劉君

摘要： 本文采用時變面板平滑轉換回歸模型，在非線性的框架下對我國30個省份（地區(qū)）2000—2015年保險發(fā)展與經(jīng)濟增長關系展開深入研究。文章構建包括金融系統(tǒng)因素和宏觀經(jīng)濟基本面因素的非線性模型，重點考察在金融系統(tǒng)變化情況下，保險市場發(fā)展對經(jīng)濟增長的漸進影響效應及傳遞路徑。研究發(fā)現(xiàn)，金融發(fā)展水平越高的區(qū)域，通常其金融系統(tǒng)的資金配置效率和投資效率也更有效，保險消費對經(jīng)濟增長具有強拉動效應，其中壽險的融資功能比財險經(jīng)濟補償功能更具經(jīng)濟增長效應；而地區(qū)金融風險程度增高，則會大幅度提高該區(qū)金融系統(tǒng)的投資風險，進而弱化財險和壽險對經(jīng)濟增長的正效應。最后本文提出了現(xiàn)階段深化金融改革與管控金融風險的若干建議。

關鍵詞： 保險發(fā)展； 金融深化； 經(jīng)濟增長； 時變面板平滑轉換回歸模型

文獻標識碼： A 文章編號： 1002-2848-2017（04）-0029-12

一、 引 言

近年來，我國深化金融市場改革，社會經(jīng)濟快速發(fā)展。其中，保險業(yè)作為現(xiàn)代金融市場的重要支柱之一，也在2015年《國務院關于加快發(fā)展現(xiàn)代保險服務業(yè)的若干意見》等“新國十條”實施方案推動下更加迅速發(fā)展。在保險業(yè)快速發(fā)展的同時，我國經(jīng)濟發(fā)展也保持較高水平。如圖1所示，從2000年以來，我國人均GDP一直穩(wěn)步上升，其中保險對消費及融資的金融支持作用逐漸顯現(xiàn)出來，保險發(fā)展與經(jīng)濟增長均穩(wěn)步提升。事實上，研究發(fā)現(xiàn)，隨著保險業(yè)在現(xiàn)代金融業(yè)的作用逐漸增強，保險與經(jīng)濟發(fā)展更加密切，其中財險經(jīng)濟補償功能保障社會再生產(chǎn)運行，壽險融資功能促進儲蓄資金向實體投資轉化，均具有較強經(jīng)濟增長效應[1]。

但是，目前研究發(fā)現(xiàn)，在保險消費對經(jīng)濟增長的促進逐漸增強的同時，由于各地金融系統(tǒng)深化水平不同，各地保險業(yè)和經(jīng)濟發(fā)展不均衡，導致保險消費的經(jīng)濟增長效應存在較大差異。其中，在保險密度和增速方面，東部省份保險密度最高；中部地區(qū)次之；西部地區(qū)保險密度最低，同時增速緩慢。在金融深化方面，各省金融規(guī)模（本外幣貸款/GDP）與金融風險（不良貸款率）也存在較大差異。這導致我國各省保險消費的經(jīng)濟增長效應存在顯著區(qū)別。而在目前保險與經(jīng)濟增長的文獻中，尚未有研究考慮各地經(jīng)濟增長的異質性，結合各地保險發(fā)展不平衡，金融系統(tǒng)發(fā)展現(xiàn)狀顯著差異進行研究，也沒有文獻嚴格區(qū)分金融深化過程中金融規(guī)模、金融風險這兩方面因素對經(jīng)濟增長影響。

金融發(fā)展與經(jīng)濟增長的關系一直是學術界研究的重點，國內(nèi)外諸多學者均認為，一國或地區(qū)只有金融發(fā)展水平達到一定程度，金融發(fā)展才能通過規(guī)模效應與溢出效應促進經(jīng)濟增長。事實上，保險業(yè)一直是金融系統(tǒng)中重要的組成部分，保險消費對經(jīng)濟增長的促進作用也受地區(qū)金融發(fā)展水平的影響。一方面，國外學者Beenstock et al.、Outreville、Adams M and Andersson J.、Ward和Zurbruegg、Azmansaini and Smith研究保險與經(jīng)濟增長關系，均認為保險業(yè)能分散風險、穩(wěn)定資金、提高經(jīng)濟的生產(chǎn)率，進而促進經(jīng)濟增長[26]；而學者Webb et al、Boon、Adams et al、Avram et al研究認為壽險與財險消費對經(jīng)濟有顯著正影響效應，但在金融水平、收入水平不同的國家和地區(qū)存在差異，其中壽險消費只有在高收入國家有效[710]。另一方面，結合保險業(yè)區(qū)域發(fā)展不均衡現(xiàn)狀，學者Skipper、Arena M、Albouy和Blagoutine、邵全權研究認為保險能促進地區(qū)經(jīng)濟及金融穩(wěn)定，但區(qū)域發(fā)展失衡會導致區(qū)域保險結構同質，加劇行業(yè)利益沖突，損害保險消費對經(jīng)濟增長的正向作用[1113]。

國內(nèi)方面，學者沈坤榮采用FGLS估計方法，研究認為經(jīng)濟發(fā)展水平和金融發(fā)展水平不同會影響保險消費和經(jīng)濟增長的關系，隨著金融經(jīng)濟發(fā)展改善，保險促進經(jīng)濟增長的程度會顯著增強[14]。曾智研究也認為不同經(jīng)濟金融發(fā)展水平下，保險消費與經(jīng)濟增長存在倒U型關系，其中只有壽險具有顯著經(jīng)濟增長效應[15]。而趙進文通過時間序列非線性STR模型，研究認為保險消費對經(jīng)濟增長點拉動作用具有明顯階段性和非線性特征，由于各區(qū)經(jīng)濟發(fā)展和保險發(fā)展水平不同，保險消費經(jīng)濟增長效應沒有充分發(fā)揮[16]。

事實上，目前國內(nèi)外眾多學者研究均認為，保險發(fā)展跟經(jīng)濟增長存在正相關關系。同時諸多學者如Winter、Niehaus、Nieh等研究均表明，由于各區(qū)經(jīng)濟增長，金融發(fā)展水平差異，加之保險周期、收入差距等因素不同，保險需求跟經(jīng)濟變量之間存在非線性關系。其中Enz、Zheng研究證實保險發(fā)展與經(jīng)濟增長存在S曲線關系，Lee通過TVPSTR模型研究36個國家數(shù)據(jù)，認為保險消費與人均GDP存在門限效應[17]。而國內(nèi)方面，魏華林和宋平凡、劉學寧、曾智、趙進文等學者也證實保險消費與經(jīng)濟增長存在非線性門限關系，其中由于金融發(fā)展水平等差異，保險消費與經(jīng)濟增長呈倒U型關系[1819]。此外，多數(shù)研究經(jīng)驗表明，地區(qū)金融市場的發(fā)展與金融體制的改革可以降低地區(qū)資本投資的波動，起到穩(wěn)定金融系統(tǒng)，降低金融風險的作用，這也造成不同發(fā)展水平的金融子市場與經(jīng)濟變量間存在非線性關系[2024]。

有鑒于此，結合當前經(jīng)濟增速放緩，綜合考慮金融發(fā)展及保險市場發(fā)展在各地發(fā)展不平衡的現(xiàn)狀，我們采用最新的時變面板平滑轉換回歸模型（TVPSTR），構建包括金融系統(tǒng)因素和宏觀經(jīng)濟基本面因素的非線性模型，對我國30個省份（地區(qū)）的2000—2015年保險發(fā)展與經(jīng)濟增長關系展開深入研究。在此過程中，重點考察金融深化過程中，在地區(qū)保險發(fā)展不均衡和金融系統(tǒng)差異的現(xiàn)狀下，地區(qū)金融規(guī)模、金融風險的變化，是否導致保險消費存在非線性經(jīng)濟增長效應及其動態(tài)變化規(guī)律。

本文余下內(nèi)容安排如下：第二部分根據(jù)經(jīng)濟增長影響因素的最新研究，結合時變面板平滑轉換回歸模型TVPSTR構建本文實證分析的框架；第三部分為本文的實證結果與分析，其中重點考察了金融系統(tǒng)變化下，保險消費的非線性經(jīng)濟增長效應；最后是本文的結論和啟示。二、 模型的設定與數(shù)據(jù)說明endprint

（一）理論模型的構建

為了研究金融發(fā)展與經(jīng)濟增長的關系，Webb et al在柯布—道格拉斯生產(chǎn)函數(shù)（CD生產(chǎn)函數(shù)）的基礎上加入了金融市場變量，其中資本、勞動力與技術進步等要素投入是影響經(jīng)濟增長的主要因素，且各要素間的共線性對生產(chǎn)函數(shù)的影響較小。為考察保險市場因素對經(jīng)濟增長的影響，本文在Webb et al的研究基礎上，引入保險市場變量，并對生產(chǎn)函數(shù)進行拓展。根據(jù)傳統(tǒng)的CD生產(chǎn)函數(shù)：

我們對第（5）式進行t求導，并結合上述的相關文獻和研究理論，借鑒吳永鋼和李政，吳洪的方法加入控制變量control[2526]。此外，因為各省保險業(yè)和經(jīng)濟發(fā)展差異較大，研究發(fā)現(xiàn)本文所選數(shù)據(jù)存在較大異質性，我們參考Fouquau、Bessec和Fouquau、Destais、Aslanidis和Iranzo等的研究[2728]，為有效反應模型參數(shù)在截面單位間的異質性（Heterogeneity）變化，并刻畫參數(shù)隨時間變化產(chǎn)生的非穩(wěn)定性影響，我們將其轉換為動態(tài)面板平滑轉移回歸（TVPSTR）模型，以此考察在金融深化的過程中，保險市場參數(shù)對經(jīng)濟增長的動態(tài)影響。我們構建如下的模型：

其中，被解釋變量ln（rgdpi，t）為各省在t期的人均GDP對數(shù)，用以衡量各省的經(jīng)濟增長水平。在自變量中，保險市場需求Xi，t作為本文主解釋變量，衡量各省居民保險需求，即各省保險密度。我們分別采用各省整體保險市場保費收入insurance、財產(chǎn)保險市場保費收入nonlife、壽險市場保費收入life與各省同期GDP的比值進行衡量。

在本文模型中，根據(jù)Ching et al、趙進文、曾智等研究，由于不同地區(qū)經(jīng)濟發(fā)展水平、金融發(fā)展水平等的不同，保險需求增長對經(jīng)濟增長存在非線性影響[29]。事實上，從行業(yè)環(huán)境分析，地區(qū)發(fā)達的金融體系對行業(yè)資本配置效率具有正面影響效應，強化行業(yè)發(fā)展的經(jīng)濟增長效應，代表性研究有Goldsmith、McKinnon、Jeffrey Wurgler、Almeida and Wolfenzon以及HoChuan （River） Huang et al.等[3033]。因此在實證中，我們加入衡量金融深化水平的非線性門限變量，包括金融發(fā)展水平fincredit和金融風險程度finrisk，用以衡量金融深化過程中，隨金融發(fā)展水平fincredit和金融風險程度finrisk的變化，保險市場對經(jīng)濟增長的非線性影響。其中，金融發(fā)展水平fincredit，我們借鑒李后建金融發(fā)展指標pcrdbofgdp，即采用銀行及其他金融機構的本外幣貸款總額占GDP的比重來構建金融發(fā)展指標[34]，反映了整個年度經(jīng)濟的融資活動中，通過金融部門向實體經(jīng)濟提供的資金總量，用以度量了一個地區(qū)金融規(guī)模的大小，通常認為該指標越大則表明地區(qū)的金融發(fā)展水平越高。而金融風險程度finrisk則用各省不同年份銀行業(yè)不良貸款率進行衡量，通常不良貸款率越高代表該區(qū)金融融資風險程度越高，越不利于資金向實體經(jīng)濟流通。

在模型中，我們綜合考慮影響經(jīng)濟增長的控制變量Controli，t：實物資本存量lncapital（衡量實體經(jīng)濟資本投入），人力資本投入lnhuman，政府支出gover（衡量政府消費和投資對宏觀經(jīng)濟的干預），進出口總額trade（衡量各地進出口對經(jīng)濟增長的拉動作用），通貨膨脹率cpi（衡量各地區(qū)價格波動或者宏觀經(jīng)濟不確定性對經(jīng)濟增長的影響）。并通過這五個控制變量Controli，t，衡量實際經(jīng)濟資本投入、人力投入等要素、貿(mào)易出口、政府干預及宏觀經(jīng)濟穩(wěn)定情況等對經(jīng)濟增長的影響。

綜上所述，在本文中，我們金融深化的兩個指標做門限變量，構建兩個模型，實證檢驗在不同的金融深化水平上，隨金融發(fā)展水平fincredit和金融風險程度finrisk的變化，保險市場發(fā)展對經(jīng)濟增長的非線性影響及其變化規(guī)律。此外，β1和β2為估計系數(shù)。而轉移函數(shù)g（Qit，γ，Qc）選擇上，我們借鑒趙進文、李后建、魏華林方法，選擇如下的logistic轉換函數(shù)：

其中，Qc為轉換函數(shù)的位置參數(shù)，γ為平滑參數(shù)，衡量了logistic函數(shù)的平滑轉換程度，同時還決定不同區(qū)制間的變換速度。

（二）線性檢驗與剩余非線性檢驗

遵循該領域研究慣例，例如Gonzulez et al.[35]，為了檢驗體制轉換效應是否顯著，我們在γ=0處對g（Qit，γ，Qc）轉移函數(shù)進行一階泰勒展開，并在原文模型，即公式（6）的基礎上，構造如下的輔助回歸方程（6），以進行“線性檢驗”：

其中，Zi，t=（lnrgdpi，t，nonlifei，t，lifei，t，controli，t），Rm為泰勒展開的剩余項。同時，依據(jù)Gonzulez et al.（2005）方法的基本原理，檢驗關系式（4）式中線性假設H0：γ=0等價于檢驗（8）式中H*0：′ 1=L=′ m=0。為了考察原假設H*0，我們構造如下統(tǒng)計量：

在式（9）至式（11）中，SSR0為在原假設成立條件下的面板殘差平方和，而SSR1則為備擇假設成立下的面板殘差平方和，SSRur為無約束條件下輔助回歸方程（線性化無約束回歸模型）的殘差平方和。在檢驗過程中，LM統(tǒng)計量和pseudoLRT統(tǒng)計量遵循漸近χ2mk分布，而F統(tǒng)計量則遵循漸近F（mk，TNNmk）分布。

在“線性VS非線性”檢驗基礎上，接下來我們?nèi)孕枰鳌笆Ｓ喾蔷€性檢驗”（remaining nonlinearity），以檢驗機制轉移函數(shù)的個數(shù)。具體來說，就是考察是否只存在唯一一個轉換函數(shù)（H0：r=1）或者至少存在著兩個轉換函數(shù)（H1：r=2）其中，r為β系數(shù)的階數(shù)，滿足β=（lnrgdpi，t）Xi，t=β1+∑γj=1βjgj（i，t，γj，Qj）。。在基于r=2的備擇假設下，TVPSTR模型具有以下的表達形式：

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。與上述檢驗思路類似，為了檢驗是否存在兩個轉換函數(shù)，我們考察原假設H0：γ2=0，并先在γ2=0處對g（Q（2）i，t，γ2，Qc）轉移函數(shù)做一階泰勒展開構造輔助回歸方程，并采用LM統(tǒng)計量、F統(tǒng)計量或pseudoLRT統(tǒng)計量檢驗體制轉換效應個數(shù)的顯著性。同時在估計模型的篩選過程中，我們進一步檢驗是否存在三個或以上的轉換函數(shù)個數(shù)，即首先假定H0：r=r（r≥3）以及備擇假設H1：r=r+1進行檢驗，如果拒絕原假設H0，則繼續(xù)對H0：r=r+1及其相應的備擇假設H1：r=r+2進行檢驗，依此類推，直至無法拒絕原假設H0為止。

（三）變量說明及數(shù)據(jù)來源

為了考察不同地區(qū)保險發(fā)展在不同金融深化程度下對經(jīng)濟增長點非線性促進作用，本文采用時變面板平滑轉換回歸模型TVPSTR對整體保險市場、財產(chǎn)保險市場、壽險保險市場在不同金融發(fā)展水平、金融風險程度變化下對各省經(jīng)濟增長的影響關系展開實證分析。其中我們選擇的研究對象為北京、上海、廣東、天津等30個中國的省市地區(qū)。我們選取的數(shù)據(jù)來源為中國國家統(tǒng)計局、中國保險年鑒、中國統(tǒng)計年鑒、中國金融統(tǒng)計年鑒等，時間區(qū)間為2000—2015年。其中，30個省市名單見腳注樣本分布：北京、天津、河北、山西、內(nèi)蒙古、遼寧、吉林、黑龍江、上海、江蘇、浙江、安徽、福建、江西、山東、河南、湖北、湖南、廣東、廣西、海南、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆。。此外，本文主要變量定義和統(tǒng)計描述如下：

（1）保險市場指標。我們采用各省整體保險市場保費收入insurance、財產(chǎn)保險市場保費收入nonlife、壽險市場保費收入life與各省同期GDP的比值進行衡量。

（2）經(jīng)濟增長指標。為衡量一國或地區(qū)的宏觀經(jīng)濟運行狀況，我們采用發(fā)展經(jīng)濟學中人均國內(nèi)生產(chǎn)總值（Real GDP per capita），即“人均rgdp”，作為衡量經(jīng)濟發(fā)展狀況的指標。該指標數(shù)值越大則表明該省市的經(jīng)濟增長水平更高。為了消除異方差，我們對人均GDP進行取對數(shù)。

（3）金融深化指標。金融深化程度往往影響該區(qū)融資規(guī)模及金融風險程度。其中融資規(guī)模越大，實體經(jīng)濟獲得的資金支持就越多，而金融風險則阻礙資金投資。本文選取本外幣貸款總額占GDP的比重來構建金融發(fā)展指標（fincredit），以刻畫一個國家或地區(qū)的金融發(fā)展狀況，該指標越大則表明地區(qū)的金融發(fā)展水平越高。金融風險程度finrisk則用各省不同年份銀行業(yè)不良貸款率進行衡量，通常不良貸款率越高代表該區(qū)金融融資風險程度越高，越不利于資金向實體經(jīng)濟流通。

（4）控制變量Controli，t：實物資本存量lncapital（各地區(qū)實物資本取對數(shù)衡量資本投入），人力資本投入lnhuman（以各省勞動力平均受教育年限衡量勞動力投入），政府支出gover（政府消費和投資占GDP比重），進出口總額trade（衡量各地進出口總額占GDP比值），通貨膨脹率cpi（衡量各地區(qū)價格波動或者宏觀經(jīng)濟不確定性對經(jīng)濟增長的影響）。

三、 實證結果與分析

（一）“線性檢驗”與“剩余非線性檢驗”

為了檢驗保險發(fā)展在不同金融深化水平下對經(jīng)濟增長的影響，我們結合各地宏觀經(jīng)濟基本面情況，重點考察保險發(fā)展在不同金融發(fā)展規(guī)模及金融風險程度等門限變量下，對經(jīng)濟增長的非線性門限效應。其中，借鑒陳創(chuàng)練、趙進文等的研究[3637]，選擇各省本外幣貸款總額占GDP比重衡量各地金融發(fā)展水平，選擇各省銀行業(yè)不良貸款率衡量各省金融風險程度，并以這兩個變量作為金融深化水平的綜合衡量指標，構建非線性時變面板平滑轉換回歸模型（TVPSTR）。在面板平滑轉換回歸TVPSTR模型中，位置參數(shù)m的取值直接影響轉移函數(shù)g（Qit，γ，Qc），我們借鑒Gonzulez et al.、Granger和Terasvirta的方法[38]，根據(jù)AIC和BIC的準則，同時結合包含區(qū)制個數(shù)不過多的TVPSTR已能充分反映面板數(shù)據(jù)異質性，本文最終確定非線性模型的最優(yōu)位置參數(shù)個數(shù)均為1。

在動態(tài)面板平滑轉換回歸TVPSTR模型估計前，為了保證檢驗結果穩(wěn)健性，確定了轉換函數(shù)g（Qit，γ，Qc）的位置參數(shù)后，我們要對金融發(fā)展水平、金融風險程度與經(jīng)濟增長之間的非線性關系進行實證檢驗，同時考察保險發(fā)展的增長效應中存在的非線性轉換函數(shù)（體制轉換區(qū)間）的最優(yōu)個數(shù)，我們將檢驗結果列于表3。

由表的檢驗結果可以清楚地看出，當以金融發(fā)展水平或金融風險程度指標作為門限變量對經(jīng)濟增長展開線性檢驗時，各個模型的F統(tǒng)計量、LM統(tǒng)計量和pseudoLRT統(tǒng)計量在1%顯著性水平均顯著地拒絕r=0的原假設，這就充分說明隨著金融發(fā)展水平或金融風險程度的增強，保險發(fā)展與經(jīng)濟增長之間存在顯著的非線性效應，要采用非線性TVPSTR模型估計。此外，由表4的分析結果我們可知，在1%的顯著性水平上，各個模型非線性機制轉換函數(shù)的最優(yōu)個數(shù)為1。

（二）非線性模型的參數(shù)估計

在以上最優(yōu)模型選擇的基礎上，本文借鑒Gonzulez et al的方法對TVPSTR模型進行了參數(shù)估計。首先采用“去均值”的方法消除個體固定效應，然后采用非線性最小二乘法來估計模型參數(shù)，與Goffe et al、Brooks et al以及Gonzulez等人的研究相一致[3940]，本文采用格點法（grid）來搜索使模型殘差平方和最小的參數(shù)估計值，將其作為非線性最優(yōu)算法的初始參數(shù)，在確保模型參數(shù)收斂的基礎上進行估計，并將結果列于表4。

由表4的實證結果可知，動態(tài)非線性平滑面板TVPSTR模型的檢驗結果比線性模型更加符合實際，模型中各變量統(tǒng)計顯著性更優(yōu)。根據(jù)非線性模型實證結果可知，以金融發(fā)展水平（金融規(guī)模）做轉換函數(shù)的門限變量，平滑參數(shù)γ的估計值較?。?083），說明非線性轉換函數(shù)具有較明顯的平滑轉化特征，隨著各省金融發(fā)展水平提高，保險市場對經(jīng)濟增長的影響呈現(xiàn)漸進演變的非線性關系；而以金融風險程度（金融風險）做門限變量，平滑參數(shù)γ的估計值較大（12481），說明隨金融風險加劇，保險市場對經(jīng)濟增長影響的非線性效果更強烈，變化速度更快。其中，當金融發(fā)展水平（金融規(guī)模）低于門限變量（4294）時，金融系統(tǒng)處于低轉換區(qū)制，此時保險需求對經(jīng)濟增長的線性影響部分首先呈現(xiàn)負效應，而后隨著金融發(fā)展水平高于門限變量（4294）時，非線性部分的影響效應逐漸起主導作用，保險對經(jīng)濟增長逐漸呈現(xiàn)正影響效應；而以金融風險程度（金融風險）低于門限變量（3492），金融系統(tǒng)處于低風險區(qū)制，保險對經(jīng)濟增長影響的首先呈現(xiàn)正效應，后隨著金融風險擴大逐漸轉為負效應。由此可見，保險發(fā)展與經(jīng)濟增長確實存在非線性金融深化門限效應，隨著金融系統(tǒng)的金融規(guī)模、金融風險變化存在不同關系。此外，從線性與非線性模型實證可知，壽險需求比財險需求對經(jīng)濟增長的影響更顯著，我們認為這可能與我國目前保險市場的發(fā)展規(guī)律相關，在保險規(guī)模與保險增長速度方面，壽險明顯比財險更具影響力。endprint