我國壽險業承保端風險擴張及原因分析

尚穎 賈士彬

摘 ? 要：本文選取2007—2017年間30個省（市、自治區）數據，運用熵權法構建承保端風險評價指標，并引入0—1權重矩陣和地理權重矩陣進行空間面板回歸分析。結果顯示，壽險業承保端風險不存在[β]收斂，并有進一步擴大的趨勢，這是替代效應、收入效應、資金貶值效應共同作用的結果，且同時受人口死亡率、壽險業務結構、壽險業務波動等因素的影響。本文建議從壽險業自身做起，控制業務發展速度、優化業務結構，適時進行調整。

關鍵詞：承保端風險;空間滯后模型;替代效應;壽險業務結構

中圖分類號：F840.622 ?文獻標識碼：B ?文章編號：1674-2265（2020）03-0078-08

DOI：10.19647/j.cnki.37-1462/f.2020.03.010

一、引言

1998年，我國壽險業保費收入首次超過產險業，截至2018年底，壽險業保費收入已達2.725萬億元，遠高于財險市場的1.176萬億元，在整個保險市場中占據舉足輕重的地位。壽險業獲得快速發展的同時，承保端所積聚的風險也越來越突顯，主要表現為退保風險的加劇和給付率的波動。近年來，很多壽險公司承保端產品大多通過高收益來短時間籌集大量資金，高成本加大其對于資產端回報的高要求，在資產端市場非有效性的背景下，投機和短視行為是其最優的策略選擇，資產端風險的加劇會影響壽險公司現金流、資產負債匹配、償付能力、市場信譽和地位，甚至影響壽險業的社會認可度和發展，進而造成退保危機和給付壓力，產生系統性風險。2007—2017年間，我國壽險業退保率平均達到16.17%，并呈U形發展趨勢，2014年退保率最高，為24.31%，很多地區不同年份也曾出現高退保率，2014年河南省高達40.98%，2017年上海高達39.69%。雖然壽險業給付率相對穩定，平均為22.02%，但個別地區、個別年份也曾出現過較大波動，2007年黑龍江省給付率高達55.55%，浙江省達42.83%，給付風險依然存在。再加上經濟、人口、金融等外界環境的干擾，以及資產驅動與負債驅動兩種經營模式的并向發展，壽險業承保端風險不斷更新和演化。更重要的是，由于壽險公司大多在不同省域設立分支機構，省域間的交往會更加密切，基于公司系統內部考核和外部競爭的壓力，相鄰地區壽險業承保端風險可能會階段性趨同。因此，在研究壽險業承保端風險及其影響因素時，需將空間因素考慮在內。

二、文獻綜述

關于壽險業承保端風險的研究，大部分文獻主要集中于退保風險影響因素的探究。早期國外學者提出的應急資金假說、市場利率假說、保單替代假說（Linton，1932;Outreville，1990;Kuo等，2003），在中國壽險市場也得到了驗證，但研究結論并不一致：展凱（2008）分別用利率、物價指數、失業率作為替代變量，運用VEC模型，證實存在顯著的利率替代效應和支付貶值效應，短期內利率變化能引起退保率的同方向變化，而長期則表現為反方向變化;通脹率長短期均會使退保率同向變化，但其并不支持財務危機假說。陳華等（2014）同樣支持利率替代效應，指出長期利率、短期利率和利差的上升均會造成退保率的提高，且財務危機假說也成立，退保率和失業率正相關。何欣等（2015）采用類似變量，運用面板固定效應模型，卻僅支持支付貶值效應，認為退保率會隨著通脹率的上升而上升。也有學者用收入（楚軍紅，1997）、經濟增長（孫蓉等，2012）作為財務危機效應的替代變量，且證實其對退保率均有影響。除此以外，新單占比（陳華等，2014）、保單條款的具體設計（Hendel，2003）、被保險人死亡情況（郭春燕等，2008）、投保人年齡大小、保費與交費形式、保單經過年數（彭玉龍，2005）、保險公司服務質量和客戶滿意度（劉超，2006）、附加服務（郭鐘亮，2017）、教育水平、信息認知偏差（畢泗鋒等，2018）、壽險業務類型（王向楠，2012;展凱等，2013;何欣等，2015）等均會不同程度影響壽險公司的退保率。

而更值得關注的是，隨著創新型壽險產品的出現，壽險業承保端風險出現了一些新的變化，部分學者也開始致力于此方面的研究。陳秉正等（2016）通過建立雙驅動型動態最優資產負債管理模型，驗證了負債端高風險性萬能險業務的發展規律：當萬能險業務平穩時，萬能險賬戶流動性充裕，不會發生流動性風險，但當流動性突然惡化時，保險公司將面臨一定的流動性風險與資產折價風險。

綜上所述，以往文獻更多針對的是壽險業承保端退保單一風險的研究，雖然壽險市場給付風險波動不如產險市場大，但由于其依然存在嚴重的逆向選擇和各種不確定性因素，給付風險不容忽視。本文首次將退保風險和給付風險一并作為壽險業承保端風險考量指標，采用熵權法整體評估壽險業承保端風險。此外，上述研究文獻并未涉及對我國壽險業承保端風險收斂或擴張趨勢的判斷，且很少考慮可能存在的空間異質性和傳染影響，而這種空間效應卻是存在的，范慶祝等（2017）已經證實了退保行為的凈傳染假說。因此，本文將在此基礎上，運用空間面板模型，進一步研究我國壽險業承保端風險的發展趨勢及其原因。

三、壽險業承保端風險趨勢：收斂還是擴張？

（一）壽險業承保端風險評價指標構建

衡量壽險業承保端風險的指標主要分為兩大類：第一類基于消費者角度考量，為退保風險指標，用退保率來衡量，公式表示為：退保率（WR）=退保金/人身保險保費;第二類基于壽險公司角度考量，為給付風險指標，包括賠付率（PR=賠付/人身保險保費）、死傷醫療給付率（DIR=死傷醫療給付/人身保險保費）、滿期給付率（FPR=滿期給付/人身保險保費）和年金給付率（APR=年金給付/人身保險保費）4個子指標。為了更加準確地刻畫壽險業承保端風險，本文綜合考量上述5項指標，利用熵權法構建了一項新的承保端風險指標，記為Risk①。具體方法如下：第一步，計算第[j]個風險指標的比重[Pij]，計算公式為[Pij=p'iji=1mp'ij]（[p'ij]為原始矩陣）;第二步，計算第[j]個風險指標的熵值[Ej]，計算公式為[Ej=-1lnmi=1mPij×lnPij];第三步，計算變異系數[Vj=1-Ej];第四步，計算第[j]個風險指標在綜合評價指標中的權重[Wj]，計算公式為[Wj=Vjj=1nVj];第五步，計算綜合評價指數[Riski=j=1nWj×Pij]。其中[Riski]代表第[i]省份的綜合風險指數，[Riski]越大，表示第[i]省份的風險暴露程度越大。

（二）權重矩陣選擇

在進行實證分析之前，先對各變量進行單位根檢驗，根據Hadri單位根檢驗結果，各變量在10%的置信水平內均通過顯著性檢驗，即不存在單位根，在此不再展示檢驗結果。從回歸結果來看，如表1所示，選擇SEM模型更為合適。在0—1權重和距離權重下，[β]值均為正值，壽險業承保端風險并未呈現出全局域的[β]收斂，反而趨于發散。這一結論說明我國壽險業承保端依然存在較大風險，并有不斷擴大的趨勢。那么，為什么我國壽險業承保端風險沒有呈現出[β]收斂呢？

四、承保端風險擴張的原因分析

（一）指標選取與數據選擇

本文綜合考量以往學者研究指標基礎上，選取解釋變量如下：

1. 第一大類影響因素：退保風險影響因素。

（1）替代效應指標。人們之所以選擇退保，可能源于替代性產品的吸引，人們會將投保理財性保險產品的收益率與投資股票、基金、債券、銀行存款，甚至是房地產的收益率相比較，進而產生替代效應。基于此，本文分別選取資本市場波動（CMF）、存款波動（DF）、房價波動（HPF）三項指標為替代變量。

（2）收入效應指標。Outreville （1990） 將早期 Linton（1932） 的應急資金假說繼續拓展，指出除失業率外，隨著實際收入的提高，投保人需要資金應急的可能性下降，退保率將會降低。但也有學者持相反觀點，Kiesenbauer（2012） 證實收入水平和退保率成正比，認為隨著收入和儲蓄增加，消費者有動機通過退保籌措部分資金，用于積累的資金進行較大金額的采購。由于數據的可獲取性，本文選取城鎮單位就業人員工資總額作為替代變量，為削減異方差，做對數處理，記為lnUW。

（3）資金貶值效應指標。許多學者都認為通貨膨脹與退保有關系（展凱，2008;何欣等，2015），為了進一步檢驗資金貶值效應，本文選取物價指數（CPI）作為替代變量，并取對數。

（4）教育水平。人們的教育水平不同，對保險的認識不同，理性選擇購買或退保的程度也會不同，進而可能會影響退保行為。本文用各地區本科及以上學歷人數作為衡量指標，記為ED，并取對數。

2. 第二大類影響因素：給付風險影響因素。

（1）壽險業務波動。業務規模增長過快或過慢都可能導致承保端出現給付壓力，因此，本文同時引入壽險業務保費增長率（PIF）及其平方項（PIFS）表示。

（2）社會醫療保險支出水平。社會醫療保險可以通過影響商業醫療保險支出，進而影響壽險業的賠付情況。一方面，大部分商業醫療保險的賠付都是以參加社會醫療保險為基礎的，社會醫療保險賠付后，剩余部分醫療費用可由商業醫療保險賠付，可能會減少商業醫療費用的賠付，體現為替代作用;但另一方面，隨著醫療費用的普遍上漲，社會醫療保險支出會增加，商業醫療保險賠付也會同時增加，體現為補充作用。此外，也有可能社會醫療保險支出增長與商業醫療保險關系不明顯，因為很多參與社會醫療保險的群體可能并沒有投保商業醫療保險。基于此，本文用社會醫療保險支出（SME）這一指標來衡量，鑒于數據來源有限，采用城鎮職工與城鎮居民社會醫療保險基金支出之和作為替代變量，并做對數處理。

3. 第三大類影響因素：賠付、退保雙風險影響因素。

（1）新單業務占比。一方面，Russell等（2013）指出隨著壽險公司新業務的增加，退保行為將會增加;另一方面，不同新單業務類型也會影響壽險公司給付情況。本文用新單保費占比（NIP）來表示。

（2）死亡率。壽險定價與死亡率有著密切的關系，進而可能影響壽險公司給付狀況。另外，郭春燕等（2008）還指出被保險人死亡狀況也會影響人們的退保行為。本文用人口死亡率（DR）這一指標來表示。

（3）壽險業產品結構。按照壽險業產品性質，可分為普通型壽險、分紅型壽險和投資型壽險，不同的壽險產品給付風險不同，退保風險也不同。普通型壽險具有純保障功能，分紅型壽險兼具儲蓄功能，投資型壽險兼具投資功能，包括萬能險和投連險。分別用保費占比來衡量，即普通型壽險保費占比（GLR）、分紅型壽險保費占比（DLR）、投資型壽險保費占比（ILR）。考慮壽險業產品結構與承保端風險可能存在非線性關系，同時將平方項納入空間回歸模型中，依次記為GLRS、DLRS和ILRS。為防止出現共線性，每個模型僅引入兩種壽險產品占比，各變量的描述性統計見表2。

本文選取了2007—2017年11年間除西藏外30個省（市、自治區）省際面板數據進行分析。數據主要來源于歷年保險年鑒、國家統計局網站和萬得數據庫。主要運用Stata、Geoda、Matlab等軟件來完成實證分析。

（二）研究方法

1. 研究方法選擇。鑒于不同省份壽險承保端風險存在非均衡分布特征，在進行省際面板分析時，若采用均質性空間地理假說（OLS）可能會產生有偏估計，將地區間的相互影響和沖擊納入模型設定尤為必要（Rodriguez-Pose，2004）。因此，本文先檢驗承保端風險省際面板數據的空間相關性，采用全局Morans I指數。計算公式為：

（三）承保端風險擴張的原因分析

1. 模型的設定。第一，空間相關性檢驗。通過全局Morans I指數計算，發現樣本期間內，0—1權重矩陣與距離權重矩陣下，除個別年份外，Risk指標在10%的置信水平上均存在顯著的空間相關性（見表2）。因此，為了計量結果的準確性，應將空間因素納入模型中。

第二，空間面板模型選擇。根據Hadri單位根檢驗，各變量在10%的置信水平內均通過顯著性檢驗，即不存在單位根，在此不再贅述。選擇空間面板模型，如表4所示，通過LM檢驗，尤其是R-LM檢驗，顯示各個模型設計中空間滯后項不顯著，而空間誤差項則較為顯著。因此，在空間滯后模型（SLM）、空間誤差模型（SEM）和空間杜賓模型（SDM）中，選擇空間誤差模型更為合適。

第三，混合效應、固定效應、隨機效應空間面板模型選擇。在確定空間滯后模型后，應根據LR和Hausman檢驗來確定混合效應、固定效應、隨機效應的選擇，結果如表5所示，均在10%顯著水平下通過檢驗，因此，最終選擇固定效應模型。

第四，固定效應模型選擇。根據普通面板F檢驗和Wald檢驗，比較個體固定效應、時間固定效應與雙固定效應模型，結果如表6所示，顯示既有個體趨勢項，又有時間趨勢項，因此，選擇雙固定效應模型。

2. 壽險業承保端風險擴張的原因分析。表7顯示的是模型1和模型2分別采用OLS、SLM、SEM回歸分析估計的結果，并且引入了0—1和距離兩種權重矩陣。由于樣本期內壽險業承保端風險這一指標存在空間依賴性，因此，OLS估計結果是有偏的。根據上述空間面板模型選擇過程，本文最終選取SEM模型更為合理，且各模型的Moran s I指數在1%置信水平上通過了檢驗。在不同的權重矩陣下，壽險業承保端風險各個影響因素的顯著性雖然有所差別，但影響方向基本相同。

（1）替代效應和收入效應共同作用的結果。在替代效應的三項指標中，只有資本市場波動對承保端風險的影響顯著，且通過了1%的顯著性檢驗。可見，資本市場波動可以通過影響退保風險來影響壽險業承保端風險。說明人們選擇退保，更多關注的是資本市場的變化，資本市場交易越頻繁，人們的投機意愿越強烈，相較于購買具有一定理財功能的壽險產品，投資股票、基金、債券的吸引力可能更大，因此就會產生替代效應而選擇退保，壽險業承保端風險越大。而存款波動和房價波動的替代效應卻并不顯著，這是因為，存款既無法與保險產品的保障功能相提并論，也不具有替代投資型壽險產品的必要性，存款對人們的吸引，更多是源于根深蒂固的傳統思想，而并不是以退保為代價。面對房價的波動，大部分人會選擇理性消費，退保轉而投資房地產并不是明智之舉，而且退保金可能杯水車薪。

收入效應顯著，與Kiesenbauer（2012）、范慶祝等（2017）的結論一致，在此基礎上，本文從另一個視角進行了解析，認為名義工資水平越高的省域，人們購買壽險，尤其是投資型壽險的能力和意愿越強，而壽險業退保風險基本來源于該類產品，該地區承保端風險會升高。這與之前一些學者提出的應急資金效應結論恰恰相反。

資金貶值效應顯著，但本文認為資金貶值不僅不會激勵退保行為，反而會降低退保率，這與收入效應的結論是相吻合的。假設名義收入水平不變，通脹水平越低的地區，實際工資水平越高，壽險業承保端風險增加。相反，通脹水平越高的地區，資金貶值嚴重，人們必然會選擇最有效的“保值增值”方式，保險就是其中一種，因此，退保的可能性相對較低，承保端風險隨之下降，而且有些壽險產品的設計本身就具有抗通脹的功能。

（2）壽險業務波動與業務結構失衡共同作用的結果。在樣本期內，除2008年和2016年我國壽險業保費收入增長率分別高達47.82%和36.78%外，其他年份均維持在20%左右，只有2011年出現負增長，為-0.10%。可見，保費收入波動基本處于一個合理的區間內，在這樣的區間內，隨著壽險業保費增長率的提升，給付率會下降。給付率這一指標的變化源于給付支出波動與保費收入增長的比較，可見，此時給付率下降的主要原因在于保費收入的增長，同時保費收入的增加也會減少給付壓力，進而承保端風險下降。歷年來，各家壽險公司都在采取各種手段努力展業，例如增員、開門紅、開拓新險種等，其目的之一就是利用大數法則降低承保端風險。但若壽險業保費收入持續進入諸如2008年和2016年的高速運行時期，隨著保費收入增長率的繼續提升，就會出現承保端風險上升的局面，因為壽險業務的快速發展需要高增長的產品結構，而這樣的產品結構具有高風險。可見，壽險業保費波動與承保端風險呈現出了顯著的U形關系。

從OLS回歸結果來看，新單占比會增加承保端風險，這與陳華等（2014）的估計結果一致。但在考慮空間因素之后，二者的關系變成了不顯著的負相關關系，可見，OLS回歸結果在某種程度上存在偏差。因為新單業務占比這一指標只體現了新業務的增長情況，而無法體現新業務的產品結構、期限結構等特征，不同性質的壽險產品，給承保端帶來的風險差異也會很大，可見，盲目追求新業務增長并不是明智之舉。

普通型壽險占比、分紅型壽險占比、投資型壽險占比三項指標與承保端風險在10%置信區間上均表現為顯著的非線性關系。普通型壽險、分紅型壽險與承保端風險呈現出倒U形關系，而投資型壽險則呈現出U形關系。普通型壽險是保險保障功能的根本體現，理應成為壽險業發展的中流砥柱，而當其占比相對較低時，壽險業承保端風險必然會增加，2008年普通壽險占比僅為11%，再加上當時金融危機的沖擊，我國壽險業面臨系統性輸入風險;反之，當普通型壽險占比相對較高時，風險則會降低，但也并非回到純保障時代，1996年以來產生的巨大利差損也證明了只發展普通型壽險并不能與時俱進，發展分紅型壽險與投資型壽險等新型壽險產品不僅在某種程度上能夠緩解利差壓力，更是在迎合消費者的需求。

因此，自1999年新型壽險產品開始登上歷史舞臺并占據主導地位。尤其是分紅型壽險，由于其具有一定的儲蓄性質，且分紅相對穩定而廣受青睞。可見，分紅型壽險與保障型壽險一樣具有廣闊的發展空間，并應該在壽險業發展中占據重要的市場地位，當二者占據了較高的市場份額時，承保風險均會逐漸下降。若二者的市場份額過低，意味著投資型險種占比較高，特別是萬能險，從2013 年開始因結算利率偏高、收益透明、期限較短等特點受到客戶追捧，對標萬能險的結算利率，分紅型壽險自然要被替代，分紅型壽險占比下降，萬能險占比上升。資產端市場的非有效性越高，通過投機行為獲得超高額回報的可能性越大，資金運用的投機和短視行為得到激勵，若保險市場沒有良好的競爭機制，再加上監管失效，作為市場主體，短期利益追求自然成為首選，中短期高現金價值產品大熱。而該類萬能險期限普遍在 1—2 年左右，因此從2014 年開始就出現了退保高峰。此外，“短錢長配”的經營策略以及特殊時期監管的失效，使得主動退保與被動退保并存，承保端風險加劇。

（3）其他影響因素。死亡率是壽險定價的主要來源之一，普通型壽險、分紅型壽險、投資型壽險的產品設計均與死亡率有密切關系。回歸結果顯示，壽險業承保端風險與死亡率呈顯著的正相關關系，死亡率越高的地區，人們的逆向選擇行為越明顯，壽險公司給付率越高，承保端風險越大。

但是在樣本期間內，一個地區教育水平的高低對承保端風險的影響并不顯著，是否選擇退保并沒有受人們教育水平的影響。另外，隨著各種污染的加重和人們對自身健康的重視，健康險業務持續增加，截至2017年底，我國健康險保費收入占壽險業整體保費收入的比重已增長到16.86%，而這必然也會帶來健康險業務的高賠付率。因此，很多醫療保險產品條款的設計都鼓勵人們先購買社會醫療保險，在社會醫療保險賠付之外，再予以更高比例的賠付，以減少保險公司自身賠付總額，降低賠付率。但從回歸結果來看，社會醫療保險基金支出與壽險業承保端風險并未表現出顯著性關系，這可能是由于醫療賠付這一子指標在整個壽險業給付風險指標中所占比重較低導致的。

五、結論與建議

（一）結論

本文以2007—2017年間30個省域面板數據為樣本，運用空間誤差模型分析了該期間我國壽險業承保端風險，結果顯示我國壽險業承保端風險并不存在[β]收斂，相反，仍有進一步擴大的趨勢，究其原因，主要存在于以下兩大方面：

1. 受外界環境的干擾。第一，受經濟環境因素影響顯著。人們的名義工資水平越高，購買價格相對較高的投資型壽險產品的能力和意愿越強，而這類產品又助推了投保人退保行為的選擇，因此，承保端風險增加。但通貨膨脹影響卻相反，通貨膨脹導致人們手中持有的貨幣資金貶值，實際收入水平下降，投資型壽險產品購買意愿有所下降，壽險業承保端風險降低。第二，受金融環境因素影響顯著。我國資本市場波動較大，人們的投機行為較為明顯，可能會以股票、債券等金融理財產品替代保險產品，導致壽險業承保端風險增加。第三，受人口環境因素影響顯著。實際死亡率越高，壽險公司給付風險越大，承保端風險也就越大。

2. 受壽險業內部因素影響。第一，受壽險業務規模波動影響顯著，且呈U形關系。在市場競爭壓力下，搶占市場份額成為各家壽險公司的主要目標，彼此間的博弈必然帶來業務規模的波動，業務規模波動過大或過小都會帶來承保端風險的增加。第二，受壽險業務結構影響顯著。普通型壽險占比、分紅型壽險占比、投資型壽險占比與承保端風險分別表現為倒U形、倒U形、U形關系。雖然一直以來普通型壽險和分紅型壽險在壽險市場份額中一直占據絕對地位，但投資型壽險的沖擊依然不容忽視，壽險公司的短視行為和利益驅動，再加上資本市場的無效和監管的失效，可能會給系統性風險的發生埋下隱患。最為關鍵的是“羊群效應”的存在，會進一步擴大風險共振的影響。

（二）相關建議

整體上講，外部環境因素會引發壽險業承保端風險的擴大，但很難控制和改變。內部因素也會加速承保端風險的暴露，因此，壽險業在守住行業內不發生系統性風險的底線方面一直在努力，例如壽險業務結構調整、“償二代”的實施等。在此基礎上，本文建議從以下幾方面繼續加強壽險業承保端風險防范：

第一，雖然行業內還并未形成“羊群效應”，但承保端風險有在地區間蔓延的趨勢，本地區壽險業務發展可能會對臨近地區產生影響，而這種溢出效應，可能是由不同地區公司間，尤其是系統內部各分公司間競爭及考核壓力引起的。因此，應重新審視各分公司考核機制，多方面設定考核目標，而不僅僅是業績標準;優化競爭機制，防止由于攀比而帶來的粗放經營和惡性競爭。

第二，壽險業務波動屬正常現象，但應控制在一個合理的范圍，保持穩定的增長速度。因此，一方面，應不斷開拓新業務，開發新險種，抑制壽險產品的同質化發展;另一方面，也要控制壽險業的過快發展，防止由于追逐短期利益而帶來的業務結構失衡。

第三，當前階段，應側重普通型壽險、分紅型壽險的發展，特別重視普通型壽險的保障功能，回歸保障本源。當然，壽險公司也應警惕分紅型壽險“急功近利”式發展，杜絕銷售過程中存在的不規范行為。控制投資型壽險的發展，始終警惕投連險、萬能險的過度發展，在充分發揮投資型壽險產品投資功能的同時，還要加大其保障成分，有效抑制投資型壽險產品的“變異”，防控承保端退保風險，減輕給付壓力。

注：

1由于其各項指標均為比例指標，取值在0—1之間，故不用標準化處理。

參考文獻：

[1]畢泗鋒，亓超.壽險保單退保影響因素研究——基于“信息認知偏差理論”的解釋 [J].保險研究，2018，（5）.

[2]陳華，孫越君.中國壽險產品退保率的影響因素分析——基于省級面板數據的實證檢驗 [J].當代經濟科學，2014，（7）.

[3]楚軍紅. 通貨膨脹對壽險需求的影響機制分析 [J]. 經濟科學，1997，（3）.

[4]范慶祝，孫祁祥. 中國壽險產品退保行為凈傳染效應研究——基于空間面板數據的實證分析 [J]. 保險研究，2017，（6）.

[5]郭春燕. 壽命分布模型在壽險退保研究中的應用 [J]. 財經論壇，2008，（6）.

[6]郭鐘亮. 保險附加服務引發的退保效用優化分析——基于行為保險學視角 [J]. 上海保險，2017，（12）.

[7]何欣，陳華. 宏微觀視角下的我國壽險市場退保率影響因素研究 [J].保險研究，2015，（4）.

[8]劉超. 結構方程模型在壽險公司客戶退保行為中的應用 [J]. 決策參考，2006，（1）.

[9]彭玉龍. 個人壽險保單退保失效現象分析 [J].保險研究，2005，（7）.

[10]孫蓉，張宗軍. 壽險業退保行為及其影響因素實證研究 [J].保險研究，2012，（8）.

[11]王向楠.中國壽險產品退保的實證研究：基于險種分類視角 [J].廣東金融學院學報，2012，（11）.

[12]展凱.中國壽險市場退保影響因素的實證分析 [J].當代經濟科學，2008，（7）.

[13]展凱，陳華.我國壽險保單退保影響因素的實證研究——基于公司層面的微觀數據 [J].保險研究，2013，（6）.

[14]Barro R，Sala-i-Martin X. 1997. Technological Diffusion，Convergence，and Growth [J].Journal of Economic Growth，2（1）.

[15]Hendel I.，Lizzeri A. 2003. The role of Commitment in Dynamic Contracts： Evidence from Life Insurance [J]. The Quarterly Journal of Economics，118.

[16]Kiesenbauer D. 2012. Main Determinants of Lapse in the German Life Insurance Industry [J].North American Actuarial Journal，16（1）.

[17]Kuo W. Y.，Tsai C. H.，Chen W. K. 2003. An Empirical Study on the Lapse Rate： the Co-integration Approach [J].Journal of Risk and Insurance，70（3）.

[18]Linton N. A. 1932. Panics and Cash Values [J]. Transactions of the Actuarial Society of America，38.

[19]Outreville J. F. 1990. Whole Life Insurance Lapse Rates and the Emergency Fund Hypothesis [J].Insurance：Mathematics and Economics，9.

[20]Rodriguez-Pose A. 2004. On English as a Vehicle to Preserve geographical diversity [J].Progress in Human Geography，28（1）.

[21]Russell D. T. 1997. An empirical analysis of life insurance policyholder surrender activity [D].A Dissertation of the University of Pennsylvania.

Abstract：Selecting the data of 30 provinces（municipalities and autonomous regions）from 2007 to 2017，this paper intends to construct evaluation indicator of underwriting risk by the entropy weight method，spatial panel regression analysis is introduced by introducing 0-1 weight matrix and geographic weight matrix. The result shows that there is no [β]convergence in the underwriting risk of life insurance and it will perhaps further expansion，which is caused by the combined effects of substitution，income and capital depreciation and affected by factors such as population mortality，business structure and fluctuations of life insurance. This paper proposes that life insurance industry should start from itself，control the speed of business development，optimize the business structure and adjust in a timely manner.

Key Words：underwriting risk，spatial lag model，substitution effect，business structure of life insurance