基干因子与聚类探析视角下我国寿险公司效率探讨.docVIP

基于因子和聚类分析视角下的我国寿险公司效率研究 　　摘 要：作为金融业的重要组成部分，寿险行业对中国经济的发展一直发挥着重要的促进作用。文章以2010年中国寿险市场的30家寿险公司作为研究样本，选择15个具有代表性的财务指标构成指标体系，截取2010年各家寿险公司的截面数据，运用因子分进行降维处理得到因子得分矩阵，再运用聚类分析进行综合排名，从而对寿险公司的风险情况和经营效率进行实证分析 关键词：因子分析；聚类分析；效率评价 中图分类号：F276.6 文献标识码：B 文章编号：1008-4428（2016）03-74 -03 保险业作为我国金融业三大支柱之一，对中国经济的可持续发展一直发挥着重要的作用，为此，正确合理的评价各家寿险公司的经营效率情况，并提出有针对性的建议是当前寿险业的主要研究课题之一 多年以来众多学者对于我国保险的发展进行了研究，杨鑫（2011）以我国2004至2008年保险公司为样本，从战略群组角度出发运用聚类分析法对保险企业的绩效及发展进行研究，刘璐（2010）运用因子分析法从经营效率的角度对我国寿险公司进行了研究，何绍慰（2006）运用因子分析和聚类分析法从区域性差异的角度对全国30个省市的保险业发展情况进行了研究，薛伟贤（2008）基于协同理论对我国各省的区域保险经济协调度进行了分析。本文从寿险公司的相关财务指标入手进行分析，为增加结果的可信度，运用因子分析法和聚类分析法来降低研究中的主观因素，增强研究结果的客观性，从而对寿险企业的经营和发展效率作出合理的评价 一、样本选择与评价标体系建立 （一）样本选择 为了使研究结果更具有代表性，我们选取截止到2010年具有3个完整经营周期的30家寿险公司（不包含此区间重组的公司）作为研究样本（详见表1），样本截面数据全部取自《中国保险年鉴》（2011） （二）指标体系构建 早在19世纪初，世界知名的信用评价机构A.M.Best、标准普尔和穆迪公司等就采用相关财务指标对保险公司进行评估，从而对保险公司的盈利、成长、资产质量和偿付能力等方面进行综合评价。本文在借鉴权威信用评级机构和监管部门对寿险公司建立的偿付能力评估指标基础上，选择了15项指标（详见表2） 二、因子分析在寿险公司效率评价中的应用 （一）因子分析思想 因子分析的思想是从研究相关矩阵内部的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法，进而帮助对复杂的经济问题进行分析和解释 由于因子分析主要是根据数据间的相关性进行研究分析，为了提高分析效果，所以在计算前要对数据进行标准化处理和假设性检验 （二）数据假设检验 本文采用SPSS19.0软件进行计算，用KMO和巴特利特球形检验两种方法进行检验。利用软件通过对30个样本公司的15个指标进行分析，得出KMO值为0.653、巴特利特球形检验的p值为0。根据KMO检验要求，统计量值接近1为变量间的相关性最强，分析效果最好，因此在实际中往往认为KMO统计量以高于0.7为适合。虽然本研究中KMO统计量值略低于标准值，但是结合巴特利特球形检验结果，综合认为还是可以进行因子分析的 （三）因子分析应用 1.公共因子提取 利用SPSS19.0采用R型因子分析，通过对原始数据进行标准化后，得到相关系数矩阵特征值、特征向量和贡献率（见表3） 可以看到经过正交旋转后的累积方差贡献率仍然保持在80.71%左右，即有效地保留了原有15个指标中的80.71%的信息，说明经过正交旋转后因子的总体解释能力没有改变。但是正交旋转后，因子的特征根值和方差贡献率产生了相应变化，原因子特征根植最大为4.548，最小为1.108，旋转后因子的特征根值最大为3.135，最小为1.670。这说明通过旋转使得各因子间的方差贡献率差距缩小，各因子的解释能力相对旋转前更加平衡 根据因子分析特点，选出特征值大于1的五个公共因子：F1、F2、F3、F4、F5，且其累计贡献率为80.71%，符合大于80%的原则 2.建立因子载荷矩阵 采用最大方差法对通过软件计算得到的5个公共因子的原始载荷矩阵进行正交旋转，得到经过标准化处理后的公共因子的载荷矩阵（见表4），以便进一步加强对5个公共因子的解释 公共因子F1在保费收入x1、市场份额x2、总资产x3三个指标上载荷较大。由于这三个指标都体现了寿险公司的规模和市场占有情况，因此把F1称为规模实力因子 公共因子F2在营业利润率x4、退保率x5、资产毛利率x6、费用率x7四个指标上载荷较大，营业利润率和资产毛利率是反映寿险企业盈利能力的核心指标，退保率和费用率是反映企业控制经营成本能力的核心指标，他们公共决定了寿险企业的创收能