空間離散與業(yè)務(wù)離散對(duì)保險(xiǎn)產(chǎn)業(yè)經(jīng)營拓展的影響

何秉卓

【摘要】以產(chǎn)業(yè)聚集理論為基礎(chǔ)， 構(gòu)建具有指向性的保險(xiǎn)產(chǎn)業(yè)子公司選址指標(biāo)， 用以測(cè)度保險(xiǎn)產(chǎn)業(yè)的空間離散程度， 并使用赫芬達(dá)爾指數(shù)等產(chǎn)業(yè)集中度指標(biāo)描述保險(xiǎn)產(chǎn)業(yè)業(yè)務(wù)離散程度。 基于2007 ～ 2017年中國保險(xiǎn)企業(yè)數(shù)據(jù)， 采用固定效應(yīng)回歸模型， 討論空間離散與業(yè)務(wù)離散對(duì)保險(xiǎn)產(chǎn)業(yè)經(jīng)營拓展的整體效果， 以及產(chǎn)險(xiǎn)企業(yè)和壽險(xiǎn)企業(yè)表現(xiàn)的異同， 并使用替代變量法對(duì)研究結(jié)論進(jìn)行了穩(wěn)健性檢驗(yàn)。 研究結(jié)果顯示， 空間離散與業(yè)務(wù)離散對(duì)保險(xiǎn)產(chǎn)業(yè)經(jīng)營拓展具有顯著的正向影響， 鑒于我國各地區(qū)人口集中度與資本集中度的不平衡發(fā)展?fàn)顩r， 建議保險(xiǎn)產(chǎn)業(yè)應(yīng)更重視非經(jīng)濟(jì)中心城市的業(yè)務(wù)發(fā)展， 確保不同區(qū)域子公司的業(yè)務(wù)平衡。

【關(guān)鍵詞】空間離散;業(yè)務(wù)離散;產(chǎn)業(yè)發(fā)展;保險(xiǎn)企業(yè)

【中圖分類號(hào)】F840 ? ? ?【文獻(xiàn)標(biāo)識(shí)碼】A ? ? ?【文章編號(hào)】1004-0994（2020）12-0152-9

一、研究背景與假設(shè)提出

產(chǎn)業(yè)發(fā)展的一般路徑是以經(jīng)濟(jì)發(fā)達(dá)城市為中心， 逐步向周邊地區(qū)拓展。 中國保險(xiǎn)產(chǎn)業(yè)70年的發(fā)展歷程同樣遵循著這一基本規(guī)律。 2018年， 中國保險(xiǎn)產(chǎn)業(yè)總資產(chǎn)已達(dá)183308.92億元， 連續(xù)十年保持20%以上的年均增長(zhǎng)率。 保險(xiǎn)產(chǎn)業(yè)已成為中國增速最快、增量最大的金融產(chǎn)業(yè)之一。 我國保險(xiǎn)產(chǎn)業(yè)隨著各地區(qū)保險(xiǎn)需求的增加， 存在逐步由中心城市向非中心城市拓展業(yè)務(wù)、設(shè)立子公司、搶占新市場(chǎng)的趨勢(shì)， 保險(xiǎn)產(chǎn)業(yè)子公司的空間離散、業(yè)務(wù)離散與保險(xiǎn)產(chǎn)業(yè)經(jīng)營拓展之間存在著密不可分的關(guān)系。

20世紀(jì)80年代隨著各產(chǎn)業(yè)在地理位置上趨于集中的發(fā)展特征， 產(chǎn)業(yè)空間聚集逐漸成為學(xué)術(shù)界研究的焦點(diǎn)， 并發(fā)展出許多測(cè)度空間聚集度的指標(biāo)。 早期學(xué)者們常使用區(qū)位Gini系數(shù)[1-4] 和赫芬達(dá)爾指數(shù)[5-9] 作為衡量空間聚集度的指標(biāo)， 而赫芬達(dá)爾指數(shù)至今仍活躍于學(xué)術(shù)研究領(lǐng)域[10，11] ， 這兩個(gè)指數(shù)具有計(jì)算方法簡(jiǎn)單、數(shù)據(jù)門檻低、結(jié)論穩(wěn)定性強(qiáng)的特點(diǎn)， 最先被學(xué)者們采用。 在區(qū)位Gini系數(shù)的基礎(chǔ)上， Ellison和Glaeser[12] 發(fā)展了E-G指數(shù)， 將單純的空間聚集區(qū)分為隨機(jī)性聚集以及企業(yè)為共享外部性和自然優(yōu)勢(shì)的內(nèi)生性聚集。 Maurel和Sédillot[13] 對(duì)E-G指數(shù)進(jìn)行了修正， 提出了M-S指數(shù)。 E-G指數(shù)和M-S指數(shù)開發(fā)不久便很快便得到了學(xué)者們的廣泛應(yīng)用[14-17] 。 以上四類指標(biāo)屬于單尺度的空間聚集測(cè)度方法， 依此延伸的熵指數(shù)， 集中曲線也屬于此方法類型。

Ripley[18] 提出了完全空間隨機(jī)（Complete Spatial Random）分布， 即將測(cè)度區(qū)域內(nèi)的每一個(gè)企業(yè)視為一個(gè)點(diǎn)， 并假設(shè)這些點(diǎn)平均地散布在測(cè)度區(qū)域內(nèi)， 則區(qū)域內(nèi)的企業(yè)數(shù)量存在一個(gè)平均密度。 以此作為衡量空間聚集的標(biāo)準(zhǔn)， Ripley構(gòu)造了測(cè)度區(qū)域內(nèi)以r距離為變量的K函數(shù)， 分析了產(chǎn)業(yè)在不同空間尺度下的聚集情況。 Besag[19] 、Diggle和Chetwynd[20] 、Marcon和Puech[21，22] 分別對(duì)K函數(shù)進(jìn)行了擴(kuò)充， 從而形成了多尺度空間聚集測(cè)度方法。

本文以保險(xiǎn)產(chǎn)業(yè)子公司選址的地理位置作為依據(jù)， 以其與經(jīng)濟(jì)中心之間的距離作為觀察對(duì)象， 運(yùn)用與Ripley的K函數(shù)相似的理念， 描述保險(xiǎn)產(chǎn)業(yè)空間離散情況， 以赫芬達(dá)爾指數(shù)（HHI）和熵指數(shù)（EI）描述保險(xiǎn)產(chǎn)業(yè)業(yè)務(wù)離散的情況， 并試圖驗(yàn)證如下研究假設(shè)：

假設(shè)1：保險(xiǎn)產(chǎn)業(yè)空間離散程度越高， 對(duì)產(chǎn)業(yè)經(jīng)營拓展越有利。

假設(shè)2：保險(xiǎn)產(chǎn)業(yè)子公司業(yè)務(wù)離散有助于產(chǎn)業(yè)經(jīng)營拓展， 業(yè)務(wù)集中則反之。

二、變量定義與描述性統(tǒng)計(jì)

1. 樣本來源。 本文樣本數(shù)據(jù)來源于國泰安保險(xiǎn)產(chǎn)業(yè)數(shù)據(jù)庫， 時(shí)間跨度為2007 ～ 2017年總計(jì)10年的年度數(shù)據(jù)， 其中， 2017年為數(shù)據(jù)庫最近更新時(shí)間， 近兩年數(shù)據(jù)因可得性和完整性問題未能納入本研究中。 樣本總計(jì)144家保險(xiǎn)企業(yè)， 共1184個(gè)觀察值， 因回歸模型涉及滯后變量的原因， 最終參與回歸的樣本量為999個(gè)觀察值。 其中， 財(cái)產(chǎn)保險(xiǎn)企業(yè)73家， 共475個(gè)觀察值， 人身保險(xiǎn)企業(yè)71家， 共524個(gè)觀察值。 本文用來計(jì)算各城市間距離的351個(gè)城市坐標(biāo)來源于百度地圖和百度百科資料以及筆者對(duì)上述資料的整理。

2. 變量定義與描述性統(tǒng)計(jì)。 表1列示了變量定義， 表2描述了參與回歸各變量的統(tǒng)計(jì)特征。 其中， 保費(fèi)收入Income、保費(fèi)凈收入Revenue是描述保險(xiǎn)企業(yè)當(dāng)前業(yè)務(wù)收入的因變量。 保費(fèi)收入增長(zhǎng)Income_gr、保費(fèi)凈收入增長(zhǎng)率Revenue_gr是描述保險(xiǎn)企業(yè)收益增長(zhǎng)情況的因變量， 用以反映產(chǎn)業(yè)拓展的效果， 由其均值可以看出， 大部分保險(xiǎn)企業(yè)的長(zhǎng)期業(yè)務(wù)增長(zhǎng)率均在2%左右， 且凈利潤的增長(zhǎng)率要低于保費(fèi)收入的增長(zhǎng)率。 Dist和Df_Dist是描述保險(xiǎn)企業(yè)子公司選址的變量， 其中， Df_Dist是Dist剔除了子公司數(shù)量影響之后的變量， 用來作為穩(wěn)健性檢驗(yàn)的替代變量。 Dist與Df_Dist在均值上有0.03的差距， 但在標(biāo)準(zhǔn)差上差距不明顯。 Firm_HHI和Firm_EI是描述保險(xiǎn)產(chǎn)業(yè)業(yè)務(wù)離散的自變量。 上述變量的計(jì)算方法將在下文詳細(xì)介紹。

由表3變量的相關(guān)性分析可知， 空間離散變量Dist、Df_Dist和業(yè)務(wù)離散變量Firm_EI與業(yè)務(wù)收入因變量Income和Revenue， 以及產(chǎn)業(yè)拓展因變量Income_gr和Revenue_gr均存在顯著的正相關(guān)關(guān)系， 而Firm_HHI則與上述因變量呈顯著負(fù)相關(guān)關(guān)系， 初步驗(yàn)證了本文的研究假設(shè)， 其余因變量與自變量之間也存在較為明顯的相關(guān)性。

表4為主要變量的平穩(wěn)性檢驗(yàn)， 除Z統(tǒng)計(jì)量外， 檢驗(yàn)結(jié)果均拒絕原假設(shè)。 據(jù)此可知， 本文的主要因變量與自變量是基本平穩(wěn)的。

3. 保險(xiǎn)產(chǎn)業(yè)空間離散的測(cè)度。 本文用來計(jì)算保險(xiǎn)產(chǎn)業(yè)（企業(yè)）空間離散的變量—— Dist的方法， 是基于與Ripley的K函數(shù)相似的理念設(shè)計(jì)的， 即將每一子公司所在城市視為區(qū)域內(nèi)的一點(diǎn)， 計(jì)算該城市與我國經(jīng)濟(jì)中心的距離。 Ripley的K函數(shù)主要觀察對(duì)象為產(chǎn)業(yè)分布區(qū)域， 故而將區(qū)域內(nèi)每一個(gè)點(diǎn)都視為完全一致的。 而本文所觀察的對(duì)象為子公司選址， 將每一座城市都視為毫無區(qū)別的點(diǎn)顯然并不符合實(shí)際。 因此， 本文首先要做的就是對(duì)我國主要經(jīng)濟(jì)圈進(jìn)行劃分。

本文以GDP和地理環(huán)境為選擇標(biāo)準(zhǔn)劃分出4個(gè)主要經(jīng)濟(jì)圈：以北京市為核心的北方經(jīng)濟(jì)圈， 以上海市為核心的東方經(jīng)濟(jì)圈， 以廣州市為核心的南方經(jīng)濟(jì)圈， 以及以重慶市為核心的西方經(jīng)濟(jì)圈。 其中， 北京市、上海市、重慶市皆為直轄市， 是我國重點(diǎn)開發(fā)的經(jīng)濟(jì)區(qū)域， 具有代表性。 廣州市作為廣東省省會(huì)， 是改革開放以來南方最重要的經(jīng)濟(jì)中心， 其經(jīng)濟(jì)增長(zhǎng)能力長(zhǎng)期居于中國城市前列。 這樣的劃分標(biāo)準(zhǔn)能夠較全面地將我國各城市劃歸于四個(gè)經(jīng)濟(jì)圈內(nèi)， 并依照每個(gè)城市距離四大經(jīng)濟(jì)中心的最小距離確定各個(gè)城市對(duì)于經(jīng)濟(jì)中心的依賴程度， 其計(jì)算公式如下：

Distance=Min（DBJ，DSH，DGZ，DCQ）

其中， DBJ、DSH、DGZ、DCQ為各子公司所在城市距離北京市、上海市、廣州市和重慶市的距離， Distance為上述四個(gè)距離值的最小值。 由此， 一個(gè)保險(xiǎn)企業(yè)所有下屬子公司所在城市與經(jīng)濟(jì)中心城市距離的平均值即代表了該保險(xiǎn)企業(yè)的空間離散程度， 其計(jì)算公式如下：

Dist=Mean（Distance/Distance_Sd）

其中， Distance_Sd為下屬子公司Distance的標(biāo)準(zhǔn)差， 除以Distance_Sd的目的是實(shí)現(xiàn)變量標(biāo)準(zhǔn)化， 方便回歸分析。 Dist的數(shù)值越小， 則表示保險(xiǎn)企業(yè)下屬子公司越接近經(jīng)濟(jì)中心， 業(yè)務(wù)輻射面越窄， 空間離散程度越低; Dist的數(shù)值越大， 則表示保險(xiǎn)企業(yè)下屬子公司距離經(jīng)濟(jì)中心越遠(yuǎn)， 業(yè)務(wù)輻射面越廣， 空間離散程度越高。 對(duì)比本文對(duì)空間離散的計(jì)算方法和K函數(shù)的計(jì)算方法， 可以發(fā)現(xiàn)， 本文的計(jì)算方法是具有指向性的， 而K函數(shù)是無指向性的。 例如， 按照K函數(shù)的計(jì)算原則， 若一家保險(xiǎn)企業(yè)在北、上、廣分別設(shè)立一家子公司， 由于北、上、廣三座城市彼此間相距很遠(yuǎn)， 那么這家保險(xiǎn)企業(yè)空間離散程度較高。 然而實(shí)際情況并非如此， 這家保險(xiǎn)企業(yè)的業(yè)務(wù)輻射范圍并不廣泛， 因?yàn)槠渥庸緲I(yè)務(wù)均依托于經(jīng)濟(jì)中心， 沒有擴(kuò)張到經(jīng)濟(jì)中心以外的城市。 按照本文的計(jì)算方法， Dist為0， 即意味著該企業(yè)空間離散程度低。 由此可見， 本文的計(jì)算方法較符合我國保險(xiǎn)企業(yè)拓展新市場(chǎng)的實(shí)際情況。

4. 保險(xiǎn)產(chǎn)業(yè)業(yè)務(wù)離散的測(cè)度。 除了使用Dist從地理上測(cè)量保險(xiǎn)產(chǎn)業(yè)空間離散， 本文還嘗試從企業(yè)內(nèi)部業(yè)務(wù)分配的角度進(jìn)行觀察。 同一保險(xiǎn)企業(yè)下屬子公司間業(yè)務(wù)量的分配反映了該企業(yè)在各城市的業(yè)務(wù)專業(yè)程度， 各地區(qū)子公司業(yè)務(wù)量的平衡則是該企業(yè)業(yè)務(wù)成熟的一種表現(xiàn)。 由此可見， 業(yè)務(wù)離散也應(yīng)當(dāng)對(duì)保險(xiǎn)產(chǎn)業(yè)經(jīng)營拓展產(chǎn)生正向作用。 本文選擇常見的集中度指標(biāo)來描述保險(xiǎn)產(chǎn)業(yè)業(yè)務(wù)離散的情況， 包括赫芬達(dá)爾指數(shù)、熵指數(shù)以及兩個(gè)絕對(duì)集中度指標(biāo)， 計(jì)算公式如下：

Firm_HHIi，t為保險(xiǎn)企業(yè)i在t年時(shí)子公司的業(yè)務(wù)集中度。 其中， Si，j，t為保險(xiǎn)企業(yè)i的子公司j在t年時(shí)的業(yè)務(wù)份額， 業(yè)務(wù)份額為該子公司的保費(fèi)收入占該保險(xiǎn)企業(yè)總保費(fèi)收入的百分比， 下式中的Si，j，t與本式的定義相同。

Firm_EIi，t為保險(xiǎn)企業(yè)i在t年時(shí)子公司的業(yè)務(wù)離散度。

三、空間離散與業(yè)務(wù)離散對(duì)保險(xiǎn)產(chǎn)業(yè)經(jīng)營拓展的影響

1. 空間離散與業(yè)務(wù)離散對(duì)保險(xiǎn)產(chǎn)業(yè)經(jīng)營拓展影響的整體回歸。 在完成了對(duì)保險(xiǎn)產(chǎn)業(yè)空間離散與業(yè)務(wù)離散程度的計(jì)算后， 構(gòu)建如下模型：

經(jīng)營變量t=α+β×Distt-1+δ×Firm_HHIt-1+γ×控制變量t-1+年度虛擬變量+ε ? ?（1）

經(jīng)營變量t=α+β×Distt-1+δ×Firm_EIt-1+γ×控制變量t-1+年度虛擬變量+ε ? ?（2）

上述兩個(gè)模型所考察的因變量分為兩類指標(biāo)：一類為保險(xiǎn)企業(yè)盈利能力指標(biāo)， 包括保費(fèi)收入Income與保費(fèi)凈收入Revenue; 另一類為保險(xiǎn)企業(yè)拓展能力指標(biāo)， 包括盈利能力指標(biāo)的增長(zhǎng)率Income_gr與Revenue_gr。 兩個(gè)模型總計(jì)4種因變量， 8個(gè)子回歸。 本文使用固定效應(yīng)面板模型回歸， 并在回歸模型中加入了Huber、White、Sandwich 穩(wěn)健性估計(jì)， 從而避免共線性和異方差所帶來的估計(jì)誤差， 回歸結(jié)果見表5。

由表5可知， 保險(xiǎn)企業(yè)空間離散指標(biāo)Dist對(duì)保險(xiǎn)企業(yè)的盈利能力與拓展能力都具有顯著的正向影響， 由此證明了本文的第一個(gè)研究假設(shè)。 回歸結(jié)果表明， 無論是為了獲得當(dāng)前利潤還是為了贏得未來發(fā)展機(jī)遇， 保險(xiǎn)企業(yè)在考慮子公司選址時(shí)都應(yīng)適當(dāng)與中國主要經(jīng)濟(jì)中心（北京、上海、廣州、重慶）保持一定距離。 保險(xiǎn)企業(yè)空間離散度越高， 企業(yè)的經(jīng)營與業(yè)務(wù)拓展越順利。 經(jīng)濟(jì)中心雖然市場(chǎng)較大、受眾人群收入較高， 但一方面， 企業(yè)面臨著激烈的同業(yè)競(jìng)爭(zhēng)， 另一方面將眾多子公司聚集一處， 彼此間也會(huì)存在嚴(yán)重的業(yè)務(wù)重疊， 從而降低各子公司的經(jīng)營績(jī)效。 不僅如此， 子公司聚集于經(jīng)濟(jì)中心的同時(shí)也必然會(huì)失去其他城市的市場(chǎng)和機(jī)遇， 阻礙了企業(yè)的未來發(fā)展。 當(dāng)然， 各企業(yè)在設(shè)立子公司時(shí)， 都會(huì)遵循該原則：首先考慮立足主要經(jīng)濟(jì)中心， 而后選擇經(jīng)濟(jì)相對(duì)發(fā)達(dá)地區(qū)， 再次考慮較偏遠(yuǎn)的經(jīng)濟(jì)不發(fā)達(dá)城市。 企業(yè)規(guī)模越大， 子公司數(shù)量越多， Dist數(shù)值也相應(yīng)越大。 為避免這一問題， 本文在模型控制變量中加入了企業(yè)規(guī)模Size以減少偏誤， 又因Dist是保險(xiǎn)企業(yè)各子公司距離經(jīng)濟(jì)中心最短距離的平均值， 已經(jīng)除以了子公司數(shù)量， 所以Dist所顯示的效果就是空間離散的效果。 但是， 保險(xiǎn)企業(yè)子公司數(shù)量的多寡可能依然影響著Dist的大小， 因此， 下文進(jìn)行了剔除子公司數(shù)量效果的穩(wěn)健性檢驗(yàn)， 用以證明本文所論證的空間離散效果。

除了考察保險(xiǎn)企業(yè)各子公司的地理位置對(duì)保險(xiǎn)產(chǎn)業(yè)的影響， 本文的另一個(gè)研究重點(diǎn)是保險(xiǎn)企業(yè)的業(yè)務(wù)離散， 即Firm_HHI與Firm_EI對(duì)保險(xiǎn)企業(yè)盈利能力與拓展能力的實(shí)際效果。 本文之所以在回歸中從多個(gè)角度解讀業(yè)務(wù)離散的概念是基于如下考慮：Dist從地理位置上規(guī)定了保險(xiǎn)企業(yè)的空間離散， 但該結(jié)論是不完全的。 假如某保險(xiǎn)企業(yè)雖在許多偏遠(yuǎn)城市設(shè)立子公司， 但這些子公司業(yè)務(wù)量貢獻(xiàn)比例卻很低， 大部分業(yè)務(wù)量依然來自于位于經(jīng)濟(jì)中心的大型子公司， 該企業(yè)Dist值較高， 但業(yè)務(wù)離散程度卻很低， 其偏遠(yuǎn)子公司則形同虛設(shè)， 并未實(shí)現(xiàn)真正意義上的業(yè)務(wù)拓展。 因此， 本文添加了Firm_HHI與Firm_EI這兩個(gè)變量用以檢測(cè)保險(xiǎn)產(chǎn)業(yè)業(yè)務(wù)離散情況。 由表5可知， 基于Firm_HHI與Firm_EI的回歸結(jié)果與Dist高度統(tǒng)一。 Firm_HHI對(duì)保險(xiǎn)企業(yè)保費(fèi)收入、保費(fèi)凈收入以及兩者的增長(zhǎng)率都有顯著負(fù)向影響， 而Firm_EI則反之， 這說明業(yè)務(wù)離散對(duì)保險(xiǎn)企業(yè)的經(jīng)營與拓展同樣至關(guān)重要， 即證明了本文的第二個(gè)研究假設(shè)， 并且要求保險(xiǎn)企業(yè)的拓展要既有廣度——子公司地理位置范圍的擴(kuò)散， 又有深度——各子公司業(yè)務(wù)量的均衡分配。

在控制變量方面， 企業(yè)規(guī)模Size對(duì)保險(xiǎn)企業(yè)的盈利能力與拓展能力均有顯著的正向影響， 證明了馬太效應(yīng)在保險(xiǎn)產(chǎn)業(yè)的普遍存在。 股本回報(bào)率ROE反映了股東的收益水平， 具有較高ROE的保險(xiǎn)企業(yè)具有穩(wěn)健經(jīng)營的特點(diǎn)， 在提供保險(xiǎn)產(chǎn)品時(shí)則可能存在風(fēng)險(xiǎn)規(guī)避的傾向， 該特征在回歸中的表現(xiàn)為降低了保險(xiǎn)企業(yè)的保費(fèi)收入， 但顯著提高了保險(xiǎn)企業(yè)的保費(fèi)凈收入增長(zhǎng)率。 風(fēng)險(xiǎn)資產(chǎn)比率Risky對(duì)保險(xiǎn)企業(yè)保費(fèi)凈收入增長(zhǎng)率存在顯著負(fù)向影響， 說明保險(xiǎn)企業(yè)風(fēng)險(xiǎn)資產(chǎn)比率越高， 企業(yè)融資成本越高， 經(jīng)營現(xiàn)金流越不穩(wěn)定， 這些都會(huì)對(duì)企業(yè)的未來發(fā)展產(chǎn)生不良影響。 安全性資產(chǎn)比例Money的核心指標(biāo)是保險(xiǎn)企業(yè)持有的貨幣資本， 此類資本具有流動(dòng)性強(qiáng)、安全性高的特點(diǎn)， 能夠有效地降低保險(xiǎn)企業(yè)的經(jīng)營風(fēng)險(xiǎn)， 同時(shí)也能為產(chǎn)業(yè)拓展提供資金支持， 因此， Money對(duì)保費(fèi)收入及其增長(zhǎng)率具有顯著的正向影響。

2. 產(chǎn)險(xiǎn)企業(yè)與壽險(xiǎn)企業(yè)表現(xiàn)的異同。 在分析了保險(xiǎn)企業(yè)整體樣本的回歸結(jié)果后， 本文分別對(duì)產(chǎn)險(xiǎn)企業(yè)和壽險(xiǎn)企業(yè)子樣本進(jìn)行了回歸， 以觀察兩類保險(xiǎn)企業(yè)實(shí)證結(jié)果的差異， 回歸結(jié)果見表6和表7。

對(duì)比表6、表7與整體樣本的回歸結(jié)果， 可以發(fā)現(xiàn)， Dist的顯著性在三個(gè)樣本回歸中保持一致， 即對(duì)保險(xiǎn)企業(yè)的經(jīng)營收益和業(yè)務(wù)拓展都具有顯著正向影響， Firm_HHI和Frim_EI的系數(shù)在壽險(xiǎn)企業(yè)子樣本的回歸結(jié)果中同樣顯著。 但在產(chǎn)險(xiǎn)企業(yè)子樣本中， Firm_HHI和Frim_EI對(duì)產(chǎn)業(yè)拓展因變量的符號(hào)一致， 但效果不顯著。 由此可見， 對(duì)壽險(xiǎn)企業(yè)而言， 各子公司間的業(yè)務(wù)均衡將會(huì)影響企業(yè)未來的業(yè)務(wù)發(fā)展， 而該特征對(duì)產(chǎn)險(xiǎn)企業(yè)的影響并不明顯。 這是因?yàn)楫a(chǎn)險(xiǎn)企業(yè)所經(jīng)營的業(yè)務(wù)對(duì)象——財(cái)產(chǎn)， 在經(jīng)濟(jì)中心的集中程度要大于壽險(xiǎn)企業(yè)所經(jīng)營的業(yè)務(wù)對(duì)象——消費(fèi)者。 僅以2018年國家統(tǒng)計(jì)局?jǐn)?shù)據(jù)計(jì)算， 北京市GDP占全國的3.31%， 人口占全國的1.54%， 資本集中度為人口集中度的2.15倍， 上海市GDP占全國的3.57%， 人口占全國的1.73%， 資本人口集中度之比也接近2倍， 經(jīng)濟(jì)比較發(fā)達(dá)的省份如廣東省、浙江省、江蘇省等都具有資本集中度大于人口集中度的特征。 綜上， 產(chǎn)險(xiǎn)企業(yè)子公司間的業(yè)務(wù)量不平衡對(duì)未來發(fā)展的影響要小于壽險(xiǎn)企業(yè)。

比較控制變量的結(jié)果， Size和ROE的結(jié)果在三個(gè)樣本回歸中基本一致， 在壽險(xiǎn)企業(yè)中， ROE多顯著為正， 證明了穩(wěn)健經(jīng)營對(duì)壽險(xiǎn)企業(yè)更有利。 Lev對(duì)產(chǎn)險(xiǎn)企業(yè)未來發(fā)展產(chǎn)生了顯著的負(fù)向影響， 而壽險(xiǎn)企業(yè)則反之， 反映了產(chǎn)險(xiǎn)業(yè)務(wù)較之壽險(xiǎn)業(yè)務(wù)更具高風(fēng)險(xiǎn)性， 高杠桿加劇了這一問題。 此外， 其他控制變量并未在兩類保險(xiǎn)企業(yè)中產(chǎn)生穩(wěn)定的顯著效應(yīng)。

3. 穩(wěn)健性檢驗(yàn)。 上文已提及保險(xiǎn)企業(yè)設(shè)立子公司選址時(shí)的一般策略， 即由經(jīng)濟(jì)中心城市向經(jīng)濟(jì)不發(fā)達(dá)城市延伸。 因此， Dist可能會(huì)受到保險(xiǎn)產(chǎn)業(yè)子公司數(shù)量的影響， 即保險(xiǎn)產(chǎn)業(yè)規(guī)模越大， 則會(huì)設(shè)立越多的子公司， 子公司的位置向經(jīng)濟(jì)不發(fā)達(dá)地區(qū)擴(kuò)展速度越快。 為了能夠更直接地剔除子公司數(shù)量對(duì)Dist的影響， 本文首先對(duì)下式進(jìn)行回歸：

Distt=α+βSub_Numt+ε

Sub_Numt為保險(xiǎn)產(chǎn)業(yè)t年的子公司數(shù)量， 由此可得剔除子公司數(shù)量影響的保險(xiǎn)企業(yè)選址變量：

Df_Distt=Distt-βSub_Numt=α+ε

本文用Df_Dist替代Dist對(duì)上述三類樣本和兩個(gè)模型進(jìn)行回歸， 結(jié)果見表8、表9和表10。

由表8、表9和表10可知， 保險(xiǎn)產(chǎn)業(yè)空間離散和業(yè)務(wù)離散對(duì)產(chǎn)業(yè)經(jīng)營拓展的正面效果并未隨著子公司數(shù)量因素的剔除而消失， 穩(wěn)健性檢驗(yàn)的結(jié)果和主要回歸結(jié)果基本一致。 由此得證， 本文的主要結(jié)論是穩(wěn)健的， 并在不同子樣本下表現(xiàn)出了符合其樣本特征的規(guī)律。

四、結(jié)論與建議

1. 結(jié)論。 本文討論了保險(xiǎn)產(chǎn)業(yè)空間離散和業(yè)務(wù)離散對(duì)業(yè)務(wù)收益和產(chǎn)業(yè)拓展的影響， 實(shí)證檢驗(yàn)了本文提出的兩個(gè)假設(shè)， 得出如下結(jié)論：

第一， 保險(xiǎn)產(chǎn)業(yè)空間離散顯著提升保險(xiǎn)產(chǎn)業(yè)的業(yè)務(wù)收益和產(chǎn)業(yè)拓展能力。 第二， 保險(xiǎn)產(chǎn)業(yè)業(yè)務(wù)離散對(duì)業(yè)務(wù)收益與產(chǎn)業(yè)拓展均有顯著正向影響， 業(yè)務(wù)集中度則反之。 第三， 產(chǎn)險(xiǎn)企業(yè)的業(yè)務(wù)收益與產(chǎn)業(yè)拓展對(duì)空間離散與業(yè)務(wù)離散的依賴程度較壽險(xiǎn)企業(yè)低， 這是由于兩類保險(xiǎn)企業(yè)業(yè)務(wù)性質(zhì)的不同及各地區(qū)資本集中度與人口集中度的客觀差異導(dǎo)致的。

2. 建議。 本文對(duì)保險(xiǎn)產(chǎn)業(yè)的經(jīng)營發(fā)展提出以下具有可行性的建議：

第一， 基于對(duì)保險(xiǎn)產(chǎn)業(yè)穩(wěn)健經(jīng)營與良性發(fā)展的考慮， 在設(shè)立子公司時(shí)， 保險(xiǎn)企業(yè)應(yīng)當(dāng)選擇距離經(jīng)濟(jì)中心較偏遠(yuǎn)的城市。 經(jīng)濟(jì)中心城市具有經(jīng)濟(jì)發(fā)展程度高、人口密度大、人均收入高等特點(diǎn)， 從而形成了較大的保險(xiǎn)需求和保險(xiǎn)市場(chǎng)， 但同時(shí)也導(dǎo)致了產(chǎn)業(yè)內(nèi)及企業(yè)內(nèi)的過度競(jìng)爭(zhēng)甚至彼此傾軋， 嚴(yán)重影響企業(yè)業(yè)務(wù)收益， 并同時(shí)擠占了保險(xiǎn)企業(yè)向其他非中心城市拓展的資源。 保險(xiǎn)產(chǎn)業(yè)對(duì)經(jīng)濟(jì)中心城市的飽和供給既不利于各區(qū)域保險(xiǎn)產(chǎn)業(yè)的高質(zhì)量發(fā)展， 也不利于我國保險(xiǎn)產(chǎn)業(yè)的進(jìn)一步增長(zhǎng)， 在距離經(jīng)濟(jì)中心較遠(yuǎn)的地區(qū)設(shè)立子公司是保險(xiǎn)產(chǎn)業(yè)發(fā)展的必由之路。

第二， 保險(xiǎn)企業(yè)各子公司間的業(yè)務(wù)平衡應(yīng)在保險(xiǎn)產(chǎn)業(yè)拓展過程中受到關(guān)注和重視。 各區(qū)域子公司的運(yùn)營都需要一定額度的固定成本， 如果將大量保險(xiǎn)業(yè)務(wù)聚集于少數(shù)子公司， 而大量子公司業(yè)務(wù)量卻不足。 這一方面將使設(shè)立子公司的沉沒成本與運(yùn)營費(fèi)用無法得到及時(shí)彌補(bǔ)， 不利于企業(yè)的整體發(fā)展; 另一方面， 錯(cuò)失了子公司在非中心城市搶占新興市場(chǎng)的良機(jī)， 不利于未來業(yè)務(wù)開展。 因此， 保險(xiǎn)產(chǎn)業(yè)應(yīng)適當(dāng)平衡各子公司之間的業(yè)務(wù)量， 真正做到業(yè)務(wù)離散， 而不應(yīng)當(dāng)特別關(guān)注少數(shù)子公司， 導(dǎo)致企業(yè)內(nèi)部業(yè)務(wù)分配的失衡失效。

第三， 鑒于中國目前經(jīng)濟(jì)發(fā)展的實(shí)際情況， 在中心城市， 資本密度遠(yuǎn)大于人口密度， 所以， 相比于壽險(xiǎn)企業(yè)， 產(chǎn)險(xiǎn)企業(yè)在設(shè)立子公司和分配各子公司間業(yè)務(wù)量時(shí)， 可以更偏向于經(jīng)濟(jì)中心城市， 但顯然這僅僅是應(yīng)對(duì)當(dāng)前我國資本和人口分布不均勻的權(quán)宜之計(jì)。 從長(zhǎng)遠(yuǎn)看， 保險(xiǎn)產(chǎn)業(yè)在全國各個(gè)城市的均衡發(fā)展將是我國保險(xiǎn)產(chǎn)業(yè)成熟后的必然趨勢(shì)。

第四， 由保險(xiǎn)企業(yè)資產(chǎn)規(guī)模引起的正效應(yīng)可知， 相對(duì)于資本量較小的保險(xiǎn)企業(yè)， 資本量較大的保險(xiǎn)企業(yè)實(shí)力更強(qiáng)， 產(chǎn)業(yè)拓展能力更高， 在競(jìng)爭(zhēng)中更具有優(yōu)勢(shì)， 這是普遍存在于產(chǎn)業(yè)競(jìng)爭(zhēng)中的基本規(guī)律。 因此， 資本量較小的保險(xiǎn)企業(yè)應(yīng)更積極地向非中心城市發(fā)展， 避免與大型保險(xiǎn)企業(yè)正面沖突， 防止自身發(fā)展受到遏制。 另外， 保險(xiǎn)企業(yè)因其經(jīng)營的特殊性和長(zhǎng)期性， 不宜持有過多風(fēng)險(xiǎn)資本， 只有持有較多安全資本并采取較平穩(wěn)的經(jīng)營模式和資本結(jié)構(gòu)才能加快提升保險(xiǎn)企業(yè)業(yè)務(wù)拓展效率。

【 主 要 參 考 文 獻(xiàn) 】

[ 1 ] ? Krugman P.. History and Industry Location： The Case of the Manufacturing Belt[ J].American Economic Review，1991（81）：80 ～ 83.

[ 2 ] ? Sukkoo Kim. Expansion of Markets and the Geographic Distribution of Economic Activities： The Tends in U.S. Regional Manufacturing?Structure，1860-1987[ J].Quarterly Journal of Economics，1995（4）：881 ～ 908.

[ 3 ] ? David B. Audretsch， Maryann P. Feldman. R&D Spillovers and the Geography of Innovation and Production[ J].The American Economic?Review，1996（3）：630 ～ 640.

[ 4 ] ? Mary Amiti.New Trade Theories and Industrial Location in EU： A Survey of Evidence[ J].Oxford Review of Economic Policy，1998（2）：45 ～ 53.

[ 5 ] ? Davies S.， Lyons B.. Industrial Organization in the European Union[ J].Molecular Reproduction & Development，2005（4）：92 ～ 107.

[ 6 ] ? Mano Y.， Otsuka K.. Agglomeration Economies and Geographical Concentration of Industries： A Case Study of Manufacturing Sectors in?Postwar Japan[ J].Journal of the Japanese & International Economies，2000（3）：189 ～ 203.

[ 7 ] ? Aiginger K.， Pfaffermayr M.. The Single Market and Geographic Concentration in Europe[ J].Review of International Economics，2004（1）：1 ～ 11.

[ 8 ] ? 吳學(xué)花，楊蕙馨.中國制造業(yè)產(chǎn)業(yè)集聚的實(shí)證研究[ J].中國工業(yè)經(jīng)濟(jì)，2004（10）：36 ～ 43.

[ 9 ] ? Lariviere V.， Gingras Y.， Archambault E.. The Decline in the Concentration of Citations，1900-2007[ J].Journal of the American Society?for Information Science & Technology，2009（4）：858 ～ 862.

[10] ? Baier N.， Sax L. M.， Sundmacher L.. Trends and Regional Variation in Rates of Orthopaedic Surgery in Germany： The Impact of?Competition[J]. European Journal of Health Economics， 2019（20）：N/A.

[11] ? Jha A. P.， Singh S. K.. Does Diversity Matter？ A Fresh Inquiry into the Energy， Economy and Environment Nexus[ J].Applied Economics，2020（52）：N/A.

[12] ? Ellison G.， Glaeser E. L.. Geographic Concentration in U.S. Manufacturing Industries： A Dartboard Approach[ J].Journal of Political Economy，1997（5）：889 ～ 927.

[13] ? Maurel F.， Sédillot B.. A Measure of the Geographic Concentration in French Manufacturing Industries[ J].Regional Science & Urban?Economics，1999（5）：575 ～ 604.

[14] ? Callejón M.. Concentratión Geográphic de la Industrial Ecnomiasde Agglomeratión[ J].Economic Industrial，1997（5）：61～68.

[15] ? Houdebine M.. Concentration Géographique des Activitiés et Specialization des Départments Francais[ J].Regional Science and Urban?Economics，1999（29）：575 ～ 604.

[16] ? Rosenthal S. S.，Strange W. C.. The Determinants of Agglomeration[ J].Journal of Urban Economics，2001（2）：191 ～ 229.

[17] ? Henderson V. J.. Marshall's Scale Economics[ J].Journal of Urban Economics，2003（53）：1 ～ 28.

[18] ? Ripley B. D.. The Second-Order Analysis of Stationary Point Process[ J].Journal of Applied Probability，1976（2）：255 ～ 266.

[19] ? Besag J. E.. Comments on Ripley's Paper[ J].Journal of the Royal Statistical Society，1977（2）：193 ～ 195.

[20] ? Diggle P. J.， Chetwynd A. G.. Second-Order Analysis of Spatial Clustering for Inhomogeneous Populations[ J].Biometrics，1991（3）：1155 ～?1163.

[21] ? Marcon E.， Puech F.. Evaluating the Geographic Concentration of Industries Using Distance-based Methods[ J].Journal of Economic?Geography，2003（4）：409 ～ 428.

[22] ? Marcon E.， Puech F.. Measures of the Geographic Concentration of Industries： Improving Distance-based Methods[ J].Journal of Economic?Geography，2009（5）：745 ～ 762.