我国保险业数字技术创新、标准化与行业发展关系的实证分析

王 硕，赵海军

（广东财经大学 信息学院，广东 广州 510320）

一、引言

作为全球第二大保险市场，中国2019 年保险行业保费收入已达42 645 亿元，增速回升到12.2%，有望成为全球保险市场发展的主要驱动力；2020 年的保费收入45 257 亿元更是将保险业科技创新推上热点。纵观我国保险行业的发展，从不成熟的起步阶段逐步走向规范化、标准化的成熟阶段，这得益于国家对标准化建设的重视。国务院于2021 年印发的《国家标准化发展纲要》，不仅突出了标准化在推进国家治理体系和治理能力现代化中发挥着基础性、引领性的作用，更是强调了标准化应与数字经济时代的科技创新互动发展。

我国保险业起步虽晚，但学术界的相关研究成果颇丰。杨晓荣（2012）[1]、张韵（2016）[2]、郑苏晋等（2019）[3]实证分析得出保险业发展对经济增长的正效应显著；谢恒（2012）[4]、高健（2013）[5]、完颜瑞云和锁凌燕（2019）[6]、王媛媛（2019）[7]等研究认为科技创新对保险业发展有极大的促进作用；王飞鹏（2010）[8]、赵红和王新军（2015）[9]等十分看好保险业标准化的发展。鉴于针对保险业的标准化与数字技术创新关系研究并不多见，而胡彩梅和韦福雷（2011）[10]、杨蕙馨等（2015）[11]、王丽君（2020）[12]等学者对经济增长、标准化与创新关系的实证研究为保险业发展研究提供了新思路。因此，本文选取了1995—2020 年样本数据，利用计量经济应用软件建立模型并进行实证分析，旨在探讨数字经济背景下数字技术创新、标准化与中国保险发展三者之间的深层关系。

二、研究设计

（一）理论模型

不同于传统以经济理论为基础来描述变量关系的联立方程模型，向量自回归（Vector Autoregression，VAR）模型是基于数据统计性质建立的，只需要变量具有相关性，而不以严格经济理论为依据（张正新，2018）[13]。自1980 年西姆斯将VAR 模型引用到经济学中，VAR 模型就常用于预测时间序列系统、分析随机扰动对变量系统的动态冲击，从而解释各种经济冲击对变量的影响，推动经济系统动态性分析（高铁梅，2020）[14]。本文初探保险业数字技术创新、标准化与行业发展之间的相关关系，并以多元时间序列为变量，因此可采用易于处理多个相关经济指标的分析与预测的VAR 模型作为理论基础。

（二）变量选取

数字技术创新，以数字金融科技有效专利为变量。王媛媛（2019）[7]提出保险科技的创新包括了创新技术、创新模式和创新公司。而数据获取的难易程度使得现代研究中技术专利成为技术创新的主要量化指标。例如，有选取专利申请数为变量指标（王丽君，2020）[12]；（李小林等，2021）[15]；也有选取有效专利数（谢恒，2012）[4]等。为对应标准化的变量数据来源，本文拟选取经过国家授权的行业有效专利数为指标；鉴于国家统计局公布了按国际标准分类的发明、实用新型专利申请授权量等数据，故本文选取数字经济背景下有代表性的类别以粗略代表数字金融科技专利作为数字技术创新的变量指标。

标准化，以金融国家标准和行业标准为变量。根据国家标准中的定义，标准化是为在一定范围内获得最佳秩序，对现实问题或潜在问题制定共同使用和重复使用的条款的活动，随人类实践和社会生产而发展。参照国际上最普遍使用的标准分类法，我国将标准按制定主体分为国家标准、行业标准、地方标准、团体标准和企业标准五类（李春田，2005）[16]。随着标准化发展上升为国家战略，在大数据等新一代信息技术的推动，我国金融业的标准化建设工作正在逐步推进，学术界对其关注度也越来越高。在对标准的实证研究中，学者们大多选取国家统计局公布的国家标准为基础（王丽君，2020）[12]。但根据标准种类的划分，除了国家标准还有行业标准等规范行业发展，而地方、团体和企业标准对行业发展的影响范围不均等原因，故本文针对金融业选取国家和行业标准的合计数为指标。

保险业发展，以保费收入为变量。根据保险发展报告，保费收入、保险深度（保费收入占GDP 的比例）和保险密度（人均保费收入）是衡量一国保险规模的主要指标。此外，学术界对保险业的相关研究中有选净利润（王媛媛，2019）[7]、保险业资产占GDP的比重（李小林等，2021）[15]、保费收入增长率（谢恒，2012）[4]等作为保险经营绩效和发展的指标。本文在以往研究基础上结合VAR 模型对变量平稳性的要求，选取保费收入为保险业发展的变量指标。

（三）研究工具

Eviews（Econometrics Views，计量经济学软件包）是在实证分析成为现代经济管理学研究的普遍趋势背景下受到广泛应用的计量分析软件，主要用于数据处理、回归与预测等定量分析（王爱民，2018）[17]。自1994 年投入使用以来，Eviews 已更新出了多个版本，本文将采用较新的10.0 版本对多元时间序列数据进行分析。

（四）样本收集

为重点研究我国保险业数字技术创新、标准化与行业发展之间的关系，本文将通过实证分析初探三者之间是否存在长期的均衡和因果关系以及预测动态影响。因此，本文选取国家统计局公布的计算、推算、计数技术专利，核算装置专利，信号装置专利，信息的存储专利，以及电信技术专利的申请授权量合计量（P），作为数字技术创新变量指标的数据；金标委公布的金融国家标准和行业标准合计量（S），作为标准化变量指标的数据；国家统计局公布的保费收入（R），作为保险业发展变量指标的数据。鉴于我国保险业发展时间不长，且近年受疫情影响的不确定性，故本文选取了三个变量1995—2020 年的年度数据作为样本。

三、实证分析

（一）数据预处理

虽然通常情况下，时间序列数据相比截面数据较不容易产生异方差导致影响模型假设检验结果的判断，但为了消除时间序列的异方差，本文将对选取的样本数据进行对数变换，而不改变趋势。鉴于金融标准合计量（S）的数据值较小，均在0～60 之间；而保费收入（R）和数字金融专利申请授权量（P）的数据值较大，从而只对R和P两个变量对数化，分别以LNR、LNP表示自然对数的保费收入和数字金融专利量。

（二）平稳性检验

基于宏观的经济变量和金融时间序列大都具有时间趋势性（胡志宁，2016）[18]。本文选取的指标在同一时间段观测值形成的时间序列可能是非平稳的，而对非平稳时间序列直接进行回归分析会带来伪回归现象（赵国庆，2016）[19]。因此，本文先对预处理后的数据进行单位根检验，以判断时间序列的平稳性。鉴于Eviews 平稳性检验常用的方法是ADF 单位根检验，故本文采用Eviews 10.0 软件对LNR、LNP、S的单位根进行ADF 检验。

表1 1995—2020 年我国保费收入、数字金融专利和金融标准流量

从表2 可知，LNR、LNP具有单位根，为非平稳时间序列；S为平稳时间序列。对LNR、LNP进行一阶差分后的ADF 检验值在5%的显著性水平下均小于临界值，故其为一阶单整序列。

表2 平稳性检验结果

（三）非平稳序列的协整分析

很多金融、经济时间序列数据虽然不平稳，但可能受一些共同因素影响而表现出共同的时间趋势，即变量间存在一种稳定关系，其线性组合可能平稳的就存在协整关系（王爱民，2018）[17]。当模型中变量存在非平稳变量时，若变量间不存在协整关系，则因果检验将没有意义即为伪回归。因此，为防止伪回归现象的出现，并明确变量间存在协整关系以及经济现象中真实存在的长期均衡关系，需对选取的样本数据进行协整检验。

1.建立VAR 模型并确定最佳滞后阶数。根据上文的平稳性检验结果，采用Eviews 10.0 可对三个变量建立VAR 模型并确定最佳滞后阶数。

从表3 可知，在滞后期为2 时，AIC、SC和HQ值同时最小，故VAR 模型的最佳滞后阶数为2。

表3 VAR 模型最佳滞后阶数结果

2.Johansen 协整检验。协整检验是对无约束VAR模型加一个向量进行协整约束，因此协整检验中内生变量差分的滞后项设定应比VAR 模型中的滞后区间要少一阶，即协整检验滞后阶数为1。Eviews 提供的两种协整检验法，一是对两变量的Engle-Granger检验，二是对多变量的Johansen 检验。本文选取了三变量，故采用Johansen 协整检验。

从表4 中的结果可以看出，在5%的显著性水平下，最多存在零个和两个协整关系的假设拒绝；最多存在1 个协整向量的假设中，迹检验结果拒绝，最大特征值检验结果不拒绝，说明LNR、LNP、S三个变量至少存在一个协整关系。根据标准化的协整系数，选取一个能够准确反映变量间协整关系的协整方程：

表4 Johansen 协整检验结果

通过协整回归表明，保险业数字技术创新、标准化与行业发展之间存在着长期动态均衡关系：数字金融专利量增加1%，保费收入平均增加0.75%；金融标准量增加1%，保费收入平均增加0.01%。

3.误差修正（VEC）模型。既然Johansen 协整检验衡量了数字化技术创新、标准化与行业发展三个变量之间的长期均衡关系，那么它们之间是否具有短期的调整机制呢？本文试图通过建立包含保险业数字化技术创新、标准化与行业发展的长期均衡信息和短期动态关系的误差修正（VEC）模型进行分析。

根据下图1 估计结果的协整关系，误差修正项可以表示为：

图1 误差修正估计结果

由误差修正项的系数可知，短期中，保费收入与其长期均衡值的偏差，在下一期有41.39%被修正。同理，数字金融专利和金融标准在下一期分别有47.67%和25.16%被修正。VECM 模型中滞后差分项系数，表明保险业数字化技术创新、标准化与行业发展三个变量之间存在短期交互关系；而误差修正项系数，验证了三者之间存在长期稳定的作用关系。

（四）差分平稳序列的VAR 模型

1.Granger 因果检验。协整检验只能说明变量间存在长期均衡关系，但是否构成因果关系需要进一步检验。Granger 因果检验，是基于平稳序列建立的VAR 模型，检验某个变量的滞后值（过去的信息）对被解释变量的信息是否有预测能力。由上文的平稳性检验结果，LNR的一阶差分DLNR、LNP 的一阶差分DLNP、S均为平稳时间序列，且经过差分平稳的DLNR和DLNP也有对应的经济解释，即保费收入增长率和数字金融专利增长率；故可对经过差分平稳的三个变量之间的Granger 因果关系进行检验。

从表5 的P值可知，滞后1、2 和3 期，DLNR是DLNP的Granger 原因，而且因果关系是单向的。这表明保费收入是引起数字金融专利的原因，那么可以对保费收入施加影响从而引起数字金融专利的改变。同理，滞后3 期，S是DLNP的Granger 原因，且因果关系也是单向；即金融标准是数字金融专利的原因，对标准化施加影响可引起数字技术创新的改变。

表5 Granger 因果检验结果

2.VAR 模型稳定性检验。首先对VAR 模型进行估计，根据AIC、SC原则，可确定最优滞后阶数为2。再对VAR 模型进行稳定性检验。

从图2 中可以看出，VAR 特征根的倒数的模（圆点）都在单位圆之内，这说明VAR 模型是稳定的，即基于VAR 模型的结论是可靠的。

图2 VAR 模型稳定性检验结果

3.脉冲响应函数。为进一步研究三个变量间相互冲击的影响，本文选择以多图显示具体脉冲响应函数。

从图3 中可以看出，DLNR、DLNP和S的冲击对其他两个变量都有一定的影响。如第一行第二列的小图表示DLNP对DLNR的冲击，即数字金融专利量DLNP变动一个标准差对保费收入DLNR的脉冲函数图，图中实线表示DLNR受冲击后的走势，两侧虚线表示走势的两倍标准差；由此可以看出，保险业发展受数字技术创新的一个正向冲击后就开始增加，第2 期达到首个最大，随后开始减少，第3 期达到最小后开始增加，到第5 期达到次高点后开始回落并逐渐趋于平稳。相应地，第二行第一列的小图表示DLNR对DLNP的冲击，数字金融专利量DLNP受保费收入DLNR的一个正向冲击后开始增加，第2 期达到最大后开始回落并逐渐趋于平稳。

图3 脉冲响应

4.方差分解。VAR 模型方差分解是为了分析未来时期对因变量的预测误差的方差由不同信息的冲击影响比例。本文选择列表输出保费收入增长率DLNR 的方差分解结果如下。

从表6 可以看出，随着冲击期数的增加，保费收入增长率对其自身的影响逐渐减小，第10 期在81%；数字金融专利增长率、金融标准对保费收入增长率的影响逐渐增加，说明数字技术创新和标准化对保险业发展的影响具有长期性和积累性。相应地，保费收入增长率、金融标准对数字金融专利增长率，保费收入增长率、数字金融专利增长率对金融标准的影响都具有长期性和积累性。

表6 DLNR 的方差分解结果

四、结论及建议

本文通过文献和计量经济分析软件初步构建了我国保险业数字技术创新、标准化与行业发展三个变量的VAR 模型，以分析三者的长期均衡关系、因果关系和它们之间的影响趋势。根据本文选取的1995—2020 年数据，实证分析得出以下结论：

首先，根据非平稳序列的协整分析结果可以得到，我国保险业数字技术创新、标准化与行业发展之间存在长期动态均衡关系，且它们之间具有短期的调整机制以维持长期关系。数字金融专利量增加1%，保费收入平均增加0.75%；金融标准量增加1%，保费收入平均增加0.01%。短期中，保费收入与其长期均衡值的偏差，在下一期有41.39%被修正，数字金融专利和金融标准在下一期分别有47.67%和25.16%被修正。

其次，根据差分平稳后的序列因果分析结果可以得到，我国保险业发展是引起保险业数字技术创新的原因，这也说明经济发展是促进科技创新的基础。而且，标准化也是引起数字技术创新的原因，证明了数字经济背景下标准化发展是科技创新的驱动力之一。

最后，根据VAR 模型的脉冲响应和方差分解结果可以得到，保险业数字技术创新、标准化与行业发展的任一因素对其他二者的影响具有长期性和积累性，三个变量之间均相互影响。

综上，我国保险业数字技术创新、标准化与行业发展之间的相关关系较强，不仅有长期动态均衡关系和短期调节机制，还有一定的因果关系并相互影响。根据实证分析结论，结合我国标准制定仍以政府主导的特点，我国保险企业要想提高经济绩效，就需要坚持以企业为主导的市场化与标准化发展道路，加大对数字技术创新和标准研制的投入，重视保险企业标准化发展的战略布局，掌握主动权，从而推动保险业高质量发展。