供給視角下區(qū)域農(nóng)業(yè)保險效率的影響研究

焦星瑞 孔陽 江敏 王婧雨

[摘?要]從供給角度出發(fā)，選取相對規(guī)模、宏觀效率、持續(xù)發(fā)展三類指標衡量黑龍江省農(nóng)業(yè)保險發(fā)展水平，并進一步地以綜合評分為被解釋變量，構(gòu)造一個多元回歸模型，通過對微觀層面的2012—2016年間黑龍江省13個城市和地區(qū)保險數(shù)據(jù)的實證研究，得到如下結(jié)論：近幾年黑龍江省各城市農(nóng)業(yè)保險效率變化不大，鶴崗、黑河等城市始終排在前列;農(nóng)業(yè)保險效率得分每上升1%，農(nóng)業(yè)總產(chǎn)值、播種面積、承保面積分別變動0.1%、-0.7%、0.2%;各城市經(jīng)濟發(fā)展水平及第一、二、三產(chǎn)業(yè)占比對農(nóng)業(yè)保險發(fā)展水平產(chǎn)生影響。

[關(guān)鍵詞]農(nóng)業(yè)保險發(fā)展水平;主成分分析;面板數(shù)據(jù);地區(qū)經(jīng)濟

[中圖分類號]F840.66

[文獻標識碼]A

[文章編號]2095-3283（2019）08-0044-06

Abstract：From the perspective of supply， this paper selects three indicators of relative scale， macro efficiency and sustainable development to measure the development level of agricultural insurance in Heilongjiang Province， and further constructs a multiple regression model with comprehensive score as the explanatory variable， through the micro level. The empirical study on insurance data of 13 cities and regions in Heilongjiang Province during 2012-2016 concluded that the development of agricultural insurance is more reasonable from the perspective of relative indicators and absolute indicators， and the ability to pay and the degree of coverage are significantly related to the level of agricultural insurance development. Sex， the degree of regional economic development affects the level of agricultural insurance development.

Keywords：Agricultural Insurance Development Level; Principal Component Analysis; Panel Mode;Region Economy

一、引言

2004年開始設(shè)立政策性農(nóng)業(yè)保險試點以來，至今已有十余年，中國也成為了繼美國之后的全球第二大農(nóng)業(yè)保險市場。黑龍江省作為我國的農(nóng)業(yè)大省，地域遼闊，土地肥沃，耕地面積達1132.2萬公頃，全國排名第一。但與此成為鮮明對比的是，2015年黑龍江省種植業(yè)承保率距全國平均承保率56.4%還差6個百分點，農(nóng)業(yè)保險保費收入為31.84億元，賠款37.59億元，賠付率為118.06%，遠高于全國平均水平。

在研究農(nóng)業(yè)保險發(fā)展的道路上，保險發(fā)展水平及其影響因素的課題，被廣大學(xué)者關(guān)注，余新平，熊皛白，熊德平（2010）實證分析了農(nóng)民保險賠付與農(nóng)業(yè)保險收入對農(nóng)民收入增長的變動關(guān)系，認為農(nóng)業(yè)保險賠付越高，農(nóng)民收入增長越多，農(nóng)業(yè)收入反之;政策性財政補貼推動的黑龍江省農(nóng)業(yè)保險發(fā)展水平在全國層面上達到了較高層次（呂開宇、李春肖，2016），說明財政資金投入對農(nóng)業(yè)保險的促進作用，由于本文研究省內(nèi)保險發(fā)展水平，所以忽略財政補貼對省內(nèi)相同促進作用;馮文麗，史曉（2018）利用改進的熵值法確定京津翼地區(qū)農(nóng)業(yè)保險發(fā)展水平;劉樺燦，粟芳（2018）以保費收入和保費支出作為主導(dǎo)指標，并應(yīng)用協(xié)整理論對保費補貼效率進行探討，明確了三者之間存在的均衡關(guān)系;孫香玉，鐘甫寧（2009）從需求角度分析了農(nóng)業(yè)保險支付意愿的影響因素;江生忠（2015）認為農(nóng)業(yè)產(chǎn)值是農(nóng)業(yè)保險發(fā)展水平的重要影響因素，災(zāi)害發(fā)生頻率越高，農(nóng)民的風(fēng)險意識也越強，因而其對農(nóng)業(yè)保險需求也越高;但王韌（2014）與江生忠的想法恰恰相反。二者主要探究外部因素對農(nóng)民參保意愿的影響;程靜（2018）從內(nèi)部因素說明農(nóng)民收入是影響農(nóng)民對農(nóng)業(yè)保險有效需求的重要因素，其對農(nóng)業(yè)保險發(fā)展水平具有促進作用;周穩(wěn)海（2014）等認為，風(fēng)險越大，賠付率越高，農(nóng)民參保的必要性越大。但是，農(nóng)民參保意愿越強真的能說明一個地區(qū)農(nóng)業(yè)保險發(fā)展水平嗎？除此之外，還有其他學(xué)者強調(diào)了國內(nèi)保險市場的成熟程度、農(nóng)業(yè)需求不足、農(nóng)戶生產(chǎn)行為等因素對農(nóng)業(yè)保險發(fā)展水平的影響。國外的相關(guān)學(xué)者也做了一些研究;Hung-Hao Chang，Ashok K（2012）認為農(nóng)業(yè)保險在農(nóng)業(yè)生產(chǎn)產(chǎn)量上起到基礎(chǔ)性作用，為災(zāi)害發(fā)生做好了預(yù)防性措施;Kirsten Bendix Olsen，Peter Hasle（2015）介紹了農(nóng)業(yè)保險對農(nóng)業(yè)生產(chǎn)的激勵措施，并闡述了農(nóng)業(yè)保險在種植面積大的地區(qū)的重要作用。

綜上，雖然國內(nèi)外學(xué)者對影響農(nóng)業(yè)保險發(fā)展水平的因素做了一定研究，但多是基于農(nóng)戶需求視角，目前還未有學(xué)者從農(nóng)業(yè)保險供給視角對地區(qū)農(nóng)業(yè)保險發(fā)展做系統(tǒng)性定量評價，本文通過對農(nóng)業(yè)保險發(fā)展水平的理論與實證分析，期望能構(gòu)建地方農(nóng)保發(fā)展評價體系。

二、指標的選取與模型的構(gòu)建

（一）數(shù)據(jù)來源

以黑龍江省為例，運用主成分分析的方法對黑龍江省13個城市和地區(qū)的農(nóng)業(yè)保險發(fā)展水平進行評價，并對13個城市和地區(qū)進行農(nóng)業(yè)保險波動分析。本文用到了多種時序數(shù)據(jù)資源：農(nóng)業(yè)保險保費收入、農(nóng)業(yè)保險賠付支出、鄉(xiāng)村總?cè)丝跀?shù)、農(nóng)林牧漁業(yè)總產(chǎn)值、農(nóng)作物承包面積、播種面積、財產(chǎn)保險收入和財產(chǎn)保險賠付支出，數(shù)據(jù)尺度均為市級，數(shù)據(jù)來源為2012—2016各市統(tǒng)計年鑒、《中國保險年鑒》《黑龍江省統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》，使用現(xiàn)價統(tǒng)計的因素均抵減為2012年不變價。

（二）指標選取

本文參考已有研究成果，并考慮到影響因素的重要性及黑龍江省數(shù)據(jù)可得性，選取以下八個指標來分析黑龍江省農(nóng)業(yè)保險的發(fā)展水平。

其中，收入密度、支出密度、收入深度、支出深度四個指標從相對規(guī)模的角度來衡量農(nóng)業(yè)保險發(fā)展水平;賠付率與覆蓋率從宏觀效率的角度來衡量農(nóng)業(yè)保險的發(fā)展水平;保費收入占比和賠付支出占比從持續(xù)發(fā)展性的角度衡量了農(nóng)業(yè)保險的發(fā)展水平。

三、模型的構(gòu)建

（一）評價方法的選擇

本文采用主成分分析法，通過降維的方法把多個指標化為少數(shù)幾個綜合指標，在消除共線性的情況下盡可能多地保留原有指標的信息，適合后文繼續(xù)探究各個城市影響因素。首先將上述指標數(shù)值標準化后得到無量綱數(shù)據(jù)，標準化處理采用均值法。第二步，確定主成分個數(shù)，通過選取特征根大于1或前幾個主成分的累計貢獻率大于85%來確定。第三步，確定主成分載荷矩陣，Ui=Ai/λi，其中Ai是因子載荷矩陣，λi是特征值。第四步，根據(jù)特征向量和標準化指標值確定各主成分得分。最后，將各主成分得分和對應(yīng)方差貢獻率加權(quán)計算綜合得分。

（二）多元回歸模型的構(gòu)建

由于分析的數(shù)據(jù)具有時間維度和橫截面維度，所以采用面板數(shù)據(jù)進行分析。本文從相對指標以5個影響因子作為解釋變量，從絕對指標以4個影響因子作為解釋變量。農(nóng)業(yè)保險發(fā)展水平綜合評分作為被解釋變量，得出的面板數(shù)據(jù)模型為：

四、實證分析

（一）主成分分析法確定各地區(qū)農(nóng)保發(fā)展水平

對指標進行KMO檢驗，KMO數(shù)值越接近1，說明數(shù)值相關(guān)性越強，普遍認為KMO值在0.5—1.0之間適合進行主成分分析。Battle球形檢驗旨在檢驗各個指標是否相互獨立，若sig值<0.5，則適合做主成分分析。本文通過對黑龍江省13個城市和地區(qū)的8個指標值運用spss21.0檢驗，發(fā)現(xiàn)KMO與sig值均通過檢驗。

為了使因子含義更為清晰，采用方差極大法對因子載荷矩陣實行正交旋轉(zhuǎn)，旋轉(zhuǎn)在3次迭代后收斂，前兩個主成分的解釋力度達到了85%以上，且兩個主成分綜合原始數(shù)據(jù)信息的能力都很強。因此，本文選取前兩個主成分衡量各指標對農(nóng)業(yè)保險發(fā)展水平的影響。

表2的數(shù)值說明各指標與提取的公因子的相關(guān)程度，數(shù)值越高，關(guān)系越密切，其中第一主成分受到支出密度、收入深度、支出深度、與賠付支出占比的影響顯著，因子載荷量普遍在0.4以上，但其余指標有顯著下降趨勢，第二主成分受收入密度、賠付率、保費收入占比影響顯著，總體相關(guān)關(guān)系較第一主成分下降，收入密度、覆蓋率在隨時間變化對兩個主成分影響呈變動趨勢，說明歷年農(nóng)業(yè)保險收入與參保率受主觀影響強，不能有效規(guī)避風(fēng)險的發(fā)生。

根據(jù)2012—2016年農(nóng)業(yè)保險發(fā)展水平綜合得分發(fā)現(xiàn)，近五年農(nóng)業(yè)保險發(fā)展水平并沒有出現(xiàn)較大變化，鶴崗市始終保持排名第一，黑河、雙鴨山、雞西、大興安嶺等地基本上位居前列，是黑龍江省農(nóng)業(yè)保險發(fā)展水平較高的幾個城市，在經(jīng)濟狀況上，以上幾個城市經(jīng)濟發(fā)展水平相對較低，其他支柱性產(chǎn)業(yè)少，墾區(qū)較多，從政府角度來講，對農(nóng)業(yè)重視程度上升，經(jīng)濟發(fā)展較低覆蓋率較高，收入密度較大，參保土地較廣，使得賠付率較高。從保險公司角度來看，能使農(nóng)業(yè)保險公司在同行業(yè)中重要程度上升，這些方面共同促進地區(qū)農(nóng)業(yè)保險發(fā)展。而2012—2016年哈爾濱、大慶、綏化、牡丹江、齊齊哈爾等經(jīng)濟發(fā)展較好地區(qū)農(nóng)業(yè)保險評分普遍為負。說明農(nóng)業(yè)保險發(fā)展并不與經(jīng)濟發(fā)展呈正比，從歷年數(shù)據(jù)來看，幾個地區(qū)農(nóng)業(yè)保費收入普遍較低，導(dǎo)致覆蓋率不足，保險公司和政府應(yīng)該做好宣傳工作，適當增加農(nóng)民參保意愿。

（二）黑龍江省農(nóng)業(yè)保險發(fā)展水平回歸模型的構(gòu)建

本文使用面板回歸模型分析黑龍江省13個城市和地區(qū)農(nóng)業(yè)保險發(fā)展水平影響因素，時間區(qū)間是2012—2016年。建立的固定效應(yīng)模型如下：

建立的隨機效應(yīng)模型如下：

其中i和t的含義與前文相同。

本文以主成分分析法得到的主成分綜合評分指標為被解釋變量（yit），從相對指標和絕對指標兩個方面選取影響農(nóng)業(yè)保險發(fā)展水平的解釋變量分別建立多元回歸模型。相對指標選取覆蓋率X1、收入密度X2、收入深度X3、保費收入占比X4、賠付率X5;絕對指標選取保險收入X6、農(nóng)業(yè)從業(yè)人員X7、農(nóng)業(yè)總產(chǎn)值X8、播種面積X9、農(nóng)作物承保面積X10。對于含有時間序列過程的面板數(shù)據(jù)，變量不平穩(wěn)可能產(chǎn)生偽回歸，由于本文采用了典型的“大N小T”的短面板數(shù)據(jù)，因此無需考慮數(shù)據(jù)的動態(tài)特征進行單位根和協(xié)整檢驗。

（三）Hausman檢驗確定模型

Hausman檢驗的原假設(shè)是選擇隨機效應(yīng)模型，當Hausman統(tǒng)計量在統(tǒng)計上顯著時，就拒絕原假設(shè)，選擇固定模型進行參數(shù)估計，否則應(yīng)當選擇隨機效應(yīng)模型，相對指標檢驗結(jié)果為chi2（5）=28.08，Prob>chi2=0.0000，故拒絕原假設(shè)，固定效應(yīng)模型優(yōu)于隨機效應(yīng);絕對指標檢驗結(jié)果為chi2（5）=10.34，Prob

根據(jù)固定效應(yīng)模型（1），可以得到下列表達式：

根據(jù)隨機效應(yīng)模型（1），可以得到下列表達式：

固定效應(yīng)模型（1）中以相對指標作為解釋變量，模型結(jié)果顯示，R2為0.950848，調(diào)整后的R2為0.926844，且赤池信息準則和施瓦茨準則指標較小，說明模型擬合很好，F(xiàn)的概率為0.0000，在1%的概率下顯著，但模型（1）中收入深度、保費收入占比一次項的系數(shù)顯著性一般;固定效應(yīng)模型（2）是把原有影響因子不顯著的剔除后重新進行面板數(shù)據(jù)分析，可以看到各個影響因子的顯著性均提高，說明在不考慮保費收入占比和收入深度的情況下模型總體回歸效果顯著，能夠反映解釋變量與被解釋變量的相關(guān)關(guān)系，對模型的解釋能力更好。隨機效應(yīng)模型（1）是從絕對指標角度考量農(nóng)業(yè)保險綜合評分，模型中杜賓信息檢驗值2.0672，且F的概率為0.0000，說明模型不存在自相關(guān)性且擬合較好。隨機效應(yīng)模型（2）是排除不顯著系數(shù)保費收入和農(nóng)業(yè)從業(yè)人員后重新進行的數(shù)據(jù)分析，提高了各個系數(shù)的顯著程度。

（四）實證結(jié)果分析

固定效應(yīng)模型（1）中收入密度、賠付率和覆蓋率對農(nóng)業(yè)保險發(fā)展水平影響顯著。其中，收入密度表現(xiàn)為正，說明農(nóng)業(yè)保險發(fā)展的程度與收入密度同向變化。黑龍江省各城市近幾年鄉(xiāng)村從業(yè)人員緩慢減少，保費收入顯著增加，此消彼長下使得收入密度較大幅度上升。筆者認為，自從2007年黑龍江省受到中央及地方政府補貼政策支持后，收入密度每年均有不同程度的提升，農(nóng)民更加愿意參加農(nóng)業(yè)保險，但是并不能體現(xiàn)出發(fā)展水平高的特點。應(yīng)該加快農(nóng)業(yè)機械化進程，使農(nóng)民在減少農(nóng)業(yè)生產(chǎn)力成本的同時用節(jié)省下來的時間從事其他工作，像一些林墾區(qū)從事的植樹造林工作、農(nóng)村進縣城打工等都可以增加額外收入，用來抵御風(fēng)險。賠付率高，說明農(nóng)業(yè)風(fēng)險不確定性強且風(fēng)險發(fā)生使各地區(qū)賠付率較高，賠付率越高各地區(qū)受到災(zāi)害的侵襲程度越強，農(nóng)民損失越嚴重，由于存在風(fēng)險規(guī)避心理且受前年災(zāi)害影響收入較低，不愿意拿出本就微薄的收入?yún)⒓愚r(nóng)業(yè)保險，阻礙了農(nóng)保的發(fā)展。覆蓋率是對農(nóng)業(yè)保險發(fā)展影響顯著的正向指標，衡量了農(nóng)業(yè)保險的覆蓋程度，覆蓋率越高，則說明農(nóng)業(yè)保險的發(fā)展水平越高。

隨機效應(yīng)模型（1）的結(jié)果顯示，播種面積、參保面積和農(nóng)業(yè)總產(chǎn)值均對農(nóng)業(yè)保險發(fā)展有顯著相關(guān)性。其中，播種面積和參保面積對農(nóng)業(yè)保險發(fā)展的影響也恰好論證了固定效應(yīng)模型（1）中覆蓋率的作用結(jié)果。農(nóng)業(yè)總產(chǎn)值表現(xiàn)為正，說明農(nóng)業(yè)保險的進步離不開當?shù)氐霓r(nóng)業(yè)經(jīng)濟發(fā)展，學(xué)者普遍認為，一個地區(qū)的農(nóng)業(yè)經(jīng)濟水平與當?shù)亟?jīng)濟發(fā)展水平存在聯(lián)系，為了保證農(nóng)業(yè)保險的發(fā)展，需要對經(jīng)濟發(fā)展水平不同的城市進行產(chǎn)業(yè)調(diào)整。

五、結(jié)論

本文研究了黑龍江省農(nóng)業(yè)保險的影響因素，進而確定如何提升農(nóng)業(yè)保險發(fā)展水平。首先對13個城市和地區(qū)現(xiàn)階段農(nóng)業(yè)保險發(fā)展水平進行打分，直觀看出各種影響因子對城市間的影響程度及不同城市間的發(fā)展差距。其次從相對指標和絕對指標出發(fā)，建立時間序列截面數(shù)據(jù)模型，進而確定了兩種方向5種主要影響因子對城市農(nóng)業(yè)保險發(fā)展的表達式，最后得出覆蓋率、賠付率、收入密度和農(nóng)業(yè)總產(chǎn)值等對農(nóng)業(yè)保險發(fā)展影響顯著。本文得出如下結(jié)論：

第一，從相對指標和絕對指標兩方面衡量農(nóng)業(yè)保險發(fā)展更合理。在實際中，相對指標只能衡量一個地區(qū)農(nóng)業(yè)保險發(fā)展的相對程度，由于黑龍江省地理面積跨度大，不同城市之間的地貌特征和經(jīng)濟發(fā)展存在顯著差別，采用一類指標衡量時會出現(xiàn)誤差，通過上文對兩類指標的對比分析，得出的結(jié)論更有益于實際。

第二，賠付率對農(nóng)業(yè)保險水平影響顯著，這與各級政府補貼有很大聯(lián)系，每年80%的補貼額度極大地支持了黑龍江省保險事業(yè)，能夠在激發(fā)出保險需求的同時降低農(nóng)民支出，保障農(nóng)民生活水平。

第三，覆蓋率和收入密度是影響農(nóng)業(yè)保險發(fā)展程度的重要因素，黑龍江省13個城市和地區(qū)種植面積差距明顯，種植面積廣且經(jīng)濟發(fā)展水平高的城市承保面積少且保險效率評分低。首先要明確經(jīng)濟狀況好的城市擁有以下幾點特點：1.農(nóng)業(yè)機械化水平高;2.人均種植面積廣;3.財產(chǎn)保險數(shù)額較大;4.多是平原地區(qū)，適合農(nóng)產(chǎn)品種植。也因此能夠理解該地區(qū)對風(fēng)險的規(guī)避程度較強，不過在災(zāi)害來臨時損失也極大，尤其是冬季來的較早的黑龍江省。因此，找到促進種植者參保意愿的因素至關(guān)重要，保險公司可以對符合條件的賠案積極賠付，讓農(nóng)民切身感受到保險的突出作用和功效，政府可以對此積極宣傳，提高農(nóng)業(yè)參保率。

最后，黑龍江省農(nóng)業(yè)保險綜合發(fā)展水平在經(jīng)濟發(fā)展不同的城市存在差異性。經(jīng)濟發(fā)展程度低但農(nóng)業(yè)保險保障程度高的地區(qū)，應(yīng)通過發(fā)展第二、三產(chǎn)業(yè)平衡農(nóng)業(yè)作為支柱性產(chǎn)業(yè)績效低的特點，使地區(qū)經(jīng)濟和農(nóng)業(yè)保險同步提高;經(jīng)濟發(fā)展程度高但農(nóng)業(yè)保險保障水平低的地區(qū)，要預(yù)防重大風(fēng)險的發(fā)生，實現(xiàn)地區(qū)經(jīng)濟發(fā)展和保障水平的“雙贏”。

[參考文獻]

[1]程靜，劉飛，陶建平.風(fēng)險認知、風(fēng)險管理與農(nóng)險需求——基于行為金融視角的實證研究[J].南京農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2018，18（3）：133-141，156.

[2]馮文麗，史曉.京津冀農(nóng)業(yè)保險發(fā)展差距及影響因素的實證分析[J].經(jīng)濟與管理，2018，32（5）：8-13.

[3]江生忠，賈士彬，江時鯤.我國農(nóng)業(yè)保險保費補貼效率及其影響因素分析——基于2010～2013年省際面板數(shù)據(jù)[J].保險研究，2015（12）：67-77.

[4]李啟平，盛曉靜，胡郴姣.盈利能力視角下我國房地產(chǎn)行業(yè)上市公司績效的影響因素分析[J].湖南科技大學(xué)學(xué)報（自然科學(xué)版），2016，31（1）：107-111.

[5]劉樺燦，粟芳.農(nóng)業(yè)保險保費補貼穩(wěn)定農(nóng)業(yè)保險經(jīng)營的有效性檢驗[J].上海金融，2018（10）：23-31.

[6]呂開宇，李春肖，張崇尚.基于主成分分析法和熵值法的地區(qū)農(nóng)業(yè)保險發(fā)展水平分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟，2016（3）：4-15.

[7]孫香玉，鐘甫寧.農(nóng)業(yè)保險補貼效率的影響因素分析——以新疆、黑龍江和江蘇省農(nóng)戶的支付意愿數(shù)據(jù)為例[J].廣東金融學(xué)院學(xué)報，2009，24（4）：112-119.

[8]庹國柱，李軍.我國農(nóng)業(yè)保險試驗的成就、矛盾及出路[J].金融研究，2003（9）：88-98.

[9]王韌，崔超雄.我國農(nóng)業(yè)保險與農(nóng)村消費關(guān)系的實證分析[J].農(nóng)村經(jīng)濟，2014（6）：100-103.

[10]余新平，熊皛白，熊德平.中國農(nóng)村金融發(fā)展與農(nóng)民收入增長[J].中國農(nóng)村經(jīng)濟，2010（6）：77-86，96.

[11]張躍華，顧海英，史清華.農(nóng)業(yè)保險需求不足效用層面的一個解釋及實證研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究2005（4）：83-92.

[12]周穩(wěn)海，趙桂玲，尹成遠.農(nóng)業(yè)保險發(fā)展對農(nóng)民收入影響的動態(tài)研究——基于面板系統(tǒng)GMM模型的實證檢驗[J].保險研究，2014（5）：21-30.

[13]宗國富，周文杰.農(nóng)業(yè)保險對農(nóng)戶生產(chǎn)行為影響研究[J].保險研究，2014（4）：23-30.

[14]Hung-Hao Chang，Ashok K. Mishra.Chemical usage in production agriculture：Do crop insurance and off-farm work play a part？[J].Journal of Environmental Management，2012，105.

[15]Kirsten Bendix Olsen，Peter Hasle.The role of intermediaries in delivering an occupational health and safety programme designed for small businesses–A case study of an insurance incentive programme in the agriculture sector[J].Safety Science，2015（71）.

（責(zé)任編輯：張彤彤?梁宏偉）