中国保险企业运行绩效特征及其影响因素.docxVIP

? ? 中国保险企业运行绩效特征及其影响因素 ? ? 　　F840.322 ：A 1004-972X(2018)02-0062-07 　　现代保险业作为国民经济不可或缺的组成部分发挥着越来越重要的作用，为经济社会持续快速健康发展保驾护航提供了坚实保障。近年来，我国保险业无论在规模体量上，还是发展速度上都不断取得新突破；中国保险业资产总额从2005年的1.53万亿元增长到2015年的12.36万亿元，年均增长达到23.2%；保费收入则从2005年的4927亿元增长到2015年的24282亿元，年均增速为17.3%。按照2015年我国保费收入2.4万亿元计算，中国保险市场规模已经跃居全球第三位，对全球保险市场增长的贡献度高达30%，居全球第一。总体来看，中国保险业在规模体量上与高速增长的国家经济发展相匹配，2015年保险深度达到3.59%，发展地位得到不断巩固。然而，在保险业发展进程中，服务质量和发展效益仍亟待提升，尤其是作为保险业发展细胞的各类保险企业绩效分化比较明显，总体上尚未摆脱传统扩张转型阶段，面对当前保险市场服务需求变化和保险行业改革的新要求，亟需构建起深耕细作的内涵式发展新模式，进一步推动保险业改革创新提升发展效益。因此，全面分析中国保险企业绩效发展的动态特征，理清制约保险企业发展效率提升的瓶颈，成为推进保险业供给侧结构性改革背景下最迫切的问题。鉴于近年来学界在保险业效率探讨研究中，对企业实体的动态绩效评估文献仍然较少，尝试采用样本评估的方式选择合适的计量模型进行深入比较分析，为未来保险业发展和改革创新实践提供参考。 　　二、中国保险企业运行绩效衡量 　　1.评价模型选择与构建 　　在对具体行业进行技术效率评估测算的分析实践过程中，获得行业运行绩效结论的方法有很多种，但考虑到可靠性和便利性等优势，学界比较普遍选择生产前沿面框架来进行分析，通过采用合适的算法和模型获得测算评估数据结果。通常来说，在生产前沿面分析框架下一般主要采用两种代表性的计算方法对前沿面进行估计，由此便形成了两种不同估计思路的前沿面模型，即参数模型和非参数模型。参数模型，主要是采用计量模型来统计估算前沿生产函数的相关参数，进行获得技术效率测算数据，这种方法也被称为随机前沿分析法(Stochastic Frontier Approach，SFA)；非参数模型，主要是通过数学规划模型来确定相对有效的生产前沿面，进一步获得相对效率的测算结果，这种方法的代表是数据包络分析法(Data Envelopment Analysis，DEA)[1]。这两种方法各有优劣，相比较之下，数据包络分析法一般不考虑测量误差和其他噪声以及随机因素对前沿分析的影响，模型估算对奇异值十分敏感，由于任何企业在实践运行中不能忽视各类噪声的影响作用，也难以回避奇异值的出现，而且SFA法不仅可测算生产单元的技术效率，还可对效率的影响因素进行分析[2]，因此为保证对中国保险企业技术效率测算结论的准确性和可靠性并分析其影响因素，绩效评估应采用随机前沿面模型(SFA)更加合适。采用随机前沿面模型可以获得如下优势：首先，随机前沿面方法中企业实际产出体现了生产函数、随机因素和技术无效率三个方面，充分考虑了随机因素对企业产出的影响；其次，随机前沿面模型使用生产函数和随机扰动项来建构随机生产前沿，通过极大似然估计计算随机前沿模型中的相关参数，并以技术无效效应的条件期望估计平均技术效率，因此非常适合评估保险企业内部效率；最后，随机前沿模型使用的极大似然估计能全面获取每个样本的信息，比较完整地吸收每个具体样本数据特征，受异常值影响小，估算相对稳定，可靠性高，可比性强，这些优势通常都是DEA等方法所不具备的[3]。 　　依据随机前沿面方法的分析框架，一般来说模型设定为如下形式： 　　 　　式(1)中，表示产出部分，表示投入部分，β表示模型参数。此外，随机扰动项包含两部分，一是随机误差项即统计测量误差；二是非负随机变量，主要用来表示技术的无效率。模型中假设随机误差项独立同分布于均值为0，方差为的正态分布；非负随机变量独立同分布于截断(于原点处)σ的随机变量，且与相互独立；、与解释变量也相互独立。因此，参照式(1)的模型表述，引入时间序列变量，构造形成了中国保险企业面板数据随机前沿模型，可以用于中国保险企业技术效率测算，面板模型具体形式设定如下： 　　 　　其中，表示第i个单位于t时刻的产出；表示一个输入向量；β表示尚待估计的标量参数向量；表示随机误差，相互独立且服从，表示技术无效效应，与相互独立。 　　另外，随机前沿面方法中的对于评估技术效率的参数模型选择，考虑到中国保险业的情况和行业特征，本文选择Cobb-Douglas生产函数基础上改进的广义Cobb-Douglas生产函数作为中国保险业价值计量随机前