EN中文

地理科学进展 >

2022 , Vol. 41 >Issue 9: 1743 - 1754

DOI: https://doi.org/10.18306/dlkxjz.2022.09.015

“粤港澳大湾区创新发展”专辑

粤港澳大湾区保险业发展水平时空演变特征及对经济增长的影响

  • 李琼 , 1, 2, 3, 5 ,
  • 殷悦 2 ,
  • 张蓝澜 4 ,
  • 董梁 2 ,
  • 张文涛 , 5, *
展开
  • 1.宿迁学院管理学院,江苏 宿迁 223800
  • 2.吉首大学商学院,湖南 吉首 416000
  • 3.中国科学院地理科学与资源研究所吉首大学院士专家工作站,湖南 吉首 416000
  • 4.法国雷恩高等商学院,法国 雷恩 35000
  • 5.粤港澳大湾区战略研究院,广州 510070
*张文涛(1976— ),男,山东寿光人,博士生,研究方向为区域政策与区域发展。E-mail:

李琼(1972— ),女,湖南桑植人,教授,博士生导师,研究方向为区域经济与国民经济。E-mail:

收稿日期: 2022-01-24

  修回日期: 2022-06-22

  网络出版日期: 2022-11-28

基金资助

广东省科学院建设国内一流研究机构行动专项项目(2021GDASYL-20210401001)

国家自然科学基金项目(42130712)

国家社会科学基金项目(2021BJY099)

湖南省自然科学基金面上项目(2020JJ4503)

湖南省研究生科研创新项目(CX20211047)

国家民委课题(2021-GMB-038)

收起

Spatial and temporal features of insurance industry development level and its impact on economic growth in the Guangdong-Hong Kong-Macao Greater Bay Area

  • LI Qiong , 1, 2, 3, 5 ,
  • YIN Yue 2 ,
  • ZHANG Lanlan 4 ,
  • DONG Liang 2 ,
  • ZHANG Wentao , 5, *
Expand
  • 1. School of Management, Suqian University, Suqian 223800, Jiangsu, China
  • 2. Business School, Jishou University, Jishou 416000, Hunan, China
  • 3. Jishou University Academician's Expert Workstation, Institute of Geographic Sciences and Natural Resources Research, CAS, Jishou 416000, Hunan, China
  • 4. Rennes School of Business, Rennes 35000, France
  • 5. Institute of Strategy Research for Guangdong-Hong Kong-Macao Greater Bay Area, Guangzhou 510070, China

Received date: 2022-01-24

  Revised date: 2022-06-22

  Online published: 2022-11-28

Supported by

GDAS Special Project of Science and Technology Development(2021GDASYL-20210401001)

National Natural Science Foundation of China(42130712)

National Social Science Foundation of China(2021BJY099)

Natural Science Foundation of Hunan Province(2020JJ4503)

Hunan Provincial Postgraduate Research Innovation Project(CX20211047)

Project of National Ethnic Affairs Commission(2021-GMB-038)

Fold

摘要

保险业在中国经济发展、转型和产业升级等方面发挥着越来越重要的作用。论文利用粤港澳大湾区2006—2019年的市级面板数据,运用熵权、核密度估计和空间计量等方法,研究粤港澳大湾区保险业发展水平时空特征及其对经济增长的影响,结果表明：① 保险业发展水平综合指数在波动中上升,11个城市保险业发展水平呈现香港、澳门和广州单核领跑大湾区东、中、西部的特征,珠三角9市呈现广州、深圳和珠海单核领跑广佛肇、深莞惠和珠中江三大经济圈的特征;② 11个城市保险业发展水平存在两极分化现象,但高值区与低值区的绝对差异有缩小趋势,低值区城市之间的差距有扩大趋势;③ 保险业发展对本地区经济增长产生了显著的正向影响,在其他影响因素保持不变的情况下,保险业发展水平每提升1%,本地区经济增长0.0538%。保险业发展具有负溢出效应,但未通过显著性检验。研究成果为粤港澳大湾区相关部门制定保险业与经济发展相互促进的产业政策提供了理论依据。

关键词： 保险业; 经济增长; 核密度估计; 空间计量模型; 粤港澳大湾区

本文引用格式

李琼 , 殷悦 , 张蓝澜 , 董梁 , 张文涛 . 粤港澳大湾区保险业发展水平时空演变特征及对经济增长的影响[J]. 地理科学进展, 2022 , 41(9) : 1743 -1754 . DOI: 10.18306/dlkxjz.2022.09.015

Abstract

The insurance industry is playing an increasingly important role in China's economic development, transformation and industrial upgrading. Based on the city panel data of the Guangdong-Hong Kong-Macao Greater Bay Area (GBA) from 2006 to 2019 and using entropy weights, kernel density estimation, and spatial econometric methods, this study examined the spatial-temporal characteristics of the development level of the insurance industry in the area and its impact on economic growth. The findings are as follows: 1) The comprehensive index of insurance industry development level increased with fluctuation. The insurance industry development level in 11 cities of the GBA showed the characteristics of Hong Kong, Macao, and Guangzhou leading in the eastern, central, and western regions, and Guangzhou, Shenzhen, and Zhuhai leading in the three economic circles of Guangzhou-Foshan-Zhaoqing, Shenzhen-Dongguan-Huizhou, and Zhuhai-Zhongshan-Jiangmen. 2) The development level of the insurance industry in the 11 cities is polarized, but the absolute difference between high-value and low-value regions tends to decrease, and the gap between low-value areas tends to widen. 3) The development of the insurance industry has a significant positive impact on regional economic growth. If other influencing factors remain unchanged, each 1% increase in the development level of the insurance industry will result in a regional economic growth of 0.0538%. The development of the insurance industry has negative spillover effect, but it does not pass the significance test. The research results provide a theoretical basis for relevant departments in the Greater Bay Area to formulate industrial policies that promote the insurance industry and economic development mutually.

Key words： insurance industry; economic growth; kernel density estimation; spatial econometric model; Guangdong-Hong Kong-Macao Greater Bay Area

改革开放40多年来,受益于经济和社会的高速发展,中国保险业蓬勃发展,取得了令人瞩目的成绩。截至2020年底,中国保费收入突破4.5万亿元,为仅次于美国的世界第二大保险市场。保险业在中国经济发展、转型和产业升级等方面起到了强有力的支撑作用,但中国保险业发展不协调、不平衡问题突出[1],这必然影响到资源要素的合理配置[2],不利于中国社会主义现代化的全面实现和区域协调发展的战略构想。同时,随着中国经济转向高质量发展阶段,创新将成为经济增长的驱动力,这迫切需要更高质量的保险供给。因此,精准识别保险业发展的时空特征并探求保险业发展水平对经济增长的影响研究具有重要现实意义。
保险业发展的时空特征及其对经济增长的问题一直受到理论界关注。对于保险业发展的时空问题,早期研究主要集中于保险业发展水平的区域差异[3-4]以及导致区域差异的机理[5]。随着空间计量经济学的兴起,国内学者开始尝试研究中国保险业发展的空间格局、空间分异和空间特征。李恩龙等[6]、田小文等[7]从省级层面分析了中国保险业发展的空间分异。田乾等[8]运用Moran指数考察中国保险业发展的空间集聚效应。部分学者还探讨了中国保险业空间特征的驱动力,主要有经济[7]、人口[9]、城镇化[10]等因素。对于保险业是否促进了经济增长,大部分学者认为通过风险管理、损失补偿和资金融通,保险业成为经济增长的助推器[11⇓-13]。保险业可以促进金融资产形式的储蓄和资本形成,从而导致更高的经济增长[14]。部分学者则认为,由于保险会降低被保险人从事审慎行为和减少损失的动机,不仅不能促进经济的增长[15-16],而且还不利于经济增长[17]。还有一些学者认为,保险业是否促进经济增长与国家或地区经济发展水平有关。在某地区发展和人均收入水平较低时,保险发展对经济增长促进作用较弱[18-19],而经济发展水平越高的地区,保险发展对经济增长的拉动效应越强[20]。
由文献梳理可见,针对保险业的时空问题,特别是保险业对经济增长的影响研究比较丰富,这为本文提供了视角和内容方面的启示。但国内研究还有进一步拓展的空间：一是从研究尺度看,主要从全国和省级层面以及少量的市级层面展开,较缺乏以城市区域为空间单元的研究;二是从研究内容看,学者们多运用空间计量模型分析保险业发展水平对经济增长的影响,但鲜有在新古典经济增长理论基础上引入空间计量模型展开研究的。鉴于此,本文利用粤港澳大湾区2006—2019年的市级面板数据,运用熵值法测度粤港澳大湾区保险业发展水平综合指数,借助GIS软件可视化其时空演变过程,依据核密度估计曲线的位置、形态、延展性以及极化情况深入探究大湾区保险业发展水平的动态演进趋势,且在新古典经济增长模型的基础上运用空间计量模型探究保险业发展水平对经济增长的影响程度,为保险业促进经济高质量发展提供新的经验证据,以期为粤港澳大湾区相关部门制定保险业与经济发展相互促进的产业政策提供理论依据。

1 指标选取、数据来源与研究方法

1.1 研究区域

粤港澳大湾区既是中国经济开放程度最高的地区,也是中国现代保险业改革开放的策源地,经济和保险业发展在全国均有着举足轻重的地位。2019年中共中央、国务院印发的《粤港澳大湾区发展规划纲要》中有关保险的论述达17处[21],多处强调保险业在粤港澳大湾区经济发展中的关键作用。2020年,中国人民银行、银保监会、证监会、外汇局共同发布《关于金融支持粤港澳大湾区建设的意见》,指出要扩大保险业开放程度,加强粤港澳大湾区内地与香港、澳门的互联互通。随着粤港澳大湾区一体化的持续推进,三地人员往来,企业互动与合作会更密切,客观上对包括保险在内的金融资源产生了更大的需求,这也对保险业参与粤港澳大湾区建设提出了更高、更为迫切的要求。因此,厘清粤港澳大湾区保险业发展水平的时空特征及对经济增长的影响具有重要现实意义。本文的研究对象为粤港澳大湾区,具体包括：广州、深圳、佛山、东莞、珠海、惠州、江门、中山和肇庆9市以及香港和澳门2个特别行政区,空间范围为21°25′~24°30′N、111°12′~115°35′E,总面积约5.6万km2(图1)。
图1 粤港澳大湾区区位

注：本图基于自然资源部标准地图服务网站下载的审图号为GS(2019)4342号的标准地图绘制,底图无修改。下同。

Fig.1 Location of the Guangdong-Hong Kong-Macao Greater Bay Area

1.2 数据来源与指标选取

理论界的大多数研究采用保费收入、保险密度和保险深度反映保险业的发展水平[22⇓-24]。其中,保费收入为一定时期内国家或地区的总保费,反映了保险业发展的总体规模;保险密度是保费收入与总人口的比值,即人均保费,反映了一个国家或地区保险业的普及程度;保险深度是一个国家或地区保费收入与国内生产总值的比重,反映了保险业对经济发展的影响或渗透程度。这些指标能从不同侧面反映国家或地区的保险业发展水平,但指标的单一性也会存在结果不精准的可能性。故有学者从保险规模、效率和持续性等维度构建包括保费收入、保险密度、保险深度和保费增长率等具体指标的综合指标评价体系,通过测算综合指数比较中国保险业发展水平的时空特征。参考已有文献[2,25],并遵循科学性和数据来源的可得性原则,本文选取保费收入、保险密度、保险深度、赔付支出、赔付率、保费收入增长率、赔付支出增长率7个具体指标构建粤港澳大湾区保险业发展水平的综合评价指标体系(表1)。
表1 粤港澳大湾区保险业发展水平综合评价指标体系

Tab.1 Comprehensive evaluation index system for the development level of the insurance industry in the Guangdong-Hong Kong-Macao Greater Bay Area

目标层 指标层 指标说明 权重
保险业发展水平综合指数 保费收入(亿元) 一定期间的保费收入 0.230
保险密度(元/人) 保费收入/常住人口数 0.181
保险深度(%) 保费收入/GDP 0.132
赔付支出(亿元) 一定期间的保险赔付支出 0.276
赔付率(%) 赔付支出/保费收入 0.055
保费收入增长率(%) (当年总保费收入-上年总保费收入)/上年总保费收入 0.057
赔付支出增长率(%) (当年赔付支出-上年赔付支出)/上年赔付支出 0.069

注：各指标权重通过熵值法计算得到。

本文数据主要来源：珠三角9市数据来源于2007—2020年的《中国保险年鉴》《广东统计年鉴》及9市统计年鉴、国民经济与社会发展统计公报。香港和澳门的数据分别来源于《香港统计年刊》(2007—2020年)和《澳门统计年鉴》(2007—2020年)。港元和澳元采用当年平均汇率换算成人民币计入。

1.3 研究方法

1.3.1 熵值法

熵值法已广泛运用于各种综合指数的测算,其优点在于它是一种客观赋权法,避免了主观方法的偏差。本文运用熵值法测算粤港澳大湾区保险业发展水平的综合指数(I),其过程按照“计算指标的信息熵—确定权重—计算综合得分”步骤进行[26]。

1.3.2 核密度估计

核密度估计作为一种非参数估计方法,通常用于空间非均衡分析中,通过对比不同时期分布曲线的位置、形态、延展性以及极化程度来刻画对象的演变趋势和规律。本文选用理论界常用的高斯核函数刻画2006—2019年粤港澳大湾区保险业发展水平的时空分布动态演变趋势。公式如下[27]：
f ( x ) = 1 N h ∑ i = 1 N K x i - x - h
K ( x ) = 1 2 π e x p - x 2 2
式中： f ( x )为核密度函数; N为观测值的个数; x i为独立同分布的观测值; x -为均值; h表示带宽,为避免目视判读法的主观性,本文采用Silverman[28]提出的最优带宽表达式h=1.06 Se×N-1/5(Se为随机变量观测值标准差)确定该值;K(·)表示核函数,一般要满足下列条件：
l i m x → ∞ K ( x ) ∙ x = 0 K ( x ) ≥ 0 , ∫ - ∞ + ∞ K ( x ) d x = 1 s u p K ( x ) < + ∞

1.3.3 空间计量模型

经济一体化发展是粤港澳大湾区建设追求的目标,劳动力、技术和包括保险在内的金融等要素必然能在大湾区各城市间实现较为充分的无障碍流动,城市之间的经济要素存在明显的空间聚集效应[29]。故本文选取空间计量模型分析大湾区保险业发展对经济增长的影响。依据空间冲击方式的不同,空间计量模型有空间滞后模型(SLM)、空间误差模型(SEM)和空间杜宾模型(SDM)3种基本形式。相应表达式依次如下：
y = ρ W y + β X + ε
y = β X + μ , μ = λ W μ + ε
y = ρ W y + β X + W X θ + ε
式中：y是被解释变量,X是解释变量, ρ表示该城市观测值受到邻近城市被解释变量的影响程度, λ表示邻近城市关于被解释变量的误差冲击对该城市观测值的影响程度,β为参数估计,μ和ε为随机扰动项,W是空间权重, θ表示该城市观测值受到邻近城市解释变量的影响程度。

2 粤港澳大湾区保险业发展水平时空演变分析

2.1 时序特征

利用熵值法测度2006—2019年保险业发展水平综合指数(I),并绘出粤港澳大湾区、外围城市(江门、肇庆、惠州)和核心城市(深港广澳)、东(深港莞惠)中(广佛肇)西(澳珠中江)部不同区域保险业发展水平综合指数图(图2)。由图2可知,2006—2019年粤港澳大湾区保险业发展水平综合指数(I)在波动中上升,由0.161上升到0.219,上升幅度达36.02%,年均增速2.4%,说明粤港澳大湾区保险业取得了良好的成效,主要原因在于：一是经济高速增长提供的物质条件。改革开放以来,珠江三角洲地区率先建立开放型经济体系,人口和经济要素高度聚集,经济规模、居民收入水平快速增加,刺激了企业和居民购买保险的能力和需求,而香港和澳门保险业已相当成熟,这使得粤港澳大湾区保费规模持续增大、保险密度和保险深度呈双增长态势。2006年,粤港澳大湾区保费收入、保险密度和保险深度分别为2121亿、4101元/人和5.57%,到2019年,这3个指标分别为10185亿元、14026元/人和8.79%,年均增速分别为12.83%、9.92%和3.57%。二是国家对大湾区保险业发展的高度重视。从支持深圳建设保险创新发展试验区,支持澳门建立出口信用保险制度,巩固和提升香港国际金融中心地位,扩大保险业开放程度,支持粤港澳保险机构开展跨境人民币再保险业务和开发创新型跨境机动车保险和跨境医疗保险产品,支持在粤港澳大湾区内地设立外资保险集团、再保险机构、保险代理,有序推动大湾区内保险等金融产品跨境交易,支持保险资金投资粤港澳大湾区基础建设等方面,国家释放了多项政策红利,极大地推动了大湾区保险业发展。
图2 粤港澳大湾区及不同区域保险业发展水平综合指数

Fig.2 Comprehensive index of the development level of the insurance industry in the Guangdong-Hong Kong-Macao Greater Bay Area and different regions

分区域来看,粤港澳大湾区核心城市保险业发展水平综合指数呈现快速上升特征,远高于同期大湾区的平均水平。外围城市综合指数趋势线位于最下端,远低于同期大湾区的平均水平。大湾区东部城市保险业发展水平远好于西部和中部城市。香港无论是保费收入、保险密度和保险深度,均遥遥领先于其他城市。

2.2 空间特征

利用ArcGIS 10.7软件工具,采用自然间断点分级法(Jenks)将粤港澳大湾区保险业发展水平综合指数划分为高、较高、中等、较低和低5个等级,并绘制2006—2019年的空间分布图3(限于篇幅,只展出4个年份)。从空间分布来看,11个城市保险业发展水平呈东中西部单核领跑特征,其中香港领跑东部(深港莞惠)城市,广州领跑中部(广佛肇)城市,澳门领跑西部(澳珠中江)城市(图3)。内地的广州、深圳和珠海分别领跑广佛肇、深莞惠和珠中江3大经济圈,大湾区保险业发展水平空间分布不均衡特征较为明显。引起保险业空间分布不平衡的影响因素复杂多样,包括经济增长[7]、人口总量和结构[9]、城镇化水平[10]等多种因素。其中经济发展水平是导致保险业发展空间非均衡的主要原因,经济发展水平地区差异越大,保险业发展地区差异也越大[29]。粤港澳大湾区内部城市经济发展呈现明显的梯队特征,其中香港、澳门属于第一梯队,深圳、广州、珠海为第二梯队,佛山、中山、东莞、惠州为第三梯队;肇庆和江门为第四梯队,这与保险业发展水平基本一致。从空间格局演变看,11个城市保险业发展水平等级以向上或向下变迁为主,等级不变为辅。研究期内,等级不变的有香港(高水平)、肇庆(低水平)2个城市,其他9个城市保险业发展水平处于动态变迁之中。具体地,2006—2010年,等级发生变化的有中山和江门(较低向上至中等)、东莞和惠州(中等向上至较高);2010—2015年,等级发生变化的有澳门(中等向上至较高)、珠海(较低向上至中等)、深圳和惠州(较高向下至中等)、东莞(较高向下至较低)、佛山和江门(中等向下至较低);2015—2019年,等级发生变化的有佛山(较低向上至中等)、广州(较高向下至中等)、惠州(中等向下至较低)。
图3 2006、2010、2015和2019年粤港澳大湾区11个城市保险业发展水平综合指数空间格局

Fig.3 Spatial pattern of the comprehensive index of the development level of the insurance industry in 11 cities in the Guangdong-Hong Kong-Macao Greater Bay Area in 2006, 2010, 2015 and 2019

核密度估计图从另一个角度展现了2006—2019年粤港澳大湾区保险业发展水平时空演进趋势(图4)。由图4可知,研究期内,粤港澳大湾区保险业发展水平分布形态呈现如下的特征：第一,核密度分布曲线中心位置随着年份增加整体向右侧移动,说明大湾区保险业发展取得显著成效,保险业发展水平整体呈上升趋势。第二,从核密度曲线的波峰来看,主峰峰值呈波动下降趋势,且曲线宽度由“高而窄”逐渐向“矮而宽”变化,说明低值区城市保险发展水平差异在扩大。分布曲线均呈双峰,个别年份出现1个主峰、2个侧峰,但侧峰峰值较低,说明大湾区内部城市保险业发展水平呈现极化趋势,具有一定的梯度效应。第三,在分布延展性上,分布曲线存在显著的右拖尾现象,且右拖尾逐渐缩短,说明高值区和低值区城市差距随着时间推移呈缩小趋势。
图4 粤港澳大湾区保险业发展水平的时空动态演进

Fig.4 Spatial and temporal dynamic changes of the insurance development level in the Guangdong-Hong Kong-Macao Greater Bay Area

3 粤港澳大湾区保险业发展水平对经济增长的影响

3.1 机理分析

保险的经济效应通过保险业本身具有的功能或职能的发挥实现。理论上,保险业具有风险转移和经济补偿、资金融通及社会管理3大功能。首先,个人和企业会常遇到各种风险,特别是市场条件下,风险无处无时不在。通过与保险公司签订保险合同,当个人或企业遭遇保险公司承保的风险损失时,可以获得一定的经济补偿。对于个人一方面有助于稳定心理预期,缓解消费者持有货币的预防动机,降低货币需求的收入弹性,提高消费意愿和消费能力,从而扩大内需,刺激经济增长。对于企业而言,可能的风险转移使企业在生产过程中敢于创新,提高生产效率。风险发生时的经济补偿,能帮助企业尽快恢复正常生产,从而有利于全社会范围内的经济增长。然而,当保险现实赔付超过预期赔付时,相当于能够借入的可运用资金规模减少,投资利率弹性上升,抑制了经济增长[30]。其次,保险公司承保时,资金由个人和居民手中转移到保险公司,保险公司将融通的部分资金进行多样化投资,创造就业岗位,增加了居民收入,有利刺激经济增长。但保险公司也可能因投资组合不科学导致资源配置低效或失效,不利于经济增长。最后,商业保险作为社会保险重要的补充,缓解了社会社保压力,维护了社会的安全和稳定。不仅如此,保险通过促进信用资源共享,提高市场运行效率,为经济的稳定增长创造良好的社会环境和可靠的信用支撑。

3.2 模型建立及变量选取

3.2.1 模型建立

西方经济学者用不同模型研究经济增长的问题,其中新古典经济增长理论是现代经济增长理论的基石,故本文选用索洛增长模型作为经济增长的一般性理论模型。将保险业发展水平(I)作为新增内生经济影响变量引入索洛模型,其基本表达式为：
Y = f ( K , L , I )
式中：Y表示经济总产出,即经济增长结果,K表示资本,L表示劳动,I为保险业发展水平综合指数,f(·)为经济总产出的生产函数。生产函数的投入产出表达式引入柯布—道格拉斯生产函数,经济增长模型表达式进一步优化为：
Y = K β 1 L β 2 I β 3
将等式(8)两边变量同时取对数,得到：
l n Y = β 1 l n K + β 2 l n L + β 3 l n I
由于本文使用的是11个城市的面板数据,故选择使用经济增长的空间面板计量模型,结合式(9)与式(4)~(6),可得到式(10)~(12)。
空间面板滞后模型(SPLM)：
  l n Y i t = β 0 + ρ W l n Y i t + β 1 l n K i t + β 2 l n L i t + β 3 l n I i t + ∑ j = 4 m ( β j X j , i t ) + η i + δ t + ε i t
空间面板误差模型(SPEM)：
l n Y i t = β 0 + β 1 l n K i t + β 2 l n L i t + β 3 l n I i t + ∑ j = 4 m ( β j X j , i t ) + η i + δ t + μ i t ; μ i t = λ W μ i t + ε i t
空间面板杜宾模型(SPDM)：
l n Y i t = β 0 + ρ W l n Y i t + β 1 l n K i t + β 2 l n L i t + β 3 l n I i t + ∑ j = 4 m β j X j , i t + W l n K i t + l n L i t + l n I i t + ∑ j = 4 m X j , i t θ + η i + δ t + ε i t
式中：Xj,it为影响经济增长的第j个控制变量,βj为控制变量的参数估计,m表示控制变量的个数,i代表某一地区,t代表年份,ηi为控制地区效应,δt用来控制时间效应。β0为常数,ρ为空间效应系数,W为空间权重,µit和εit为随机扰动项,λ表示该城市的观测值会受到邻近城市被解释变量随机误差的影响。

3.2.2 变量选取

被解释变量经济增长用人均GDP表征,核心解释变量包括保险业发展水平、固定资本投入和劳动投入。其中,保险业发展水平用前文测算的综合指数I表征,固定资本投入和劳动投入分别用人均固定资产投资额和从业人员数占常住人口比重作为代理变量。除了劳动和资本外,经济增长还受到科技、对外贸易、财政和产业结构等的影响,参照理论界文献[2,25],同时考虑到数据来源的统一性和可获得性,本文选取科技发展水平、对外贸易程度、政府支持程度、产业结构作为控制变量,其对应的代理变量分别用人均R&D经费支出、进出口总额/GDP、财政支出/GDP和第二产业增加值/GDP表征(表2)。
表2 各变量的定义及符号表示

Tab.2 Definition and symbolic representation of the variables

变量类型 变量名 定义 符号 单位
被解释变量 经济发展水平 人均GDP的对数 ln Y —
核心解释变量 保险业发展水平 保险业发展水平综合指数的对数 ln I —
固定资本投入 人均固定资产投资额的对数 ln K —
劳动投入 从业人员数占常住人口比重的对数 ln L —
控制变量 科技发展水平 人均R&D经费支出的对数 ln sci —
对外贸易程度 进出口总额/GDP×100% open %
政府支持程度 财政支出/GDP×100% gov %
产业结构 第二产业增加值/GDP×100% ind %

3.3 参数估计与结果分析

3.3.1 参数估计

在对模型参数进行估计之前,需要进行相关检验以筛选出最合适的计量模型。首先进行Hausman检验以确定是选择固定效应模型还是随机效应模型。经检验,Hausman统计量的数值为46.00,通过了1%的显著性检验,故选择固定效应模型为初模型。固定效应模型可以分为时间固定、空间固定和时间与空间固定效应模型,对应的联合显著性检验结果如表3所示。由表3可知,时间固定效应和空间固定效应的LR检验统计量分别为201.2336和5.3558,前者通过了1%的显著性检验,后者未通过显著性检验,故本文应选择时间固定效应模型。
表3 空间和时间固定效应的联合显著性检验

Tab.3 Joint significance tests for spatial and temporal fixed effects

类型 LR统计量 自由度 P值
时间固定 201.2336 14 <0.0001
空间固定 5.3558 11 0.9127
时间和空间固定 126.6811 14 <0.0001
对时间固定效应模型的参数进行估计,得到相应的LM和R-LM检验统计量如表4所示。由表4可知,从LM检验的结果来看,空间滞后模型和空间误差模型的卡方统计量分别为9.4339和12.4136,两者均通过了1%的显著性检验;从稳健的LM检验来看,空间滞后模型的卡方统计量未通过显著性检验,而空间误差模型的卡方统计量在10%水平上通过显著性检验,因此,本文初步选择空间误差模型作为空间计量模型的构建起点。
表4 时间固定效应模型的参数估计与LM检验

Tab.4 Parameter estimates and LM tests for the time fixed effects model

变量 回归系数 t统计量 P值
ln I 0.0505 2.5115 0.0131
ln K 0.4214 8.0366 <0.0001
ln L 0.3098 2.5694 0.0112
ln sci 0.2797 13.9342 <0.0001
open 0.0016 7.3494 <0.0001
gov 0.0054 2.8759 0.0046
ind -0.0073 -6.8146 <0.0001
R2 0.9266
LM检验 卡方统计量 P值
LM检验(rho=0) 9.4339 0.002
R-LM检验(rho=0) 0.4325 0.511
LM检验(lambda=0) 12.4136 <0.001
R-LM检验(lambda=0) 3.4122 0.065
为探索空间杜宾模型是否会退化为空间误差模型或者空间滞后模型,进一步进行Wald检验,Wald检验结果和空间面板模型的回归结果见表5。从表5可知,在空间杜宾模型是否会退化为空间滞后模型的检验中,Wald统计量为20.3449,通过了1%的显著性检验;在空间杜宾模型是否会退化为空间误差模型的检验中,Wald统计量为23.3241,也通过了1%的显著性检验。综合来看,空间杜宾模型不会退化为空间滞后模型或空间误差模型,本文应选择空间杜宾模型作为最终的回归模型。
表5 空间面板模型的回归结果

Tab.5 Regression results of the spatial panel model

变量 SPLM SPEM SPDM
ln I 0.0376**
(1.9625)		 0.0374**
(2.0284)		 0.0307*
(1.7565)
ln K 0.4184***
(8.3975)		 0.4137***
(7.9970)		 0.4045***
(7.8746)
ln L 0.2889**
(2.5172)		 0.4089***
(3.4214)		 0.3424***
(2.9222)
ln sci 0.2741***
(14.3781)		 0.2365***
(10.7667)		 0.1946***
(7.4910)
open 0.0020***
(8.5962)		 0.0013
(7.1200)		 0.0018***
(5.4713)
gov 0.0076***
(4.2596)		 0.0097***
(4.8964)		 0.0146***
(6.4139)
ind -0.0096***
(-8.9538)		 -0.0092***
(-8.4761)		 -0.0130***
(-9.9658)
W·ln I — — -0.0697
(-1.2336)
W·ln K — — 0.3607***
(4.0301)
W·ln L — — 0.3704**
(1.9296)
W·lnsci — — -0.0289
(-0.5651)
W·open — — -0.0003
(-0.5475)
W·gov — — 0.0202***
(4.4806)
W·ind — — -0.0117***
(-4.1497)
rho -0.3420*** — -0.6240***
Lambda — -0.5830*** —
时间 YES YES YES
R2 0.9466 0.9593 0.9622
Wald(空间滞后) 20.3449*** — —
Wald(空间误差) — 23.3241*** —

注：*、**、***分别表示通过0.1、0.05、0.01显著性水平检验,括号内为t值,下同;W·ln I、W·ln K、W·ln L、W·lnsci、W·open、W·gov、W·ind表示各对应变量的空间滞后项。

3.3.2 结果分析

考虑到空间杜宾模型包含因变量的空间滞后项,在对参数进行解释时,需要从直接效应和间接效应的角度展开。此外,为考虑因变量之间的相对重要性,本文将基础数据标准化处理,再对模型的参数进行估计,得到的回归结果见表6。由表6可知,核心解释变量保险业发展水平综合指数(I)的直接效应通过5%水平下的显著性检验,非标准化直接效应回归系数为0.0538,说明在其他影响因素不变的情况下,粤港澳大湾区某城市保险业发展水平每提升1%,该城市经济增长0.054%。这说明,粤港澳大湾区保险业通过风险转移和经济补偿、资金融通及社会管理等3大功能的发挥,促进了经济增长。人均固定资产投资额和从业人员数占常住人口比重均通过1%的显著性水平检验,直接效应系数分别为0.3784和0.3086,说明人均固定资本投入每提高1%,经济增长0.3784%,劳动投入每提高1%,经济增长0.3086%。控制变量人均R&D经费支出在5%水平上显著正向影响经济增长,直接效应系数为0.2323,说明科技投入每增长1%,经济增长0.2323%。进出口总额/GDP、财政支出/GDP和第二产业增加值/GDP均通过1%水平下的显著性检验。同时,从标准化直接效应回归系数看,大湾区保险业发展水平(系数为0.0732)对经济增长的影响位列第五,影响程度大于劳动投入。另外,从空间溢出方面来看,政府支持程度产生了正的空间溢出效应,科技发展水平、对外贸易程度和产业结构产生了负的空间溢出效应,保险业发展水平的空间溢出效应也为负,但未通过显著性检验。
表6 空间杜宾模型的直接效应和间接效应

Tab.6 Direct and indirect effects of the spatial Durbin model

变量 非标准化回归系数 标准化回归系数
直接效应 间接效应 总体效应 直接效应 间接效应 总体效应
ln I 0.0538**
(2.5711)		 -0.0784
(-1.6376)		 -0.0245
(-0.6127)		 0.0732**
(2.6076)		 -0.1052
(-1.5701)		 -0.0320
(-0.5616)
ln K 0.3784***
(6.7332)		 0.0940
(1.3519)		 0.4724***
(6.8197)		 0.3049***
(6.8370)		 0.0760
(1.3887)		 0.3809***
(6.9972)
ln L 0.3086***
(2.6125)		 0.1350
(0.9331)		 0.4436**
(2.7086)		 0.0651**
(2.6763)		 0.0282
(0.8993)		 0.0934**
(2.6293)
ln sci 0.2323**
(9.4778)		 -0.1311***
(-3.7594)		 0.1012**
(2.4280)		 0.4272***
(9.3109)		 -0.2378***
(-3.6709)		 0.1894**
(2.4967)
open 0.0021***
(4.9853)		 -0.0012**
(-2.4787)		 0.0009***
(3.4322)		 0.2581***
(4.8310)		 -0.1422**
(-2.2883)		 0.1158***
(3.4422)
gov 0.0117***
(5.6908)		 0.0096**
(2.8782)		 0.0213***
(5.1692)		 0.2233***
(6.1242)		 0.1732**
(2.9381)		 0.3965***
(5.5659)
ind -0.0121***
(-8.9292)		 -0.0031
(-1.4366)		 -0.0152***
(-6.5754)		 -0.4148***
(-9.3201)		 -0.1048
(-1.3912)		 -0.5196***
(-6.8317)

4 结论与讨论

本文利用粤港澳大湾区2006—2019年的市级面板数据,运用熵权、核密度估计和空间计量等方法,研究粤港澳大湾区保险业发展的时空演变及其对经济增长的影响,结果发现：
(1) 保险业发展水平综合指数在波动中上升,保险业发展取得了良好成效。综合指数表征的保险业发展空间不均衡较为明显,呈东中西部单核领跑特征。
(2) 11个城市保险业发展水平存在两极分化现象,大湾区保险业发展水平绝对差异有缩小趋势,但低值区城市之间的差距有扩大趋势。
(3) 保险业发展对本地区经济增长具有显著的正向影响,在其他影响因素保持不变的情况下,保险业发展水平每提升1%,本地区经济增长0.0538%。保险业发展具有负溢出效应,但未通过显著性检验。
鉴于以上结论,提出下面3点建议：
(1) 加强顶层设计,建立粤港澳大湾区保险业发展协调推进机制。大湾区保险业虽然发展迅速,但要素的流动也受到不同行政区边界和法律体系的制约,11个城市之间的资源整合和产业布局的协调性不够[31],保险业发展还未形成有效的城市间协作机制。因此,应尽快建立沟通顺畅、协调有效的大湾区保险业协调推进机制,积极探索三地保险业务合作创新,整合保险资源,构建大湾区“保险通”模式,促进跨境保险业务,提升粤港澳三地居民保险服务便利度。同时,开展再保险和保险资管合作,建立资金和产品互通机制,促进人流、物流、资金流等要素高效流通,增强保险业的区域集聚能力。
(2) 发挥大湾区保险发展高水平城市的带动作用和中心城市的辐射作用。随着粤港澳大湾区各项协调政策的落地实施,港澳和珠三角保险业发展水平的整体差距有缩小趋势,特别是两极分化现象有改善的趋势。香港的总保费收入在大湾区的占比由2006年的70%下降到2019年的50%,但香港的保险业至今已有100多年的历史,已成为国际保险中心和全球最开放的保险中心之一,保险国际化、市场化程度高。作为国际自由岛,澳门保险业发展成熟,监管严格。珠三角应积极借鉴港澳保险业发展的成熟经验。同时,香港和澳门应抓住国家扩大金融保险业对外开放的机遇,尽快落实在粤港澳大湾区内设立保险售后服务中心,推进落实跨境保险通。深圳作为经济示范区和科技之都,在保险科技创新、互联网保险的成功经验,已成为珠三角其他城市的表率。各个城市应充分借助政策红利,坚持保险业改革与战略转型,将保险科技运用于产品、定价、核保和理赔等环节,最终构筑起大湾区“新保险”完整体系和运营生态。
(3) 积极拓展保险功能和服务领域,发挥“经济助推器”作用,助力大湾区经济高质量发展。实证结果表明,大湾区保险业对经济发展具有显著的正向影响。作为金融业“三驾马车”之一的保险业,应立足保障本源,不断创新风险预防服务和风险管理工具,充分发挥市场作用,引导保险要素资源向大湾区聚集,优化资源配置体制机制。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
王向楠, 吴婷. 保险发展、产业间资源配置与经济增长[J]. 金融评论, 2019, 11(6): 36-55, 121.

[ Wang Xiangnan, Wu Ting. Insurance development, inter-industrial resource allocation, and economy growth. Chinese Review of Financial Studies, 2019, 11(6): 36-55, 121. ]

[2]
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.

[ Wang Ren, Nong Tongli, Zhang Shuangshuang. study of the spatio-temporal pattern of insurance industry development based on spatial Durbin model. Insurance Studies, 2020(10): 48-64. ]

[3]
Maki D R. Regional differences in insurance-induced unemployment in Canada[J]. Economic Inquiry, 1975, 13(3): 389-400.

DOI

[4]
Morrisey M A, Jensen G A. Regional variation in health insurance coverage[J]. Health Affairs, 1989, 8(3): 91-103.

PMID

[5]
Browne M J, Kim K. An international analysis of life insurance demand[J]. The Journal of Risk and Insurance, 1993, 60(4): 616-634.

DOI

[6]
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.

[ Li Enlong, Yang Yongchun, Shi Kunbo, et al. Spatial and temporal characteristics analysis of Chinese insurance market based on provincial point. Economic Geography, 2017, 37(5): 116-124. ]

[7]
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.

[ Tian Xiaowen, Zheng Li, Xu Lei. Spatial and temporal differentiation characteristic and dynamic evolution of China's insurance industry development. Economic Geography, 2021, 41(9): 135-144. ]

[8]
田乾, 金怀玉. 中国保险业发展的空间集聚效应分析[J]. 统计与决策, 2016(13): 152-155.

[ Tian Qian, Jin Huaiyu. Analysis of spatial agglomeration effect of China's insurance industry development. Statistics & Decision, 2016(13): 152-155. ]

[9]
洪梅, 黄华珍, 焦俊勇. 我国保险业增长影响因素研究[J]. 保险研究, 2014(2): 11-22.

[ Hong Mei, Huang Huazhen, Jiao Junyong. An empirical research on factors influencing the growth of Chinese insurance industry. Insurance Studies, 2014(2): 11-22. ]

[10]
杨汇潮, 江生忠. 城镇化促进保险业发展研究: 基于面板数据[J]. 保险研究, 2014(8): 82-92.

[ Yang Huichao, Jiang Shengzhong. Urbanization promotes the development of the insurance industry: An empirical research panel data. Insurance Studies, 2014(8): 82-92. ]

[11]
Zheng W, Liu Y D, Dickinson G. The Chinese insurance market: Estimating its long-term growth and size[J]. The Geneva Papers on Risk and Insurance-Issues and Practice, 2008, 33(3): 489-506.

DOI

[12]
Ul Din S M, Abu-Bakar A, Regupathi A, et al. Does insurance promote economic growth: A comparative study of developed and emerging/developing economies[J]. Cogent Economics & Finance, 2017, 5(1): 1390029. doi: 10.1080/23322039.2017.1390029

DOI

[13]
Pradhan R P, Arvin M B, Nair M, et al. Is there a link between economic growth and insurance and banking sector activities in the G-20 countries?[J]. Review of Financial Economics, 2017, 33: 12-28.

DOI

[14]
Ward D, Zurbruegg R. Does insurance promote economic growth? Evidence from OECD countries[J]. The Journal of Risk and Insurance, 2000, 67(4): 489-506.

DOI

[15]
Beck T, Webb I. Economic,demographic, and institutional determinants of life insurance consumption across countries[J]. The World Bank Economic Review, 2003, 17(1): 51-88.

DOI

[16]
黄英君, 陈晔婷. 中国保险业发展与经济增长关系研究: 基于VAR模型的实证分析[J]. 保险研究, 2012(1): 36-41.

[ Huang Yingjun, Chen Yeting. Relationship between insurance development and economic growth in China: Based on exponential analysis of the VAR model. Insurance Studies, 2012(1): 36-41. ]

[17]
Lee C C, Lee C C, Chiou Y Y. Insurance activities, globalization, and economic growth: New methods, new evidence[J]. Journal of International Financial Markets Institutions and Money, 2017, 51: 155-170.

DOI

[18]
温健, 何小伟, 万润坤. 保险发展对我国各省份经济增长的非线性影响: 基于门限模型的实证检验[J]. 中央财经大学学报, 2017(6): 30-37.

[ Wen Jian, He Xiaowei, Wan Runkun. The non-linearity relationship between insurance development and regional growth in China: Evidence from threshold regression tests. Journal of Central University of Finance & Economics, 2017(6): 30-37. ]

[19]
徐阳, 屈广玉. 保险消费、区域金融差异与经济增长的动态关系研究: 基于非线性面板模型的实证分析[J]. 保险研究, 2017(3): 39-55.

[ Xu Yang, Qu Guangyu. The relationship among insurance consumption, regional financial difference and economic growth: Based on nonlinear dynamic panel model empirical analsis. Insurance Studies, 2017(3): 39-55. ]

[20]
陈华, 齐红梅. 我国保险业的地区差异及协调发展[J]. 江西财经大学学报, 2008(2): 38-41.

[ Chen Hua, Qi Hongmei. Regional differences and coordinated development of China's insurance industry. Journal of Jiangxi University of Finance and Economics, 2008(2): 38-41. ]

[21]
葛杨. 粤港澳大湾区保险业互联互通机制初步探究[J]. 港澳研究, 2019(4): 74-81, 96.

[ Ge Yang. A study on the mechanism of mutual insurance market access in the Guangdong-Hong Kong-Macao Greater Bay Area. Hong Kong and Macao Journal, 2019(4): 74-81, 96. ]

[22]
冯俊建. 我国保险业发展区域差异对实体经济增长的影响研究[D]. 青岛: 青岛大学, 2018.

[ Feng Junjian. Research on the influence of regional differences in China's insurance industry development on the growth of real economy. Qingdao, China: Qingdao University, 2018. ]

[23]
肖攀, 李连友, 苏静. 保险业发展水平门槛与中国经济增长的动态均衡[J]. 山西财经大学学报, 2015, 37(10): 33-43.

[ Xiao Pan, Li Lianyou, Su Jing. Dynamic equilibrium between the threshold level of insurance industry and economy growth in China. Journal of Shanxi University of Finance and Economics, 2015, 37(10): 33-43. ]

[24]
张一静. 我国保险业发展的影响因素区域差异研究[D]. 济南: 山东大学, 2018.

[ Zhang Yijing. A study on the regional differences of China's insurance industry development. Jinan, China: Shandong University, 2018. ]

[25]
宋昌耀, 李沅曦, 罗心然, 等. 经济外部性对中国保险业空间集聚的影响[J]. 经济地理, 2021, 41(1): 104-113, 120.

[ Song Changyao, Li Yuanxi, Luo Xinran, et al. Impact of economic externality on the spatial agglomeration of China's insurance industry. Economic Geography, 2021, 41(1): 104-113, 120. ]

[26]
郭付友, 佟连军, 刘志刚, 等. 山东省产业生态化时空分异特征与影响因素: 基于17地市时空面板数据[J]. 地理研究, 2019, 38(9): 2226-2238.

DOI

[ Guo Fuyou, Tong Lianjun, Liu Zhigang, et al. Spatial-temporal pattern and influencing factors of industrial ecology in Shandong Province: Based on panel data of 17 cities. Geographical Research, 2019, 38(9): 2226-2238. ]

DOI

[27]
蒋海兵, 李业锦. 京津冀地区制造业空间格局演化及其驱动因素[J]. 地理科学进展, 2021, 40(5): 721-735.

DOI

[ Jiang Haibing, Li Yejin. Change of spatial structure of manufacturing industry in the Beijing-Tianjin-Hebei region and its driving factors. Progress in Geography, 2021, 40(5): 721-735. ]

DOI

[28]
Silverman B W. Density estimation for statistics and data analysis[M]. New York, USA: Chapman and Hall, 1986.

[29]
安宁, 马凌, 朱竑. 政治地理视野下的粤港澳大湾区发展思考[J]. 地理科学进展, 2018, 37(12):1633-1643.

DOI

[ An Ning, Ma Ling, Zhu Hong. Reflections on the development of the Guangdong-Hong Kong-Macao Greater Bay Area: A perspective from political geography. Progress in Geography, 2018, 37(12): 1633-1643. ]

DOI

[30]
尹佳璇, 谢逸翔, 黄嵩. 基于保险职能视角下保险业对经济增长的动态传导机制研究[J]. 哈尔滨商业大学学报(社会科学版), 2018(5): 68-76.

[ Yin Jiaxuan, Xie Yixiang, Huang Song. Research on the dynamic transmission mechanism of insurance to economic growth from the perspective of insurance function. Journal of Harbin University of Commerce (Social Science Edition), 2018(5): 68-76. ]

[31]
马佳羽, 韩兆洲, 蒋青嬗. 粤港澳大湾区经济发展: 空间格局、影响因素与启示: 基于两级行政区分层数据[J]. 数量经济技术经济研究, 2021, 38(11): 43-61.

[ Ma Jiayu, Han Zhaozhou, Jiang Qingshan. Economic development in the GBA: Spatial pattern, influencing factors and implications. The Journal of Quantitative & Technical Economics, 2021, 38(11): 43-61. ]

Options
文章导航

/

〈 〉