我國保險業數字技術創新、標準化與行業發展關系的實證分析

王 碩，趙海軍

（廣東財經大學 信息學院，廣東 廣州 510320）

一、引言

作為全球第二大保險市場，中國2019 年保險行業保費收入已達42 645 億元，增速回升到12.2%，有望成為全球保險市場發展的主要驅動力；2020 年的保費收入45 257 億元更是將保險業科技創新推上熱點。縱觀我國保險行業的發展，從不成熟的起步階段逐步走向規范化、標準化的成熟階段，這得益于國家對標準化建設的重視。國務院于2021 年印發的《國家標準化發展綱要》，不僅突出了標準化在推進國家治理體系和治理能力現代化中發揮著基礎性、引領性的作用，更是強調了標準化應與數字經濟時代的科技創新互動發展。

我國保險業起步雖晚，但學術界的相關研究成果頗豐。楊曉榮（2012）[1]、張韻（2016）[2]、鄭蘇晉等（2019）[3]實證分析得出保險業發展對經濟增長的正效應顯著；謝恒（2012）[4]、高健（2013）[5]、完顏瑞云和鎖凌燕（2019）[6]、王媛媛（2019）[7]等研究認為科技創新對保險業發展有極大的促進作用；王飛鵬（2010）[8]、趙紅和王新軍（2015）[9]等十分看好保險業標準化的發展。鑒于針對保險業的標準化與數字技術創新關系研究并不多見，而胡彩梅和韋福雷（2011）[10]、楊蕙馨等（2015）[11]、王麗君（2020）[12]等學者對經濟增長、標準化與創新關系的實證研究為保險業發展研究提供了新思路。因此，本文選取了1995—2020 年樣本數據，利用計量經濟應用軟件建立模型并進行實證分析，旨在探討數字經濟背景下數字技術創新、標準化與中國保險發展三者之間的深層關系。

二、研究設計

（一）理論模型

不同于傳統以經濟理論為基礎來描述變量關系的聯立方程模型，向量自回歸（Vector Autoregression，VAR）模型是基于數據統計性質建立的，只需要變量具有相關性，而不以嚴格經濟理論為依據（張正新，2018）[13]。自1980 年西姆斯將VAR 模型引用到經濟學中，VAR 模型就常用于預測時間序列系統、分析隨機擾動對變量系統的動態沖擊，從而解釋各種經濟沖擊對變量的影響，推動經濟系統動態性分析（高鐵梅，2020）[14]。本文初探保險業數字技術創新、標準化與行業發展之間的相關關系，并以多元時間序列為變量，因此可采用易于處理多個相關經濟指標的分析與預測的VAR 模型作為理論基礎。

（二）變量選取

數字技術創新，以數字金融科技有效專利為變量。王媛媛（2019）[7]提出保險科技的創新包括了創新技術、創新模式和創新公司。而數據獲取的難易程度使得現代研究中技術專利成為技術創新的主要量化指標。例如，有選取專利申請數為變量指標（王麗君，2020）[12]；（李小林等，2021）[15]；也有選取有效專利數（謝恒，2012）[4]等。為對應標準化的變量數據來源，本文擬選取經過國家授權的行業有效專利數為指標；鑒于國家統計局公布了按國際標準分類的發明、實用新型專利申請授權量等數據，故本文選取數字經濟背景下有代表性的類別以粗略代表數字金融科技專利作為數字技術創新的變量指標。

標準化，以金融國家標準和行業標準為變量。根據國家標準中的定義，標準化是為在一定范圍內獲得最佳秩序，對現實問題或潛在問題制定共同使用和重復使用的條款的活動，隨人類實踐和社會生產而發展。參照國際上最普遍使用的標準分類法，我國將標準按制定主體分為國家標準、行業標準、地方標準、團體標準和企業標準五類（李春田，2005）[16]。隨著標準化發展上升為國家戰略，在大數據等新一代信息技術的推動，我國金融業的標準化建設工作正在逐步推進，學術界對其關注度也越來越高。在對標準的實證研究中，學者們大多選取國家統計局公布的國家標準為基礎（王麗君，2020）[12]。但根據標準種類的劃分，除了國家標準還有行業標準等規范行業發展，而地方、團體和企業標準對行業發展的影響范圍不均等原因，故本文針對金融業選取國家和行業標準的合計數為指標。

保險業發展，以保費收入為變量。根據保險發展報告，保費收入、保險深度（保費收入占GDP 的比例）和保險密度（人均保費收入）是衡量一國保險規模的主要指標。此外，學術界對保險業的相關研究中有選凈利潤（王媛媛，2019）[7]、保險業資產占GDP的比重（李小林等，2021）[15]、保費收入增長率（謝恒，2012）[4]等作為保險經營績效和發展的指標。本文在以往研究基礎上結合VAR 模型對變量平穩性的要求，選取保費收入為保險業發展的變量指標。

（三）研究工具

Eviews（Econometrics Views，計量經濟學軟件包）是在實證分析成為現代經濟管理學研究的普遍趨勢背景下受到廣泛應用的計量分析軟件，主要用于數據處理、回歸與預測等定量分析（王愛民，2018）[17]。自1994 年投入使用以來，Eviews 已更新出了多個版本，本文將采用較新的10.0 版本對多元時間序列數據進行分析。

（四）樣本收集

為重點研究我國保險業數字技術創新、標準化與行業發展之間的關系，本文將通過實證分析初探三者之間是否存在長期的均衡和因果關系以及預測動態影響。因此，本文選取國家統計局公布的計算、推算、計數技術專利，核算裝置專利，信號裝置專利，信息的存儲專利，以及電信技術專利的申請授權量合計量（P），作為數字技術創新變量指標的數據；金標委公布的金融國家標準和行業標準合計量（S），作為標準化變量指標的數據；國家統計局公布的保費收入（R），作為保險業發展變量指標的數據。鑒于我國保險業發展時間不長，且近年受疫情影響的不確定性，故本文選取了三個變量1995—2020 年的年度數據作為樣本。

三、實證分析

（一）數據預處理

雖然通常情況下，時間序列數據相比截面數據較不容易產生異方差導致影響模型假設檢驗結果的判斷，但為了消除時間序列的異方差，本文將對選取的樣本數據進行對數變換，而不改變趨勢。鑒于金融標準合計量（S）的數據值較小，均在0～60 之間；而保費收入（R）和數字金融專利申請授權量（P）的數據值較大，從而只對R和P兩個變量對數化，分別以LNR、LNP表示自然對數的保費收入和數字金融專利量。

（二）平穩性檢驗

基于宏觀的經濟變量和金融時間序列大都具有時間趨勢性（胡志寧，2016）[18]。本文選取的指標在同一時間段觀測值形成的時間序列可能是非平穩的，而對非平穩時間序列直接進行回歸分析會帶來偽回歸現象（趙國慶，2016）[19]。因此，本文先對預處理后的數據進行單位根檢驗，以判斷時間序列的平穩性。鑒于Eviews 平穩性檢驗常用的方法是ADF 單位根檢驗，故本文采用Eviews 10.0 軟件對LNR、LNP、S的單位根進行ADF 檢驗。

表1 1995—2020 年我國保費收入、數字金融專利和金融標準流量

從表2 可知，LNR、LNP具有單位根，為非平穩時間序列；S為平穩時間序列。對LNR、LNP進行一階差分后的ADF 檢驗值在5%的顯著性水平下均小于臨界值，故其為一階單整序列。

表2 平穩性檢驗結果

（三）非平穩序列的協整分析

很多金融、經濟時間序列數據雖然不平穩，但可能受一些共同因素影響而表現出共同的時間趨勢，即變量間存在一種穩定關系，其線性組合可能平穩的就存在協整關系（王愛民，2018）[17]。當模型中變量存在非平穩變量時，若變量間不存在協整關系，則因果檢驗將沒有意義即為偽回歸。因此，為防止偽回歸現象的出現，并明確變量間存在協整關系以及經濟現象中真實存在的長期均衡關系，需對選取的樣本數據進行協整檢驗。

1.建立VAR 模型并確定最佳滯后階數。根據上文的平穩性檢驗結果，采用Eviews 10.0 可對三個變量建立VAR 模型并確定最佳滯后階數。

從表3 可知，在滯后期為2 時，AIC、SC和HQ值同時最小，故VAR 模型的最佳滯后階數為2。

表3 VAR 模型最佳滯后階數結果

2.Johansen 協整檢驗。協整檢驗是對無約束VAR模型加一個向量進行協整約束，因此協整檢驗中內生變量差分的滯后項設定應比VAR 模型中的滯后區間要少一階，即協整檢驗滯后階數為1。Eviews 提供的兩種協整檢驗法，一是對兩變量的Engle-Granger檢驗，二是對多變量的Johansen 檢驗。本文選取了三變量，故采用Johansen 協整檢驗。

從表4 中的結果可以看出，在5%的顯著性水平下，最多存在零個和兩個協整關系的假設拒絕；最多存在1 個協整向量的假設中，跡檢驗結果拒絕，最大特征值檢驗結果不拒絕，說明LNR、LNP、S三個變量至少存在一個協整關系。根據標準化的協整系數，選取一個能夠準確反映變量間協整關系的協整方程：

表4 Johansen 協整檢驗結果

通過協整回歸表明，保險業數字技術創新、標準化與行業發展之間存在著長期動態均衡關系：數字金融專利量增加1%，保費收入平均增加0.75%；金融標準量增加1%，保費收入平均增加0.01%。

3.誤差修正（VEC）模型。既然Johansen 協整檢驗衡量了數字化技術創新、標準化與行業發展三個變量之間的長期均衡關系，那么它們之間是否具有短期的調整機制呢？本文試圖通過建立包含保險業數字化技術創新、標準化與行業發展的長期均衡信息和短期動態關系的誤差修正（VEC）模型進行分析。

根據下圖1 估計結果的協整關系，誤差修正項可以表示為：

圖1 誤差修正估計結果

由誤差修正項的系數可知，短期中，保費收入與其長期均衡值的偏差，在下一期有41.39%被修正。同理，數字金融專利和金融標準在下一期分別有47.67%和25.16%被修正。VECM 模型中滯后差分項系數，表明保險業數字化技術創新、標準化與行業發展三個變量之間存在短期交互關系；而誤差修正項系數，驗證了三者之間存在長期穩定的作用關系。

（四）差分平穩序列的VAR 模型

1.Granger 因果檢驗。協整檢驗只能說明變量間存在長期均衡關系，但是否構成因果關系需要進一步檢驗。Granger 因果檢驗，是基于平穩序列建立的VAR 模型，檢驗某個變量的滯后值（過去的信息）對被解釋變量的信息是否有預測能力。由上文的平穩性檢驗結果，LNR的一階差分DLNR、LNP 的一階差分DLNP、S均為平穩時間序列，且經過差分平穩的DLNR和DLNP也有對應的經濟解釋，即保費收入增長率和數字金融專利增長率；故可對經過差分平穩的三個變量之間的Granger 因果關系進行檢驗。

從表5 的P值可知，滯后1、2 和3 期，DLNR是DLNP的Granger 原因，而且因果關系是單向的。這表明保費收入是引起數字金融專利的原因，那么可以對保費收入施加影響從而引起數字金融專利的改變。同理，滯后3 期，S是DLNP的Granger 原因，且因果關系也是單向；即金融標準是數字金融專利的原因，對標準化施加影響可引起數字技術創新的改變。

表5 Granger 因果檢驗結果

2.VAR 模型穩定性檢驗。首先對VAR 模型進行估計，根據AIC、SC原則，可確定最優滯后階數為2。再對VAR 模型進行穩定性檢驗。

從圖2 中可以看出，VAR 特征根的倒數的模（圓點）都在單位圓之內，這說明VAR 模型是穩定的，即基于VAR 模型的結論是可靠的。

圖2 VAR 模型穩定性檢驗結果

3.脈沖響應函數。為進一步研究三個變量間相互沖擊的影響，本文選擇以多圖顯示具體脈沖響應函數。

從圖3 中可以看出，DLNR、DLNP和S的沖擊對其他兩個變量都有一定的影響。如第一行第二列的小圖表示DLNP對DLNR的沖擊，即數字金融專利量DLNP變動一個標準差對保費收入DLNR的脈沖函數圖，圖中實線表示DLNR受沖擊后的走勢，兩側虛線表示走勢的兩倍標準差；由此可以看出，保險業發展受數字技術創新的一個正向沖擊后就開始增加，第2 期達到首個最大，隨后開始減少，第3 期達到最小后開始增加，到第5 期達到次高點后開始回落并逐漸趨于平穩。相應地，第二行第一列的小圖表示DLNR對DLNP的沖擊，數字金融專利量DLNP受保費收入DLNR的一個正向沖擊后開始增加，第2 期達到最大后開始回落并逐漸趨于平穩。

圖3 脈沖響應

4.方差分解。VAR 模型方差分解是為了分析未來時期對因變量的預測誤差的方差由不同信息的沖擊影響比例。本文選擇列表輸出保費收入增長率DLNR 的方差分解結果如下。

從表6 可以看出，隨著沖擊期數的增加，保費收入增長率對其自身的影響逐漸減小，第10 期在81%；數字金融專利增長率、金融標準對保費收入增長率的影響逐漸增加，說明數字技術創新和標準化對保險業發展的影響具有長期性和積累性。相應地，保費收入增長率、金融標準對數字金融專利增長率，保費收入增長率、數字金融專利增長率對金融標準的影響都具有長期性和積累性。

表6 DLNR 的方差分解結果

四、結論及建議

本文通過文獻和計量經濟分析軟件初步構建了我國保險業數字技術創新、標準化與行業發展三個變量的VAR 模型，以分析三者的長期均衡關系、因果關系和它們之間的影響趨勢。根據本文選取的1995—2020 年數據，實證分析得出以下結論：

首先，根據非平穩序列的協整分析結果可以得到，我國保險業數字技術創新、標準化與行業發展之間存在長期動態均衡關系，且它們之間具有短期的調整機制以維持長期關系。數字金融專利量增加1%，保費收入平均增加0.75%；金融標準量增加1%，保費收入平均增加0.01%。短期中，保費收入與其長期均衡值的偏差，在下一期有41.39%被修正，數字金融專利和金融標準在下一期分別有47.67%和25.16%被修正。

其次，根據差分平穩后的序列因果分析結果可以得到，我國保險業發展是引起保險業數字技術創新的原因，這也說明經濟發展是促進科技創新的基礎。而且，標準化也是引起數字技術創新的原因，證明了數字經濟背景下標準化發展是科技創新的驅動力之一。

最后，根據VAR 模型的脈沖響應和方差分解結果可以得到，保險業數字技術創新、標準化與行業發展的任一因素對其他二者的影響具有長期性和積累性，三個變量之間均相互影響。

綜上，我國保險業數字技術創新、標準化與行業發展之間的相關關系較強，不僅有長期動態均衡關系和短期調節機制，還有一定的因果關系并相互影響。根據實證分析結論，結合我國標準制定仍以政府主導的特點，我國保險企業要想提高經濟績效，就需要堅持以企業為主導的市場化與標準化發展道路，加大對數字技術創新和標準研制的投入，重視保險企業標準化發展的戰略布局，掌握主動權，從而推動保險業高質量發展。