中国保险业发展的空间集聚效应分析

2016-08-18摘要：文章通过对我国各区域保险业发展的空间自相关的强度大小进行分析，以全国31个省、市、自治区的保费收入为观测值指标，运用Moran指数I对我国各省份以及东中西部地区的保险业发展的空间集聚效应进行分析研究，主要得出以下结论：我国各省域间的保险业发展存在明显的空间集聚，以东部沿海为主要地区的“高-高”集聚型和以西部内陆为主要地区的“低-低”集聚型都日益显著且稳定，中西部地区的保险业发展明显落后于东部地区，并且伴随着时间的推移，这种落后情况没有出现太大的变化。关键词：保险业区域发展，空间集聚效应，全局Moran指数I,局部Moran指数0引言作为区域经济空间分布中一种普遍存在的现象，在所有地区的所有发展阶段具有相似的发展水平的经济区域都会出现空间分布上的集聚现象，不同之处仅在于集聚的程度差别。除此之外，由于相邻的经济区域之间在经济发展上的辐射带动作用，经济发达区域会带动周边区域的快速发展，而经济欠发达区域带给周边区域的发展动力则会大大减小。所以说，区域经济发展中空间集聚效应的存在能够对区域经济的差异产生直接的影响。本文运用2001—2013年全国31个省、市、自治区保险业的相关数据，从空问自相关的视角对我国保险业的区域发展情况进行分析，即分析我国区域保险业的发展过程中的空间集聚效应。1空间集聚效应的测量方法全局Moran指数I关于Moran指数I的最早运用出现在全局聚类检验中，主要用来检验所有的研究区中相邻地区之间存在怎样的关系，这些关系包括相似、相异和相互独立。具体的计算公式为：FT用flfl内ZZ%5-x)(xy-x)一幻⑴一')IJ-1%I/p]其中，n为研究区内地区总数，Xi为区域i的观测值；3为区间经济变量的方差；X为区域间经济变量的平均数；sj为空间权重矩阵。Moran指数I可以看做是观测值与它的空间滞后之间的相关系数。变量Xi的空间滞后是Xi在邻域j的平均值，定义为：Xza/QEJJ由此，可以得到Moran指数I的取值范围，即一般在-1到1之间取值。如果Moran指数I大于0,则表示相邻地区之间存在正相关关系；如果Moran指数I小于0,则表示相邻地区之间存在负相关关系；如果Moran指数I接近于0,则表示相邻地区之间的关系是相互独立的，即相邻地区之间并不存在空间相关性。如果Moran指数I接近1,则表示相邻地区之间具有相似的属性值；如果Moran指数I接近-1,则表示相邻地区之间具有相异的属性值。局部Moran指数LISA是Anselin(1995)提出的一个局部Moran指数，该指标主要用来检验在某一局部地区是否也存在相似或相异的属性值聚集在一起。某一区域i的局部Moran指数衡量的是该区域与其相邻区域之间的相关程度，具体计算方法如下：与Moran指数I的取值意义相似，如果Ii>0,则表示相邻地区之间具有相似的属性值，即若区域i的属性值为高值，则周围相邻区域的属性值即为高值，表示该地区对相邻区域具有较强的正向辐射带动作用，若区域i的属性值为低值，则其相邻区域的属性值即为低值，表示该地区对相邻区域具有较强的负向辐射带动作用；如果Ii<0,则表示相邻地区之间具有相异的属性值，即若区域i的属性值为高值，则周围相邻区域的属性值即为低值，若区域i的属性值为低值，则周围相邻区域的属性值即为高值，两种情况均表明该地区对相邻地区的辐射带动作用比较弱。空间权重矩阵在Moran指数I和局部Moran指数的计算中，有一个很重要的变量⑴j,即空间权重矩阵，这个变量表示的是以数值形式表现的所研究区域的空间位置信息。在空间计量经济学中，最常运用的表示目标区域之间空间位置信息的是二元权重矩阵(W*n),表示的是n个不同的目标区域在空间的邻近关系，具体的表现形式为：吟%/…匕1乙…匕”-1|:■4■f・/fl餐W.WW一ftln2e」其中，W对角线上的元素设为0,W表示区域j和区域i在空间上相连接的原因。在目前关于空间权重矩阵众多的设定标准中，最常用的是空间距离和经济距离。关于空间距离的定义标准又可以分为相邻距离、有限距离和负指数距离，而相邻距离又可以定义四种相邻关系，即线性相邻、“车”相邻、“象”相邻和“后”相邻。经济距离的设定则存在零距离问题。因此，本文将选取空间自相关性最为显著的一阶相邻矩阵(“车”相邻)作为空间权重矩阵。2指标的选择及研究说明借鉴现有文献分析空间自相关性的指标选择方法［1-5］、综合考虑数据的可得性，本文将以保费收入作为衡量空间自相关性的Moran指数I的区域观测值。本文研究的数据主要有两个来源：一类是按照行政区划单元划分的经济属性统计数据，即衡量空间自相关性的Moran指数I的区域观测值Xi。如前所述，本文选取了2001—2013年全国31个省域行政区的保费收入作为计算Moran指数I的区域变量值。这些数据主要来源于2002-2014年的《保险统计年鉴》。另一类是地理空间数据(spatialdata),即以不同的方式和来源获得的能够确定空间位置的数据。本文的地理空间数据主要来源于地球系统科学数据共享平台的网站。目前用于探索性空间数据分析的软件主要有ArcGIS、GeoDaMatlab等软件，本文将利用GeoDsa件将采集到的全国31个省域的行政区空间数据把全国划分为316个多边形单元，为空间统计分析提供邻接矩阵等地理空间计算支持，计算Moran指数I并编辑制作保险业发展空间集聚特征分布图，对中国2001-2013年间各省份保险业发展的空间相关性进行分析。3空间集聚分析结果全局Moran指数I分析本文采用全国31个省域2001—2013年的保费收入作为区域变量指标来对我国保险业发展的全局的空间集聚效应进行分析，Moran指数I的具体计算结果如表1所小。«1中国省域保险业空间相关性Moran指敷1值裳年份2001200220032(W2005200fi2007200820092010201120122013Mgran*10.36270.351彳0.40100.3呼]。.277003刈0.2R790.2523624860.23470-2440]0.25190.2229根据模型的设定结果，2001—2013年中国省域保险业的空间相关性Moran指数I的值均通过了显著性为5%勺显著性检验。由表1可以看出，2001—2013年所有的指标值均大于0,由此可以认为以保费收入为变量指标，2001—2013年我国各省份的保险业发展存在空间正相关，即我国省域保险业的发展存在空间集聚现象。从发展阶段来看，我国31个省份保险业发展的空间自相关基本处于下降的过程，只是在2003年、2006年、2011年和2012年出现短暂的回升，其中2011年和2012年回升幅度非常小。但总体趋势是下降的（见图1）。局部Moran指数I分析由于Moran指数I的值不能显示局域地区的空间集聚性，进一步借助Moran散点图和LISA地图说明保险业发展的局域空间相关性。Moran散点图利用GeoD歆件彳W勺2001—2013年的Moran散点图如图2所示。

S22001—2013年省域保险业空间自相关的Moran散点图综合分析2001—2013年各省市保费收入情况的空间自相关的Moran散点图，可以发现：数量方面：自2001—2013年，位于第一象限（“高-高”集聚群）的省份数量由最初的6个上升到2009年的11个，2010-2012年一直保持在10个，且省份均相同，2013年由于安徽省落在了第二象限，位于第一象限的省份变为9个;位于第二象限（“低-高”集聚群）和第三象限（“低-低”集聚群）的省份的数量基本变化不大，而位于第四象限（“高-低”集聚群）的省份数量由最初的5个下降到2005年的3个，2009年以后基本维持在2个（广东和四川）。集聚程度方面：自2001—2013年各个象限的散点呈现出向原点聚集的变化趋势，这一趋势尤其以第三象限最为明显，这也与前文所描述的全局Moran指数I总体呈现下降的趋势基本吻合。综上所述，2001—2013年，尽管Moran指数I总体呈现下降的趋势，但位于“高-高”集聚群和位于“低-低”集聚群的省份数量在增加，因此在这期间，我国各省域保险业的发展呈现出空间正自相关的趋势，即在保险业发展较为发达的地区，其对周边省份的正向带动作用比较大、辐射作用比较强，进而带动了周边省份保险业的发展，即我国保险业的发展存在空间集聚的现象。根据Moran散点图反映的情况，可以进一步分析各个集聚群在我国三大区域的分布情况。具体分布情况如下页表2所示。泰2氢XII一现13年咨・城保♦业fllHR的分布状况第一象限《高-高】第二象果t保-高）第三架限1低-慌）第四象限｛高-低｝2001江靠.浙江.山东.同北J.海川・、襦建天津.安青.江西.有南.广西山西重庆、内泉古、贵州.西・方海.宁良书束.新■源城江，陕西、云南清林广东，北京.辽宁.四川.潮北2002匕海.山东.江苏，新江河北洞南犬津.安微儡建.匕西，广西端南品茏江.新•.云南映西，山西咕林.常庆.内量古，新•.贵州方海，新・，宁夏北京广裁.四川辽宁蔺北匕*山东，江苏篙江.河北胴附，北京大律，安9.rr西.广西山西.湖南、湖北，云南、新■.甘市.限西.辽宁.■成.内K古段州仔JL青海再爱广东、江宁.惠也江.四川2004上海河东M举酒江肘北.河南.北京犬津.安青,江西、广西.福建.山西朝南的北.辽宁.陕西、重庆、内蒙古.贵州.后南.新■.宇乩皆海.西・，甘案国川、广京.江宁.黑此江卜苒山札江而.骊江河北阳南、北京£希、安江西、广西、福建、山西鼎北.湖南隔龙江联配吉林.内蒙古,贵州.云南高■，甘甫.青瓯西廉厅夏・庆四川r聚、辽宁21X)6上R,山东.江蒲江.河北.河南.北京天律.安微W,西，广西建.山西赭北.潮南，鼎址江.陵西，吉林、内陵古方州.云南，第■、甘肃方海,西藏,宁■.«：庆网川.广东、辽宁12007匕海山东，江苏，浙江.河北，河南、北京天m.H,江明广西，福建仙西甥北赭南岛龙江晨西吉林阴蒙古,黄州万南.新■、甘航胃海，琬L宁夏厦庆四川.广京、辽宁上海仙东、江苏浙江前北河南.北京天停茂■.江西，广西，福建.山西潮北豫南晶龙江，陕西智林、内蒙古,贵州、云南,新■.甘希工海，西殿.列L意庆四川r东豆宁上海仙张江苏南江闽北雨南就京扁北,琳南.江宇重致人郁■见江西,广西M志仙西黑Jt江、陕西、吉棘、内仅占、贵州,云南，新•廿戴胃安西贰宁工四川广东201。上海,山东.江苏，浙江.上北雨束.北京蠲北,谢甫整青大市.江西r西，福建山西黑龙江、陕西节林.内蒙也贵州云南.斩■.甘肃，胃鼻洒聚.亨夏、置庆四川r求出宁2011上海，山东前苏.断林朝南.北京词北扁北.湖南擢建.江西.犬津、广西.山西，宣庆照龙江、陕西清林，内蒙古,贵州N甫、斯廖甘就为那酒时宁夏广东㈣”2012上・山熊五苏浦江河mJU词比扁北.知前.安微f位于第一象限与第二象限之同;搭建立西.犬津，广西，山西ji庆黑龙江震西沽林内蒙古围州宣南、新■.甘肃,胃海,西曹.宁JE广东阳川2013上海上|东.江苏、浙江，河南.北京.河北询北.湖南懦IL江西.为怵，r晒山西为庆质，黑龙江麟西方林.内蒙古.贵州云南，新工件*,胃牌.西窿.宁夏广东鼎M具体而言：位于“高-高”集聚群的省份主要是上海、江苏、浙江、山东、河北等东部沿海城市，即我国的东部地区；2003年以后增加了北京市；在这些省市强大的辐射带动作用下，200A2012年湖北、湖南、安徽等三个中部城市的保险业迅速发展，步入了“高-高”集聚群的行列。尽管天津市有北京和河北两个省份的辐射带动作用，但由于天津市面积较小、人口较少，保费收入相比较而言较少，因为位于“低-高”集聚群内。位于“低-低”集聚群的省份主要是我国西部地区的省份（四川省除外）。西部地区相比较东部地区而言，经济发展比较落后，保险业在这些地区的发展也比较缓慢。东部地区的广东省和西部地区的四川省，2001—2013年一直处于“高-低”集聚群内，即其与周边省份的保险业发展情况相异。LISAClusterMap分析根据各省份在Moran散点图中所处的象限，可以看出各省份与其周边省份保险业发展的情况，进而分析其所处的集聚群，但这种情况下得到的集聚群状况并没有通过显著性检验，因此，本文将进一步利用LISA指数检验各省份保险业与其周边省份保险业发展之间的关联程度。设定显著性检验值为5%禾।J用GeoD歌件计算的2001—2013年的LISAClusterMap（图略）。由计算结果可知，2001—2013年，在东部地区的一些省份中出现了一些表现为“高-高”集聚型特征的地区，而在西部地区则出现了以新疆为典型代表的“低-低”型集聚。对比分析2001—2013年出现集聚型地区所涉及的省份数量，并没有出现较大的变化，由此可以认为，我国区域保险业发展中所出现的辐射带动作用一直比较稳定。具体而言，2001—2013年一直表现出“高-高”型集聚的省份主要是江苏、上海和山东。福建在2001年属于“高-高”集聚型省份，但在2006—2007年则变成了“低-高”集聚型省份。浙江在2006年之前（2005年除外）表现为“高-高”集聚型省份，其他年份则不明显，没有通过显著性检验。在周边发达省份的带动辐作用下，安徽省也在2006年由之前的“低-高”集聚型省份升级为“高-高”集聚型省份，保险业表现为快速发展的态势。从“低-低”集聚型省份来看，新疆一直是保险业发展比较落后的地区，十三年间一直表现为“低-低”集聚型，在其带动下，甘肃在2003-2004年一度降低为“低-低”集聚型。止匕外，2001—2013年，四川省一直表现为“高-低”集聚型省份，四川省保险业的较快发展（尤其是2008年汶川地震后保险业发展更是迅速）并没有带动周边省份保险业的迅速发展。而由于海南省在地域上没有与全国任一省份相连接，因此该省保险业的发展并没有受到周边省市的影响，因此2001—2013年一直表现为没有空间自相关性。总而言之，我国各省域间的保险业发展存在明显的空间集聚效应，以上海为中心的“高-高”集聚型和以新疆为中心的“低-低”集聚型都日益显著且逐渐趋于稳定。比较三大区域保险业的发展情况，中部地区和西部地区由于保险业发展起步较晚，这两个地区的保险业发展状况相比较东部地区而言明显落后，并且伴随着时间的推移，这种落后情况没有出现太大的变化。4结论本文首先对用于分析我国保险业发展空间集聚效应的测量方法进行了介绍，具体