基于Logistic模型的保险欺诈分析

(中央司法警官学院法学院，河北 保定 071000；河北大学经济学院，河北 保定 071002)

基于Logistic模型的保险欺诈分析

刘轶

(中央司法警官学院法学院，河北 保定 071000；河北大学经济学院，河北 保定 071002)

投保人欺诈影响保险人的偿付能力，侵蚀了保险制度的根基，反欺诈法规的制定和执行都影响欺诈者的决策。本文提取司法案例中影响保险欺诈的因素，建立Logistic模型，探寻保险欺诈的作用机理，有助于了解投保人欺诈的制度诱因，对完善我国保险反欺诈法规有重要意义。

信息不对称；如实告知义务；法律成本；保险欺诈；法律执行率

一、保险案例样本、数据的选取与回归模型设计

二、变量的定义、分类和解析

导致保险欺诈迅速增长的原因很多，道德观念的变迁、贫困人口增加、保险人的态度等因素都同时起作用。而Dionne(1997)和Gagne(2000)都着重强调了保险合同对欺诈的影响。本文所选取的变量具有法经济学含义，在学理上和诉讼实务中与保险欺诈有一定的关联度，能直接或间接的引起欺诈：

1.因变量X0为“涉嫌欺诈”：根据当事人在法庭上提供的证据、在保险事故中的主观过错、行为与损失之间的因果关系。2.自变量X1-X13为“案例类型”：法律的制定、适用和执行都有可能对行为人的决策产生影响，这里的案例类型是诉讼双方当事人争议的焦点，属于法律的执行与适用范畴，某些类型的案件由于立法缺位或法律适用不统一而滋生保险欺诈，所以假设案例的类型对保险欺诈有一定的影响力。3.自变量X14-X16为“信息不对称的表现”：信息不对称是引起欺诈的根本原因，表现为道德风险和逆选择(George Dionne，2007)，此类变量包括存在未如实告知、存在道德风险、存在逆选择3项。4.自变量X17-X19为“保险欺诈三角的影响”。国际保险监督官协会(IAIS)提出，保险欺诈的诱因包括法律成本、法律执行概率和欺诈行为的合理性认识三个因素，统称保险欺诈三角。这三个要素单独或者共同诱发欺诈。5.自变量X20-X29为“法律原则与涉及频率最高的法律条文”：案件在审判时适用的基本法律原则，这里只选取了最近的一种原则。法律条文为案例样本中出现频率最高的2条保险法条文。6.自变量X30、X31为“胜诉方”：选择此变量的目的是计算保险欺诈案件中投保人与保险人哪一方的胜诉概率高，在规制保险欺诈行为重点关注投保人胜诉的案件还是关注保险人胜诉的案件。7.自变量X32-X34为“涉案金额”：目的是分析涉案金额会不会影响保险欺诈的发生，了解哪类保险欺诈案件涉案金额更高、占用司法资源更多、社会危害更大，规制保险欺诈行为重点要关注高涉案金额还是低涉案金额的案件。8.自变量X35-X42为“保险合同的类型”：保险人通过优化保险合同识别、防范保险欺诈，不同类型的保险合同对欺诈会产生一定的影响。其中“财产险”一项包括车损险、盗抢险、财产综合险、财产一切险；“责任险”一项包括交强险、商业三者险、承运人责任险；“人身险”一项包括人身意外险、疾病险、车上人员险、人寿险。目的是分析保险欺诈影响最深的是哪类保险合同，完善哪些保险合同可以最有效的规制保险欺诈。

三、回归分析结论

变量BSEWalsSigExp(B)X1-30702740125502630046X2-26114402035205530073X3-41422762224801340016X4-53702966327800700005X5-18802790045405000153X6-28766778018006710056X7-70635559161402040001X8-24392624086403530087X9-45752671293400870010X10-37978736018906640022X11-34162488188401700033X12-34354103070104020032X13-48572663332700680008X145696093736956∗0000297648X152341066312460∗000010395X163395105110429∗000129818X174259095719821∗000070754X184724110418321∗0000112662X192715076512613∗000015111X2001091584000509451115X21-15469065614000009990000X22-16101442124702640200X23-23493387048104880095X24-02801016007607830756X2517570938350700615797X26-17924799713000009970000X2809311106070904002537X29-08160801103803080442X3302720540025306151312X30183006737393∗00066233X000000000207501501X35-10131664037005430363X36-11831856040605240306X3705061416012807211658X3805501334017006801734X39-01791632001209130836X4000141096000009901014X41-05031141019506590605X42-11481147100203170317常量-39752489255101100019

四、结论及建议

共1112个案例样本，其中存在数据缺失的69个，极大似然估值137.097，Nagelkerke R方为0.93，模型拟合度很好。未进入方程中的自变量对因变量没有显著影响。从P值来看，回归系数在0.05下显著不为零的变量包括：X14存在未如实告知问题；X15存在道德风险；X16存在逆选择；X17受到法律成本的影响；X18受概率的影响；X19受合理性的影响；X30保险人胜诉。所选取的自变量只有以上7项对保险欺诈的影响较为明显，根据其B值构建回归方程：

X14、X15、X16、X17、X18、X19、X30七个变量对因变量保险欺诈有显著影响，从wald值来看：第一，存在未如实告知的wald值为36.956，对因变量的影响最大，说明规制保险欺诈首先要完善如实告知义务制度。存在道德风险的wald值为12.460，高于存在逆选择的10.429，说明道德风险择对保险欺诈的影响力略高于逆选择。这与上一节的结论不符。保险欺诈三角中，三个因素都对保险欺诈都有影响，这与假设相符。法律成本影响、概率影响和合理性影响的wald值分别为19.821、18.321和12.613，说明法律成本对保险欺诈的影响力高于法律执行概率，而欺诈合理性的影响最小。调整法律成本和法律执行概率可以有效影响保险欺诈，而改变欺诈行为的合理性认识的影响有限，这说明出台相关法规并严格执行比宣传教育效果更明显。保险人胜诉一项的wald值为7.393，对保险欺诈有影响，这说明在保险欺诈案件中，保险人比投保人胜诉率高，保险人不起诉并不是因为胜诉率低，而是胜诉收益低，在可以收回诉讼成本的前提下，面对保险欺诈应该果断提起诉讼。通过回归分析可以得出：规制保险欺诈行为主要应从完善投保人如实告知义务制度、提高欺诈的法律成本和法律执行概率、解决道德风险问题入手，不断完善保险反欺诈立法。可以从完善保险法第16条如实告知义务制度的角度提高欺诈的法律成本，明确保险人的解除权基础，统一重大事项的解释方法，提高欺诈法律成本和法律执行率，引入惩罚性赔偿机制。

[1] [美]道宾.美国保险法：第4版(中译本)[M].梁鹏译.北京：法律出版社，2008：3.

[2] 美]肯尼斯·S.亚伯拉罕著.韩长印等译.美国保险法原理与实务[M].第1版.北京：中国政法大学出版社，2012.

[3] 王国军.监管激励与消费者权益保护[J].改革开放三十年：保险、金融与经济发展的经验和挑战——北大赛瑟[C].2008(12).

[4] 王珺、高峰、孙楠.车险市场分离道德风险和逆向选择的实证分析 [J].保险研究，2013(12).

[5] 周建涛、秦炳山、宋晓东.意外、健康保险欺诈概率识别 [J].河北经贸大学学报，2014(11).

[6] 陈志国，刘轶.法经济学视角下的保险欺诈行为研究[J].河北大学学报(哲学社会科学版)，2017(3).

[7] DionneG.Gagne R Deductible Contracts Against Fraudulent Claims：Evidence from Automobile Insurance [J]. Review of Economics statistics.2001，83(2).

[8] Erin Wessling，Contracts—Applying the Plain Language to Incontestability Clauses Kersten v. Minnesota mutual life insurance CO，608 N.W.2D 869 (MINN. 2000) [J]. William Mitchell Law Review.2000.

[9] J.A，P.Brockett，and L.Golden.Assessing Consumer Fraud Risk in Insurance Claim with Discrete and Continuous Data [J].North American Actuarial Journal.2009，(13).