《计量经济学》课程论文我国财产保险市场发展的因素分析摘要：本文主要通过对财产保险市场的发展进行多因素分析，建立以财产保险保费收入为应变量，以其它可量化影响因素为自变量的多元线性回归模型，并利用模型对这一问题进行数量化分析。
关键词：财产保险保费多因素分析模型计量经济学检验一、经济背景及研究目的（一）财产保险的概述1．财产保险，是指以各种财产物资和有关利益为保险标的，以补偿投保人或被保险人的经济损失为基本目的的一种社会化的经济补偿制度。
作为现代保险业的两大部类之一，财产保险通过各保险公司的社会化经营，客观上满足着人类社会除自然人的身体与生命之外的各种风险保障需求，是当代社会向的发展必不可少的经济补偿制度。
2．随着我国改革开放的进一步深化,经济的进一步发展，以及加入WTO，财产保险越来越受到人们的重视，它在很多方面都发挥着越来越重要的作用。
第一、能够补偿被保险人的经济利益损失，维护社会再生产的顺利进行。
第二、有利于提高整个社会的防灾减损意识，使各种灾害事故的发生及其危害后果得到有效控制。
第三、有利于创造公平的竞争环境，维护市场经济的正常运行。
第四、有利于安定城乡居民的日常生活，稳定社会秩序。
第五、能够增加就业机会，促进第三产业的发展。
3．财产保险的业务分为四大部分。
（1）．财产损失保险。
它是以承保保险客户的财产物资损失风险为内容的各种保险业务的统称，包括各种火灾保险、运输保险、工程保险等。
（2）．农业保险。
它又可以分为各种种植业保险、林业保险和养殖业保险。
（3）．责任保险。
责任保险承保的是保险客户的各种民事法律风险，它包括公众责任保险、产品责任保险、雇主责任保险、职业责任保险以及各种运输工具第三者责任保险等内容。
（4）．信用保证保险。
信用、保证保险承保的主要是保险客户的各种商业信用风险，其业务主要包括出口信用保险、个人信用保险、产品保证保险等各种信用、保证保险。
（二）我国财产保险市场发展及进程我国改革开发以来，特别是1986年以后，随着保险市场供给主体不断增加和有竞争的保险体系初步形成，保险业务获得迅速发展。
自1980年以来，我国保险费总收入年均增幅为35%，远高于同期GDP的增长速度，很好地拉动了经济增长，其中财产保险收入从1992年147.4亿元到2003年增长到869亿元，将近增加了5倍，中国保险业进入了一个迅速发展时期。
1992年邓小平南巡讲话发表后，国内经济环境空前活跃，直接拉动次年财产保险业务成为整个90年代增长幅度最高的年份。
1997年开始的经济软着陆和整顿经济环境，直接导致以社会物质财产作为保险标的的财产保险业务在1997年和1998年开始进入递增长状态，财产保险比重开始大幅下降，1999年由于通货紧缩又造成当年的财险业务增长成为90年代的最低点。
进入2000年，国有企业机制转换带来整个国有经济资产总量的增加，加上住房制度改革，使全国企业财产保险和住房抵押保险业务上扬，整个财产保险市场一改连续三年的颓势，出现了14.8%的高增长率。
保险业的发展状况与经济的发展程度有较为稳定的正相关关系。
从国际形势来看，世界经济复苏步伐开始加快，国际经济发展环境好转；从国内经济情况来看，随着国家西部大开发、振兴东北工业基地等战略部署的实施，或内投资项目和投资总量会大量增加，新兴产业和汽车、住房、通信、家电等行业继续迅猛发展，个人居民储蓄保持快速增长，人民生活水平不断提高。
这都为企业财产保险、家庭财产保险、建安工程险、货运险、机动车辆保险等业务发展拓宽了保险服务领域，社会对于防灾、防损、防意外等方面需求构成支撑财产险发展的巨大市场资源。
另外，随着科技的进步、社会的发展，客观条件的变化，微观风险环境也越来越复杂，理想的可保风险条件不会一成不变，有些原先不可保的风险变得可保了，或者加上一些约束条件变的可保了，这尤其对财产险承保技术的要求越来越高，对财产险发展的意义也日益凸现。
（三）研究目的当然，财产保险保费收入的迅速增长也是与整个经济环境的好转分不开的。
如我国现在居民的汽车拥有量、居民可支配收入都在快速增长，世界贸易的频繁增多、我国的外贸出口总额也在逐年递增，诸多因素对我国财产保险保费收入产生着影响。
下面我们就具体地研究这些因素对其产生的影响。
二、结合经济背景，建立计量经济学模型（一）关于数据数据的来源:<<中国保险年鉴>>(1993-2004)和<<中国统计年鉴>>(1993-2004)通过查阅以上资料, 得1992年到2003年关于财产保险保费收入，社会消费品零售额，居民可支配收入，民用汽车拥有量的数据。
（二）关于模型1．模型的建立Y=а+β1X1+β4X4+β5X5其中：Y—财产保险保费收入，X1—城镇居民家庭人均可支配收入，X4—社会消费品零售总额，X5—居民汽车拥有量。
2．参数估计用Eviews估计结果为：Y=-88.72853+ 0.129862X1+ (-0.010738)X4+ 0.150401X5（-4.057437）（3.726242）（-1.676893）（2.984932）R2=0.994634S.E.= 18.08112F=494.29473．模型检验(1).经济意义检验从经济意义上来说，财产保险保费收入会随着城镇居民家庭人均可支配收入、社会消费品零售总额和居民汽车拥有量这几项的增加而增加。
从模拟的结果可以看出X4的系数为负，即社会消费品零售总额与财产保费收入反向变化，这与经济意义相背。
另外，X1、X5的系数为正，即城镇居民家庭人均可支配收入、居民汽车拥有量与财产保险保费收入同向变化，这与经济意义相符合。
(2).计量经济学意义检验①多重共线性检验由F检验和简单相关系数矩阵法检验,发现各解释变量的t检验值都不显著，但相关系数很高，而X4的系数为负不符合经济意义，估计解释变量间存在多重共线性。
对X1、X4、X5进行简单相关系数矩阵检验。
X1 X4 X5X1 1.000000 0.996799 0.974960X4 0.996799 1.000000 0.977511X5 0.974960 0.977511 1.000000由此可见，解释变量之间存在高度线性相关。
尽管整体线性回归拟合较好，但X4变量的参数t值并不显著而且符号与经济意义相悖。
现利用逐步回归法进行修正。
表明模型中解释变量确实存在严重的多重共线性。
利用逐步回归法进行修正，对X1、X4、X5进行简单相关系数矩阵检验。
第一个是居民可支配收入与财产保险保费收入Dependent Variable: YMethod: Least SquaresDate: 04/29/05 Time: 17:39Sample: 1992 2003Variable Coefficient Std. Error t-Statistic Prob.C -59.57889 20.52385 -2.902910 0.0158R-squared 0.988266 Mean dependent var 501.3300Adjusted R-squared 0.987092 S.D. dependent var 210.4994S.E. of regression 23.91530 Akaike info criterion 9.337926Sum squared resid 5719.415 Schwarz criterion 9.418743Log likelihood -54.02755 F-statistic 842.2027第二个是社会消费品零售额与财产保险保费收入.Dependent Variable: YMethod: Least SquaresDate: 04/29/05 Time: 17:51Sample(adjusted): 1992 2002Variable Coefficient Std. Error t-Statistic Prob.C 0.878686 27.20539 0.032298 0.9749R-squared 0.973864 Mean dependent var 467.9055Adjusted R-squared 0.970960 S.D. dependent var 184.3745S.E. of regression 31.41923 Akaike info criterion 9.895683Sum squared resid 8884.511 Schwarz criterion 9.968027Log likelihood -52.42626 F-statistic 335.3585第三个是居民汽车拥有量与财产保险保费收入.Dependent Variable: YMethod: Least SquaresDate: 04/29/05 Time: 19:31Sample: 1992 2003C -51.16056 33.49140 -1.527573 0.1576R-squared 0.968475 Mean dependent var 501.3300Adjusted R-squared 0.965322 S.D. dependent var 210.4994S.E. of regression 39.19926 Akaike info criterion 10.32620Sum squared resid 15365.82 Schwarz criterion 10.40702Log likelihood -59.95723 F-statistic 307.2041发现居民可支配收入(X1)的t值最大，线形关系强，拟合程度最好，因此把X1作为基本变量。
然后将其余解释变量逐一代入X1的回归方程，重新回归。
居民可支配收入（X1）与居民汽车拥有量(X5)的回归Dependent Variable: YMethod: Least SquaresDate: 04/29/05 Time: 20:22Sample: 1992 2003C -62.98389 17.06863 -3.690038 0.0050X1 0.075323 0.013724 5.488529 0.0004R-squared 0.992748 Mean dependent var 501.3300Adjusted R-squared 0.991136 S.D. dependent var 210.4994S.E. of regression 19.81785 Akaike info criterion 9.023361Sum squared resid 3534.724 Schwarz criterion 9.144587Log likelihood -51.14016 F-statistic 616.0139Dependent Variable: YMethod: Least SquaresDate: 06/03/05 Time: 22:57Sample: 1992 2003C -70.38331 28.76687 -2.446679 0.0370X1 0.133427 0.047742 2.794736 0.0209R-squared 0.988658 Mean dependent var 501.3300Adjusted R-squared 0.986137 S.D. dependent var 210.4994S.E. of regression 24.78412 Akaike info criterion 9.470601Sum squared resid 5528.275 Schwarz criterion 9.591828Log likelihood -53.82361 F-statistic 392.2504最终确定初步模型为。