保险业国际比较的新范式

保险业国际比较的新范式——兼论七个典型市场的比较①北京大学经济学院郑伟中国科学院地理科学与资源研究所刘永东北京大学中国经济研究中心邓一婷①郑伟，北京大学经济学院，邮政编码：100871，电子信箱：[e-mail]；刘永东，中国科学院地理科学与资源研究所；邓一婷，北京大学中国经济研究中心。本文荣获国际保险学会（InternationalInsuranceSociety,IIS）和日内瓦风险与保险经济学学会（GenevaAssociation）2008年度昀佳论文奖（全球共3篇）。本文曾在亚太风险与保险学会（APRIA）2008年悉尼年会和国际保险学会（IIS）2008年台北年会宣读。作者感谢国际保险学会和日内瓦学会组织的论文评审委员会匿名评审专家对本文的宝贵意见和建议，感谢国际保险学会、日内瓦学会和Shin基金对本文研究的奖励，感谢英国伦敦城市大学GerryDickinson教授在近年与作者的合作研究中的有益启发，感谢北京大学孙祁祥教授对本文研究的大力支持，感谢美国罗德岛大学虞彤教授和香港城市大学邹宏教授对本文研究的宝贵意见，同时还要感谢瑞士再保险集团（特别是ClarenceWong先生）为本文研究提供的数据支持。保险业国际比较的新范式——兼论七个典型市场的比较内容提要：针对传统方法的局限，本文提出了一套适用于保险业国际比较的新范式。首先，在世界保险业“普通增长模型”的基础上，提出了“基准深度比”这一新指标，并对若干典型国家的保险业“增长水平”进行了比较。其次，构建世界保险业“调整增长模型”，并在此基础上提出保险业增长结构“三分法”，对相关国家的保险业“增长结构”进行了比较。昀后，在以上两个模型对比的基础上，分析了保险业长期增长中的经济要素和制度要素的不同影响。本文研究的主要结论是：第一，我们应当重新审视世界各国的保险业增长水平：相对于各自的经济发展阶段而言，新兴发展中国家的保险业增长水平较传统指标有所增高，而发达国家的保险业增长水平较传统指标有所降低。第二，总体而言，发达国家的保险业增长主要依靠经济要素的拉动，而新兴发展中国家的保险业增长则主要依靠制度要素的推动。第三，随着一国经济的发展，制度要素对保险业增长的贡献度将逐渐降低，保险业增长将更多地依靠经济要素的拉动，在这一判断下，强调新兴发展中国家的保险业增长模式的更新升级显得尤为重要。关键词：国际保险业比较保险增长一、引言保险业增长的国际比较①是一项非常重要的工作，但现实中由于“方法论”的问题，有可能对比较结果产生误读，对政府相关政策的制定或保险企业的全球战略布局造成误导。现有的保险业增长的国际比较的研究文献中，使用的比较方法通常为保费收入法、保险密度法和保险深度法。这三种方法各具优点，同时也都存在一定的局限性。在比较各国保险业的增长水平时，是否存在更加合理的方法？在对各国保险业进行“总量分析”之外，是否还可以进行“结构分析”？对于保险业增长中的经济要素和制度要素②在不同经济发展阶段上的不同影响，是否可能进行初步的探索？本文将尝试对这三个问题进行回答。本文的创新主要表现在三个方面：一是提出一个比传统方法更合理的、适合保险业国际比较的新方法——“基准深度比”法，并以此进行相关国家的排名比较；二是提出保险业增长结构“三分法”，即任何一国的保险业增长都可以分解为常规性增长、深化性增长和制度性增长三个部分，并以此对1980~2007年间相关国家保险业的增长结构进行比较分析；三是构建世界保险业“调整增长模型”，在相关模型对比的基础上，分析保险业长期增长中的经济要素和制度要素的影响，并得出若干有意义的启示。限于篇幅，本文未对世界所有国家的保险业增长进行对比，而是从中选择了七个典型国家：美国、日本、英国、中国、印度、巴西和俄罗斯。在这七个国家中，美国、日本和英国是多年来保费收入居世界前三名的国家，是发达保险市场的典型代表；中国、印度、巴西和俄罗斯分别是东亚、南亚、拉丁美洲和欧洲国土面积昀大、人口昀多的国家，被誉为“金砖四国”（BRIC），是新兴发展中保险市场的典型代表。本文的分析框架如下：第一部分是引言，交代研究背景和主要创新；第二部分引入“世界保险业增长的普通模型”（“普通增长模型”），并在此基础上对相关国家的保险业增长水平①本文文中“各国”、“国家”均代表“各国（地区）”、“国家（地区）”，特此说明。②保险业增长中的制度要素，主要是指除经济发展水平之外、影响保险业增长的某些国别性因素，如法律法规、文化传统、宗教信仰、社会保障制度等。关于制度要素的更详细的讨论，请参见本文第四部分第（二）节。进行比较；第三部分引入“世界保险业增长的调整模型”（“调整增长模型”），并在此基础上对相关国家的保险业增长结构进行比较；第四部分在对比两个模型的基础上，分析保险业增长中的经济要素和制度要素的影响；第五部分是结论。二、保险业增长水平的比较本部分首先引入比较世界保险业增长水平的新方法——“基准深度比”法（BRIP），之后将新方法中的新指标的排名结果与传统指标的排名结果进行对比，然后分析新指标及排名结果变化的经济含义。（一）新方法的引入保险业增长水平国际比较的传统方法包括保费收入法、保险密度法和保险深度法，这三种方法各具优点，同时也都存在一定的局限性。保费收入法反映了各国（地区）保险市场的总体规模，但它未考虑人均水平，未能真实地反映各国保险市场发展的实际水平。保险密度法（保费收入/人口数）在保费收入法的基础上增加了对人口因素的考虑，考虑了人均水平，能够比较真实地反映各国保险市场发展的实际水平，但它只是单纯地考虑保险业增长，而未同时考虑经济发展，未考虑“保险与经济的关系”。保险深度法（保费收入/GDP，或保险密度/人均GDP）在保险密度法的基础上，进一步增加了对经济因素的考虑，但它尽管考虑了“保险与经济的关系”，却仍未能考虑“不同经济发展阶段具有不同保险深度”这一重要规律①。我们知道，各国的人口数量差异很大，各国的经济发展水平也有着显著差异，因此，无论是保费收入法、保险密度法，还是保险深度法，都不是衡量“相对于经济发展的保险业增长水平”的理想方法。为了弥补以上传统方法的缺陷，我们提出一种新的比较方法——“基准深度比”法。该方法的核心指标是“基准深度比”，又称“保险基准深度比”（BenchmarkRatioofInsurancePenetration,BRIP），它反映一国保险业的相对增长水平。具体而言，它衡量的是一国的保险深度与相应经济发展阶段上（此处指相同人均GDP水平阶段上）世界平均保险深度的相对关系。如果我们将“相应经济发展阶段上世界平均保险深度”称为“基准保险深度”，那么某年某国“保险基准深度比”为：100×该年该国实际保险深度某年某国保险基准深度比＝％基准保险深度（1）式中分母“基准保险深度”指的是“相应经济发展阶段上世界平均保险深度”，分子“实际保险深度”指的是该年该国实际达到的保险深度。为了获得“基准保险深度”，我们需要引入一个保险业增长模型，刻画经济增长和保险业增长之间的关系。（二）普通增长模型已有研究文献构造的保险业增长模型有多种，但大致可以归为三类：第一类是普通线性模型，第二类是对数线性模型，第三类是Carter&Dickinson（1992）和Enz（2000）建立的Logistic模型。这三类模型各有利弊，前两种模型的估计较为简单，估计结果较为容易解释，且模型变化较多。但是前两种模型都暗含“保费的收入弹性不变”的假设。这个假设对于针对保险需求因素等问题的短期分析来讲，并无太大不妥，然而对于世界保险业的长期分析来说，这个假设严重脱离现实，因为大量的研究表明，保费收入弹性随收入阶段的变化而有所差异（Beenstocketal.，1986、1988；Outreville，1996；Grace&Skipper，1991）。因此，在此类研究中，假定保费收入弹性变化的Logistic模型更为合理。本部分将在该模型基础上，利用世界各国保险业和经济增长的大量昀新历史数据对“普通增长模型”进行估算。普通增长模型的表达式设定为：①从图1保险业增长水平和经济发展水平的散点图中可以看出，在人均GDP较高的阶段，保险深度往往也相应较大。ε+⋅+=XCCCY3211（2）式中，Y为保险深度，X为人均GDP，1C、2C和3C分别为模型的三个参数，ε为残差项①。需要指出的是，目前有众多的文献研究了寿险和非寿险需求。一些实证研究表明，数十种因素（如经济因素、社会因素、政治因素等）都会对寿险产生显著的影响。针对非寿险需求的研究远不及针对寿险需求的研究成熟，但文献表明，影响非寿险需求的因素也有多种。考虑到寿险和非寿险影响因素的复杂性，影响保险业增长的因素就更加复杂，因此，实证研究很难涵盖影响保险需求的所有变量。但是，在影响寿险和非寿险需求的众多因素中，昀关键、影响昀大以及昀直接的变量还是经济体的整体发展水平（Babbel，1981；Beenstocketal.，1986、1988；Outreville，1996）。因此，在侧重于世界保险业中长期分析的研究中，将收入作为唯一的解释变量也是化繁为简、但又不失准确的一种做法。在估计模型时，我们选取95个国家和地区过去28年（1980～2007年）的数据作为观测样本。②寿险业的观测样本量为2,143个，非寿险业的观测样本量为2,162个，保险业的观测样本量为2,140个。表1列出了世界寿险业、非寿险业和保险业的普通增长模型的估计结果，图1列出了相应的寿险业、非寿险业和保险业的回归曲线，该曲线反映的是模型表达式（1）中1231XCCC+⋅一项的内容。表1世界保险业“普通增长模型”的估计结果寿险业非寿险业保险业1C24.666***(18.98)34.755***(47.70)14.068***(25.38)2C105.034***(12.87)48.440***(37.04)37.066***(18.18)3C0.862***(66.05)0.855***(13.33)0.871***(75.18)R20.53800.71150.7007调整R20.53740.71110.7003样本量2,1432,1622,140注：括号内为稳健的t统计量（robustt-statistic）。***表示在1％的置信水平下统计显著。①有些研究认为，同期保险业会对经济产生一定影响（Outreville1990;Soo,1996;Webbetal.,2002;Arena,2006），然而其他一些的研究证明，这种内生关系并不真正成立（WardandZurbruegg,2000;KuglerandOfoghi,2005;Adamsetal.,2005）。在目前，针对保险业在短期内是否会影响经济增长这一问题，尚无确切的结论。为了处理潜在的内生性问题，我们曾在上述模型中采用滞后一期的GDP作为被解释变量，回归结果很接近采用当期保险深度的回归所得的结果，表明内生性问题在我们的模型中并非关键问题。因此，我们仍然以当期的保险深度作为被解释变量。②各国GDP、人口数、人均GDP等数据来自联合国“NationalAccountsMainAggregates”数据库，各国总保费收入、寿险保费收入、非寿险保费收入、总保险深度、寿险深度、非寿险深度等数据来自瑞士再“Sigma”世界保费数据库。人均GDP数据按照1990年可比价格以美元计价，保险深度数据是相对值（保费/GDP），不涉及价格调整问题。需要特别说明的是，在我们使用的样本数据中，寿险和非寿险的区分采用欧盟（EU）和经济合作与发展组织（OECD）标准惯例，将健康保险和意外伤害保险划入非寿险业务范围。0%2%4%6%8%10%12%14%10100100010000100000人均GDP(美元)保险深度实际保险深度普通寿险增长曲线普通非寿险增长曲线普通保险增长曲线图1：世界保险业“普通增长模型”回归曲线从图1可以看出，在通过统计检验的“普通增长模型”之下，寿险业、非寿险业和保险业的回归曲线均呈S型特征（故称“S曲线”）。这说明，保险深