保险扶贫减贫效果分析

导语：保险扶贫减贫效果分析一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

一、引言

贫困是世界著名的“3P”（POLLUTION—污染、POPULA-TION—人口、POVERTY—贫困）问题之一，贫困问题一直困扰着世界各国，作为世界上最大的发展中国家，中国的贫困人口曾经占世界贫困人口总数的20%。为了对症下药，深入实施扶贫脱贫，精准扶贫应运而生。改革开放40年来，我国成功走出了一条中国特色减贫道路，并一跃成为世界上减贫人口最多的国家。但与此同时，我们也要清醒的认识到，当前我国脱贫攻坚形势依然严峻，因为我国剩余贫困人口贫困程度深、减贫成本更高、脱贫难度更大。保险业作为经济社会发展的“稳定器”和“压舱石”，具有风险转嫁与分散、经济补偿与给付、资源配置与资金融通等功能。[1]在扶贫工作中引入保险机制，有利于统筹利用社会资源、放大财政扶贫资金效用、改善贫困地区金融生态。[2]为了防止出现较为严重的“边脱贫、边返贫、边致贫”现象，为脱贫人口和边缘贫困人口提供合理的保险保障就显得尤为重要。[3]保险扶贫，不仅有助于实现脱贫，还能有效防止返贫。保险业服务精准扶贫的实现路径主要包括农业保险扶贫、大病保险扶贫、民生保险扶贫以及增信融资扶贫四大类。[4]大病保险扶贫主要针对因病致贫、返贫，通过政府补贴等方式，以商业化渠道资助贫困人口，适当补充重大疾病保障，可以进一步缓解因病致贫、返贫，助推精准扶贫；农业保险扶贫主要针对因灾致贫、返贫，主要承保农产品上市之前遭遇的旱、涝、寒冻等自然灾害风险，以及农产品目标价格保险；民生保险扶贫主要包括扶贫小额人身保险、农村住房保险等；增信融资扶贫主要包括扶贫小额贷款保证保险、农业保险保单质押贷款等。我国提出在2020年实现全面脱贫，保险扶贫作为精准扶贫的重要抓手，对提升脱贫质量和打赢脱贫攻坚战意义重大，不少学者提出，在我国实现全面脱贫后，仍需利用保险手段守住脱贫成果。那么，在我国精准扶贫过程中，保险扶贫的减贫效果到底如何？还需要进一步实证检验。本文正是基于此思路，试图通过分析我国贫困人口规模与保险业发展之间的内在关系，以度量保险扶贫的减贫效果，这对我国保险扶贫工作的进一步开展有重要的理论与实践意义。

二、保险扶贫减贫效果实证分析

1.计量模型设定与变量选取从已有文献研究来看，减贫的影响因素有很多，为了探索保险业发展对于精准扶贫的助推效果，从经济发展、社会发展及保险业发展，三个层面考察各因素的减贫效果。本文将贫困人口规模作为因变量，将保险业发展的各项指标作为自变量，同时，以对贫困人口规模产生综合影响的居民消费价格指数、人均GDP、人口、普通本科人数等指标变量作为控制变量。保险业发展层面，保险深度和密度是衡量保险业发展水平的重要指标，而保险扶贫中最主要的两大抓手为大病保险扶贫和农业保险扶贫，由于大病保险存在部分省份数据缺失的问题，本文选取农业保险的保费收入、赔付金额及保险深度、保险密度四个指标衡量保险扶贫的减贫效果。开始的2013年至2016年的数据为样本，进行计量模型的估计。从数据的结构特征来看，属于典型的面板数据。面板数据兼具横截面与时间两个维度，提供更多个体动态行为的信息，数据容量大，估计结果也更加稳定。面板数据的一般形式：yit=α+Xitβi+εit，据此，本文将上述变量引入模型，计量模型的设定为如下形式：Povertyit=α+β1CPIit+β2avegdpit+β3popit+β4eduit+β5incomeit+β6expensesit+β7densityit+β8depthit+εit其中，poverty表示各省（市、直辖区）的贫困人口规模，数据来自于中国农村贫困监测报告，下标i和t分别表示地区和年份，α表示常数项，βi表示变量系数，εit表示残差。2.回归结果分析运用stata软件对我国30个省份2013年至2016年的面板数据进行回归分析。为了得到较为有效的估计结果，分别采用混合回归、随机效应和固定效应进行估计。表中的模型（1）、模型（2）、模型（3）分别报告了混合回归、随机效应、固定效应的解释变量系数结果。回归结果显示的F统计量的p值为0.000，表明个体效应整体上是显著的，固定效应模型优于混合回归;根据Hausman检验，chi值为正数，p值为0.0241，拒绝原假设，因此，在固定效应模型和随机效应之间选择固定效应模型。因此，我们认为模型（3）中的结果是最有效的。表2面板数据回归分析结果通过观察方程（3）中解释变量的估计值可以发现：第一，在经济发展层面，人均GDP对贫困人口规模的影响系数为负，说明人均GDP的提高对于贫困人口规模的减少有显著的促进作用，这验证了经济发展会促进贫困人口规模降低。同时，人均GDP的系数为-0.00811，说明人均GDP增加1%，贫困人口规模将降低0.008%。居民消费价格指数对贫困人口规模的影响系数为正，但未通过显著性检验。这是因为，虽然从理论上来说，居民消费价格指数越高，代表着物价的上涨，居民生活成本将提高，贫困人口规模也会扩大，但居民消费价格指数作为国家宏观经济分析与决策的重要依据，它的高低将直接影响国家宏观经济调控措施的出台与力度。由于居民消费价格指数影响重大，国家必须依此进行宏观调控，所以居民消费价格指数并不能直接影响贫困人口规模。第二，在社会发展层面，普通本科对贫困人口规模的影响系数为负，说明教育水平的提高会促进贫困人口规模的降低，这也从侧门反映了提升教育水平的重要性。支持贫困地区教育发展以及吸引人才投身贫困地区工作，都将是促进贫困地区脱贫的有效途径。第三，在保险业发展层面，保险深度与保险密度通过了1%的显著水平检验，说明保险业的发展能有效促进贫困人口规模的降低，同时也验证了保险扶贫减贫效果的显著性。其中，保险密度是指人均保险费额，保险密度的影响系数为正，说明人均保险费额的增加成为了贫困人口的经济压力，因此，国家应制定相关政策降低保险扶贫中保险产品的费率，并对贫困户自缴部分进行合理补贴。保险深度反映的是保险业在整个国民经济中的地位，它的影响系数为负说明一个地区保险业的发展能有效助力脱贫。农业保险扶贫是精准扶贫的一大抓手，但是农业保险的保费收入及赔付支出对贫困人口规模的影响并不是十分显著，说明我国农业保险助力脱贫攻坚的作用还未显现，国家仍需大力发展农业保险扶贫，随着相关措施的力度不断加大，农业保险扶贫的作用将进一步凸显。3.稳健性检验为了进一步检验保险扶贫减贫效果的稳健性，同时也考虑到各个解释变量对贫困人口规模的影响可能存在时滞效应，本文将各个解释变量分别滞后一期，然后采用固定效应模型进行稳健性检验。由表3可知，滞后一期后，人均GDP、普通本科、保险深度、保险密度对贫困人口规模的影响仍显著，这一结果与前文结论相一致，说明本文的实证结果有较强的稳健性。

三、结论

本文选用2013-2016年全国30个省份面板数据，运用固定效应模型对保险扶贫的减贫效果进行了有效估计，实证估计结果表明：保险业的发展对贫困人口的减少有较为显著的促进作用，但农业保险对贫困人口规模的影响并不是十分显著。我国提出将于2020年实现全面脱贫，由于保险扶贫兼具助力脱贫与防止返贫的双重功能，所以，保险扶贫的各项手段并不应该随着我国全面脱贫的实现而终止，而是应该在全国范围内继续推行，打造符合贫困群体实际需求的保险扶贫产品和服务体系。同时，为减轻贫困人口的经济压力，国家应制定相关政策降低保险扶贫中保险产品的费率，并对贫困户自缴部分进行合理补贴。目前，农业保险扶贫的效果还不够显著，我国应该进一步加大农业保险扶贫的力度，充分发挥农业保险的损失保障效应，以助力精准扶贫。

参考文献：

[1]吴传清,郑开元.保险精准扶贫的路径选择与促进机制[J].甘肃社会科学,2018(3):96-102.

[2]江洁,王起国.以保险助力精准扶贫[J].人民论坛,2018(16):100-101.

[3]郑伟,贾若,景鹏,等.保险扶贫项目的评估框架及应用———基于两个调研案例的分析[J].保险研究,2018(8):13-20.

[4]江洁.保险扶贫的四个路径[J].人民论坛,2018(22):70-71.

作者:吕紫薇 任善英 单位:青海大学