EN中文

经济地理 >

2021 , Vol. 41 >Issue 7: 164 - 172

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.07.018

三农、土地与生态

我国农业保险空间格局动态演变及收敛研究

  • 王韧 , 1, 2 ,
  • 匡祎琦 1 ,
  • 农通理 1 ,
  • 刘国权 , ※
展开
  • 1.湖南工商大学 财政金融学院，中国湖南 长沙 410205
  • 2.湖南工商大学 乡村振兴研究中心，中国湖南 长沙 410205
  • 3.湖南工商大学，中国湖南 长沙 410205
※刘国权（1964—），男，湖南常德人，博士，教授，研究方向为创业扶贫。E-mail：

王韧（1978—），女，湖南平江人，博士，教授，研究方向为农业风险与保险。E-mail：

收稿日期: 2020-05-28

  修回日期: 2021-03-10

  网络出版日期: 2025-03-31

基金资助

国家社会科学基金项目(19BGL206)

收起

The Spatio-temporal Evolution of Agricultural Insurance in China and Its Convergence Analysis

  • WANG Ren , 1, 2 ,
  • KUANG Yiqi 1 ,
  • NONG Tongli 1 ,
  • LIU Guoquan , ※
Expand
  • 1. The School of Finance，Hunan University of Technology and Business，Changsha 410205，Hunan，China
  • 2. Research Center for Rural Revitalization，Hunan University of Technology and Business，Changsha 410205，Hunan，China
  • 3. Hunan University of Technology and Business，Changsha 410205，Hunan，China

Received date: 2020-05-28

  Revised date: 2021-03-10

  Online published: 2025-03-31

Fold

摘要

基于2008—2019年我国30个省域间的农业保险相关数据，通过信息量权重法刻画我国农业保险综合发展指数，运用Kernel密度估计和Markov链等分析方法从不同维度对我国农业保险发展的时空格局进行探索。结果显示，我国农业保险的综合发展水平呈逐年上升的趋势，但是东部、中部、西部发展的整体差异较大，长期则趋于稳态收敛发展。最后，引用空间计量模型，运用GeoDa软件进行β收敛分析，验证了我国农业保险发展存在显著的空间收敛，且空间误差模型SEM是最适合研究农业保险收敛性的模型。基于上述研究，政府应优化农业保险差异发展策略，完善制度供给，保险企业则应提高产品创新技能，提升风险管理能力，以促进区域农业保险均衡发展，从而形成稳定的农业保险市场。

关键词： 农业保险; 空间计量; 收敛性研究; 保费收入; 农民收入; 保险产品创新; 风险管理能力

本文引用格式

王韧 , 匡祎琦 , 农通理 , 刘国权 . 我国农业保险空间格局动态演变及收敛研究[J]. 经济地理, 2021 , 41(7) : 164 -172 . DOI: 10.15957/j.cnki.jjdl.2021.07.018

Abstract

Based on the data of agricultural insurance of 22 provinces,4 municipalities and 4 autonomous regions in China from 2008 to 2019,the paper describes the comprehensive development index of agricultural insurance in China by the means of information weight method,and explores its spatial-temporal pattern from different dimensions using the methods of Kernel density estimation and Markov chain analysis. The results show that the comprehensive development level of China's agricultural insurance is increasing year by year,but the overall development is quite different in the eastern,central and western regions,and tends to converge at a steady state in the long term. Hence,the spatial econometric model and GeoDa are used for convergence analysis to verify the significant spatial convergence of China's agricultural insurance development. The spatial error model (SEM) is tested to be the most suitable model for studying the convergence of agricultural insurance. Based on the above research,this paper proposes suggestions for further improvements and measures which include optimizing the regional development policy of agricultural insurance,improving the system supply and product innovation skill,strengthening risk management ability,in order to balance the development of regional agricultural insurance and form a stable agricultural insurance market.

Key words： agricultural insurance; spatial econometrics; convergence study; insurance premium income; farmers' income; insurance product innovation; risk management capabilities

作为乡村振兴战略中农业支持保护制度的重要组成部分，农业保险对促进农业现代化，解决“三农”问题作用重大。2021年，中央一号文件明确提出，要扩大农业保险覆盖面，完善风险分散机制，提高保障水平，为推动农业保险高质量发展注入能量。
经过十几年的高速发展，在政府补贴政策的推动下，我国农业保险实现了跨越式的发展，截至2020年，全国农业保险保费收入814.93亿元，为1.89亿户次农户提供风险保障4.13万亿元。据最新统计，我国农业保险的保费规模已经超越了美国，成为全球最大农险市场，为农村经济发展保驾护航起到了重要作用。然而，由于我国地域辽阔，各地区气候、地理等自然条件差异显著，市场主体经济发展水平不同，农业生产面临的风险不同，导致农业保险发展的区域差异明显。如2019年中国农业保险密度最大省份是贵州，最小省份是福建，二者相差达到近17倍。这种区域发展不均衡及空间差异格局将可能影响生产要素资源的流动和合理配置，在农业保险助力农业高质量发展实现乡村振兴的关键时期，研究并解决农业保险发展的区域差异性问题，实现我国农险市场的均衡发展，将是今后农业保险升级优化的关键所在。
有不少学者对我国农险发展的空间格局及区域差异进行了相关的研究，主要观点包括我国农业保险业的区域发展不平衡[1-2]，整体表现为农业保险模式较为成熟的省份优势突出，空间聚集特征较为显著[3]。部分学者利用聚类分析法、Shapley值分解法[4]等方法从不同角度测量了我国农业保险发展的区域差异。此外，张伟等对贫困地区农业保险的扶贫效果进行研究[5]，王克等则针对农业保险保障水平影响因素进行研究[6]。我国农业保险的市场结构为极高寡占型，各类因素的共同影响导致了农业保险发展的区域差异，在我国农业保险进入供给侧改革的新阶段，如何在不减缓农业保险先发地区优势的条件下，缩小省域间农业保险综合发展水平的差距，促进后发地区农业保险的发展，成为新的研究热点。
另一方面，收敛性研究源于Solow和Swan创立的新古典增长模型[7-8]。空间计量经济学的概念最早由Paelinck[9]提出，此后经过Anselin[10-11]等学者的研究发展，空间计量方法在诸多领域得到广泛应用[12-13]。在保险研究领域，部分学者运用空间计量方法分析了国内外保险业发展的区域差异[14]、要素空间分布对保险发展水平的影响等[15-16]，但对区域农业保险发展的异质性分析大多运用截面数据或面板数据，而忽略了空间相关性及收敛性。因此学者们尝试将空间效应纳入分析中，认为它对经济趋同现象的影响是存在的，许多研究也证实了这一点。Rey和Arbia等运用空间计量方法研究美国与意大利存在经济收敛现象[17-18]；杨万平等运用动态空间杜宾模型，对生态全要素生产率增长的区域差异及空间收敛进行分析，结果显示中国生态全要素生产率区域差异明显且空间收敛显著[19]；于伟等利用基尼系数及其分解考察区域差异，通过核密度估计揭示分布动态，并利用变异系数和空间面板模型检验收敛特征，研究发现中国城市群生态效率存在较大空间差异[20]。但针对性的以保险发展作为切入点进行收敛性分析的研究较少。沈扬扬利用保险密度和保险深度这2个指标研究中国保险业区域发展差距的情况，发现以区域保险业发展的保险密度水平呈现出空间收敛的性质，反之保险深度则不存在[21]；孙喆利用空间计量模型和多种收敛方法对中国互联网保险的地区差距和收敛性进行实证研究，发现中国各城市互联网保险的发展差异明显，且总体上呈收敛趋势[22]；Mare等从欧洲联盟中存在相互作用的观点出发，采用空间计量经济学方法来评估欧盟寿险市场中绝对β、或β条件收敛现象的发生[23]；黄琦等基于农业保险市场结构分析得出我国区域农业保险的发展具有空间收敛这一结论[24]。
总体来说，对于空间计量方法及收敛性分析在保险学中的应用还不够充分，学者们对保险区域差异、保险发展水平的研究较多，以农业保险为主体对象的研究较少，而从农业保险自身的重要性及特殊性来看，研究其市场结构与区域发展问题是很有必要的。同时，从空间相关性及收敛性入手，运用空间计量方法对我国农业保险的综合发展水平进行研究显得更为全面[25⇓-27]。综上所述，本文拟构建农业保险综合发展指数，运用Kernel密度估计和Markov链等分析方法从不同维度对我国农业保险发展的时空格局进行探索，采用空间β收敛方法，从省域视角对我国农业保险发展的空间收敛问题进行分析，以农业保险综合发展指数这一指标为基准，探寻收敛性发展的核心路径，为促进我国区域农业保险的高质量发展提供有益佐证。

1 研究方法及数据来源

1.1 评价指标选取及数据来源

参考已有研究，结合研究目标及数据的可得性，本文选用农业保险保费收入、农业保险保费增长率、农业保险的密度、农业保险的深度、农业保险的市场占有率、农业保险保障水平和赔付率这7个指标，通过变异系数法确定权重，从而构建农业保险综合发展评价指标[3]，并以农业保险综合发展指数刻画我国农业保险2008—2019年的时空演变格局。选取这些指标的依据在于：农业保险保费收入、保费增长率和市场占有率属于规模水平指标，可以反映农业保险业发展的总体规模；农业保险保险深度和保险密度属于渗透度水平指标，可以从不同角度衡量农业保险渗透率发展水平；而农业保险保障水平和赔付率不仅体现了农业保险保障农民基本生活的能力，又测度了其责任主体的经济承受能力，可以评估农业保险保障效果。因此，本文构建的农业保险综合发展评价指标涵盖了各区域农业保险发展速度，同时兼具发展水平及覆盖面三个方面，测度结果较为科学可信。
考虑到2008年起农业保险补贴政策在我国广泛推行，本文拟选取2008—2019年全国各省、直辖市、自治区数据（由于西藏将牧民人身保险或其他涉农保险计入农业保险统计范围之内，造成其统计单位和其他省份不一致，故分析中将其数据删除[28]，同时未包括港澳台地区），分析我国30个省域的农业保险空间收敛性问题。本研究数据来源于各期《中国统计年鉴》《中国农村统计年鉴》《中国教育年鉴》以及中国银保监会官方网站等。此外，空间数据来源于省级矢量地图，空间权重矩阵构建采取Queen相邻矩阵，考虑到海南省的特殊位置及社会经济发展水准，设定其与广西相邻。

1.2 研究方法

1.2.1 信息量权重法

信息量权重法是一种客观赋权法，也称为变异系数法，其思想在于利用数据的变异系数进行权重赋值，变异系数能够消除测量尺度和量纲的影响。如果变异系数越大，说明其携带的信息越大，因而权重也会越大。本文通过Stata15软件计算各指标权重，并以此权重构建农业保险综合评价指标体系。
W i = V i / ∑ i = 1 n V
式中： W i为i指标的权重； V i为i指标的变异系数；n为指标数。

1.2.2 Kernel密度估计方法

核密度估计作为求解密度函数未知的变量概率分布的一种重要的非参数方法，对数据分布不附加任何假定，是一种从数据样本本身出发研究数据分布特征的方法，不仅可以测度样本分布的整体形态，还能够反映样本分布的动态演变特征。为独立同分布F的n个样本点，设其概率密度函数为f，核密度估计为以下：
f ^ x = 1 n h ∑ i = 1 n K x i - x 0 h
式中： K ·为k维核函数（非负、积分为1，符合概率密度性质，并且均值为0）；h为带宽；n为观测数目； x i表示独立同分布的样本值； x 0代表均值。

1.2.3 马尔可夫链

马尔可夫链（Markov Chain，MC）是一组具有马尔可夫性质的离散随机变量的集合。具体地，对概率空间内以一维可数集为指数集（index set）的随机变量集合。若随机变量的取值都在可数集内，则对于时间t的任意n个数值，Markov链满足：
P X t n ≤ x n X t n - 1 = x n - 1
式中： x n ∈ R， X t n是在条件 X t i = x i下的条件分布函数。若农业保险综合评价指数转移概率只与状态i有关，而与n无关，就可以得到时齐的马尔科夫链。马尔可夫链是通过对应的转移概率定义的，转移概率指的是随机变量从一个时刻到下一个时刻的演变，如果将农业保险综合评价指数划分为完备不交叉的N个聚类，通过马尔可夫链能够得到一个N×N维的转移概率矩阵。转移概率表示t年农业保险综合评价指数为i类型的省份，在t+1年的时刻转变为j类型的概率，其概率计算公式为：
P i j t , t + 1 = ∑ n i j t , t + 1 ∑ n i t
式中： n i t代表样本研究期间内第t年农业保险综合评价指数为i类型的省份数量总和； n i j t , t + 1代表第t年为i类型且在t+1年演化成为j类型的所有省份数之和。

1.2.4 基于β收敛的空间计量模型

经济增长的β收敛是指经济增长的速度和初期的经济水平之间具有负相关的关系，是不同经济区域之间长期的变动趋势。且β收敛分为绝对β收敛和条件β收敛两种类型，类比到农业保险市场，绝对β收敛即可以反映在同质的经济体内部，我国30个省域之间农业保险综合发展水平的增长速度与初始水平呈负相关，使得落后地区能够赶上发达地区，从而为缩小地区间经济差距提供了可能。条件β收敛在绝对β收敛的基础上加入了控制变量，能够避免遗漏解释变量，增强了特定地理现象或事物地区差异的解释能力，如果β显著且为负，则表明存在条件β收敛，即收敛于自身的稳定水平。
为区别于标准化模型，空间计量模型主要引入了空间权重矩阵W进行修正，根据修正的方法不同构建了适用于截面数据的空间常系数回归模型，主要分为空间滞后模型（SLM）和空间误差模型（SEM）两种。
①农业保险综合发展水平β收敛的空间滞后模型（SLM）表示为：
l n y i , T + t y i , t = α + β l n y i , t + ρ W l n y i , T + t y i , t + ε i , t
式中： y i , t为i省第t年的农业保险综合发展水平测度值； y i , T + t为i省第T+t年的农业保险综合发展水平测度值，T为时间跨度；α、β为待估参数；ρ为空间滞后系数，用来测量农业保险综合发展水平对空间的依赖程度；W为空间权重矩阵； ε i , t为随机误差项。
②农业保险综合发展水平β收敛的空间误差模型（SEM）表示为：
l n y i , T + t y i , t = α + β l n y i , t + λ W ε i , t + μ
式中：待估参数中的β用于反映区域空间误差收敛的存在性及收敛速度；λ为空间误差系数；W为空间权重矩阵；μ为随机误差项。

2 我国农业保险发展时空格局分析

2.1 构建农业保险综合发展评价体系

基于已有研究[3]，本文从农业保险发展的规模（保费收入、保费收入增长率和市场占有率）、农业保险渗透度（保险密度、保险深度）、农业保险供给（农业保险保障水平、保险赔付率）几个层面，构建农业保险综合发展评价指标，通过测算该指标，进而对我国省域视角下农业保险的时空格局进行综合评价。根据公式1确定权重，表1中列出了2008、2012、2016、2019年各指标对应的权重。
表1 农业保险综合发展评价体系

Tab.1 Evaluation index and weight of comprehensive development system of agricultural insurance

主要指标 指标说明 权重
2008 2012 2016 2019
农业保险保费收入增长率（%） 保费增长率=[（本年农险保费收入/上年农险保费收入）-1]·100% 0.1458 0.2296 0.2766 0.1940
农业保险保费收入（亿元） 0.1474 0.1319 0.1368 0.1309
农业保险密度（元/人） 保险密度=（农业保费收入/人口总数）·100% 0.1875 0.1391 0.1459 0.1670
农业保险深度（%） 保险深度=（农业保费收入/农林牧渔业总产值）·100% 0.1563 0.1421 0.1077 0.1711
农业保险保障水平（%） 保障水平=（农业保险总保额/农林牧渔业总产值）·100% 0.1444 0.1613 0.1174 0.1328
农业保险赔付率（%） 赔付率=（农业保险赔付支出/农业保险保费收入）·100% 0.0513 0.0614 0.0412 0.0515
农业保险市场占有率（%） 市场占有率=（农业保险保费收入/财产保险保费收入）·100% 0.1673 0.1345 0.1744 0.1526

2.1.1 农业保险综合发展指数测度结果分析

利用各指标对应的权重可以求出各省每年的农业保险综合评价指数。为了更直观更动态地观察农业保险发展的空间格局，本文选取2008年作为观察起始年；2012年，国务院发布《农业保险条例》，支持发展多种形式的农业保险，健全农业保险制度；2016年财政部发布《关于加大对产粮大县三大粮食作物农业保险支持力度的通知》，进一步提高对产粮大县的农业保险保费补贴比例，政策实施后，财政对农业保险保费的补贴比例中西部地区由40%提高至47.5%，东部地区由35%提高至42.5%。因此选择2008、2012、2016、2019年的农业保险综合评价指数（C值）作为观察节点进行分析（表2）。
表2 2008、2012、2016、2019年各省农业保险综合评价指数排名

Tab.2 Ranking of the comprehensive development index of agricultural insurance of China in 2008，2012，2016 and 2019

地区 2008 2012 2016 2019
C值 排名 C值 排名 C值 排名 C值 排名
北京 3.424 7 4.278 9 4.995 18 7.587 22
天津 0.774 25 1.239 28 3.220 25 6.227 26
河北 2.505 9 5.543 8 7.651 10 12.910 12
山西 0.780 24 2.170 21 3.489 23 6.814 25
内蒙古 10.288 2 13.365 1 23.137 3 31.383 2
辽宁 2.503 10 3.607 13 7.453 12 13.023 10
吉林 5.539 5 5.957 6 10.099 4 17.246 7
黑龙江 9.320 3 12.621 2 52.230 1 25.082 3
上海 2.287 12 3.376 14 4.800 19 7.283 23
江苏 2.737 8 3.771 11 5.455 15 12.089 13
浙江 1.038 19 1.802 24 2.757 27 4.264 28
安徽 2.118 13 6.520 5 8.288 9 10.731 14
福建 0.560 28 1.669 25 2.347 28 3.451 30
江西 0.728 26 2.896 17 3.749 21 8.041 20
山东 1.489 16 2.716 19 5.354 16 10.078 15
河南 2.003 14 3.735 12 8.301 8 14.748 9
湖北 2.378 11 1.900 22 1.632 30 6.931 24
湖南 5.801 4 5.560 7 9.355 6 15.075 8
广东 0.900 22 1.474 26 3.002 26 5.284 27
广西 1.289 17 0.733 30 4.057 20 9.120 16
海南 0.919 21 2.979 16 6.488 13 18.644 6
重庆 1.547 15 1.242 27 1.991 29 4.217 29
四川 3.876 6 7.190 4 9.881 5 8.950 17
贵州 0.554 29 0.906 29 3.669 22 8.202 18
云南 1.197 18 3.228 15 5.254 17 7.971 21
陕西 0.876 23 1.806 23 3.473 24 8.101 19
甘肃 0.570 27 2.896 18 5.979 14 12.918 11
青海 0.547 30 2.406 20 7.516 11 23.574 4
宁夏 1.034 20 3.886 10 9.228 7 21.146 5
新疆 14.097 1 9.944 3 27.028 2 53.190 1
均值 2.789 4.047 8.396 13.143
由表2可知，内蒙古、黑龙江、新疆3省（自治区）的农业保险综合评价指数均位列前三。内蒙古、黑龙江和新疆作为我国的农业大省（自治区），农业经济稳定而健康的发展对于其国民经济平稳发展至关重要，加之频繁发生的自然灾害对其农业生产造成重大损失，为控制农业生产和农村发展过程中的风险，使得农业保险迅速发展。而我国多数经济发达地区，农业保险综合评价指数排名靠后，原因可能是产业结构差异导致传统农业保险需求较低。此外，一些传统农业大省，政策性农业保险试点时间较长，如四川、湖南等综合发展指数均位于全国中上水平。

2.2 农业保险综合评价指数探索性空间数据分析

通过测算2008—2019年农业保险综合评价指数的Gini系数、VAR（变异）系数以及Theil指数观察我国各省域农业保险区域发展差异（表3）。由表3可以看出，我国农业保险发展存在较大的区域差异。Gini系数最大值为2009年的0.529，最小值为2018年的0.343，2008—2019年，我国农业保险综合评价指数的Gini系数呈现波动下降趋势，这意味着农业保险发展虽然存在区域差异，但其区域间的差距呈现逐步缩小趋势。同时，Theil指数由2008年的0.470下降到2019年的0.220，VAR指数由2008年的1.160下降到2019年0.796，这些指数皆表现出下降的态势。
表3 农业保险综合评价指数区域差异测度

Tab.3 Regional difference measurement of the comprehensive evaluation index of agricultural insurance

年份 Gini VAR Theil 年份 Gini VAR Theil
2008 0.515 1.160 0.470 2014 0.396 0.925 0.292
2009 0.529 1.154 0.489 2015 0.380 0.866 0.265
2010 0.418 1.409 0.290 2016 0.453 1.187 0.413
2011 0.471 1.055 0.393 2017 0.351 0.745 0.213
2012 0.390 0.790 0.253 2018 0.343 0.711 0.198
2013 0.410 0.915 0.302 2019 0.355 0.769 0.220
由图1可以明显看出，我国各省域农业保险综合评价指数具有显著的空间非均衡特征；从时序演变特征来看，2008—2019年，我国农业保险得到了较快的发展，农业保险综合评价指数得到较大的提高，但省际农业保险发展差距十分明显，非均衡特征显著存在。2008—2019年，黑龙江、内蒙古和新疆3个省区的农业保险发展水平始终名列前茅，相比较而言，东南沿海部分省份如广东、福建、上海等的农业保险发展水平有显著的进步空间。此外，不同省份的农业保险发展水平随着时间的推移有不同程度的变化。四川、安徽和河北三省的农业保险发展水平2008—2012年有明显的上升趋势，青海省和海南省的农业保险发展水平在2019年有显著提高，湖南、吉林、山东等农业大省在2008—2019年期间农业保险一直保持中高等水平的稳定发展。
图1 农业保险综合评价指数的空间差异特征与格局

Fig.1 Spatial difference characteristics and pattern of the comprehensive evaluation index of agricultural insurance

2.3 我国农业保险发展的空间自相关分析

2.3.1 全局空间自相关分析

Moran's I统计量是用来度量空间自相关的全局指标，通常反映的是空间邻接或者空间邻近的区域单元属性值的相关程度。本文运用GeoDa软件计算出2008—2019年的Moran's I统计量。二进制邻接矩阵中我国农业保险综合评价指数2008年为0.044，2012年为0.173，2016年为0.206，2019年为0.293，这说明我国各省份之间的农业保险业综合发展存在空间自相关，在分析与讨论农业保险发展的问题上不能忽视地理因素和空间效应。从时间顺序来看，Moran's I值呈现出波动上升的趋势，从2008年的0.044上升到2019年的0.293，表明2008—2019年农业保险的空间相互作用一直存在并有增强趋势。

2.3.2 局部空间自相关分析

本文采用Queen相邻权重矩阵，通过GeoDa软件得出LISA聚类分布表（表4）。
表4 2008—2019年农业保险综合评价指数LISA聚类表

Tab.4 LISA clusters of the comprehensive evaluation index of agricultural insurance in 2008-2019

2008 2012 2016 2019
高—高集聚区 黑龙江、吉林 黑龙江、吉林 黑龙江、吉林 青海
低—低集聚区 - 海南 福建 江西、福建
低—高集聚区 甘肃 甘肃、辽宁 - 甘肃
高—低集聚区 四川、新疆 四川、湖南 湖南 湖南
中国各省份农业保险综合评价指数的空间自相关性可以分解为高—高集聚类型、低—低集聚类型、低—高集聚类型和高—低集聚类型。从时间维度来看，2008—2019年，四种集聚区域都出现了不同程度的变动。2008年农业保险发展以黑龙江、吉林省为中心，与周边的内蒙古、辽宁等省份共同组成农业保险综合评价指数高值集聚区；另外一个是以四川和新疆为中心，与其周边的甘肃、青海等省份共同组成的农业保险综合评价高低集聚区。2012与2016年的集聚情况与2008年类似，变动较小。2019年农业保险发展则以青海为中心，与其周边的新疆、宁夏等省份共同组成农业保险综合评价指数高值集聚区；以江西、福建为中心，与周边的浙江、广东等组成农业保险发展低值集聚区；以湖南为中心，与周边的广西、贵州等省份共同组成高低集聚区。

2.4 我国农业保险发展的空间差异分析

2.4.1 农业保险综合评价指数的Kernel 密度估计

图2为全国农业保险综合评价指数分时间段的Kernel密度估计图。从整体来看，农业保险综合评价指数的核密度分布曲线呈现出右移的趋势，其时段性特征十分明显，曲线由2008年的陡峭转变为2019年的相对平滑，2016、2019年的核密度曲线向右延伸的现象十分明显，且移动幅度较大，说明我国农业保险综合评价指数得到较大提升；核密度函数的主峰逐渐下降，说明我国各省域农业保险发展的差距逐步缩小。分时段来看，2019年的变化区间明显变大，2008年核密度函数峰度较高，在之后的时间里呈现持续下降的演变趋势，且下降趋势速度较快；同时向右拖尾的面积逐渐增大。
图2 全国农险综合评价指数的分时段比较

Fig.2 Time-segment comparison of the comprehensive evaluation index of China’s agricultural insurance

从东、中和西部地区的农业保险综合评价指数的分时段比较来看，三个地区在形态上各有不同。2008—2019年，东部、中部和西部地区的农业保险综合评价指数核密度估计曲线均呈现出整体向右偏移的形态，主峰宽度主要呈现出“增宽”的演进特征，这表明各省域农业保险综合评价指数较为接近，但个别省域保险发展水平较高。同时，东部和西部地区评价指数分布的区间变化相比形态变化更为显著，样本观察期间核密度函数的主峰明显下降，说明我国东部、西部地区农业保险综合发展指数的差距呈逐渐降低的趋势；2008年东部、西部地区农业保险综合评价指数核密度曲线为高峰且陡峭，而到了2019年，则表现为低峰且平滑的分布形态。另外，东部、中部、西部地区核密度曲线的右侧均有明显的“长尾”现象，意味着该区域农险发展存在内部差异。

2.4.2 农业保险综合评价指数马尔可夫链转移特征分析

运用ArcGIS软件采用自然断点分级法（Jenks）对各省域农业保险综合评价指数进行地理空间处理。将农业保险综合评价指数划分为“低低（LL）类型、低中（LM）类型、中中（MM）类型、中高（MH）类型和高高（HH）类型”5种类型。若各省份农业保险综合评价指数在不同类型之间的转移概率较低，则表明省域农业保险综合评价指数存在着收敛特征。本文将整个研究周期分为两个阶段，2008—2013和2014—2019年。分别计算这两个时间段我国农业保险综合发展指数的马尔可夫链。
从表5可以看出，在两个时间段里，对角线上的转移概率值略大于非对角线上的转移概率值，位于中高、高高水平的省份稳定性较强。从各省域农业保险综合评价指数转移过程来看，期初属于低低（LL）水平的省份，在两个时间段里分别有58.3%和61.5%的省份得到了提升。与期初属于较高水平省份的数据相比，可知农业保险发展相对滞后的地区，往往有更大的可能性得到发展提高，通过因地制宜发展农业保险，推动低低（LL）水平的省份向高一级水平发展的几率较大，但想要在短期内取得跨越式的提升发展几率较小。期初位于低中（LM）水平的省份，两个时间段内分别有40%和42.9%的几率提升至中中（MM）水平，农业保险的发展呈现稳定提升状态。期初位于中高（MH）、高高（HH）水平的省份，随着时间的推移，出现大幅度下跌的可能性较小，但总体而言，其农业保险综合评价指数始终位于前列，属于农业保险发展较好的省份。
表5 农业保险综合评价指数的Markov链转移矩阵概率分布

Tab.5 Markov matrix for the comprehensive evaluation index of agricultural insurance

指数 2008—2013 2014—2019
LL LM MM MH HH LL LM MM MH HH
LL 0.417 0.333 0.167 0.083 0.000 0.385 0.538 0.077 0.000 0.000
LM 0.400 0.200 0.400 0.000 0.000 0.000 0.429 0.429 0.143 0.000
MM 0.125 0.125 0.500 0.250 0.000 0.000 0.286 0.571 0.143 0.000
MH 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000 1.000 0.000
HH 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.500 0.500

3 我国农业保险发展的收敛性分析

3.1 基于β收敛的实证分析

通过前文选用农业保险综合发展指数从我国农险综合发展水平、规模的方向对其时空格局进行了分析，虽然从宏观上把握了我国30个省域之间农业保险的发展趋势，也反映出了其发展过程中存在地区差异，但仅仅说明我国30个省域之间农业保险综合发展水平存在收敛趋势，不足以揭示我国农业保险的收敛事实，仍需要通过β收敛模型更确切地指出其收敛关系。因此，本文拟采用Anselin[10]的方法，对我国农业保险发展的空间收敛性进行深层次研究。

3.1.1 绝对β收敛的空间计量模型分析

本文利用GeoDa软件得出绝对β收敛模型的相关数据见表6，并通过对模型间结果的对比分析，考虑是否要进行空间计量模型的选择，同时确定省域间农业保险发展收敛性的最适模型。
表6 绝对β收敛空间计量模型估计结果

Tab.6 Results of absolute β convergence based on the spatial econometric model

模型参数 OLS模型 空间滞后模型 空间误差模型
α 2.148*** 1.6843*** 2.2214***
β -0.6090*** -0.6418*** -0.7056***
ρ 0.2732
λ 0.6832***
LogL -21.8347 -20.7656 -17.0409
AIC 47.6695 47.5311 38.0817
SC 50.4719 51.7347 40.8841
R2 0.5447 0.5838 0.7137
LMLAG 1.9207
R-LMLAG 0.8662
LMERR 7.4823**
R-LMERR 6.4279*

注：***、**、*分别表示在1%、5%、10%的统计水平上显著。表7同。

图3 东、中和西部地区农险综合评价指数的分时段比较

Fig.3 Time-segment comparison of the comprehensive evaluation index of agricultural insurance in the eastern, middle and western regions

从表6的相关数据可知，标准化方程的β收敛模型的回归系数为-0.6090，其数值小于0，且P值在1%的统计水平上是显著的，表明表示我国30个省域之间农业保险综合发展水平的增长速度与初始水平呈负相关，即在研究区域内存在绝对β收敛。通过对比各模型自然对数似然函数值LogL、施瓦茨准则SC、赤池信息准则AIC的值，以及拉格朗日乘子和稳健性检验值，本文选用空间误差模型SEM模型进行相应分析。

3.1.2 条件β收敛的空间计量模型分析

诚如前述，条件β收敛模型可以看作是对绝对β收敛模型的一种稳健性检验。在增加一些变量的基础上以进一步验证绝对β收敛模型。
①变量解释说明。以农业保险收敛性指标为被解释变量。用农业保险综合指数增长率的平均值衡量，即i省第t+T年农业保险综合发展指数对数与i省第t年农业保险综合发展指数对数的差值。解释变量为期初农业保险综合发展指数指标。用i省第t年的农业保险综合发展水平指数对数来表示。
控制变量有农业保险赔付率指标（IND），用当地农业保险赔款额与农业保险保费收入的比值表示；农民收入水平指标（INC），用农村居民人均纯收入表示。风险受灾率指标（PER），用当地农作物受灾面积与播种面积之比表示；产业结构指标（INS），用当地农林牧渔业总产值与GDP之比表示；农业保险补贴指标（SUB），用当地农业保险保费补贴与当地农林水事务支出之比表示。
②条件β收敛空间计量模型估计结果。考虑到进行绝对β收敛模型研究分析时选定的最佳模型是SEM模型，故拟继续采用于SEM模型进行条件β的收敛性分析，分析结果见表7。
表7 条件β收敛空间计量模型估计结果

Tab.7 Results of conditional β convergence based on the spatial econometric model

变量 系数 标准差 Z检验
α 2.3120*** 0.5429 4.2584
β -0.6814*** 0.1046 -6.5174
IND -0.2323 0.3103 -0.7488
INC -0.0001 0.0001 -0.9340
PER 0.3449 0.4254 0.8107
INS 1.3611 1.1675 1.1658
SUB -4.6514 9.7705 -0.4761
LAMBDA 0.5509** 0.1718 3.2063
R-squared=0.7705
③结果分析。根据条件β收敛空间计量模型显示，回归系数为-0.6814<0，即说明我国30个省域之间农业保险的综合发展存在条件收敛，且在1%的统计水平上显著。同时，在引入控制变量之后，模型的拟合优度R2=0.7705，得到了一定的优化，说明SEM的选取是合理的。
从5个控制变量系数来看，各个控制变量的显著性依据其对收敛稳态性的影响程度的差异而有所不同。第一，风险受灾率PER和产业结构INS对农业保险综合发展水平呈现正向影响，但是其并未通过10%的显著性检验，说明容易受到自然灾害威胁的地区以及农林牧渔业在经济中占比大的地区，农业保险需求量虽然较大，但地理环境优越且经济发达地区有更多的技术资源，说明受灾率和产业结构对于缩小区域间农业保险发展水平差距的影响力较小。第二，农户人均纯收入INC、农业保险补贴水平SUB这2个指标系数为负，说明在我国30个省域之间这些指标存在地区差异。例如东部地区农户的人均纯收入比中部、西部地区的农户要高；农险补贴主要向粮食主产区倾斜。第三，农业保险赔付率指标IND系数为负，说明我国30个省域之间的保险赔付率存在地区差异，政策倾斜于东部地区，这也一定程度上会对我国农业保险发展的收敛造成影响。

4 对策建议

4.1 区分异质性需求，完善制度供给

一方面，政府可以根据各省区的风险特征、资源禀赋等客观因素差异实施特色化、因地制宜的农业保险政策，引导实施差异化的农业保险经营模式，满足不同主体的保险需求。另一方面，农业保险后发地区也可利用区域间要素的合理流动和配置，充分利用相邻省区的优势要素溢出效应，利用好后发优势，以促进农业区域保险均衡发展。第三，政府要落实好农业保险创新发展政策，鼓励“农险+期货”等创新模式落地，并逐步扩大“农险+期货”模式的试点范围，将风险更多转移到期货市场，降低保险公司的风险，同时有助于降低保险费率，降低农户的保险成本，推动农业保险高质量发展，更好地满足乡村振兴战略实施过程中日益增长的风险保障需求。

4.2 提高产品创新技能，提升风险管理能力

第一，保险公司应根据省域间农业保险综合发展现状和农业发展水平，尤其是根据当地特色农产品因地制宜设计保费低廉、保障适度的特色农业保险。第二，保险公司积极开发农产品气象险种，根据地区间的环境差异定制关注的灾害天气种类和属性，通过气象预报、防灾预警、灾后赔付等方式让农民把握农时精准生产，在增强农业种植养殖户风险防范能力的同时也能够帮助保险公司提前部署保险业务人员，提升理赔的效率及农险产品的适配度，促进各省域间农业保险均衡收敛发展。第三，保险公司应加强与水利、气象、林业等部门的合作，并及时共享农业保险有关信息，为防止弄虚作假和骗取财政补贴资金等行为提供数据支持，提升保险公司在农业保险方面的风险管理能力。第四，保险公司应积极运用大数据、物联网、卫星遥感、无人机等高新技术手段，提升承保理赔效率以及理赔的规范性、准确性，并通过省域间农业保险的空间相关性，让农业保险理赔效率高、理赔规范且准确的公司，为农业保险市场起到“示范效应”，从而促进农业保险综合发展水平趋于稳态收敛。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
张祖荣, 马岚. 我国省域政策性农业保险发展不平衡的实证分析[J]. 财经科学, 2016(7):20-30.

[2]
何小伟, 庹国柱, 谢远涛. 农业保险保费补贴的央地责任分担:基于区域公平的视角[J]. 保险研究, 2019(4):3-14.

[3]
王韧, 黄渊基, 刘莹, 等. 中国省域农业保险发展水平的时空格局及影响因素[J]. 经济地理, 2018, 38(6):117-125.

[4]
祝仲坤, 聂文广, 陶建平. 中国农业保险区域差异的变动及成因解释——基于Shapley值分解方法[J]. 中国农业大学学报, 2015, 20(3):241-250.

[5]
张伟, 黄颖, 何小伟, 等. 贫困地区农户因灾致贫与政策性农业保险精准扶贫[J]. 农业经济问题, 2020(12):28-40.

[6]
王克, 何小伟, 肖宇谷, 等. 农业保险保障水平的影响因素及提升策略[J]. 中国农村经济, 2018(7):34-45.

[7]
Solow R M. A contribution to the theory of economic growth[J]. Quarterly Journal of Economics, 1956,70:65-94.

[8]
Swan T W. Economic growth and capital accumulation[J]. Economic Record, 1956,32:334-361.

[9]
Paelinck J, Klaassen L. Spatial Econometrics[M]. Farnborough: Saxon House,1979.

[10]
Anselin L. Spatial Econometrics:Methods and Models[M]. Springer Netherlands,1988.

[11]
Moran P A P. A test for the serial dependence of residuals[J]. Biometrika, 1950,37:178-181.

[12]
陈堂, 陈光. 科技创新对产业结构升级的空间外溢效应研究——基于省域空间面板模型的分析[J]. 云南财经大学学报, 2020, 36(1):21-31.

[13]
高一铭, 徐映梅, 季传凤, 等. 我国金融业高质量发展水平测度及时空分布特征研究[J]. 数量经济技术经济研究, 2020, 37(10):63-82.

[14]
Devillanova C. Regional insurance and migration[J]. Scandinavian Journal of Economics, 2001, 103(2):333-349.

[15]
徐婷婷, 陈先洁. 农村普惠保险减贫的机制及空间效应研究[J]. 保险研究, 2021(1):3-21.

[16]
李恩龙, 杨永春, 史坤博, 等. 省域视角下中国保险业市场的时空特征[J]. 经济地理, 2017, 37(5):116-124.

[17]
Rey S J, Dev B. σ-convergence in the presence of spatial effects[J]. Papers in Regional Science, 2006, 85(2):217-234.

[18]
Arbia G, Lafratta G. Exploring nonlinear spatial dependence in the tails[J]. Geographical Analysis, 2005, 37(4):423-437.

[19]
杨万平, 李冬. 中国生态全要素生产率的区域差异与空间收敛[J]. 数量经济技术经济究, 2020, 37(9):80-99.

[20]
于伟, 张鹏, 姬志恒. 中国城市群生态效率的区域差异、分布动态和收敛性研究[J]. 数量经济技术经济研究, 2021, 38(1):23-42.

[21]
沈扬扬. 中国保险业区域不平衡发展研究——基于修正数据的研究[J]. 保险研究, 2012(3):12-23.

[22]
孙喆. 中国互联网保险的地区差距及收敛性研究[J]. 保险研究, 2021(1):58-72.

[23]
Mare C, Dragos S L, Dragotă I M, et al. Spatial convergence processes on the european union’s life insurance market[J]. Economic Computation and Economic Cybernetics Studies and Research, 2016(4):93-107.

[24]
黄琦, 陶建平, 张红梅. 农业保险市场结构、空间依赖性与农业保险条件收敛研究[J]. 中国管理科学, 2017(5):116-124.

[25]
黄倩, 李政. 县域普惠金融发展与经济包容性增长——基于云南省120个县域数据的实证分析[J] 云南财经大学学报, 2019(1):52-66.

[26]
董雪兵, 池若楠. 中国区域经济差异与收敛的时空演进特征[J]. 经济地理, 2020, 40(10):11-21.

[27]
李研. 中国数字经济产出效率的地区差异及动态演变[J]. 数量经济技术经济研究, 2021, 38(2):60-77.

[28]
张峭, 王克, 宋建国, 等. 中国农业保险保障分析与评价[M]. 北京: 中国金融出版社, 2020.

Options
文章导航

/

〈 〉