摘要：本文选取青岛市2000-2019年的相关经济数据，运用多元线性回归模型对影响青岛市寿险需求的诸多因素进行实证研究。
　　关键词：寿险需求，多元回归，实证
　　一、数据和模型
　　（一）数据的选取
　　1.被解释变量的选取
　　本文按照惯例选取青岛市2000-2019年每一年度人均寿险保费收入作为被解释变量进行实证分析。
　　2.解释变量的选取
　　综合考虑相关因素数据的可获得性以及处理的困难程度，本文选取城镇居民人均可支配收入占人均GDP的比值（%）、社会保障和就业支出占财政支出比重（%）、居民消费价格指数（CPI）以及普通高等学校在校学生数（万人）等因素作为解释变量进行实证分析。
　　（二）模型构建
　　借鉴国内外相关文献研究，多元线性回归模型被广泛应用于各类保险需求函数的估计中，研究表明该模型可以较好地描述寿险需求与各个影响因素之间的关系，因此本文利用获取的时间序列数据构建多元線性模型进行实证分析。
　　基于数据构建OLS模型，假设模型如下：
　　其中，Y代表人均寿险保费收入，X1代表城镇居民人均可支配收入占人均GDP的比值，X2代表社会保障和就业支出占财政支出比重，X3代表居民消费价格指数（CPI），X4代表普通高等学校在校学生数， 为随机误差项。
　　二、实证分析
　　（一）平稳性检验
　　实证研究经验表明，在对时间序列数据进行建模之前都需要对其进行平稳性检验，以避免伪回归现象的发生。本文采用ADF单位根检验方法对时间序列数据进行平稳性检验，检验结果表明原序列中只有X4是平稳序列，因此需要对各变量的一阶差分序列进行单位根检验，结果显示所有变量的一阶差分序列都是平稳时间。
　　（二）参数估计
　　利用Eviews进行OLS多元回归，运行结果如下：
　　由表2-1分析结果可知，该模型的R-squared为 ，Adjusted R-squared为0.902102，这说明所构建的模型能够对样本数据较好拟合;模型的统计量F为44.76992，说明回归方程的拟合优度较高;sig值为0.000<0.005，表示在95%的置信水平下，自变量和因变量之间确实存在线性回归关系;在回归系数分析表中，解释变量X1、X2、X3、X4的相伴概率sig值分别为0.0099、0.0032、0.034、0.0457，这表明这四个解释变量在5%的显著性水平上拒绝原假设，表现出较高的显著性。
　　所以得到的回归方程为：
　　其中，Y代表人均寿险保费收入，X1代表城镇居民人均可支配收入占人均GDP的比值，X2代表社会保障和就业支出占财政支出比重，X3代表居民消费价格指数（CPI），X4代表普通高等学校在校学生数， 为随机误差项。
　　三、结论
　　根据实证分析结果，可知城镇居民人均可支配收入占人均GDP的比重每增加一个百分点，就会使得人均寿险保费收入增加94.711元;社会保障和就业支出占财政支出比重比重每增加一个百分点，就会使得人均寿险保费收入增加198.057元;居民消费价格指数（CPI）每变化一个单元，就会使得人均寿险保费收入变动97.067元;普通高等学校在校学生数每增加以万人，就会使得人均寿险保费收入增加36.582元。
　　参考文献：
　　[1]杜薇.基于宏观层面我国寿险需求影响因素的实证分析[J].经济研究参考，2017（34）：96-101.
　　[2]宋桂芝.影响寿险需求经济因素的实证分析[J].中共青岛市委党校.青岛行政学院学报，2016（04）：12-15.
　　[3]吴攸.徐州市寿险需求市场实证分析[J].合作经济与科技，2014（14）：41-43.
　　[4]王明慧.寿险保费收入影响因素的理论与实证分析[J].现代商贸工业，2013，25（17）：151.
　　作者简介：
　　许洪峰（1995年-），男，汉族，山东省滕州市，研究生，河北地质大学，研究方向金融理财规划