2017年
财会月刊(6期)
财经论坛
异质性、人口密度与民族地区保险业发展——基于面板分位数模型

作  者
陶月英

作者单位
西华师范大学商学院,四川南充637000

摘  要

     【摘要】民族地区地处西部,其保险业发展程度与非民族地区相比存在明显差距,而且人口密度等指标显示出民族地区内部的区域异质性。本文使用面板分位数模型提取地区之间的异质性信息,分析了城镇化水平和人口密度对非寿险市场的影响。研究表明,民族地区的人口密度和城镇化两个指标均对非寿险业发展有显著的推动作用,且人口因素的影响更大。加入民族特征后发现,与非民族地区相比,民族地区加强城镇化建设对非寿险保险深度的影响更大。因此,着力推动城镇化进程、增加投资对民族地区保险业发展的贡献明显,改善人口布局、提高人口密度亦对民族地区保险业发展大有裨益。
【关键词】新型城镇化;异质性;保险深度;人口密度;面板分位数模型
【中图分类号】F842.7      【文献标识码】A      【文章编号】1004-0994(2017)06-0123-6一、引言及文献综述
近年来,党中央、国务院出台了多项政策指导我国的城镇化建设,例如2014年出台了《国家新型城镇化规划(2014 ~ 2020年)》,2016年发布了《关于深入推进新型城镇化建设的若干意见》等。这些政策在支持全国各地深化新型城镇化改革的同时,也加大了对西部地区城镇化发展的重视程度,例如,《国家新型城镇化规划》指出,需要挖掘中西部资源环境承载力高的地区的城镇化潜力,调整城市结构,重点开发中西部城镇化发达区域,培育中西部地区城市群成为新的增长极。《关于深入推进新型城镇化建设的若干意见》也指出,应降低中西部设置中小城市的标准,增加城市数量。这些政策对于西部地区中小城市的城镇化进程有积极影响,而且民族地区作为西部的主要支撑,将得到更多的政策优惠,民族地区的人民生活水平将得到进一步提升。
在城镇化进程不断推进的背景下,我国保险业也迎来了新的发展机遇。自2014年保险业“新国十条”即《关于加快发展现代保险服务业的若干意见》发布以来,全国各地相继制定政策支持地方保险业的发展,如广东省人民政府于2014年12月26日出台“新省九条”,提出要以满足社会日益增长的多元化保险服务需求为出发点,推进保险业改革创新,深化保险业对外开放,为省内保险业发展提供政策支持。深圳市人民政府也于2015年发布了相应的政策,并提出“创新发展航运保险、物流保险等业务”,“支持保险机构发展海外投资保险、海外租赁保险业务”,“积极推动深港两地保险产品、服务、资金、人才等领域互联互通,支持深圳保险业通过香港市场参与国际竞争”等,为深圳保险业发展指明了方向。2014年11月25日,内蒙古自治区出台《关于加快现代保险服务业创新发展的实施意见》,设定了到2020年全区保险深度达到5%、保险密度达到3500元/人的目标;同时提出要大力发展“三农保险”。宁夏回族自治区、新疆维吾尔自治区等民族地区也相应地出台了支持自治区保险业发展的政策。
在政策支持的大环境下,本文试图结合民族地区的异质性特征,从人口特殊性的角度入手,对民族地区保险业的发展方式进行分析。研究伊始,需要解决保险业自身发展的一些内在问题,例如保险业中的“寡头垄断”问题。对于市场集中问题,Demsetz(1973)和Peltzman(1977)对市场份额、集中度等市场结构特征与企业绩效的关系进行了研究,开辟了基于定量分析市场结构问题的研究范式。以Martin和Ottaviano(1999、2001)、Baldwin和Forslid(2000)为代表的学者研究表明,产业集中能够促进产业增长。Futagami和Ohkusa(2002)的研究表明,市场规模对经济增长存在负向影响。Brulhart和Sbergami008)则发现,在经济发展的不同阶段,产业集聚对经济增长的影响不同。他们指出,在经济发展初期,产业集聚将推动经济的增长,当经济发展水平超过某一临界值后,经济增长不再受到产业集聚的影响。国内学者白重恩等(2004)亦对产业集中度问题进行了研究,他们在使用动态估计方法的基础上发现地方保护主义等因素将提升产业集中度。范剑勇(2006)的研究表明,非农产业规模报酬递增地方化是产业集聚的源泉。关于保险市场上的市场集中度问题,邵全权(2008)建立非平衡面板模型对我国财险公司的市场结构进行了研究,结果表明我国财险公司的市场份额与经营绩效之间存在显著的正相关关系。吴明琴等(2013)使用Holmes和Stevens(2002)的研究框架对养老保险与产业集聚之间的关系进行了研究,结果表明产业集聚对企业养老保险有显著的正向作用。
关于产业集聚的影响因素问题,Tabuchi(1986)、Lucas(1988)、Ottaviano和Puga(1998)、Fujita等(2003)、Wolf(2004)等学者认为城镇规模、人口规模以及人口流动和地区分割等因素对产业集聚以及经济增长有显著影响。苏雪串(2009)指出,全球城市为发展生产性服务业提供了良好的外部环境,从而使生产性服务业在全球城市集聚,也间接地论证了城镇化对产业集聚的影响。崔宇明等(2013)的研究也表明城镇化水平的提升能够提高产业集聚的技术溢出水平。
在国际视野下以及我国社会各界愈发重视保险业的背景下,商业保险逐渐成为我国国民生活保障体系的重要组成部分,但总体而言,我国保险业仅在规模上具有优势,在保险质量方面仍有待提高(栾存存,2004;王琬,2010)。在地区层面,尽管地方政府为少数民族地区保险业发展提供了较好的环境与平台,但是对贵州省保险业发展状况进行研究后,蒋琳(2006)指出,人口稀少、地理环境特殊、市场主体不足、人才匮乏、销售渠道单一等因素是导致民族地区保险业发展面临瓶颈的主要原因。郭金龙和张昊(2005)、贾立文等(2015)的研究亦支持人口因素对我国保险业发展有显著影响这一观点。已有研究表明,经济因素、社会因素、人口因素等多方面因素均对区域保险市场发展有重要影响。
此外,在研究城镇化问题时,崔许锋(2014)指出,人口城镇化水平、土地城镇化水平以及由这两者计算出的综合发展水平反映出了城镇化过程中的区域异质性问题。在保险领域,Song等(2012)研究发现,性别、行业等异质性指标影响个体的养老保险再分配损益。李锐和刘倩(2015)的研究表明,缴费年限、性别等因素对养老保险再分配不公平的影响存在显著的异质性。朱俊生和庹国柱(2016)指出,农业保险面临着严重的自然风险的异质性。因此,本文在研究民族地区保险业发展问题时同样面临着异质性问题。基于已有研究,在区域异质性明显存在以及国家正在推动新型城镇化建设的背景下,本文认为人口分布是影响财险市场竞争水平的重要因素,调整人口布局将有助于优化财险市场结构。
尽管一些文献探讨了人口对保险发展的作用,但是鲜有学者从人口密度和城镇化的角度研究民族地区保险业发展,而且目前对民族地区和其他地区非寿险保险深度的差异性和人口、城镇化间的关系研究亦不多见。本文建立面板分位数模型研究人口密度和城镇化对民族地区保险业发展的影响,并就民族地区与其他地区非寿险保险深度的差异性进行分析,进而提出优化民族地区保险业发展的政策建议。
二、模型设定
在进行模型选择前需要对异质性概念进行说明。异质性主要表现为个体间的差异性,在本文中表现为同一自变量的内在波动对因变量造成多样化的影响,如人口密度在各个地区间存在大幅波动,从而对保险深度体现出差异化的影响。Song等(2012)、崔许锋(2014)、李锐和刘倩(2015)、朱俊生和庹国柱(2016)等学者的研究均支持本文的观点,即各个地区在保险深度、人口密度、全社会固定资产投资等多个方面存在异质性。
在进行研究时如果不考虑异质性,那么研究结果将仅仅局限于“自变量对因变量的平均影响”,从而遗漏信息,甚至可能得到错误的结论。在此基础上,国内学者通过面板模型、Shapley Value回归分解方法、层次分析法、均衡发展模型、二值选择模型和排序数据模型等模型处理异质性问题,但是这些方法存在明显的局限性,如难以提取多组异质子样本中自变量与因变量间的关系。为此,本文引入面板分位数模型对异质性问题进行刻画,从而提取多个分位数水平下自变量对因变量的异质性影响,提升了分析结果的有效性。在统计方法的选择上,能够较好地拟合样本中的异质性的面板分位数模型是适合的选择。
Koenker和Bassett(1978)最早提出分位数回归方法,这种方法能够进一步考察样本的变异性等问题,与均值回归相比具有更广泛的应用范围。Koenker(2004)将面板模型和分位数回归模型进行合并,同时提取样本中的面板固定效应(或随机效应)以及不同分位点的信息,从而提高了模型的解释力。为了便于分析,Koenker(2004)提出了惩罚最小二乘方法,能够有效地对模型进行求解。在此基础上,Chernozhukov和Hansen(2006)、Ponomareva(2011)、张曙霄等(2012)、贾立文等(2014)对面板分位数模型的理论及实证问题进行了深入研究,并将其应用于自然科学、人文社会科学的多个领域。王素等(2015)使用面板分位数模型提取了国际样本中的异质性,对国家创新问题进行了研究,结果表明教育发展是影响国家创新能力的重要因素。王晶晶等(2015)基于面板分位数回归分析方法探讨了服务业集聚与服务贸易自由化之间的关系。
借鉴已有研究,本文建立了如下保险深度分析模型:
QDenit(τ|Popit,Citit)=α0(τ)+β1(τ)×Popit+
β2(τ)×Citit+εit          (1)
其中:Denit表示非寿险保险深度;Popit表示人口密度;Citit表示城镇化水平;i=1,2,…,8;t=2006,2007,…,2013。
使用惩罚最小二乘方法求解(1)式,得到各参数的解为:
{[[β](τj,λ)][Jj=1],[[αi](λ)][Ni=1]}=
×ρτj×(Denit-αi-xit′×β(τj))+λ×[i=1Nαi]
为探讨民族地区与非民族地区间民族特征对保险业发展的影响,本文使用虚拟变量D刻画民族特征,分析其对非寿险发展的影响并考虑民族特征与人口因素和城镇化变量的交叉效应,从而得到模型(2)和模型(3):
QDenit(τ|Popit,Citit)=α1(τ)+β3(τ)×Popit+
β4(τ)×Citit+β5(τ)×D+νit      (2)
QDenit(τ|Popit,Citit)=α2(τ)+β6(τ)×Popit+
β7(τ)×Citit+β8(τ)×Popit×D+β9×(τ)Citit×D+ηit   (3)
其中,虚拟变量                            。
三、数据与变量
1. 数据说明。与张伟等(2014)的研究一致,本文基于国家统计局的数据,选取少数民族人口相对集中的内蒙古、广西、西藏、宁夏、新疆、贵州、云南、青海等八个地区作为民族地区样本,将其他省、直辖市以及五个计划单列市作为对比分析样本。数据来源为:《中国保险年鉴》、《中国统计年鉴》、中国国家统计局网站和保监会网站、各计划单列市的国民经济和社会发展统计公报,样本的时间跨度为2006 ~ 2013年。同时,省、自治区和直辖市的数据中不含相应计划单列市的数据。
在实证模型中,本文选取非寿险保险深度(Den)作为因变量,自变量包括刻画城镇化水平的全社会固定资产投资(Cit)、代表人口因素的人口密度(Pop),以及民族特征虚拟变量D。变量的信息如表1所示:

 

 

 

 

 

 

2. 描述性统计。表2为2013年数据的描述性统计。2013年,非寿险保险深度的均值为1.3369,标准差为0.3093,最大值为1.7833,极差为0.8725,说明样本存在较大差异;人口密度的均值为354.1508,标准差为360.4388,极差为1013.7434,最大值为1051.8980,标准差与均值接近、较大的极差等结果也反映出人口密度的巨大差异;全社会固定资产投资指标的极差为13339.490,相应的均值为7134.72、最大值为14215.49,标准差远小于最大值和均值,据此同样可以发现样本数据的明显异质性。非民族地区几个变量的描述性统计结果同样说明我国各地非寿险保险深度以及人口、城镇化水平等指标具有较强的异质性。此外,由于人口和城镇化指标与非寿险保险深度之间存在数量级差异,本文对人口和城镇化指标进行对数化处理,实证部分报告的参数估计结果均为取对数后的结果。
图1为2013年民族地区非寿险保险深度与人口密度、全社会固定资产投资间的关系图。该图显示,八个地区非寿险保险深度较为接近,均在1% ~ 2%之;取对数后的人口密度较为稳定,各地之间差异较小;取对数后的全社会固定资产投资指标仍存在较大波动,说明八个地区的城镇化发展力度不一致,西藏自治区、宁夏回族自治区和青海省明显落后于其他地区。

 

 

 

 

 

 


四、地区特征分析
1. 非寿险模型分析。本文使用R软件对包含10%、30%、50%、70%以及90%五个分位点的面板分位数模型进行求解,表3呈现了参数估计结果。为了说明使用面板分位数模型进行实证分析的有效性,表3同时给出了固定效应模型的参数估计结果作为比较。
表3显示,在五个分位点处,人口因素对非寿险保险深度的作用均显著为正,即说明改变人口政策、提升人口密度对民族地区保险业发展有显著影响。城镇化水平对非寿险保险深度的影响为正,但仅在10%、30%、50%三个分位点处显著,即增加全社会固定资产投资对提高非寿险保险深度有明显的促进作用,但是投资拉动效应并不能使非寿险保险深度持续提升。就人口因素而言,人口密度的系数在10%分位点处为0.4371,在其他四个分位点处取值则稳定在0.5左右,即人口密度每提高1%将使非寿险保险深度增加近0.5个百分点,人口密度增大将明显推动民族地区保险业的发展;即使在非寿险保险深度较低的10%分位点处,人口密度每提高1%亦将使非寿险保险深度提升0.4371个百分点。
全社会固定资产投资量的系数在10%、30%和50%分位点处约为0.75,此后随着分位点的增加而不断下降,在90%分位点处仅为0.0285。可以发现,一方面,增加全社会固定资产投资能够提升非寿险保险深度,但另一方面,城镇化指标对非寿险保险深度的影响弱于人口因素的影响。
使用面板分位数模型估计得到的不同分位点处的人口密度和全社会固定资产投资的系数与固定效应模型的估计值有明显差异,如固定效应模型下全社会固定资产投资系数的估计值明显大于面板分位数模型的五个估计值。对人口密度指标而言,固定效应模型仅能进行均值估计,得到的估计值为0.4540,而面板分位数模型可以估计非寿险保险深度处于不同水平时人口密度的系数,得到的五个估计值除10%分位点处的0.4371与其较为接近外,其他值在区间[0.4987,0.5389]内,明显大于0.4540。两个模型得到的结果不一致表明,当存在明显的地区差异性时,固定效应模型单纯进行均值估计难以得到正确的结论,面板分位数模型则利用不同的分位数提取非寿险保险深度的异质性,能够更准确地描述数据包含的信息。
对于估计得到的面板分位数模型,图2显示出了两个启示:一是人口密度和全社会固定资产投资对非寿险保险深度的影响均为正;二是人口密度的系数明显大于全社会固定资产投资的系数。这些结果进一步说明人口密度对非寿险保险深度有显著的积极作用,加快城镇化建设,着力发展中小城市,加大各个城市的固定资产投资力度并提升民族地区的人口规模将进一步刺激这些地区保险业的发展。
本文认为,人口因素和城镇化水平对非寿险保险深度产生作用的机理可能在于:
第一,由于地广人稀,而且某一个或某几个城市的保险市场相对较小,受到自然条件及保险意识淡薄等因素的影响,民族地区保险需求相对偏小,保费规模也较小。因此,随着人口规模的增大,区域人口更加集中,保险意识和保险需求也将提升,从而对非寿险保险深度产生影响。
第二,由于交通、通讯等基础设施较为落后,经济不发达,作为保险产品供给方的保险公司数量少,保险产品宣传推广程度弱,导致保险市场迟迟无法拓宽。在近年来新型城镇化建设的大环境下,随着国家和地方投入的不断增加,民族地区经济发展水平将随之提升,基础设施建设也将随之更加完善,这些将为保险主体入驻及推动保险市场发展提供良好的环境。

 

 

 

 

 

2. 民族特征对非寿险发展的影响模型。前文建立面板分位数模型对民族地区非寿险保险深度进行分析,发现人口因素和城镇化指标均对其有较大的积极影响。在这一结论的基础上,进一步将样本扩大至非民族地区,同时加入刻画民族特征的虚拟变量,考察民族地区和非民族地区非寿险业发展的差异以及民族特征和人口因素、城镇化水平的交叉效应对非寿险保险深度的影响。表4和表5显示了加入民族特征及其交叉项的模型的参数估计结果。
表4中民族特征D在五个分位点处均显著为正,说明民族地区非寿险业发展水平与非民族地区显著不同,而且在各个分位点处民族地区的非寿险保险深度均比非民族地区高约0.37个百分点,说明当前民族地区非寿险保费总额占GDP的比重相对高于非民族地区约0.37个百分点。此外,人口密度和全社会固定资产投资均对非寿险保险深度有正向影响,而且人口指标的作用强于城镇化指标,这些结果均与前文一致。
基于虚拟变量D的显著性,表4已显示出了民族地区与非民族地区间非寿险业发展状况的不同,表5则能够通过两个交叉项描述民族地区与非民族地区在人口密度提升和城镇化进程加快后非寿险市场发展的差异。表5中,交叉项Pop×D在各个分位点处的系数均为负但均不显著,这意味着民族地区人口密度对非寿险保险深度的影响弱于非民族地区,即当人口密度增加1%时,非民族地区非寿险保险深度比民族地区多提高近0.05个百分点。与人口因素相反,交叉项Cit[×]D的系数在各个分位点处均显著为正,即相对于非民族地区,民族地区全社会固定资产投资增加1%将使非寿险保险深度多提升0.07个百分点。其原因可能在于:西部地区地理位置不佳,经济发展较为落后,城镇化建设、发展水平低,当前的综合环境处于劣势,与基础建设已较为完善的东中部地区相比,民族地区的后发优势更大,随着投资的增加、城镇化进程加快,非寿险市场将取得更快的发展。与模型(1)和模型(2)的结论一致的是,人口,且人口密度对因变量的影响更大。
五、结论与政策建议
本文基于面板分位数模型分析了存在区域异质性时民族地区人口和城镇化对非寿险保险深度的影响,研究发现,人口密度对非寿险保险深度有显著的正向影响,人口密度提升1%将使非寿险保险深度提升大约0.5个百分点;城镇化水平同样对非寿险保险深度有促进作用,但该影响弱于人口密度对非寿险保险深度的影响,其取值增加1%将使非寿险保险深度增加0.0285 ~ 0.0802个百分点。
此外,引入民族特征虚拟变量的模型说明民族地区与非民族地区非寿险保险深度有显著差异,且民族地区较非民族地区高出近0.37个百分点。考虑人口密度和民族特征的交叉项以及城镇化指标和民族特征的交叉项同样反映了民族地区和非民族地区的差异。由于民族地区的经济发展水平普遍较低,这些地区城镇化水平的提升对非寿险保险深度的正向影响比非民族地区高约0.07个百分点,即民族地区城镇化因素对非寿险保险深度的影响比非民族地区更大。就考虑人口因素的交叉项而言,民族地区与非民族地区无显著差异,但系数的估计值说明民族地区人口密度对非寿险保险深度的影响低于非民族地区。
总之,实证分析结论意味着民族地区人口因素和城镇化水平的变动对非寿险保险深度有显著影响,且加快城镇化进程对民族地区非寿险业发展的贡献更明显。
本文的研究对民族地区非寿险业的发展、地方政府制定发展战略和政策具有较大的理论价值和现实意义。基于实证分析结果,提出如下政策建议:
首先,在新型城镇化建设不断推进的背景下,城镇化水平的提升将有助于提升民族地区非寿险业的发展水平,进而可使少数民族同胞的生活更加多元化,为居民生活增加一重保障,居民福利将进一步得到提升。相对于非民族地区,民族地区应更加重视加强城镇化建设。
其次,目前,国家人口政策逐步推广,各地已实施“全面二孩”政策,相应地人口规模将不断扩大。尽管民族地区对少数民族同胞早已采取了不同的生育政策,但是“二孩”政策同样会扩大民族地区的人口规模。随着城镇化建设的加快,人口将进一步在城市集中,也使人口密度不断增大,从而促进民族地区非寿险业的发展。此外,民族地区政府在进行人口布局时,亦应重视少数民族同胞人口规模的扩张,“人海战术”对地方非寿险业发展有积极作用。
再次,与谭启俭等(2000)的研究相似,民族地区政府和保监会应适当对在民族地区设立的保险公司给予更多的政策优惠,通过增加市场供给者的方式改善民族地区保险业的发展状况。
最后,民族地区的整体条件较为落后,居民教育水平相对较低、保险意识较为薄弱,在推进城镇化建设的过程中加大保险知识的普及力度、明确保险的作用对于民族地区保险业发展具有重要意义。

主要参考文献:
Brulhart M., Sbergami F..Agglomeration and Growth: Cross-Country Evidence[J].Journal of
Urban Economics,2008(1).
Chernozhukov V., Hansen C..Instrumental Quantile Regression Inference for Structural and Treatment Effects Models[J].Journal of  Econometrics,2006(2).
Demsetz H..Industry Structure, Market Rivalry, and Public Policy[J].Journal of Law and Economics,1973(1).
白重恩,杜颖娟,陶志刚等.地方保护主义及产业地区集中度的决定因素和变动趋势[J].经济研究,2004(4).
范剑勇.产业集聚与地区间劳动生产率差异[J].经济研究,2006(11).
贾立文,斯琴塔娜,张芳芳等.城镇化、人口规模对非寿险深度的影响研究[J].经济体制改革,2015(5).
邵全权.中国产险公司市场结构、竞争模式与绩效关系研究——基于2001 ~ 2005 年非平衡面板数据的实证分析[J].数量经济技术经济研究,2008(8).
吴明琴,陆毅,陈斌.产业集聚与企业养老保险:基于中国制造业的证据[J].南开经济研究,2013(3).
朱俊生,庹国柱.农业保险与农产品价格改革[J].中国金融,2016(20).
张曙霄,戴永安.异质性,财政分权与城市经济增长——基于面板分位数回归模型的研究[J].金融研究,2012(1).