基于排序選擇模型的保險排除程度影響因素分析

張艷萍

（中央財經(jīng)大學 保險學院，北京 100081）

一、引言

對于金融排除問題的關(guān)注最早開始于20世紀90年代初（Leyshon&Thrift.1993、1994、1995），他們提出在金融管制放松和信息網(wǎng)絡(luò)技術(shù)進步等多重因素作用下，金融機構(gòu)為應(yīng)對嚴峻的市場競爭，逐漸尋求“安全”目標市場，陸續(xù)關(guān)閉了一些農(nóng)村及落后地區(qū)的分支機構(gòu)，導致貧困地區(qū)及弱勢群體無法享受金融產(chǎn)品及服務(wù)，因此而產(chǎn)生了金融排除現(xiàn)象。

對于金融排除較為普遍的定義是：人們在獲得和/或使用金融主流服務(wù)和產(chǎn)品的過程中存在著障礙，而這些服務(wù)和產(chǎn)品恰好又是能使他們在其所屬社會階層中過上正常的社會必需品。[1](p21)其中所指的社會必需品一般包括銀行、儲蓄、信貸和保險，相應(yīng)的金融排除包括銀行排除、儲蓄排除、信貸排除和保險排除。其中，保險作為“穩(wěn)定器”在社會經(jīng)濟中發(fā)揮著舉足輕重的作用，但是現(xiàn)有文獻中保險排除作為金融排除的現(xiàn)象之一，長期以來并未得到重視，最早提出保險排除問題的是英國學者 Andreas Cebulla（1999，2000），基于英國保障體系改革的背景下，對商業(yè)性質(zhì)的失業(yè)保險排除進行了概念性的闡述和產(chǎn)生機理分析，[2](p111)并提出不同的國家影響失業(yè)保險排除的因素各異，如在英國影響因素主要來自主觀對自身風險的判斷。[3](p389)其他學者更多的只是將其作為金融排除的現(xiàn)象之一進行描述。國內(nèi)目前沒有學者對保險排除做出系統(tǒng)的研究，僅見徐少君在其博士論文中對基本保險產(chǎn)品的排除，[4](p130)只針對社會保險做出了評估，未對商業(yè)保險排除進行分析，可以說是對保險排除的錯誤理解。社會保險具有強制性和政策性，其覆蓋率主要是受國家體制的影響，因此本文將保險排除定義為對商業(yè)保險產(chǎn)品的排除，即社會中有一部分人無法或較少獲得商業(yè)保險服務(wù)。

二、保險排除的維度

（一）地理排除。由于空間距離的限制，使得一部分消費者無法獲得保險服務(wù)。保險機構(gòu)基于成本收益的考慮往往在偏遠地區(qū)及貧困地區(qū)減少機構(gòu)設(shè)置甚至不予以設(shè)立，此外，這類地區(qū)往往在電力供應(yīng)和網(wǎng)絡(luò)通信等方面比較欠缺，保險公司無法正常運轉(zhuǎn)。一般來說，保險機構(gòu)的網(wǎng)點數(shù)量與保險排除存在負相關(guān)關(guān)系。

（二）評估排除。指保險公司通過風險評估限制消費群體的進入，對于某些風險過于集中的主體采取風險回避措施，也是基于保險公司生存的考慮，確保公司保持一定的償付能力和競爭力。

（三）條件排除。即某些人的保險消費需求由于保險機構(gòu)在提供產(chǎn)品時所附加的條件不能實現(xiàn)而無法滿足。這些條件往往是基于保險機構(gòu)主觀風險的評判而設(shè)置的門檻，同時也不排除某些條件的不合理性，甚至是單方免責的霸王條款。

（四）價格排除。當消費者收入無法支付保險產(chǎn)品的價格時就會遭受保險排除，往往越是不發(fā)達的地區(qū)，所能得到的保險保障越少。

（五）營銷排除，指保險公司在尋求目標市場時，會“理性”地自動將某些處于邊緣地帶的人群排除在外。

（六）自我排除，由于經(jīng)濟主體自身對風險的錯誤認識以及對保險的不信任而自主地將自己排除在保險服務(wù)體系之外，產(chǎn)生原因一般認為可能來自教育水平、民族文化、消費習慣等。典型的表現(xiàn)就是不予購買保險產(chǎn)品或不足額投保。

三、我國保險排除程度空間差異及影響因素

（一）研究方法及數(shù)據(jù)來源。

對于保險排除程度的量化研究方法借鑒田霖（2007）[5]（p107）對金融排除程度的研究成果，首先建立保險發(fā)展水平指標，由于保險排除程度與發(fā)展水平呈現(xiàn)負相關(guān)關(guān)系，接著利用保險發(fā)展水平的排序?qū)ΡｋU排除程度進行反向排序，最后利用排序選擇模型確定保險排除的影響因素。

本文共收集31個地區(qū) （不包括香港、臺灣、澳門）2011年截面數(shù)據(jù)樣本共217個，包括保險機構(gòu)數(shù)量，保險從業(yè)人員數(shù)量，保險行業(yè)總資產(chǎn)，承保總額，賠付金額，保險深度和保險密度。數(shù)據(jù)主要來自2012年中國統(tǒng)計年鑒，2012年中國保險年鑒，2012年地方統(tǒng)計年鑒，保監(jiān)會及各派出保監(jiān)局網(wǎng)站。

（二）我國保險排除程度的空間差異。

1.指標選擇。

選擇以下指標來衡量中國各省市的保險綜合發(fā)展水平。

（1）保險機構(gòu)數(shù)量，反映保險整體供給能力，作為總量指標用來衡量主體成熟水平。

（2）保險業(yè)保險金額，保險業(yè)所承擔的風險總額，體現(xiàn)著保險業(yè)作為社會“穩(wěn)定器”的作用。

（3）賠付金額包括財產(chǎn)保險賠償以及人身保險給付金額，體現(xiàn)了保險業(yè)對社會經(jīng)濟的風險管理及保障水平。

（4）保險深度，反映了保險業(yè)在該地區(qū)經(jīng)濟中的影響程度和相對發(fā)展水平。

（5）保險密度，是某一地區(qū)的人均保費收入，能夠反映該地區(qū)保險業(yè)發(fā)展的人口條件。

保險密度和保險深度在一定程度上能夠反映地區(qū)保險市場的需求狀況。

（6）保險從業(yè)人員數(shù)量，可在一定程度上反映保險行業(yè)總體規(guī)模。

（7）保險行業(yè)總資產(chǎn)，反映該地區(qū)保險行業(yè)通過過去的交易或事項形成并且由保險業(yè)所能控制的資源規(guī)模的存量。

2.主成分與因子分析方法。

首先進行KMO和Barleett球形檢驗，根據(jù)Kaiser（1974）給出的檢驗標準，當KMO大于0.5時，數(shù)據(jù)才適合做因子分析。本文中KMO為0.780，而且Barleett統(tǒng)計值的顯著性概率為0.000，說明顯著性水平小于1%，適合做因子分析。

主成分分析中一般來說當因子的累積貢獻度之和大于85%時，即說明公因子可反映絕大部分的信息。表1中給出保險發(fā)展水平主成分的特征值。

表1 保險發(fā)展水平主成分的特征值及方差比重

表2 保險發(fā)展水平得分及排名情況

經(jīng)過Varimax旋轉(zhuǎn)后，第一主成分為44.834%，第二主成分為42.320%，累計方差貢獻率達87.154%，足以反映保險行業(yè)總體發(fā)展水平，因此，將前兩個公因子作為評價地區(qū)保險發(fā)展水平的綜合指標。根據(jù)旋轉(zhuǎn)成份矩陣可知：（1）F1在保險密度、保險深度和承?？傤~的載荷值比較大，可稱之為保險效率因子；（2）F2在保險機構(gòu)總數(shù)、就業(yè)人數(shù)、賠款總額和總資產(chǎn)的載荷值比較大，可稱之為保險規(guī)模因子；（3）綜合得分F=（44.834%*F1+42.320%*F2）/87.154%。根據(jù)此公式，計算出各個省市的保險發(fā)展水平得分并進行排序。

從表2數(shù)據(jù)可以看出，廣東、上海、北京的保險發(fā)展水平處于領(lǐng)先地位，排名先后的海南、青海、西藏的保險整體水平較落后，需要注意的是得分正負僅代表各地區(qū)保險相對發(fā)展水平。

3.對保險發(fā)展水平進行聚類分析，結(jié)果見表4。將31省市劃分為四個梯隊，由于區(qū)域保險發(fā)展水平與保險排除程度呈負相關(guān)關(guān)系，可以根據(jù)其聚類結(jié)果將保險排除程度按四個等級劃分：較輕、中等、比較嚴重、非常嚴重。

表4 保險發(fā)展水平聚類結(jié)果

（三）保險排除的排序選擇模型。

本文保險排除程度作為因變量存在不止兩種選擇，屬于多元選擇問題常見類型之一。即，需要將選擇對象按某個準則進行排隊后由決策者進行選擇，對此我們需要建立排序選擇模型，也稱排序因變量模型ODM（Ordered Dependent Model）。本文中對保險排除程度按照由高到低排序，依次用0、1、2、3進行表示，采用ODM模型進行我國保險排除空間差異影響要素的量化分析，從而確定影響我國保險排除的各因素。

引入一個潛在變量yi是不可觀測的，yi取決于x·yi是可觀測的，并設(shè) yi有 0、1、2、3 共四個取值。

公式6中，xi是影響yi的一組解釋變量，β為未知系數(shù)，ε是獨立同分布可識別的隨機變量，可以通過按以下規(guī)則得到：

其中Ci是臨界值。

1.指標的選擇。

對影響我國保險排除因素的選擇，本文將借鑒田霖（2007），徐少君（2008），王偉（2011）[6](p13)的研究成果并結(jié)合我國實際情況進行選擇分析，分別是：

（1）年齡（AGE）。從消費者角度來看，隨著年齡變化對保險的消費相應(yīng)也做了調(diào)整，一般來說，老年人和兒童對保險產(chǎn)品的接受能力比較有限。本文采用15-64歲人口占比來反映各地區(qū)的人口年齡構(gòu)成。

（2）收入（INCOME）。收入是影響保險排除的一個最重要因素，通常可支付收入越多，對保險產(chǎn)品的消費也越多。此外，對于保險行業(yè)來說，高收入者往往意味著對保險產(chǎn)品有著更高的消費能力，因此也就成為保險機構(gòu)追逐的服務(wù)對象。本文采用居民人均可支配收入來衡量其影響。

（3）受教育程度（KNOW）。對于保險這個特殊的非渴求產(chǎn)品來說，自我排除受其對保險知識的擁有量的影響比較大，當消費者缺乏基本的保險知識且對風險不了解時會限制其對保險產(chǎn)品的購買。由于在我國沒有直接反映保險知識擁有程度的指標，所以此處以地區(qū)中大專及以上人口占總?cè)丝诒壤拼妗?/p>

（4）民族（MINO）。由于宗教文化、習俗、傳統(tǒng)等的影響以及收入的制約，少數(shù)民族在對保險產(chǎn)品的消費上存在著明顯的自我排除。本文對我國31個省區(qū)的民族構(gòu)成進行了虛擬變量的設(shè)置，少數(shù)民族聚集的省份（新疆、內(nèi)蒙古、寧夏、西藏和廣西）賦值1，其余賦值0。

（5）地理特征（Dt）。①本文仍延用東中西部的劃分。西部地區(qū)包括的省級行政區(qū)共12個，分別是四川、重慶、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆、廣西、內(nèi)蒙古；中部地區(qū)有8個省級行政區(qū)，分別是山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南；東部地區(qū)包括的11個省級行政區(qū)沒變,包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南等11個?。ㄊ校?。我國東中西三大地區(qū)由于地理位置的差異，對保險排除程度有著較顯著的影響。東部地區(qū)的良好區(qū)位已經(jīng)形成了一種循環(huán)累積效應(yīng)，相對于中西部地區(qū)，保險排除程度較低。該指標設(shè)置為虛擬變量，分別表示東、中和西部，以反映地區(qū)因素對保險排除的影響。

（6）就業(yè)狀況（EMPL）。就業(yè)水平也是影響保險排除的一個重要指標，就業(yè)狀況一方面會從收入間接影響到保險排除的程度，另一方面，也會通過是否獲得金融保險服務(wù)的接觸而產(chǎn)生影響。失業(yè)率越低，保險排除程度越低。本文采用地區(qū)失業(yè)率進行反映。

（7）交通便利性（TRAN）。Leyshon(1997)認為居民的交通便利情況將直接影響到其遭受“接觸”方面的排除程度，故而將該指標也納入到模型中來，本文采用各省區(qū)每百人民用汽車擁有量TRAN來表示。

（8）地區(qū)生產(chǎn)總值（GDP）。一般而言，地區(qū)生產(chǎn)總值反映了一個地區(qū)的整體經(jīng)濟水平，GDP值越高，經(jīng)濟越發(fā)達，越能夠為保險業(yè)的發(fā)展提供了良好的經(jīng)濟基礎(chǔ)。筆者用各地區(qū)實際GDP來反映。

（9）金融資源（DEPO）。城鄉(xiāng)居民儲蓄存款余額，反映了居民的儲蓄貨幣和金融資源數(shù)量，它既可以作為影響保險業(yè)發(fā)展環(huán)境因素中居民收入水平的體現(xiàn)，又可觀察它對保險業(yè)的替代效應(yīng)和收入效應(yīng)。

（10）性別（GEND）。通常，消費者會因性別差異對保險需求偏好有所不同，因此引入性別比例 (男性人口/女性人口)，反映性別對保險排除的影響。

（11）社會保障水平（SI）。用人均參保量（基本社?；鹗杖耄貐^(qū)人數(shù)）來衡量地區(qū)社會保障程度。一般認為社會保險對商業(yè)保險存在著一定的“擠出效應(yīng)”，即社會保障水平越高，商業(yè)保險的發(fā)展越受到制約。

（12）婚姻狀況（MS）。Marital status通常會對保險的投保產(chǎn)生一定的影響，普遍認為已婚家庭會比單身（包括未婚、離異等）不易被保險所排除，而且更多地體現(xiàn)在人身保險上。本文用15歲以上未婚人口所占的比例來反映。

2.回歸結(jié)果及分析。

根據(jù)Eviews對各指標進行變量的相關(guān)性分析，發(fā)現(xiàn)各變量間存在著高度相關(guān)，因此需要對解釋變量進行相應(yīng)調(diào)整，經(jīng)過對比分析，AIC準則和SC準則，最終確定模型的解釋變量為 GEND、INCOME、MINO、MS、AGE、EMPL 和 D1t，結(jié)果見表5。

表5 多元排序選擇模型的分析結(jié)果

（1）INCOME指標系數(shù)為負，說明隨著地區(qū)人均收入的增加，保險排除程度逐漸降低，且能在1%水平上非常顯著，即該指標對保險排除的影響是最強的。這也與之前排序時出現(xiàn)的廣東、北京、上海三大經(jīng)濟發(fā)達省市的保險發(fā)展水平較高，而經(jīng)濟落后地區(qū)相應(yīng)保險排除程度較高的情況相一致。

（2）GEND指標系數(shù)也為負，即男性相對女性人口比例越大，對保險的排除越低，說明性別在一定程度上會影響風險的偏好以及對保險的需求。相伴概率僅為0.0358，影響程度比較顯著。

（3）MINO、MS系數(shù)均為正，且都在5%水平上顯著，說明越是少數(shù)民族集聚的地區(qū)，保險程度越高，這一點完全符合我國的實際情況。未婚人口的比例越大，保險排除程度也越高，與之前的預測也相符。

（4）EMPL系數(shù)為正，表明隨著失業(yè)率的增加，保險排除程度也會增加。D1t系數(shù)也為正，說明地處西部地區(qū)的省市，保險排除程度相對于其他地區(qū)要高，但這兩個指標的影響較弱，顯著性水平分別為0.2501和0.4949。

四、結(jié)論與政策建議

保險排除不僅會對微觀個體抵御風險的能力上產(chǎn)生影響，同時作為社會排除的一個方面，會加劇社會階層的兩極分化，也會對社會經(jīng)濟的穩(wěn)定性產(chǎn)生不良影響。因此，從實證研究結(jié)果出發(fā)，因地制宜地找尋緩解保險排除的措施是非常有必要的。

（一）增強地區(qū)經(jīng)濟增長潛力，對于降低欠發(fā)達地區(qū)的保險排除程度是根本舉措。保險排除的負外部性不僅表現(xiàn)在弱勢群體在地理上的聚集，而且逐漸被社會所排除，無論這種排除是主動的還是被動的，其結(jié)果都會影響到社會經(jīng)濟秩序的穩(wěn)定性。緩解這一惡性循環(huán)的重要方面就是要做到切實從貧困地區(qū)利益出發(fā)，改善投資環(huán)境，重點培育發(fā)展特色產(chǎn)業(yè)，實現(xiàn)居民收入真實增長，減小貧富差距。

（二）西部地區(qū)所遭受的資源錯配亟需制度性調(diào)整。保險資源的缺乏、優(yōu)秀人才的流失、基礎(chǔ)設(shè)施的不完善已經(jīng)影響到西部地區(qū)保險業(yè)的健康發(fā)展，中央政府在制定政策時應(yīng)優(yōu)先考慮在人才引進、地區(qū)資源稟賦的保留方面給予更多的優(yōu)惠政策，地方政府更是在引進的同時注重地區(qū)現(xiàn)有資源的最優(yōu)配置，促進保險業(yè)的持續(xù)發(fā)展。

（三）實行保險差異化經(jīng)營，充分發(fā)揮保險社會管理功能。針對不同消費群體的風險偏好，加大產(chǎn)品創(chuàng)新力度，深入挖掘保險潛在需求。產(chǎn)品設(shè)計力求做到能夠根據(jù)消費者性別、社會背景、婚姻狀況、民族文化等差別做出相應(yīng)調(diào)整，同時能夠多渠道有選擇地開展保險營銷，全面考慮地理空間特征、信息技術(shù)、人員配備、產(chǎn)品特點等因素，選取適合的銷售方式。

（四）加強保險教育，推進保險知識的普及，一方面需要保險供給方側(cè)重于服務(wù)對象的需求，簡化產(chǎn)品設(shè)計，回歸保險產(chǎn)品風險保障功能；另一方面，提高人們的自主學習能力和風險管理意識。仿效發(fā)達國家設(shè)立專門機構(gòu)或組織對弱勢群體提供金融指導或建議，針對被排除對象聚居的地區(qū)，如農(nóng)村地區(qū)，開展金融保險知識的培訓。

[1]Santiago Carbo,Edward P.M.Gardener and Philip Molyneux.Financial Exclusion in Europe[J].Public Money&Management.FEBRUARY 2007.

[2]Andreas Cebulla.1999.A Geography Of Insurance Exclusion—Perceptions Of Unemployment Risk And Actuarial Risk Assessment[J].Area,Vol.31,No.2.

[3]Andreas Cebulla.2000.The Final Instance—Unemployment Insurance Going Private?A Study of a Future Social Security Scenario in the UK and Germany[J].Innovation,Vol.13,No.4,2000.

[4]徐少君.中國區(qū)域金融排除的研究[D].浙江大學，2008.

[5]田霖.我國金融排除空間差異的影響要素分析[J].財經(jīng)研究,2007,（4）.

[6]王偉，田杰，等.我國金融排除度的空間差異及影響因素分析[J].金融與經(jīng)濟,2011,（3）.