EN中文

Economic geography >

2026 , Vol. 46 >Issue 2: 25 - 35

DOI: https://doi.org/10.15957/j.cnki.jjdl.2026.02.003

Measuring the Development Level of Urban Life Insurance Industry and Analyzing the Driving Mechanism in China

  • LI Xueting ,
  • WU Xiangli , ※
Expand
  • College of Geographical Science，Harbin Normal University，Harbin 150025，Heilongjiang，China

Received date: 2023-09-13

  Revised date: 2024-02-10

  Online published: 2026-04-10

Fold

Abstract

Using the Coefficient of variation method, Dagum Gini coefficient and the geographic detector, we assessed and measured the level of urban life insurance industry development in 289 cities above prefecture level in China in 2000, 2010, and 2022, analyzed their spatial-temporal differentiation and revealed their influencing factors and the spatial differences of action intensity. The results show that: 1) From 2000, the level of urban life insurance industry development is low but in a rising tendency and the level of urban life insurance industry is higher in eastern China than western China. The growth rate of urban life insurance industry development level presents a strong positive correlation between urban scale. 2) The spatial differences of life insurance industry development level presents a rising tendency, and the main reasons for the spatial differentiation are the inter-regional difference between eights economic regions and the scale gap between the cities of different scale. The greater the difference of city scale, the greater the difference of development level of life insurance. 3) The spatial differences of development level of life insurance industry is a result of multi-factor interaction, and the dominant factor are income from life insurance, density of life insurance,number of patents granted, depth of life insurance, per capita local fiscal revenue, per capita retail sales of consumer goods, resident population. We should adapt ourselves to the requirements of social and economic development, and take which implies differential development of multiple elements according to local conditions as the main strategic development direction in the future.

Key words： life insurance industry; Dagum Gini coefficient; spatial-temporal differentiation; driving mechanism; prefecture-level cities in China

Cite this article

LI Xueting , WU Xiangli . Measuring the Development Level of Urban Life Insurance Industry and Analyzing the Driving Mechanism in China[J]. Economic geography, 2026 , 46(2) : 25 -35 . DOI: 10.15957/j.cnki.jjdl.2026.02.003

随着我国老龄化程度逐步加深，既有的社会养老保险金缺口日趋加大，养老形势严峻。为应对人口老龄化和日益增长的养老服务需求，国家积极推进商业保险和养老产业融合发展，将商业保险纳入社保体系，以更好地发挥商业养老保险对社会保障的补充作用[1]。人身保险业作为保险业的重要组成部分，由寿险、健康险和意外险三部分组成，具有为民众分散风险、保障资产安全和提供经济保障的优点[2]，对促进国民经济健康发展、提高社会保障水平有着不可替代的作用，因此，人身保险业也被称为社会发展的“稳定器”和经济的“助推器”。截至2021年底，人身保险原保费收入达3.3万亿元，占保险业原保费总收入的74.0%，人身保险业依托资金规模化积累成为金融服务行业重要支柱。2020年，国家发布《关于促进社会服务领域商业保险发展的意见》，提出力争到2025年实现商业健康险市场规模超过2万亿元的发展目标。同年，为进一步增进民生福祉，维护社会和谐稳定，中共中央、国务院作出力争到2030年全面建成以基本医疗保险为主体，医疗救助为托底，补充医疗保险、商业健康保险共同发展的多层次医疗保障制度体系的远景规划[3]。人身保险在政策“红利”支持下，呈现出稳中向好的发展态势。相对于社会、经济发展需求，以及民生福祉和健康保障需求，我国人身保险业仍存在水平低、密度低、保障作用弱、区域发展不平衡[4]等问题，致使人身保险难以充分发挥保障功能，保险业与养老服务融合发展过程问题突出。2022年，国家在《中国保险业发展“十四五”规划纲要》中明确指出，优化市场主体结构和区域布局，提升保险业的综合效能和均衡发展，特别是推动人身保险等领域的高质量发展，是支持金融改革和高水平开放的关键举措，也是促进经济稳定和可持续发展的重要保障。因此，大力发展人身保险业，提高其在社保体系中的辅助作用，进而提升社会保障水平已成为我国社保体系建设乃至社会经济稳定发展的重要任务。探索研究中国城市人身保险发展水平、空间差异及其影响因素问题，对于优化发展环境、推进水平提升、缩小区域发展差异、完善我国社保体系建设具有重要的理论和实践意义。
通过对相关文献的回顾和梳理发现，国内外学者的研究主要集中在人身保险发展水平测度、区域差异与影响因素分析上。对于人身保险发展水平的研究，诸多学者通过人身保险保费收入、保险密度、保险深度等指标从综合规模和综合水平分别测度人身保险发展水平[4-9]。如，肖明迁等运用ArcGIS软件分别对人身保险保费收入、保险密度及保险深度的空间格局展开分析，以测度京津冀城市群的人身保险发展水平，得出了其水平与国家经济发展周期存在密切联系的研究结论[7]；李恩龙等选取保费收入、保费增长率、保险密度及保险深度4个关键指标构建指标体系，采用变异系数法对省域保险市场的综合发展指数进行测度[9]。对于人身保险发展水平的区域差异研究，学者们多运用泰尔系数[4]、基尼系数[5-8]、核密度估计[8]等方法对人身保险发展水平的区域差异展开分析。如，宋昌耀通过对财产保险和人身保险的对比研究发现，中国保险业的区域差异主要来源于人身保险[4]；李春燕基于省域视角运用基尼系数测算其非均衡程度，得出需关注南部沿海和黄河中游地区的人身险空间不均衡问题的结论[6]。诸多学者运用空间面板计量模型对人身保险发展水平的影响因素进行分析，认为经济发展水平[6-7,9-11]、收入水平[7,9,11-13]、通货膨胀[12-13]、社保支出[13]、教育水平[5,10,14]、城镇化率[9,15-16]、人口结构[9-10,13,17]、金融素养[18-20]、医疗资源[21]等因素对人身保险需求存在不同程度的影响，但研究结论并不统一。如，Browne通过对45个发展中国家和地区的经济数据进行研究，结果表明教育水平对人身保险需求影响不显著[12]；Rajabian通过ARDL模型对伊朗的人身保险需求影响因素研究发现，受教育水平是影响伊朗人身保险需求的主要因素[16]，不同国家和地区人身保险需求的影响因素显著程度并不相同。滕丽杰基于省级面板数据对人口结构对人身险消费影响的实证分析发现，人口的自然结构对人身险消费具有显著影响，老龄化会促进人身险消费；在老龄化严重的地区，人口的社会结构和地域结构对人身险消费的边际影响更大[17]。此外，还有一些学者对经济增长和人身保险发展的互动关系展开研究，结论表明二者之间是相辅相成、相互促进[22-24]的关系，且人身保险发展在新兴经济体国家中具有保护人力资本、资产配置以及社会互动的作用[25]，但不健康的制度环境会对二者的互动关系产生抑制作用[26]。
已有研究表明，人身保险发展水平空间不均衡问题突出，推进人身保险协调发展对于区域社会经济健康稳定发展具有重要意义。现有研究存在以下不足：①基于省域宏观尺度单元的研究较多，缺乏基于城市尺度单元的研究，特别是缺乏对不同规模城市的比较性研究；②对于人身保险发展水平影响因素的空间差异特征认识不足，鲜有基于地理学视角揭示其作用强度空间差异的研究，使研究在把握城市发展规律、厘清发展思路和因城制宜地提出对策建议上存在认识盲区。
因此，本文以2000、2010和2022年为时间节点，以地级及以上城市（本文统称“市域”）为研究尺度，采用变异系数法、Dagum基尼系数、地理探测器、多尺度地理加权回归等方法，测算中国289个市域数据刻画人身保险发展水平的发展特征、区域差异，探究其影响因素及作用强度空间差异，提出针对性对策建议，以期补充已有研究在研究尺度、影响因素作用特征等方面的不足，为明确人身保险业的发展路径和区域协调发展提供借鉴与参考。

1 研究方法与数据来源

1.1 指标选取与数据来源

构建区域人身保险业发展水平评价指标体系，指标选取参考相关文献[4,9,27-28]，本文选取人身保险保费收入、人身保险保费增长率、人身保险密度和人身保险深度4个关键指标，从人身保险业的发展规模、发展趋势及发展水平[9]3个方面衡量我国城市人身保险发展水平。其中，人身保险保费收入反映人身保险业的发展规模；人身保险保费增长率反映其发展趋势；人身保险密度为人身保险保费收入与常住人口的比值，反映该地区的人身保险普及率；人身保险深度为人身保险保费收入与GDP的比值，反映人身保险在地区经济中的地位，二者从不同角度测度了人身保险业的综合发展水平。
为了揭示我国市域人身保险发展水平的空间差异及其驱动机制，本文选择3个具有重要意义的时间断面作为参照系：①2000年，人身保险市场初步形成并稳定发展；②2010年，人身保险克服阶段性政策冲击，恢复并保持增长趋势；③2022年，人身保险保持长期快速发展态势。《中国城市统计年鉴（2023年）》显示，包含297个地级及以上城市，其中4个直辖市、15个副省级城市、278个地级市，不含港澳台数据。考虑到数据的可获得性，确定本文研究样本为289个地级及以上城市，宁夏中卫，海南三沙、儋州，西藏日喀则、昌都、林芝、山南、那曲等8个地级市因数据缺失未纳入研究范围。本文数据主要来源于2001、2011、2023年的《中国保险年鉴》《中国城市统计年鉴》，各省份统计年鉴及第五、六次全国人口普查分县（市、区）主要数据等。

1.2 研究方法

1.2.1 变异系数法

变异系数法是一种客观赋权法，能够较为精准地反映各指标的实际重要程度，具有较好的科学性。具体步骤如下：
首先，对原始数据进行无量纲化处理，采用极差标准化法，计算公式为：
${X}_{j}=\frac{{x}_{j}-{x}_{min}}{{x}_{max}-{x}_{min}}$
式中：j=1，2，…，n；xj表示指标原始数据；Xj表示数据标准化处理后的指标数据；n为指标个数；xmax、xmin分别表示该指标在市域中的最大值与最小值。
其次，采用变异系数法赋权。如式（2）（3）所示，δj、wj为第j个指标的变异系数、权重；σj、 $\overline{x}$表示第j个指标的标准差和平均值。
${\delta }_{j}={\sigma }_{j}/{\overline{x}}_{j}$
${w}_{j}={\delta }_{j}/\sum _{j=1}^{n}{\delta }_{j}$
最后，计算综合得分：
${C}_{i}=\sum _{j=1}^{n}{w}_{j}{X}_{ij}$
式中：Ci值越大，表示i区域人身保险综合得分越高；反之，越低。

1.2.2 Dagum基尼系数及其分解法

Dagum基尼系数及其分解是在传统泰尔指数基础上发展出来的精确测度子样本差异及其来源的模型，具体步骤见相关文献[29]。本文采用Dagum基尼系数以地区分组、市域规模分组为子群，测度总体差异、组内差异、组间差异及超变密度，以揭示中国市域人身保险发展水平的空间差异及来源。

1.2.3 地理探测器

地理探测器是通过探索自变量与因变量之间的空间分布相似性，揭示引起因变量空间差异的驱动力的统计学方法[30]。本文利用地理探测器揭示不同影响因素对中国市域人身保险发展水平的空间差异的驱动力大小。

1.2.4 多尺度地理加权回归模型

多尺度地理加权回归（MGWR）用于判断不同解释变量回归系数的空间异质性，以反映各驱动因素对不同市域人身保险发展水平影响程度的空间差异。

2 中国市域人身保险发展水平测度及时空分异特征

2.1 人身保险发展水平测度

2.1.1 总体发展水平特征分析

由公式（1）~（4）得出我国市域人身保险发展水平，并利用ArcGIS进行可视化（图1）。结果表明，观察期内，我国市域人身保险发展水平整体呈上升态势，2000、2010、2022年的平均发展水平分别为0.1274、0.1412、0.1565，年均增长率0.93%，各市人身保险发展水平呈向好态势。研究期内，居民的保障意识逐渐增强，但人身保险发展水平增幅较小，我国市域人身保险市场整体仍处于较低水平。
图1 中国市域人身保险发展水平空间分布

注：基于自然资源部标准地图服务网站下载的审图号为GS（2023）2767的标准地图制作，底图边界无修改。图3同。

Fig.1 Spatial Pattern of the level of urban life insurance industry development in China

2.1.2 分区域的发展水平特征

根据国务院发布的《地区协调发展的战略和政策》报告，将研究样本划分为八大综合经济区（下称“八大区”）。
2000年以来，八大区的人身保险发展水平均有上升，但总体呈东部沿海、北部沿海、南部沿海、东北、黄河中游、长江中游、西北、西南依次递减的空间格局（图2a），年均增长率依次为0.725%、1.647%、1.448%、1.270%、1.014%、1.035%、0.394%、0.317%，八大区人身保险发展水平增长速率始终较低，其中北部沿海、南部沿海、东北、黄河中游和长江中游综合经济区的年均增长率高于全国市域年均增长率，且其人身保险发展水平本身较高，存在“优者更优”现象。从增长态势上看，北部沿海经济区呈现稳步上升趋势，其他经济区呈现波动上升态势。2010年，经历全球金融危机后的东部沿海综合经济区经济发展水平、金融集聚效应、对外开放程度均处于国内领先水平，对金融危机反应敏感，致使人身保险发展水平波动较大；而东北和西北综合经济区则相反，全球金融危机对包括人身保险在内的保险业影响相对较弱。
图2 按地区、城市规模的人身保险发展水平

Fig.2 The level of life insurance industry development classified by region, city scale and economic class

2.1.3 分城市规模的发展水平特征

根据《关于调整城市规模划分标准的通知》，将2000、2010和2022年289个研究样本划分为5个等级，分别为小城市、中等城市、Ⅰ型大城市、Ⅱ型大城市、特大城市，进一步从城市规模层面分析我国市域人身保险发展水平的空间格局。
从规模上看（图2b，表1），2000年以来，各等级城市的人身保险发展水平总体呈现上升态势，且城市规模越大，人身保险发展水平越高，这与其经济发展水平高、保险意识强等优势密切相关。20年间，城市规模结构由金字塔形发展成葫芦型，各规模等级城市数量变化显著。具体来看，特大城市由于2000年初始样本量少，后期成倍增加，市域间异质性加大，人身保险发展水平参差不齐，一些市域仍处于发展上升期，相比于发展稳定期的市域，其发展水平偏低，致使平均发展水平有所下降，年均增长率为-2.95%；Ⅱ型大城市、Ⅰ型大城市和中等城市数量成倍增加，人身保险发展水平呈现波动上升态势，年均增长率分别为0.05%、-0.05%、-0.07%，说明2010年后，Ⅱ型大城市、Ⅰ型大城市和中等城市人身保险市场通过转变发展方式、调整市场结构等策略，逐渐恢复市场活力，开始呈现稳中向好的发展趋势，但仍有较大发展潜力和上升空间；小城市数量减半，人身保险发展水平稳步提升，年均增长率为0.23%。
表1 不同规模城市人身保险发展水平

Tab.1 The level of life insurance industry development at different city scale

城市规模 2000年 2010年 2022年 年均增长率
（%）
数量（个） 平均发展水平 数量（个） 平均发展水平 数量（个） 平均发展水平
小城市 196 0.1093 124 0.1171 85 0.1150 0.23
中等城市 55 0.1357 98 0.1349 107 0.1336 -0.07
Ⅰ型大城市 31 0.1651 49 0.1611 66 0.1634 -0.05
Ⅱ型大城市 5 0.2490 10 0.1869 14 0.2519 0.05
特大城市 2 0.7811 8 0.4110 17 0.4037 -2.95

2.2 人身保险发展水平的空间差异及来源

为进一步揭示中国市域人身保险发展水平的空间差异及来源，采用Dagum基尼系数及其分解法测度我国市域人身保险发展水平的总体差异、八大区域内和区域间差异、城市规模等级内和等级间差异及差异来源，并运用Matlab R2020a软件得到表2~表6的测算结果。
表2 八大区人身保险发展水平基尼系数及差异来源贡献

Tab.2 Dagum Gini coefficient and the source of spatial difference of the level of life insurance industry development in the eight comprehensive economic zones

年份 总体基尼系数 区域内差异 贡献率（%）
北部沿海 东部沿海 东北 南部沿海 黄河中游 长江中游 西南 西北 区域内 区域间 超变密度
2000 0.219 0.228 0.297 0.113 0.272 0.124 0.144 0.190 0.246 10.892 45.201 43.907
2010 0.216 0.226 0.231 0.140 0.252 0.193 0.146 0.224 0.177 11.985 38.524 49.491
2022 0.257 0.255 0.272 0.155 0.311 0.173 0.160 0.279 0.228 10.952 48.276 40.772
表3 八大区人身保险发展水平区域间基尼系数

Tab.3 Dagum Gini coefficient of the level of life insurance industry development between the eight comprehensive economic zones

区域名称 2000 2010 2022 均值
北部沿海—东部沿海 0.2715 0.2288 0.2676 0.2560
东北—北部沿海 0.1720 0.2130 0.2091 0.1980
东北—东部沿海 0.2230 0.2095 0.2230 0.2185
南部沿海—北部沿海 0.2561 0.2454 0.2911 0.2642
南部沿海—东部沿海 0.3023 0.2481 0.3031 0.2845
南部沿海—东北 0.2002 0.2280 0.2388 0.2223
黄河中游—北部沿海 0.1828 0.2116 0.2342 0.2095
黄河中游—东部沿海 0.2386 0.2119 0.2521 0.2342
黄河中游—东北 0.1277 0.1939 0.1784 0.1667
黄河中游—南部沿海 0.1972 0.2266 0.2455 0.2231
长江中游—北部沿海 0.1962 0.1834 0.2320 0.2039
长江中游—东部沿海 0.2519 0.1813 0.2489 0.2274
长江中游—东北 0.1439 0.1535 0.1765 0.1580
长江中游—南部沿海 0.2064 0.1996 0.2382 0.2147
长江中游—黄河中游 0.1357 0.1745 0.1682 0.1595
西南—北部沿海 0.2257 0.2436 0.3124 0.2606
西南—东部沿海 0.2814 0.2428 0.3313 0.2852
西南—东北 0.1720 0.1941 0.2529 0.2063
西南—南部沿海 0.2341 0.2543 0.3156 0.2680
西南—黄河中游 0.1600 0.2189 0.2340 0.2043
西南—长江中游 0.1671 0.1894 0.2240 0.1935
西北—北部沿海 0.2459 0.2226 0.2677 0.2454
西北—东部沿海 0.3020 0.2224 0.2897 0.2714
西北—东北 0.1790 0.1582 0.1934 0.1769
西北—南部沿海 0.2644 0.2413 0.2893 0.2650
西北—黄河中游 0.1748 0.1968 0.1933 0.1883
西北—长江中游 0.1851 0.1588 0.1838 0.1759
西北—西南 0.2147 0.2099 0.2680 0.2309
表4 不同规模等级城市的人身保险发展水平基尼系数及差异来源贡献

Tab.4 Dagum Gini coefficient and the source of spatial difference of the level of life insurance industry development based on different city scale

年份 总体基尼系数 规模内差异 贡献率（%）
小城市 中等城市 Ⅰ型大城市 Ⅱ型大城市 特大城市 规模内 规模间 超变密度
2000 0.219 0.169 0.142 0.161 0.167 0.109 34.139 52.984 12.877
2010 0.216 0.179 0.139 0.182 0.136 0.273 22.832 54.296 22.871
2022 0.257 0.215 0.142 0.170 0.125 0.206 16.242 67.987 15.771
表5 不同规模等级城市组间的人身保险发展水平基尼系数

Tab.5 Dagum Gini coefficient of the level of life insurance industry development between different city scales

年份 规模组间差异
小城市—中等 小城市—Ⅰ型 Ⅰ型—中等 小城市—Ⅱ型 Ⅱ型—中等 Ⅰ型—Ⅱ型 特大—小城市 特大—中等 特大—Ⅰ型 特大—Ⅱ型
2000 0.1706 0.1894 0.1614 0.1859 0.1756 0.1827 0.2136 0.2521 0.2909 0.3410
2010 0.1662 0.1988 0.1624 0.1911 0.1497 0.1771 0.2641 0.2309 0.2780 0.3027
2022 0.1780 0.2145 0.1640 0.2645 0.1869 0.1904 0.3651 0.2793 0.2840 0.2163
表6 人身保险发展水平驱动因素指标体系

Tab.6 Index system of impact factors of the level of life insurance industry development

目标层 要素层 指标层
内部驱动因素 发展规模 人身保险保费收入（X1）
发展趋势 人身保险保费增长率（X2）
发展水平 人身保险密度（X3）
人身保险深度（X4）
外部驱动因素 经济基础 人均GDP（X5）
政府调控 人均地方财政收入（X6）
金融发展 金融业从业人员占比（X7）
产业结构 第三产业占比（X8）
人口数量 常住人口（X9）
外部驱动因素 人口结构 城镇化率（X10）
教育水平 人均教育支出（X11）
消费水平 人均社会消费品零售总额（X12）
金融素养 人均储蓄存款余额（X13）
文化水平 每万人大学生数（X14）
医疗资源 每万人医院床位数（X15）
区域创新 专利授权数（X16）
对外开放 人均实际利用外资（X17）
科技支撑 科技支出占比（X18）

2.2.1 总体发展水平的空间差异

表2体现了我国市域人身保险发展水平的总体基尼系数，其总体差异特征表现为：①从发展趋势看，2000、2010和2022年的人身保险发展水平的总体基尼系数分别为0.219、0.216和0.257，整体呈波动上升趋势，年均增幅0.87%，表明全国人身保险发展水平区域差异波动增大。②从演变过程看，2000—2010年的人身保险发展水平总体差异呈下降趋势，年均降幅为0.11%，而2010—2022年的人身保险发展水平总体差异呈明显上升趋势，年均增长率达0.83%，说明研究期间人身保险发展水平总体差异波动增大，空间不均衡现象凸显，人身保险业应针对市域间发展差异，因城制宜地制定协调发展战略，缓解空间不均衡现象。

2.2.2 分区域的空间差异及来源

①从区域内差异看（表2），2000—2022年北部沿海、东北、南部沿海、黄河中游、长江中游和西南综合经济区区域内的基尼系数呈上升趋势，年均增幅分别为0.51%、1.62%、0.62%、1.72%、0.48%和2.04%，其中，东北、长江中游和西南综合经济区区域内的差异呈平稳上升趋势，北部沿海、南部沿海和黄河中游综合经济区区域内的差异波动增大；而东部沿海和西北综合经济区区域内的基尼系数先减小后增大，呈波动下降态势，年均降幅分别为0.37%、0.32%。2022年，区域内差异从小到大排序依次为东北、长江中游、黄河中游、西北、北部沿海、东部沿海、西南和南部沿海综合经济区，其中，北部沿海、东北、长江中游、黄河中游、西北综合经济区的差异均小于总体基尼系数0.257，而东部沿海、南部沿海、西南综合经济区的区内差异大于总体差异值，可能的原因是，东北、长江中游、黄河中游、北部沿海和西北综合经济区中的市域人身保险业发展速度快，市域间保险密度、保险深度差异逐渐减小，尽管发展过程有所不同，各经济区的区内差异却均呈缩小态势，逐步实现区内市域间的协调发展；东部沿海、南部沿海和西南综合经济区由于包含市域众多，人身保险普及率参差不齐，从而拉开了区域内市域的人身保险发展水平差距。
②从区域间差异看（表3），八大综合经济区人身保险发展水平的区域间基尼系数均值介于0.1580~0.2852之间。总体上，东部沿海和南部沿海综合经济区与其他地区的差异较大，而东北和长江中游综合经济区与其他地区的差异相对较小。其中，东北—长江中游综合经济区区间差异最小（0.1580），表明两地人身保险发展协同性较强；西南—东部沿海综合经济区区间差异最大（0.2852），显示东部沿海和南部沿海与其他地区之间的人身保险发展协同性较弱，提高东南沿海地区人身保险发展水平仍是促进区域协调发展的重要任务。从演变趋势看，西北—东部沿海地区区间差异年均降幅最大（0.18%），区域差异呈缩小趋势；而东北—西南地区区间差异年均降幅最小（-2.05%），差异反而扩大，表明区域经济联系和辐射带动作用不足。总体而言，各地区应发挥比较优势、优化要素配置，以缩小人身保险发展差距、促进区域协调发展。
③从差异来源贡献来看（表2），八大区人身保险发展水平差异主要来源于区域间和超变密度，区域内差异贡献最小，趋势最稳定。2010年，超变密度贡献率最大，2000和2022年，区域间差异贡献率大于超变密度贡献率，位居首位，区域间差异和超变密度共同成为人身保险发展水平空间不均衡现象的主要原因。

2.2.3 分城市规模的空间差异及来源

表4为不同规模等级城市的基尼系数及差异来源测算结果。①从规模内差异看，Ⅱ型大城市的组内差异整体呈现下降态势，特大城市、Ⅰ型大城市、小城市的组内差异呈现上升趋势。可以看出，Ⅱ型大城市进入发展稳定期，在提升发展水平的同时，致力于缩小内部差距；特大城市、Ⅰ型大城市、小城市处于发展上升期，注重提升发展速度，忽视城市间的差异性特征，致使发展水平分散，内部差异增大。2000、2010和2022年，人身保险发展水平规模内差异最小的城市规模等级分别为特大城市、Ⅱ型大城市、Ⅱ型大城市；2000和2022年，小城市规模内差异最大，基尼系数分别为0.169和0.215，分析原因是小城市数量众多，地理位置分散，发展水平存在差异，造成了人身保险业较为显著的空间不均衡现象；2010年，特大城市规模内差异最大，基尼系数为0.273，说明特大城市间人身保险发展水平差异较大，新升级为特大城市的城市个体仍处于较低水平。②从规模组间差异看（表5），特大城市与其他规模等级城市组间差异相对较大，相邻规模等级城市间差异相对较小；组间差异均值与2022年的组间差异排名相近，2022年规模组间差异从大到小依次为特大城市—小城市、特特大城市—Ⅰ型大城市、大城市—中等城市、小城市—Ⅱ型大城市、特大城市—Ⅱ型大城市、Ⅰ型大城市—小城市、Ⅰ型大城市—Ⅱ型大城市、中等城市—Ⅱ型大城市、小城市—中等城市、中等城市—Ⅰ型大城市，可以看出，规模组间差异基本表现为城市规模等级相差越大，人身保险发展水平差异越大的阶梯状态。③从差异来源贡献看（表4），不同城市规模等级人身保险发展水平差异主要来源于规模间差异，规模内差异整体呈现减小态势，超变密度贡献率略有上升。观察期内，规模间差异贡献率始终最大，发展到2022年，规模间差异贡献率达67.987%，由此可知，不同规模城市间的虹吸效应促使城市间人身保险发展水平差距进一步拉大。

3 驱动机制分析

在利用地理探测器进行了人身保险发展水平驱动因素的单因子探测和双因子交互探测的基础上，借助MGWR模型进行主导因子作用方向与强度的空间异质性分析，以补充对人身保险发展水平空间分布的驱动机制分析。

3.1 驱动因素指标选取

各市域人身保险发展水平受其自身发展状况的制约，同时受到不同的外部因素干预。考虑到289个研究样本的经济基础、发展模式和路径存在不同程度的差异，各研究样本人身保险发展水平的外部驱动因素存在明显差异，借鉴相关文献[5,10,21,28,31-34]，将代表人身保险发展规模、发展趋势和发展水平的人身保险保费收入、人身保险保费增长率、人身保险密度和人身保险深度作为4个内部驱动因素，从经济基础、政府调控、金融发展、产业结构、人口数量、人口结构、教育水平、消费水平、金融素养、文化水平、医疗资源、区域创新、对外开放、科技支撑不同维度选取14个外部驱动因素指标，构建了人身保险发展水平影响因素指标体系（表6），以解读人身保险发展的动因。此外，我国人口生育政策的调整在改善生育环境、缓解老龄化趋势的同时[35]，一定程度上刺激了商业育儿保险需求消费，间接促进了人身保险业发展，限于市域数据收集及指标难以量化等问题，该因素并未纳入人身保险发展水平驱动因素指标体系。

3.2 驱动因素作用分析

3.2.1 单因子探测结果

以人身保险发展水平作为因变量，采用地理探测器探测2000、2010和2022年4个内部驱动因素、14个外部驱动因素对其影响的强度（表7）。
表7 人身保险发展水平驱动因子解释力测度

Tab.7 Impact of elements to the level of life insurance industry development

因子 q00 q10 q22 因子 q00 q10 q22
X1 0.749*** 0.629*** 0.735*** X10 0.345*** 0.109*** 0.391***
X2 0.230*** 0.134*** 0.109*** X11 0.502*** 0.043** 0.172***
X3 0.803*** 0.446*** 0.756*** X12 0.395*** 0.341*** 0.356***
X4 0.593*** 0.481*** 0.322*** X13 0.016 0.276*** 0.399***
X5 0.399*** 0.093*** 0.257*** X14 0.220*** 0.082*** 0.259***
X6 0.433*** 0.526*** 0.260*** X15 0.115*** 0.037** 0.036*
X7 0.057*** 0.049* 0.014 X16 0.757*** 0.374*** 0.611***
X8 0.193*** 0.074*** 0.283*** X17 0.204*** 0.138*** 0.119***
X9 0.454*** 0.210*** 0.515*** X18 0.034 0.293*** 0.240***

注：q00、q10、q19分别代表2000、2010和2022年的地理探测器q值；***、**、*分别表示q值的显著性水平为0.00、0.05、0.10。

由表7可知，考察期内除X7、X13、X18外，其余各指标始终是影响人身保险发展水平的驱动因素。2010和2022年，X13、X18也是人身保险发展水平的重要驱动因素。从演变趋势看，20年间，X8、X9、X10、X13、X14、X186个驱动因子解释力增强，X2、X4、X5、X6、X11、X166个驱动因子解释力减弱，其余驱动因子解释力变化程度较小，趋于稳定。根据解释力大小将各驱动因子分成三类：主导因子、次级因子和一般因子。
①解释力大于0.36的驱动因子为主导因子，包括人身保险保费收入、人身保险密度、专利授权数、人身保险深度、人均地方财政收入、人均社会消费品零售总额、常住人口，说明人身保险发展水平受内部驱动因素影响显著的同时，区域创新水平、政府调控作用、居民消费水平、常住人口数量也是影响人身保险发展水平的重要因子。从人身保险业的自身发展状况来看，人身保险保费收入、保险密度及保险深度的差异体现了地区间的人身保险行业发展差异。在政府调控和区域创新方面，各级政府在施行相关配套政策、提供法律保障以及资金支持的同时，鼓励保险公司推出创新普惠险种，推动创新产业与保险行业的共促共荣，培育创新保险产业体系，力求满足日益增长的多元化保险服务需求，提高现代人身保险业的市场竞争力与创造力，推动人身保险发展水平提升。在社会消费方面，居民生活质量的提高促进消费结构由生存消费向需求消费升级，居民人身保障需求逐步提升，保险消费者作为保险业赖以生存和发展的根基，各大保险企业秉持“强化优质服务，关注顾客需求变化”的经营理念，加快改革经营模式，把消费者的利益摆在行业发展的第一位，持续推进人身保险业发展。常住人口对人身保险业发展的影响较为复杂，一方面，从目前的人口老龄化和养老金发展来看，养老金缺口巨大，激发了民众对如何养老的思考，商业人身保险的养老需求凸显，民众对商业养老保险的接受度逐渐提高，人身保险市场发展空间广阔；另一方面，伴随着城市之间的人口流动，不同市域的资源和要素配置良莠不齐，导致发达地区与欠发达地区之间出现了发展趋异的马太效应，这对人身保险发展水平的空间分异有协同增强作用。
②解释力介于0.17~0.36之间为次级因子，包括人均GDP、城镇化率、人均储蓄存款余额、人均教育支出、科技支出占比、第三产业占比、每万人大学生数。在经济发展和城镇化建设方面，一个地区的城镇化建设综合反映了其社会经济整体发展水平，对人身保险业发展的促进作用主要体现在两个方面：一方面，经济城镇化通过促进国民收入增加，拉动保险需求、支撑保费支付能力，为人身保险消费奠定物质基础；人口城镇化加快了人口集聚速度，居民受教育程度整体提高，人口素质、金融素养得以提升，居民的风险观念和消费意识增强，降低了保险公司的承保成本；另一方面，城镇化建设有效拓宽了保险资金的投资渠道，化解了保险公司的投资收益，充分挖掘了人身保险消费潜力，增加经济利润，提高市场竞争力。科技进步引领行业升级，改变传统保险业的经营模式和管理方式，为人身保险业数字化转型提供发展动力，推进了人身保险业的创新发展，是现代人身保险业发展的潜在支撑力；产业结构升级促进了发达地区的经济稳定，产业转移和延伸带动了欠发达地区的经济发展，产业结构的战略性调整成为人身保险业结构调整与持续发展的经济支撑，有利于人身保险发展水平的提升。在文化水平方面，家庭中的高素质人才有利于家庭成员的认知能力提高和风险观念转换，从而扩大保险需求，增进保险深度；善用人才是提升企业竞争力的根本点，人身保险业作为知识、技术密集型产业，人才占有率的提高能够有效推动企业发展，为企业在业务、技术、管理、制度创新等各方面作出突出贡献。
③解释力小于0.17为一般因子，包括每万人医院床位数、金融业从业人员占比、人均实际利用外资、人身保险保费增长率。在医疗资源方面，随着互联网+医疗政策的不断推进，新型保险产品涌现，促进新技术、新药品以及新医疗器械的研发与应用，进一步提升先进医疗的可及性，发挥人身保险的聚合支付和效率改善作用，将是人身保险业进一步升级发展的依托。在金融业发展方面，为适应高质量发展的需要，我国的金融体系不断改革创新、对外开放，积极引领人身保险业树立“保险姓保”的观念，发挥人身保险业的社会属性和政治属性作用，提升其人民性和普惠性价值，为人身保险业发展提供保障。在对外开放和行业发展方面，随着保险业对外开放政策的完善，国外成功经验得以传入国内，外资的引进带来国外的先进意识、经济资本，增强了人们的风险意识，催生出保险需求，有助于中国人身保险市场的发育、成熟。

3.2.2 双因子交互探测结果

表8为通过地理探测器的双因子交互探测作用得到的2022年各驱动因子的交互探测作用结果，交互作用类型以双因子增强为主，非线性增强为辅。其中，X1和X4交互作用解释力最强，其q值达到0.854，两者的交互作用表明，保险保费收入与地区经济的关系密切，保险行业的增长不仅与保费收入本身相关，还与该地区经济发展水平的相对位置密切关联，这种协同效应推动了保险行业的深化发展；X4与X14、X3与X1等因子交互作用解释力次之，其q值达到0.853、0.850，在单因子探测结果中X14的q值仅0.259，经过交互探测作用后，解释力大幅提升，说明市域人身保险发展水平空间分布不是各驱动因子独立直接作用的结果，而是两两交互作用，产生1+1>2的互补增强效应[36]形成的；医疗资源和金融发展状况是具有木桶效应的短板因素，各市应因城制宜地推动先进医疗发展、金融服务升级，补齐短板，引领人身保险业迈向高质量发展之路。
表8 2022年人身保险发展水平地域分异的交互探测结果

Tab.8 Interactive detection results of regional differentiation of the level of life insurance industry development in 2022

驱动因子 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 X18
X1 0.735
X2 0.754 0.109
X3 0.850 0.788 0.756
X4 0.854 0.557 0.843 0.322
X5 0.750 0.325 0.772 0.826 0.257
X6 0.760 0.370 0.790 0.826 0.361 0.260
X7 0.750 0.138 0.772 0.389 0.294 0.373 0.014
X8 0.756 0.480 0.825 0.636 0.596 0.586 0.462 0.283
X9 0.744 0.565 0.838 0.759 0.633 0.657 0.550 0.589 0.515
X10 0.792 0.472 0.773 0.605 0.478 0.489 0.436 0.559 0.717 0.391
X11 0.750 0.374 0.802 0.719 0.465 0.351 0.334 0.528 0.618 0.542 0.172
X12 0.754 0.428 0.782 0.853 0.462 0.541 0.428 0.595 0.640 0.630 0.568 0.356
X13 0.777 0.473 0.775 0.633 0.533 0.494 0.418 0.602 0.691 0.606 0.474 0.625 0.399
X14 0.763 0.374 0.781 0.602 0.431 0.531 0.313 0.413 0.632 0.453 0.595 0.487 0.546 0.259
X15 0.757 0.176 0.777 0.377 0.358 0.517 0.072 0.393 0.582 0.423 0.420 0.437 0.442 0.337 0.036
X16 0.765 0.631 0.812 0.850 0.621 0.624 0.702 0.663 0.673 0.678 0.687 0.628 0.739 0.685 0.705 0.611
X17 0.740 0.224 0.769 0.622 0.376 0.460 0.164 0.452 0.563 0.517 0.293 0.507 0.485 0.353 0.223 0.627 0.119
X18 0.760 0.318 0.762 0.646 0.405 0.473 0.280 0.442 0.598 0.537 0.474 0.505 0.541 0.406 0.307 0.621 0.308 0.240

注：灰色底纹表示交互探测结果为非线性增强型，无底纹则表示探测结果为双因子增强型。

3.2.3 主导因子作用的空间差异

本文选择MGWR模型对2022年的数据进行分析，进一步探究市域人身保险发展水平驱动因素作用的空间差异特征。为消除因子之间多重共线性影响，利用SPSS 21软件对指标进行共线性诊断，计算各变量的方差膨胀因子（VIF），剔除存在严重多重共线性（VIF>10）的特征变量，最后进入模型的变量有：人身保险密度、专利授权数、人身保险深度、人均地方财政收入、人均社会消费品零售总额、常住人口6项指标。以人身保险发展水平为因变量，6个主导因子为自变量，从局部视角进行地理加权回归分析。结果显示，模型的调整R2为0.983，拟合较好，反映出地理探测器结果可信。图3a~图3f展示了2022年各主导因子作用的空间差异，各自变量的作用程度均存在空间异质性，但作用程度及所呈特征不一。
图3 2022年人身保险发展水平主导因子作用的空间差异

Fig.3 Spatial differentiation of dominant factors' effect on the level of life insurance industry development in 2022

①人身保险密度和人身保险深度具有显著的正向影响，回归系数均值分别为0.6707、0.2263，总体作用强度呈现由东北向西南递减，东部沿海向西部内陆递减的分布格局，表明东部沿海及东北部地区人身保险发展水平受其自身发展状况影响更大，南部沿海及西南地区人身保险自身发展状况对人身保险发展水平推动作用较弱，这与市域人口密度、人口结构及自身经济状况存在联系。近年来，东部沿海地区经济快速发展，不断吸引人才流入，保险业不断引进高素质人才，新知识、新技术推动人身保险企业提质增速，引领保险行业升级；东北地区经济滞缓发展、人口老龄化问题造成了严重的养老金缺口，老年人口对商业养老保险消费需求逐步提升，提高了人身保险密度，推动人身保险行业发展。由图3a和图3b可知，南部沿海地区人身保险密度和深度的行业驱动力不足，可能原因是这些市域的保险普及率存在区域差异，高收入群体和低收入群体之间保险消费需求参差不齐；西南地区的人身保险整体发展状况落后，自身发展对人身保险发展水平带动作用弱。
②人均地方财政收入对人身保险业发展具有正向影响，回归系数均值为0.0223，高值区域主要分布在东部沿海地区，可以看出，高水平地区基于良好的经济状况，积极响应政策号召，不断完善养老保险体系，推动“养老金第三支柱”人身保险的发展；低水平地区的政府调控对人身保险发展水平的提升作用有限，这与市域自身的经济基础、要素配置等因素有关。
③常住人口具有显著的正向影响，回归系数均值为0.2749，可以看出，常住人口是人身保险发展水平的重要动能。常住人口对人身保险发展的作用主要体现在人口流动与养老需求上，由图3d可知，低值区域主要集中在中部地区，其他区域的常住人口对人身保险发展水平促进作用较强，说明高值区域对养老需求刺激保险消费的正向促进作用更明显，低值区域对人口流动、要素分配不均的反应更强烈。
④人均社会消费品零售总额回归系数均值仅-0.0939，西北地区由于经济相对滞后，消费水平较低，呈现较强的负向作用；而东北和东南沿海地区，尽管消费水平较高，但由于保险市场成熟，消费增长对保险发展的负向影响较小。这一空间差异反映了各地区经济发展、消费结构及保险市场成熟度的差异性。
⑤专利授权数对人身保险业发展作用强度的回归系数均值为0.0333，回归系数极差仅为0.1453，高值区域主要分布在西南、西北地区，说明区域创新始终是人身保险业发展的潜在驱动力，对各个市域人身保险行业发展的促进作用相当，且行业创新发展对低水平区域的人身保险市场驱动作用更强。

4 结论与建议

本文以中国289个地级及以上市域为研究样本，首先运用变异系数法测度各研究样本的人身保险发展水平，其次利用Dagum基尼系数分解法识别人身保险发展水平的区域差异特征，最后运用地理探测器和多尺度地理加权回归对人身保险发展水平时空分异的驱动因素及作用强度的空间差异展开分析。得出主要结论如下：①2000年以来中国地级及以上市域人身保险发展水平呈“东高西低”的空间格局，总体水平较低但呈上升趋势。人身保险发展水平由沿海向内陆递减；城市规模等级越高，人身保险发展水平越高。②中国市域人身保险发展水平的空间差异整体呈上升趋势，差异来源主要是八大区域间和不同城市规模间的差异。不同城市规模间的差异是人身保险发展水平差异的主要因素，基本呈现城市规模等级相差越大，人身保险发展水平差异越大的阶梯状态。③人身保险发展水平的空间分异是多因子综合作用的结果，人身保险保费收入、人身保险密度、专利授权数、人身保险深度、人均地方财政收入、人均社会消费品零售总额、常住人口是主导因子。各因子作用强度存在空间差异，这与市域自身的经济基础、要素配置及民众观念素养等因素有关。
基于以上研究结论，提出以下对策建议：①尊重我国人身保险发展水平整体较低的事实。应协调推进人身保险与经济、社会、人口的发展关系，完善人身保险的险种结构，优化保险金额与保险责任范围，满足民众日益增长的防病、防老的迫切需求，推动人身保险发展水平提升。②我国人身保险发展水平的空间非均衡性归因于区域经济社会发展不平衡问题。应因城制宜，制定跨区域合作发展策略，挖掘低水平地区的保险需求潜力，发挥高水平地区的辐射带动作用，缩小区域间差异，促进区域协调发展。从城市规模来看，大城市应稳中提质，引领人身保险市场发展；中小城市应提质增速，提高自身发展水平，向高质量发展迈进，逐步实现人身保险市场的差异化目标。③我国人身保险发展水平的时空分异是多种因素综合作用的结果。在人身保险发展过程中，要牢牢把握主导因子作用的区域性、差异性、阶段性发展特征，因城制宜、因时制宜。政府及行业应通力合作，以国家宏观发展战略布局为背景，区域发展现状为基础，社会实际需求为导向，深化创新改革，优化消费结构，补足发展过程中的短板，通过多因子的健康互动提高人身保险业发展质量，实现人身保险业在服务实体经济、优化投资布局、满足民生需求的多重动力机制下的新发展格局。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
袁成, 李茹. 中国人口老龄化对人身保险消费的影响研究[J]. 中央财经大学学报, 2017(9):22-31.

[2]
曹凤岐. 发展现代人身保险,深化保险业供给侧改革[J]. 金融论坛, 2018, 23(3):3-5.

[3]
中共中央国务院关于深化医疗保障制度改革的意见[J]. 中国医疗保险, 2021(2):63.

[4]
宋昌耀, 李国平, 李沅曦. 中国保险业的空间分异及其经济绩效——基于地级以上城市的分析[J]. 保险研究, 2019(9):30-43.

[5]
李春燕. 我国区域寿险发展水平差异分析[J]. 统计与决策, 2016(2):101-104.

[6]
李春燕. 我国保险发展的空间非均衡及极化研究——基于1998-2010年产险与寿险的对比分析[J]. 财经论丛, 2013(2):64-70.

[7]
肖明迁, 张晓丽, 王岩. 京津冀城市群人身保险的发展水平、空间演化及影响因素[J]. 保险研究, 2015(4):93-106.

[8]
田小文, 郑理, 徐雷. 中国保险业发展的时空分异特征及动态演变[J]. 经济地理, 2021, 41(9):135-144.

DOI

[9]
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.

[10]
蒋丽君. 我国寿险市场区域差异的空间经济计量分析[J]. 财经论丛, 2012(1):69-75.

[11]
张伟, 郭金龙, 张许颖, 等. 中国保险业发展的影响因素及地区差异分析[J]. 数量经济技术经济研究, 2005(7):108-117.

[12]
Browne M J, Kim K. An Intermational Analysis of Life Insurance Demand[J]. The Journal of Risk and Insurance, 1993, 60(4):616-634.

DOI

[13]
Beck T, Webb I. Economic, demographic and institutional determinants of life insurance consumption across countries[J]. The World Bank Economic Review, 2011, 17:51-58.

DOI

[14]
Rajabian M H, Aghaei S. Cleft lip and palate in southwestern Iran:an epidemiologic study of live births[J]. Annals of Saudi Medicine, 2005, 25(5):38.

[15]
赵雪婕, 丁少群. 城镇化对我国人身保险需求的影响机理及实证分析[J]. 上海保险, 2021(4):36-40.

[16]
张冲, 万新月. 我国城镇化、 老龄化对人身保险市场发展的影响研究[J]. 西部经济管理论坛, 2019, 30(5):37-42,65.

[17]
滕丽杰. 人口结构变迁对寿险消费影响研究——基于省域面板数据实证检验[J]. 价格理论与实践, 2021(8):141-144.

[18]
王志文, 段洁新. 我国人身保险发展的宏观影响因素分析[J]. 浙江金融, 2013(10):59-62.

[19]
孙武军, 林惠敏. 金融排斥、 社会互动和家庭资产配置[J]. 中央财经大学学报, 2018(3):21-38.

[20]
山娜. 我国健康保险业发展现状研究综述[J]. 中国卫生经济, 2019, 38(7):26-29.

[21]
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.

[22]
张冀. 基于VEC模型的人身保险与消费的实证分析[J]. 经济评论, 2010(6):122-129,142.

[23]
庞楷. 保险业对经济增长影响的实证分析——基于修正的Solow模型[J]. 保险研究, 2009(7):31-36.

[24]
高侯平, 王欢, 沈沛龙. 中国保险与经济高质量发展耦合协调关系研究[J]. 科学决策, 2023(4):40-55.

[25]
Shi X, Wang H J, Xing C. The role of life insurance in an emerging economy:Human capital protection,assets allocation and social interaction[J]. Journal of Banking and Finance, 2015, 50(Jan.):679.

[26]
Lee C C, Chiu Y B. The impact of real income on insurance premiums:Evidence from panel data[J]. International Review of Economics & Finance, 2011, 21(1):246-260.

[27]
王韧, 农通理, 张双双. 基于空间杜宾模型的保险业发展时空格局研究[J]. 保险研究, 2020(10):48-64.

[28]
姜晓艳, 吴相利, 张守忠. 中国人口城镇化与保险业协调发展测度与驱动机制[J]. 经济地理, 2022, 42(6):22-32.

DOI

[29]
Dagum C. A new approach to the Decompositon of the Gini Income Inequality Ratio[J]. Empirical Economics, 1997, 22(4):515-531.

DOI

[30]
王劲峰, 徐成东. 地理探测器:原理与展望[J]. 地理学报, 2017, 72(1):116-134.

DOI

[31]
Follain R, Mills S. Interactions between Finance and Urban Development[J]. Real Estate Economics, 1989, 17(2):137-141.

DOI

[32]
Halbert L, Henneberry J, Mouzakis F. Finance, Business Property and Urban and Regional Development[J]. Regional Studies, 2014, 48(3):421-424.

DOI

[33]
尹晔, 许闲, 王颖俐. 我国区域普惠保险水平测度及影响因素分析[J]. 保险研究, 2020(10):34-47.

[34]
万广圣, 施毓凤, 濮桂萍, 等. 长三角地区健康保险发展差异及其影响因素分析[J]. 中国卫生经济, 2020, 39(7):38-42.

[35]
陈卫. 中国的低生育率与三孩政策——基于第七次全国人口普查数据的分析[J]. 人口与经济, 2021(5):25-35.

[36]
罗静, 陈洁, 蒋亮, 等. 中国众创空间的空间演化及影响因素研究[J]. 华中师范大学学报(自然科学版), 2021, 55(5):741-754.

Options
Outlines

/

〈 〉