下载文档原格式
集团化经营对中国保险业效率影响的实证分析摘要：为了评估集团化经营对保险公司经营绩效的影响，本文利用malmuist指数对国内5家保险集团及27家独立保险公司2005—2010年间的经营数据进行了效率测度。
根据malmquist指数结果，保险集团在效率的改善方面优于独立公司。
但根据分解指标来看，集团公司并未实现规模效率的改善。
本文在对比分析基础上，给出了一些政策建议。
关键词：集团化经营；绩效评估；malmquist指数一、引言我国于2001年正式加入世界经济贸易组织（wto），在日渐开放的经济、金融环境下，国内保险业正发生着深刻的变化，保险集团的相继组建是一个重要标志。
发达国家的实践表明，保险集团化运营便于发挥协同效应，能为获得规模经济优势和业务扩展优势提供有利的组织条件，隔离不同业务单元的风险，从而增强抵抗行业和集团系统风险能力，同时能有效提升保险公司的经营效率。
自2003年几大保险公司陆续实行集团化经营起已有9年之久，集团化经营对我国保险业经营绩效的影响引起了越来越多的关注。
从国外文献研究，rai利用 1988-1992 年106 家保险公司的数据表明大公司存在规模经济现象。
cummins等研究表明兼并对美国寿险企业效率的提高产生了积极作用。
meador等用效率分析法对美国寿险业产品多元化的效果进行评估，认为产品多元化程度高的公司通过共享资源以及面对经营条件变化快速在各个产品类别之间调整资源投入能够获得更高的成本效率。
cummins等用数据包络分析法评估了1993年～1997年间 817家保险公司的效率分数，发现专业保险公司绩效更优。
fuentes等研究表明混业经营可以获得比专业经营更高的技术效率，但是没有具体针对保险集团与规模效应之间关系的实证研究文献。
从国内文献研究看，顾启圣的研究得出股权结构、高阶主管薪酬与经营效率之间的关系。
候晋、朱磊的研究表明导致保险公司效率低下的原因是规模不佳，投资环节薄弱等。
中国保险集团经营效率测算及差异分析郑慧1,2，乔梦阳1，赵昕1（1.中国海洋大学经济学院，山东青岛266100；2.国家海洋信息中心，天津300171）摘要：经营效率是企业在经营活动中所发生的投入和产出之间的关系，是企业综合竞争力的集中体现。
运用数据包络分析的BCC模型和DEA-Malmquist模型，分别从静态和动态两个角度对中国7家保险集团2010—2014年的经营效率值进行了测算，结果表明，中国保险集团的总体经营状况良好，技术效率处于逐年递增的状态。
规模效率已经不再是制约保险集团发展的主要因素，且各保险集团规模效率的差距在逐年缩小。
中国各保险集团全要素生产率逐年递增，技术进步和技术创新是促进其提高的关键因素。
DEA无效率单元的差额变数分析显示，多数保险集团存在不同程度的投入冗余和产出不足，各类要素冗余投入存在很大的调整空间。
关键词：保险集团；经营效率；DEA-Malmquist模型；BCC模型文章编号：1003-4625（2017）04-0087-06中图分类号：F840.4文献标识码：A一、引言自2002年《保险法》修订开启保险业集团化经营的先例,到2006年国务院颁布的《关于保险业改革发展的若干意见》中提出支持发展具有国际竞争力的大型保险集团；再到2014年保监会制定《保险集团并表监管指引》，及2015年《保险资金运用内部控制指引》提出加强保险集团资金运用及内部控制，中国的保险集团经历了一个从市场准入到政策支持再到全面监管的过程。
迄今为止，保险集团在中国已经发展了10余年，相继成立的8大保险集团①资产总规模、保费收入、净利润占比均达到中国保险市场份额的75%以上。
可以看到，保险集团在中国保险市场上已占据了绝对领导地位，在利率市场化背景下，分析保险集团的经营效率及其资源配置情况，并据此找到提高全险业风险控制能力与核心竞争能力的长效途径，对于促进中国保险市场健康持续发展，具有重要的理论意义与实际价值。
Malmquist指数结果解读1.前言本文通过解读Ma lm qu i st指数的结果，来评估某项指标的效率变化情况。
Ma lm qu is t指数常用于衡量企业、产业或国家在两个时间点之间的效率变化，对于发现和分析效率差距，以及指导提高工作效率具有重要意义。
2. Ma lmquist指数概述M a lm qu is t指数基于生产力前沿面理论，是一种衡量效率变化的指标。
其公式如下所示：M a lm qu is t指数=技术变化指数*效率变化指数其中，技术变化指数衡量的是技术进步的变化情况，而效率变化指数衡量的是相对效率的变化情况。
M al mq uis t指数大于1表示效率提高，小于1表示效率下降。
3. Ma lmquist指数结果解读根据计算得到的M alm q ui st指数结果，我们可以进行如下解读：3.1效率变化方向通过对比Ma lm qu ist指数大于1或小于1的情况，可以判断效率变化的方向。
如果Ma lm qu i st指数大于1，说明效率有所提升；如果M a lm qu is t指数小于1，说明效率出现下降。
3.2技术变化与效率变化的比较通过比较技术变化指数和效率变化指数，可以了解技术进步和效率提高的相对贡献程度。
如果技术变化指数大于效率变化指数，说明技术进步是效率提高的主要原因；如果技术变化指数小于效率变化指数，说明提高效率的主要原因可能是通过更有效的资源配置和管理。
3.3同类单位间的比较通过比较不同单位之间的Ma lm qu is t指数，可以了解单位间效率的差距。
单位的M al mq ui s t指数越大，说明其相对于其他单位具备更高的效率。
4.结论M a lm qu is t指数结果的解读对于评估效率变化具有重要意义。
通过分析效率变化方向、技术变化与效率变化的比较以及同类单位间的比较，可以深入了解效率的提高或下降原因，为进一步提高工作效率提供指导。
在实际应用中，我们可以根据Ma lm qu ist指数的结果，制定有效的策略来提高效率。
中国全要素生产率分析Malmquist指数法评述与应用一、本文概述本文旨在全面分析和评述使用Malmquist指数法对中国全要素生产率（TFP）的研究。
全要素生产率作为衡量一个国家或地区经济增长质量的关键指标，对于理解中国经济增长的动力源泉、识别经济转型升级的方向以及评估经济政策的效果具有重要意义。
Malmquist指数法作为一种非参数的生产率测量方法，因其对数据要求相对较低、可以分解出技术进步和技术效率变化等优点，在经济学研究中得到了广泛应用。
本文首先回顾了全要素生产率和Malmquist指数法的相关理论基础，然后梳理了国内外使用Malmquist指数法测量中国全要素生产率的研究进展，并对其进行了评述。
在此基础上，本文进一步探讨了Malmquist指数法在中国全要素生产率研究中的应用，包括数据来源、模型设定、结果解释等方面。
本文总结了Malmquist指数法在中国全要素生产率研究中的优缺点，并展望了未来的研究方向。
通过本文的研究，我们期望能够更深入地理解中国全要素生产率的动态变化及其背后的驱动因素，为政策制定者提供有价值的参考信息，同时也为后来的研究者提供一个清晰的研究框架和思路。
二、全要素生产率与Malmquist指数法的基本理论全要素生产率（Total Factor Productivity，TFP）是衡量一个经济体在单位时间内，所有投入要素（如劳动力、资本等）的生产效率的综合指标。
它反映了在技术进步和资源配置效率改善的情况下，生产单位所能达到的最大产出。
全要素生产率的提高，通常被视为经济增长的重要源泉，尤其是在资本和劳动力等要素投入增长放缓的情况下，全要素生产率的提升对于维持和推动经济增长具有重要意义。
Malmquist指数法是一种用于测量全要素生产率变化的非参数方法，由瑞典经济学家Sten Malmquist在1953年首次提出。
该方法基于数据包络分析（Data Envelopment Analysis，DEA）理论，通过比较不同时期或不同决策单元（如企业、地区或国家）的生产前沿面，来评估全要素生产率的动态变化。
malmquist指数的计算Malmquist指数是一种用于衡量经济效率变化的指标，它可以帮助我们评估不同时间段或不同地区的经济绩效。
Malmquist指数的计算方法相对简单，但需要一些基本的数学和经济知识。
首先，我们需要收集两个时间点或两个地区的经济数据。
这些数据可以包括国内生产总值（GDP）、劳动生产率、资本投入等。
假设我们要比较两个时间点的经济绩效，我们将这两个时间点分别标记为t和t+1。
接下来，我们需要计算技术变化指数（Technical Change Index）和效率变化指数（Efficiency Change Index）。
技术变化指数反映了技术进步对经济绩效的影响，而效率变化指数则反映了资源利用效率的变化。
计算技术变化指数的方法如下：1. 首先，我们需要计算两个时间点的生产函数。
生产函数可以用来描述产出与输入之间的关系。
假设我们的生产函数为Y = f(K, L)，其中Y表示产出，K表示资本投入，L表示劳动投入。
2. 然后，我们需要计算两个时间点的生产函数边界。
生产函数边界表示了在给定输入条件下的最大产出水平。
我们可以通过线性规划等方法来计算生产函数边界。
3. 接下来，我们需要计算两个时间点的技术变化指数。
技术变化指数可以通过计算两个时间点的生产函数边界之间的距离来得到。
如果技术变化指数大于1，则表示技术进步对经济绩效的提升有正向影响；如果技术变化指数小于1，则表示技术进步对经济绩效的提升有负向影响。
计算效率变化指数的方法如下：1. 首先，我们需要计算两个时间点的效率前沿。
效率前沿表示了在给定产出水平下的最小输入水平。
我们可以通过线性规划等方法来计算效率前沿。
2. 然后，我们需要计算两个时间点的效率变化指数。
效率变化指数可以通过计算两个时间点的效率前沿之间的距离来得到。
如果效率变化指数大于1，则表示资源利用效率的提升对经济绩效有正向影响；如果效率变化指数小于1，则表示资源利用效率的提升对经济绩效有负向影响。
基于Malmquist指数的我国流通业生产效率与技术效率变动分析内容摘要：本文利用2001～2011年我国30个省市自治区的数据，采用Malmquist指数对我国流通业的生产效率和技术效率进行测算。
结果表明：我国流通业生产效率呈现衰退-增长-衰退-增长的波动型趋势，技术效率也呈现了衰退-增长-衰退-增长的波动趋势，而技术进步的变动对生产效率和技术效率波动都有直接影响。
关键词：Malmquist指数流通业生产效率技术效率作为转型时期推动我国国民经济发展的一大主导产业，流通业市场规模日趋扩大，市场需求对国民经济发展的约束力也越来越大。
因此，推动流通业不断转型升级，不断提高流通业在国民经济中的地位，是当前中国经济发展的必然趋势。
生产效率是产业增长与转型升级的重要内在因素，只有生产效率上去了，产业才有继续发展和转型升级的可能。
因此，当前中国流通业的发展要注重其生产效率的提高。
迄今为止，学术界对于生产效率的研究主要集中于制造业、服务业、宏观经济等整体层面，对于流通业等局部产业层面的生产效率的研究相对较少。
较为系统地研究生产效率问题的学者有Fare等（1994），他们采用Malmquist指数模型定量分析了工业化国家的生产率增长趋势。
随后，Malmquist指数模型被广泛应用到产业及其他领域之中，如SUN Wei等（2012）用Malmquist指数测算了我国资源型城市的发展效率；原毅军等（2009）用Malmquist指数测算了我国生产性服务业的全要素生产率。
本文在已有文献的基础上，参考Fare等人的研究方法，采用Malmquist指数模型来测算我国流通业的生产效率和技术效率。
基本模型为测定基于Malmquist指数的生产效率，采用技术转化为产出的方法进行定义。
给定时期t=1，2，...，T，每一份要素投入xt通过生产技术St转化为产出yt，而生产技术St可表述为一种生产可能性集合，即所有有效投入产出向量的集合，可抽象地将其定义如下：St={（xt，yt）：由xt生产yt} （1）对于每一份投入xt，在t时期基于参照生产技术前沿的产出距离可定义如下：D0t（xt，yt）=inf{θ：（xt，yt）∈St}=（sup {θ：（xt，yt）∈St}）-1 （2）任对（xt，yt）∈St，都有D0t（xt，yt）≤1。
SHANGHAI INSURANCE MONTHLY ·APR我国14家寿险公司经营效率的实证分析——基于DEA-Malmquist模型周四娟董欣妍原彰邓元坤广州中医药大学公共卫生与管理学院一、引言近年来，党和政府为我国保险业的发展提供了不少政策支持，保险改革不断深入，我国保险业正处于一个快速发展的机遇期。
2006年至2019年期间，我国原保费收入由558.41亿元增加至42645亿元，其中人身险的原保费收入占据了整个保险行业原保费收入72.7%的比重，高达30995亿元。
目前我国人身险发展迅速，但始终存在着“重规模、轻效率”的问题。
如何提升寿险公司的经营效率是我国保险业实现优质发展的关键问题，本文通过对我国14家主要寿险公司的资源配置进行研究，对投入和产出情况进行DEA-Malmquist实证分析，发现寿险行业经营效率存在一定的问题，并给出相应的解决方法，寻找更优的经营思路，从而提升整个保险行业的发展效率和质量。
二、研究方法与数据来源（一）研究方法研究方法：：DEA-MalmquistDEA-Malmquist模型构建模型构建数据包络分析方法DEA（DataEnvelopment Analysis）是将多项投入指标和多项产出指标，利用线性规划的方法，对具有可比性的同类型单位进行相对有效性评价的一种数量分析方法，通过与生产前沿面进行比较，发现投入指标存在的问题，找到未来生产改进的方向，其表达式为：min[θ-ε(∑m i=1si-+∑n r=1sr+)]∑i j=1x ijφj+si-=θx i k∑I j=1y rjφj-sr+=y r k∑I j=1φj=1φj,si-,sr+≥0,j=1,2,…n如式（1），假设BCC模型（决策单元处于变动规模报酬情形）有多个决策单元（DMU），θ表示目标规划值，ε表示非阿基米德无穷小，φj是规划决策变量，si-、sr+为松弛变量，x ij表示第j个决策单元的第i个投入量，y rj表示第j个决策单元的第r个产出量。
2010年第9期科技管理研究Sc i ence and T echno logy M anag e m ent R esearch2010N o 9收稿日期:2009-10-20,修回日期:2009-12-31基金项目:国家自然科学基金项目 非均匀区间与分布式符号数据的多元分析方法(70701026);教育部博士点基金资助项目(20070056028)文章编号:1000-7695(2010)09-0219-03我国寿险企业生产效率变动的M almquist 指数分析高 明,解百臣(天津大学管理学院,天津 300072)摘要:运用M al m qu i st 指数方法,对我国寿险行业1999 2007年的面板数据进行实证分析。
结果表明,由于规模效率和纯技术效率的波动性,造成资源配置效率对全要素生产率的变动贡献不明显,我国寿险行业的生产效率变动主要是由技术变动引起的,技术进步是促进寿险行业效率增长的决定性因素。
关键词:全要素生产率;M a l m qu i st 指数;资源配置效率;技术进步;寿险企业中图分类号:F842 文献标识码:A随着人寿保险市场的不断发展,寿险企业间的竞争日趋激烈,为了在市场竞争中处于有利地位,寿险企业必须不断提高生产率。
全要素生产率(To ta l F actor P roducti v ity :T FP )是生产率研究的重要内容,反映了行业投入产出的技术效率水平。
对于TFP 的测量主要有 余值 法,随机前沿生产函数法和非参数法。
本文应用建立在距离函数基础上的非参数M a l m qus i t 指数,对1999 2007年间我国寿险企业生产效率的动态变化进行研究,并通过对其分解来探求影响生产率变动的根源,对于提高我国寿险业的整体竞争力具有重要意义。
1 保险企业M al m qu ist 生产率指数效率评估综述国外较早开始应用M a l m qu i st 生产率指数进行保险企业效率问题的研究。
如Cu mm i ns ,Turchetti 和W e i ss (1996)运用M a l m quist 生产率指数考察意大利保险公司的效率变动状况,研究发现,在1986 1993年间,意大利保险公司全要素生产率增长约3 4%[1];Fukuyam a (1997)研究了1988 1993年间日本25家人寿保险公司的经营效率与生产率变化,结果表明研究期间日本寿险公司全要素生产率增长约19%[2];Donn i 和F recher (1997)运用M a l m qu ist 生产率指数对15个OECD 国家的保险业在1983 1991年间的技术效率水平进行测度,发现各国生产率增长主要来源于技术进步[3];Cu mm i ns 和W e i ss (1997)运用DEA 方法对1981 1990年美国206家财险股份有限公司与211家相互保险公司的经营效率差别进行实证分析,并运用M a l m qu i st 指数考察研究期间内的生产效率的变动情况[4];Cu mm i ns 和R ub i o -M i sas (1998)使用M a l m qu i st 指数,研究1989 1996年间西班牙365 513家相互制保险公司和股份制保险公司效率问题,研究发现:研究期间,股份制保险公司生产率指数年均增长1 23%(其中技术效率年增长3%)[5];Cu mm i ns ,T en -nyson 与W e iss (1999)的研究发现,1991 1994年间,美国寿险生产率提高4 1%,并且发现参与并购的公司的技术效率增长率高于未参与并购的公司[6]。
国内对保险企业效率的研究起步较晚。
最早用M a l m quist 生产率指数研究寿险效率问题的是李克成的 国内寿险公司经营效率实证分析 ,实证结果表明大多数寿险公司的全要素生产率都在增长,不同类型寿险公司全要素生产率的增长来源略有差异[7];陈璐(2005)运用基于DEA 方法的M a l m quist 指数测定了保险公司有的发生了前沿面移动,有的没有,但是没有对造成这种情况的原因进行分析[8]。
曹乾(2006)选取1999年成立的开业3年以上的12家直接保险公司,研究我国保险业1999 2003年生产效率的动态变化[9]。
此外,还有一些利用M a l m quist 指数专门研究财险公司生产率变动研究的文献。
这些研究成果无疑都有相当大的学术价值,具有重要的参考价值。
本文在上述文献的基础上,应用M a l m quist 指数对我国寿险行业效率变动进行分析。
2 我国寿险企业效率评估的计量模型2 1 M a l m quist 指数方法简介F re ,G rosskop,f L i ndgren 和Roos 等人所定义的M a l m quist 生产率指数为:M t,t +1=D t (x t +1,y t +1)D t (x t ,y t )D t +1(x t +1,y t +1)D t +1(x t ,y t )1(1)D (X,Y )=i nf{ :(X,Y | ) P (X ),X R m ,Y R n }。
其中P(X )表示生产可能集,即所有的生产可能组合:P (X )={(X,Y ):投入X 能够产出Y }, [0,1]表示产出效率,当 =1时说明资源配置是有效的,所有投入要素都发挥了最大的作用; <1说明资源配置处于一种冗余状态,是非有效的,仍然有一部分资源尚未充分利用。
根据距离函数的定义可知,D s (x t,y t )其实计算的是被评价单元在C 2R 模型下的效率,即:D s k (X t k ,Y t k )=m i n k(C 2R ) s t nj =1X s j j X tk nj =1Y s j j Y t kj 0,j =1, ,n (2)在规模报酬不变的情况下,M a l m quist 全要素生产率指数M 是资源配置效率指数(Effic i ency Change :EC )与技术变化指数(T echno l og ical Change :TC )的乘积。
对M t ,t +1进行分解如下:高 明等:我国寿险企业生产效率变动的M al m qu ist指数分析Mt,t+1=Dt(Xt+1,Yt+1)Dt(Xt,Yt)D t+1(X t+1,Y t+1)Dt+1(Xt,Yt)12=Dt(Xt+1,Yt+1)Dt+1(Xt+1,Yt+1)D t(X t,Y t)Dt+1(Xt,Yt)12 D t+1(X t+1,Y t+1)t t t(3)EC=Dt+1(Xt+1,Yt+1)Dt(Xt,Yt)(4)TC=Dt(Xt+1,Yt+1)Dt+1(Xt+1,Yt+1)Dt(Xt,Yt)Dt+1(Xt,Yt)12(5)其中代表实际生产情况与前沿面的接近程度,即追赶效应;TC代表在可观测范围内生产前沿面的移动情况:包括技术进步和技术倒退两种情况。
当规模报酬发生变化时,效率改善指数可进一步分解为纯技术效率PTE(Pure T echn ica l E fficiency)和规模效率指数SE(Sca l e E ffic i ency)。
其计算公式如下:EC=D t+1(X t+1,Y t+1|V,S)D t(X t,Y t|V,S)S t(X t,Y t)St+1(Xt+1,Yt+1)(6)PTE=D t+1(X t+1,Y t+1|V,S)D t(X t,Y t|V,S)(7)SE=St(Xt,Yt)St+1(Xt+1,Yt+1)(8)综上有:Mt,t+1=EC T C=PTE SE TC,其中Mt,t+1表示M a l m quist指数,EC表示资源配置效率指数(综合效率的改善),TC表示技术变化指数(技术进步),PTE表示技术效率变化指数(技术效率的改善),SE表示规模效率变化指数(规模效率的改善)。
当M al m qu ist指数大于1时,表示TFP水平提高;当构成M a l m qu ist指数的技术进步变化指数大于1时,表示其是TFP 增长的主要动力,反之则是导致TFP下降的根源;而规模效率指数和纯技术效率指数的高低,则反映了它们对资源配置效率指数之间的影响。
2 2 投入产出指标的选取研究我国寿险企业生产效率变动,可以通过分析主要寿险公司的M a l m quist指数及其分解指标进行,本文对1999年到2007年我国寿险企业经营状况进行实证分析。
考虑到进行M a l m qu ist指数分析的需要和数据的可得性,本文中对寿险企业选取的投入指标为: 所有者权益, 员工人数;产出指标为: 当年保费收入, 总资产。
2 3 研究期间及样本的选择本文选取1999年到2007年为研究期间,对我国寿险企业经营状况进行实证分析(根据 中国统计年鉴 ,后面的公司早些年没有成立)。
受数据的影响,全面评价所有寿险企业并不实际。
本文根据寿险企业的经营规模,数据的可得性和可计量性,考察1999年到2002年的数据,样本公司选取中国人寿保险股份有限公司,平安人寿保险股份有限公司,新华人寿保险股份有限公司,泰康人寿保险股份有限公司,中宏人寿保险有限公司,太平洋安泰人寿保险有限公司,安联大众人寿保险有限公司,金盛人寿保险有限公司,中保康联人寿保险有限公司,信诚人寿保险有限公司,恒康天安人寿保险有限公司,美国友邦保险股份有限公司等12家公司。
2003年到2007年,考虑到大批中小寿险公司成立及数据的可得性,在原来的基础上,增加了太平人寿保险股份有限公司,民生人寿保险股份有限公司,生命人寿保险股份有限公司,中意人寿保险有限公司,光大永明人寿保险有限公司,海尔纽约人寿保险有限公司,首创安泰人寿保险有限公司,海康人寿保险有限公司,招商信诺保险有限公司,中英人寿保险有限公司,广电日生人寿等11家公司。
3 我国寿险样本企业效率变动分析本文有关M al m qu i st指数的计算采用了Banx i a软件有限公司所提供的生产前沿面分析软件F rontier Ana l y st ,该软件是用数据包络分析法来进行生产前沿面的估计和相关效率的计算。
将各寿险公司作为决策单元,计算研究期间全要素生产率及其分解指数变化情况,将它们的各项指标取几何平均值,结果如表1所示:表1 我国寿险企业1999 2007年间的生产率变动99-0000-0101-0202-0303-0404-0505-0606-07 PTE2 0630 8891 1340 8841 050 9541 3041 2381 189 SE0 9291 0730 9621 6570 780 9251 9211 1691 177 EC2 1581 0080 8161 44108280 8082 3091 4691 355 TC1 2151 5941 6370 7051 5381 5990 4660 8861 2095 M1 8561 781 28609421 1411 3011 0771 3011 3355为了更直观形象地分析寿险企业效率值的变动情况,图1给出了1999 2007年间每年的M al m qu ist指数及其分解指数的变动情况。
