スライド 1

Size: px

Start display at page:

Download "スライド 1"

しのぶごちょう
5 years ago
Views:

1 全国消費実態調査の匿名データを用いた人以上世帯の保険需要の分析宇野慧アステラス製薬株式会社開発本部データサイエンス部

2 要旨 : 貯蓄型保険と非貯蓄型保険両方の需要に対して世帯属性の中でも特に就業状況が与える影響に着目したデータは平成 6 年度の総務省全国消費実態調査の匿名データを用いた SUR(Seemingl Unrelated Regression) Tobit モデル推定の結果就業状況が保険需要に与える影響は貯蓄型と非貯蓄型で大きく異なることが確認できたキーワード : 全国消費実態調査匿名データ保険需要 SUR Tobit モデル NLMIXED プロシジャ

3 : 分析の背景発表の構成について : 分析に用いたデータの説明分布状況の確認 3: 推定に用いた理論モデルの説明プログラムの概要 4: 推定結果および結果の解釈 5: まとめ参考文献等

4 : 分析の背景 (/3) 世帯の保険需要については資産選択の問題として多くの実証分析の蓄積があるしかし貯蓄型と非貯蓄型という商品特性に着目したものは無い今回貯蓄型と非貯蓄型の違いを明示的に扱った分析として両保険の支出額を同時方程式モデルにて推定

5 貯蓄型保険 : 分析の背景 (/3) 保険料を継続的に支払い契約期間を満了すると満期保険金として一括金額が受領できる満期時点での給付金額が決まっている確定給付型の保険が多く原則的に満期までの長期的な資産運用の性質を持つ金融商品として非貯蓄型と比べて月当たりの支払額が高額に設定されている資産運用に関してリスク回避的な世帯の加入率が高く支払額も高いと考えられる

6 非貯蓄型保険. 分析の背景 (3/3) 毎月の掛け捨て型であるため貯蓄型のような金融資産的な性質は持たない月当たりの支払額は貯蓄型に比べて安価に設定されていることが多いリスクを選好する世帯では非貯蓄型保険で支出を安価に抑えその差額分を別の金融商品として資産運用に回す可能性が考えられる

7 . 匿名データの特徴 (/) 総務省全国消費実態調査 ( 平成 6 年度 ) をベースに一部加工を行ったものが提供される人以上世帯 (4386 世帯 ) と単身世帯 (3936) で別の調査票人以上世帯の調査期間は 9 月 ~ 月ボーナス月の影響は除外されている人以上世帯では世帯属性データ支出データ耐久消費財データなど 780 系列のデータが格納

8 . 匿名データの特徴 (/) 匿名性を担保することを目的として高額貯蓄のトップコーディングやリサンプリングなど一部データ加工を実施しているため元データの集計結果と完全一致しないしかしあくまで公的統計データでありこのデータを用いた分析は正式な実証研究の成果として公表可能 ( 疑似ミクロデータとの違い )

9 . 匿名データ利用方法 (/) 匿名データは学術研究の発展又は高等教育の発展に資すると認める場合であって以下の要件をすべて満たす場合に提供可能統計の作成又は統計的研究にのみ利用されること学術研究又は高等教育 ( 学校教育法 ( 昭和年法律第 6 号 ) 第条に規定する大学又は高等専門学校における教育 ) の用に供することを直接の目的とするものであること

10 . 匿名データの利用方法 (/) 学術研究の成果又は教育内容が公表され社会に還元されること申請に要する期間費用利用申請 ~ 受け取りまで審査期間を含めカ月強は必要費用はデータセットで万円程度 ( 今回の申請では SAS Institute Japan 株式会社様にご負担頂きました )

11 . 分析に用いる変数 (/) 就業属性 ( 世帯主世帯の人目に着目 ) 変数名自営業ダミー大企業ダミー中小企業ダミー公務員ダミー詳細世帯主 / 人目が自営業者の場合にをとるダミー世帯主 / 人目が大企業 (500 人以上 ) に勤務している場合にをとるダミー世帯主 / 人目が中小企業 (500 人未満 ) に勤務している場合にをとるダミー世帯主 / 人目が公務員の場合にをとるダミー

12 . 分析に用いる変数 (/) その他の世帯属性変数名詳細世帯主年齢世帯主の年齢 (5 歳刻みの区分データ ) 世帯人員数世帯人員数 8 歳未満人数世帯員のうち8 歳未満の人数 65 歳以上人数世帯員のうち65 歳以上の人数大都市圏ダミー 3 大都市圏に居住している場合にをとるダミー世帯主女性ダミー世帯主が女性の場合にをとるダミー経常所得対数値経常所得を自然対数変換した値貯蓄対数値貯蓄額を自然対数変換した値

13 . 基本統計量 ( 支出額 >0 の部分 ) variable N(>0 sub) mean std min q median q3 max 非貯蓄型貯蓄型非貯蓄型 ( 対数変換 ) 貯蓄型 ( 対数変換 ) 貯蓄型 : 加入貯蓄型 : 非加入合計非貯蓄型 : 加入 8906 世帯 7383 世帯 689 世帯非貯蓄型 : 非加入 86 世帯 895 世帯 757 世帯合計 6334 世帯 757 世帯 4386 世帯

14 . 世帯主の就業区分別の基本統計量貯蓄型保険に関する自営業の顕著な傾向非貯蓄型保険世帯数加入世帯数加入率 (%) 平均値 (>0) 標準偏差 (>0) 非就業その他自営業大企業中小企業公務員貯蓄型保険世帯数加入世帯数加入率 (%) 平均値 (>0) 標準偏差 (>0) 非就業その他自営業大企業中小企業公務員

15 . 基本統計量まとめ (/3) 非貯蓄型貯蓄型の両方に加入している世帯が 40% 程度非貯蓄型貯蓄型のいずれか一方に加入している世帯がそれぞれ 0% 程度いずれの保険にも加入していない世帯が 0% 非貯蓄型保険では平均値が 8.59( 指数変換すると約 5400 円 ) の比較的正規分布に近い分布となるまた貯蓄型保険についても平均値が 0.3( 指数変換すると約 7700 円 ) の比較的正規分布に近い分布となる

16 . 基本統計量まとめ (/3) 非貯蓄型保険就業状況に応じて加入率が異なり非就業や自営業に比べ大企業中小企業公務員の加入率が高い加入世帯の平均値に着目すると非就業に比べ他の世帯が若干高い傾向

17 . 基本統計量まとめ (3/3) 貯蓄型保険自営業世帯が突出して加入率が低い加入世帯の平均値についても非就業と比較して大企業中小企業公務員の世帯では支払額が若干高い傾向上記の傾向をモデル推定で検証する

18 3. 推定モデル (/4) 保険料は負の値を取らないため 0 での打ち切り分布となる貯蓄型非貯蓄型それぞれの決定を扱う連立 Tobit モデルで分析ただし同時方程式モデルではなく誤差の分散構造のみに関係性を盛り込んだ SUR(Seemingl Unrelated Regression) Tobit モデルで分析負の値を取りうる潜在的な需要 ( * ) を用いて次ページのようにモデル設定を記述

19 3. 推定モデル (/4) * * * *, 0 0 ) max( 0, ) max( 0, ~

20 3. 推定モデル (3/4) 各保険への支出額 (0 正 ) によって次ページの 4 通りの尤度関数となる Φ φ はそれぞれ標準正規分布の累積分布関数密度関数

21 3. 推定モデル (4/4),, 0 0 ) ( 0 0 ) ( 0 0,, 0 0 L then and if L then and if L then and if L then and if

22 3. 推定プログラム概要 (/) 詳細は別添を参照されたい proc nlmixed data=data tech = NEWRAP; /* パラメータの初期値設定 */ parms b00 ~ b30 s ~ s; bounds s s > 0; pi=atan()*4; = log_kakesute; = log_v063; /* 右辺を定義する */ xbeta = b00 + b0*jiei + + b30*log_saving ; xgamma = b00 + b0*jiei + + b30*log_saving ; /* 誘導系のモデル式を定義する */ e = - xbeta; e = - xgamma; /* 分散共分散行列の行列式を定義する */ det_sig = s***s** - s**;

23 3. 推定プログラム概要 (/) /* 尤度関数を定義 */ if = 0 and = 0 then ll = log(probbnrm(xbeta/s,xgamma/s,s/(s*s))); else if = 0 and > 0 then ll = -log(s) + log(pdf('normal',e/s, 0,)) + log(-cdf('normal',/(-(s/(s*s))**)**0.5 * (xbeta/s+(s/(s*s))*e/s),0,)); else if > 0 and = 0 then ll = -log(s) + log(pdf('normal',e/s, 0,)) + log(-cdf('normal',/(-(s/(s*s))**)**0.5 * (xgamma/s+(s/(s*s))*e/s),0,)); else if > 0 and > 0 then ll = -/*log(*pi) -/*log(det_sig) -/det_sig *(s*e** - *s*e*e + s*e**) ; model log_v063 ~ general(ll); run; /* 尤度関数の最大化を定義 */

24 推定上の Tips 初期値は連立方程式を構成する各式に対して Tobit 推定した推定値を用いるデフォルトの収束基準では Local max に落ちてしまう可能性が高いので QTOL など厳し目の収束基準を設定する推定が上手くいかない場合スケールパラメータの役割をしている分散パラメータの値を変更することで経験上うまくいくことが多い変量正規分布の累積分布は probbnrm で計算可能だが 3 変量以上の場合は自前で数値積分の計算が必要なため難易度が上がる

25 推定結果を考察する際の注意点線形モデルであれば被説明変数が対数値の場合の推定値は離散変数 : カテゴリーの基準に対する比連続変数 : 弾力性 ( 説明変数が対数値の場合 ) 変化率 ( 説明変数が非対数値の場合 ) Tobit モデルでは加入 / 非加入の値選択と加入額の量的選択を同一パラメータで推定しているため線形モデルのような数値の解釈が出来ない NLMIXED は t 分布に基づく p 値を返してくるため小標本の場合は調整が必要

26 4. 推定結果 (/) 世帯主人目の就業属性の影響 ( 比較対象は無職世帯 ) 非貯蓄型保険貯蓄型保険 Estimate Standard Error Pr > t Estimate Standard Error Pr > t 世帯主自営業ダミー < <.000 世帯主大企業ダミー < <.000 世帯主中小企業ダミー < 世帯主公務員ダミー < <.000 人目自営業ダミー <.000 人目大企業ダミー人目中小企業ダミー人目公務員ダミー < <.000

27 4. 推定結果 (/) その他世帯属性の影響非貯蓄型保険貯蓄型保険 Estimate Standard Error Pr > t Estimate Standard Error Pr > t 世帯主年齢 < <.000 世帯人員数 < < 歳未満人数 < 歳以上人数 < 大都市圏ダミー <.000 世帯主女性ダミー < <.000 経常所得対数値 <.000 貯蓄対数値 <.000

28 4. 結果のまとめと解釈 (/4) 世帯主就業属性非貯蓄型保険では無職世帯以外は高い保険需要で特に自営業が突出して高い自営業で貯蓄型を敬遠する傾向貯蓄型保険では逆に自営業が著しく低い掛け捨てタイプの方が何らかの制度上で優遇される可能性が考えられる全般的に公務員世帯は高い保険需要

29 4. 結果のまとめと解釈 (/4) 人目就業属性世帯主の就業状況と比べると影響は軽微非貯蓄貯蓄とも公務員共働き世帯では高い保険需要世帯主の結果とは異なり自営業世帯では貯蓄型の需要がやや高まる

30 4. 結果のまとめと解釈 (3/4) その他の世帯属性年齢につれ保険料支払い額が高まりその傾向は非貯蓄型貯蓄型で同程度世帯人数が多いほど保険支出は多い子供が多い世帯では非貯蓄型の支払額が少ないまた老人が多い世帯では掛捨ては少なくなるが貯蓄性については顕著な傾向なし保険商品以外で長期的な資産形成を図る可能性大都市圏では貯蓄型の需要が低い

31 4. 結果のまとめと解釈 (4/4) その他の世帯属性世帯主が女性の世帯では非貯蓄貯蓄とも低水準高所得世帯では掛捨てよりも貯蓄型を志向貯蓄額は非貯蓄貯蓄のいずれも有意

32 5. 今後の展望今回の分析で明らかになった自営業世帯の保険加入行動の独自性についてさらに検証を行いたい今回の分析では SUR Tobit モデルで推定を行ったが以下の問題点がある同時決定モデルでは無いことから資産選択の同時性を考慮出来ていない点加入非加入の値選択と加入額の量的選択の傾向を同一パラメータで推定している点人数や年齢などカテゴリー変数にすべきところを連続量として分析これらを考慮する方法はあるがさらに複雑な尤度関数を記述することになり推定が困難なため今後の課題としたい

1 コンテストについて SAS Insttute Japan 株式会社様主催教育用擬似ミクロデータを利用した分析のコンテスト規定課題 : 事前に提示された度数表集計表の結果を再現自由課題 : 自由な分析 ( 用いるのは擬似ミクロデータのみ ) 39 団体 45 名がエントリー ( 年齢制限

世帯主の就業状況が貯蓄性保険需要に与える影響についての考察 ~NLMIXED による Tobt/Hurdle モデル推定 ~ テルモ株式会社臨床開発部宇野慧 Satosh_Uno@terumo.co.jp 1 コンテストについて SAS Insttute Japan 株式会社様主催教育用擬似ミクロデータを利用した分析のコンテスト規定課題 : 事前に提示された度数表集計表の結果を再現自由課題