1、我国商业健康险保费收入影响因素实证分析摘要：目前我国商业健康险发展迅速，保费收入持续增长，如何进一步发展商业健康险对我国改善民生等各方面发挥着日益重要的作用。本文结合华中三省的实际情况，运用 Stata 构造三省的面板数据来设定固定效应模型、随机效应模型及 OLS 模型，并对比三种模型的输出结果，分析影响商业健康险保费收入的影响因素。 下载 关键词：健康险保费收入；面板数据；固定效应模型 一、引言 根据中国保监会公布的数据，中国商业健康保险保费收入年均增长率约为 20%，高于同期寿险 14.4%保费年均增长率。但在高速增长的同时，健康险保费收入在总保费收入中所占比例却始终过低。因此，研究影响我
2、国商业健康保险的需求因素，对完善我国的医疗保障制度体系和满足居民健康保障的需求有着重要的理论和现实意义。 二、文献综述 国外对商业健康保险需求的研究较早，主要观点有：H.Holly Wang and Robert Rosenman（2007）以中国农村居民为研究对象，运用 Logit 模型，得出收入和受教育程度直接影响健康保险需求；Jonneke Bolhaar、Maarten Lindeboom and Bas van der Klaauw （2008） 运用面板数据模型表明居民收入、受教育程度和对健康的偏好选择对健康保险需求有显著作用；Ahmed Khwaja（2010）采用动态随机效用模
3、型发现老龄化能有效促进健康保险需求，而受教育程度会抑制健康保险需求；Caroline Appiah and Genevieve Aryeetey（2012）等通过调查分析加纳 3301 户家庭，发现政策因素对健康保险的作用最大。 国内学者通过自己的研究得出了不同的看法。陈肖哲，冯玉梅（2007）运用“灰关联”分析法提出保险产品购买力和医疗费用支出这两个主要因素；王璐（2009）使用 2007 年省际数据建立回归模型，得出居民收入水平与健康保险需求之间存在显著相关性，社会医疗保险与商业健康险之间并非此消彼长的关系；吴迪（2012）运用 SPSS 计量分析方法得出：GDP、老龄化水平和受教育程度显
4、著影响商业健康险需求，而通货膨胀和利率则影响较小。 三、商业健康保险保费收入影响因素的实证分析 （一）数据指标选取 本文考虑到数据的可得性，采用 2005 至 2014 年华中三省的面板数据，研究华中三省商业健康险保险收入（premiums）的影响因素。综合已有文献的研究结果，我们将选取如下几个变量进行研究。 1、居民收入水平 本文选取城镇居民人均可支配收入（income）来衡量居民收入水平。 2、社会医疗保障 本文选用城镇基本医疗保险参保人数（number）作为社会医疗保障水平的衡量指标。 3、价格水平 本文选取居民消费价格指数（epi）作为保险价格的衡量指标。 4、人口老龄化 本文选用老人
5、抚养比（support）作为老龄化的衡量指标。 5、医疗服务水平 本文将选用医疗卫生机构床位数（bed）作为医疗服务情况的衡量指标。6、居民风险意识及保险意识 本文选用普通高校毕业生人数占比（education）作为居民风险意识的衡量指标，选用城镇居民家庭人均医疗保健支出（care）作为居民保险意识的衡量指标。 7、环境污染 本文选取烟尘排放量（smoke）作为环境污染的衡量指标。 （二）模型设定 本文将运用 Stata14.0 软件分别对面板数据构造固定效应模型、随机效应模型及 OLS 模型，并对比三种模型的输出结果，找到最适合本文数据研究的模型。基于此，由于模型中的变量绝大部分为宏观变量，
6、对于一些宏观变量，数据的平稳性较差，因此我们将其取对数处理，这样使得数据具有更好的平稳性。本文将 premiums、income、care、number、smoke 分别取其对数 lnpremiums、lnincome、lncare、lnnumber、lnsmoke，对epi、support、education 不进行任何改动，保留其原始数据。 （三）计量结果及分析 1、OLS 模型、固定效应模型及随机效应模型的估计结果比较 本文运用 Stata14.0 分别对数据进行 OLS 模型、固定效应模型及随机效应模型的估计，得出如表 1 所示结果。 由上表所示结果，我们得到：R-squared=0.
7、9586，表明模型的拟合优度是良好的，此模型具有一定的可信度。从此模型的各变量系数上看，城镇居民人均可支配收入、老人抚养比和烟尘排放量这三个变量的系数是与我们的预期不相符的，并且它们各自在 10%的显著性水平下表现为不显著，这明显与我们的预期是不相符的。 如上表随机效应模型拟合结果所示，我们得到：R-sq=0.9563，表明此模型的拟合结果具有一定可信度。从此模型的各变量系数上看，城镇居民人均可支配收入、老人抚养比和烟尘排放量这三个变量的系数表现出与 OLS模型估计同样的结果。此外，除医疗机构床位数和普通高等院校毕业生人数占比之外，其它变量均表现出与商业健康险保费收入之间的关系无法通过显著性检
8、验，这显然不符合我们的预期。 由上表固定效应模型拟合结果所示，我们得到：R-sq=0.9735，表明模型具有较高的拟合优度，此模型的可信度较高。从模型的变量系数来看，只有烟尘排放量不符合我们的预期，但它并未通过显著性检验，表明烟尘排放量对商业健康险保费收入的影响可以排除在考虑范围之内。此外，估计结果显示其他变量均能通过显著性检验，这与我们的估计预期是一致的。2、Hausman 检验 本文通过 Hausman 检验来确定选择固定效应模型还是随机效应模型。 Hausman Test 基本原理：H0：内部估计量（LSDV）与 GLS 估计量一致 H1：内部估计量（LSDV）与 GLS 估计量不一致
9、若接受 H0，则表示随机效应模型更为合适； 若拒绝 H0，则表示随机效应模型估计不一致，固定效应模型更为合适。 根据 Hausman Test 结果显示：Hausman Test =14.32 X20.1（8）=13.362 意味着在 90%的显著性水平下拒绝原假设，即固定效应模型要优于随机效应模型。这与表 3、表 4 所显示的估计结果是一致的。 3、研究结果 通过以上的分析及检验，我们通过设定固定效应模型可得出以下几点结论： （1）城镇居民人均可支配收入、老人抚养比、医疗机构床位数和普通高等院校毕业生人数占比与商业健康险保费收入之间呈现出显著的正相关关系。 （2）城镇居民家庭人均医疗保健支出
10、、城镇基本医疗保险参保人数与商业健康险保费收入之间呈现出正相关关系，但不显著。 （3）居民消费价格指数与商业健康险保费收入之间呈现出负相关关系，但不显著。 四、建议 （一）加强宣传，提高居民的风险与保险意识 政府可以通过电视、互联网等手段进行保险知识的宣传普及，强调保险对人民生活的重要性。 （二）大力发展经济，提高人民生活水平 国家要大力发展经济，合理分配收入机制，尽可能保证就业，让更多人享受到国家发展带来的切身好处，人民生活水平提高必然会带动商业健康保险的发展。 （三）优化医疗服务环境 国家应该更加重视医疗基础设施建设，让跟多老百姓体会到如今就医的方便，积极治疗，从而更愿意通过商业健康险来分
11、担部分医疗费用。 （四）创新发展保险产品，重视老年群体 保险公司应该把更多视线放到老年人身上，开发创新出更多适合老年人的商业健康保险产品，在公司扩大市场范围和盈利的同时，为社会也可以分担一大部分养老压力。（作者单位：中南财经政法大学金融学院） 参考文献： Bolhaar J，Lindeboom M，Klaauw B V D.A dynamic analysis of the demand for health insurance and health careC/ Tinbergen Institute，2008：669?C690. Khwaja A.Estimating willingness to pay for medicare using a dynamic life-cycle model of demand for health insurance 陈滔，谢洋.影响我国商业健康保险发展的内因及其对策J.保险研究，2008（11）：52-55. 李琼.商业健康保险保费收入影响因素分析基于湖北、北京、上海三地的比较J.南方金融，2009（7）：55-59. 锁凌燕，完颜瑞云，陈滔.我国商业健康保险地区发展失衡现状及原因研究J.保险研究，2015（1）：42-53.
