我国机动车辆保险需求影响因素实证分析

罗曼+夏娇

摘要：近年来，我国机动车保险市场一直保持着较快的发展速度，并始终在整个财产保险市场占据主导地位。本文结合华中三省的实际情况，运用Stata软件，分别以机动车辆保险保费收入、机动车辆保险密度和机动车辆保险深度作为因变量来构造面板数据模型，分析影响机动车辆保险需求的影响因素。

关键词：机动车辆保险；面板数据模型；保险需求；保费收入

一、引言

私人汽车的拥有量平均年增长率达23.26%。近十年中，机动车辆保险在财产险保费收入中的占比一直保持在72%以上，并有逐年上涨的趋势，机动车辆保险业务无疑将成为财产保险发展的第一驱动力。

二、机动车辆保险保费收入影响因素的实证分析

（一）数据指标选取

本文基于数据可得性的考虑，采用2005至2014年华中三省的省级面板数据，研究华中三省机动车辆保险需求的影响因素。我们将从经济因素、交通因素和风险因素三个方面来对影响机动车辆保险需求的因素进行实证分析，从中选取具有代表性的经济或社会统计指标作为衡量这三个因素的变量。

1、代表机动车保险需求的变量

本文以机动车辆保险保费收入作为第一指标（Y1），它能直观的以货币形式体现机动车辆保险的需求量；以机动车辆保险密度作为第二指标（Y2），它能反映机动车辆保险的普及程度及其发展水平；以机动车辆保险深度作为第三指标（Y3），它能反映机动车辆保险在国民经济中的地位。

2、代表经济因素的变量

（1）机动车辆保险价格

本文选取居民消费价格指数（EPI）作为机动车辆保险价格的衡量指标。

（2）居民收入水平

本文选取城镇居民人均可支配收入（INCOME）作为居民收入水平的衡量指标。

（3）城市化水平

本文选取城市化率（URBAN）作为城市化水平的衡量指标。

3、代表交通因素的变量

（1）汽车数量

本文选取民用汽车保有量（AUTO）作为汽车数量的衡量指标。

（2）道路状况

本文选取公路里程（RODE）作为道路状况的衡量指标。

4、代表风险因素的变量

本文选取交通事故发生数（RISK）作为风险因素的衡量指标。

（二）模型设定

本文将运用Stata14.0软件分别以Y1、Y2、Y3为被解释变量建立本文数据的回归模型，通过Hausman Test选取最适合本文数据的回归模型并对回归模型进行经济学分析。基于对数据稳定性的考虑，为了消除系数绝对值偏差和减轻异方差影响，对文中的所有宏观变量在实际计算中均采用对数形式，即保留EPI和URBAN两个变量的原始数据，对其它变量均取对数。

（三）计量方法及主要结果

Hausman Test基本原理：

H0：内部估计量（LSDV）与GLS估计量一致

H1：内部估计量（LSDV）与GLS估计量不一致

若接受H0，则表示随机效应模型更为合适；

若拒绝H0，则表示随机效应模型估计不一致，固定效应模型更为合适。

1、以机动车辆保险保费收入为被解释变量的Hausman Test

根据Hausman Test结果显示：Hausman Test=-26.13<0

意味着即使在90%的显著性水平下也要接受原假设，即随机效应模型要优于固定效应模型。

2、以机动车辆保险密度作为被解释变量的Hausman Test

根据Hausman Test结果显示：Hausman Test=7.51

意味着即使在90%的显著性水平下也要接受原假设，即随机效应模型要优于固定效应模型。

3、以机动车辆保险深度作为被解释变量的Hausman Test

根据Hausman Test结果显示：Hausman Test=4.54

意味着即使在90%的显著性水平下也接受原假设，即随机效应模型要优于固定效应模型。

4、随机效应模型

本文对研究数据进行随机效应模型估计的实证结果如表1所示。

如上表随机效应模型拟合结果所示，我们可以看到三个模型均具有一定的可信度。城市化率、民用汽车保有量和交通事故发生数这三个因素与机动车辆保险保费收入之间的关系均在90%以上的显著性水平下是显著的。城市化率和民用汽车保有量与机动车辆保险需求呈正相关关系，而交通事故发生数对机动车辆保险需求的正负影响因机动车辆保险需求所取指标的不同而有所差异。其它三个变量虽然与机动车辆保险需求之间的关系不显著，但是其表现出来的经济意义与预期是一致的。从各解释变量的系数来看，其系数所表示的经济意义与我们的预期是相符的。

（四）回归结果分析

根据以上回归结果，我们可以看到：分别以机动车辆保险保费收入、机动车辆保险密度和机动车辆保险深度作为被解释变量的回归模型结果是大致一致的，这说明本文所建立的模型是符合要求的。

1、机动车辆保险价格

价格指标所反映的是保险公司的实际经营效率，保险公司的经营效率越高、各项费用成本越低，机动车辆保险的价格就越低，越能刺激机动车辆保险需求。因此，保险公司需要从其他方面降低不必要的费用支出，以此来实现在不损失利润的前提下降低保险价格。

2、城镇居民可支配收入

无论是保险经济学理论还是各种实证研究均表明收入与保险需求呈正比关系，随着经济的增长和收入水平的提高，经济活动主体的保险需求也会随之增加。本文模型所验证出的结果与此正相吻合。可见，不同的收入水平对机动车保险的需求是有差异的。

3、城市化率

城市化水平对一个地区的保险需求有着重要的促进作用，城市化率较高的地区，其经济发达程度也较高，同时其保险需求也较高。随着城市化进程的加快，我国经济发展水平也在不断加快，而保险需求也是增势迅猛。因此城市化建设将有效的拉动该地区机动车辆保险需求的增长。

4、民用汽车保有量

随着近几年我国经济的飞速发展，私家车的数量也急剧增加。由于汽车维修费用及第三者人身伤亡赔偿额度的一再增加，汽车所有者及驾驶员的保险意识均有很大提高，直接促进了机动车辆保险需求的增长。一定的汽车拥有量是产生机动车保险需求的基础，但汽车拥有者的保险意识也是必不可少的。

5、公路里程

在以上三个模型中，虽然公路里程并没有表现出与机动车辆保险需求的显著相关性，但公路里程在一定程度上代表交通基础设施的完善程度，我们可将其视为路况因素。路况的好坏对人们是否购买汽车的决策有一定影响，进而对机动车保险的需求产生影响。由此可见，加强道路交通基础设施建设有利于促进机动车保险需求增长。

6、交通事故发生数

根据本文模型结果显示，道路交通事故数与机动车辆保险需求是有显著相关性的，因此，我们认为模型的结果仅能够验证其与保险需求有显著相关性，但无法验证其相关性的正负。

三、建议

（一）加快城市化进程，加强道路交通基础设施建设

从上文实证分析的结果可以看到，民用汽车保有量对机动车辆保险需求有着显著的正向促进作用，因此，继续增加民用汽车保有量是有利于机动车辆保险发展的。然而交通拥挤，堵塞严重，是抑制车险需求潜在消费群购买汽车的重要因素。因此，为了促进机动车辆保险需求的持续增长，保险公司可以通过与交管部门的合作来帮助提升城市道路交通管理水平，协助政府的“排堵通畅”工程发挥作用，进一步城市道路交通管理水平，改善路况。

（二）设计差异化产品，提升保费公平

在互联网与大数据快速发展的背景下，机动车保险产品的设计正一步步走向差异化与精准化。保险公司应利用大数据的积累，与数据平台的建设，根据不同的地理环境、不同特点的客户需求以及驾驶员开车习惯来设计差异化产品，并依据这些数据采取不同的费率，提升保费的公平性，制定更加细致的保险责任，不断提高服务质量，来满足不同客户群的需求。（作者单位：中南财经政法大学金融学院）

参考文献：

[1]Khovidhunkit P，Khovidhunkit P.Demand for automobile insurance in the United States[microform]/[J].2005.

[2]Esho N，Kirievsky A，Ward D，et al.Law and the Determinants of Property-Casualty Insurance[J].Journal of Risk & Insurance，2004，71（2）：265–283.

[3]朱铭来，汪佚丽.我国汽车保险需求的实证分析[J].保险研究，2006（7）：24-27.

[4]张宗军，王向楠.中国财产保险需求影响因素的实证研究[J].经济与管理，2011，25（6）：35-39.

[5]王晓全，孙祁祥.背景风险对保险需求的影响——基于中国健康保险市场的实证研究[J].保险研究，2011（3）：108-114.