我國壽險市場區(qū)域差異的空間經(jīng)濟計量分析

蔣麗君

(浙江經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院財務(wù)會計系,浙江 杭州 310018)

一、引 言

自1980年以來,我國保險業(yè)呈現(xiàn)出迅猛的發(fā)展趨勢,2010年末,全國保費收入達到1.45萬億元,保險深度3.4%,保險密度100美元。但是,我們必須看到,中國保險業(yè)在高速增長的同時,也存在許多問題,其中之一便是保險市場區(qū)域發(fā)展的不平衡。本文擬使用空間經(jīng)濟計量進行分析,在研究中引入空間因素,運用空間自回歸模型、空間滯后模型,將距離、地理位置等空間因素納入分析框架,為保費增長和地區(qū)差距研究提供一個新的分析思路。考慮到我國壽險保費收入自1997年首次超過非壽險保費收入以來,占總保費的比例越來越高 (2010年高達73.1%),本文將重點考察我國壽險市場的地區(qū)差異,并利用省際面板數(shù)據(jù)進行實證分析,從社會、經(jīng)濟、人口統(tǒng)計學(xué)特征解釋這些差異,希望對認識我國壽險市場的結(jié)構(gòu)性差異、對保險公司制定不同地區(qū)的市場開發(fā)、產(chǎn)品開發(fā)戰(zhàn)略具有一定的參考價值。

二、我國壽險市場區(qū)域發(fā)展的空間關(guān)聯(lián)分析

空間自相關(guān)性分析 (也稱聚類檢驗)是一種認識空間分布特征最常用的空間統(tǒng)計方法,可以用此法來揭示出保險業(yè)的空間分布特征以及區(qū)域間的相互作用。具體有兩類工具:第一類用來分析空間數(shù)據(jù)在整個研究區(qū)域內(nèi)表現(xiàn)出的分布特征,通常將其稱為全局空間相關(guān)性分析。第二類用來分析局部子系統(tǒng)所表現(xiàn)出的分析特征,又稱為局部空間相關(guān)性,具體表現(xiàn)形式包括空間集聚區(qū)、非典型的局部區(qū)域、異質(zhì)等。

(一)全域空間相關(guān)性分析

空間自相關(guān)的全域指標(biāo)用于驗證整個研究區(qū)域的空間模式,本文采用學(xué)術(shù)界最常用的Moran'I指數(shù)作為衡量全域空間相關(guān)性指標(biāo)[1],其計算方法可表示為:

其中,yi,yj分別表示第i與j地區(qū)的觀測值 (在本文為保險密度);n為空間單元數(shù);wij為鄰接空間權(quán)重矩陣?？臻g權(quán)重矩陣wij包括鄰接或距離兩種標(biāo)準(zhǔn),通常采用二進制的鄰接矩陣,其目的是定義空間對象的相互鄰接關(guān)系,便于把地理信息系統(tǒng) (GIS)數(shù)據(jù)庫中的有關(guān)屬性放到所研究的地理空間上來對比。一般地:區(qū)域i和j區(qū)域相鄰時,wij=1;區(qū)域i和j區(qū)域j不相鄰時,wij=0。式中,i=1,2,…,;j=1,2,…,m;m≠n或m=n。Moran'I的取值范圍為 [-1,1],大于0表示各地區(qū)間為空間正相關(guān),數(shù)值較大,正相關(guān)的程度越強;小于0表明空間負相關(guān);等于0表示各地區(qū)之間無關(guān)聯(lián)。

根據(jù)2004年以及2009年 《中國保險年鑒》的數(shù)據(jù),我們分別計算了各自的Moran'I指數(shù),為0.2136、0.1488。我們可以發(fā)現(xiàn)各省區(qū)壽險市場還是存在一定的空間正相關(guān)性,呈現(xiàn)出一定程度的空間集聚,2004年的Moran'I指數(shù)大于2009年,說明隨著時間推移,各省經(jīng)濟差異的縮小,這種空間集聚特點有所緩和。

(二)局部空間相關(guān)性檢驗

圖1 各省區(qū)壽險市場空間自相關(guān)散點圖

為了進一步識別壽險市場是屬于高水平區(qū)域還是低水平區(qū)域,需要對空間數(shù)據(jù)進行局部空間相關(guān)性分析。Moran散點圖分析法是目前檢測局部空間相關(guān)性的主要方法[2]。

下面將檢測我國大陸30個省域壽險市場在地理空間上的相關(guān)性即空間相互依賴性。本文利用GeoDa0?96軟件生成局部Moran指數(shù)散點圖,它刻畫了空間滯后W—SXMD作為縱軸和SXMD(壽險密度)作為橫軸的分布情況,其中W—SXMD表示臨近值的加權(quán)平均值。相關(guān)性檢測結(jié)果如圖1:

由圖1可知,江蘇、天津、浙江、上海以及北京位于第一象限,表現(xiàn)為正自相關(guān)關(guān)系的空間集群,是壽險密度較高的地區(qū);北京、福建、遼寧、吉林、湖北、湖南、云南、山東、安徽、江西、河南、廣西、貴州、陜西、青海、內(nèi)蒙古、新疆位于第三象限,同樣是正的空間自相關(guān)關(guān)系的集群,但為壽險密度較低的地區(qū),壽險密度不斷下降;四川、黑龍江、廣東位于第四象限;而河北同時跨越了第一、第二象限;海南同時跨越了第二、第三象限;重慶、山西同時跨越了第三、第四象限;當(dāng)然位于第2、4象限的省份不多,位于第1、3象限省份的壽險市場局部HH和LL分化,經(jīng)濟發(fā)展水平高、保險市場開放較早的地區(qū)壽險發(fā)展水平明顯高于經(jīng)濟發(fā)展水平低、保險市場開放較晚的地區(qū)。從一定程度上可以認為我國省域壽險市場在地理空間的分布上存在著依賴性和異質(zhì)性,表現(xiàn)為局部經(jīng)濟條件較好的東南沿海地區(qū)壽險市場具有空間相關(guān)性、空間依賴性,而西部地區(qū)、中部地區(qū)表現(xiàn)為地區(qū)的空間依賴性。

在對壽險市場進行了空間相關(guān)性檢驗后,為了使壽險市場的空間相關(guān)性證據(jù)更加充分,筆者再對其空間相關(guān)性進行統(tǒng)計上的檢驗。檢驗結(jié)果如表1:

表1 省域壽險密度的空間滯后和空間誤差模型檢驗結(jié)果

從表1中可以看到,Moran'I的正態(tài)統(tǒng)計量Z值均大于正態(tài)分布函數(shù)在5%(1%)水平下的臨界值1.65(1.96),表明我國30個省、直轄市和自治區(qū)的壽險密度在空間分布上并非表現(xiàn)出完全隨機狀態(tài),而是表現(xiàn)出相似值之間的空間集群 (Clustering)趨勢,這再一次證明了我國壽險業(yè)具有明顯的正自相關(guān)關(guān)系 (空間依賴性),即具有較高產(chǎn)值的省區(qū)相對地趨于和較高產(chǎn)值的省域相靠近,較低產(chǎn)值的省區(qū)相對地趨于和較低產(chǎn)值的省域相鄰。因此,從整體上講,省域壽險市場之間的壽險密度是存在空間相關(guān)性的,也就是說,存在著空間上明顯的集群現(xiàn)象,各相鄰省區(qū)之間有很大的空間相關(guān)性和空間依賴性。因此,傳統(tǒng)的從時間維度出發(fā)的理論研究存在著明顯的不足。故有必要在使用省域面板數(shù)據(jù)進行研發(fā)與創(chuàng)新研究時考慮納入空間相關(guān)性的空間計量經(jīng)濟模型進行估計。

三、我國壽險市場區(qū)域發(fā)展差異成因的空間計量分析

下文擬在加入地理空間效應(yīng)的前提下,討論多種影響因素在導(dǎo)致壽險市場區(qū)域發(fā)展差異過程中的作用,以及各因素之間的相互影響。

(一)空間計量模型原理

空間計量經(jīng)濟分析的基本思想是將地域或地區(qū)間的相互關(guān)系引入模型中,對基本線性回歸模型(2式)通過一個空間權(quán)重矩陣W進行修正[3]:

式中,y是n×1的向量,代表被解釋變量。X是n×k的數(shù)據(jù)矩陣,代表解釋變量。β反映解釋變量對被解釋變量y變化產(chǎn)生的影響。

根據(jù)模型設(shè)定時對 “空間”的體現(xiàn)方法不同,空間計量經(jīng)濟模型中有兩種模型可以用來研究空間依賴性 (Anselin,1988)[4]:一種是空間滯后模型 (spatial lag model,SLM),又稱 “混合的回歸-空間自回歸模型”(mixed regressive-spatial autoregressive),主要是用于研究相鄰地域的經(jīng)濟行為對整個系統(tǒng)內(nèi)其他地域的經(jīng)濟行為產(chǎn)生影響的情況:

式中,W是n×n階的空間權(quán)重矩陣,即n個地域之間相互關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)的一個矩陣,λ是空間滯后因變量Wy的自回歸系數(shù),其他變量意義與上文相同。

另一種是空間誤差模型 (spatial errors model,SEM)[2],其擾動項顯示出地域間的相互關(guān)系。當(dāng)?shù)赜蛑g的聯(lián)動作用因所處的相對位置不同而存在差異時,則采用此模型。具體而言,對于擾動項的空間相關(guān)形式又存在兩種基本的表達方式,模型形式如下:

空間誤差自相關(guān)模型:

空間誤差移動平均模型:

式中,ρ是空間誤差自相關(guān)系數(shù),θ是空間誤差移動平均系數(shù),Wε和Wu都是空間滯后誤差項,ε、u均為擾動項,其他變量意義與上文一致。

對于上述兩種模型的參數(shù)估計,考慮到最小二乘法估計 (OLS估計)的基本假設(shè):空間事物無關(guān)聯(lián)并且具有均質(zhì)性,如果在空間計量分析中仍采用最小二乘法估計,將會導(dǎo)致參數(shù)估計值會有偏或者不可信。因此,需要通過工具變量法 (IV)、極大似然法 (ML)或廣義最小二乘估計等其他方法來進行估計。

(二)空間計量實證分析

空間相關(guān)性分析雖然可以定性地檢測各省域壽險市場間是否存在空間集群效應(yīng),但對各省域壽險市場之間存在集群效應(yīng)的成因以及影響因素并未作出定量分析,對于這個問題的探討,我們需要采用空間計量經(jīng)濟分析框架,以中國大陸30個省區(qū) (西藏因數(shù)據(jù)缺失較多而未加考慮)為研究對象,對壽險業(yè)的差異發(fā)展進行空間計量檢驗和分析。

根據(jù)相關(guān)文獻的建模原理[2][3],筆者以保險密度 (y)為被解釋變量①通?？梢赃x擇保險密度或保險深度,由于保險深度指標(biāo)的分母是GDP,與作為分子的保費收入呈高度的相關(guān)性,從而使得此二者的比值不能恰當(dāng)?shù)胤从潮ｋU市場的真實發(fā)展水平,因此,本文選用了保險密度。;以人均GDP(x1)、人均教育年限 (x2)②將不識字或識字很少、小學(xué)、初中、高中、大專以上的人分別賦以0年、6年、9年、12年、16年的教育年限,然后以各組人數(shù)為權(quán)重加權(quán)得到,用以綜合反映各省/區(qū)的教育文化水平。、金融保險從業(yè)人員占第三產(chǎn)業(yè)比 (x3)、少兒撫養(yǎng)比 (x4:指0-14歲人口占15-64歲人口的比例)、老年撫養(yǎng)比 (x5:指65歲及以上人口占15-64歲人口的比例)、非農(nóng)業(yè)人口比 (x6)這6個變量作為解釋變量。本文分析所需基本模型如下:

式中,βi為回歸參數(shù),ε為隨機誤差項,其他各變量解釋同前文。本文數(shù)據(jù)選取2009年各省市的發(fā)展數(shù)據(jù)進行橫截面分析。數(shù)據(jù)來自 《2010年中國保險年鑒》、《2010年中國城市統(tǒng)計年鑒》、《2010中國統(tǒng)計年鑒》和2010年各省、直轄市統(tǒng)計年鑒。

根據(jù)前文分析可知,2009年各省域壽險市場發(fā)展存在明顯的空間相關(guān)性、空間依賴特征。如果直接利用公式 (6)計算,忽視省域間的空間相關(guān)會產(chǎn)生計量誤差,必須要利用空間權(quán)重矩陣對模型進行修正。為了更詳細地分析并加以對比,本文分別使用前述兩種空間計量模型進行估計。采用空間滯后模型的估計方法是,將各省域壽險市場發(fā)展的空間滯后變量引入模型,表明一個省的壽險市場的發(fā)展情況可能與周圍省區(qū)甚至整個系統(tǒng)內(nèi)的壽險業(yè)的發(fā)展情況相關(guān)。所以,原模型可以轉(zhuǎn)化為:

空間誤差模型的估計方法是,城市間的空間相關(guān)性通過誤差項的變化來表現(xiàn),誤差項的方程可以是ARMA(1,1)或簡單的AR(1)及MA(1)[6]形式。本文選取空間誤差自相關(guān)模型,具體方程如下:

本文首先對在未引入空間因素的情況下使用普通最小二乘法估計方程 (6)的各個參數(shù),分析各種因素對壽險業(yè)發(fā)展程度的影響,然后引入空間矩陣,在考慮到地區(qū)空間因素的情況下利用極大似然法 (ML)估計方程 (7)和 (8),檢驗我國各省域壽險市場的發(fā)展是否存在地理溢出效應(yīng),各變量對壽險市場發(fā)展的影響程度,以及這種地理效應(yīng)在影響過程中的作用。最小二乘法 (OLS)的回歸結(jié)果見表2,空間計量分析結(jié)果見表3。

表2 省域壽險市場的 OLS回歸分析結(jié)果

根據(jù)OLS的回歸結(jié)果,我們可以看出,人均GDP(x1)的回歸系數(shù)為正,與我們預(yù)計的相同,人均GDP越大,該省區(qū)的壽險密度也越大,從顯著性上看,其標(biāo)準(zhǔn)誤為0.0085(較小),且從P值上看,其回歸比較顯著;人均教育年限 (x2)、非勞動人口比的系數(shù) (x6)也為正,從統(tǒng)計上看也十分顯著。而金融保險從業(yè)人員占第三產(chǎn)業(yè)比在統(tǒng)計上并不顯著;少兒撫養(yǎng)率 (x4)與老年撫養(yǎng)率(x5)系數(shù)均為負,在統(tǒng)計上也比較顯著,但是老年撫養(yǎng)率的系數(shù)與預(yù)期有所偏差 (具體將在下文分析)。為了比較空間滯后模型和空間誤差模型同普通模型的區(qū)別,下面給出SLM和SEM模型的檢驗結(jié)果。

表3 省域壽險市場的空間滯后和空間誤差模型 ML估計結(jié)果

由表3可以看出,空間滯后模型和空間誤差模型在人均GDP(x1)、人均教育年限 (x2)、少兒撫養(yǎng)率 (x4)、老年撫養(yǎng)率 (x5)和非勞動人口比 (x6)都具有統(tǒng)計顯著性,且其系數(shù)都符合經(jīng)濟意義。并且SLM模型的空間滯后參數(shù)和SEM模型的空間誤差參數(shù)表明保險市場的壽險密度在省域之間存在空間擴散效應(yīng),同時也表明壽險密度在省域之間存在空間依賴性。

空間經(jīng)濟計量分析結(jié)果如下:

1.SEM對方程的擬和效果優(yōu)于OLS模型、SLM模型

比較表2和表3中的檢驗結(jié)果發(fā)現(xiàn),SEM模型的R2最高 (88.94%),高于OLS模型 (80.36%)和SLM模型的R2(85.75%);比較LogL、AIC和SC值也發(fā)現(xiàn),SEM模型的LogL最大 (-217.6539),而AIC和SC值最小 (分別為449.308、459.3458),因此,SEM模型是最優(yōu)的模型。這表明我國保險業(yè)中的壽險市場在省域之間存在空間依賴性,相鄰地區(qū)具有很大的相關(guān)性和依賴性。

2.空間因素確實對省域壽險市場發(fā)展差異成因有一定影響

與普通最小二乘法相比,兩個SLM模型的擬和度都有所提高,說明空間因素確實在分析省域壽險市場發(fā)展差異成因中起到作用,地理和空間因素通過某種傳導(dǎo)機制,在各省區(qū)壽險市場發(fā)展中發(fā)揮著重要的影響。

3.在納入空間因素的前提下,顯著影響省域壽險市場差異發(fā)展的因素還有人均GDP(x1)、人均教育年限 (x2)、少兒撫養(yǎng)率 (x4)、老年撫養(yǎng)率 (x5)、非農(nóng)業(yè)人口比 (x6)

人均GDP和非農(nóng)業(yè)人口比例這兩項指標(biāo)反映了百姓對壽險的有效需求或購買力?？臻g計量結(jié)果證明:人均GDP對各省區(qū)的保險密度存在顯著影響,從地區(qū)截面比較來看,隨著人均GDP的逐漸提高,壽險購買力逐漸增強,但到達一定水平后,邊際影響下降。從非農(nóng)業(yè)人口比例來看,并無顯著影響,其經(jīng)濟含義是,一般地,非農(nóng)業(yè)人口的壽險購買力高于農(nóng)業(yè)人口,但隨著經(jīng)濟水平的不斷提高,城鄉(xiāng)之間的差別趨于減小,從而對壽險購買力的影響逐漸減小,以至于在最發(fā)達地區(qū)影響不顯著。

人均教育年限、少兒撫養(yǎng)比、老年撫養(yǎng)比為反映保險需求的變量。由模型方程可知,人均教育年限越高,對保險的需求越大;少兒撫養(yǎng)比與保險需求呈負相關(guān)關(guān)系,表明子女越多,傳統(tǒng)的家庭保障程度越高 (生育子女較多的地區(qū)往往是不發(fā)達地區(qū)),對商業(yè)保險的需求越低。

與理論預(yù)想有所不同的是,在當(dāng)前階段,老年撫養(yǎng)比與保險需求呈負相關(guān)關(guān)系,根據(jù)相關(guān)經(jīng)濟理論的解釋:盡管老年人因年齡限制而無法直接參加商業(yè)保險,但可以通過子女的撫養(yǎng)負擔(dān)壓力去間接地提高保險需求。所以,關(guān)于老年撫養(yǎng)率問題有待進一步研究。

四、結(jié)論及建議

借助空間經(jīng)濟計量模型,在考慮到空間因素影響的條件下,本文探討了我國壽險市場發(fā)展的空間分布狀況和空間差異影響因素。全域空間自相關(guān)分析表明,我國壽險業(yè)表現(xiàn)出空間依賴和集聚特性。局域空間自相關(guān)顯示了各地區(qū)壽險市場空間分布的不同特點:壽險市場分布呈現(xiàn)明顯的核心—外圍地域特征,壽險市場發(fā)展已經(jīng)形成以東南沿海為核心,以西部和西南地區(qū)為外圍的發(fā)展格局。針對壽險市場發(fā)展存在的地區(qū)差異,提出以下建議:

1.我國不平衡的社會經(jīng)濟結(jié)構(gòu)是導(dǎo)致我國壽險市場不平衡發(fā)展的重要因素,要從根本上解決壽險市場差異過大的問題,就必須從解決我國東西部經(jīng)濟二元性結(jié)構(gòu)狀況著手。我們相信,隨著地區(qū)經(jīng)濟發(fā)展日趨平衡,經(jīng)濟相對落后地區(qū)的保險需求潛力將要釋放,各地區(qū)保險行業(yè)發(fā)展差異性的問題必將得到有效解決。

2.保險監(jiān)管部門應(yīng)給予相對落后地區(qū)的保險行業(yè)以適當(dāng)?shù)恼邇A斜,比如下放部分監(jiān)管職能給地方保險監(jiān)管機構(gòu)、給予區(qū)域保險公司一定的條款制定權(quán)等。[7]同時,國家可以在政策上對中西部區(qū)域性保險公司的發(fā)展進行扶持,如稅收優(yōu)惠、銀行貸款、工資補貼等。不過,政策扶植應(yīng)綜合考慮和衡量短期的政策效果和長期政策效果,以培植后發(fā)展地區(qū)保險業(yè)自我發(fā)展能力為最終目標(biāo)。

3.保險公司要因地制宜,有針對性地制定地區(qū)發(fā)展戰(zhàn)略,根據(jù)不同地區(qū)的經(jīng)濟發(fā)展?fàn)顩r、風(fēng)險水平、需求結(jié)構(gòu),開發(fā)出符合各地區(qū)保險需求特征的多層次、多樣化的險種,“差異性”地發(fā)展各地壽險業(yè)。當(dāng)然,保險公司也可以根據(jù)實際情況發(fā)展區(qū)域保險公司,因為在各地區(qū)平均地配置公司人、財、物力或者盲目跟風(fēng)不可能取得理想的績效。

4.政府應(yīng)一如既往地保持對教育的扶持,教育程度的提高能明顯增強人們的保險意識,提高保險需求以及購買保險的理性程度。當(dāng)然,保險是一種供給推動型的行業(yè),保險公司也要積極參與保險常識的普及和保險知識的宣傳,減弱或消除居民的僥幸心理,吸引他們投保,增強全民保險意識。

當(dāng)然,本文使用的是省域截面數(shù)據(jù),只考慮了空間單元之間的相關(guān)性,而忽略具有時空演變特征的時間尺度之間的相關(guān)性,這顯然是一個美中不足。如果能把面板數(shù)據(jù)模型和空間計量經(jīng)濟學(xué)模型有機結(jié)合起來,構(gòu)建一個綜合考慮了變量時空二維特征和信息的空間面板數(shù)據(jù)計量經(jīng)濟模型,則是一種新穎的研究思路。

[1]陳斐.區(qū)域空間經(jīng)濟關(guān)聯(lián)模式分析理論與實證研究 [M].北京:中國社會科學(xué)出版社,2003.

[2]吳玉鳴.中國經(jīng)濟增長與收入分配差異的空間計量經(jīng)濟分析[M].北京:經(jīng)濟科學(xué)出版社,2005.

[3]盛體雁等.空間計量經(jīng)濟學(xué) [M].北京:北京大學(xué)出版社,2010.

[4]Anselin L,Florax R J GM,Rey S J.Advances in spatial econometrics:methodology,tools and applications[M].Berlin:Sp ringer-Verlag,2004.1-3.

[5]William H.Greene,Econometric Analysis(M),4th ed.,Prentice Hall,Inc.2000,p557-584.

[6]William H.Greene,Econometric Analysis(M),4th ed.,Prentice Hall,Inc.2000,p557-584.

[7]王金鐸.中國區(qū)域保險的理論與政策研究 [M].北京:中國財經(jīng)出版社,2006.