空间计量在农业保险研究中的应用.docx

空间计量在农业保险研究中的应用 【摘要】本文简要介绍了空间计量方法在对具有空间效应的观测个体建模方面的优势，并分别概述了在空间依赖性和空间异质性两种不同表现形式下空间计量模型的具体形式和特点。农业保险风险由于天然同地理空间因素密不可分，因而为空间计量的应用提供了绝佳的条件。空间计量在农产品价格指数保险定价、风险分区以及农业保险绩效评估等农业保险研究领域均能发挥有效作用。 【关键词】空间计量 空间依赖性 农产品价格指数保险 农险绩效评估 一、空间计量概述 空间计量是以空间经济理论和地理空间数据为基础，运用数学、统计学和计算机技术建立、检验和运用经济计量模型对经济活动的空间相互作用和空间结构相关问题进行定量分析的过程。通常，经济活动可能表现出的空间效应主要有两种表现：空间依赖性和空间异质性。 （一）空间依赖性 传统的统计理论建立在观测值相互独立的假设之上，然而，在对包含空间数据的观测值建模时，观测值之间往往不再独立。直观上来看，具有地理空间属性的数据，相邻的观测值难免会相互影响。而从统计建模的角度来看，空间背景下的外部性，时间依赖导致的潜在的空间依赖，遗漏变量（遗漏临近区域的相关因素）等都是空间依赖模式的可能动因。 观测值的空间依赖性不仅意味着其在空间维度上缺乏独立性，而且更进一步暗示其数据结构由绝对位置和相对位置共同决定。空间依赖性表现出的空间效应可以用空间滞后模型和空间误差模型刻画。 （1）空间滞后模型（SLM）。主要探讨各变量在地区之间的溢出效应，通过在模型中加入内生变量Wy以描述空间距离对区域行为的作用。模型形式如下： y=Wy+X+ N （0，2In） 其中，W为空间权重矩阵，Wy为空间滞后变量。模型估计结果中的和分别体现自变量对因变量的影响程度和因变量相互之间的空间依赖效应。 （2）空间误差模型（SEM）。与SLM不同，SEM主要探讨邻近地区因变量的误差冲击对本地区观测值的影响程度。其模型形式如下： y=X+ =W+ N（0，2In） 同样，W为空间权重矩阵，Wy为空间滞后变量， 为截面因变量向量的空间误差系数，描述因变量误差之间的空间相关性， 为正态分布的随机误差向量。 （二）空间异质性 经济研究中的因变量不仅可能体现出空间上的相互影响，更天然地存在空间上的差异性，即空间异质性。空间异质性通常采用空间变系数的地理加权回归模型（GWR）进行估计，通过将观测数据的空间地理位置信息纳入回归参数的估计，有效扩展了传统的全局线性回归模型，解决了传统方法仅对参数进行全域平均而无法反映参数的空间非平稳性的问题。GWR的模型形式如下： yi=0（ui，vi）+j（ui，vi）xij+i 其中，i和j分别代表不同的观测区域和影响因素。在以上的扩展的GWR模型中，以地理位置（ui，vi）区分的每个区域对应一个单独的估计函数，j为区域内各观测值对应的估计参数向量。因此，各区域因变量yi的回归系数只受局域地理位置的变化影响。 农业，特别是农业种植业，由于其天生就同土地有着密不可分的关系，其风险也就顺理成章地刻着空间因素的印记，从而，空间计量这一专门研究空间因素的工具对于解决农业保险中的问题就体现出了优势。 二、在农产品价格指数保险的应用 近年来，随着经济的发展，市场风险对农业生产的影响日益增长，促使业界产生扩大传统农业保险保障范畴的设想，并进而催生了蔬菜价格指数保险。无论从出发点还是潜在的社会效应而言，农产品价格指数保险都是一次具有积极意义的尝试，但是，为保证其能够真正发挥保险合理有效分散风险的作用，从理论上研究其特性仍然是必要的。 损失的偶然性、低频高损、可计量以及具有独立同分布的大量风险标的是风险可保的必要条件。对比我国的农产品市场价格风险：首先，我国农产品市场经济一体化程度高，同类产品地区之间价格表现趋同;其次，从供给角度来看，种植业产量主要受自然条件和技术条件的影响，而这两个因素又都表现出很强的区域相关性;再次，由于农产品平均价格偏低，相比货币的边际效用，居民的购买需求受饮食习惯影响更大，也具有明显的地域特征。而根据经济学原理，价格的决定机制通常受供给和需求情况，以及政府的相关政策影响，因此，我国的农产品市场价格风险具有明显的系统性风险特征，显然不满足可保风险独立性的要求。 然而，农产品价格风险不属于可保风险并不代表着价格指数保险完全不可行，有学者指出，风险能够有效分散、预期赔付可控的保险产品都是可行的，并给出了可行的农产品价格风险分散方式。在此，我们不妨从另一个角度来分析价格指数保险的可行性。控制预期赔付的前提是能够通过经验损失的分析准确地预测未来的损失情况，并根据预测情况制定合理的保险费率，所以，未来赔付可接受的前提是准确合理的定价，任何已预测到并在定价中加以考虑的损失所造成的理赔原则上都是保险人可以接受的。如前所述，农产品价格风险定价的主要障碍是系统性，表现为区域之间的显著差异和区域内相邻地区之间的高度相关性，而这些恰恰是空间计量模型所擅长的。 对于相邻地区间价格风险的差异性和相关性，均可以通过空间计量方法解决。首先，考虑到我国行政区划的情况，不同省市的面积和相邻区域个数都差异很大，选用更加平衡的K值最邻近空间矩阵计算空间权重矩阵。然后，选取合适的影响因子，对各地区的历史损失建立一般的回归分析模型。根据Moran指数，考察各影响因子是否具有区域特性，并通过Moran散点图进一步分析各局部区域的集聚情况，进行风险分区。接着，在各局部考虑地区之间的相互影响，对加入空间权重矩阵的模型进行Morans I检验和两种形式朗格朗日乘数检验，选用合适的空间计量模型。最后，采用ML或者S2SLS对模型进行估计，并对模型估计效果进行检验。在最终对产品进行定价时，可以先确定各区域的基准费率，再对区域内部风险不同的地区附加调整费率，具体的计算形式应视模型结果与实际可操作性平衡选择。 三、农险研究中的其他应用 空间计量在农险定价方面的应用并不局限于农作物保险，种植业的林业、经济作物、园林苗圃以及养殖业的畜禽养殖业、水产养殖业和渔业保险的损失情况也体现出地域上的相关性，例如流行性疾病导致的畜禽区域性死亡损失，海啸等极端天气状况或者水体污染等导致的水产养殖业损失，在对相关的保险产品损失预测时都应该考虑空间因素进行建模。 另外，由于SLM可以用于刻画空间溢出效应，因此在农险绩效评估中可以用于测算相邻区域间的交叉保费补贴。设想的可行方法是，通过加入空间滞后变量的SLM对某地区