在Webb et al的研究基础上，引入保险市场变量，并对生产函数进行拓展。根据传统的CD生产函数：

我们对第（5）式进行t求导，并结合上述的相关文献和研究理论，借鉴吴永钢和李政，吴洪的方法加入控制变量control[2526]。此外，因为各省保险业和经济发展差异较大，研究发现本文所选数据存在较大异质性，我们参考Fouquau、Bessec和Fouquau、Destais、Aslanidis和Iranzo等的研究[2728]，为有效反应模型参数在截面单位间的异质性（Heterogeneity）变化，并刻画参数随时间变化产生的非稳定性影响，我们将其转换为动态面板平滑转移回归（TVPSTR）模型，以此考察在金融深化的过程中，保险市场参数对经济增长的动态影响。我们构建如下的模型：

其中，被解释变量ln（rgdpi，t）为各省在t期的人均GDP对数，用以衡量各省的经济增长水平。在自变量中，保险市场需求Xi，t作为本文主解释变量，衡量各省居民保险需求，即各省保险密度。我们分别采用各省整体保险市场保费收入insurance、财产保险市场保费收入nonlife、寿险市场保费收入life与各省同期GDP的比值进行衡量。

在本文模型中，根据Ching et al、赵进文、曾智等研究，由于不同地区经济发展水平、金融发展水平等的不同，保险需求增长对经济增长存在非线性影响[29]。事实上，从行业环境分析，地区发达的金融体系对行业资本配置效率具有正面影响效应，强化行业发展的经济增长效应，代表性研究有Goldsmith、McKinnon、Jeffrey Wurgler、Almeida and Wolfenzon以及HoChuan （River） Huang et al.等[3033]。因此在实证中，我们加入衡量金融深化水平的非线性门限变量，包括金融发展水平fincredit和金融风险程度finrisk，用以衡量金融深化过程中，随金融发展水平fincredit和金融风险程度finrisk的变化，保险市场对经济增长的非线性影响。其中，金融发展水平fincredit，我们借鉴李后建金融发展指标pcrdbofgdp，即采用银行及其他金融机构的本外币贷款总额占GDP的比重来构建金融发展指标[34]，反映了整个年度经济的融资活动中，通过金融部门向实体经济提供的资金总量，用以度量了一个地区金融规模的大小，通常认为该指标越大则表明地区的金融发展水平越高。而金融风险程度finrisk则用各省不同年份银行业不良贷款率进行衡量，通常不良贷款率越高代表该区金融融资风险程度越高，越不利于资金向实体经济流通。

在模型中，我们综合考虑影响经济增长的控制变量Controli，t：实物资本存量lncapital（衡量实体经济资本投入），人力资本投入lnhuman，政府支出gover（衡量政府消费和投资对宏观经济的干预），进出口总额trade（衡量各地进出口对经济增长的拉动作用），通货膨胀率cpi（衡量各地区价格波动或者宏观经济不确定性对经济增长的影响）。并通过这五个控制变量Controli，t，衡量实际经济资本投入、人力投入等要素、贸易出口、政府干预及宏观经济稳定情况等对经济增长的影响。

综上所述，在本文中，我们金融深化的两个指标做门限变量，构建两个模型，实证检验在不同的金融深化水平上，随金融发展水平fincredit和金融风险程度finrisk的变化，保险市场发展对经济增长的非线性影响及其变化规律。此外，β1和β2为估计系数。而转移函数g（Qit，γ，Qc）选择上，我们借鉴赵进文、李后建、魏华林方法，选择如下的logistic转换函数：

其中，Qc为转换函数的位置参数，γ为平滑参数，衡量了logistic函数的平滑转换程度，同时还决定不同区制间的变换速度。

（二）线性检验与剩余非线性检验

遵循该领域研究惯例，例如Gonzulez et al.[35]，为了检验体制转换效应是否显著，我们在γ=0处对g（Qit，γ，Qc）转移函数进行一阶泰勒展开，并在原文模型，即公式（6）的基础上，构造如下的辅助回归方程（6），以进行“线性检验”：

其中，Zi，t=（lnrgdpi，t，nonlifei，t，lifei，t，controli，t），Rm为泰勒展开的剩余项。同时，依据Gonzulez et al.（2005）方法的基本原理，检验关系式（4）式中线性假設H0：γ=0等价于检验（8）式中H*0：′ 1=L=′ m=0。为了考察原假设H*0，我们构造如下统计量：

在式（9）至式（11）中，SSR0为在原假设成立条件下的面板残差平方和，而SSR1则为备择假设成立下的面板残差平方和，SSRur为无约束条件下辅助回归方程（线性化无约束回归模型）的残差平方和。在检验过程中，LM统计量和pseudoLRT统计量遵循渐近χ2mk分布，而F统计量则遵循渐近F（mk，TNNmk）分布。

在“线性VS非线性”检验基础上，接下来我们仍需要作“剩余非线性检验”（remaining nonlinearity），以检验机制转移函数的个数。具体来说，就是考察是否只存在唯一一个转换函数（H0：r=1）或者至少存在着两个转换函数（H1：r=2）其中，r为β系数的阶数，满足β=（lnrgdpi，t）Xi，t=β1+∑γj=1βjgj（i，t，γj，Qj）。。在基于r=2的备择假设下，TVPSTR模型具有以下的表达形式：

ln（rgdpi，t）=β0+β1Xi，t+β2Xi.tg（Q（1）i，t，γ1，Qc）+β3Xi，tg（Q（2）i，t，γ2，Qc）+β4Controli，t+εi，tendprint

（12）

其中，Q（1）i，t=Q（2）i，t。与上述检验思路类似，为了检验是否存在两个转换函数，我们考察原假设H0：γ2=0，并先在γ2=0处对g（Q（2）i，t，γ2，Qc）转移函数做一阶泰勒展开构造辅助回歸方程，并采用LM统计量、F统计量或pseudoLRT统计量检验体制转换效应个数的显著性。同时在估计模型的筛选过程中，我们进一步检验是否存在三个或以上的转换函数个数，即首先假定H0：r=r（r≥3）以及备择假设H1：r=r+1进行检验，如果拒绝原假设H0，则继续对H0：r=r+1及其相应的备择假设H1：r=r+2进行检验，依此类推，直至无法拒绝原假设H0为止。

（三）变量说明及数据来源

为了考察不同地区保险发展在不同金融深化程度下对经济增长点非线性促进作用，本文采用时变面板平滑转换回归模型TVPSTR对整体保险市场、财产保险市场、寿险保险市场在不同金融发展水平、金融风险程度变化下对各省经济增长的影响关系展开实证分析。其中我们选择的研究对象为北京、上海、广东、天津等30个中国的省市地区。我们选取的数据来源为中国国家统计局、中国保险年鉴、中国统计年鉴、中国金融统计年鉴等，时间区间为2000—2015年。其中，30个省市名单见脚注样本分布：北京、天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、上海、江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西、海南、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆。。此外，本文主要变量定义和统计描述如下：

（1）保险市场指标。我们采用各省整体保险市场保费收入insurance、财产保险市场保费收入nonlife、寿险市场保费收入life与各省同期GDP的比值进行衡量。

（2）经济增长指标。为衡量一国或地区的宏观经济运行状况，我们采用发展经济学中人均国内生产总值（Real GDP per capita），即“人均rgdp”，作为衡量经济发展状况的指标。该指标数值越大则表明该省市的经济增长水平更高。为了消除异方差，我们对人均GDP进行取对数。

（3）金融深化指标。金融深化程度往往影响该区融资规模及金融风险程度。其中融资规模越大，实体经济获得的资金支持就越多，而金融风险则阻碍资金投资。本文选取本外币贷款总额占GDP的比重来构建金融发展指标（fincredit），以刻画一个国家或地区的金融发展状况，该指标越大则表明地区的金融发展水平越高。金融风险程度finrisk则用各省不同年份银行业不良贷款率进行衡量，通常不良贷款率越高代表该区金融融资风险程度越高，越不利于资金向实体经济流通。

（4）控制变量Controli，t：实物资本存量lncapital（各地区实物资本取对数衡量资本投入），人力资本投入lnhuman（以各省劳动力平均受教育年限衡量劳动力投入），政府支出gover（政府消费和投资占GDP比重），进出口总额trade（衡量各地进出口总额占GDP比值），通货膨胀率cpi（衡量各地区价格波动或者宏观经济不确定性对经济增长的影响）。

三、 实证结果与分析

（一）“线性检验”与“剩余非线性检验”

为了检验保险发展在不同金融深化水平下对经济增长的影响，我们结合各地宏观经济基本面情况，重点考察保险发展在不同金融发展规模及金融风险程度等门限变量下，对经济增长的非线性门限效应。其中，借鉴陈创练、赵进文等的研究[3637]，选择各省本外币贷款总额占GDP比重衡量各地金融发展水平，选择各省银行业不良贷款率衡量各省金融风险程度，并以这两个变量作为金融深化水平的综合衡量指标，构建非线性时变面板平滑转换回归模型（TVPSTR）。在面板平滑转换回归TVPSTR模型中，位置参数m的取值直接影响转移函数g（Qit，γ，Qc），我们借鉴Gonzulez et al.、Granger和Terasvirta的方法[38]，根据AIC和BIC的准则，同时结合包含区制个数不过多的TVPSTR已能充分反映面板数据异质性，本文最终确定非线性模型的最优位置参数个数均为1。

在动态面板平滑转换回归TVPSTR模型估计前，为了保证检验结果稳健性，确定了转换函数g（Qit，γ，Qc）的位置参数后，我们要对金融发展水平、金融风险程度与经济增长之间的非线性关系进行实证检验，同时考察保险发展的增长效应中存在的非线性转换函数（体制转换区间）的最优个数，我们将检验结果列于表3。

由表的检验结果可以清楚地看出，当以金融发展水平或金融风险程度指标作为门限变量对经济增长展开线性检验时，各个模型的F统计量、LM统计量和pseudoLRT统计量在1%显著性水平均显著地拒绝r=0的原假设，这就充分说明随着金融发展水平或金融风险程度的增强，保险发展与经济增长之间存在显著的非线性效应，要采用非线性TVPSTR模型估计。此外，由表4的分析结果我们可知，在1%的显著性水平上，各个模型非线性机制转换函数的最优个数为1。

（二）非线性模型的参数估计

在以上最优模型选择的基础上，本文借鉴Gonzulez et al的方法对TVPSTR模型进行了参数估计。首先采用“去均值”的方法消除个体固定效应，然后采用非线性最小二乘法来估计模型参数，与Goffe et al、Brooks et al以及Gonzulez等人的研究相一致[3940]，本文采用格点法（grid）来搜索使模型残差平方和最小的参数估计值，将其作为非线性最优算法的初始参数，在确保模型参数收敛的基础上进行估计，并将结果列于表4。

由表4的实证结果可知，动态非线性平滑面板TVPSTR模型的检验结果比线性模型更加符合实际，模型中各变量统计显著性更优。根据非线性模型实证结果可知，以金融发展水平（金融规模）做转换函数的门限变量，平滑参数γ的估计值较小（2083），说明非线性转换函数具有较明显的平滑转化特征，随着各省金融发展水平提高，保险市场对经济增长的影响呈现渐进演变的非线性关系；而以金融风险程度（金融风险）做门限变量，平滑参数γ的估计值较大（12481），说明随金融风险加剧，保险市场对经济增长影响的非线性效果更强烈，变化速度更快。其中，当金融发展水平（金融规模）低于门限变量（4294）时，金融系统处于低转换区制，此时保险需求对经济增长的线性影响部分首先呈现负效应，而后随着金融发展水平高于门限变量（4294）时，非线性部分的影响效应逐渐起主导作用，保险对经济增长逐渐呈现正影响效应；而以金融风险程度（金融风险）低于门限变量（3492），金融系统处于低风险区制，保险对经济增长影响的首先呈现正效应，后随着金融风险扩大逐渐转为负效应。由此可见，保险发展与经济增长确实存在非线性金融深化门限效应，随着金融系统的金融规模、金融风险变化存在不同关系。此外，从线性与非线性模型实证可知，寿险需求比财险需求对经济增长的影响更显著，我们认为这可能与我国目前保险市场的发展规律相关，在保险规模与保险增长速度方面，寿险明显比财险更具影响力。endprint