免费论文查重: 大雅 万方 维普 turnitin paperpass

试论基于因子保险市场区域差异

最后更新时间:2024-03-13 作者:用户投稿原创标记本站原创 点赞:28379 浏览:131248
论文导读:度、保费收入的GDP弹性、潜在保源转化率上有较大差距,并因此提出应制定差异化扶持政策。高璐(2011)以山东为例,尝试建立区域保险业评价指标体系,运用因子分析法对各指标进行分析评价,探寻导致山东各地市保险业发展差异存在的具体理由。蔡超(201基于因子的保险市场区域差异论文资料由论文网www.7ctime.com提供,转载请保留地
摘 要:根据保险市场发展对宏观经济环境的要求,以2011年江苏省保险业发展为例,采用因子分析和聚类分析对保险市场区域差异理由进行实证研究。结果表明,引起地区间保险市场发展差异的主要因素是经济外部环境,以及保险业自身发展存在的理由。因此,需要完善宏观经济环境,加强政府引导、市场培育、自身服务创新,以推动保险业和区域经济的协调发展。
关键词:保险市场;区域差异;因子分析;聚类分析
1673-291X(2013)29-0179-03
引言
改革开放以来,随着我国社会经济的迅速发展,保险业作为金融产业链中重要的一环,对社会稳定、经济增长起到了至关重要的作用。然而,在保险业快速发展的同时,保险市场的区域发展不平衡日益凸显,无论是在全国东、中、西部间,还是在省域内不同地区间都存在很大差异,这将在一定程度上制约我国保险业的持续快速发展。
近年来,国内学者对我国保险业发展的区域差异进行了大量研究。例如,陈华等(2008)采用变截距模型,分别对全国30个省区的总保费收入、寿险及财险收入效应进行对比,得出各地区影响保险业发展的因素略有不同,并依此提出协调各地区保险业发展的策略。蒋才芳(2010)通过实证分析得出东、中、西部保险在区域保费收入、保险密度、保险深度、区域保费增长数量及速度、保费收入的GDP弹性、潜在保源转化率上有较大差距,并因此提出应制定差异化扶持政策。高璐(2011)以山东为例,尝试建立区域保险业评价指标体系,运用因子分析法对各指标进行分析评价,探寻导致山东各地市保险业发展差异存在的具体理由。蔡超(201基于因子的保险市场区域差异论文资料由论文网www.7ctime.com提供,转载请保留地址.1)运用面板数据模型,对我国东、中、西部保险业发展差异的影响因素进行实证研究,得出引起差异的主要理由是经济发展水平、城乡居民储蓄、经济开放程度和社会保障水平的差距。郭晶等(2013)根据我国各省的8项经济指标,结合主成分分析和聚类分析,将全国省市划分为4类,并得出影响保险业发展的主要因素。高树棠等(2013)采用因子分析和聚类分析,对甘肃省保险市场区域差异进行了实证研究,并提出推动保险市场协调发展的相关措施。
现有文献中,关于我国保险市场区域差异的研究大多采用定性与定量相结合的方式,并且多针对全国省域之间的差异或东、中、西部之间的差异。然而,我国地域广阔,经济发展水平差异巨大,结合人口密度、文化背景等因素,不同研究策略所得结论也存在差异性。本文在已有研究的基础上,缩小研究范围,选择江苏省作的保险市场作为研究对象,运用因子分析和聚类分析,对省内保险市场的区域差异进行综合分析。

一、江苏省保险市场区域差异目前状况

近年来,江苏省保险市场发展迅速,保费收入、保险密度和保险深度不断提高。截至2011年底,江苏省实现保费收入1 200.02亿元,比上年增长14.64%,比全国平均增速的10.52%高出4.12个百分点。江苏省在全国各省市中,保费规模列第二位,增速列12位。其中,财产险业务累计实现保费收入379.92亿元,比上年同期增长21.81%,比全国平均增速18.54%高出3.7个百分点;财产险保费规模列全国第一位,增速列13位。人身险业务实现保费收入820.1亿元,比上年增长11.6%,增速高于全国4.52个百分点。截至2011年底,江苏省共有保险经营主体86家,各类专业机构148家,兼业机构13 799家。
表1 2011年江苏省各市保险发展情况
数据来源:保费收入来源于中国保监会江苏监察局网站;保险密度与保险深度参考2012年江苏统计年鉴计算而得。
但在江苏省保险业整体快速发展的同时,省内各市的保险业区域差异也非常显著。由表1可见,2011年江苏省内各市在保费收入、保险密度、保险深度上都存在较大差异。就保费规模来看,苏南5市整体较好,苏州位列全省第一,但其保险深度低于其他各市,可能是其保险业发展增速低于地区经济增速所致;南通市保险业发展指标在苏中3市中最好,其保险深度全省最高,保险业发展水平已超过部分苏南城市,跻身于江苏省前列;苏北5市保险业处于较落后水平,其中宿迁市在保费收入、保险密度、保险深度3项指标上基本上均低于其他各市。

二、保险市场区域差异实证研究

(一)指标的选取

为了更全面地分析江苏省保险市场的区域差异,在指标的选取上,既考虑保险发展水平的相关指标,也考虑选择宏观经济的部分指标,初步建立对保险市场评价体系。根据指标的客观性和可得性,本文选择了10个指标:X1保费收入(百万元),X2保险密度(元/人),X3保险深度(%),X4地区生产总值(亿元),X5固定资产投资(亿元),X6居民储蓄余额(元),X7城镇居民人均可支配收入(元),X8农村居民人均纯收入(元),X9邮电业务总量(亿元),X10人口密度(人/平方公里)。在分析范围上,选择2011年江苏省13个地级市为研究对象,数据来源于《2012江苏统计年鉴》与中国保监会江苏监察局网站。由于各指标均值差异太大,为消除量纲影响,采用SPSS17.0对原始数据进行标准化处理后,再进行因子分析及聚类分析,标准化处理公式为,其中是变量的第i个观测值,是变量的平均数,S为变量的标准差。

(二)因子分析过程

因子分析是多元统计分析中,利用降维的思想,从研究相关矩阵内部的关系出发,将多个变量综合为少数几个因子,再现原始变量与综合因子之间的依赖关系。这种策略可以从一定程度上避开人为确定指标权重的主观性,使分析更客观有效。

1.KMO和巴特利特球度检验

因子分析要求原始变量之间有较强的相关性,这样能够析出反应变量共同性的少数公共因子变量。因此,进行因子分析时,需要对原始变量做相关性的检验,判断其是否适合采用因子分析,KMO和巴特利特球度检验就是检验变量间相关关系的有效策略。一般认为,KMO统计量大于0.9时效果较好,0.7以上时效果尚可,0.5以下则不适合做因子分析。Bartlett’s球形检验用于检验相关矩阵是否是单位阵,如果结论不论文导读:
拒绝单位矩阵的原假设,则说明各个变量是独立的。具体检验结果见表2。表2 KMO和巴特利特球度检验
从表2中可以看出,KMO值为0.791,巴特利特统计检验的P值=0.000,小于1%的显著水平,拒绝相关矩阵为单位阵的原假设。综上所述,原始变量间相关性较强,适合做因子分析。

2.因子分析

依据前文所提将变量标准化后,即可建立相关系数矩阵,求得特征值、方差贡献率等指标。方差贡献率是衡量因子相对重要性的指标,该值越大,就说明该因子对评价目标的贡献越大。一般由特征值由大到小排列,公因子的个数确定一般选择特征值大于1,同时,对样本方差的累计贡献率大于85%的主因子个数。从表3中可以看出,第一个因子占方差中的比重为75.426%,第二个因子占方差的比重为14.726%,前两个因子占方差比重累计达到90.152%,且第二个因子的特征值为1.473,从第三个因子开始,特征值均小于1。这说明前两个因子已包含原始变量的绝大多数信息,可以将其作为评价江苏省保险市场区域差异的综合指标。
表3 主成分的特征值及其贡献率
由表4的旋转后因子的载荷矩阵可知,第一个公因子F1在X1保费收入、X2保险密度、X4地区生产总值、X5固定资产投资、X6居民储蓄余额、X7城镇居民人均可支配收入、X8农村居民人均纯收入、X9邮电业务总量这8个指标上的载荷值较大,这些指标反映了经济水平和保险发展水平,可将其称为保险成长因子。第二个公因子F2在X3保险深度、X10人口密度这两个指标上的载荷值较大,这些指标反映了保险发展的潜力,可将该因子命名为保险潜力因子。
表4 旋转后的因子载荷矩阵
根据提取出的两个公因子,可算出江苏省13个市各自的因子得分及对应排名(见表5),并且以各个因子的方差贡献率占两个因子总方差贡献率的比重作为权重进行加权汇总,即可得出各市的综合得分F及综合排名。
表5 江苏省各市综合得分情况
从江苏省13个市的因子得分排名来看,苏州、无锡和南京市的综合得分大于1,表明其保险市场的发展情况最好。常州、南通、镇江、扬州这4市排在中间,表明其保险市场发展的水平与苏州、无锡和南京市相比,还有一些差距。最后6名除泰州市外都是苏北城市,这6市的保险市场发展情况相对比较薄弱,其中宿迁市的保险发展位于全省末位。根据综合得分基本能够看出,苏南和苏中地区的保险市场发展水平较高,而苏北地区的保险发展水平相对不足。这表明苏北城市在宏观经济发展环境上还需要进一步改善,保险业发展还需要进一步发掘的潜力。
将保险成长因子(F1)和保险潜力因子(F2)分开来看,就保险发展和经济水平的角度,苏州、无锡、南京、常州、南通这5市的发展水平较高,镇江、徐州、扬州、盐城这4市发展水平处于中等,泰州、淮安、连云港、宿迁这4市发展水平相对较低。就保险深度和人口密度的角度来看,南通、南京、泰州、常州市排前4名,表明保险业发展潜力最大;扬州、无锡、徐州、连云港、镇江5市的保险业发展也具有较大潜力,如将保险功能进一步挖掘,还将进一步实现保险与经济的更好发展;淮安、宿迁、盐城和苏州4市的保险发展潜力较弱,而从苏州市的综合得分来看是江苏省保险发展排名第一的城市,而就保险深度和人口密度的角度而言,苏州市却排名全省最后一名,这也从另一个角度说明,苏州市的保险业发展增速低于地区经济增长速度,保险业已处于发展瓶颈。

(三)聚类分析

在因子分析的基础上,为了使结果更加明确,可结合聚类分析依据所选各指标的特征,将江苏省13个市分类3个大类,结果还可与因子分析进行对比。聚类分析是建立在样本数据按照指标亲疏程度进行自动分类的策略,为了使分解过程可比,在聚类分析前仍需对指标进行标准化的无量纲处理。图1是系统聚类法绘制的聚类分析树状图,由树状图可把江苏省13市分为三类,见表6所示。
图 1 聚类分析树状图
表6 江苏省各市分类
注:上标1为苏南5市,上标2为苏中3市,上标3为苏北5市。
根据分类结果可以看出,聚类分析结果与因子分析结果一致,苏州保险业发展整体状况最好,在省内处于绝对领先的地位。南京、常州、无锡、南通4市被归为第二类,其保险业的发展较好,但与苏州仍有一定差距。徐州、连云港、淮安、盐城、扬州、镇江、泰州、宿迁市被归为第三类,与第一、第二类城市相比,差距显著,保险市场发展相对较弱,仍需一定的业务开拓及环境支持。由以上的结果和分析可知,江苏省保险市场发展区域差异显著,第一、二类全部都是苏南城市,这表明苏南地区整体发展较好,而苏中和苏北地区发展相对较弱。这说明,经济发展水平是影响保险发展程度的重要因素,需要经济发展与保险发展相互推动才能逐步缩小保险业发展区(下转228页)(上接181页)域的差距。

三、结论与倡议

本文采用因子分析和聚类分析对2011年江苏省保险市场的区域差异进行了实证分析,结果显示,江苏省保险市场发展的区域差异显著,而且这一差异呈现一定的地域结构特征,且与经济发展水平的区域差异结构一致,即苏南地区的保险市场发展最好,其次是苏中地区,最后是苏北地区。这进一步说明,经济外部环境差异是引起江苏省保险市场区域差异的主要因素。同时,保险业发展最好的城市也遇到发展瓶颈,这是由自身发展创新不足造成的。因此,可从以下几方面进行采取措施,以推动江苏省内保险市场均衡发展。

(一)完善宏观经济环境

保险在很大程度上依赖于外部经济环境,只有提高经济发展水平,才能改善并推动保险业发展,推动保险资源在区域间合理配置。就江苏省而言,苏北地区经济相对落后,居民生活水平与苏南地区有显著差距,这在一定程度上限制了苏北保险业的发展。因此,要从经济发展方式出发,立足区域特色,加快苏北地区的经济发展速度,推动全省经济与保险协调发展。

(二)加强政策引导和市场培育

保险市场的发展不仅需要外部环境的支撑,也需要政策的支持和市场培育。江苏省整体经济发展在全基于因子的保险市场区域差异由专注毕业论文与职称论文的www.7ctime.com提供,转载请保留.国处于前列,苏中和苏北地区的经济基础也论文导读:
并不薄弱,但如何将潜在的资源转化成现实的保费收入,需要政府的引导。这不仅需要通过重视对风险和保险知识的宣传,有效地树立保险意识,更需要对保险市场进行监管,规范保险市场主体,重视人才引进和培养,推动保险市场良性发展。

(三)服务理念和手段不断创新

苏南地区保险市场的发展在江苏省处于领先地位,在规模和水平上都远高于其他地区,然而,其发展潜力略有不足。就苏州市来说,虽然保险发展排名第一,但从发展潜力的角度来看,处于靠后的位置。这说明,其发展模式需要进行改革和探索,应该借鉴全国保险业更为发达的地区经验,甚至是借鉴国外的优秀经验,结合本地区的市场特点,在服务理念和手段上不断创新,从保险产品供给的角度进行个性化创新,突破瓶颈,实现保险发展质的飞跃。
参考文献:
[1] 陈华,齐红梅.我国保险业的地区差异及协调发展[J].江西财经大学学报,2008,(2):38-41.
[2] 蒋才芳.基于灰色关联分析的区域保险差异影响因素分析[J].财经理论与实践,2010,(7):23-26.
[3] 高璐.基于因子分析的区域保险市场差异研究——以山东省为例[J].现代商业,2011,(9):67-69.
[4] 蔡超.中国保险业发展区域差异的影响因素研究[J].保险职业学院学报,2011,(6):17-20.
[5] 郭晶,姚佐文.我国保险业发展水平的区域差异研究[J].安徽农业大学学报,2013,(5):62-66.
[6] 高树棠,周雪梅.甘肃省保险市场区域差异实证研究[J].兰州大学学报,2013,(3):122-126.
[责任编辑 王 佳]