中国保险业发展的空间集聚效应分析

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，从空间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

1.1 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：

其中，n为研究区内地区总数，x

为区域i的观测值；S2为区间经济变量的

i

为空间权重矩阵。

方差；为区域间经济变量的平均数；ω

ij

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x

的

i 在邻域j的平均值，定义为：

空间滞后是x

i

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。

1.2 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I

>0，则表示相邻地区之间具有相似

i

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I

<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

i

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。

1.3 空间权重矩阵

，即在Moran指数I和局部Moran指数的计算中，有一个很重要的变量ω

ij

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

），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n*n

现形式为：

表示区域j和区域i在空间上相连接的其中，W对角线上的元素设为0，W

ij

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

。如前所述，本统计数据，即衡量空间自相关性的Moran指数I的区域观测值x

i

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（spatial data），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、GeoDa、Matlab等软件，本文将利用GeoDa软件将采集到的全国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

3.1 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所示。