焦星瑞 孔阳 江敏 王婧雨

[摘 要]从供给角度出发，选取相对规模、宏观效率、持续发展三类指标衡量黑龙江省农业保险发展水平，并进一步地以综合评分为被解释变量，构造一个多元回归模型，通过对微观层面的2012—2016年间黑龙江省13个城市和地区保险数据的实证研究，得到如下结论：近几年黑龙江省各城市农业保险效率变化不大，鹤岗、黑河等城市始终排在前列;农业保险效率得分每上升1%，农业总产值、播种面积、承保面积分别变动0.1%、-0.7%、0.2%;各城市经济发展水平及第一、二、三产业占比对农业保险发展水平产生影响。

[关键词]农业保险发展水平;主成分分析;面板数据;地区经济

[中图分类号]F840.66

[文献标识码]A

[文章编号]2095-3283（2019）08-0044-06

Abstract：From the perspective of supply， this paper selects three indicators of relative scale， macro efficiency and sustainable development to measure the development level of agricultural insurance in Heilongjiang Province， and further constructs a multiple regression model with comprehensive score as the explanatory variable， through the micro level. The empirical study on insurance data of 13 cities and regions in Heilongjiang Province during 2012-2016 concluded that the development of agricultural insurance is more reasonable from the perspective of relative indicators and absolute indicators， and the ability to pay and the degree of coverage are significantly related to the level of agricultural insurance development. Sex， the degree of regional economic development affects the level of agricultural insurance development.

Keywords：Agricultural Insurance Development Level; Principal Component Analysis; Panel Mode;Region Economy

一、引言

2004年开始设立政策性农业保险试点以来，至今已有十余年，中国也成为了继美国之后的全球第二大农业保险市场。黑龙江省作为我国的农业大省，地域辽阔，土地肥沃，耕地面积达1132.2万公顷，全国排名第一。但与此成为鲜明对比的是，2015年黑龙江省种植业承保率距全国平均承保率56.4%还差6个百分点，农业保险保费收入为31.84亿元，赔款37.59亿元，赔付率为118.06%，远高于全国平均水平。

在研究农业保险发展的道路上，保险发展水平及其影响因素的课题，被广大学者关注，余新平，熊皛白，熊德平（2010）实证分析了农民保险赔付与农业保险收入对农民收入增长的变动关系，认为农业保险赔付越高，农民收入增长越多，农业收入反之;政策性财政补贴推动的黑龙江省农业保险发展水平在全国层面上达到了较高层次（吕开宇、李春肖，2016），说明财政资金投入对农业保险的促进作用，由于本文研究省内保险发展水平，所以忽略财政补贴对省内相同促进作用;冯文丽，史晓（2018）利用改进的熵值法确定京津翼地区农业保险发展水平;刘桦灿，粟芳（2018）以保费收入和保费支出作为主导指标，并应用协整理论对保费补贴效率进行探讨，明确了三者之间存在的均衡关系;孙香玉，钟甫宁（2009）从需求角度分析了农业保险支付意愿的影响因素;江生忠（2015）认为农业产值是农业保险发展水平的重要影响因素，灾害发生频率越高，农民的风险意识也越強，因而其对农业保险需求也越高;但王韧（2014）与江生忠的想法恰恰相反。二者主要探究外部因素对农民参保意愿的影响;程静（2018）从内部因素说明农民收入是影响农民对农业保险有效需求的重要因素，其对农业保险发展水平具有促进作用;周稳海（2014）等认为，风险越大，赔付率越高，农民参保的必要性越大。但是，农民参保意愿越强真的能说明一个地区农业保险发展水平吗？除此之外，还有其他学者强调了国内保险市场的成熟程度、农业需求不足、农户生产行为等因素对农业保险发展水平的影响。国外的相关学者也做了一些研究;Hung-Hao Chang，Ashok K（2012）认为农业保险在农业生产产量上起到基础性作用，为灾害发生做好了预防性措施;Kirsten Bendix Olsen，Peter Hasle（2015）介绍了农业保险对农业生产的激励措施，并阐述了农业保险在种植面积大的地区的重要作用。

综上，虽然国内外学者对影响农业保险发展水平的因素做了一定研究，但多是基于农户需求视角，目前还未有学者从农业保险供给视角对地区农业保险发展做系统性定量评价，本文通过对农业保险发展水平的理论与实证分析，期望能构建地方农保发展评价体系。

二、指标的选取与模型的构建

（一）数据来源

以黑龙江省为例，运用主成分分析的方法对黑龙江省13个城市和地区的农业保险发展水平进行评价，并对13个城市和地区进行农业保险波动分析。本文用到了多种时序数据资源：农业保险保费收入、农业保险赔付支出、乡村总人口数、农林牧渔业总产值、农作物承包面积、播种面积、财产保险收入和财产保险赔付支出，数据尺度均为市级，数据来源为2012—2016各市统计年鉴、《中国保险年鉴》《黑龙江省统计年鉴》《中国农村统计年鉴》，使用现价统计的因素均抵减为2012年不变价。

（二）指标选取

本文参考已有研究成果，并考虑到影响因素的重要性及黑龙江省数据可得性，选取以下八个指标来分析黑龙江省农业保险的发展水平。

其中，收入密度、支出密度、收入深度、支出深度四个指标从相对规模的角度来衡量农业保险发展水平;赔付率与覆盖率从宏观效率的角度来衡量农业保险的发展水平;保费收入占比和赔付支出占比从持续发展性的角度衡量了农业保险的发展水平。

三、模型的构建

（一）评价方法的选择

本文采用主成分分析法，通过降维的方法把多个指标化为少数几个综合指标，在消除共线性的情况下尽可能多地保留原有指标的信息，适合后文继续探究各个城市影响因素。首先将上述指标数值标准化后得到无量纲数据，标准化处理采用均值法。第二步，确定主成分个数，通过选取特征根大于1或前几个主成分的累计贡献率大于85%来确定。第三步，确定主成分载荷矩阵，Ui=Ai/λi，其中Ai是因子载荷矩阵，λi是特征值。第四步，根据特征向量和标准化指标值确定各主成分得分。最后，将各主成分得分和对应方差贡献率加权计算综合得分。

（二）多元回归模型的构建

由于分析的数据具有时间维度和横截面维度，所以采用面板数据进行分析。本文从相对指标以5个影响因子作为解释变量，从绝对指标以4个影响因子作为解释变量。农业保险发展水平综合评分作为被解释变量，得出的面板数据模型为：

四、实证分析

（一）主成分分析法确定各地区农保发展水平

对指标进行KMO检验，KMO数值越接近1，说明数值相关性越强，普遍认为KMO值在0.5—1.0之间适合进行主成分分析。Battle球形检验旨在检验各个指标是否相互独立，若sig值<0.5，则适合做主成分分析。本文通过对黑龙江省13个城市和地区的8个指标值运用spss21.0检验，发现KMO与sig值均通过检验。

为了使因子含义更为清晰，采用方差极大法对因子载荷矩阵实行正交旋转，旋转在3次迭代后收敛，前两个主成分的解释力度达到了85%以上，且两个主成分综合原始数据信息的能力都很强。因此，本文选取前两个主成分衡量各指标对农业保险发展水平的影响。

表2的数值说明各指标与提取的公因子的相关程度，数值越高，关系越密切，其中第一主成分受到支出密度、收入深度、支出深度、与赔付支出占比的影响显著，因子载荷量普遍在0.4以上，但其余指标有显著下降趋势，第二主成分受收入密度、赔付率、保费收入占比影响显著，总体相关关系较第一主成分下降，收入密度、覆盖率在随时间变化对两个主成分影响呈变动趋势，说明历年农业保险收入与参保率受主观影响强，不能有效规避风险的发生。

根据2012—2016年农业保险发展水平综合得分发现，近五年农业保险发展水平并没有出现较大变化，鹤岗市始终保持排名第一，黑河、双鸭山、鸡西、大兴安岭等地基本上位居前列，是黑龙江省农业保险发展水平较高的几个城市，在经济状况上，以上几个城市经济发展水平相对较低，其他支柱性产业少，垦区较多，从政府角度来讲，对农业重视程度上升，经济发展较低覆盖率较高，收入密度较大，参保土地较广，使得赔付率较高。从保险公司角度来看，能使农业保险公司在同行业中重要程度上升，这些方面共同促进地区农业保险发展。而2012—2016年哈尔滨、大庆、绥化、牡丹江、齐齐哈尔等经济发展较好地区农业保险评分普遍为负。说明农业保险发展并不与经济发展呈正比，从历年数据来看，几个地区农业保费收入普遍较低，导致覆盖率不足，保险公司和政府应该做好宣传工作，适当增加农民参保意愿。

（二）黑龙江省农业保险发展水平回归模型的构建

本文使用面板回归模型分析黑龙江省13个城市和地区农业保险发展水平影响因素，时间区间是2012—2016年。建立的固定效应模型如下：

建立的随机效应模型如下：

其中i和t的含义与前文相同。

本文以主成分分析法得到的主成分综合评分指标为被解释变量（yit），从相对指标和绝对指标两个方面选取影响农业保险发展水平的解释变量分别建立多元回归模型。相对指标选取覆盖率X1、收入密度X2、收入深度X3、保费收入占比X4、赔付率X5;绝对指标选取保险收入X6、农业从业人员X7、农业总产值X8、播种面积X9、农作物承保面积X10。对于含有时间序列过程的面板数据，变量不平稳可能产生伪回归，由于本文采用了典型的“大N小T”的短面板数据，因此无需考虑数据的动态特征进行单位根和协整检验。

（三）Hausman检验确定模型

Hausman检验的原假设是选择随机效应模型，当Hausman统计量在统计上显著时，就拒绝原假设，选择固定模型进行参数估计，否则应当选择随机效应模型，相对指标检验结果为chi2（5）=28.08，Prob>chi2=0.0000，故拒绝原假设，固定效应模型优于随机效应;絕对指标检验结果为chi2（5）=10.34，Prob

根据固定效应模型（1），可以得到下列表达式：

根据随机效应模型（1），可以得到下列表达式：

固定效应模型（1）中以相对指标作为解释变量，模型结果显示，R2为0.950848，调整后的R2为0.926844，且赤池信息准则和施瓦茨准则指标较小，说明模型拟合很好，F的概率为0.0000，在1%的概率下显著，但模型（1）中收入深度、保费收入占比一次项的系数显著性一般;固定效应模型（2）是把原有影响因子不显著的剔除后重新进行面板数据分析，可以看到各个影响因子的显著性均提高，说明在不考虑保费收入占比和收入深度的情况下模型总体回归效果显著，能够反映解释变量与被解释变量的相关关系，对模型的解释能力更好。随机效应模型（1）是从绝对指标角度考量农业保险综合评分，模型中杜宾信息检验值2.0672，且F的概率为0.0000，说明模型不存在自相关性且拟合较好。随机效应模型（2）是排除不显著系数保费收入和农业从业人员后重新进行的数据分析，提高了各个系数的显著程度。

（四）实证结果分析

固定效应模型（1）中收入密度、赔付率和覆盖率对农业保险发展水平影响显著。其中，收入密度表现为正，说明农业保险发展的程度与收入密度同向变化。黑龙江省各城市近几年乡村从业人员缓慢减少，保费收入显著增加，此消彼长下使得收入密度较大幅度上升。笔者认为，自从2007年黑龙江省受到中央及地方政府补贴政策支持后，收入密度每年均有不同程度的提升，农民更加愿意参加农业保险，但是并不能体现出发展水平高的特点。应该加快农业机械化进程，使农民在减少农业生产力成本的同时用节省下来的时间从事其他工作，像一些林垦区从事的植树造林工作、农村进县城打工等都可以增加额外收入，用来抵御风险。赔付率高，说明农业风险不确定性强且风险发生使各地区赔付率较高，赔付率越高各地区受到灾害的侵袭程度越强，农民损失越严重，由于存在风险规避心理且受前年灾害影响收入较低，不愿意拿出本就微薄的收入参加农业保险，阻碍了农保的发展。覆盖率是对农业保险发展影响显著的正向指标，衡量了农业保险的覆盖程度，覆盖率越高，则说明农业保险的发展水平越高。

随机效应模型（1）的结果显示，播种面积、参保面积和农业总产值均对农业保险发展有显著相关性。其中，播种面积和参保面积对农业保险发展的影响也恰好论证了固定效应模型（1）中覆盖率的作用结果。农业总产值表现为正，说明农业保险的进步离不开当地的农业经济发展，学者普遍认为，一个地区的农业经济水平与当地经济发展水平存在联系，为了保证农业保险的发展，需要对经济发展水平不同的城市进行产业调整。

五、结论

本文研究了黑龙江省农业保险的影响因素，进而确定如何提升农业保险发展水平。首先对13个城市和地区现阶段农业保险发展水平进行打分，直观看出各种影响因子对城市间的影响程度及不同城市间的发展差距。其次从相对指标和绝对指标出发，建立时间序列截面数据模型，进而确定了两种方向5种主要影响因子对城市农业保险发展的表达式，最后得出覆盖率、赔付率、收入密度和农业总产值等对农业保险发展影响显著。本文得出如下结论：

第一，从相对指标和绝对指标两方面衡量农业保险发展更合理。在实际中，相对指标只能衡量一个地区农业保险发展的相对程度，由于黑龙江省地理面积跨度大，不同城市之间的地貌特征和经济发展存在显著差别，采用一类指标衡量时会出现误差，通过上文对两类指标的对比分析，得出的结论更有益于实际。

第二，赔付率对农业保险水平影响显著，这与各级政府补贴有很大联系，每年80%的补贴额度极大地支持了黑龙江省保险事业，能够在激发出保险需求的同时降低农民支出，保障农民生活水平。

第三，覆盖率和收入密度是影响农业保险发展程度的重要因素，黑龙江省13个城市和地区种植面积差距明显，种植面积广且经济发展水平高的城市承保面积少且保险效率评分低。首先要明确经济状况好的城市拥有以下几点特点：1.农业机械化水平高;2.人均种植面积广;3.财产保险数额较大;4.多是平原地区，适合农产品种植。也因此能够理解该地区对风险的规避程度较强，不过在灾害来临时损失也极大，尤其是冬季来的较早的黑龙江省。因此，找到促进种植者参保意愿的因素至关重要，保险公司可以对符合条件的赔案积极赔付，让农民切身感受到保险的突出作用和功效，政府可以对此积极宣传，提高农业参保率。

最后，黑龙江省农业保险综合发展水平在经济发展不同的城市存在差异性。经济发展程度低但农业保险保障程度高的地区，应通过发展第二、三产业平衡农业作为支柱性产业绩效低的特点，使地区经济和农业保险同步提高;经济发展程度高但农业保险保障水平低的地区，要预防重大风险的发生，实现地区经济发展和保障水平的“双赢”。

[参考文献]

[1]程静，刘飞，陶建平.风险认知、风险管理与农险需求——基于行为金融视角的实证研究[J].南京农业大学学报（社会科学版），2018，18（3）：133-141，156.

[2]冯文丽，史晓.京津冀农业保险发展差距及影响因素的实证分析[J].经济与管理，2018，32（5）：8-13.

[3]江生忠，贾士彬，江时鲲.我国农业保险保费补贴效率及其影响因素分析——基于2010～2013年省际面板数据[J].保险研究，2015（12）：67-77.

[4]李启平，盛晓静，胡郴姣.盈利能力视角下我国房地产行业上市公司绩效的影响因素分析[J].湖南科技大学学报（自然科学版），2016，31（1）：107-111.

[5]刘桦灿，粟芳.农业保险保费补贴稳定农业保险经营的有效性检验[J].上海金融，2018（10）：23-31.

[6]吕开宇，李春肖，张崇尚.基于主成分分析法和熵值法的地区农业保险发展水平分析[J].农业技术经济，2016（3）：4-15.

[7]孙香玉，钟甫宁.农业保险补贴效率的影响因素分析——以新疆、黑龙江和江苏省农户的支付意愿数据为例[J].广东金融学院学报，2009，24（4）：112-119.

[8]庹国柱，李军.我国农业保险试验的成就、矛盾及出路[J].金融研究，2003（9）：88-98.

[9]王韧，崔超雄.我国农业保险与农村消费关系的实证分析[J].农村经济，2014（6）：100-103.

[10]余新平，熊皛白，熊德平.中国农村金融发展与农民收入增长[J].中国农村经济，2010（6）：77-86，96.

[11]张跃华，顾海英，史清华.农业保险需求不足效用层面的一个解释及实证研究[J].数量经济技术经济研究2005（4）：83-92.

[12]周稳海，赵桂玲，尹成远.农业保险发展对农民收入影响的动态研究——基于面板系统GMM模型的实证检验[J].保险研究，2014（5）：21-30.

[13]宗国富，周文杰.农业保险对农户生产行为影响研究[J].保险研究，2014（4）：23-30.

[14]Hung-Hao Chang，Ashok K. Mishra.Chemical usage in production agriculture：Do crop insurance and off-farm work play a part？[J].Journal of Environmental Management，2012，105.

[15]Kirsten Bendix Olsen，Peter Hasle.The role of intermediaries in delivering an occupational health and safety programme designed for small businesses–A case study of an insurance incentive programme in the agriculture sector[J].Safety Science，2015（71）.

（責任编辑：张彤彤 梁宏伟）