第 1 章 引言
1.1 选题的背景与意义
1.1.1 研究背景
自改革开放以来，中国一直将计划生育作为基本国策在全国范围内贯彻执行。在这段时间里，经历了巨大经济和社会变革的中国取得了经济史上罕见的持续强劲增长，国内生产总值总量跃升至世界第二，年平均增长率接近 10%.与此同时，占全球五分之一的人口实现了基本的温饱，教育、医疗卫生、社会保障等各项社会事业也迅速发展。许多学者和研究人员都把计划生育政策带来的巨大人口红利作为拉动中国经济增长的最主要原因，较轻的社会抚养负担提高了促进资本形成的储蓄率，而充裕的适龄劳动力无疑是发展中国家实现跨越式发展的最适合的动力引擎。但是同曾经享有人口红利带来比较优势的其他国家和地区相比，中国的人口红利未能持续更长的时间。根据 2013 年国家统计局发布的人口数据显示，我国的劳动年龄人口于 2012 年首次呈现了绝对数量下降的趋势。可以说，中国的人口红利即将枯竭并不是没有出现明显的征兆。在近几年，传统大量吸收外出务工农民的珠三角、长三角地区接连出现“用工荒”现象，而且劳动力缺口这一问题开始向内陆地区蔓延。诺贝尔经济学奖获得者刘易斯（W·A·Lewis）认为，在农村剩余劳动力向工业化部门转移过程中，当工业化部门无法提供更有吸引力的工资而继续接纳农业剩余劳动力在城镇就业，这个临界状态就被称作“刘易斯拐点”,用来说明劳动力开始由过剩走向短缺。刘易斯拐点的出现意味着中国人口红利逐渐消失的趋势已经在 2012 年出现，这必将会对中国的经济增长产生难以估量的影响。
另外，中国是世界上实行计划生育政策最为严厉的国家，其政策实施导致的最直接的后果就是生育率在短时间内的大幅下降。许多学术研究表明，生育率的下降是导致人口老龄化的决定性因素，而实施计划生育政策的发展中国家会不可避免的面临老龄社会的来临。统计数据表明，按照 65 岁及以上人口占总人口 7%的国际通行衡量标准，中国早在 1995-2000 年间便已进入老龄社会，而且并将于在 2025-2030 年间进入 65 岁及以上人口占总人口 14%的深度老龄社会。中国人口年龄结构的转变对包括养老制度、就业制度等在内的经济运行体系形成了广泛并且深刻的冲击，未来老龄人口的住房、医疗、看护等相关支出会形成巨大的财政负担。放眼世界，西方诸多发达国家在未完全摆脱金融危机阴影的情况下，又陷入了由经济停滞日益无法应对庞大公共福利支出而引起的债务危机泥潭。毋庸置疑，西方债务危机对于仍处在经济腾飞阶段的中国具有非常重大的警示意义。当国民经济一旦驶离了增长轨道，中国是否还能妥善解决老龄化人口结构带来的经济社会问题。而且，人口老龄化只是中国人口结构变化进程中的一个突出表现，在中国由落后农业国向工业国转变的过程中，人口结构的各个方面都有着显著的改变。
基于以上国内外背景，本文以人口结构转变和人身保险市场发展的相关数据为基础，运用定性与定量相结合的方法研究中国人口结构变化对人身保险市场的影响效应，并从发展人身保险角度提出了应对人口结构转变的相关政策建议，这对于实现中华民族幼有所养、老有所依的传统社会理想也是有所助益的。
1.1.2 研究意义
伴随着国民收入水平的提升和科教文卫等社会保障事业的发展，中国的人口结构已经发生了显著变化，人口再生产类型已经进入以低出生率、低死亡率、总和生育率在 2.5以下以及平均预期寿命在 65 岁以上为特征的第四阶段。人口结构的转变必然会影响各种经济和社会制度安排，保险作为一种分担风险、补偿损失的经济制度同人口结构状况可以说是息息相关，尤其是人身保险与其有着更为直接的联系。因此，准确把握人口结构变化与保险市场发展的关系，这对于我国继续深化改革人身保险市场具有一定的理论指导意义。
中国保险业在改革开放基本方针指引下重新复业后经历了三十多年的快速发展，保险业在国民经济、居民生活以及金融体系中正发挥着越来越重要的作用，逐渐确立了作为现代金融业三大支柱之一的地位。2013 年实现保费收入 1.72 万亿元，其中人身险业务企稳回升，保费收入 1.1 万亿元。中国总保费收入世界排名上升至第 4 位，已经成为全球范围内发展最为迅猛的新兴保险市场。在保险业发展过程中，人口因素直接影响到人身保险产品的设计营销和保险业相关政策法规的制定。目前人口结构发生的这种变化，必将影响到我国人身保险市场各个主体的有关决策及其执行效果。切实应对这种人口结构的变化与趋势，无疑对促进人身保险业健康发展具有重要的现实意义。
1.2 文献综述
1.2.1 国外研究现状
国外相关研究主要通过实证方法分析了影响寿险需求的主要因素，其中都在不同程度上涉及到关于人口结构的相关变量。Lewis（1989）通过构建数理模型分析了相关人口因素对寿险需求的微观影响，即在家庭的相对风险厌恶程度一致的前提下，寿险消费需求随主要收入者的死亡概率和家庭成员消费现值的提高而增加。如果将该理论推广应用到宏观领域，人身保险市场发展便决定于人口年龄结构和人口家庭结构。Browne（1993）率先研究了跨国范围内的寿险保费收入数据，实证分析得出人口结构中的抚养比、教育水平因素同寿险需求呈现正向关系，而且人口的宗教信仰因素也发挥了显著作用，信奉伊斯兰教的国家和地区寿险需求明显低于整体平均水平。Beck 和 Webb（2002）将发展中国家与 OECD 国家进行了对比研究，发现发展中国家的老年抚养比和城市化率与人身保险市场发展为反向关系，分析得出可能是由于发展中国家贫富差距较大和区域结构发展不合理所导致的。同时该研究还指出，发展中国家教育水平的提高对促进人身保险市场发展起着最为显著的作用。Li 和 Moshirian 等（2007）在 Beck 的基础上重新重点考察了 OECD 国家，使用 GMM 回归修订了一般最小二乘回归所产生的异方差性，实证得出：平均预期人口寿命对人身保险发展的影响为负，抚养比对人身保险发展的影响为正。
1.2.2 国内研究现状
同国外理论界类似，国内学者一般都是将人口结构中的若干因素纳入进关于人身保险需求的整体研究框架当中，很少单独分析人口结构变化带来的相关影响。卓志（2001）通过研究中国 1986 年至 1995 年的人寿保险保费资料，得出结论：较高的少年儿童抚养比和正在增长的老年抚养比会使我国寿险业受益，较低的人口教育水平可能会阻碍寿险的发展。孙秀清（2004）在同全球人口形势比较后总结得出中国人口结构的变化趋势，指出人口老龄化给人身保险的发展造成了负面的影响，人口向城市聚集趋势的加深进一步释放了人身保险的需求，人身保险市场在我国东中西部间发展的明显差距源于人口区域结构的不平衡。郭金龙、张昊（2005）认为人口老龄化会有利于保费增长，实证研究发现 65 岁及以上人口与保险公司保费收入高度相关。薛伟贤、张韫（2009）运用因子分析法对中国 1985 年至 2007 年的时间序列数据进行了实证分析，认为我国社会保障体系正处于转型时期，人口老龄化对保费收入增长是不显著的。张连增、尚颖（2011）基于 1997--2008 年度的省级面板数据实证得出以下结论：人口老龄化对人身保险市场发展虽然会带来一些不利影响，但是总体来看仍起到了较为明显的推动作用。廖海亚、游杰（2012）总结归纳了人口自然结构、人口社会结构和人口地域结构对于中国保险业的综合影响，指出我国保险业应根据这些变化与趋势，积极采取应对措施。
1.3 研究方法
1.定性分析和定量分析相结合的方法
将定性分析和定量分析相结合是分析经济学问题的基本方法，在经济学研究中有着广泛的应用。本文采用定性分析和定量分析相结合的方法对影响我国人身保险市场发展的人口结构因素进行研究，不仅从定性的角度分析了人口结构作用机制和途径，而且根据我国人口统计和保险市场的相关数据，对这一问题进行了定量分析。
2.动态分析与静态分析相结合的方法
本文运用了动态分析与静态分析相结合的方法，在分析我国人口结构转变趋势时运用了动态分析的方法，细致描述了改革开放以来我国人口结构随社会经济发展的变化轨迹。在此之后采用静态分析方法概括了当前中国人口结构的现状，重点关注了人口的年龄、性别、城乡和文化素质结构。
此外，本文在分析中国人口结构变化对人身保险市场的影响效应时，还引入了比较分析方法和综合分析方法进行研究，以求建立一个系统的综合实证框架，从而科学、准确、全面的揭示两者的相关性。
1.4 研究思路和创新之处
1.4.1 文章的研究思路
第一章是文章的导论部分，主要说明了文章选题的背景与意义、相关文献综述、研究方法和创新之处。第二章对人口结构的一般理论进行了论述，介绍了人口结构的内涵、分类以及人口结构研究发展的历史沿革，并着重分析了人口结构与保险的相关关系。第三章描述了中国人口结构和人身保险市场发展的趋势与现状，为接下来的深入研究做好了准备工作。第四章是文章的实证分析部分，采用分位数回归方法全面探讨了人口结构变化对人身保险市场的影响效应。第五章在实证结果基础上，利用钻石模型并对当前中国的人身保险市场进行了总体评价。第六章在前文研究的基础上，提出了进一步改革人身保险市场的政策建议。
1.4.2 文章创新之处
1.目前的国内外相关文献大多将人口结构因素作为个体变量纳入到分析保险需求的综合框架之中，未能将其细化深入研究。人口结构按照不同口径有着诸多分类，相关实证文献主要集中在人口年龄结构的研究，一定程度上忽视了人口的性别结构、人口的城乡结构和人口的文化素质结构等其他表现形式。本文将具有代表性的人口结构分类表现形式作为自变量纳入进了实证模型，全面分析了人口结构变化对人身保险发展的相关影响。
2.随着人口红利的趋于消失，中国的人口结构发生了重大变化，一些学者已经注意到了人口结构转变与人身保险市场关系研究的重要性，但未能进行更深一步的实证研究。本文弥补了上述研究领域存在的空白，使用分位数回归方法对影响我国人身保险发展的各个解释变量进行了深入分析，从而得出了更为全面且准确的结论。
