Word参考资料，下载后可编辑人口老龄化下人寿保险需求分析 随着老年人口的快速增长,全社会都面临着巨大的养老压力。_省_市-个地区生产总值一千多亿元的小城市，面临同样的老龄化问题,并且问题更加严峻。_市统计公报显示,2017年_市常住人口480万人,65岁及以上人口61.3万人，占总人口比例到达12.77%，远高出老龄化7%的标准，老龄化人口占比大。不仅如此，_市并不富裕。2017年人均生产总值25465元，而全国人均已达59660元。老龄人口占比高，人均收入少，明显的“未富先老”现象，使社会面临巨大的养老压力，如今迫切需要找到有效途径缓解养老问题。而人寿保险作为缓解老龄化问题的一种方法,多数学者都进行过分析。但大多数的研究范围都界定为全国、某省或者直辖市,很少关注小城市,但是小城市的情况和全国及兴旺地区相比较还有一定的差距,那么大城市的成果对小城市而言可能会不完全适应。而像六安这样的小城市在全国还有许多，因此以_市为例,通过分析,得到结论,期望为类似小城市缓解老龄化问题找到途径。 一、_市人口老龄化进程与寿险市场开展现状 (一)人口老龄化进程。国际上衡量人口老龄化社会的标准为：60岁及以上人口占总人口的比重到达或超过10%,或者65岁以上人口占总人口的比例到达或者超过7%o_市在1999年60岁及以上人口占总人口的比到达10.37%,而在2000年老年系数到达7.16%,严格来讲从2000年开始，六安已经步入老龄化社会。近十年的_市及_省65岁以上老年人口比重情况如图1所示。图1_市及_省65岁以上老年人口比重比照数据来源:_省统计年鉴,作者整理。从图中可以看出，最近十年_市老龄化程度普遍高于_省整体水平,虽2015年有所缓解,但是2016年又上升，与_省整体情况几乎持平。并且65岁以上人口占总人口的比例稳步在11%以上,充分说明_市已步入老龄化社会，并且所要面临的问题比_省整体还要严峻。(二)寿险市场开展现状。_市的人均可支配收入一直低于_省平均水平,伴随着人口老龄化的深入,未富先老现象严峻。怎样缓解老龄化带来的问题，人寿保险或许可以提供一些关心。衡量寿险开展状况的绝对数指标一般选取保费收入，而相对数指标一般用保险深度或保险密度。下面从绝 二、人寿保险需求影响因素 寿险需求是指在一定时期内投保人情愿并且能够购置的寿险商品的数量。在老龄化背景下，国内外学者研究哪些因素对寿险需求产生影响，并运用各种统计方法分析这些因素的影响程度。李庆艳（2009）从就业人数、价格水平、人均年末储蓄余额、通货膨胀率等因素入手,用逐步回归的方法分析寿险需求。钟春平（2012）在Lewis模型的根底上进行影响因素分析，用多元线性回归对我国2001-2008年30个省份的面板数据进行分析，并与美国进行比较研究。张庆军（2013）从寿险需求理论动身，以_省数据为根底，通过建立多元回归模型分析了人口老龄化对寿险需求的影响。万方晨（2015）运用1997-2014年的数据建立向量自回归模型，并用脉冲响应图解释各因素怎样影响商业健康险需求。陈冬梅（2015）以_市为例，通过对1012人的随机调查，利用logit/probit模型探究长期护理保险需求的影响因素。王宁（2016）在老龄化背景下以_市为例，对影响寿险需求的因素进行了VEC模型分析。袁成（2017）利用我国2000-2015年的省际面板数据和动态面板系统GMM方法，分析人口老龄化对我国人身保险消费的影响。 三、实证分析 在人口老龄化背景下,寿险需求除了受老龄化相关因素的影响外，同样受到其他因素的影响。通过前面的整理，这些因素大致可以分为三方面，经济因素、社会因素和法律政治因素。(一)指标选取。衡量寿险需求程度可以用保费收入、保费深度及保费密度等指标。绝对数指标易受区域等因素影响，因此选取了相对数指标。为了呈现个体对保险的需求程度，用人均保费支出比较贴合这个目标。因此本文选取_市寿险密度作为衡量寿险需求的指标，计算方法为寿险保费收入除以总人口数。老龄化指标选取老年人口抚养比与家庭户规模这两个指标。老年人口抚养比指老年人口(65岁以上人口)与15-64岁人口的比例，用以讲明每100名劳动年龄人口要负担多少名老年人。计算公式为:老年人口抚养比=老年人口/15-64岁人口x100%经济因素可以包括人均收入水平、保险产品价格、通货膨胀率、替代品等等。本文选取比较有代表性的人均可支配收入和居民消费价格指数这两个指标。社会因素可包括城镇化水平、受教育程度、社会医疗水平等指标。本文选取城镇化水平和每十万人口拥有的大专及以上人口数这两个指标。城镇化水平为城镇人口占年末总人口的比重。在我国，法律、政治、宗教等因素影响不大，并且不容易量化，因此忽略。综上所述，因变量为保险密度,自变量为老年人口抚养比(X1)家庭户规模(X2)人均可支配收入(X3)居民消费价格指数(X4)城镇化水平(X5)每十万人口拥有的大专及以上人口数(X6)。本文选取了_市2000-2016年各项指标的数据运用Eviews软件进行回归分析。其中保险密度源于中国保险监督管理委员会安徽监管局网站，经过计算得到，居民消费价格指数来自中国统计年鉴，其余指标数据来自于历年_省统计年鉴和_市统计年鉴。(二)模型的建立。由于变量原始数据量差较大，因此对原始数据取对数后进行分析。自变量个数较多，从初步的回归分析结果中可以发觉存在多重共线性问题，故采纳逐步回归的方式找出最正确的回归方程。通过逐步回归,得到表1的结果。依据表1结果，因变量为寿险密度,自变量为老年人口抚养比(X1)人均可支配收入(X3)城镇化水平(X5),得到如下回归方程：y=-4.27+4.60X1+0.47X3+3.95X5从选取的变量看，_市寿险密度与老年人口抚养比、人均可支配收入、城镇化水平均呈现正相关关系。老年人口抚养比讲明每100名劳动人口负担老年人口数，随着劳动力负担的增加，寿险密度增大。意味着劳动力要赡养的老年人口数增多，为了不时之需,会选择购置商业寿险进行转移风险,从而缓解压力。人均可支配收入每增加1元，寿险密度增加0.47元。依据马斯洛需求理论，人们只有先满足了生理需求之后才能追求更高的需求。随着收入的增加，生理需求已根本满足，那么才会追求安全性需求，逐步增加对保险等的需求。城镇化水平的提高，同样导致寿险密度增加。城镇化使农民接受到更多的信息，逐渐增强对保险的理解。另外，由于出门务工的人越来越多,家庭式的养老模式不再满足现在的养老需求,商业寿险可以局部缓解这个问题。（三）进行各项检验。1.t值、F值及拟合优度检验。从上面的结果可知,各变量均通过t检验。F值较高，同样通过检验。拟合优度R2为0.95,调整的R2为0.93均较高，整个方程拟合程度较好。2.异方差检验。采纳怀特检验，通过Eviews操作,得到Obs*R-squared=11.65,Prob.Chi-Square（9）=0.23，收尾概率大于显著性水平,则接受原假如,认为残差序列不存在异方差性。3.自相关性检验。由表1可知,D.W.统计量值为1.44，在1%的显著性水平下,n=17,k=3，查表可知dU=1.43,dL=0.67,由于dUD.W.4-dU,因此残差序列不存在一阶自相关。再用LM检验进行验证,得到序列不存在自相关的结果。 四、结论 在老龄化背景下,劳动人口负担的老年人增多,会推动寿险需求量的增加。_市的老年人口数占比在上升,从理论来讲寿险密度会随之上升,但是2017寿险保费及寿险密度均下降，本市寿险需求仍有未得到满足的局部。在此背景下，本市寿险需求量将快速增加，同时将成为缓解养老压力的一种有效途径。同时,寿险需求受到经济因素及社会因素的影响。人均可支配收入与人均寿险保费呈正相关关系，平均来讲，人们每增加1元的可支配收入会增加0.47元的寿险保费支出。人们可支配收入的提升直接推动保险业快速开展,而根本动力还在于经济的快速增长，因此还需加速经济开展。城镇化水平的提高推动寿险业的开展。一方面，城镇化开阔人们眼界，推动保险观念提升。另一方面，城镇化使家庭结构发生变化，单一依靠家庭分散风险较困难,需要如保险等机制共同分散风险。 4