寿险公司效率及其测度方法

　　第三章 寿险公司效率及其测度方法

　　第一节 效率的内涵与分类

　　一、保险公司效率的内涵

　　效率一般是指成本与收益或投入与产出之间的关系。它是反映企业的盈利能力、成本控制能力、资源利用能力等经营情况,用来衡量经济单位经营效益的重要指标。

　　保险公司作为历史悠久、业务广泛的金融机构,其传统的主要功能是通过收取保费和经济补偿在全社会配置风险,与其他企业相同,都是以利润最大化为目标。因此,保险公司需要对其投入的人力、物力、财力各个方面成本加以控制,通过合理的制度安排和资源配置来实现产能最大化,从而实现利润最大化。本文借鉴吴焰(2006) [39]的观点,把保险公司的效率定义为:保险公司的效率是指保险公司在保证偿付能力和实现盈利的基础上,有效配置保险资源的能力,是保险公司投入产出能力、业务发展能力、市场竞争能力和可持续发展能力的总称。

　　二、保险公司效率的分类

　　对保险公司效率的研究主要有以下三种:规模效率、范围效率和X效率。

　　(一)保险公司的规模效率

　　保险公司规模效率度量的是,保险公司的效益能否随着其资本规模的扩张而实现同步增长。规模,顾名思义就是对一家保险公司的资本或是资产整体资历的描述。在一定程度内适度扩充资本和经营规模,一定是会带来产出增长超过成本积累从而对效益发挥积极作用,这也就是规模效率。但对保险公司或者其他任何企业而言,并非扩大规模就一定会对其收益带来实质的贡献价值,若市场没有这么大的需求、保险公司没有足够的管理能力,那么过多的规模扩张、资本扩充带来的仅仅是资源浪费,这就是规模无效率的。

　　(二)保险公司的范围效率

　　保险公司范围效率度量了保险公司的经营成本和效益能否随其业务的多样化而实现同步增长。范围,也就是对保险公司分支公司覆盖、产品类型、业务范围等的横向水平的描述。保险公司通过增加产品种类、增设分公司、扩大服务半径等行为来扩充其业务的多样性,对其成本和利润都会相应增长。那么,这种情况下所带来的利润增长超过成本,.则说明这样的保险公司有范围效率,扩大经营业务的多样化给保险公司带来了实质的贡献,是可取的;反之,则是范围不经济,一味的扩大范围只会带来各种管理、人工等等成本的增加,而没有实际的利润贡献,还不如“术业有专攻”的保险公司效益高,这样的扩张发展方式也是不可取的。

　　对我国保险公司而言,由于其长期以来的业务范围较窄、服务品种较为单一、经营业务是销售保险产品,其保险资金投资范围受限,再加上体制上的诸多因素,因此,存在着范围不经济的情况。

　　(三)保险公司的X效率

　　X效率是上述两种效率之外的所有效率的总称,是对企业相对于业内最佳表现的相对表现情况的度量方式。Berger and Humphrey (1994) 研究表明,对金融机构而言,规模和范围经济并没有重大作用,而X效率的提高能节约20%左右的成本。因此,X效率被看作是决定金融机构经营绩效的重要因素,学术界也更多地关注到金融机构的X效率上来。

　　Berger and Humphrey (1997) [i6]将金融机构X效率分为成本效率和利润效率。成本效率是建立在边际成本最小化基础之上,利润效率则是建立在利润最大化的基础之上。在实证研宄中,具体选定哪项效率指标作为实证工具要根据研究目标而定。

　　(1)成本效率

　　成本效率度量生产营运环境、产出和市场结构等多种条件都在同一假设前提下,保险公司所投入的成本接近模型所估计的最佳保险公司成本的程度。保险公司的成本效率由投入要素价格、产出数量、随机误差项和无效率项共同决定,取值介于0-1之间。通过模型估计得到的成本无效率项不仅包含了技术无效率,也包含了配置无效率,前者是为了得到相应产出而投入过多,后者是未能对相应的投入价格做出最优的反应。

　　(2)利润效率

　　利润效率分为标准的利润效率和可替代的利润效率。

　　标准利润效率度量在给定投入价格和产出价格的情况下,保险公司与能实现的最大可能利润的接近程度。一个利润最大化的最佳运营保险公司的利润效率为1,由于保险公司存在百分之百损失潜在利润的可能,因此,利润效率可能为负值。

　　可替代的利润效率度量在给定产出数量的情况下,保险公司能够获得最大利润的能力。如果一般的限制条件能够成立,标准利润效率就可以比较合适地度量样本保险公司相对于最佳保险公司的投入产出情况,而不用估计可替代的利润效率这一指标。但是,在有些情况下,比如产出市场非完全竞争、服务质量存在重要的不可测差异、财务数据不透明,则可以评估可替代的利润效率指标。

　　综上所述,X效率对于保险公司经营管理水平有着重要的考察意义,因此,本文专门考察保险公司的X效率。由于我国寿险公司的财务数据不透明,且产出品价格难以确定,因此,本文选取X效率中的成本效率和可替代利润效率作为研究对象进行实证研宄。

　　第二节 效率测度方法评述

　　Farrell (1957) [2]提出的前沿效率分析方法是应用最广泛的保险公司效率测度方法。主要是根据生产单位相对于最佳生产状态边界的距离来衡量其相对效率。

　　Berger and Humphrey (1997) [16]对前沿效率分析方法进行了全面的总结和讨论。根据是否需要假定边界模型的函数形态,将前沿效率分析方法分为参数方法和非参数方法两大类。参数法可以进一步分为随机边界法、自由分布法和厚边界分析法三种;非参数法主要包括数据包络分析法和自由可置壳法两种。如图3-1所示。【1】

　　
　　一、参数法

　　参数法是以样本数据为基础来确定前沿效率边界函数中的未知参数,以此来评价生产单位的效率,识别生产过程中影响成本的因素。参数法最大的优势在于它能够在效率估计中分离无效率项和随机扰动项。不同参数法的主要差别在于对误差项的分布假设不同。

　　SFA是最常用的参数前沿效率分析方法。它预先设定了成本、利润函数的形式,以及投入、产出和影响因素之间的关系。假设随机误差项为正态分布,无效率项为指数分布、截断正态分布、双参数伽马分布,能够把随机误差项从无效率项中分离出来。

　　大体来讲,SFA的函数模型经历了以下几次改进:(1) Aigner, Lovell and Schmidt (1977) [3]和 Meeusen and Van Den Broeck(1977) [4i]提出的原始模型框架Yi = P * Xi + (Vi - Ui) (i=: 1,2,...N)其中,Yi:第i家生产单位的产出量Xi:第i家生产单位的投入量,是一个k*l向量Vi:随机变量,假定服从正态分布N(0,CJ彡)且独立于UiUi:非负随机变量,假定服从正态分布I N(0,a^) I该模型对Ui的分布假设不够一般化,不适用于面板数据、未引入时间变动因素等。这也是该模型在以后有所改进的地方。

　　(2)Pitt and Lee (1981) [42】提出的面板数据模型In(Yit) = P * Xit + (Vit — Uit) (i = 1,2,…N; t = 1,2,…T)其中,In(Yit):第i家生产单位t时期产出量的对数值Xit:第i家生产单位t时期的投入要素价格变量Vit:随机变量,假定服从正态分布N(0,CT〗)且独立于UitUit:非负随机变量,假定服从正态分布I N(0,al) I相比此前的模型,该模型可以将面板数据作为样本,这能为我们的实证研究提供更多有用的参考信息,也让研究更具有现实意义。

　　(3)BatteseandCoelli (1992) [43]提出的随机边界生产函数框架Yit = P * Xit + (Vit - Uit) (i = 1,2,…N; t = 1,2,…T)其中,Yit:第i家生产单位t时期的产出量Xit:第i家生产单位t时期的投入量,为k*l向量Vit:随机变量,假定服从正态分布N(0,CT彡)且独立于UitUit:等于Uiexp(;-Ti(t_T)),其中,Ui为非负随机变量,表示技术无效率,假定服从截断于0的正态分布NOj , al)沿用了 Battese and Corra ( 1977 ) [44]的参数定义,cr2 = +Y = {pi + a纠戈替a〗和a〗。参数Y的值介于0-1,当y = 1,表示误差项全部来自无效率因素Uit;当Y=0,表示ag=0,误差项完全由随机因素Vit引起,应从模型中副除Uit,运用普通最小二乘法OLS估计模型参数。

　　(4)Battese and Coelli (1995)⑴模型Yit = P * Xit + (Vit - Uit) (i = 1,2,…N; t = 1,2“.. T)其中,Yit:第i家生产单位t时期的产出量Xit:第i家生产单位t时期的投入量,为k*l向量Vit:随机变量,假定服从正态分布N(0,0彡)且独立于UitUit:非负随机变量,表示技术无效率,假定独立服从截断于0的正态分布N(mit 0)分布,其中,niit = Zit *6, z^t为可能影响生产单位效率的变量组成的p*l向量,5为1*1)的待估参数向量。仍然沿用 Battese and Corra ( 1977) [#4]的参数定义,以Y = cju/(av + (5)代替(30 口 a$。

　　该模型在研宄生产单位效率的影响因素时,可以直接把无效率项设为一组影响因素变量和随机因素变量的函数。解决了在使用二阶段估计法研宄影响不同生产单位之间效率水平差异的具体原因时,由于其对非效率因素独立性的假设存在非一致性,而导致的最终计量结果可靠性偏低的问题。

　　二、非参数法

　　非参数法认为,有各种各样的不可控制因素会影响企业的生产过程,从而生产函数的具体形态存在很大不确定性,该方法在实际计算中运用线性规划的理论,假设估计过程不会受到随机因素的干扰,根据投入及产出,构造出包含所有生产方式的最小生产可能性集合。非参数法没有像参数法那样进行参数估计,而是得到的一组最优权重值,形成可以对样本单位相对效率进行评价的指标。

　　DEA是最常见的非参数前沿效率分析方法,由Chames,Cooper and Rhodes(1978) [4]提出了 CCR模型,该模型计算出在规模报酬不变的假设条件下,生产单位相对于处于最佳生产状态的生产单位的相对效率值,可以衡量多投入多产出的效率。Banker,Chames and Cooper (1984) [45]提出了 BBC 模型,该模型放松了规模报酬不变的假设,把技术效率分解为纯技术效率和规模效率。

　　DEA模型是运用相对比较的方法来测度效率。首先计算出样本单位中多个决策单元(DMU)的相对效率值,然后将样本中每个DMU的投入和产出进行加权平均后与样本中的最佳生产单位对比,最后分离出样本中有效率的生产单位和无效率的生产单位。因此,DEA方法无需预先设定生产函数的形式,在研宄中受到的约束较少,这也是其最大的优点。

　　三、参数法与非参数法优缺点分析

　　关于参数法和非参数法孰优孰劣的争论在理论界一直存在,至今尚无定论。

　　Berger and Humphrey (1997) [i6]总结了运用前沿效率分析方法研究金融机构效率的122篇文献,其中使用非参数法的有69篇,包括62篇DEA方法;使用参数法的有60篇,包括24篇SFA方法,20篇DFA方法,16篇TFA方法。可见,没有一种研究方法被学术界所普遍认可。两种方法的比较见表3-1。【2】

　　
　　考虑我国保险业的具体情况,本文选用SFA方法测度我国寿险公司的成本效率和利润效率,主要有以下几个原因:(1)我国保险公司的数据透明度较低,这可能会造成测量误差,SFA方法能够弱化这种测量误差对估计结果的影响;(2)我国保险业一直处于不断的变革当中,生产函数在个别年份的异常变化不应该被认定为效率的改变,SFA方法能够在一定程度上识别并弱化这种短暂冲击带来的影响;(3)国内学者主要采用DEA方法估计保险公司的技术效率,忽略了价格对效率的影响,没有考虑到由运气等偶然因素引起的随机误差,估计结果可能偏离实际的效率,影响因素的分析结果也缺乏可靠性。本文采用SFA方法测度我国寿险公司的效率,能够提高效率估计的准确度,以弥补以往研究的不足之处。

　　在模型设定方面,为了探究股权结构对寿险公司的效率是否存在显着影响,本文采用Battese and Coelli (1995) [i]模型,直接将寿险公司的无效率项设为一组寿险公司效率影响因素和随机因素的函数。