基于動態(tài)分組的汽車違約責任市場逆選擇研究

一、主要結論及建議反選擇是近年來保險經(jīng)濟學的一個重要課題?；赗othschildandStiglitz(1976)對逆選擇的經(jīng)典文獻，大多數(shù)實證研究都致力于檢驗風險水平和保障選擇之間是否存在條件正相關關系。(1)然而，學者們的研究結論并不一致，沒有發(fā)現(xiàn)逆選擇的文獻要遠遠多于發(fā)現(xiàn)了逆選擇的文獻。于是，認為保險市場通過嚴格的核保措施控制了逆選擇行為的結論大行其道。保險市場上是否真的不存在逆選擇?如果將逆選擇視為投保人保單選擇行為之一，其他的保單選擇行為是否干擾了逆選擇的檢驗?在不同投保群體中，結論是否一致?本文將對這些問題進行探討。由于存在風險異質性，投保人的保單選擇行為會因人而異，這為我們研究保障選擇行為之后的投保動機提供了自然實驗的良好素材。例如，具有逆向選擇動機的高風險投保人更容易投保高保額;具有正向選擇動機的低風險投保人，更傾向于選擇高保額;低風險投保人，在首年投保高保額卻沒有出現(xiàn)事故的情況下，如果繼續(xù)投保高保額，很可能是因為習慣行為或者風險厭惡導致的。在引入經(jīng)驗費率系統(tǒng)(experienceratingsystem)的情況下，投保人可能根據(jù)首年的事故經(jīng)驗，來選擇次年的保單。因此，我們完全可以按照保額選擇情況對研究樣本進行分組，通過反向機制來研究投保人的保單選擇行為及其背后隱藏的動機。本文的研究即建立在這個基礎之上。本文的貢獻主要在于:(1)首次采用動態(tài)續(xù)保數(shù)據(jù)分組樣本來研究國內汽車保險市場的逆向選擇問題。(2)運用Logistic回歸模型驗證逆向選擇現(xiàn)象是否存在，同時考慮在模型中盡可能剔除習慣行為的影響，保證了研究結論的穩(wěn)健性和可靠性。(3)發(fā)現(xiàn)逆選擇在首年低保障組人群中較為顯著，而在首年高保障組則不明顯，這一結論對此前研究有了顯著的改善和補充。文章結構安排如下:第二部分為文獻回顧;第三部分為模型和數(shù)據(jù);第四部分對實證結果進行解釋;最后是結論。二、．逆選擇方法RothschildandStiglitz(1976)首次指出，由于信息不對稱不可能完全解決，保險市場幾乎必然會表現(xiàn)出逆選擇特征。保險公司由于事先無法確知投保人的風險類別，只能按照市場的平均風險狀況厘定費率，這可能造成僅有高風險者購買保險、低風險者不購買保險的狀況，嚴重時將導致市場萎縮。為消除逆選擇的影響，保險公司應當針對不同風險類別的投保人制定不同費率和不同免賠額的保單，實現(xiàn)投保人的自我選擇機制。在存在分離均衡(seperatingequilibrium)情況下，高風險投保人將選擇較多的保險金額、較小的免賠額，并且為每一單位的保額支付較高的價格。這樣，具有逆選擇傾向的投保人，如果其風險較高，必然選擇較高的保障(或較低的免賠);如果風險較低，則將選擇較低的保障(或較高的免賠額)。這一關系被研究者認為是反映逆選擇核心特征的“風險-保障”相依關系。盡管學者們在逆選擇的研究模型、產生機理和經(jīng)濟后果等問題上仍然存在較大的分歧，但是，這一“風險-保障”相依關系卻獲得廣泛認同。1980年代以來，開始有實證文獻研究不同市場、不同險種的逆選擇問題。根據(jù)CohenandSiegelman(2010)，逆選擇問題的實證研究主要采用動態(tài)數(shù)據(jù)(dynamicdata)、(1)自然實驗(naturalexperiment)或準自然實驗(quasi-naturalexperiment)(2)的方法，其主要目的是控制無法觀察的風險異質性，以識別在不同時間點上的駕駛行為差異，檢驗“風險-保障”關系的條件相關性。由于信息不對稱問題還同時涉及另外一個重要來源———道德風險，因此，逆選擇的研究往往和道德風險的研究交叉在一起。ChiapporiandSalanié(2000)以法國剛取得駕照未滿三年的年輕投保者的汽車保險保額與肇事紀錄共6333筆數(shù)據(jù)作雙向檢驗，發(fā)現(xiàn)逆選擇假說不成立;單獨檢驗獲得保費優(yōu)待者的肇事紀錄，發(fā)現(xiàn)道德風險假說也不成立;但是投保人的偏好(特別是風險厭惡程度)對于保險合同的選擇有重要影響，保險市場中逆選擇呈現(xiàn)出不同的形式。Dionne,GouriérouxandVanasse(2001)改進PuelzandSnow(1994)的模型，利用加拿大某私人保險公司的汽車保險數(shù)據(jù)建立回歸模型，并考慮了風險分類對投保人免賠額選擇的影響，結果發(fā)現(xiàn)投保人的免賠額選擇更多地與其所屬的類別有關，而與他自身的實際索賠次數(shù)關系不大。這意味著，逆選擇現(xiàn)象主要存在于不同的類別之間，而在同一類別內部逆選擇現(xiàn)象并不嚴重。Dionne,MichaudandDahchour(2007)研究了法國汽車保險的數(shù)據(jù)，采用條件相關方法，檢驗殘差中存在的信息不對稱問題。結果發(fā)現(xiàn)，在0～5年駕齡的駕駛人樣本中，存在學習和道德風險的混合;在5～15年駕齡的樣本中，道德風險顯著;在15年以上駕齡的樣本中，不存在信息不對稱問題。其結果否定了逆選擇的存在。Li,LiuandYeh(2007)利用臺灣車險市場的動態(tài)投保數(shù)據(jù)，分析投保人在跨年度間保險自負額形式與索賠概率的關系，將道德風險從信息不對稱中分離出來，證實了逆選擇的存在。但總體來說，沒有發(fā)現(xiàn)逆選擇證據(jù)的文獻似乎更多，如汽車保險市場(Richaudeau,1999;ChiapporiandSalanié，2000;Dionneetal.,2001;Saito,2006)、壽險市場(CawleyandPhilipson,1999)、醫(yī)療保險市場(CardonandHendel,2001)。既然RothschildandStiglitz(1976)的模型預言了逆選擇現(xiàn)象在不完全合同中的普遍性，那為什么保險市場的實際情況似乎大相徑庭?是不是存在其他保單選擇行為干擾了這一驗證?Chiapporietal.(2006)認為，關于信息不對稱的大多數(shù)實證研究都建立在“強而且無法驗證的假定”之下。比如，“風險-保障”正相關關系的一個假定，是投保人風險保額選擇僅受其風險狀況影響。DeMezaandWebb(2001)認為，除了個人風險類別外，一些隱藏信息如個人偏好(尤其是個人風險厭惡程度)會對保額選擇產生影響。因此，在檢驗市場是否存在信息不對稱時，如果不能同時控制投保人的風險偏好，實證結果可能受到干擾。如果加入風險偏好因素的變異，風險-保障可能出現(xiàn)負相關性，這一結果被認為是正向選擇(Advantageousselection)。Dionneetal.(2008)認為，行為隱藏也可能對逆選擇問題帶來干擾。道德風險是指投保后降低了風險防范的激勵，降低用于風險控制的投入，從而帶來索賠次數(shù)的上升，這一關系顯然也符合“風險-保障”正相關關系。因此，有沒有合理的模型對這一關系的方向進行判斷是分離逆選擇和道德風險的關鍵所在。Cohen(2005)研究了沒有信息共享機制的法國車險市場，認為被保險人可以通過駕駛經(jīng)驗以獲得相對于保險人的信息優(yōu)勢，從而在保單選擇行為中作出適時變化，這一行為被稱為學習(Learning)。其研究表明，超過3年駕駛經(jīng)驗的投保人呈現(xiàn)“風險-保障”正向相關關系;低于三年駕齡的投保人，逆選擇現(xiàn)象并不顯著。Li,LiuandYeh(2009)發(fā)現(xiàn)，保單選擇中還存在慣性行為，比如如果首年投保較高保額，在價格影響很小的情況下，投保人也不會輕易轉換保單。這些因素，都可能顯著影響以整體樣本進行逆選擇實證研究的結論。也就是說，在考慮多種保單選擇行為的前提下，逆選擇可能呈現(xiàn)豐富的外部表現(xiàn)形式，在不同群體中存在不同程度的顯著性。國內對保險公司和投保人之間的信息不對稱問題，理論研究較多，如李立(2008)，而相關實證研究較少。趙桂芹和吳洪(2010)通過動態(tài)續(xù)保保單數(shù)據(jù)，設法分離逆向選擇與道德風險，討論道德風險是否存在。王珺和高峰(2007)沿用ChiapporiandSalanié(2000)的計量模型，選用某家公司華東四省的樣本，發(fā)現(xiàn)車損險市場存在明顯的逆選擇現(xiàn)象。周樺和曾輝(2008)驗證了車損險市場信息不對稱的存在性問題，發(fā)現(xiàn)逆選擇僅僅存在于低損失部分。以上研究均采用了單期截面數(shù)據(jù)。我們認為，動態(tài)數(shù)據(jù)是目前研究我國保險市場逆選擇問題的一個必要條件。僅僅研究樣本總體中存在的風險-保障條件相關性，還不足以對逆選擇問題進行細致的分析，需要通過對投保人動態(tài)續(xù)保數(shù)據(jù)的分組，將不同的投保選擇行為加以分離，建立適當?shù)挠嬃磕Ｐ?，將逆選擇行為和其他保單選擇行為區(qū)分開來。我們選擇汽車責任險作為保單選擇行為及動機效應的研究對象，有如下原因。第一，責任險和車損險是我國車險業(yè)務的主要產品，責任險業(yè)務在我國車險中的規(guī)模較大，市場份額較高。根據(jù)某公司2008年的內部數(shù)據(jù)大致估計，車輛責任險占車險保費收入的45%左右。(1)第二，責任險對車輛碰撞事故中的糾紛解決和經(jīng)濟保障發(fā)揮著巨大的作用，特別是涉及人傷的車輛事故，沒有責任險的話受害人很難得到迅速及時的補償。第三，盡管交強險具有強制性，但商業(yè)三責險的購買與否與保額選擇，完全是自愿行為，完全體現(xiàn)了投保人的風險偏好，而車損險保額的選擇受到車輛價值的限制。基于以上原因(特別是第三點)，我們認為，汽車責任保險，更適合研究涉及動機效應的保單選擇問題。三、方法、模型和數(shù)據(jù)解釋(一)基于動態(tài)分組模型的投保人行為分類ChiapporiandSalanié(2000)認為，風險和保障選擇之間的條件正相關，有兩個重要前提:一是投保人是同質的或者“觀察上同質的”;二是投保人能夠知道他們的風險類別。如果采用截面數(shù)據(jù)，除了依據(jù)人口學特征外，很難將投保人劃分為同質群體。在汽車保險市場，根據(jù)ChiapporiandSalanié(2000)和Cohen(2005)，一個可行的解決方法就是依賴被保險人的索賠經(jīng)驗來區(qū)分所屬群體，這是一個穩(wěn)健而有效的方法。因此，我們用首年索賠信息來區(qū)分其風險程度，依據(jù)續(xù)保保單首年和次年的保單選擇以及首年的索賠信息，建立動態(tài)分組模型，把投保人區(qū)分成以下八個具有類似風險偏好和行為的群體，如圖1所示。第一層分類按照投保人首年的投保額進行分類，一類為高保障，一類為低保障。若投保人在第一年投保高保障(H)并且當年發(fā)生了索賠(P)，在第二年又投保了高保障(H)，我們將這類投保人稱之為H(P)H類(type1)，這類人的投保行為很可能是出于逆選擇動機。類似的，H(1-P)H類(type3)表示第一年投保高保障、當年沒有發(fā)生索賠、第二年維持高保障投保的投保人群組，這類人的投保行為很可能是出于正向選擇動機或者習慣維持行為。同樣，H(1-P)L類(type4)表示第一年投保高保障、當年沒有發(fā)生索賠、第二年投保低保障(L)的投保人群組，這類人的投保行為很可能是出于逆選擇動機或者是學習效應。類似的，對第5類(type5)、第8類(type8)投保人來說，可能出于逆選擇的動機;對第2類投保人(type2)來說，盡管當年出險，但第二年卻降低了保障，我們認為可能是由于經(jīng)驗定價體系(experiencerating)需要他支付更高的費率，出于價格的考慮而做出的選擇，即價格效應導致的。值得一提的是學習效應，Cohen(2005)和Dionneetal.(2006)認為，投保人可能最初無法得知自己的風險類型，第一年的保障選擇可以視為學習的機會，投保人根據(jù)當年是否索賠或是否發(fā)生事故來選擇第二年的保險保障水平，即索賠經(jīng)驗有利于投保人了解自己的風險類型?；谶@個動態(tài)分組，我們可以針對不同群體驗證首年風險和次年保障選擇之間的關系，將對逆選擇特征的研究深入到細分樣本中，同時考慮是否存在正向選擇、習慣行為以及價格水平的影響，加深對保單選擇行為的認識。(二)將首年目標作為企業(yè)首年索賠額的評估本文采用動態(tài)續(xù)保數(shù)據(jù)作為研究對象，為了考察首年的事故狀況能否影響次年的保額選擇，我們建立如下Logistic模型:其中，Insurancei代表第i個投保人次年的保額選擇，Insurancei=1表示次年選擇了低保障，Insurancei=0表示次年選擇了高保障;Noclaimi表示第i個投保人首年索賠是否發(fā)生，Noclaimi=1表示首年無索賠，Noclaimi=0表示首年有索賠;Xi包含的變量有次年費率水平、車輛所有權性質、車型、營運目的、首年索賠額，γ是相應的參數(shù)向量。在此基礎上，我們參考DionneandGangé(2002)和Dionneetal.(2001)的研究方法，進一步考慮Noclaimi的非線性效應，得到更為一般的計量模型:其中E(Noclaim1|Xci)表示在已知第i個投保人的有關信息Xci的條件下，對該投保人是否會無索賠的概率期望值，我們利用如下Logistic回歸模型來得到該期望值。其中Xci包含的變量有首年費率水平、車輛所有權性質、車型、營運目的。將該模型的各參數(shù)估計值η代入上式中，我們可以得到E(Noclaimi|Xci)。為了識別投保人在第二年的保額選擇是否來自于習慣性行為，我們對首年高保障組和低保障組分別加入了一個習慣行為變量E(High＿First|Xci))和E(Low＿First|Xci)。其中，High＿First和Low＿First分別表示首年高保障和首年低保障。E(High＿First|Xci)表示在已知第i個投保人的有關信息Xci的條件下，對該投保人首年是否會投保高保障的概率期望值;E(Low＿First|Xci)表示在已知第i個投保人的有關信息Xci的條件下，對該投保人首年是否會投保低保障的概率期望值;我們利用全樣本下的Logistic回歸模型來得到這兩個該期望值。該Logistic回歸模型如下所示:將該模型的各參數(shù)估計值代入上式中，我們可以得到E(High＿First|Xci)和E(Low＿First|Xci)。針對高保障組和低保障組，加入習慣行為變量后的模型分別如下:(三)交強險的保障能力、舉證責任和投保率，以及相關變量的定義我們的研究樣本，來自中國保險市場某大型保險公司某省汽車責任險產品連續(xù)3年的完整投保記錄。2006年10月以來，我國保監(jiān)會推動了交強險的實施，同時對商業(yè)汽車保險產品進行了整合，規(guī)定保險公司可以按照保險行業(yè)協(xié)會提供的A、B、C三種產品進行選擇執(zhí)行。更為重要的是，交強險信息可以在各保險公司之間實現(xiàn)信息共享，這大大推動了我國汽車保險信息溝通。由于汽車保險為1年期保險，在投保人和保險人之間并無任何續(xù)保承諾，因此期滿后投保人完全可以離開這家公司而另投其他公司。因此，我們只分析那些在該公司有續(xù)保記錄的投保人，包括其在續(xù)保首年和次年的保障選擇及索賠記錄，依據(jù)這些信息將其做動態(tài)分類。樣本數(shù)據(jù)包括2006年10月至2009年9月三個完整年度的一年期汽車責任險保單(包含交強險和商業(yè)三責險)。由于交強險和商業(yè)三責險都屬于汽車的第三者責任保險，我們以投保交強險作為基本保障，對基本保障定義為“低保障”。與此相應，在交強險的基礎上，另外購買了商業(yè)三責險的，我們將之定義為“高保障”。2008年2月1日開始，交強險的保障額度從6萬提高到12.2萬，因此，為了達到同樣的標準，我們將2008年2月1日前的責任險低保障定義為交強險保額6萬和商業(yè)三責險保額5萬。這一保障情況和2008年2月1日以后的交強險保額12.2萬基本相當。(1)文中涉及的主要變量及其定義如表1所示。由于我們根據(jù)投保人在連續(xù)兩年間的續(xù)保保障轉換情況來研究逆選擇，因此根據(jù)兩年間的保額轉換，我們把總體樣本進行了統(tǒng)計，高低保障轉換組中的保單數(shù)、索賠數(shù)結果如表2所示。從表2中可見，首年低保障保單為22593個，占總體的65%;高保障保單數(shù)為11956個，占總數(shù)的35%。首年低保障保單中，有75.6%在續(xù)保年仍然保持低保障;轉換到高保障的保單僅為21.4%，其索賠率(15.5%)比保持低保障的保單的索賠率(7.86%)接近高出一倍。首年高保障保單中，有91%在續(xù)保年仍保持在高保障;轉換為低保障的保單僅為9%。然而，維持高保障和轉換到低保障的兩類保單，首年索賠率并無較大差別，分別為16.74%和14.46%。按照上面的動態(tài)分組辦法，我們還將樣本個數(shù)進行了簡單統(tǒng)計，如圖2所示?？梢钥闯?，首年低保障組中，72.4%在首年無事故的情形下次年續(xù)保時保持在低保障，最大可能是因為逆選擇和習慣性投保行為所導致。由于比例較高，因此在低保障組中，H(1-P)H組則成為最具影響力的類別。首年高保障組中，具有逆選擇現(xiàn)象存在可能的type1和type4，僅僅占據(jù)樣本的23%;而H(1-P)H組則占據(jù)75.7%的份額。這些更為細致的分類，讓我們對進一步分析兩個組的情況產生興趣，下面的實證將分別在這兩組子樣本中進行。四、仿真結果和估計結果分析我們首先對動態(tài)分組中的第一組，也就是首年低保障組按照模型方程(1)、(2)、(3)進行了Logistic回歸模型下的參數(shù)估計，如表4所示?？梢?，模型(1)中，我們選擇的所有變量均顯著。其中，首年無索賠變量顯著為正。這說明，首年低保障的群體，在無索賠的情況下更傾向于續(xù)保低保障合同。相反，有索賠的情況下，更不傾向于投保低保障合同(即投保低保障合同的可能性降低，投保高保障的可能性升高)。因此，從該變量對因變量的顯著正向影響可知，在首年低保障組中出現(xiàn)顯著的逆選擇的特征。(1)為考慮首年無索賠變量的非線性效應的影響，我們在模型(2)中增加了首年無索賠變量的期望效應變量E(Noclaimi|Xci)，結果仍然顯著為正。從圖2可知，type8的比例最高，投保的習慣性行為可能干擾我們的分析結果。為此，我們在模型(3)中考慮了首年期望保障水平這一因素，發(fā)現(xiàn)首年無索賠依然顯著為正，說明逆選擇仍然存在。而且，首年期望保障水平變量的系數(shù)顯著為負，也就是說，首年低保障的個人，次年低保障的概率越低，這顯然不符合習慣行為的定義。也就是說，首年投保低保額，次年繼續(xù)投保低保額并非由于習慣行為的影響。這樣，排除了習慣行為的影響，首年無索賠變量對保障程度選擇的正向效應，只能用逆選擇來解釋。在所有三個模型的估計中，費率水平和首年索賠額變量對應的各個區(qū)間上的虛擬變量對次年低保障選擇的影響均為顯著，說明費率水平和首年索賠額對次年保障選擇存在顯著影響，且在各種區(qū)間，都存在異于其他區(qū)間的影響模式。其他變量，如車型，所有權性質，營運目的在估計結果中大都保持較高的顯著性。這反映了保險公司定價體系中，這些變量作為對投保人和投保車輛進行風險分類的變量是適當而有效的。從三個模型估計的效果看，模型(3)的對數(shù)似然函數(shù)的-2倍(-2LogL)最小，說明模型(3)的估計結果更為有效，模型在考慮非線性效應和習慣效應之后，得到了更好的估計結果。我們采用同樣的思路對高保障組進行了類似的參數(shù)估計，如表5所示。在表5中，首年無索賠變量系數(shù)均不顯著，即首年索賠與否，并不對次年高低保障的選擇有顯著的影響。在考慮了非線性效應后，首年無索賠變量的系數(shù)仍然不顯著。這說明，首年高保障組整體上不呈現(xiàn)逆選擇，這一結論和我們前面的動態(tài)分組所呈現(xiàn)出來的基本統(tǒng)計分析結構有內在的一致性。我們觀察到，模型(3)中的習慣效應變量(首年高保障期望效應)并不顯著，這說明，首年高保障選擇并不對次年的保障選擇有顯著影響，否定了習慣效應的存在。表5中，費率水平、首年索賠額、車型、所有人特征、營運目的對保障選擇的影響均為顯著，與低保障組得到的結論基本一致。三個模型的對數(shù)似然比進行比較，模型(3)的-2logL最小，說明考慮非線性效應和習慣效應后，模型估計更有有效。正如前文第三部分的介紹，以上研究對樣本的分組，考慮到了交強險制度改革的影響，采用了樣本期間保障額度相同的指標(12萬)，也就是說，12萬以內的投保為低保障，12萬以外的投保為高保障。為了考察以上分組方法下得到的結果是否具有穩(wěn)健性，我們還采用新的分組方法，以“交強險+商業(yè)三責險”和“只投保交強險”作為高低保障的分組標準，對以上模型進行重新估計，結果見附表所示。我們發(fā)現(xiàn)，該分組標準下的研究結論和以保額高低作為標準下的研究結論一致，這進一步證實了本文研究結論的穩(wěn)健性。五、．高保障組的逆選擇行為存在顯著差異自PuelzandSnow(1994)以來，研究者們對逆選擇問題進行了各種實證檢驗，在各主要保險市場得到了并不一致的研究結論。一方面，差異可能來自地區(qū)、險種、數(shù)據(jù)樣本的不同;另一方面，采用的模型是否合理，也是分歧的重要原因。本文采用我國某家大型產險公司2006～2009年的動態(tài)續(xù)保數(shù)據(jù)，按照保額選擇對投保人進行分類，對首年索賠情況和次年保額選擇之間的關系采用Logistic模型進行計量經(jīng)濟建模，驗證我國汽車責任險市場是否存在逆選擇和其他保單選擇動機。主要結論如下:(1)我國汽車三責險市場(包括交強險和商業(yè)三責險)整體呈現(xiàn)較