保險科技、經營效率及傳導機制研究

孫明明，裴 平，何 濤

（南京大學 商學院，江蘇 南京210093）

一、引言

新冠肺炎疫情令保險行業線下業務嚴重受阻，促使保險行業對數字化轉型的重要性和迫切性有了更為深刻的認識，而保險科技的快速發展為保險行業數字化轉型提供了契機。近十年來，中國的保險科技迅速發展，科技與保險融合，科技賦能保險企業，保險企業因數字化轉型而迸發出新的活力。各類人壽保險企業、財產保險企業、保險中介企業和互聯網保險平臺紛紛布局保險科技，依托保險科技打造以轉型升級為特征的保險新生態。它們通過自主開發互聯網保險產品與服務，或與科技公司合作等方式，實現了線下和線上保險業務的大幅度增長，優化了業務流程，提升了保險企業經營效率。但是，現有文獻關于保險科技發展對中國保險企業經營效率的影響所做研究尚不多見，且不夠深入。深入剖析保險科技對保險企業經營效率的影響，明確其傳導渠道，能夠為加快中國保險企業的轉型升級提供理論依據和決策參考。

保險科技是指由傳統或非傳統市場參與者利用信息技術為保險企業提供特定解決方案的創新，即利用技術創新推動現有保險模式創新，以節省成本和提高效率（Stoeckli et al.，2018；Bun and Sopot，2018）［1-2］。從保險科技的概念上可以看出，保險科技最終目的是降低成本和提高效率，但遺憾的是，一直缺乏有效的理論對保險科技影響保險企業經營效率的傳導渠道進行研究。學者們也嘗試從保險企業負債端、資產端和風險承擔行為研究保險科技對保險企業的作用和影響路徑（完顏瑞云、鎖凌燕，2019）［3］，從保險科技發展與財產保險企業經營效率的關系上進行研究（賈立文、萬鵬，2019）［4］，但是從未涉及保險科技影響保險企業經營效率傳導渠道的研究。本研究發現保險科技依托云計算、大數據、人工智能、物聯網、區塊鏈、虛擬現實等相關技術，可以實現保險產品線上化、差異化和個性化，能夠較好地解決保險行業零碎化、碎片化的痛點。通過動態定價、自動承保和智能理賠，保險企業減少了人力資源投入，極大地提高了經營效率，使得保險企業保費收入大幅增長。此外，保險公司的“孤島式運營”使得重復工作普遍存在，增加了風控成本。保險科技利用人工智能、大數據等技術開啟了“智能風控模式”，利用海量風險規則和機器學習實現保險企業風險管理的智能預警和多維核驗，從而降低保險企業風險支出等。因此，本文認為保險科技對保險企業經營效率具有正向促進作用。

基于以上考量，本文將通過實證研究檢驗保險科技對保險企業經營效率的影響，并深入分析其背后的傳導機制。為證實保險科技與保險企業經營效率成正比，本文選取2010—2018年中國40家保險企業樣本數據，利用自下而上逐級加權平均匯總法編制中國保險科技指數，采用三階段DEA模型測算中國保險企業經營效率指標。在此基礎上，建立模型實證檢驗保險科技對中國保險企業經營效率的影響。為明晰保險科技影響保險企業經營效率的傳導渠道，本文主要從保險企業的投入視角和產出視角進行研究，實證檢驗保險科技通過保險企業業務收入、投資收益、賠付支出和業務管理費等渠道影響保險企業經營效率的情況。此外，本文還研究了保險科技對不同類別保險企業經營效率的異質性。

本文的貢獻主要在于：①選取2010—2018年中國保險企業樣本數據，從多個角度實證檢驗了保險科技對保險企業經營效率有正向促進作用，通過穩健性檢驗后該結果依然成立。②揭示出保險科技對不同類別保險企業經營效率影響的異質性，實證檢驗發現保險科技對人壽保險企業經營效率的影響更加顯著，同時還發現保險企業成立年份對保險企業經營效率具有抑制作用。③創新性地從投入視角和產出視角，實證檢驗保險科技影響保險企業經營效率的傳導渠道，發現保險科技可以通過保險企業保險業務收入和業務管理費傳導渠道影響保險企業經營效率。④根據研究結論，提出相關政策建議。

本文其他部分安排如下：第二部分是相關文獻回顧與研究假設；第三部分是研究設計與樣本數據；第四部分是實證檢驗及其結果；第五部分是中介效應檢驗；第六部分是結論與建議。

二、文獻回顧與研究假設

（一）文獻回顧

關于保險企業經營效率，已有不少研究成果。侯晉、朱磊（2004）［5］采用數據包絡模型（DEA）對中資保險企業經營效率進行研究，發現中國保險企業經營效率不高的主要原因之一是集約化程度低，同時還發現集約化程度低明顯降低了保險企業的盈利能力。姚樹潔等（2005）［6］使用DEA模型對中國22家保險企業進行實證檢驗，發現大型保險企業經營效率明顯高于小型保險企業經營效率，直銷方式更有利于保險企業經營效率的提升。劉革、趙孟華（2006）［7］利用復合DEA模型對中國不同地區保險企業經營效率進行評價，認為東部沿海地區經濟發達省份保險企業經營效率高于其他省份保險企業經營效率，保險企業經營效率最重要的影響因素是資產規模和人員投入。黃薇（2006）［8］采用隨機前沿分析（SFA）模型對保險企業的成本效率和利潤效率進行實證檢驗，發現僅改變保險企業產權結構并不能有效提高經營效率，公司治理結構、組織形式、營銷體系、資產規模和產品多元化程度是影響中國保險企業經營效率的主要因素。鐘凡（2009）［9］分析了中國人壽保險企業經營效率的影響因素，認為在保險市場競爭日趨激烈的背景下，人壽保險企業的利潤主要來自投資收益，經營效率高的保險企業雖然不能因為技術效率和規模效率而獲得較高的利潤，但可以在競爭中獲得更多的市場份額。何潔、閆冰（2009）［10］分別使用DEA和SFA兩種模型對總保費、標準保費和分渠道保費的產出效率進行測算，研究認為大中城市的保險企業經營效率不容樂觀，以其資金推動業務發展的特征較明顯，經營效率也有待進一步提高。肖智、肖領（2010）［11］利用能處理負值的半定向徑向測算（SORM）方法分析了2005—2008年中國25家財產保險企業的經營效率，發現中資保險企業的平均經營效率要低于外資保險企業。尚穎、賈士彬（2012）［12］采用DEA模型，對保險專業代理機構的技術效率、規模效率和純技術效率進行分析，指出保險專業代理機構存在規模效率低下以及資本和營業費用投入過大等問題。田新民、李曉宇（2013）［13］通過建立擴展型兩階段（CCR）模型，選取2006—2010年中國17家保險企業的樣本數據進行實證檢驗，結果表明中國保險業整體經營效率呈現出“N”字形趨勢，保險企業的經營效率與公司成立時間和資產規模正相關。

上述文獻未涉及保險科技對保險企業經營效率的影響，真正涉及保險科技與保險企業經營效率的研究起步較晚。賈立文、萬鵬（2019）［4］研究了保險科技發展與保險企業經營效率的關系，認為保險科技能夠提高財產保險企業的經營效率。完顏瑞云、鎖凌燕（2019）［3］選擇2007—2017年中國31個省份的非平衡面板數據，就保險科技對保險企業的作用和影響路徑進行了實證檢驗，認為保險科技對保險企業負債端、資產端和風險承擔行為的影響是顯著且穩健的。

以往研究很少涉及保險科技對中國保險企業經營效率的影響，一方面是因為中國保險科技發展的時間不長，另一方面是因為相關研究所需要的樣本和數據不容易獲取。為了研究保險科技對中國保險企業經營效率的影響，本文首先借鑒北京大學互聯網金融發展指數的編制方法，構建和測算中國保險科技指數，然后采用三階段DEA模型測算中國保險企業經營效率。在此基礎上，本文利用計量經濟模型，選取2010—2018年中國20家人壽保險企業和20家財產保險企業的樣本數據，實證檢驗保險科技對中國保險企業經營效率的影響及其傳導機制。

（二）研究假設

保險科技是新生事物，關于保險科技的內涵和本質，目前還沒有形成共識。本文認為，保險科技是指通過互聯網、大數據、云計算、人工智能和區塊鏈等先進技術，拓展保險服務邊界，擴大保險市場規模，提升保險理賠效率，降低保險產品成本，進而形成對保險市場、保險機構和保險服務產生重大影響的保險新業態。保險科技的本質是保險，雖然保險科技的技術水平在不斷提升，但是保險科技服務于經濟補償、資金融通和社會保障的保險功能始終未變。科技賦能保險，保險企業利用互聯網、大數據、云計算、人工智能和區塊鏈等先進技術可以替代傳統人力，在投保、核保、承保和理賠等環節嵌入科技手段，這有利于優化業務流程，促進產品創新，降低服務成本，防范各種風險，進而提高保險企業經營效率。

保險企業按照經營范圍和市場定位不同，可以分為人壽保險企業和財產保險企業。由于人壽保險企業與財產保險企業在投保人、保險標的、保險期限和市場特征等方面存在較大差異，因而兩類保險企業的經營效率對保險科技發展的敏感度不同。相比財產保險企業，人壽保險企業的業務流程更加單一和規范，理賠過程更加簡單和快捷，因此保險科技發展對提升人壽保險企業經營效率發揮的作用更加明顯。因此，本文提出假設1。

假設1：保險科技對保險企業經營效率有正向促進作用，且這種正向促進作用在人壽保險企業表現得更加明顯。

剖析保險科技影響保險企業經營效率的傳導渠道，要從保險企業經營效率的定義入手。保險企業經營效率是指單位時間內所完成的保險業務的數量和質量，單位時間內完成的保險業務越多，即保險業務收入越高、賠付支出越低，經營效率就越高，反之，經營效率就越低。因此，本文從產出視角和投入視角分析保險科技影響保險企業經營效率的傳導機制。

從產出視角看，保險科技通過增加保險企業承保端和投資端收入影響保險企業經營效率。在承保端，保險科技打破了地理等因素對保險企業的時空約束，實現了保險產品的在線化，克服了傳統保險營銷無法解決的碎片化和零散化痛點，從而提升了保險業務收入。根據長尾理論，保險科技的獲客范圍得到極大拓展，豐富了客戶的觸達路徑，增強了銷售渠道的能效。此外，保險科技依托大數據技術對客戶群體進行細分，識別用戶需求、偏好和風險狀況，以此來繪制客戶畫像，實現保險銷售主體向客戶的轉變，把熱銷的保險產品向更加豐富的利基產品轉變，不斷創造高頻碎片化、差異化的個性化保險產品，進而為客戶提供個性化保險產品定制和定價，使客戶由被動選擇向主動選擇轉變，實現精準營銷，讓客戶享受多樣化的增值服務，最終實現保險業務收入增加。在投資端，保險科技能夠緩解信息不對稱情況，進而改善委托代理關系中的逆向選擇和道德風險，從而提升保險企業投資收益。互聯網以其空間和時間的穿透性為信息傳遞和共享提供了快速的虛擬通道，利用人工智能等技術建立監督模型，當保險資金投資代理人做出任何不利于保險資金投資委托人的決定及操作后，觸發智能監督模型，從而實現保險資金委托人對保險資金代理人的有效監督。保險科技借助人工智能建模，可以通過資產模型由計算機得出最優投資組合，可以通過多因子風控模型更準確地把握前瞻風險，可以通過信號監控、量化手段制定擇時策略。人工智能、大數據的加持，使得保險企業投資收益增加。因此，本文提出假設2。

假設2a：保險科技通過保險業務收入渠道對保險企業經營效率產生影響；

假設2b：保險科技通過保險投資收益渠道對保險企業經營效率產生影響。

從投入視角看，保險科技通過降低賠付端和管理端支出影響保險企業經營效率。在賠付端，保險科技借助物聯網和可穿戴設備感知場景、感知客戶的動態變化，不僅可以實現遠程定損、極大地減少現場定損的投入，而且還可以根據感知設備運行環境的變化提早預判和告警潛在風險。保險科技的區塊鏈技術具有去中心化、不可篡改、可追溯性和安全可信等特點，有助于解決保險產品同質、保險數據安全和保險理賠欺詐等一系列難題，進而推動保險企業高質量發展。保險科技借助海量交易數據和人工智能建模，解決保險企業、醫療機構和參保人的信息不對稱、醫療保障缺位、控費手段缺失、數據鏈斷裂等一系列問題，及時發現虛假報案、過度理賠和欺詐行為，降低核保理賠的風險，最終實現保險企業賠付支出的降低。在管理端，保險企業的業務管理費主要包括人員工資、職工福利、辦公費和差旅費等，其中支出份額較大的是人員工資和職工福利。保險科技發展改變了保險企業主要依賴人工開展業務的粗放經營模式，可以大幅減少人力資源的投入，節約人力資源投入成本，減少工資和職工福利等支出。因此，本文提出假設3。

假設3a：保險科技通過保險賠付支出渠道對保險企業經營效率產生影響；

假設3b：保險科技通過保險業務管理費渠道對保險企業經營效率產生影響。

三、研究設計與樣本數據

（一）樣本選取與數據來源

在中國，保險科技與互聯網保險的內涵幾乎相同。因此，從事互聯網保險業務的保險企業可以作為本文的研究樣本。為使研究樣本具有廣泛性和可比性，根據規模相近和互聯網化程度較高的要求，本文選取平安人壽等20家人壽保險企業和安盛天平等20家財產保險企業作為研究樣本。本文選取的樣本數據來源于《中國保險年鑒》、保險企業的年報、中國銀行保險監督管理委員會批準的保險企業互聯網保險產品數量、中國保險行業協會發布的合作第三方網絡平臺數量和合作保險中介機構數量，以及通過手工或Python爬蟲軟件從權威網站和媒體上抓取的相關數據。因為從2010年開始，中國才比較完整地公布與披露本文所做研究需要的相關數據，而且2019年個別樣本數據尚不完整，所以本文選取的樣本數據時間為2010—2018年。

（二）關鍵變量構建與測算

1.解釋變量

本文選擇保險科技指數為解釋變量，保險科技指數是衡量保險科技發展水平的指標。保險科技指數編制所要考慮的因素包括中國保險行業協會官網披露的保險企業互聯網保險產品數量、合作第三方網絡平臺數量、合作保險中介機構數量、保險發展指數（創新能力），通過Python程序爬取當年成立的保險科技企業數量，以及北京大學互聯網金融研究中心發布的省級普惠數字金融指數。為編制保險科技指數，本文借鑒北京大學互聯網金融中心編制互聯網金融發展指數方法中關于三級指數權重和四級指數權重的思路［14］，參考李琴、裴平（2021）［15］銀行系金融科技指數的構建，采用綜合實際調研、專家訪談、參考相關文獻的方法，設定互聯網保險產品數量的權重為20%，合作第三方網絡平臺數量的權重為15%，合作保險中介機構數量的權重為15%，當年成立的保險科技企業數量的權重為20%，保險發展指數（創新能力）的權重為15%，省級普惠數字金融指數的權重為15%。

保險科技指數的測算采取自下而上逐級加權平均匯總的方法。由于2010年是保險科技相關數據開始披露的年份，同時為方便本文實證檢驗，設2010年的保險科技指數為基準值100。計算保險科技指數，首先要計算環比指數，然后再基于環比指數，通過鏈式相乘得到定基指數。其計算公式如下：

2.被解釋變量

本文選擇保險企業經營效率為被解釋變量，保險企業經營效率是衡量保險企業投入產出成效的指標。關于保險企業經營效率的研究，Aigner等（1977）［16］提出隨機前沿分析（Stochastic Frontier Approach，SFA）模型，即首先確定生產函數類型，然后對確定的生產函數用最小二乘法、非線性回歸法和極大似然估計法進行估計，并將殘差項分解為隨機殘差項和無效率殘差項，最后用無效率殘差項的條件期望值作為技術效率值。Charnes等（1978）［17］提出數據包絡分析（Data Envelopment Analysis，DEA）模型，該方法首先維持決策單元的輸入和輸出保持不變，然后借助觀測樣本值和數學規劃共同確定相對有效邊界，并將各決策單元投影到相對有效邊界上，最后根據偏離程度確定決策單元效率的高低。Fired等（2002）［18］在Aigner和Charnes研究的基礎上，結合SFA模型和DEA模型，提出了三階段DEA模型：第一階段采用傳統DEA模型，即以投入導向的可變規模收益BCC模型（由Banker，Charnes和Coper提出）計算出各決策單元的效率值和投入值的松弛變量；第二階段以松弛變量為被解釋變量，以外部環境因素為解釋變量，建立以投入為導向的SFA模型，以消除管理無效率因素和隨機誤差對松弛變量的影響，并計算出調整后的投入變量；第三階段針對調整后投入變量和原產出值，使用DEA模型對消除管理無效率因素和隨機誤差影響后的決策單元進行經營效率測算。因為三階段DEA模型同時考慮了管理無效率因素和隨機誤差的影響，能夠更加真實地反映決策單元的經營效率，所以本文選用三階段DEA模型測算保險企業的經營效率。

通過三階段DEA模型測算人壽保險企業和財產保險企業的經營效率，可以得到綜合技術效率（crste）、純技術效率（vrste）和規模效率（scale）三個結果。綜合技術效率（crste）是對決策單元的資源配置能力、資源使用效率等多方面能力的綜合衡量與評價，純技術效率（vrste）是對受企業管理和技術等因素影響的生產效率的評價，規模效率（scale）反映的是由于企業規模因素影響的生產效率。三者之間的關系是綜合技術效率（crste）=純技術效率（vrste）×規模效率（scale）。考慮綜合技術效率（crste）是綜合了多方面因素，因此以此作為保險企業經營效率TFP的代理變量。

3.控制變量

借鑒完顏瑞云、鎖凌燕（2019）［3］和黃星剛、楊敏（2020）［19］的研究方法，結合本文研究目的，選擇7個控制變量，以更全面地分析保險科技發展對互聯網保險企業產品創新能力的影響。①成立年份（Ly），是指保險企業成立的年份，可以用來衡量保險企業生存能力，保險企業成立當年記為1，以后每年加1。②保險業務收入（Bc），是指保險企業的保費收入，可以用來衡量保險企業業務收入。③投資收益（Ic），是指保險企業的利息、股息等投資性收益，可以用來衡量保險企業投資收益。④賠付支出（Pc），是指保險企業支付的原保險合同賠付款項和再保險合同賠付款項，可以用來衡量保險企業的風險控制。⑤業務管理費（Mf），是指保險企業組織施工生產經營活動所發生的管理費用，可以用來衡量保險企業的管理。⑥責任準備金（Dd），是指保險企業未到期責任準備金、未決賠款準備金和保險保障基金，可以用來衡量保險企業的負債。⑦實收資本（Ca），是指保險企業實際收到的投資人投入的資本，可以用來衡量保險企業的注冊資產規模。

（三）實證檢驗模型的構建

為驗證假設1，即保險科技與保險企業經營效率正相關，本文建立以下線性回歸模型：

其中：被解釋變量為保險企業經營效率TFPi,t，其數值通過三階段DEA模型測算得到；解釋變量為保險科技指數Iti,t，反映保險科技發展水平，其數值通過自下而上逐級加權平均匯總的方法得到；控制變量包括保險企業成立年份（Ly）、保險業務收入（Bc）、投資收益（Ic）、賠付支出（Pc）、業務管理費（Mf）、責任準備金（Dd）和實收資本（Ca），其數值主要來源于中國保險行業協會披露的年報數據；αj為各變量系數，其中j=0，…，8；t表示時間維度，t=2010，…，2018；εi,t為隨機擾動項。

為驗證假設2和假設3，即保險科技影響保險企業經營效率的傳導機制，本文采用中介效應模型來檢驗傳導機制的存在。相對于其他檢驗方法，中介效應模型能夠有效降低乘積系數模型出現錯誤的概率（溫忠麟、葉寶娟，2014）［20］。本文構建的中介效應模型如下：

式（3）中：被解釋變量為Medk，i，t，代表中介變量保險業務收入（Bc）、投資收益（Ic）、賠付支出（Pc）、業務管理費（Mf），考慮保險企業經營規模的影響，回歸時分別用上述4個變量除以當年的總資產，其中k=1，…，4，表示各個中介變量，i表示第i個保險企業，t表示年份；控制變量為Xi,t，代表保險企業成立年份（Ly）、責任準備金（Dd）和實收資本（Ca）等；βk為各變量系數，其中k=0，…，2；其他變量同式（2）中一致，在此不再贅述。

式（4）中：被解釋變量為TFPi，t；解釋變量為Medk，i，t；Xi，t為控制變量；γm為各變量系數，其中m=0，…，3；其他變量同式（2）中一致，在此不再贅述。

各變量及其說明見表1所列。

表1 變量及其說明

為直觀展示樣本變量的統計特征，本文對表1中各變量進行描述性統計，其結果見表2所列。保險企業經營效率均值為0.55，中位數為0.51，說明保險企業經營效率呈現出右偏分布，有超過半數的保險企業經營效率低于平均值，這反映出我國保險企業經營效率還有較大提升空間。保險科技發展指數均值為5.89，小于其中位數6.25，說明保險科技發展呈現左偏分布，表明保險科技發展情況較好。

表2 變量描述性統計

四、實證檢驗及其結果

（一）保險科技對保險企業經營效率的影響

1.基準回歸

為驗證保險科技與保險企業經營效率正相關，本文采用式（2），分別用三階段DEA模型所得的綜合技術效率（TFP/crste）、純技術效率（vrste）和規模技術效率（scale），對20家人壽保險企業和20家財產保險企業的樣本數據進行全樣本企業回歸分析。本文的豪斯曼檢驗結果P值為0，隨機效應模型優于固定效應模型的原假設被顯著拒絕，因此采用固定效應模型。考慮同一家保險企業不同年份之間的擾動項一般存在自相關，所以采用保險企業層面的聚類穩健標準誤，其結果見表3所列。

表3顯示，保險科技指數（It）對保險企業經營效率（TFP/crste）、純技術效率（vrste）和規模技術效率（scale）的回歸系數分別為0.141、0.159和0.089，且均在1%水平上顯著，即保險科技與保險企業經營效率正相關，說明保險科技發展提高了保險企業經營效率、純技術效率和規模技術效率。這主要是因為保險科技的應用和發展可以促進保險企業的資源配置能力、資源使用效率和技術水平的提高，進而使得保險企業經營效率、純技術效率和規模技術效率全面提高。由此，可驗證假設1成立。

表3還顯示，保險企業成立年份（Ly）對保險企業經營效率（TFP/crste）和規模技術效率（scale）的回歸系數分別為-0.004和-0.005，且均在1%水平上顯著，表明隨著保險企業成立年份的增加，保險企業經營效率略有下降，這主要是因為中國保險市場尚未完全放開，保險行業競爭還不充分，保險企業隨著成立年份的增加，其創新能力逐漸弱化，進而抑制了保險企業經營效率的提高；投資收益（Ic）對純技術效率（vrste）的系數為0.051，且在1%水平上顯著，說明投資收益越高，保險企業用于技術研發的資金會越多，因此保險企業純技術效率（vrste）得以提升。

表3 保險科技對保險企業經營效率影響的全樣本實證檢驗

2.異質性分析

進一步進行異質性分析，驗證保險科技與保險企業經營效率正相關在人壽保險企業表現得更加明顯，本文將全樣本企業分為20家人壽保險企業和20家財產保險企業兩組分樣本企業，然后采用式（2），以保險企業經營效率（TFP）為被解釋變量對樣本企業進行分組回歸分析，其結果見表4所列。

表4 保險科技對保險企業經營效率影響的分樣本實證檢驗

表4顯示，在人壽保險企業樣本組，保險科技指數（It）的系數為0.981且在1%水平上顯著，明顯大于財產保險企業樣本組保險科技指數（It）的系數0.072，即保險科技與保險企業經營效率正相關在人壽保險企業表現得更加明顯，說明保險科技發展能更加有效地提高人壽保險企業的經營效率。這主要是因為人壽保險企業的業務流程比財產保險企業的更單一、規范和標準化，保險科技的標準化和程序化能夠較好地契合人壽保險企業的經營活動。綜上所述，假設1成立，保險科技對保險企業經營效率有正向促進作用，且這種正向促進作用在人壽保險企業表現得更加明顯。

（二）穩健性檢驗

為保障保險科技對保險企業經營效率影響回歸結果的可靠性和非隨機性，本文采用變量替換法、分樣本法和縮尾法等，對保險科技與保險企業經營效率之間的關系做穩健性檢驗。

1.變量替換法

借鑒完顏瑞云、鎖凌燕（2019）［3］和黃星剛等（2020）［19］的研究做法，選擇北京大學數字金融研究中心編制的中國數字普惠金融指數中的保險業務分項指數（It′）來替代保險科技指數。該指數以“螞蟻科技”保險海量底層交易賬戶數據為基礎，首先選取“每萬人支付寶用戶中被保險用戶數”“人均保險筆數”和“人均保險金額”三個互聯網保險業務指標，然后對這三個保險業務指標進行無量綱化處理，接著根據層次分析的變異系數賦權法確定具體業務指標權重，最后計算出保險業務分項指數。公式（2）中將保險科技指數這個變量替換為It′，然后分別對保險企業全樣本進行回歸，其結果見表5第（1）列。

2.縮尾法

為避免可能存在的極端值對實證檢驗結果的影響，有必要對選定變量進行1%和99%分位的縮尾處理，并重新進行回歸分析，其結果見表5第（2）列。

3.變化保險科技編制權重

遠程用電檢查系統數據采集功能，主要對過電壓、過電流以及功率等參數進行計算。首先，根據偵聽遠程終端接收數據信息，然后邏輯分析程序采用“SEMMA”方法論進行數據分析，如下圖所示。

為了消除保險科技指數編制時權重選擇對回歸結果的影響，本部分對前文設定的權重重新進行考慮。自2020年新冠疫情暴發以來，保險企業線下業務受到嚴重影響，越來越多的保險企業意識到發展保險科技的重要性，保險企業發展保險科技的路徑由依賴創新轉向自主創新，即保險企業更傾向于成立保險科技子公司，以便進行自主創新。因此，本部分重新對權重進行設定，上調當年成立的保險科技企業數量的權重為30%，下調合作第三方網絡平臺數量的權重為10%、合作保險中介機構數量的權重為10%、保持互聯網保險產品數量的權重為20%、保險發展指數（創新能力）的權重為15%，省級普惠數字金融指數的權重為15%。用新的保險科技指數重新進行回歸，其結果見表5第（3）列。

表5第（1）列全樣本保險科技指數（It′）的回歸系數為0.063，且在1%水平上顯著；第（2）列保險科技指數（It）的回歸系數為0.090，且在1%水平上顯著；第（3）列保險科技指數（It）的回歸系數為0.086，且在1%水平上顯著。由此可知，解釋變量替換后，保險科技發展對保險企業經營效率仍具有正向促進作用，且縮尾法和變換保險科技編制權重回歸結果與之前基本一致，證明回歸結果比較穩健。

表5 保險科技對保險企業經營效率影響的穩健性檢驗

（三）內生性問題

鑒于保險企業發展保險科技是提升保險企業經營效率的理性選擇，而保險科技發展與保險企業經營效率之間存在雙向因果關系會導致內生性問題，本部分即對其內生性問題進行檢驗。

1.引入滯后變量

考慮保險企業當前的經營效率不會影響其前期的保險科技發展程度，本文使用保險科技的滯后一期值替代當期值，對模型重新進行回歸檢驗，回歸結果見表6第（1）列。

此外，考慮保險企業經營效率往往具有持續性，即存在時間維度上的自相關性，本文將被解釋變量保險企業經營效率的滯后一期引入模型中，構建動態面板模型，采用系統高斯混合模型（GMM）方法進行估計，以解決反向因果、遺漏變量等造成的內生性問題。首先采用面板Fisher檢驗對變量進行單位根檢驗，發現解釋變量和被解釋變量都是平穩的，然后以變量的滯后項及差分滯后項作為工具變量，使用兩步系統GMM方法對模型進行估計，回歸結果見表6第（2）列。

2.工具變量法

為進一步使得保險科技發展對保險企業經營效率影響的回歸結果更可靠，本部分采用工具變量法進行內生性問題檢驗。借鑒謝絢麗等（2018）［21］的做法，選擇互聯網普及率（INT）作為保險科技發展的工具變量，回歸結果見表6第（3）列。

表6第（1）列保險科技指數（It）滯后一期的系數為0.205，且在1%水平上顯著，說明保險科技發展滯后一期與保險企業經營效率顯著正相關；第（2）列保險企業經營效率（TFP）滯后一期的系數為0.177，且在1%水平上顯著；第（3）列在引入工具變量后，保險科技發展指數（It）的系數為0.150，且在1%水平上顯著。綜上所述，表6中核心解釋變量的結果與上文回歸結果基本保持一致，表明本文的結論是穩健的。

表6 保險科技對保險企業經營效率影響的內生性檢驗

五、中介效應檢驗：保險科技對保險企業經營效率的影響機制研究

（一）產出視角：保險業務收入和投資收益傳導渠道

為驗證假設2，即從產出視角研究保險科技影響保險企業經營效率的傳導渠道，本文采用式（3）和式（4），分別從產出視角和投入視角對保險科技影響保險企業經營效率的保險業務收入、投資收益、賠付支出和業務管理費四個傳導渠道進行實證檢驗和回歸分析。

根據保險企業經營效率的概念可知，保險業務收入和投資收益的增加均可導致保險企業產出的增長，進而會影響保險企業經營效率。本文以保險業務收入和投資收益為中介變量，檢驗保險科技通過保險業務收入和投資收益傳導渠道對保險企業經營效率的影響。根據中介效應模型，同時對式（3）和式（4）進行回歸，其結果見表7所列。

表7 中介效應模型實證檢驗：產出視角

表7第（1）列中保險科技指數（It）對保險業務收入（Bc）的影響系數為-0.412，在1%水平上通過顯著性檢驗，表明保險科技發展降低了保險企業業務收入；第（2）列中保險業務收入（Bc）對保險企業經營效率（TFP）的影響系數為0.018，表明保險企業收入的增加提升了保險企業經營效率，但是未通過顯著性檢驗。根據中介效應檢驗規則，保險科技發展對保險業務收入的影響系數和保險業務收入對保險企業經營效率的影響系數中有一個不顯著時，需要進一步做Sobel檢驗，若通過Sobel檢驗，則說明中介效應成立。表7第（1）列中Sobel檢驗的P值為0.063，即說明中介效應在10%水平下通過顯著性檢驗，表明保險科技發展通過保險業務收入傳導渠道影響保險企業經營效率。同時，第（1）列中Sobel的中介效應占比為0.402，表明保險科技發展通過保險業務收入傳導渠道影響保險企業經營效率的中介效應比例為40.2%。因此，本文假設2a成立，即保險科技通過保險業務收入渠道對保險企業經營效率產生影響。

表7第（3）列中保險科技指數（It）對保險企業投資收益（Ic）的影響系數為0.654，但未通過顯著性檢驗；而保險企業投資收益（Ic）對保險企業經營效率（TFP）的影響系數為-0.025，但未通過顯著性檢驗。根據中介效應檢驗規則，保險科技發展對保險企業投資收益的影響系數和保險企業投資收益對保險企業經營效率的影響系數均未通過顯著性檢驗，說明保險科技發展通過保險企業投資收益傳導渠道無法對保險企業經營效率產生影響。因此本文假設2b不成立。可能的原因是：保險企業進行投資的方式主要是通過第三方進行委托代理，此時保險企業發展保險科技并不能影響投資收益。

（二）投入視角：保險賠付支出和業務管理費傳導渠道

根據保險企業經營效率的概念可知，保險企業賠付支付和業務管理費的增加均可導致保險企業投入的增長，進而會影響保險企業經營效率。本文以保險企業賠付支出和業務管理費為中介變量，檢驗保險科技通過保險企業賠付支出和業務管理費傳導渠道對保險企業經營效率的影響。根據中介效應模型，同時對式（3）和式（4）進行回歸，其結果見表8所列。

表8 中介效應模型實證檢驗：投入視角

表8第（1）列中保險科技指數（It）對保險企業賠付支出（Pc）的影響系數為0.715，表明保險科技發展增加了保險企業賠付支出，但未通過顯著性檢驗；第（2）列中保險企業賠付支出（Pc）對保險企業經營效率（TFP）的影響系數為0.033，表明保險企業收入的增加提升了保險企業經營效率，但是未通過顯著性檢驗。根據中介效應檢驗規則，保險科技發展對保險企業賠付支出的影響系數和賠付支出對保險企業經營效率的影響系數都不顯著時，說明保險科技發展通過保險企業賠付支出傳導渠道不會影響保險企業經營效率，因此，假設3a不成立。可能的原因是：保險企業發展保險科技主要應用在產品創新等領域，對保險企業風險管理重視程度不夠，導致保險科技發展無法降低保險企業賠付支出。

表8第（3）列中保險科技指數（It）對保險企業業務管理費（Mf）的影響系數為-0.385，表明保險科技發展降低了保險企業業務管理費，且在1%水平上通過了顯著性檢驗；第（4）列中保險企業業務管理費（Mf）對保險企業經營效率（TFP）的影響系數為-0.025，表明保險企業業務管理的減少可以提升保險企業經營效率，且在10%水平上通過顯著性檢驗。根據中介效應檢驗規則，保險科技發展對保險企業業務管理費的影響系數和業務管理費對保險企業經營效率的影響系數都顯著時，說明保險科技發展通過業務管理費傳導渠道可以對保險企業經營效率產生影響。同時，第（3）列中Sobel的中介效應占比為0.396，表明保險科技發展通過保險企業業務管理費傳導渠道影響保險企業經營效率的中介效應比例為39.6%。因此，假設3b成立。

六、結論與建議

在借鑒國內外相關文獻和深入調研的基礎上，本文編制保險科技指數，測算保險企業經營效率，選取2010—2018年中國20家人壽保險企業和20家財產保險企業的樣本數據，實證檢驗了保險科技對中國保險企業經營效率的影響：①保險科技對保險企業經營效率有正向促進作用，說明保險科技發展有利于提高保險企業經營效率，這一結論在經過穩健性檢驗后依然成立；與財產保險企業相比，保險科技與保險企業經營效率正相關在人壽保險企業表現得更加明顯；隨著保險企業成立年份的增加，保險企業經營效率有所弱化。②保險科技影響保險企業經營效率的傳導渠道是保險科技可以提高保險企業的保險業務收入，同時保險科技可以降低保險企業的業務管理費。

基于上述結論，本文提出以下對策性建議：①政府部門，特別是保險行業監督管理部門要出臺相關鼓勵政策和優惠措施，如稅收優惠、專項資金補貼和分擔保險科技研發風險等，引導和支持保險企業的保險科技研發與應用。②保險企業要進一步加強與科技企業和高等院校的跨界合作，借助合作伙伴的科技優勢，為保險企業發展保險科技奠定堅實基礎；人壽保險企業和財產保險企業都要加大對保險科技的投入，積極利用互聯網、大數據、云計算、人工智能和區塊鏈等先進技術，拓展業務邊界、優化業務流程，創新產品與服務，特別是財產保險企業要制定更加規范和標準化的業務流程，實現保險企業的轉型升級；保險企業要守正創新，回歸保險業務本源，依靠保險科技在產品開發、精準營銷、風險控制等方面發力，提高保險企業純技術效率和規模技術效率，從而提高保險業務收入，同時加強經營分析、成本控制、資金運作，降低保險企業的業務管理費。