商业保险与新型城镇化发展的空间效应研究——基于空间面板的实证检验

陈璐璐 南开大学金融学院

孔蕴文 天津市汇驰铭鑫企业管理咨询有限公司

刘昭君 南开大学金融学院

一、前言

在2012年中央经济工作会议提出“走集约、智能、绿色、低碳的新型城镇化道路”之后，新型城镇化（以下简称“城镇化”）就逐渐成为新时期国家发展战略和各级政府的工作重点。党的十八届三中全会提出了要走中国特色新型城镇化道路，坚持“以人为本”的城镇化，促进不同规模的城市及城镇协调发展。党的十九大报告指出应推动新型工业化、信息化、城镇化、农业现代化同步发展和“全面提高城镇化质量”的战略目标。国家统计局数据显示，截至2019年末，我国城镇常住人口达到84843万人，比2018年末增加1706万人；城镇人口比重为60.60%，比2018年末提高1.02%。

在新型城镇化进程中，获得长期稳定的资金支持至关重要。作为现代金融业重要组成部分的保险业具有资金融通的派生职能，相较于金融业的其他分支，保险业资金具有期限长、稳定性强等特点，与全面建设新型城镇化所需资金的性质相契合。此外，作为风险管理的有效手段之一，财产保险能够提高全社会防灾减损技术水平，辅助社会管理；人身保险机制能够在一定程度上缓解新型城镇化带来的社会保障压力，是社会保障体系的重要组成部分。十九大报告指出，要推动城镇化发展从而壮大我国经济实力，今后几年将是我国城镇化进程的关键时期，而这一时期也是我国由保险大国向保险强国迈进的重要阶段。保险行业要进一步助力深化供给侧结构性改革，努力提高对经济社会的保障能力和对经济发展的支持能力，立足于推动经济高质量发展，提升服务实体经济的能力。因此保险业如何服务于经济发展和新型城镇化发展就成为重要议题，亟待深入研究。

二、文献综述

国际文献关于保险业推动城镇化发展的研究，较多从保险公司可以为城市建设提供资金，进而加快城镇化发展进程的角度进行研究。Fainstein（2001）指出传统的城市投资主体包括保险公司、银行及房地产公司等机构投资者。Alm（2013）提出为城市基础设施建设提供资金支持的市政发展基金最初的资金来源主要包括中央政府、国际捐助者、银行、保险公司及养老基金等。Singh&Wang&Mendoza（2015）指出改善城市贫民的电力供应情况需要资金支持，可通过股权、贷款、保险、捐赠、补贴及担保等渠道获取资金。

国内学者对于这一议题的研究较多从定性的角度进行阐述，研究认为，保险业可以通过加大对新型城镇化建设的投资力度、完善城乡社保体系、辅助社会管理等途径，为新型城镇化的可持续发展保驾护航（徐志峰和温剑波，2013；黄颖，2015；郭丹丹和李政，2016）。随着研究的深入，部分学者开始采用实证研究的方法检验保险业对新型城镇化的推动作用。周宗安等（2015）基于山东省地级市的相关数据，采用固定效应变截距模型，研究发现，在各类金融支持中，保险对新型城镇化水平的正向作用最大。吴昊和杨济时（2015）基于全国层面及35个大中城市的相关数据，采用最小二乘法回归发现，保险行业对城镇化水平及质量均具有显著的正向作用；许闲等（2016）基于2001—2013年中国35个大中城市的相关数据，选用三阶段最小二乘法回归发现，保险业对人口、产业及空间城镇化发展均具有显著的正向作用，其中寿险业对人口、产业及空间城镇化发展的正向作用更大。汇总国内学者以往的实证研究，我们发现，研究均未考虑保险业及城镇化发展的空间效应，未把空间计量方法引入实证研究。

我国空间地域辽阔，保险业和城镇化地区发展不平衡问题突出，在单独研究保险业发展或新型城镇化发展的文献中已经有越来越多的学者运用空间计量模型。何晓夏和安超帆（2018）选取1999—2016年我国省域经济数据，采用空间计量方法研究发现，我国省域保险产业发展存在空间依赖性及空间溢出效应。黄琦等（2017）基于2007—2014年中国31个省份面板数据，分析证明我国农业保险市场结构及农业保险密度均存在显著的空间依赖性。范兆媛和周少甫（2017）基于2004—2014年的30个省级行政区域的数据发现，城镇化的质量水平在空间上存在依赖性。王翔（2017）基于2005—2015年31个省份的空间面板数据，采用空间计量模型研究发现，新型城镇化水平存在显著的空间依赖性。上述学者的研究表明，保险业发展和城镇化推进均可能存在空间依赖性，若忽略这种地理特征产生的影响，会对研究结果产生偏差。

因此，本文基于2006—2016年中国大陆省级行政区域的面板数据，检验保险业对新型城镇化发展的推动作用。我们尝试在三个方面推进现有研究：第一，采用熵值法，从人口、设施、环境、经济、生活、城乡一体化等六个方面构建新型城镇化综合评价指标体系，避免单一指标评价可能产生的片面性；第二，在考虑空间自相关性的基础上，采用空间面板计量模型，使研究结果更加科学准确；第三，从险种结构角度，进一步检验具有不同业务特征的财产保险和人身保险对于新型城镇化影响的差异性，为今后精准的政策发力点指明方向。

三、数据、变量和方法

（一）数据

本文采用2006—2016年中国大陆30个省、直辖市及自治区（因西藏缺失部分指标数据，已剔除）的宏观数据。数据来自《中国保险年鉴》《中国统计年鉴》《中国环境统计年鉴》《中国第三产业统计年鉴》《中国卫生和计划生育统计年鉴》《中国农村统计年鉴》等。

（二）变量选取

对于构建衡量新型城镇化的指标体系，学者们的处理方法不同。有的学者使用单一指标（吴昊和杨济时，2015；谢金楼，2017），有的学者采用多变量的综合指标法（金发奇和文茜，2016；方齐云和许文静，2017）。考虑到单一指标法不能全面反映新型城镇化的内涵及特点，本文基于新型城镇化的内涵，构建了六个准则层，选择了17个核心变量（见表1），从人口、设施、环境、经济、生活、城乡一体方面构建了衡量新型城镇化水平指标体系。以六个方面的指标体系为基础，本文采取客观赋权法中的熵值法计算了各个变量在整个体系中所占权重及综合评价指数。该方法在一定程度上可以避免主观赋权法确定权重时产生的偏差和众多指标的信息重叠。

本文的核心解释变量是保险业发展水平。一般来说，衡量保险业发展的指标包括保费收入、保险深度和保险密度。本文借鉴许闲等（2016）的研究，选择保险密度作为衡量保险业发展的指标。之所以没有选择采用保费收入和保险深度主要考虑两点：第一是保费收入指标受地区人口数量和物价水平的影响较大；第二是由于本文构建的新型城镇化指标体系中已将GDP水平考虑在内，为避免GDP这一变量导致的线性相关性的影响，本文选择保险密度为衡量保险业发展指标。

▶表1 新型城镇化发展指标体系的构建

为了控制其他因素对新型城镇化发展的影响，本文在借鉴范兆媛和周少甫（2017）、金发奇和文茜（2016）、姜松和黄庆华（2016）等研究的基础上，选择了政府干预程度、对外贸易水平和农业结构调整作为控制变量。我们认为，政府支出作为生产总值的一部分，适当增加有助于拉动经济增长，但干预越多，越不利于提高经济效率；对外贸易发展能够创造更多的就业机会，带动城市经济发展，有助于提升新型城镇化发展水平；此外，农业结构的优化能够加快产业转型升级的速度，进而推动新型城镇化进程。

（三）构建新型城镇化水平的评价指数

根据熵值法我们计算出2006—2016年中国大陆省际新型城镇化综合评价指数，30个省级行政区域中新型城镇化水平存在较大的差异，排名前五位的省份全部集中在东部，从高到低依次为京、苏、沪、浙、津，而排名后五位的省份基本集中在西部，从高到低依次为宁、桂、滇、陇、黔。由此可以看出，新型城镇化存在地区差异，绝大多数省级行政区域处于中等水平，发展水平较高和较低的区域分别集中在东部和西部地区。

（四）空间计量方法及模型设定

1.空间计量方法

空间计量方法是在分析中纳入地理位置的影响，通过建立空间权重矩阵来反映空间依赖程度。空间权重矩阵有基于地理距离和基于相邻关系两种形式。相比较而言，基于地理距离的空间权重矩阵能够更为精确地衡量各空间单元的地理位置关系，而且符合“距离越近，空间关联程度越大”的常识。因此，本文主模型采用基于地理距离的空间权重矩阵，把基于相邻关系的空间权重矩阵作为稳健性检验。生成矩阵的过程一般先根据经纬度计算两个空间单元i、j的欧式距离dij，再忽略掉大于门槛距离d的两个空间单元之间的相互作用，最后确定矩阵元素{wij}的函数形式如下所示：

我们选择莫兰指数（Moran's I）来测度研究对象的空间相关性，其取值范围为[-1，1]。Moran's I＜0意味着空间负相关，相近的数值在空间上具有分散趋势；Moran's I=0意味着没有空间相关性；Moran's I＞0意味着空间正相关，相近的数值在空间上具有聚集趋势，而且空间正相关的强度与Moran's I成正比，Moran's I愈大，聚集现象越明显。在全域性指标的基础上，我们进一步对局域Moran's I进行了检验。

2.模型设定

由于面板数据兼具横截面和时间两个维度，可以解决由于不可观察的个体异质性导致的遗漏变量问题，并且提供了大量的个体的动态行为信息，可以显著提高估计的精确度，本文面板固定效应模型如下所示：

其中，lnUrbanit为对数化后的新型城镇化水平评价指数，lnXit为对数化后的核心自变量及控制变量，β为对数化后自变量的系数，C为常数项，ui代表个体效应，τt代表时间效应，vit为误差项。

空间面板模型的一般形式如下所示：

其中，W为空间权重矩阵，WlnUrbant为对数化后因变量的空间滞后项，WlnXt为对数化后自变量的空间滞后项，Wvt为误差项的空间滞后项。ρ、α、λ分别反映了附近区域的因变量、自变量、误差项对本区域因变量的影响。当λ=0时，一般形式的空间面板模型变为空间杜宾模型（SDM）；当α=0和λ=0时，模型变为空间自回归模型（SAR）；当ρ=0和α=0时，模型变为空间误差模型（SEM）。

由于上述三类模型考虑的空间效应有所不同，本文进行了Wald检验、LR检验以及LM检验，并根据相关原则确定了最佳的空间面板模型。

四、实证分析结果

（一）描述性统计结果

表2呈现的是模型中变量的描述性统计。可以看出，新型城镇化水平平均值为0.4174，最大值达到0.8155，最小值仅为0.1181；保险密度平均值为1037.816元/人，最大值达到6681.995元/人，最小值仅为124.41元/人。对比不同的保险业务，人身保险密度平均值为财产保险密度平均值的两倍，与财产保险密度相比，人身保险密度的差异性稍大一些。因此，为控制异方差对模型结果的影响，本文将上述变量全部对数化后再引入模型中进行回归分析。

（二）空间相关性检验结果

我们分别对被解释变量及核心解释变量取对数后，基于地理距离空间权重矩阵计算得到莫兰指数。莫兰指数值在各年均显著为正，这说明2006—2016年中国大陆省际新型城镇化水平与整体保险业及财险和人身保险业发展水平均存在显著的空间正相关性，具有明显的空间集中趋势。为进一步证实因变量及核心自变量的确存在显著的空间相关性，我们又进行了局域莫兰指数检验。研究发现，中国大多数省级行政区域新型城镇化水平的莫兰指数值位于第一和第三象限，这表明模型中被解释变量的高值与高值、低值与低值聚集在一起，与全域莫兰指数值的检验结果一致，因此进一步证实了新型城镇化水平的确具有空间正相关性。如果忽略空间效应，而进行直接估计会导致模型结果出现偏误。因此，我们认为，建立空间面板模型来研究整体保险业以及财产保险和人身保险业务发展对新型城镇化的影响是十分必要的。

（三）模型结果分析

表3呈现的是基于距离矩阵的空间面板模型结果。首先，在被解释变量为新型城镇化及人口、设施、环境、经济和生活城镇化的模型中空间效应系数（表中第五和第六行的lambda和rho）均显著为正，这说明中国大陆省际新型城镇化及其人口、设施、环境、经济和生活城镇化等5个分指标与整体保险业的发展存在显著的空间趋同效应，附近区域的因变量/自变量/误差项对本区域新型城镇化及其人口、设施、环境、经济和生活城镇化等5个分指标的发展具有促进作用。其次，在1%的水平下，当被解释变量为新型城镇化及人口、设施、环境和生活城镇化时，核心解释变量的系数均显著为正，即整体保险业的发展对新型城镇化及人口、设施、环境和生活城镇化的发展均具有显著的正向促进作用。我们的研究结果与丁杰（2015）、吴昊和杨济时（2015）、许闲等（2016）等学者的研究结论是一致的。与面板固定效应模型相比，考虑地理距离因素及空间效应后，整体保险业的发展对新型城镇化发展的正向促进作用变大，这说明不考虑空间效应及地理距离会低估正向作用。具体来说，整体保险发展水平提高1%，新型城镇化水平提高0.185%，人口城镇化水平提高0.154%，设施城镇化水平提高0.248%，环境城镇化水平提高0.473%，生活城镇化水平提高0.487%。

（四）稳健性检验

为了检验整体保险业发展对新型城镇化综合指标及6个分指标的正向促进作用的稳健性，我们先基于0～1相邻空间权重矩阵计算莫兰指数来测度因变量及核心自变量的空间相关性，随后建立空间面板模型进行回归检验。我们首先计算基于相邻矩阵上述变量对数值的莫兰指数及检验结果，发现被解释变量及核心解释变量的莫兰指数值在各年均显著为正，而且稍大于基于距离矩阵各变量的莫兰指数值，这说明地理距离使得上述变量的空间正相关性变小，因此说明可以基于相邻矩阵建立空间面板模型进行稳健性检验。

表4呈现的是基于相邻矩阵建立的空间面板模型结果。数据结果显示，当被解释变量为新型城镇化及人口、设施、环境和生活城镇化时，核心解释变量的系数均显著为正，即整体保险业的发展对新型城镇化及人口、设施、环境和生活城镇化的发展均具有显著的正向促进作用。对比表3和表4基于不同矩阵的空间面板模型结果，可以发现空间效应及空间面板模型结果均具有稳健性。相比于相邻矩阵，在考虑地理距离这一因素时，整体保险业的发展对新型城镇化及其人口、环境和生活城镇化等3个分指标的发展具有的正向促进作用更大，而对设施城镇化的发展具有的正向促进作用稍小。

（五）进一步分析

考虑到财产保险和人身保险业务特点存在较大差异，我们进一步分析不同业务结构对新型城镇化的推动作用。表5中Panel A部分核心解释变量为财产保险密度，除被解释变量为城乡一体化水平以外，回归系数在1%的显著性水平下均为正值，这表明财产保险业的发展对新型城镇化及人口、设施、环境和生活城镇化等4个分指标的发展均具有显著的正向促进作用。其中财产保险发展水平提高1%，新型城镇化水平提高0.165%，人口城镇化水平提高0.163%，设施城镇化水平提高0.317%,，环境城镇化水平提高0.520%，生活城镇化水平提高0.483%。Panel B部分核心解释变量为人身保险密度，其中人身保险发展水平提高1%，新型城镇化水平提高0.140%，人口城镇化水平提高0.098%，环境城镇化水平提高0.194%，生活城镇化水平提高0.304%。

与人身保险相比，财产保险对新型城镇化、人口城镇化、设施城镇化、环境城镇化和生活城镇化的发展的正向作用更大。我们分析可能的原因在于，财产保险业主要是通过责任保险、农业保险、巨灾保险等险种来参与社会管理和农业现代化建设，运用市场化机制解决城镇化面临的风险和问题，有助于推进城乡发展一体化进程，促进城镇化与经济社会良性发展。而人身保险业主要是通过寿险资金投资于大中城市的基础设施和公共服务设施的建设，以及人身保险中养老保险、医疗保险和长期护理保险可以缓解政府所面临的社会保障压力，从而推动新型城镇化进程。

▶表2 变量的描述性统计

▶表3 基于距离矩阵的空间面板模型结果

▶表5 基于距离矩阵的分险种空间面板模型结果

五、结论及政策建议

本文基于2006—2016年中国大陆30个省、直辖市及自治区的面板数据，使用熵值法构建了综合评价新型城镇化水平的指标体系，采用空间面板模型检验商业保险对于新型城镇化的推动作用。研究发现：第一，中国大陆省际新型城镇化水平存在较大差异，城镇化水平较高和较低的省级行政区域分别集中在东部和西部；第二，中国大陆省际新型城镇化发展和保险业发展均具有显著的空间正相关性及协同效应，即发展水平较高的省级行政区域集中在一起，水平较低的省级行政区域集中在一起；第三，中国保险业对新型城镇化发展存在显著的正向促进作用，如果不考虑地理距离因素及空间效应会低估这一作用；第四，与人身保险相比，财产保险对新型城镇化发展的正向作用更大。

基于上述结论，我们认为，加快新型城镇化进程，应充分发挥保险业对新型城镇化的正向促进作用，建立并完善各区域保险业互帮互助机制，增加资源在各区域之间的流动性。具体措施包括：第一，保险业及政府相关部门应充分发挥保险资金对推进新型城镇化的支持作用，完善另类投资风险管理机制及相关法律制度，优化其投资方式，提高其投资效率，通过参与PPP模式等另类投资方式，为基础设施建设等提供资金支持，服务于新型城镇化建设；第二，找准定位，进一步发挥商业保险在高质量社会保障体系建设中的作用；发挥人才和技术优势，探索服务医疗体制改革的新路径，满足人民群众多层次养老储备需求，弥补个人和家庭的养老保障缺口；第三，充分发挥保险的风险管理职能，在财产保险领域，不断完善农业风险管理机制和城市安全保障体系，提高农业和城市的防灾减损技术水平，针对不同区域城市安全所面临的众多潜在风险，深入开发各类保险产品，充分施展财产保险弥补损失和风险管理的效力，为新型城镇化良性可持续发展提供相应的保障。