地區差異、人口密度與財險市場集中度

賈立文　趙鶴臨

?

·產業組織·

地區差異、人口密度與財險市場集中度

賈立文趙鶴臨

[摘要]保險業具有自然壟斷特征，而在社會所需的各種保障得到基本滿足的前提下，充分考慮地區差異、人口密度等因素與財險市場的關系，盡可能地降低市場集中度，有利于增進社會福利。在新型城鎮化和人口布局不斷調整的背景下，各地人口逐漸增長并向中小城市聚集，這將直接影響財險市場上的競爭程度。利用面板分位數模型考察2009-2012年中國30個省(市、自治區)人口密度變化對財險市場集中度的影響，發現人口密度對財險市場集中度有顯著的負向影響。以規模最大的3個財險公司的市場份額之和(CR3)、規模最大的5個財險公司的市場份額之和(CR5)和市場中所有財險公司的市場份額平方和(HHI)作為衡量財險市場集中度的因變量建模，所得結論均一致。人口密度對CR3、CR5和HHI的影響隨分位點的增加而逐漸減小，這意味著提升人口密度更能有效地降低市場占有度大的財險公司的市場份額。

[關鍵詞]財險市場； 集中度； 人口密度； 地區差異； 面板分位數模型

一引言

2014年7月9日，李克強總理在國務院常務會議上特別部署了五項措施以加快發展現代保險業，其中第五部分強調要深化保險業改革開放，加快建設現代化保險企業制度，推進保險市場準入退出機制改革*資料來源：中央人民政府網站，http://www.gov.cn/guowuyuan/2014-07/09/content_2714830.htm。。2014年8月13日，國務院印發《關于加快發展現代保險服務業的若干意見》，并指出：到2020年，基本建成保障全面、功能完善、安全穩健、誠信規范，與我國經濟社會發展需求相適應的現代保險服務業，加快完善保險市場體系*資料來源：國務院《關于加快發展現代保險服務業的若干意見》(國發〔2014〕29號)。。國家對保險業的重視及相應的改革意見均意味著中國保險市場將在未來幾年更為迅速地朝著現代化保險市場邁進。

1996年以來，特別是2001年中國加入世界貿易組織以后，保險市場監管逐步放開、保險公司準入門檻降低等舉措一定程度上改善了市場競爭狀況，但保險市場集中度依然居高不下。盡管保險業的行業特殊性決定其具有自然壟斷特征，但是在社會所需的各種保障得到滿足的前提下，盡可能地增強保險市場中的競爭程度、降低市場集中度有益于提高社會福利，促進保險業的健康發展。

Demsetz(1973)[1]和Peltzman(1977)[2]最早使用定量分析方法研究了市場份額、集中度等市場結構特征與企業績效的關系。此后，國內外學者就市場結構對經濟增長的作用等問題開展了大量研究。Martin和Ottaviano(1999)[3]認為提高產業集中度對產業增長有積極作用，為論證集中度和產業增長有正向關系提供了證據。Sbergami(2002)[4]通過實證研究發現產業集中度對產業增長并沒有顯著的促進作用，不支持集中度和產業增長之間有正相關性的結論。白重恩等(2004)[5]考察了32個不同的行業，用動態估計的方法證明了地方保護主義對產業集中度有顯著的負面影響，而且規模經濟以及產業群聚效應同樣對產業集中度有顯著影響。范劍勇(2006)[6]對2004年中國地級市以及副省級市的產業集聚現象進行了研究，發現省際之間的集聚效應在非農產業分布極不平衡的情形下擴大了勞動生產率的趨異現象。盡管這些研究說明地方保護、規模經濟、產業群聚效應等因素對產業集中度有顯著影響，但是并沒有對財險市場或整個保險市場上的集中度問題進行探討。紀玉山和李兵(2012)[7]對影響產業集中度的決定因素進行了總結，歸納為技術因素、需求因素、進入壁壘、國際因素以及政策因素五類。

邵全權(2008)[8]使用非平衡面板模型探討了中國財險公司的市場結構、競爭模式與市場績效之間的關系，發現財險公司的市場份額與經營績效正相關，市場份額對不同競爭模式的影響不盡相同。然而，該文考慮的重點在于財險市場集中度對財險公司經營業績的影響，并沒有論證何種因素會對財險市場集中度產生影響，沒有對財險市場上的高集中度以及明顯的地區差異性提供解釋。王博和邵全權(2015)[9]使用3SLS方法估計了分別以經濟增長質量和保險業集中度為因變量的聯立方程，討論了經濟增長質量和保險深度、產業結構和經濟結構等指標對保險業集中度的影響。但該文僅從宏觀的產業結構、經濟增長以及保險深度等方面對保險業集中度進行分析，沒有考慮人口因素及地區異質性。

已有文獻從產業經濟學理論和實證方面論證了產業集中對經濟增長的影響以及不同指標對產業集中度的影響，但是，鮮有文獻從人口的角度分析其對產業集中度的作用，在財險領域的相關研究則更為稀少。根據經濟學的基本原理，勞動力供給增加將使要素價格下降，生產者成本降低；市場規模擴大即市場需求增加，將使產品和服務的價格上升。在不存在自然壟斷、政府壟斷等進入壁壘、技術水平不變、固定成本不變等條件下，要素價格下降、產品和服務價格上升將使廠商獲得超額收益，同時也將吸引其他廠商進入市場，在市場機制作用下，要素市場、產品和服務市場逐步達到均衡。在這一過程中，人口密度對城市發展和行業發展均具有重要作用，即隨著中小城市的發展，人口集中將使產品和服務市場競爭更加激烈，使相應市場的結構得以優化。

Tabuchi(1986)[10]指出，如果人力資本與城市規模正相關，那么集聚經濟可能需要更多的勞動力。Lucas(1988)[11]證明人力資本積累是經濟持續增長的決定因素，也是產業發展的真正源泉。Ottaviano和Puga(1998)[12]認為人口聚集擴大了市場需求，有助于企業獲得規模收益，進而成為促使產業集聚的一種主要因素。Fujita等(2003)[13]在研究日本的空間經濟行為時發現人口流動和制造業集聚存在明顯的關聯。Wolf(2004)[14]發現國內人口流動和地區分割等因素的變化會導致產業生產激勵發生轉變。郭金龍和張昊(2005)[15]研究認為當其他條件不變時，人口指標是保險市場規模的決定因素，從保險產品的大數法則和保險市場需求的角度均可以得到這一結論。肖志光(2007)[16]則指出，中國各地的保險市場發展水平存在明顯差異，經濟水平和人口規模、社會環境等因素對保險業發展有不可忽視的作用。顏銀根(2014)[17]的研究顯示，人口密度、市場潛能、基礎設施、人力資本以及勞動力流動對非農產業集聚有著顯著正向影響。賈立文等(2015)[18]則基于2006-2013年中國省級樣本，分析了人口等指標在不同地區對財險市場發展影響的差異性，進而量化了人口和城鎮化水平對財險市場保險深度的影響。盡管該研究沒有討論保險市場上的競爭性，沒有對財險市場集中度進行分析，但是已揭示出了人口與保險市場發展之間的關系，為本文的研究提供了借鑒。因此，在區域異質性明顯存在以及國家正在推動新型城鎮化建設的背景下，本文認為人口分布是影響財險市場競爭水平的重要因素，調整人口布局將有助于優化財險市場結構。

在統計方法的選擇上，已有研究為了擴大樣本空間，消除數據中的異質性問題，在對產業集中度進行分析時主要局限于使用面板數據模型。然而，隨著分位數思想的提出，當經濟發展存在異質性時，均值回歸得到結論的可靠性受到質疑。在Koenker(2004)[19]提出面板分位數模型之后，經濟、金融以及其他社科領域中的異質性問題進一步得到解決。面板分位數模型的提出較好地解決了異質性因素導致的回歸系數存在偏誤的問題，在實證研究時能夠得出更有效的結論，因而得到了一些學者的認可。張曙霄和戴永安(2012)[20]考慮了不同省市的異質性問題以及參數的異質性問題，使用面板分位數模型探究了財政分權對地區經濟增長的影響，最終得到了穩健的結論，即財政分權對城市經濟增長有顯著的正向影響。王偉等(2013)[21]使用面板分位數模型分析金融發展對海外直接投資的影響，發現在數據方差較大時面板分位數模型的結果更加合理。吳鑑洪等(2014)[22]基于工具變量參數估計方法，對面板向量自回歸模型進行了估計。通過蒙特卡洛模擬發現，在樣本的時間長度較短時，工具變量方法比分位數回歸固定效應估計方法更能提高參數估計的精確度。隨著這些研究的不斷深入，面板分位數模型在經濟、保險領域的應用逐漸增多，有助于更加全面地提取現實中的信息，得到更加合理的結論。借鑒我國金融領域應用面板分位數模型的經驗，為了客觀地檢驗人口密度對財險市場集中度的影響，本文選用面板分位數模型進行實證研究。

對于中國各個地區財險市場的集中度問題，本文使用財險行業中最大的3家企業和5家企業的市場份額之和(分別用CR3、CR5表示)以及赫芬達爾-赫希曼指數(用HHI表示)作為刻畫市場集中度的指標，使用人口密度作為自變量，引入Koenker(2004)[19]提出的面板分位數模型刻畫區域異質性，在不同集中度水平下探討人口密度對財險市場集中度的影響強度。本文力圖在以下方面有所貢獻：第一，探討中國財險市場上人口密度對市場集中度的影響，從經濟學角度解釋人口密度對集中度的作用機制，探索改善集中度水平的新途徑；第二，針對中國各地區財險市場集中度的特征，運用面板分位數模型提取不同分位數處的信息，根據人口密度的變化，解釋為什么不同地區的財險市場集中度存在明顯差異，為什么經濟發達的北京、上海的財險市場集中度長期處于較低水平，而經濟水平與之接近的廣東(不含深圳)、深圳的財險市場集中度長期處于中等偏上水平，以及為什么各種特征差異較大的河南、山東等地的集中度也長期處于較低水平。

二模型設定

(一)假設提出

近年來國家制定推出了“單獨二孩”、“全面二孩”政策和“新型城鎮化”戰略，積極的人口政策有助于提升當今中青年群體的生育積極性，生育率的增加將直接降低當前老齡人口的比例，對于改善人口結構有積極作用。同時，加強中小城市建設的決策能夠在人口結構變化的基礎上對人口布局產生影響。例如，城市中便利的生活設施、交通、通訊、醫療等服務將吸引農村人口，特別是農村勞動力向中小城市集中。作為生產要素的資本和勞動力的聚集將推動中小城市工業和服務業的發展，為城市發展做出貢獻。由于城市居民既是勞動力要素的提供者，又是產品和服務的消費者，人口密度的增加意味著勞動力供給和市場上消費者規模的增加，因此，人口密度在要素供給、產品和服務需求兩個維度均影響著產品和服務市場上的集中水平。

王小魯(2010)[23]的研究顯示，超大城市的人口集中對于城市發展有極大促進作用，例如由于產業集聚在城市間的溢出效應，長江三角洲和珠江三角洲地區的經濟發展較為突出。當沒有超大城市的溢出效應時，構造包括多個百萬人級的大城市的城市群則是城市發展的現實選擇。他認為人口等因素向大城市集中提高了大城市的生產率并實現了資源的優化配置。可以看出，人口聚集是城市發展和產業集聚的基礎，從人口的角度分析財險市場集中度具有可行性。

基于當前中國經濟的發展現狀，本文認為人口密度的變化將從5個方面對財險市場集中度產生作用：(1)當其他條件不變時，在人口規模更大、人口密度更高的地區，財險公司面臨著更大的市場，相應地將有更多的財險公司愿意在這類地區開設分公司或營業部。因此，人口密度的提高有助于增加財險市場上的競爭程度，降低市場集中度。(2)人口密度更高時，相應地區的勞動力供給越多，隨著人口向城市集中，勞動力供給曲線右移，要素價格下降，使財險公司的人力成本降低，能夠吸引更多的財險公司進入市場，對降低財險市場集中度有重要作用。(3)人口密度高的地區一般餐飲、通訊、交通等物質條件較為便利，財險公司開設分支機構的成本較低，對財險公司區位選擇具有吸引力。(4)人口密度高可能導致當地事故發生率提升，造成財產損失的可能性較高，當地居民對財險產品的需求相對較大。(5)在人口密度高的地區，教育水平相對更高，居民可能更理解保險的功能，更具有投保傾向性。

根據以上分析可以得到如下邏輯鏈條：城市的發展程度越高，則城市人口越集中，各個產業發展的推動力越強，產業競爭程度越高，市場集中度越低。基于這一思想，在保險行業的范疇下，本文提出假設：人口密度越大，財險市場集中度越低。

(二)統計模型

在經濟研究過程中，使用面板模型能夠提取個體的異質性信息，并結合時間維度的信息估計個體差異以及自變量的系數，有益于刻畫不同地區的差異性。然而，單純的面板模型無法反映因變量處于不同水平時自變量對其影響程度的變化。Koenker(2004)[19]在面板模型的基礎上融入分位數回歸模型，在考察面板效應的同時考慮了不同分位點的差異，增強了面板模型對數據的擬合能力。Koenker(2004)[19]對包括純位置偏移效應的條件分位數模型進行了討論，即：

Qyit(τ|xit)=αi+xit′β(τ)，i=1,2,…，N,t=1,2,…,T

(1)

并隨后提出使用懲罰最小二乘方法求解式(1)，其解為：

其中，參數α表示個體固定效應且不隨分位數的變化而變化，β(τ)為自變量x的系數且隨分位數的不同而不同。

在Koenker(2004)[19]研究的基礎上，Chernozhukov等(2008)[24]提出了分位數回歸工具變量估計量，Antonio等(2011)[25]在該方法的基礎上提出面板分位數工具變量回歸，用以解決模型中包括因變量滯后項的動態情形，Ponomareva(2011)[26]提出了時間軸很短時識別并估計面板分位數模型的矩估計方法。目前，面板分位數回歸模型正處于發展期，尚未形成統一的標準，在理論界并沒有最優的估計方法。因此，本文根據Koenker(2004)[19]的求解方法建立面板分位數模型，考察中國不同省市人口密度對保險集中度的影響，模型的形式為：

Qyit(τ|MDit)=α0(τ)+α1(τ)MDit+zit′β(τ)+εit

(2)

其中，yit表示財險市場集中度，MDit表示人口密度，zit表示控制變量，i=1，2，…，35，t=2009，2010，2011，2012。

Lamache(2006)[27]對面板分位數模型進行了系統地論述，詳細研究了懲罰項的選取規則，證明并發現對于任意λ值而言，模型的參數估計值均滿足無偏性。Chernozhukov等(2008)[24]、Antonio等(2011)[25]、Ponomareva(2011)[26]、張曙霄等(2012)[20]、王偉等(2013)[21]、吳鑑洪等(2014)[22]等學者的研究表明，經修正的面板分位數模型能夠有效地解決模型的內生性問題，避免參數估計的有偏性。

三數據及變量

(一)數據與變量說明

本文使用的數據來自于2010-2013年的《中國保險年鑒》、《中國城市統計年鑒》，樣本的時間跨度為2009-2012年，地區包括30個省、自治區、直轄市以及5個計劃單列市，共計35個地區，其中，西藏自治區由于數據缺失不予考慮，相應省、自治區和直轄市的數據已剔除5個計劃單列市的相關信息。為了剔除經濟、交通運輸、工資水平等因素的影響，本文選取各個省、自治區、直轄市、計劃單列市的GDP、客運量(KY)、貨運量(HY)、在崗職工平均工資(GZ)4個變量作為控制變量。財險市場集中度由CR3、CR5、HHI3個指標從不同角度予以刻畫，其中CR3和CR5由相應省、自治區、直轄市以及計劃單列市中市場份額排名前三和前五的財險公司的市場份額加總得到，HHI通過計算相應地區所有財險公司市場份額的平方和得到。人口密度由各個地區年末總人口數除以土地面積得到；控制變量均從2010-2013年《中國城市統計年鑒》中直接獲取，所有變量的信息如表1所示。

表1　變量說明

(二)描述性分析

表2為2009-2012年各變量的基本統計信息。2009-2012年，CR3、CR5和HHI3個指標的標準差在6-9之間，極差均在30個百分點左右，說明不同地區的財險市場集中度存在較大差異；人口密度的標準差大于400，極差在2200人/平方公里左右，說明不同地區的人口密度存在巨大差異；GDP等幾項指標同樣存在明顯的差異性。

通過各個年份CR3、CR5和HHI指標的變化趨勢可以發現，在2012年以前，CR3和CR5均呈小幅遞增趨勢，到2012年這兩個指標均有所回落；在2009-2012年期間，HHI呈現出持續遞減的趨勢。這一結果說明，從2009年至2011年，財險市場中份額最大的3家及5家企業的集中程度增加，市場份額小的公司的市場占有率下降，即在大財險公司層面集中度增加，在中小財險公司層面集中度降低；2012年，財險行業發展競爭程度增加，在大、中、小財險公司層面集中度均在降低。對于不同地區的異質性而言，在樣本期內，CR3的標準差逐漸增大，CR5和HHI的標準差逐漸縮小，意味著在宏觀層面上各個地區集中度的差異性降低，對市場影響最大的3家企業對市場占有度的差異性更加突出。從2009年至2012年，人口密度的均值呈現出遞增趨勢，標準差隨時間的增加而擴大，說明各個地區人口密度的差異性在樣本期內不斷增加。同時，GDP、客運量、貨運量、在崗職工平均工資4個控制變量的均值也呈遞增趨勢，標準差也隨時間的推移而增加。

表3為2009-2012年代表性地區財險市場集中度測算結果。4年來，北京、上海、青島、浙江(不含寧波)等地的財險市場集中度均較低，寧夏、青海、新疆、海南等地的財險市場集中度均較高，這一事實與“經濟越發達，集中度越低，反之則反”的共識相一致。然而，廣東(不含深圳)、深圳、福建(不含廈門)、廈門的經濟發展水平與浙江等地較為接近，但財險市場集中度水平卻更高，各項指標差異較大的河南、河北、安徽、山東(不含青島)等地的財險市場集中度水平均較低，這些現象說明經濟因素只是解釋市場集中度的一個原因，也就是說，還有影響財險市場集中度的其它因素。那么，是什么因素導致北京、上海、廣東(不含深圳)、深圳地區的財險市場集中度有如此大的差異呢？

表2　2009-2012年各變量的描述性統計

資料來源：作者整理計算所得。

表3　2009-2012年代表性地區財險市場集中度(%)

圖1　2012年財險市場集中度與人口密度關系圖

資料來源：作者整理計算所得。

通過對樣本進行直接觀察發現，各個地區的人口密度和集中度指標呈相反的變化趨勢，二者存在明顯的負相關關系。特別地，北京、上海、青島、浙江、河南等地人口密度較高，對應著較低的財險市場集中度水平；廣東(不含深圳)、福建等地人口密度較低，對應著較高的財險市場集中度水平；寧夏等地的低人口密度對應于財險市場高集中度；然而，人口密度因素尚無法解釋深圳和廈門財險市場高集中度現象，這也說明人口因素并不是“萬能因素”，其只能解釋大部分省市而非全部地區的財險市場集中度現狀。為了刻畫財險市場集中度與人口密度之間的關系，本文以人口密度為橫軸，分別以CR3、CR5、HHI3個集中度指標為縱軸，構建2012年財險市場集中度與人口密度關系圖，刻畫財險市場集中度隨人口密度的增長呈現出的變化趨勢。圖1顯示，CR3、CR5、HHI3個指標均與人口密度呈反向關系，3個指標均隨人口密度的提高而降低。基于以上分析，本文認為人口密度是解釋為什么財險市場集中度在經濟水平相當的地區存在明顯差異的一個原因。

四實證分析

(一)面板分位數模型

基于Koenker的懲罰分位數思想，本文使用R軟件建立面板分位數模型，探討不同地區人口密度對財險集中度的影響。由于所考察的樣本量較小，本文僅建立分位點為10%、40%、60%以及90%的面板分位數模型，參數估計結果見表4。

Panel 1中的結果說明，在10%、40%、60%以及90% 4個分位點處，人口密度均對財險市場集中度(CR3)有負向作用，即人口密度的增加會導致財險市場集中度降低。人口密度對財險市場集中度的影響強度隨著分位點的增加存在減弱趨勢，在集中度較高的90%分位點，影響強度為-0.0068，即人口密度每提高1人/平方公里將使集中度降低0.0068個百分點。在集中度較低的10%分位點處，人口密度對財險市場集中度的影響強度為-0.0079，即人口密度每提高1人/平方公里將使集中度降低0.0079個百分點。因此，采取擴大人口規模的策略能夠降低財險市場集中度，提高財險市場的競爭程度，而且在財險市場集中度低的地區擴大人口規模將比財險市場集中度高的地區更有效。

此外，目前中國各地區財險市場中CR3的最小值為56.22%，整個市場CR3的最小值為63.97%，不論是地區市場還是全國市場，均屬于集中度較高的層次。擴大人口規模、增加人口密度能夠降低市場集中度，有益于改善財險市場的競爭狀況。這一結果支持本文假設，意味著人口密度的變化對于財險市場集中度有明顯的反作用，即增加人口密度能夠產生使財險市場集中度下行的“壓力”。這可從人口因素對勞動力和消費者市場等方面的影響以及基于人口增長的城市化發展等角度來理解。

對于4個控制變量而言，在中、高集中度(40%、60%以及90%分位點)情形下，GDP的變化對財險市場集中度有顯著的負向影響，從而輔助證明經濟水平的提高將降低財險市場上的集中程度。與此同時，客運量和貨運量對市場集中度的影響方向相反，貨運量的增加有助于降低財險市場集中度，客運量增加則會使集中度增大，但兩個控制變量的參數估計結果的顯著性有所差異，系數符號在集中度因變量不同的模型中也有所不同。原因可能在于：本文度量客運量和貨運量的指標分別為公共交通工具的人員運送量和以私營運輸為主的貨物運輸量。就客運量指標而言，乘客往往通過客運公司或航空公司購買與這些公司長期合作的保險公司的意外險，同時流動人員在始發地或目的地的固定財產分布不對稱，通常在一方具有較少的固定財產，而且在購買財產險時往往具有較強的自主性，所以客運量指標對應著大量穩定的意外險和少量不確定的財產險。在貨物運輸過程中，委托方或承運方通常會購買全額保險，而且貨物委托方或承運方公司相對自由，在購買保險時更具有主觀性和隨意性，并不對應特定的財險公司。客運量的增加使市場上意外險和財產險保費收入增長，同時在意外險領域使市場更為集中，在財產險領域使市場更為分散。需要說明的是，CR3和CR5指標本身反映了財險市場中規模最大的3家和5家保險公司的市場份額比重，而HHI指數則意味著全體保險公司市場份額的分散化程度。同時，客運量指標雖然影響著財險市場集中度，但是由于這一影響并不確定，導致客運量分散財產險市場的功能無法反映在CR3和CR5指標中，僅能在HHI指標中得以反映，而CR3和CR5指標則主要反映客運量對意外險的確定影響。此外客運量形成的意外險的規模小于財產險的規模，反映在HHI中則是客運量對財險市場集中度有負向影響。因此，Panel 1的結果意味著人員流動性的增強通過購買意外險和財產險使財險市場集中度增強，貨物流動性使財險市場集中度有所降低。相應地，Panel 2的結果與上述結論一致，而Panel 3中客運量對財險市場集中度的影響則為負，但是不顯著。中國保監會披露的數據顯示，2015年我國非壽險市場上意外險保費總收入為635.56億元，而財產險保費總收入為7994.94億元，說明財險公司經營財產險的規模遠大于意外險的規模，這也為上述結論提供了支撐。

表4　面板分位數模型參數估計

(續上表)

變量10%40%60%90%Panel3HHI為因變量MD-0.0035***-0.0035***-0.0033***-0.0042***(0.0013)(0.0012)(0.0013)(0.0016)GDP-1.2404-1.1016-1.0843-0.3027(0.7984)(0.7811)(0.7541)(0.9615)KY-0.0266-0.0743-0.0760-0.1465(0.0681)(0.0772)(0.0833)(0.1069)HY-0.0001-0.01610.02180.0197(0.0796)(0.0791)(0.0755)(0.0992)GZ-0.6853*-0.9381***-0.9172***-0.8628*(0.3678)(0.3225)(0.3248)(0.4909)常數項26.2407***28.9132***28.8693***30.7451***(1.9972)(1.4516)(1.4811)(1.9455)

注：Panel 1、Panel 2和Panel 3分別是使用CR3、CR5和HHI作為衡量財險市場集中度的因變量建立模型得到的參數估計結果；*、**、***分別表示在10%、5%、1%的顯著性水平下顯著；括號中為相應系數的標準誤。

這一結果反映出人口流動和物資流動對財險市場集中度的影響不同。當然，由于本文沒有詳細區分人口以及物資的流入和流出效應，根據該模型無法更為深入地探討人口和物資流入、流出對財險市場集中度的影響。與客運量指標相似，在崗職工平均工資對財險市場集中度的作用也具有不確定性。

(二)穩健性檢驗

為了避免因變量的選擇性偏誤而得到錯誤結論，本文使用CR3、CR5和HHI分別作為因變量建立模型，通過替換因變量的方式，根據3個模型的結果論證穩健性。在表4中，分別使用CR5和HHI替換CR3，重新得到面板分位數模型的參數估計結果Panel 2和Panel 3，從而驗證面板分位數模型的估計結果具有穩健性，并進一步分析不同集中度水平下人口密度變化對市場集中度的影響。Panel 2的結果顯示，在各個分位點處，人口密度均對財險市場集中度有顯著的負向作用，說明使用CR5作為刻畫財險市場集中度的指標建立模型與使用CR3作為因變量時的結果一致，即人口密度的擴大有助于減弱各地財險市場的集中度，從而改善財險市場上的競爭狀況。

在Panel 3中，使用HHI作為衡量市場集中度的因變量建立模型也可以得到一致的結論。Panel 2、Panel 3與Panel 1的差異在于，由Panel 1可得出在低集中度水平下，人口密度對財險市場集中度的影響更強，Panel 2和Panel 3則說明在高集中度水平下，人口密度對財險市場集中度的影響更大。但這一差異之處并不影響證明本文所用的面板分位數模型具有穩健性。Panel 1、Panel 2和Panel 3的結果說明面板分位數模型適用于分析中國各個省、自治區、直轄市以及計劃單列市的財險市場集中度問題。因此，即使衡量財險市場集中度的指標不同，本文的假設均成立，即人口增長、人口密度增加將有助于降低財險市場集中度。

對于不同的分位點，Panel 2得到的人口密度系數的絕對值均小于Panel 1中的相應值，這意味著人口密度的變化對CR5的影響相對于CR3而言更弱。由于CR3代表市場中份額最大的3家財險公司的市場份額之和，CR5表示市場中份額最大的5家財險公司的市場份額之和，就刻畫集中程度的能力而言，CR3的值變大(或變小)比CR5變大(或變小)更能反映市場集中程度的變化，因為CR3比CR5的值更能夠凸顯市場上的壟斷勢力。因此，人口密度對CR3的影響大于對CR5的影響在一定程度上說明，人口密度有助于改善壟斷程度更大情況下的市場競爭狀況。HHI考慮市場上所有企業的市場份額，根據整個市場的信息描述市場的集中度。相對而言，CR3和CR5主要從反映“集中”狀況的角度描述集中度，而HHI更能反映市場份額的“分散”狀況。因此，與CR3和CR5相比，使用HHI作為因變量建模的結果是，各個分位點處人口密度系數估計值的絕對值更小，即相對于市場份額小的企業，人口密度的增加對降低市場份額大的企業的市場份額有更強的作用，這為解決當前中國財險市場上高CR3和CR5問題提供了新的途徑。

圖2　各模型人口密度系數變化圖

資料來源：作者整理計算所得。

對于估計得到的面板分位數模型，圖2呈現出了人口密度的系數在不同分位點處的變化趨勢。以CR3為因變量的模型中，人口密度的系數隨著分位點的增加呈現波動遞增的趨勢；以CR5為因變量的模型中，該系數隨著分位點的增加呈現波動遞減的趨勢；以HHI為因變量的模型中，該系數隨著分位點的增加呈現平穩波動的趨勢，并且3個模型估計的系數值均為負。

五結論與建議

本文引入Koenker提出的面板分位數模型進行實證研究，探討了存在地區異質性時人口密度變化對財險市場集中度的影響，結果表明人口密度對財險集中度有顯著的負向影響，驗證了本文提出的假設，即人口密度的提升能夠增強財險市場的競爭水平，對降低財險市場集中度有顯著作用。使用CR3、CR5和HHI分別作為因變量刻畫財險市場集中度得到一致的結論，說明在分析人口密度對財險市場集中度的影響時，面板分位數模型具有穩健性。因此，在各個地區促進經濟發展的同時，人口密度的提高(或降低)有顯著地降低(或提高)當地財險市場集中度的作用。人口密度的調整可以改善保險業的市場結構。

此外，人口密度對CR3、CR5和HHI3個指標的影響強度依次遞減，說明在市場主要集中于少數幾家企業時，人口密度的擴大更有助于降低市場集中度。由于我國3家財險公司占有60%以上的市場份額，增加人口密度對財險市場競爭狀況的改善作用更加明顯、有效。

本文對保險業發展、財險公司、地方政府以及監管機構制定戰略、政策具有較強的理論價值和現實意義。根據實證分析的結果，本文得到如下啟示：

第一，在國家大力發展保險業的大環境下，各地政府在進行規劃時，應積極通過提高人口密度、購買保險服務等方式擴大市場規模，吸引更多的財險公司在當地設立分支機構，改善市場競爭狀況。

第二，隨著“單獨二孩”政策的逐步放開以及“全面二孩”政策的推行，地方政府應積極落實生育政策，增加本地人口規模，提升當地人口密度。隨著人口規模、市場規模的擴大，財險市場競爭程度將隨之提升，最終促使財險市場集中度逐步降低。

第三，在地方政府進行人口調整、規劃的同時，應同時注重新型城鎮化戰略的落實，通過中小城鎮的建設，引導當地的流動人口在中小城市聚集，增加中小城市的人口密度，進而改善當地保險業的市場結構，促進當地保險業的發展。

[參考文獻]

[1] Demsetz, H.. Industry Structure, Market Rivalry, and Public Policy[J].JournalofLawandEconomics, 1973, 16(1): 1-9.

[2] Peltzman, S.. The Gains and Losses from Industrial Concentration[J].JournalofLawandEconomics, 1977, 20(2): 229-264.

[3] Martin, P., Ottaviano, G.. Growing Locations: Industry Location in a Model of Endogenous Growth[J].EuropeanEconomicReview, 1999, 43(2): 281-302.

[4] Sbergami, F.. Agglomeration and Economic Growth: Some Puzzles[J].HEIWorkingPaper, 2002.

[5] 白重恩, 杜穎娟, 陶志剛等. 地方保護主義及產業地區集中度的決定因素和變動趨勢[J]. 經濟研究, 2004, (4): 29-40.

[6] 范劍勇. 產業集聚與地區間勞動生產率差異[J]. 經濟研究, 2006, (11): 72-81.

[7] 紀玉山, 李兵. 對產業集中度決定因素的一項文獻歸類與總結[J]. 產經評論, 2012, 3(1): 22-34.

[8] 邵全權. 中國產險公司市場結構、 競爭模式與績效關系研究——基于2001～2005 年非平衡面板數據的實證分析[J]. 數量經濟技術經濟研究, 2008, (8): 123-136, 160.

[9] 王博, 邵全權. 保險業市場結構調整能提升經濟增長質量嗎?[J]. 產業經濟研究, 2015, (1): 33-44.

[10] Tabuchi, T.. Urban Agglomeration, Capital Augmenting Technology, and Labor Market Equilibrium[J].JournalofUrbanEconomics, 1986, 20(2): 211-228.

[11] Lucas, R. E. Jr. On the Mechanics of Economic Development[J].JournalofMonetaryEconomics, 1988, 22(88): 3-42.

[12] Ottaviano, G., Puga, D.. Agglomeration in the Global Economy: A Survey of the ‘New Economic Geography’[J].TheWorldEconomy, 1998, 21(6): 707-731.

[13] Fujita, M., Mori, T., Henderson, J. V., et al.. Spatial Distribution of Economic Activities in Japan and China[J].HandbookofRegionalandUrbanEconomics, 2004, 4: 2911-2977.

[14] Wolf, N..Endowments,MarketPotential,andIndustrialLocation:EvidencefromInterwarPoland(1918-1939)[M]. Centre for Economic Performance, London School of Economics and Political Science, 2004.

[15] 郭金龍, 張昊. 中國保險業發展的人口因素分析[J]. 中國人口科學, 2005, (1): 74-80, 96.

[16] 肖志光. 論我國保險市場區域均衡發展——基于保險需求的理論與實證[J]. 金融研究, 2007, (6): 181-191.

[17] 顏銀根. FDI、勞動力流動與非農產業集聚[J]. 世界經濟研究, 2014, (2): 67-74.

[18] 賈立文, 斯琴塔娜, 張芳芳等. 城鎮化、 人口規模對非壽險保險深度的影響研究[J]. 經濟體制改革, 2015, (6): 41-46.

[19] Koenker, R.. Quantile Regression for Longitudinal Data[J].JournalofMultivariateAnalysis, 2004, 91(1): 74-89.

[20] 張曙霄, 戴永安. 異質性、 財政分權與城市經濟增長——基于面板分位數回歸模型的研究[J]. 金融研究, 2012, (1): 103-115.

[21] 王偉, 孫大超, 楊嬌輝. 金融發展是否能夠促進海外直接投資——基于面板分位數的經驗分析[J]. 國際貿易問題, 2013, (9): 120-131.

[22] 吳鑑洪, 趙衛亞, 謝祺. 面板向量分位數回歸及其在居民消費行為研究中的應用[J]. 統計研究, 2014, 31(6): 91-97.

[23] 王小魯. 中國城市化路徑與城市規模的經濟學分析[J]. 經濟研究, 2010, (10): 20-32.

[24] Chernozhukov, V., Hansen, C.. Instrumental Quantile Regression Inference for Structural and Treatment Effects Models[J].JournalofEconometrics, 2006, 132(2): 491-525.

[25] Antonio, F., Galvao, J.. Quantile Regression for Dynamic Panel Data with Fixed Effects[J].JournalofEconometrics, 2011, 164 (1): 142-157.

[26] Ponomareva, M.. Quantile Regression for Panel Data Models with Fixed Effects and Small T: Identification and Estimation[J].NorthwesternEconomicsDepartmentWorkingPaper, 2011.

[27] Lamache, C. E..QuantileRegressionforPanelData[M]. Champaign: University of Illinois Press, 2006.

[DOI]10.14007/j.cnki.cjpl.2016.02.006

[引用方式]賈立文, 趙鶴臨. 地區差異、 人口密度與財險市場集中度[J]. 產經評論, 2016, 7(2): 58-70.

[責任編輯：戴天仕]

Regional Difference, Population Density and Property Insurance Market Concentration

JIA Li-wenZHAO He-lin

Abstract:The characteristic of natural monopoly is embodied in insurance industry. If all the requirements in our society have been guaranteed, it will be beneficial to improve the social welfare, to do the research about the influence of regional difference, population density and other factors on the concentration of property insurance market, and to decrease the concentration of property insurance market as far as possible. There is obvious heterogeneity in the developmental pattern of different district in China and there is accordingly difference among these property insurance markets. This paper utilizes panel quantile regression model to analyze whether population density has significant impact on market concentration of property insurance. In practice, the market share of three or five largest insurance companies and the quadratic sum of the market share of all insurance companies, namely, CR3, CR5 and HHI are the main indicators, which depicts the concentration of property insurance market. This article takes CR3, CR5 and HHI as dependent variable, utilizes population density as independent variable and panel quantile regression results show the population density has significant negative impact on concentration of property insurance market. Empirical analysis illustrate that the influence on CR3, CR5 and HHI is decreasing gradually. Compare to the small companies, to increase the population density could decrease the market share of large companies more efficiently.

Key words:property insurance market; market concentration; population density; regional difference; panel quantile model

[中圖分類號]F832

[文獻標識碼]A

[文章編號]1674-8298(2016)02-0058-13

[作者簡介]賈立文，中國人民大學財政金融學院博士研究生，主要研究方向為風險管理與保險；趙鶴臨，中國人民大學商學院，主要研究方向為公司財務與金融市場。

[基金項目]中國人民大學2014年度拔尖創新人才培育資助計劃項目“風險管理在中國歷史文物建筑保護中的應用研究”(負責人：賈立文)。

[收稿日期]2015-11-09