基于排序選擇模型的保險排除程度影響因素分析

張艷萍

（中央財經大學 保險學院，北京 100081）

一、引言

對于金融排除問題的關注最早開始于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絡技術進步等多重因素作用下，金融機構為應對嚴峻的市場競爭，逐漸尋求“安全”目標市場，陸續關閉了一些農村及落后地區的分支機構，導致貧困地區及弱勢群體無法享受金融產品及服務，因此而產生了金融排除現象。

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和產品的過程中存在著障礙，而這些服務和產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“穩定器”在社會經濟中發揮著舉足輕重的作用，但是現有文獻中保險排除作為金融排除的現象之一，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，對商業性質的失業保險排除進行了概念性的闡述和產生機理分析，[2](p111)并提出不同的國家影響失業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象之一進行描述。國內目前沒有學者對保險排除做出系統的研究，僅見徐少君在其博士論文中對基本保險產品的排除，[4](p130)只針對社會保險做出了評估，未對商業保險排除進行分析，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保險產品的排除，即社會中有一部分人無法或較少獲得商業保險服務。

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。保險機構基于成本收益的考慮往往在偏遠地區及貧困地區減少機構設置甚至不予以設立，此外，這類地區往往在電力供應和網絡通信等方面比較欠缺，保險公司無法正常運轉。一般來說，保險機構的網點數量與保險排除存在負相關關系。

（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在提供產品時所附加的條件不能實現而無法滿足。這些條件往往是基于保險機構主觀風險的評判而設置的門檻，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品的價格時就會遭受保險排除，往往越是不發達的地區，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體系之外，產生原因一般認為可能來自教育水平、民族文化、消費習慣等。典型的表現就是不予購買保險產品或不足額投保。

三、我國保險排除程度空間差異及影響因素

（一）研究方法及數據來源。

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，首先建立保險發展水平指標，由于保險排除程度與發展水平呈現負相關關系，接著利用保險發展水平的排序對保險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 （不包括香港、臺灣、澳門）2011年截面數據樣本共217個，包括保險機構數量，保險從業人員數量，保險行業總資產，承保總額，賠付金額，保險深度和保險密度。數據主要來自2012年中國統計年鑒，2012年中國保險年鑒，2012年地方統計年鑒，保監會及各派出保監局網站。

（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展水平。

（1）保險機構數量，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）保險業保險金額，保險業所承擔的風險總額，體現著保險業作為社會“穩定器”的作用。

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

（4）保險深度，反映了保險業在該地區經濟中的影響程度和相對發展水平。

（5）保險密度，是某一地區的人均保費收入，能夠反映該地區保險業發展的人口條件。

保險密度和保險深度在一定程度上能夠反映地區保險市場的需求狀況。

（6）保險從業人員數量，可在一定程度上反映保險行業總體規模。

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

2.主成分與因子分析方法。

首先進行KMO和Barleett球形檢驗，根據Kaiser（1974）給出的檢驗標準，當KMO大于0.5時，數據才適合做因子分析。本文中KMO為0.780，而且Barleett統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中給出保險發展水平主成分的特征值。

表1 保險發展水平主成分的特征值及方差比重

表2 保險發展水平得分及排名情況

經過Varimax旋轉后，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%，足以反映保險行業總體發展水平，因此，將前兩個公因子作為評價地區保險發展水平的綜合指標。根據旋轉成份矩陣可知：（1）F1在保險密度、保險深度和承保總額的載荷值比較大，可稱之為保險效率因子；（2）F2在保險機構總數、就業人數、賠款總額和總資產的載荷值比較大，可稱之為保險規模因子；（3）綜合得分F=（44.834%*F1+42.320%*F2）/87.154%。根據此公式，計算出各個省市的保險發展水平得分并進行排序。

從表2數據可以看出，廣東、上海、北京的保險發展水平處于領先地位，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保險相對發展水平。

3.對保險發展水平進行聚類分析，結果見表4。將31省市劃分為四個梯隊，由于區域保險發展水平與保險排除程度呈負相關關系，可以根據其聚類結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 保險發展水平聚類結果

（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 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，ε是獨立同分布可識別的隨機變量，可以通過按以下規則得到：

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也做了調整，一般來說，老年人和兒童對保險產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的人口年齡構成。

（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，對保險產品的消費也越多。此外，對于保險行業來說，高收入者往往意味著對保險產品有著更高的消費能力，因此也就成為保險機構追逐的服務對象。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，所以此處以地區中大專及以上人口占總人口比例近似代替。

（4）民族（MINO）。由于宗教文化、習俗、傳統等的影響以及收入的制約，少數民族在對保險產品的消費上存在著明顯的自我排除。本文對我國31個省區的民族構成進行了虛擬變量的設置，少數民族聚集的省份（新疆、內蒙古、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。西部地區包括的省級行政區共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、內蒙古；中部地區有8個省級行政區，分別是山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南；東部地區包括的11個省級行政區沒變,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個省（市）。我國東中西三大地區由于地理位置的差異，對保險排除程度有著較顯著的影響。東部地區的良好區位已經形成了一種循環累積效應，相對于中西部地區，保險排除程度較低。該指標設置為虛擬變量，分別表示東、中和西部，以反映地區因素對保險排除的影響。

（6）就業狀況（EMPL）。就業水平也是影響保險排除的一個重要指標，就業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的接觸而產生影響。失業率越低，保險排除程度越低。本文采用地區失業率進行反映。

（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，本文采用各省區每百人民用汽車擁有量TRAN來表示。

（8）地區生產總值（GDP）。一般而言，地區生產總值反映了一個地區的整體經濟水平，GDP值越高，經濟越發達，越能夠為保險業的發展提供了良好的經濟基礎。筆者用各地區實際GDP來反映。

（9）金融資源（DEPO）。城鄉居民儲蓄存款余額，反映了居民的儲蓄貨幣和金融資源數量，它既可以作為影響保險業發展環境因素中居民收入水平的體現，又可觀察它對保險業的替代效應和收入效應。

（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（基本社保基金收入／地區人數）來衡量地區社會保障程度。一般認為社會保險對商業保險存在著一定的“擠出效應”，即社會保障水平越高，商業保險的發展越受到制約。

（12）婚姻狀況（MS）。Marital status通常會對保險的投保產生一定的影響，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.回歸結果及分析。

根據Eviews對各指標進行變量的相關性分析，發現各變量間存在著高度相關，因此需要對解釋變量進行相應調整，經過對比分析，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，結果見表5。

表5 多元排序選擇模型的分析結果

（1）INCOME指標系數為負，說明隨著地區人均收入的增加，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的廣東、北京、上海三大經濟發達省市的保險發展水平較高，而經濟落后地區相應保險排除程度較高的情況相一致。

（2）GEND指標系數也為負，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系數均為正，且都在5%水平上顯著，說明越是少數民族集聚的地區，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系數為正，表明隨著失業率的增加，保險排除程度也會增加。D1t系數也為正，說明地處西部地區的省市，保險排除程度相對于其他地區要高，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，也會對社會經濟的穩定性產生不良影響。因此，從實證研究結果出發，因地制宜地找尋緩解保險排除的措施是非常有必要的。

（一）增強地區經濟增長潛力，對于降低欠發達地區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，其結果都會影響到社會經濟秩序的穩定性。緩解這一惡性循環的重要方面就是要做到切實從貧困地區利益出發，改善投資環境，重點培育發展特色產業，實現居民收入真實增長，減小貧富差距。

（二）西部地區所遭受的資源錯配亟需制度性調整。保險資源的缺乏、優秀人才的流失、基礎設施的不完善已經影響到西部地區保險業的健康發展，中央政府在制定政策時應優先考慮在人才引進、地區資源稟賦的保留方面給予更多的優惠政策，地方政府更是在引進的同時注重地區現有資源的最優配置，促進保險業的持續發展。

（三）實行保險差異化經營，充分發揮保險社會管理功能。針對不同消費群體的風險偏好，加大產品創新力度，深入挖掘保險潛在需求。產品設計力求做到能夠根據消費者性別、社會背景、婚姻狀況、民族文化等差別做出相應調整，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、人員配備、產品特點等因素，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重于服務對象的需求，簡化產品設計，回歸保險產品風險保障功能；另一方面，提高人們的自主學習能力和風險管理意識。仿效發達國家設立專門機構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，如農村地區，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].金融與經濟,2011,（3）.