我国寿险业承保端风险扩张及原因分析
来源:用户上传
作者:尚颖 贾士彬
摘 要：本文选取2007—2017年间30个省（市、自治区）数据，运用熵权法构建承保端风险评价指标，并引入0—1权重矩阵和地理权重矩阵进行空间面板回归分析。结果显示，寿险业承保端风险不存在[β]收敛，并有进一步扩大的趋势，这是替代效应、收入效应、资金贬值效应共同作用的结果，且同时受人口死亡率、寿险业务结构、寿险业务波动等因素的影响。本文建议从寿险业自身做起，控制业务发展速度、优化业务结构，适时进行调整。
关键词：承保端风险;空间滞后模型;替代效应;寿险业务结构
中图分类号：F840.622 文献标识码：B 文章编号：1674-2265（2020）03-0078-08
DOI：10.19647/j.cnki.37-1462/f.2020.03.010
一、引言
1998年，我国寿险业保费收入首次超过产险业，截至2018年底，寿险业保费收入已达2.725万亿元，远高于财险市场的1.176万亿元，在整个保险市场中占据举足轻重的地位。寿险业获得快速发展的同时，承保端所积聚的风险也越来越突显，主要表现为退保风险的加剧和给付率的波动。近年来，很多寿险公司承保端产品大多通过高收益来短时间筹集大量资金，高成本加大其对于资产端回报的高要求，在资产端市场非有效性的背景下，投机和短视行为是其最优的策略选择，资产端风险的加剧会影响寿险公司现金流、资产负债匹配、偿付能力、市场信誉和地位，甚至影响寿险业的社会认可度和发展，进而造成退保危机和给付压力，产生系统性风险。2007—2017年间，我国寿险业退保率平均达到16.17%，并呈U形发展趋势，2014年退保率最高，为24.31%，很多地区不同年份也曾出现高退保率，2014年河南省高达40.98%，2017年上海高达39.69%。雖然寿险业给付率相对稳定，平均为22.02%，但个别地区、个别年份也曾出现过较大波动，2007年黑龙江省给付率高达55.55%，浙江省达42.83%，给付风险依然存在。再加上经济、人口、金融等外界环境的干扰，以及资产驱动与负债驱动两种经营模式的并向发展，寿险业承保端风险不断更新和演化。更重要的是，由于寿险公司大多在不同省域设立分支机构，省域间的交往会更加密切，基于公司系统内部考核和外部竞争的压力，相邻地区寿险业承保端风险可能会阶段性趋同。因此，在研究寿险业承保端风险及其影响因素时，需将空间因素考虑在内。
二、文献综述
关于寿险业承保端风险的研究，大部分文献主要集中于退保风险影响因素的探究。早期国外学者提出的应急资金假说、市场利率假说、保单替代假说（Linton，1932;Outreville，1990;Kuo等，2003），在中国寿险市场也得到了验证，但研究结论并不一致：展凯（2008）分别用利率、物价指数、失业率作为替代变量，运用VEC模型，证实存在显著的利率替代效应和支付贬值效应，短期内利率变化能引起退保率的同方向变化，而长期则表现为反方向变化;通胀率长短期均会使退保率同向变化，但其并不支持财务危机假说。陈华等（2014）同样支持利率替代效应，指出长期利率、短期利率和利差的上升均会造成退保率的提高，且财务危机假说也成立，退保率和失业率正相关。何欣等（2015）采用类似变量，运用面板固定效应模型，却仅支持支付贬值效应，认为退保率会随着通胀率的上升而上升。也有学者用收入（楚军红，1997）、经济增长（孙蓉等，2012）作为财务危机效应的替代变量，且证实其对退保率均有影响。除此以外，新单占比（陈华等，2014）、保单条款的具体设计（Hendel，2003）、被保险人死亡情况（郭春燕等，2008）、投保人年龄大小、保费与交费形式、保单经过年数（彭玉龙，2005）、保险公司服务质量和客户满意度（刘超，2006）、附加服务（郭钟亮，2017）、教育水平、信息认知偏差（毕泗锋等，2018）、寿险业务类型（王向楠，2012;展凯等，2013;何欣等，2015）等均会不同程度影响寿险公司的退保率。
而更值得关注的是，随着创新型寿险产品的出现，寿险业承保端风险出现了一些新的变化，部分学者也开始致力于此方面的研究。陈秉正等（2016）通过建立双驱动型动态最优资产负债管理模型，验证了负债端高风险性万能险业务的发展规律：当万能险业务平稳时，万能险账户流动性充裕，不会发生流动性风险，但当流动性突然恶化时，保险公司将面临一定的流动性风险与资产折价风险。
综上所述，以往文献更多针对的是寿险业承保端退保单一风险的研究，虽然寿险市场给付风险波动不如产险市场大，但由于其依然存在严重的逆向选择和各种不确定性因素，给付风险不容忽视。本文首次将退保风险和给付风险一并作为寿险业承保端风险考量指标，采用熵权法整体评估寿险业承保端风险。此外，上述研究文献并未涉及对我国寿险业承保端风险收敛或扩张趋势的判断，且很少考虑可能存在的空间异质性和传染影响，而这种空间效应却是存在的，范庆祝等（2017）已经证实了退保行为的净传染假说。因此，本文将在此基础上，运用空间面板模型，进一步研究我国寿险业承保端风险的发展趋势及其原因。
三、寿险业承保端风险趋势：收敛还是扩张？
（一）寿险业承保端风险评价指标构建
衡量寿险业承保端风险的指标主要分为两大类：第一类基于消费者角度考量，为退保风险指标，用退保率来衡量，公式表示为：退保率（WR）=退保金/人身保险保费;第二类基于寿险公司角度考量，为给付风险指标，包括赔付率（PR=赔付/人身保险保费）、死伤医疗给付率（DIR=死伤医疗给付/人身保险保费）、满期给付率（FPR=满期给付/人身保险保费）和年金给付率（APR=年金给付/人身保险保费）4个子指标。为了更加准确地刻画寿险业承保端风险，本文综合考量上述5项指标，利用熵权法构建了一项新的承保端风险指标，记为Risk①。具体方法如下：第一步，计算第[j]个风险指标的比重[Pij]，计算公式为[Pij=p'iji=1mp'ij]（[p'ij]为原始矩阵）;第二步，计算第[j]个风险指标的熵值[Ej]，计算公式为[Ej=-1lnmi=1mPij×lnPij];第三步，计算变异系数[Vj=1-Ej];第四步，计算第[j]个风险指标在综合评价指标中的权重[Wj]，计算公式为[Wj=Vjj=1nVj];第五步，计算综合评价指数[Riski=j=1nWj×Pij]。其中[Riski]代表第[i]省份的综合风险指数，[Riski]越大，表示第[i]省份的风险暴露程度越大。 （二）权重矩阵选择
在进行实证分析之前，先对各变量进行单位根检验，根据Hadri单位根检验结果，各变量在10%的置信水平内均通过显著性检验，即不存在单位根，在此不再展示检验结果。从回归结果来看，如表1所示，选择SEM模型更为合适。在0—1权重和距离权重下，[β]值均为正值，寿险业承保端风险并未呈现出全局域的[β]收敛，反而趋于发散。这一结论说明我国寿险业承保端依然存在较大风险，并有不断扩大的趋势。那么，为什么我国寿险业承保端风险没有呈现出[β]收敛呢？
四、承保端风险扩张的原因分析
（一）指标选取与数据选择
本文综合考量以往学者研究指标基础上，选取解释变量如下：
1. 第一大类影响因素：退保风险影响因素。
（1）替代效应指标。人们之所以选择退保，可能源于替代性产品的吸引，人们会将投保理财性保险产品的收益率与投资股票、基金、债券、银行存款，甚至是房地产的收益率相比较，进而产生替代效应。基于此，本文分别选取资本市场波动（CMF）、存款波动（DF）、房价波动（HPF）三项指标为替代变量。
（2）收入效应指标。Outreville （1990） 将早期 Linton（1932） 的应急资金假说继续拓展，指出除失业率外，随着实际收入的提高，投保人需要资金应急的可能性下降，退保率将会降低。但也有学者持相反观点，Kiesenbauer（2012） 证实收入水平和退保率成正比，认为随着收入和储蓄增加，消费者有动机通过退保筹措部分资金，用于积累的资金进行较大金额的采购。由于数据的可获取性，本文选取城镇单位就业人员工资总额作为替代变量，为削减异方差，做对数处理，记为lnUW。
（3）资金贬值效应指标。许多学者都认为通货膨胀与退保有关系（展凯，2008;何欣等，2015），为了进一步检验资金贬值效应，本文选取物价指数（CPI）作为替代变量，并取对数。
（4）教育水平。人们的教育水平不同，对保险的认识不同，理性选择购买或退保的程度也会不同，进而可能会影响退保行为。本文用各地区本科及以上学历人数作为衡量指标，记为ED，并取对数。
2. 第二大类影响因素：给付风险影响因素。
（1）寿险业务波动。业务规模增长过快或过慢都可能导致承保端出现给付压力，因此，本文同时引入寿险业务保费增长率（PIF）及其平方项（PIFS）表示。
（2）社会医疗保险支出水平。社会医疗保险可以通过影响商业医疗保险支出，进而影响寿险业的赔付情况。一方面，大部分商业医疗保险的赔付都是以参加社会医疗保险为基础的，社会医疗保险赔付后，剩余部分医疗费用可由商业医疗保险赔付，可能会减少商业医疗费用的赔付，体现为替代作用;但另一方面，随着医疗费用的普遍上涨，社会医疗保险支出会增加，商业医疗保险赔付也会同时增加，体现为补充作用。此外，也有可能社会医疗保险支出增长与商业医疗保险关系不明显，因为很多参与社会医疗保险的群体可能并没有投保商业医疗保险。基于此，本文用社会医疗保险支出（SME）这一指标来衡量，鉴于数据来源有限，采用城镇职工与城镇居民社会医疗保险基金支出之和作为替代变量，并做对数处理。
3. 第三大类影响因素：赔付、退保双风险影响因素。
（1）新单业务占比。一方面，Russell等（2013）指出随着寿险公司新业务的增加，退保行为将会增加;另一方面，不同新单业务类型也会影响寿险公司给付情况。本文用新单保费占比（NIP）来表示。
（2）死亡率。寿险定价与死亡率有着密切的关系，进而可能影响寿险公司给付状况。另外，郭春燕等（2008）还指出被保险人死亡状况也会影响人们的退保行为。本文用人口死亡率（DR）这一指标来表示。
（3）寿险业产品结构。按照寿险业产品性质，可分为普通型寿险、分红型寿险和投资型寿险，不同的寿险产品给付风险不同，退保风险也不同。普通型寿险具有纯保障功能，分红型寿险兼具储蓄功能，投资型寿险兼具投资功能，包括万能险和投连险。分别用保费占比来衡量，即普通型寿险保费占比（GLR）、分红型寿险保费占比（DLR）、投资型寿险保费占比（ILR）。考虑寿险业产品结构与承保端风险可能存在非线性关系，同时将平方项纳入空间回归模型中，依次记为GLRS、DLRS和ILRS。为防止出现共线性，每个模型仅引入两种寿险产品占比，各变量的描述性统计见表2。
本文选取了2007—2017年11年间除西藏外30个省（市、自治区）省际面板数据进行分析。数据主要来源于历年保险年鉴、国家统计局网站和万得数据库。主要运用Stata、Geoda、Matlab等软件来完成实证分析。
（二）研究方法
1. 研究方法选择。鉴于不同省份寿险承保端风险存在非均衡分布特征，在进行省际面板分析时，若采用均质性空间地理假说（OLS）可能会产生有偏估计，将地区间的相互影响和冲击纳入模型设定尤为必要（Rodriguez-Pose，2004）。因此，本文先检验承保端风险省际面板数据的空间相关性，采用全局Moran’s I指数。计算公式为：
（三）承保端风险扩张的原因分析
1. 模型的设定。第一，空间相关性检验。通过全局Moran’s I指数计算，发现样本期间内，0—1权重矩阵与距离权重矩阵下，除个别年份外，Risk指标在10%的置信水平上均存在显著的空间相关性（见表2）。因此，为了计量结果的准确性，应将空间因素纳入模型中。
第二，空間面板模型选择。根据Hadri单位根检验，各变量在10%的置信水平内均通过显著性检验，即不存在单位根，在此不再赘述。选择空间面板模型，如表4所示，通过LM检验，尤其是R-LM检验，显示各个模型设计中空间滞后项不显著，而空间误差项则较为显著。因此，在空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM）中，选择空间误差模型更为合适。 第三，混合效应、固定效应、随机效应空间面板模型选择。在确定空间滞后模型后，应根据LR和Hausman检验来确定混合效应、固定效应、随机效应的选择，结果如表5所示，均在10%显著水平下通过检验，因此，最终选择固定效应模型。
第四，固定效应模型选择。根据普通面板F检验和Wald检验，比较个体固定效应、时间固定效应与双固定效应模型，结果如表6所示，显示既有个体趋势项，又有时间趋势项，因此，选择双固定效应模型。
2. 寿险业承保端风險扩张的原因分析。表7显示的是模型1和模型2分别采用OLS、SLM、SEM回归分析估计的结果，并且引入了0—1和距离两种权重矩阵。由于样本期内寿险业承保端风险这一指标存在空间依赖性，因此，OLS估计结果是有偏的。根据上述空间面板模型选择过程，本文最终选取SEM模型更为合理，且各模型的Moran’ s I指数在1%置信水平上通过了检验。在不同的权重矩阵下，寿险业承保端风险各个影响因素的显著性虽然有所差别，但影响方向基本相同。
（1）替代效应和收入效应共同作用的结果。在替代效应的三项指标中，只有资本市场波动对承保端风险的影响显著，且通过了1%的显著性检验。可见，资本市场波动可以通过影响退保风险来影响寿险业承保端风险。说明人们选择退保，更多关注的是资本市场的变化，资本市场交易越频繁，人们的投机意愿越强烈，相较于购买具有一定理财功能的寿险产品，投资股票、基金、债券的吸引力可能更大，因此就会产生替代效应而选择退保，寿险业承保端风险越大。而存款波动和房价波动的替代效应却并不显著，这是因为，存款既无法与保险产品的保障功能相提并论，也不具有替代投资型寿险产品的必要性，存款对人们的吸引，更多是源于根深蒂固的传统思想，而并不是以退保为代价。面对房价的波动，大部分人会选择理性消费，退保转而投资房地产并不是明智之举，而且退保金可能杯水车薪。
收入效应显著，与Kiesenbauer（2012）、范庆祝等（2017）的结论一致，在此基础上，本文从另一个视角进行了解析，认为名义工资水平越高的省域，人们购买寿险，尤其是投资型寿险的能力和意愿越强，而寿险业退保风险基本来源于该类产品，该地区承保端风险会升高。这与之前一些学者提出的应急资金效应结论恰恰相反。
资金贬值效应显著，但本文认为资金贬值不仅不会激励退保行为，反而会降低退保率，这与收入效应的结论是相吻合的。假设名义收入水平不变，通胀水平越低的地区，实际工资水平越高，寿险业承保端风险增加。相反，通胀水平越高的地区，资金贬值严重，人们必然会选择最有效的“保值增值”方式，保险就是其中一种，因此，退保的可能性相对较低，承保端风险随之下降，而且有些寿险产品的设计本身就具有抗通胀的功能。
（2）寿险业务波动与业务结构失衡共同作用的结果。在样本期内，除2008年和2016年我国寿险业保费收入增长率分别高达47.82%和36.78%外，其他年份均维持在20%左右，只有2011年出现负增长，为-0.10%。可见，保费收入波动基本处于一个合理的区间内，在这样的区间内，随着寿险业保费增长率的提升，给付率会下降。给付率这一指标的变化源于给付支出波动与保费收入增长的比较，可见，此时给付率下降的主要原因在于保费收入的增长，同时保费收入的增加也会减少给付压力，进而承保端风险下降。历年来，各家寿险公司都在采取各种手段努力展业，例如增员、开门红、开拓新险种等，其目的之一就是利用大数法则降低承保端风险。但若寿险业保费收入持续进入诸如2008年和2016年的高速运行时期，随着保费收入增长率的继续提升，就会出现承保端风险上升的局面，因为寿险业务的快速发展需要高增长的产品结构，而这样的产品结构具有高风险。可见，寿险业保费波动与承保端风险呈现出了显著的U形关系。
从OLS回归结果来看，新单占比会增加承保端风险，这与陈华等（2014）的估计结果一致。但在考虑空间因素之后，二者的关系变成了不显著的负相关关系，可见，OLS回归结果在某种程度上存在偏差。因为新单业务占比这一指标只体现了新业务的增长情况，而无法体现新业务的产品结构、期限结构等特征，不同性质的寿险产品，给承保端带来的风险差异也会很大，可见，盲目追求新业务增长并不是明智之举。
普通型寿险占比、分红型寿险占比、投资型寿险占比三项指标与承保端风险在10%置信区间上均表现为显著的非线性关系。普通型寿险、分红型寿险与承保端风险呈现出倒U形关系，而投资型寿险则呈现出U形关系。普通型寿险是保险保障功能的根本体现，理应成为寿险业发展的中流砥柱，而当其占比相对较低时，寿险业承保端风险必然会增加，2008年普通寿险占比仅为11%，再加上当时金融危机的冲击，我国寿险业面临系统性输入风险;反之，当普通型寿险占比相对较高时，风险则会降低，但也并非回到纯保障时代，1996年以来产生的巨大利差损也证明了只发展普通型寿险并不能与时俱进，发展分红型寿险与投资型寿险等新型寿险产品不仅在某种程度上能够缓解利差压力，更是在迎合消费者的需求。
因此，自1999年新型寿险产品开始登上历史舞台并占据主导地位。尤其是分红型寿险，由于其具有一定的储蓄性质，且分红相对稳定而广受青睐。可见，分红型寿险与保障型寿险一样具有广阔的发展空间，并应该在寿险业发展中占据重要的市场地位，当二者占据了较高的市场份额时，承保风险均会逐渐下降。若二者的市场份额过低，意味着投资型险种占比较高，特别是万能险，从2013 年开始因结算利率偏高、收益透明、期限较短等特点受到客户追捧，对标万能险的结算利率，分红型寿险自然要被替代，分红型寿险占比下降，万能险占比上升。资产端市场的非有效性越高，通过投机行为获得超高额回报的可能性越大，资金运用的投机和短视行为得到激励，若保险市场没有良好的竞争机制，再加上监管失效，作为市场主体，短期利益追求自然成为首选，中短期高现金价值产品大热。而该类万能险期限普遍在 1—2 年左右，因此从2014 年开始就出现了退保高峰。此外，“短钱长配”的经营策略以及特殊时期监管的失效，使得主动退保与被动退保并存，承保端风险加剧。 （3）其他影响因素。死亡率是寿险定价的主要来源之一，普通型寿险、分红型寿险、投资型寿险的产品设计均与死亡率有密切关系。回归结果显示，寿险业承保端风险与死亡率呈显著的正相关关系，死亡率越高的地区，人们的逆向选择行为越明显，寿险公司给付率越高，承保端风险越大。
但是在样本期间内，一个地区教育水平的高低对承保端风险的影响并不显著，是否选择退保并没有受人们教育水平的影响。另外，随着各种污染的加重和人们对自身健康的重视，健康险业务持续增加，截至2017年底，我国健康险保费收入占寿险业整体保费收入的比重已增长到16.86%，而这必然也会带来健康险业务的高赔付率。因此，很多医疗保险产品条款的设计都鼓励人们先购买社会医疗保险，在社会医疗保险赔付之外，再予以更高比例的赔付，以减少保险公司自身赔付总额，降低赔付率。但从回归结果来看，社会医疗保险基金支出与寿险业承保端风险并未表现出显著性关系，这可能是由于医疗赔付这一子指标在整个寿险业给付风险指标中所占比重较低导致的。
五、结论与建议
（一）结论
本文以2007—2017年间30个省域面板数据为样本，运用空间误差模型分析了该期间我国寿险业承保端风险，结果显示我国寿险业承保端风险并不存在[β]收敛，相反，仍有进一步扩大的趋势，究其原因，主要存在于以下两大方面：
1. 受外界环境的干扰。第一，受经济环境因素影响显著。人们的名义工资水平越高，购买价格相对较高的投资型寿险产品的能力和意愿越强，而这类产品又助推了投保人退保行为的选择，因此，承保端风险增加。但通货膨胀影响却相反，通货膨胀导致人们手中持有的货币资金贬值，实际收入水平下降，投资型寿险产品购买意愿有所下降，寿险业承保端风险降低。第二，受金融环境因素影响显著。我国资本市场波动较大，人们的投机行为较为明显，可能会以股票、债券等金融理财产品替代保险产品，导致寿险业承保端风险增加。第三，受人口环境因素影响显著。实际死亡率越高，寿险公司给付风险越大，承保端风险也就越大。
2. 受寿险业内部因素影响。第一，受寿险业务规模波动影响显著，且呈U形关系。在市场竞争压力下，抢占市场份额成为各家寿险公司的主要目标，彼此间的博弈必然带来业务规模的波动，业务规模波动过大或过小都会带来承保端风险的增加。第二，受寿险业务结构影响显著。普通型寿险占比、分红型寿险占比、投资型寿险占比与承保端风险分别表现为倒U形、倒U形、U形关系。虽然一直以来普通型寿险和分红型寿险在寿险市场份额中一直占据绝对地位，但投资型寿险的冲击依然不容忽视，寿险公司的短视行为和利益驱动，再加上资本市场的无效和监管的失效，可能会给系统性风险的发生埋下隐患。最为关键的是“羊群效应”的存在，会进一步扩大风险共振的影响。
（二）相关建议
整体上讲，外部环境因素会引发寿险业承保端风险的扩大，但很难控制和改变。内部因素也会加速承保端风险的暴露，因此，寿险业在守住行业内不发生系统性风险的底线方面一直在努力，例如寿险业务结构调整、“偿二代”的实施等。在此基础上，本文建议从以下几方面继续加强寿险业承保端风险防范：
第一，虽然行业内还并未形成“羊群效应”，但承保端风险有在地区间蔓延的趋势，本地区寿险业务发展可能会对临近地区产生影响，而这种溢出效应，可能是由不同地区公司间，尤其是系统内部各分公司间竞争及考核压力引起的。因此，应重新审视各分公司考核机制，多方面设定考核目标，而不仅仅是业绩标准;优化竞争机制，防止由于攀比而带来的粗放经营和恶性竞争。
第二，寿险业务波动属正常现象，但应控制在一个合理的范围，保持稳定的增长速度。因此，一方面，应不断开拓新业务，开发新险种，抑制寿险产品的同质化发展;另一方面，也要控制寿险业的过快发展，防止由于追逐短期利益而带来的业务结构失衡。
第三，当前阶段，应侧重普通型寿险、分红型寿险的发展，特别重视普通型寿险的保障功能，回归保障本源。当然，寿险公司也应警惕分红型寿险“急功近利”式发展，杜绝销售过程中存在的不规范行为。控制投资型寿险的发展，始终警惕投连险、万能险的过度发展，在充分发挥投资型寿险产品投资功能的同时，还要加大其保障成分，有效抑制投资型寿险产品的“变异”，防控承保端退保风险，减轻给付压力。
注：
1由于其各項指标均为比例指标，取值在0—1之间，故不用标准化处理。
参考文献：
[1]毕泗锋，亓超.寿险保单退保影响因素研究——基于“信息认知偏差理论”的解释 [J].保险研究，2018，（5）.
[2]陈华，孙越君.中国寿险产品退保率的影响因素分析——基于省级面板数据的实证检验 [J].当代经济科学，2014，（7）.
[3]楚军红. 通货膨胀对寿险需求的影响机制分析 [J]. 经济科学，1997，（3）.
[4]范庆祝，孙祁祥. 中国寿险产品退保行为净传染效应研究——基于空间面板数据的实证分析 [J]. 保险研究，2017，（6）.
[5]郭春燕. 寿命分布模型在寿险退保研究中的应用 [J]. 财经论坛，2008，（6）.
[6]郭钟亮. 保险附加服务引发的退保效用优化分析——基于行为保险学视角 [J]. 上海保险，2017，（12）.
[7]何欣，陈华. 宏微观视角下的我国寿险市场退保率影响因素研究 [J].保险研究，2015，（4）.
[8]刘超. 结构方程模型在寿险公司客户退保行为中的应用 [J]. 决策参考，2006，（1）.
[9]彭玉龙. 个人寿险保单退保失效现象分析 [J].保险研究，2005，（7）.
[10]孙蓉，张宗军. 寿险业退保行为及其影响因素实证研究 [J].保险研究，2012，（8）. [11]王向楠.中國寿险产品退保的实证研究：基于险种分类视角 [J].广东金融学院学报，2012，（11）.
[12]展凯.中国寿险市场退保影响因素的实证分析 [J].当代经济科学，2008，（7）.
[13]展凯，陈华.我国寿险保单退保影响因素的实证研究——基于公司层面的微观数据 [J].保险研究，2013，（6）.
[14]Barro R，Sala-i-Martin X. 1997. Technological Diffusion，Convergence，and Growth [J].Journal of Economic Growth，2（1）.
[15]Hendel I.，Lizzeri A. 2003. The role of Commitment in Dynamic Contracts： Evidence from Life Insurance [J]. The Quarterly Journal of Economics，118.
[16]Kiesenbauer D. 2012. Main Determinants of Lapse in the German Life Insurance Industry [J].North American Actuarial Journal，16（1）.
[17]Kuo W. Y.，Tsai C. H.，Chen W. K. 2003. An Empirical Study on the Lapse Rate： the Co-integration Approach [J].Journal of Risk and Insurance，70（3）.
[18]Linton N. A. 1932. Panics and Cash Values [J]. Transactions of the Actuarial Society of America，38.
[19]Outreville J. F. 1990. Whole Life Insurance Lapse Rates and the Emergency Fund Hypothesis [J].Insurance：Mathematics and Economics，9.
[20]Rodriguez-Pose A. 2004. On English as a Vehicle to Preserve geographical diversity [J].Progress in Human Geography，28（1）.
[21]Russell D. T. 1997. An empirical analysis of life insurance policyholder surrender activity [D].A Dissertation of the University of Pennsylvania.
Abstract：Selecting the data of 30 provinces（municipalities and autonomous regions）from 2007 to 2017，this paper intends to construct evaluation indicator of underwriting risk by the entropy weight method，spatial panel regression analysis is introduced by introducing 0-1 weight matrix and geographic weight matrix. The result shows that there is no [β]convergence in the underwriting risk of life insurance and it will perhaps further expansion，which is caused by the combined effects of substitution，income and capital depreciation and affected by factors such as population mortality，business structure and fluctuations of life insurance. This paper proposes that life insurance industry should start from itself，control the speed of business development，optimize the business structure and adjust in a timely manner.
Key Words：underwriting risk，spatial lag model，substitution effect，business structure of life insurance
转载注明来源:https://www.xzbu.com/3/view-15178157.htm
