201405 - page 97

北京工商大学学报( 社会科学版)摇 摇 摇 摇 2014 年摇 第 5 期
0郾 98, 可见模型对被解释变量的解释度很高。
( 三 ) 回归结果的分析
从回归的结果可以看出, 受教育程度的高低
对寿险业的需求不存在显著的影响力。 究其原
因, 我国的高等教育中并没有对学生保险意识的
培养,也没有类似通过保险手段来规避风险的宣
传, 大部分接受过高等教育的大学生对保险的理
解和中老年人没有差异, 并没有对保险较为深刻
的认识, 甚至有一些学生对保险的负面认识更加
深刻。
社会保障覆盖率的高低也对寿险发展不存在
显著影响,这与我国社会保障的保障程度和保障
面有很大关系。 由于我国目前社保覆盖面较窄且
保障程度较低,对于收入较高的人群不具有高端
保障的替代作用, 因此有高端保险需求的消费者
依旧会在拥有社保的情况下购买商业保险 。
人均收入、金融产业比重、城镇化水平和人口
结构均对寿险业发展存在显著影响。 其中, 人均
收入、金融产业占比、城镇化水平和老年赡养比均
对寿险业有正向影响。 人口结构因素中, 少年抚
养比却对寿险需求有负向影响。 这与部分学者的
结论相左,本文认为少儿抚养比的提高会加重劳
动人口的经济负担,从而压缩其他方面的支出, 导
致其降低了寿险需求, 而普遍的认为少儿抚养比
会增加寿险需求的观点, 认为增加的需求为劳动
人口,为保证其对少儿的养育不受到未来自身风
险的影响而购买的寿险产品。 本文认为, 在目前
我国大部分人群还没有通过保险的方式来转嫁子
女养育风险的今天, 少儿抚养比的提高对寿险产
品的抑制作用会多于促进作用。
三、 基于 shapley 值分解法的中国寿险业区
域发展差异分解
( 一 ) 分解回归方程的设定
本文运用由 Shorrocks 提出的夏普利( Shap鄄
ley) 值分解法来分解各个解释变量对区域寿险业
发展差异的影响贡献度 淤 ,先设定回归方程 。 在
实证分析中, 本文构造了一个半对数模型的回归
方程,由于共同截距项 C 对寿险业区域发展差异
不会有影响, 所以予以剔除。 此外,平均受教育年
限和社会保障覆盖率这两个解释变量的系数不显
著, 因此也不予使用。 由此可得分解区域寿险业
发展差异的回归方程:
LnDensityit = 19郾 386 73 Cyb it + 0郾 988 811LnJsrit +
1郾 446 913 Czbit + 2郾 576 103 Lfb it - 1郾 852 353 Sfb it
( 二 ) 分解指标的选择
在夏普利值分解法的运用过程中, 需要使用
反映区域发展差异的指标来分解不同解释变量对
被解释变量的影响贡献度 。 本文借鉴万广华
(2008) 对各种不平等度量指标的分析和比较, 选
取了常用来反应收入差异的指标 Gini 系数、 广义
熵指标(GE 0 和 GE1 )。 鉴于变异系数平方与收入
差距指标的转移原理相悖,Atkinson 指数与 GE 指
数存在单调变换的关系 ,因此也予以省略。 由于
所选取的三个指标分别对不同等级的收入水平变
化比较敏感, 其中 Gini 系数对中等收入水平的变
化比较敏感,GE1 指数对上等收入水平的变化比
较敏感,GE0 指数对低等收入水平的变化比较敏
感, 运用上述三个指标的计算平均值来表示各个
解释变量对被解释变量的平均贡献度比较准确与
稳定。
在进行分解之前, 先运用 Gini 系数 于 、广义熵
指标(GE0 和 GE1 ) 盂 对中国寿险业区域发展差异
程度进行了分析, 分别对 2003—2012 年的 30 个
省份的寿险区域发展差异情况进行了如图 1 的
列示。
图 1摇 30 个省份的寿险发展差异
摇
由图 1 可见 , 近 10 年以来我国的寿险区域
发展差异在逐步地递减, 除了在 2005 年出现了
一个短暂的差异增大以外 , 三个指标所显示的
发展趋势是总体一致的 。 虽然三个差异指标的
趋势是相似的 , 但解释变量在不同差异指标下
对寿险区域发展差异的贡献度却是略有差距
的 。 由表 2 可见 , 人均可支配收入在 2003—
2012 年的平均贡献度始终排在第一位, 最高可
·29·