我國壽險公司的經營效率分析

[摘要]利用DEA方法考察了1999-2005年間中國11家壽險公司的技術效率、純技術效率和規模效率的變化情況，通過多元線性回歸對影響我國壽險行業經營效率的因素進行了分析。研究表明，中國的壽險行業技術效率普遍不高，低技術效率的原因主要歸咎于規模的低效率。其中中資壽險公司在技術效率和規模效率方面要略好于合資公司。回歸分析結果顯示市場份額對我國壽險業效率的正向影響最大，人力資源水平和資產規模對我國壽險業的效率呈顯著的負相關關系，而壽險公司的資本來源結構對效率沒有顯著影響。

[關鍵詞]壽險公司；效率分析；DEA

[中圖分類號] F842［文獻標識碼］ Ａ

[文章編號] １６７３－０４６１（２００8）０1－００7１－０6

※廣東省哲學社會科學規劃項目“我國保險市場效率和風險問題研究”（05E－07）的部分成果。

一、引 言

改革開放以來，中國的壽險業取得了舉世矚目的進步。1994年，中國壽險保費總量為162億元人民幣，人均壽險深度為0.3%；2005年中國壽險保費總量達3646億元人民幣，壽險密度約為280元人民幣，壽險深度約為2%。短短的十年間，中國的壽險密度提高了近20倍，壽險深度提高了約6倍[1]。隨著我國全面融入世界經濟體系，中國壽險業面臨國內市場國際化的競爭局面，如何提高我國壽險業的競爭效率日顯重要。

目前對公司效率測度的研究方法主要有參數法與非參數法兩大類。參數方法包含隨機前沿面分析法（Stochastic Frontier Analysis，SFA），自由分布法（Distribution—Free Approach，DFA），厚前沿分析法（Thick Frontier Approach，TFA）。非參數方法主要有數據包絡分析（Data Envelopment Analysis，DEA），無界分析 (Free Disposal Hull，FDH) ，指數法（Index Numbers，IN），混合最優策略法（Mixed Optimal Strategy，MOS）[2]。其中SFA法和DEA法是在實踐中常用的兩種效率測度方法。本文采用非參數法中的DEA兩步法對我國壽險公司的效率進行評價，測算出壽險公司的各種效率值，尋找出影響壽險公司經營效率的主要因素，為增強我國壽險公司競爭力提出政策建議。

二、文獻綜述

使用DEA方法對金融業的效率研究主要集中在銀行和證券類公司，對保險公司尤其是壽險公司的效率研究目前還很少。Fecher（1993）應用DEA方法研究了保險公司經營的相對效率問題， Cummins（1995）開始將DEA方法推廣應用到有關保險公司的效率分析中。在國內文獻中，惲敏、李心丹（2003）運用DEA方法中固定規模報酬下的CCR模型考察了1999年我國主要保險公司的相對綜合效率，認為我國保險業存在很大的改善空間[3]。趙旭（2003）運用可變規模報酬下的VRS模型著重研究了我國主要保險公司在1997-2001年度的相對效率，得出了我國保險公司的市場份額、資產規模與其經營效率關聯度不高的結論[4]。劉毅（2005）研究了我國主要壽險公司在1999-2003年度的經營效率，分析得出中資公司的經營效率普遍好于合（外）資公司[5]。

然而，上述研究仍有需要改進之處，首先，惲敏、李心丹（2003）僅僅研究了1999年我國主要保險公司的相對綜合效率，沒有研究保險公司效率的時間變化趨勢。趙旭（2003）雖然對我國保險業的效率變化趨勢做了分析，但僅僅對純技術效率進行了估計。劉毅（2005）沒有討論壽險公司效率的決定因素?？紤]到DEA方法的優點，本文仍沿用此方法并結合其在效率研究中的最新成果，利用DEA兩步法對我國壽險公司的經營效率及影響我國壽險業經營效率的因素進行實證分析。本文主要著[于兩個方面：（１）測量各壽險公司的各種效率值以及它們的歷史變動情況；（２）判別哪些因素對我國壽險業經營效率有顯著影響。

三、模型介紹

（一）DEA方法[6]

DEA法發端于Farrell（1957）的研究基礎，Charnes、Rhodes（1978）和Fare等人（1985）對其進行了發展完善。該方法首先根據所有樣本企業（決策單元）的投入和產出構造一個可以包容所有樣本企業（決策單元）生產方式的最小生產可能性集合，并且估計得到一個相對最有效前沿面，通過單個企業與有效前沿面的距離來測度企業的DEA有效性并用線性規劃法來計算這些企業的相對效率。對壽險公司效率的測算，一般要涉及到5 種效率指數，即經濟效率（EE）、技術效率（TE）、配置效率（AE）、規模效率（SE）和純技術效率（PTE）。本文重點分析壽險公司的技術效率、純技術效率和規模效率。

運用DEA方法[7]來評價決策單元的相對效率時，根據前提假設的不同可以分為投入導向法和產出導向法，而導向方法的不同對結論的影響微不足道。對壽險公司而言，我們選擇基于投入導向的DEA模型計算壽險公司的效率得分。

設有n個決策單元DMUi(i=1，2，…n)每個決策單元都包含有m種投入和s種產出，分別以m維向量Xi和s維向量Yi表示第i個決策單元的投入量和產出量。以相對效率為基礎對第i0個決策單元DMU0進行評價，并引入松弛變量s+，s-和非阿基米德無窮小量ε建立的基于可變規模報酬假設的VRS模型為：

Min[θv-ε(es-+es+)]（1）

s.t.

Xiλi+s-=θvX0

Xiλi-s+=Y0

λi=1

λi≥0，i=1，2，…n; s-≥0，s+≥0

其中，θv表示純技術效率。X0，Y0分別表示評價決策單元DMU0的投入和產出向量。s+，s-分別表示松弛向量。

在可變規模報酬的線性規劃模型中去掉約束條件λi=1我們可以得到基于不變規模報酬假設的CRS線性規劃模型為：

Min[θc-ε(es-+es+)]（2）

s.t.

Xiλi+s-=θcX0

Xiλi-s+=Y0

λi≥0，i=1，2，…n; s-≥0，s+≥0

其中，θc表示決策單元的技術效率，其他的符號與（１）式定義相同。

用該模型計算出來的效率值不但包含了決策單元的技術效率還包含了決策單元的規模效率，而前面的可變規模報酬模型測度的只是決策單元的純技術效率水平。我們可以通過對不同規模報酬下求出的效率值進行比較推算出決策單元的規模效率θs的大小，得出規模效率等于技術效率與純技術效率的比值，即θs=。

（二）Ｍalmquist指數方法

我們利用Fare（1994）建立的Ｍalmquist指數模型來考察壽險公司效率的變化情況，具體模型為：

m0(yt+1，xt+1，yt，xt)=×（3）

其中m0(yt+1，xt+1，yt，xt)即為Ｍalmquist指數，d(xt+1，yt+1)表示在t期技術條件下的t+1期效率水平，d(xt，yt)表示在t期技術條件下的當期效率水平，d(xt+1，yt+1)表示在t+1期技術條件下的當期效率水平，d(xt，yt)表示在t+1期技術條件下的t期效率水平。

通過Ｍalmquist指數與1的大小關系來反映決策單元從時期t到時期t＋１的效率增減情況，當Ｍalmquist指數小于１時表示效率有所下降，大于1時表示效率有所增加，等于１表示效率沒有變化[8]。

四、指標的確定與數據選取

（一）指標的確定

使用DEA方法對壽險業效率測定存在的主要困難就是如何定義壽險公司的投入和產出變量，就目前國內外研究文獻來看，對壽險公司的投入產出還沒有統一的定義。綜合考慮我國壽險公司的實際情況和數據的可獲得性，本文選取勞動力和資產總額作為投入指標，選取保費收入和資產利潤率作為產出指標。其中資產利潤率=年度利潤總額/資產總額。這里我們對資產利潤率指標數據運用下面的公式（4）進行歸一化處理消除量綱和負數，使所有資產利潤率值都大于0且落在 區間。

x=（4）

（二）樣本數據的選取

本文研究的樣本包括中國人壽、太平洋人壽、中國平安、泰康人壽、新華人壽、中宏人壽、太平洋安泰、安聯大眾、金盛人壽、美國友邦上海分公司和廣州分公司等11家在中國開展壽險業務的主要壽險公司，根據資料計算2005年這11家壽險公司保費收入占整個壽險公司保費收入的87.1%，資產總和占整個壽險公司資產總和的94.6%，具有足夠的代表性。樣本期為1999年-2005年。本文使用的數據來源于《中國保險年鑒》（1999-2005）中各保險公司的資產負債表和資產損益表。其中太平洋人壽2001年前的數據為產壽險綜合指標，中國平安2002年前的數據為產壽險綜合指標，在計算效率的過程中我們對此并未做區分，目的是為了對比這兩家保險公司在分業經營前后的效率變化情況。

五、國內壽險業效率實證測度與分析

本文首先利用Malmquist指數分析方法考察1999-2005年間中國壽險業效率的變化情況，然后根據CRS和VRS模型利用DEAP軟件測算各年度各壽險公司的技術效率（TE）值、純技術效率（PTE）值、規模效率（SE）值及其對應的規模區間。

（一）我國壽險業的效率變化

我們運用DEAP軟件運行基于投入導向的Malmquist DEA模型來測度技術效率的變化。DEAP的輸出文件包含了每個壽險公司每年度的5個指數：技術效率變化（effch），技術變化（techch），純技術效率變化（pech），規模變化（sech）和全要素生產率變化（tfpch）。

表1給出了Malmquist指數分析結果，其中包含了1999-2005年樣本壽險公司各年Malmquist指數的年度均值（annual mean）及跨期均值（firm mean）。報告結果將樣本公司劃分為中資公司和合資公司兩個組別，其中中資公司包含中國人壽、太平洋人壽、平安人壽、新華人壽和泰康人壽。合資公司包含中宏人壽、太平洋安泰、安聯大眾和金盛人壽，由于友邦廣州和友邦上海屬于全外資公司所以不包含在任何一個組別[3]，附表中的均值都是計算的相應組公司的幾何平均值。

從分析結果我們可以看到1999-2005年期間，整個樣本壽險公司的全要素生產率呈下降趨勢，年平均指數為0.977。而同一期間的技術效率卻緩慢上升，對應的指數值為1.094，技術變化指數為0.931，這表明在考察期間雖然我國壽險公司在技術效率方面有所改進，但由于公司本身跟不上技術改進的步伐，最終導致了全要素生產率和純技術效率的下降，但規模效率實現了緩慢上升。在整個考察期間合資公司比中資公司在技術效率改進方面取得了更大的進步，合資公司除了在2001-2002年度是技術效率下降以外其他5個年份都是技術效率上升。而中資公司卻只有其中的3個年份是上升的，并且上升的幅度遠不如合資類公司。這說明外資的引入對我國壽險公司技術效率的提升起了很大的作用，如2000年新華，泰康成功引進國際投資者后，其技術效率得分明顯提高。

（二）技術效率

由DEAP軟件求解投入導向的不變規模報酬模型，分別得到七年內各壽險公司的技術效率值。技術效率值參見表2。

表2. 1999-2005年各壽險公司技術效率值表

就單個壽險公司來看，處在技術效率前沿面上的壽險公司僅有美國友邦廣州一家。而無論是從資產規模還是市場份額來看目前都壟斷我國壽險市場的中國人壽、平安和太平洋的技術效率得分都不高，其中中國人壽和平安的效率值還沒有達到0.795的平均水平，與其公司地位極不相稱，而像新華、中宏、安聯大眾、美國友邦等這些小規模的公司卻得分較高，都超過了平均水平，這也反映出了我國壽險公司的市場份額、資產規模和其經營效率關聯度并不是很高。

再看太平洋和平安人壽在產壽險分離前后的技術效率變化，通過比較這兩家公司各年的技術效率值我們可以發現:太平洋人壽在2001年后技術效率得分逐年遞減，其值由2001年的1降到2005年的0.686；平安人壽的技術效率值由2002年的0.685降到2005年的0.571，也同樣呈現出逐年遞減的趨勢。這說明產壽險分離對保險公司效率的提高所起的作用不明顯，并且可能由于分離后導致的產品單一化而帶來效率的降低。

從整體來看，我國壽險業技術效率水平不高，平均值為0.795，其中中資壽險公司平均技術效率值為0.763略好于合資壽險公司，而外資類壽險公司技術效率值最高，美國友邦上海和美國友邦廣州在考察期內的技術效率值均值達到了0.952。

圖1、壽險公司1999-2005年技術效率變化曲線

由圖1可以看出我國壽險業技術效率從1999年開始先上升到2001年達到最高點后開始下降，到2003年形成一個轉折后又開始上升。從整個考察期間來看我國壽險業的技術效率整體上是呈緩慢上升趨勢的。這一點與利用Malmquist指數分析得出的結論一致。通過對外資、中資和合資三類壽險公司的對比我們可以發現外資壽險公司在整個區間內的技術效率值最高；雖然平均效率值中資公司要好于合資類公司但合資類壽險公司，但從整個考察期間來看其技術效率變化趨勢呈現明顯的上升趨勢并有超過中資公司的跡象。

（三）規模效率和純技術效率

由DEAP軟件求解投入導向的可變規模報酬模型，分別得到七年內各壽險公司的規模效率值和純技術效率值，并得出相應的規模區間，計算結果分別參見表3-表5。

從表3我們可以看到處于規模效率前沿面的還是友邦廣州，每年的規模效率值都為1，說明其生產規模是最恰當的。其次得分較高的是友邦上海年平均值達到了0.98，通過對比我們可以發現得分最高的全部集中在中小規模公司像美國友邦、新華、中宏等。其中規模較大的中國人壽、平安、太平洋得分卻不高，并且這三家公司無一例外的都是處于規模報酬遞減階段，我們分析認為這類公司可能由于規模過于龐大，遍布全國的分支機構和營銷網點，增加了管理難度降低了信息傳遞的質量，導致投入成本利用率的降低，而其他中小規模公司大部分年份都是處于規模報酬遞增階段，說明這類中小壽險公司可以通過適當的增加投入，擴大公司規模來提高自身的經營效率。雖然整體上來說我國的壽險公司普遍存在規模效率損失，但是從規模變化的趨勢圖（圖2）上可以看到我國壽險業整體規模效率是緩慢上升的，這與Malmquist 指數模型得到的結論也是一致的。另外從中資和合資的對比角度來看，中資壽險公司的規模效率均值為0.817要好于合資壽險公司，且各年的波動幅度也比較小。說明中資公司在規模效率方面暫時具有一定的優勢，但從2004、2005年的計算結果我們可以預測隨著時間的推移這種優勢可能將不復存在。

圖2、各壽險公司1999-2005年規模效率變化曲線

另外從中資和合資的對比角度來看，中資壽險公司的規模效率均值為0.817要好于合資壽險公司，且各年的波動幅度也比較小。說明中資公司在規模效率方面暫時具有一定的優勢，但從2004、2005年的計算結果我們可以預測隨著時間的推移這種優勢可能將不復存在。從表4我們可以看到樣本壽險公司的純技術效率得分普遍都比較高并且各公司的差距也很小。比較中資和合資類壽險公司我們可以看到在純技術效率方面合資公司的得分要比中資公司的高，這與前面的規模效率和技術效率值的比較結果正好相反，這也說明了外資壽險公司利用現有生產技術的能力比我們強，在現有的技術條件和投入相同的情況下，他們能夠獲得更多的產出。通過對規模效率和純技術效率的分析我們可以看到我國壽險業技術效率低下的主要原因是規模的低效率。純技術效率對各壽險公司技術效率的影響不是很明顯。

六、我國壽險業效率的影響因素分析

為了找出影響我國壽險業經營效率的因素，根據前面的分析，我們引入壽險公司的基本特征變量對前面計算出來的各效率得分進行多元回歸分析，建立如下多元線性回歸模型：

Y=b0+b1X1+b2X2+b3X3+b4X4+b5X5+b6X6+b7D1+b8D2+u

其中，Y= 樣本壽險公司各效率得分；X1=壽險公司資產總額/樣本壽險公司資產總額，代表該公司的規模大小；X2=壽險公司保費收入/樣本壽險公司保費收入總和，代表了該公司的市場份額；X3=壽險公司職工中本科以上學歷人數/該公司總人數，代表該公司的人力資源水平；X4=所有者權益；X5=營業費用；X6=分支機構數；D1，D2為兩個虛擬變量，代表壽險公司的所有權結構，其取值分別為：D1=1 中資壽險公司0 other，D2=1 合資壽險公司0 other

這里我們選取2005年作為回歸分析的考察樣本，以技術效率值作為因變量利用最小二乘法對上述多元線性回歸模型進行擬合。分析軟件為Eviews5.0，結果參見表6。

表6. 技術效率回歸結果

通過對回歸結果的分析我們可以看到X6，D1，D2沒有通過顯著性檢驗，即各壽險公司的分支機構數量和公司資本來源結構對我國壽險公司技術效率所起的作用不顯著。對于分支機構數量對效率的作用不顯著可能與我們對這個指標的取值有關系，由于數據來源的限制我們這里取的壽險公司分支機構數量指的是各壽險公司下面的分支公司的個數不包含營銷網點數量，我們知道現階段就我國壽險市場來說還是以人海戰術為主，各壽險公司主要是通過個人營銷的方式來帶動保險業務的增長，像我國壽險業的三巨頭在全國各地就有數以千計的營銷網點。因此就單純的分支公司數量對壽險效率的作用不顯著這也是理所當然的。

對資本來源結構對我國壽險業的效率作用不顯著，我們可以做如下分析，由于中資合資和外資在現階段都各有自己的優勢和劣勢，優勢對效率的正效應和劣勢對效率的負效應被相互抵消。比如中資壽險公司較外資有很明顯的本土優勢，但是外資壽險公司有著雄厚的資本勢力和豐富的管理經驗，在產品創新和技術水平等方面卻明顯領先于我國本土的壽險公司。合資類壽險公司結合了中資的本土優勢和外資在管理經驗技術水平等各方面的優勢，這對其經營效率的提高起到很大的促進作用，但由于公司內部中外文化的沖突卻導致了效率的降低。因此這三類公司的長處和短處綜合起來對效率的影響就不是那么明顯了。

剩下的5個解釋變量X1，X2，X3，X4，X5都通過了顯著性檢驗。市場份額和所有者權益與經營效率呈顯著正相關。其中壽險公司的市場份額對壽險公司的經營效率影響最大，市場份額提高一個百分點將使壽險公司的經營效率提高28.9個百分點。所有者權益雖然與壽險公司效率有顯著的正相關關系但是它對效率的影響卻很小，我們這里的市場份額指的是該壽險公司保費收入占整個樣本壽險公司保費總收入的比例，這也反映了壽險公司開展經營的主要資金來源還是保費收入，自有資本只是其中很小的一部分，這也就不難理解為什么各壽險公司都是以保費論英雄了；公司規模、人力資源水平和營業費用支出與經營效率呈顯著的負相關。營業費用支出和壽險公司的經營效率負相關這個符合我們的一般規律，營業費用代表了壽險公司開展經營的成本，當然降低經營成本可以帶來公司經營效率的提升。壽險公司規模與經營效率負相關。我們的分析是以11家樣本壽險公司作為一個整體得出來的相對效率，在這11個樣本中各壽險公司存在明顯的規模差異，其中主要表現為三大壽險公司和其他中小公司的資產規模差距和由此帶來的市場份額差距，但是由前面的分析我們知道這三家最大的壽險公司的效率得分卻普遍不高，從而導致了回歸模型計算出來的規模與經營效率負相關。這從一定程度上也反映了我國壽險業不存在明顯的規模效益，資產規模的盲目擴張并不意味著經營效率的提高，壽險公司應更關注的是資產質量和對資產的風險管理水平。人力資源水平與經營效率負相關，這體現了我國壽險行業甚至整個壽險行業不同于其他行業的地方，“保險尤其是壽險，主要是由人來做，而不是制造業那種標準化、流水線上的作業”。由前面的分析我們也得出市場份額與效率呈顯著的正相關并且有很到大的影響，而市場份額主要還是靠低成本的營銷人員創造的，因此鑒于前面的分析，就不難理解人力資源水平與壽險公司經營效率的這種顯著的負相關關系。但這并不意味著以后壽險公司就不應該注重公司的人力資源水平，相反，隨著我國金融業的綜合化經營和國家對保險資金運用渠道的進一步放寬，保險業的產品經營方式和資產增值方式都會發生很大的變化，靠傳統的跑馬圈地式的粗放式經營來帶動業務的增長已經不能適應整個保險行業的發展，因此我國的壽險公司更應該注重人才的質量，大力引進包括經濟、金融、投資、法律、財務、計算機等專業人才，以及懂管理善經營的高級管理人才，提高我國壽險公司的人才競爭力。

七、結 論

由于存在規模效率的損失，我國壽險公司的技術效率值并不高，但純技術效率普遍較高且各公司間的差距不明顯。其中中資公司在技術效率和規模效率上的表現要比合資公司好，但純技術效率上卻不如合資類公司。外資公司美國友邦廣州一枝獨繡，不論是在技術效率、規模效率還是純技術效率上都遙遙領先。在整個考察期間我國壽險公司的技術效率是緩慢上升的，但由于跟不上技術改進的步伐最終導致了我國壽險公司全要素生產率的下降。效率影響因素方面，多元回歸分析顯示我國壽險公司的市場份額對效率有顯著的正向影響，人力資源水平和公司規模對效率有顯著的負向影響。而公司的資本來源結構對我國壽險公司的效率影響卻不明顯。面對壽險市場越來越激烈的競爭，我國的壽險公司應積極采取措施提高經營效率，增強自身的核心競爭能力。

[參考文獻]

[1]徐美芳.中國壽險需求決定因素研究[M].上海:上海社會科學院出版社，2006.

[2]遲國泰，楊德，吳珊珊.基于DEA方法的中國商業銀行綜合效率的研究[J]. 中國管理科學 ，2006.10(5).

[3]惲 敏，李心丹.基于DEA方法的保險公司效率分析[J]. 現代管理科學 ，2003，(3).

[4]趙 旭.關于中國保險公司市場行為與市場績效的實證分析[J].經濟評論 ，2003，(4).

[5]劉 毅.基于參數生產前沿面理論對我國壽險公司經營效率的實證分析[A]. 中國平安精英大學生勵志計劃金融、保險學術論文獲獎文集[C].北京:人民出版社，2005.

[6]吳文江.數據包絡分析及其應用[M].北京:中國統計出版社，2002.

[7]譚政勛.基于改進DEA的商業銀行效率動態變化研究[J]. 統計與決策，2006，6 （下）.

[8]Coelli，T. A Guide to DEAP Version 2.1 :A Date Envelopment

Analysis (Computer)Program，CEPA Working Paper[Z].96/08.

The Efficiency of Life Insurance Industry in China: Based on the DEA Theory

Liu Xiaoxing1，Qiu Guihua1，Hu Ying2

(1.Guangdong University of Business Studies， Guangzhou 510320; 2. Ji’nan University， Guangzhou 510630，China )

Abstract: By using DEA method the changes are analyzed in technical efficiency， pure technical efficiency and scale efficiency of 11 life insurance companies in China from 1999 to 2005. Then the factors of influencing the efficiency of life insurance companies are discussed through the multiple regression models. The results indicate that technical efficiency of the life insurance companies is generally low due to the low scale efficiency in China. State-owned companies are better than the joint ones in technical efficiency and scale efficiency. The regression analysis indicates that the market share has the largest positive effects on the efficiency of life insurance industry in China， that the level of human resources and the capital scale have remarkable negative effects on it， and while the structures of capital source have no effects on it.

Key words: life insurance company; efficiency analysis; DEA

（責任編輯：張丹郁）