互聯網金融崛起下中國保險業效率研究
——基于三階段DEA法

周朝波 彭 歡 重慶理工大學經濟金融學院

本文運用三階段DEA法和2013—2016年中國保險公司的數據，對中國保險業在互聯網金融崛起背景下的效率進行實證研究。研究發現：外部環境因素對中國保險公司效率的影響差異較大，剔除外部環境因素影響的三階段DEA法測算結果比經典DEA法更能客觀反映保險公司的效率水平；中國壽險業和財險業具有相似性，即純技術效率突出，技術效率和規模效率較低，在面對互聯網金融崛起帶來的機遇和挑戰時，中國保險公司的經營表現不盡如人意；分類來看，財險公司技術效率高于壽險公司。根據以上結論，本文給出了應對互聯網金融沖擊的對策建議。

一、引言

2013年是中國互聯網金融崛起的元年，在中共十八屆三中全會上發布《中共中央關于全面深化改革若干重大問題的決定》，提出大力發展普惠金融，鼓勵金融創新，豐富金融市場，由此互聯網金融業務開始呈現多樣化發展，包括第三方支付、移動支付、余額寶、P2P網絡借貸、眾籌融資等。隨后中央將互聯網金融納入“十三五規劃”中，出臺《關于促進互聯網金融健康發展的指導意見》《關于積極推進“互聯網+”行動的指導意見》等一系列支持互聯網金融發展的政策。互聯網金融借此迅猛發展，據艾瑞咨詢歷年《中國第三方互聯網支付交易規模》的統計數據，從2013年至2017年五年間，總交易規模已經超過70萬億元，各類互聯網金融公司已達1.9萬多家，互聯網金融用戶人數也以5.6億位居世界第一。隨著物聯網、云計算、人工智能等互聯網技術的進一步發展，國家監管政策的進一步規范，互聯網金融將在不斷摸索中成熟，伴隨著保險業對外資的全面放開，中國保險業面臨的競爭將會更加激烈。如果中資保險公司不能依托互聯網金融進行轉型升級獲得優勢競爭力，其后果不僅是中國保險業受到沖擊，還會阻礙中國金融業發展進程。互聯網金融崛起背景下中資保險公司要獲得優勢競爭力，必然要提高經營效率，因此，對保險業效率測算和提升的研究對中國金融行業未來發展具有重要的現實意義。

二、文獻綜述

效率是保險公司經營中的一個重要內容，現有文獻中評價效率的方法也十分豐富，如層次分析法（AHP）、隨機前沿分析法（SFA）、傳統數據包絡分析法（DEA）和經改進的二階段DEA法、三階段DEA法等（劉連生等，2013；林昌華和陳浪天，2018；孫剛和劉璐，2010；孫樹壘和路曉偉，2010；Sun等，2013；梁芹和陸靜，2011）。其中三階段DEA法是由Fried等（2002）基于傳統數據包絡分析（DEA）方法，利用一種新技術評價生產者表現，兼顧考慮外部環境因素（環境因素和隨機誤差）對生產者表現影響時所采用。它不僅避免了隨機前沿分析法（SFA）需要依靠人的主觀認識賦予權重的弊端，也避免了層次分析法（AHP）因所選要素不合理造成決策質量下降的問題，同時還能克服傳統數據包絡分析法（DEA）和二階段DEA法不能使決策單元非經營因素（外部環境因素）同質化等不足，并且能使每個決策單元都處于相同的外部環境下（Lin Y等，2013）。考慮到保險公司的經營效率經常受到國家宏觀經濟政策的影響（Klumpes，2004），采用可濾除外部環境因素影響的三階DEA法能夠得到更加準確的效率評價結果。目前國內外考慮外部影響后運用三階段DEA法對保險公司進行效率評價的相關文獻較多，都得出結論，剔除外部環境變量后得到的第三階段效率值比第一階段效率值更能準確反映保險公司效率問題（Zhang，2011；胡宏兵等，2014；蔣才芳和陳收，2015），說明三階段DEA法在剔除決策單元面臨的外部環境因素影響、效率評價等方面表現出明顯的合理性。

綜上所述，中國保險公司常常受到國家相關政策、行業狀況等外部大環境影響，通過運用去除外部影響的三階段DEA法對中國保險業效率進行測算，可以得到更為準確的效率值，真實反映各保險公司近年來在互聯網金融崛起背景下的應變能力和經營情況。

三、三階段DEA法

本文用三階段DEA法測算的效率為技術效率，它可進一步分解為純技術效率和規模效率，即技術效率=純技術效率×規模效率，技術效率是在考慮純技術效率與規模效率下，保險公司在一定的投入水平下獲得最大產出的能力，是對保險公司的資源配置能力、資源使用效率的綜合評價；純技術效率是保險公司由于管理和技術等因素影響的生產效率；規模效率是保險公司由于生產規模因素影響的生產效率，體現了現有生產規模與最優生產規模之間的差距。因此，本文測算的技術效率值可以反映保險公司整體經營能力，純技術效率值可以反映出保險公司的管理、技術水平，而規模效率值也可反映保險公司業務規模與最優規模的偏離程度。

傳統的一階段DEA法雖然被廣泛應用于效率問題的定量研究，但它沒有考慮外部環境因素的影響，會導致不同決策單元效率值都為最優的情形，可靠性會受到影響。在保險公司效率研究中，保險公司往往面臨不同的外部環境因素，用一階段DEA法無法判斷效率高低是受保險公司內部管理影響還是受外部環境因素影響。由此本文采取可消除外部環境因素影響的三階段DEA法來研究保險公司效率問題。

（一）第一階段DEA

假設有 n個 DMU（DecisionMaking Unit，簡稱決策單元），每個DMU有m種投入和s種的產出。用Xmj表示DMUj第m項投入，Ysj表示DMUj第s項產出。進行DEA法分析時采用以投入為導向、假定規模報酬不變的CCR模型（Charnes A等，1978）可以求得包含純技術效率和規模效率在內的技術效率；采用以投入為導向、假定規模報酬可變的BCC模型（Banker等，1984）可以求得純技術效率；規模效率等于綜合效率除以純技術效率。下式(1.1)為CCR模型，(1.2)為BCC模型。

式(1.1)中，θ表示決策單元的技術效率值。S+rj表示DMJj第r個投入的松弛變量，S-rj表示DMJj第r個產出的松弛變量。當θ=1時，說明DMJj的技術效率相對有效，在一定投入的產出達到最優；當θ＜1時，即DMJj的技術效率非有效，此時投入存在松弛，可以通過減少某些要素投入維持產出不變。

式(1.2)中求得的θ值為決策單元的純技術效率值，決策單元的規模效率值可由技術效率值除以純技術效率值得到。如果各機構投入量受到外部環境因素的影響，那么對于內部管理、技術水平無差異的機構來說，處于有利外部環境的機構技術效率值就必然優于處于不利外部環境的機構技術效率值，以致機構內部管理、技術水平得不到真實體現。因此需要在第二階段對包含在S+ij中的外部環境因素變量進行分離以解決上述問題。

（二）第二階段隨機前沿分析（SFA）

將第一階段中的投入冗余作為因變量，環境變量、統計噪音和管理無效率作為解釋變量，其表達式如下所示：

其中j=1,2,...,n表示第j個決策單元；i=1,2,...,m表示第i個投入。S+ij為第j個決策單元在第i個投入上的松弛變量（理想投入減去實際投入）；fj(Zk;βk)表示環境因素對Sij的影響，通常取fj(Zk;βk)=Zkβk，k表示環境變量個數，其中Zk表示觀測到的第k個環境變量，βk為環境變量對應的參數向量；Vij+Uij為聯合誤差項，其中Vij反映隨機誤差，呈正態分布，Uij反映管理的無效率，表示管理因素對投入松弛的影響，呈半正態分布；Vij與Uij之間獨立且不相關。

本文根據陳巍巍等（2014）、羅躍登（2012）和Jondrow等（1982）文獻中的介紹，管理無效率計算采用以下公式：

這里需要說明的是，如果γ值越趨近于0，管理無效率機構投入松弛幾乎沒有影響，效率偏離相對有效前沿面與管理無效率無關。通過最大似然估計（Most Likelihood Estimates，簡稱MLE）估計出β0、σ2和γ等值，利用這些估計值通過式（2.2）計算出Uni，然后計算出 Vni，再通過式(2.3)調整投入變量。

其中，Xij是原始投入數量，是經第二階段SFA調整后的投入數量。式(2.3)是將所有決策單元放在同一最惡劣外部因素下進行研究，此時外部因素對投入冗余的作用最大。

（三）第三階段DEA

用經第二階段隨機前沿分析（SFA）調整后的投入變量，再次用第一階段傳統數據包絡分析法（DEA）評估保險公司效率，此時的評估值是在同一外部環境下得到的，能夠客觀地反映各決策單元效率的相對大小情況。

四、樣本選擇和指標選取

（一）樣本選擇

2013年是互聯網金融崛起元年，為研究互聯網金融崛起背景下中國保險業效率問題，本文以2013年為節點，選取2013—2016年四年間的相關數據。根據胡宏兵等（2014）的研究，樣本保險公司的選擇基于以下要求：（1）為保證指標數據連續性，跨年度數據不完整的保險公司被剔除；（2）保費收入市場份額小于0.1%的保險公司被剔除；（3）所選樣本保險公司具有全面性和代表性。最終確定樣本壽險公司為27家，其中中資公司15家，外資公司11家；樣本財險公司為18家，其中中資公司14家，外資公司4家。所選樣本的數據均來源于《中國保險年鑒》（2014—2017年）。

（二）指標選取

1.投入、產出變量的選取

根據中國保險業的經營特點，指標數據的客觀性、一致性以及可比性，結合蔣才芳和陳收（2015）的研究，選取固定資產（X1）、員工人數（X2）、經營支出（X3）作為投入變量，其中經營支出是保險公司經營的成本支出，包括賠付支出、手續費及傭金支出、業務及管理費；選取保費收入（Y1）、投資收益（Y2）作為產出變量。

2.環境變量的選取

根據趙桂芹（2009）的研究，環境變量應是會對保險公司效率產生影響，但是自身無法控制的因素。因此，本文結合中國實際情況選取保險公司所有權歸屬（Z1）、成立年數（Z2）、市場份額（Z3）作為環境變量。

五、實證分析

（一）壽險業效率測算實證分析

1.第一階段DEA實證結果

利用DEAP2.1軟件對27家壽險公司效率進行初步測算，得到技術效率、純技術效率和規模效率結果如附錄表A1、表A2、表A3中“調整前”下各行所示。2013—2016年間技術效率平均值為0.794，純技術效率平均值為0.876，規模效率平均值0.910，說明壽險公司整體技術效率未達到相對有效值1所造成的資源浪費20.6%（1-0.794）中約有49.0%[0.876/(0.910+0.876)]是由于規模無效率導致的，即是壽險公司管理技術水平不佳所致。與相對有效值1比，當前大部分壽險公司效率處于無效狀態，均有一定的提升空間。由于初步測算結果包含了外部環境因素，不能準確地反映壽險公司效率的實際水平，因此還需作進一步的調整并重新進行測算。

2.第二階段SFA實證結果

第一階段DEA求得的效率值沒有剔除外部環境因素的干擾，不能準確反映中國壽險公司的效率，因此需要剔除外部因素對壽險公司效率的影響。于是，本文將一階段DEA模型得到的各DMU的投入松弛變量與環境變量所有權屬類別（Z1）、成立年限（Z2）、市場份額（Z3）分別作為被解釋變量與解釋變量，代入SFA回歸模型，并利用陳巍巍等（2014）、羅躍登（2012）、Jondrow 等（1982）介紹的方法剔除外部壞境因素對投入松弛變量的影響，從而準確反映壽險公司效率。下面，本文運用 Frontier4.1軟件對SFA模型的參數進行最大似然估計，回歸結果如表1所示。

?表1 第二階段SFA實證結果

從表1可以看出，多數回歸系數都可以通過1%顯著水平，說明外部環境因素確實對投入松弛變量存在顯著影響。其中各個投入松弛變量的γ值與LR值均在1%的水平顯著，說明各壽險公司管理因素是其投入冗余的主要影響因素，有必要運用SFA對松弛變量中包含的管理因素和外部環境因素進行分離。由于第二階段SFA是外部環境因素變量對相應投入松弛變量的回歸，因此，回歸系數為正時，外部環境因素變量的增加會使相應投入松弛變量增加，原始投入愈加偏離投入目標值，從而使壽險公司效率下降；回歸系數為負時，外部環境因素變量的增加會使相應投入松弛變量減少，原始投入愈加接近貼近目標值，從而使壽險公司效率上升。

從SFA回歸結果來看，環境變量與各松弛變量的回歸系數有正有負，表明外部環境因素對壽險公司效率的影響各有不同，使得各壽險公司面臨不同的外部環境，其經營表現也大有不同。由此，需要將各決策單元面臨的外部環境統一進行調整，從而測算出各壽險公司真正的效率。

3.第三階段DEA實證結果

為了消除壽險公司面臨的不同外部環境，使所有公司處在同一經營環境與運氣中，本文根據表1得出的結果對原始投入變量按（2.3）式進行調整，整個調整過程消除了壽險公司面臨的不同外部環境。將調整后的投入變量與原始產出變量再利用DEAP2.1軟件進行測算，得到剔除了外部環境因素影響的各壽險公司效率值如附錄表A1、表A2、表A3“調整后”下各行所示。

從表中可以看出，調整前與調整后的效率值發生了較大變化，2013—2016年間的技術效率平均值為0.455，純技術效率平均值為0.971，規模效率平均值0.473，說明整體的技術效率未達到相對有效值1所造成的資源浪費 54.5%（1-0.455）中約有 67.2% [0.971/(0.971+0.473)]是由于純技術無效率導致的，而是壽險公司管理、技術水平不佳所致。相比第三階段測算的效率值，第一階段低估了各壽險公司的經營管理效率導致整體技術效率值所造成的資源浪費。剔除了外部環境因素帶來的影響之后，在2013—2016年間，只有2家壽險公司的技術效率一直是相對有效，僅占樣本公司數量的的7.41%，說明整體經營達到相對有效的壽險公司數量較少，大部分公司效率存在提升空間；與調整前相比，技術效率上升的壽險公司分別有5家、6家、5家、5家，說明這些公司所處相對不利的外部環境確實降低了技術效率，同時技術效率下降的公司分別有22家、21家、22家、22家，說明這些公司所處相對有利的外部環境造成了其較高的技術效率。由此說明通過控制外部環境因素，可以得到更加準確的效率測算結果。

運用SPSS軟件將第一階段、第三階段測算得到的2013—2016年各壽險公司技術效率值與保費收入進行spearman等級相關性檢驗，結果發現第三階段DEA法所得到的各壽險公司效率值與保費收入的spearman等級相關系數為0.905，顯著高于第一階段的0.243，表明第二階段對外部環境因素的調整十分必要，第三階段DEA法測算效率值比第一階段更能反映各壽險公司真實的管理、技術水平。因此，采用三階段DEA法來測算中國壽險公司效率更為合理和準確。

（二）財險業效率測算實證分析

1.第一階段DEA實證結果

接下來利用DEAP2.1軟件對18家財險公司效率進行初步測算，得到技術效率、純技術效率和規模效率結果如附錄表A4、表A5、表A6中“調整前”下各行所示。2013—2016年間技術效率平均值為0.911，純技術效率平均值為0.953，規模效率平均值0.946，說明財險公司整體技術效率未達到相對有效值1所造成的資源浪費8.9%（1-0.911）中有50.9%[0.953/(0.953+0.946)]是由于純技術無效率導致的。與相對有效值1相比，當前大部分財險公司效率處于無效狀態，均有一定的提升空間。

2.第二階段SFA實證結果

按上述方法得到外部環境因素與投入松弛變量的回歸結果，如表2所示。

?表2 第二階段SFA實證結果

從表2可以看出，多數回歸系數能通過1%顯著水平，說明外部環境因素對投入松弛變量存在顯著影響。其中各個投入松弛變量的γ值與LR值均在1%的水平顯著，環境變量與各松弛變量的回歸系數有正有負，說明運用SFA對松弛變量中包含的管理因素和外部環境因素進行分離是正確的。

3.第三階段DEA實證結果

按上述方法將調整后的投入變量與原始產出變量再利用DEAP2.1軟件進行測算，得到剔除了外部環境因素影響的各財險公司效率值如附錄表A4、表A5、表A6“調整后”下各行所示。從表中可以看出，調整前與調整后的效率值發生了較大變化，2013—2016年間的技術效率平均值為0.703，純技術效率平均值為0.995，規模效率平均值0.706，說明整體的技術效率所造成的資源浪費29.7%中有58.5%是純技術無效率所造成，相比第三階段測算的效率值，第一階段低估了各財險公司的經營管理效率導致整體技術效率值所造成的資源浪費。在2013—2016年間，財險公司的技術效率都一直未達到相對有效，存在一定提升空間；與調整前相比，技術效率上升的財險公司分別有5家、4家、4家、4家，技術效率下降的公司分別有9家、13家、9家、12家，說明這些公司所處的外部環境影響了技術效率。

運用SPSS軟件將第一階段、第三階段測算得到的2013—2016年各財險公司技術效率值與保費收入進行spearman等級相關性檢驗，結果發現第三階段DEA法所得到的各財險公司效率值與保費收入的spearman等級相關系數為0.846，顯著高于第一階段的0.255，說明第三階段DEA法測算效率值比第一階段更能反映各財險公司真實的管理、技術水平。

（三）中國保險業效率測算結果分析

接下來依據調整后的結果從技術效率、純技術效率、規模效率三方面對中國壽險與財險公司效率進行分析。

1.保險公司技術效率測算結果分析

從表3可以看出，2013—2016年中國壽險公司和財險公司的技術效率均值較低，整體呈下降趨勢，說明中國保險業在2013—2016年間面對互聯網金融快速發展時整體經營情況不佳。同時財險公司的技術效率均值高于壽險公司，說明財險公司近年來的經營情況好于壽險公司，這主要由于財險公司在經營互聯網保險業務中投入更多，推出了大量的低額、碎片化保險產品，比如與旅游公司合作在旅游產品上選取或附贈旅游類保險、與當下火熱的電商平臺合作在購買產品時選取或附贈退貨運費保險，這些產品降低了公司的渠道營銷成本，契合了80后、90后的消費習慣，符合大眾消費熱點，從而提升了公司的規模效益與經營效率。

無論是壽險公司還是財險公司，中資公司的技術效率均值都高于外資公司，說明中資公司在中國市場競爭中仍然具有明顯優勢，這是由于互聯網金融監管政策正在逐漸完善，潛在投保者對保險公司的互聯網保險業務仍持懷疑態度，出于安全穩妥的考慮，規模較大的中資保險公司更容易獲得潛在投保者的青睞。

?表3 2013—2016年中國保險公司技術效率均值比較

2.保險公司純技術效率測算結果及分析

從表4可以看出，2013—2016年中國壽險公司與財險公司的純技術效率較高，說明中國保險業在互聯網金融崛起下十分重視互聯網創新技術，對管理、互聯網創新技術水平的投入較多。

外資壽險公司的純技術效率均值略高于中資壽險公司，說明外資壽險公司比較重視技術創新和提高經營管理水平，反映外資壽險公司傾向于采用品牌推廣的方式在中國獲得長期穩固的市場占用率，而不是采用價格戰等低級競爭方式與中資壽險公司爭奪短期市場份額。

值得注意的是，作為四大國有保險集團之一中國太平旗下的太平人壽，它的純技術效率值低于整體純技術效率均值，其經營管理水平、公司治理能力和業務創新能力與其他壽險公司存在一定差距，應加快進行市場化變革。

?表4 2013—2016年中國保險公司純技術效率均值比較

3.保險公司規模效率測算結果及分析

從表5可以看出，2013—2016年中國壽險公司與財險公司的規模效率均值較低，整體呈下降趨勢，其中只有人保人壽和中國人壽規模效率值一直達到相對有效，說明大部分資本雄厚的保險公司未能借助互聯網金融的發展實現互聯網保險業務的高效經營，從而導致規模效率較低。在今后的發展中，應結合互聯網金融制定清晰的互聯網保險發展戰略，充分整合資源，優化自身規模，擴大互聯網保險業務的經營規模，實現規模經濟，繼而提高經營效率。財險公司的規模效率均值高于壽險公司，說明財險公司雖然規模較小，但其規模擴張效率和業務能力相對較強，在互聯網金融業務模式不斷進入市場時反應靈活，很快推出創新產品，所以在規模效益上優于體系龐大、反應遲鈍的壽險公司。

無論是壽險公司還是財險公司，中資公司的規模效率均值都高于外資公司，這是由于中資公司經過長期的經營，具有明顯的規模優勢和本土優勢，而外資公司還未解決好本土化問題。盡管如此，但近年來外資公司的市場份額正在逐步提升，一旦其借助互聯網金融強勁的發展勢頭度過適應期，將會對中資公司發展產生巨大威脅。

?表5 2013—2016年中國保險公司規模效率均值比較

綜上，中國保險業在互聯網金融崛起下經營情況并不樂觀，還需進一步提升綜合競爭力，加快推進市場化和規范化，不斷提高自身業務創新能力、經營管理水平和優化自身規模。

六、結論與建議

本文運用三階段DEA法，對2013—2016年中國保險業效率進行研究，得到以下結論：

1.調整了外部環境因素影響后，中國保險業效率的測算結果出現了顯著變化，在運用SFA模型剔除外部環境因素之前，效率值被低估，表明了外部環境因素對保險業效率的影響差異較大。spearman等級相關性檢驗發現，第三階段DEA法的效率測算值比第一階段更能反映各保險公司的真實管理、技術水平。說明采用控制了外部環境因素的三階段DEA法來測算中國保險業的效率更為合理和準確。

2.中國壽險業與財險業的效率具有相似性：純技術效率突出，但技術效率和規模效率較低，說明在面對互聯網金融崛起帶來的機遇和挑戰時，中國保險公司的經營情況不盡如人意，只有2家保險公司整體經營效率一直達到相對有效，占樣本數量的4.44%，大部分公司效率水平還有待提升。同時，財險公司的技術效率均值高于壽險公司，說明財險公司憑借靈活的經營管理體制、較高的互聯網保險投入、優化的公司規模，在互聯網金融崛起背景下的經營效率高于體系固化、反應遲鈍的壽險公司。

3.無論是壽險公司還是財險公司，外資公司的技術效率與規模效率都低于中資公司，純技術效率并不比中資公司具有明顯優勢，且達到效率相對有效的外資公司數量明顯低于中資公司，說明在互聯網金融崛起背景下進入中國市場的外資保險公司對中資保險公司的沖擊并不大，但仍不可掉以輕心。

因此，中國保險公司應該順應形勢進行變革，積極應對互聯網金融的沖擊與挑戰。

第一，積極調整經營理念，重視客戶個性化需求。長期的壟斷地位讓中國保險公司在經營業務上以產品為中心，忽略了大部分客戶需求，但隨著互聯網金融利用現代技術對金融資源進行有效配置后，互聯網消費者越來越注重個性消費，以往保險市場上形式單一、保障范圍不全的產品很難滿足客戶的個性化需求。因此，中國保險公司應該結合互聯網大數據推出更多的個性化產品和服務。

第二，轉變思維模式，加強與第三方平臺的合作，實現互利共贏。蘇寧易購、天貓、京東等第三方平臺擁有龐大的用戶群體，并且互聯網消費者對該類平臺足夠信任。因此在第三方平臺上投放產品可以為中國保險公司的品牌推廣、互聯網保險業務開展帶來機會，還可以降低經營成本，擴大互聯網保險業務的市場份額，從而提升整體經營效率。

第三，重點挖掘、培養復合型保險人才。中國雖然擁有大量的保險從業人員，但是員工平均素質不高，并且保險公司中人才相對單一。單純的管理、保險、精算、計算機等專業人才已經不能滿足未來發展需要，精通互聯網技術、熟悉保險業務、能進行綜合管理決策的復合型人才才是未來核心競爭力。因此，中國保險公司應該重點發掘和培養復合型保險人才。

第四，加大互聯網保險創新投入，提升科技創新能力。互聯網金融是現代商業與信息技術高度發展的產物，中國保險公司從數據挖掘、產品設計、業務操作到管理決策，都離不開科技能力的有力支撐。因此，保險公司要加大對互聯網保險創新的投入，提升科技創新能力，不斷創新保險產品，在互聯網金融時代謀得一席之地。

第五，以效率為中心，改變過往“重規模、輕效益”的觀念。中國大部分實力雄厚的保險公司在經營上沒有表現出規模經濟，主要是因為它們盲目搶占市場，不計成本地提高手續費比例，導致經營費用的負向作用大于保費收入的正向作用，在資源利用方面出現大量浪費。而在互聯網金融時代，未來金融的發展方向逐漸轉向普惠金融，因此中國保險公司在擴大業務規模時應以效率為中心，注重自身經濟效益。

附錄

?表A1中國壽險公司技術效率測算結果

?表A2中國壽險公司純技術效率測算結果

?表A4中國財險公司技術效率測算結果

?表A5中國財險公司純技術效率測算結果

?表A3中國壽險公司規模效率測算結果

?表A6中國財險公司規模效率測算結果