(三)实证分析
    根据我国保险业的实际情况,本文采用二项 Logistic 回归模型来分析问题。对模型的设计如
下

:

    (1)因变量,本文选取偿付能力充足率(Y)作为因变量。若偿付能力充足率大于 1,则偿付能力
充足

,定义其值为

“0”;若偿付能力充足率小于 1,则偿付能力不足,定义其值为“1”。

    (2)自变量,选取《新规定》中的偿付能力监管指标作为自变量。由于数据难以全面取得,只取
11 个监管指标中的 10 个作为自变量,舍弃了融资风险率指标。
    模型使用的软件工具是 SPASS11.5。
    拟合 Logistic 回归模型时,对自变量中存在的多重共线性很敏感;如果多重共线性程度较大,
回归结果也会受到影响。表

3 是各个自变量之间的相关性分析结果,部分自变量之间存在着

中度相关

,如 X1 与 X2、X3 与 X4 等;个别自变量之间存在高度相关,如 X9 与 X10。进一步检查

自变量之间的容限度和方差膨胀因子

,变量之间的容限度都比较大,多数都在 0.5 左右,最小的

为

0.128,基本排除自变量之间存在严重的多重共线性的可能。

    在排除变量之间存在严重的多重共线性后,本文采用 ENTER(全回归方式)将变量进入回归
方程

,回归结果见表 4-6。

    表 5 是观测量分类表,分类精度为 100%,说明方程的识别率比较高。但是否 10 个自变量对
因变量的识别率都比较高呢

?表 6 给出的回归系数 Wald 检验值很小,很难拒绝虚无假设,并不

能说明白变量的作用

,必须比较包括每个变量的模型与不包括这个变量的模型,用对数似然值

的变化进行检验。
    为了显示每个自变量的作用,本文再一次检验不包括各个自变量对数似然值的变化情况,使
两组自变量依次纳入回归模型。其中

,前一组就是原来的 10 个自变量,采用 ENTER 方式进入

模型

;后一组是各个自变量,采用 Forward:conditional 方式(前进法)将各个自变量分别带入模

型

,其目的是将第一组中没有解释作用的自变量剔除。本文一共进行了 10 次回归,结果显示:

在模型嵌套的回归方式中

,自变量 X1、X4、X5、X6 和 X8 都从最终回归系数表中一一被自动

剔除了

;而如果将 X2、X3、X7、X9 和 X10 这 5 个自变量剔除,则对数似然值都会发生较大的变

化

(见表 7),说明在这 10 个自变量中,X2、X3、X7、X9 和 X10 对模型的分类结果具有显着意义,

不能被剔除。
    三、结论及改进建议
    (一)实证结论
    1.实证分析结果表明,保费收入增长率对偿付能力状况的解释并不显着,而自留保费的解释
作用却比较显着。这可能是指标之间的相关性影响了回归结果。进一步分析发现

,在偿付能力

充足率小于

1 的样本中,如果剔除中国人保、太平洋财产的相关样本,自留保费增长率指标在

整个模型中的解释作用会更好。由于中国人保、太平洋财产两家非寿险公司已经进入了一个
相对稳定的发展阶段

,其目前的偿付能力不足的原因主要与早期的粗放经营有关,与保费增长

无关。而余下的新兴非寿险公司发展正处于迅速扩张阶段

,业务增长过快使得保险公司的承

保金额增长和赔付责任加大

,从而增加了保险公司的偿付风险。因此,保费收入增长率和自留

保费增长率指标对新兴保险公司偿付能力充足率的作用更为重要。
    2.毛保费规模率指标反映了保险公司的实际偿付能力额度对其承保责任的保障程度。无论
是根据指标范围的统计分析结果

,还是指标的有效性实证结果,均表明该指标具有有效性。该

指标之所以有效

,其原因可能在以下两点:一是毛保费规模率的设置合理,符合我国保险市场

的特点。目前我国非寿险公司的实际资本不能保障其日益增大的承保责任

,是导致偿付能力

不足的主要原因

;二是我国非寿险业的情况比较特殊,大部分偿付能力不足的保险公司的实际

偿付能力额度小于零。根据保监会的规定

,若本年的实际偿付能力额度为零或负数,则毛保费

规模率指标值为

999%。因此,大多数偿付能力不足的样本 ,其毛保费规模率指标值都为