doi：10.15889/j.issn.1002-1302.2016.10.153

摘要：氣候變化可能導致未來自然災害發(fā)生的頻率和危害強度的增加，評估投保者對自然災害風險變化的感知和行為反應，對于政府農村金融政策和保險公司營銷策略的制定具有重要的指導意義。運用條件價值法（CV），以中國遼寧盤錦市水稻保險為例，評估農戶對于颶風災害風險的認知及對保險產品的有效需求。結果表明，當前盤錦市政府對颶風災害損失的補貼政策降低了農戶對保險的有效需求；引入風險梯度測量颶風發(fā)生的基礎概率能夠幫助農戶認知低概率災害風險變化的規(guī)律，從而提高農戶對風險變化的敏感度與保險支付意愿（WTP）。本研究方法對增加農戶對低概率農業(yè)保險的有效需求、保險公司設計保險政策和政府調劑補貼方式來說，具有非常實用的參考價值。

關鍵詞：低概率風險；意愿支付；農業(yè)保險；風險梯度

中圖分類號： F840.66文獻標志碼： A文章編號：1002-1302（2016）10-0544-05

收稿日期：2015-08-18

基金項目：國家教育部人文社科青年基金（編號：11YJC630267）；中美農業(yè)部國際合作項目（編號：No.53-3151-2-00017）；遼寧省教育廳人文社科一般項目 （編號：W2014284）；遼寧對外經貿學院博士啟動基金（編號：2013XJLXBSJJ007）。

作者簡介：于洋（1977—），女，遼寧大連人，博士，副教授，研究方向為農業(yè)經濟、金融保險。E-mail：yuyang770727@163.com。國內外已有很多學者對低概率——高風險事件（如冰雹、山崩滑坡、地震和洪澇等）的保險需求問題進行過研究，如于洋等[1]和Kriesel 等[2]的研究?；谌藗儗︼L險決策行為的研究結論一致認為，低概率災害風險往往被忽視。如Kunreuther等[3]和張峭等[4]研究表明，中國大多數農戶都忽略了颶風、洪澇和冰雹可能造成的風險損失而降低他們的投保意愿。氣候變化可能使自然災害發(fā)生的強度和頻度有所增加 （IPCC，2007），那么是否值得對某一災害風險進行投保以減少農作物的損失將是農戶面臨的一個嚴峻挑戰(zhàn)。需要注意的是，如果氣候變化使得風險持續(xù)增加或演變成一種動態(tài)化的風險[5]，那么保險公司將不再對該類氣候災害提供保險，而可能會周期性地調整保費。近幾年，國內有學者利用信息擴散模型和風險等級劃分，得出不同程度水旱災害發(fā)生的可能性及其時空特點[6]，因此，這種農業(yè)巨災保險具有廣大的潛在市場需求，但其開展和推廣需要政府的參與[7]。研究颶風保險需求的影響因素需要注意兩方面問題：（1）農戶是否忽略了氣候變化引起的低概率風險的變化；（2）如果沒有忽略這類風險，具備保險意識的農戶的保險需求是否可能會因災害的增加受到影響。另外，條件價值評估方法（contingent valuation，CV）有助于農戶改善如何運用保險減輕颶風損失的認知[8-9]，而目前國內此類研究尚屬空白。

本研究采用條件價值法（CV），以中國遼寧省盤錦市水稻保險為例，研究當前的風險概率和預期氣候變化下農戶對于颶風災害的風險認知程度、有效需求和對颶風保險支付意愿。需要強調的是：（1）是否購買颶風保險這一決策取決于農戶的先驗認知概率和樣本風險信息，也就是基于貝葉斯更新的概率模型[10]。（2）通過引入風險梯度量表，可以幫助被調查農戶理解問卷中風險變化的差別，進而估計出相應風險條件下的保險支付意愿。（3）政府和農戶個人共同承保颶風損失的政策性保險[11]，與政府巨災補貼政策相比的優(yōu)勢，在于農戶個人的保險資金將比只有政府補貼或政府部分額度補貼更為安全。因此，本研究不僅將在低概率氣候變化引發(fā)的作物保險需求方面為政府和保險公司提供一個有效的視角，同時也將考察當前由政府提供部分補貼的政策對颶風保險WTP的效用。

1樣本地區(qū)颶風風險現狀

幾十年來，風災風險一直是盤錦面臨的一個重大風險管理問題，而且由于其平坦的平原地形和潛在的氣候變化，這一問題將逐年加劇。盤錦位于中國東北地區(qū)遼寧省中西部，共有214 000戶農村人口，其中大部分農戶靠種植業(yè)尤其是稻米種植謀生。據最近一項關于該地區(qū)農戶的調查結果顯示，當前種植業(yè)最值得關注的風險因素是由氣候變化引起的各類自然災害造成的稻米產量風險[12]。統(tǒng)計顯示，該地區(qū)過去30年間每年有21 367 hm2的耕地遭遇過自然災害，如洪澇、旱災、冰雹和大風，這些風險每年造成的產量損失分別為45%、37%、11%和1%[13]。從歷史數據來看，盤錦地區(qū)發(fā)生過的強風如颶風，是低概率但影響較大的災害，而致命性颶風災害發(fā)生的概率約是1/100。氣象預測表明由于受北部內蒙古自治區(qū)的極端降雨天氣、土壤流失的影響，盤錦地區(qū)未來發(fā)生颶風災害的概率將會增加[14]。

2農戶對颶風風險概率的認知

為評估農戶對風險概率尤其是低概率災害發(fā)生可能性的認知，筆者所在學院和大連理工大學農業(yè)風險管理研究中心共同組建調研小組，于2015年7—8月對遼寧省盤錦市水稻種植農戶進行了實地調查。本次調查的地點是盤錦市鄉(xiāng)鎮(zhèn)會議大廳，對2個鄉(xiāng)鎮(zhèn)管委會采取分層抽樣的方法選出的300名典型稻米種植農戶進行問卷調查，問卷實施過程中調研小組在旁進行指導說明。此次調查共收回300份問卷，剔除缺失和無效樣本之后得到280個觀察值，樣本有效率較高，達到93.33%。

本次調查問卷中，借鑒國內外相關研究采用的風險梯度來解釋基準概率和概率的變動。經過調查小組詳細解釋災害性事件發(fā)生的低概率性之后，被調查農戶最終可以選擇合適的保護級別或確定是否購買這些風險保險。同時，調查中引入風險梯度視覺工具幫助被調查農戶理解風險概率的含義[15]。通過將低概率風險的概率與過去常見的風險概率進行對比，有助于農戶對颶風風險概率的認知。

3問卷調查與樣本描述

3.1問卷設計及調查

問卷調查的內容包括被調查農戶遭遇颶風災害的經歷及損失大?。粸暮Πl(fā)生的原因；個人對颶風風險的感知；農戶的社會經濟變量。通過3個CV問題、采用支付卡的方法獲得農戶對颶風風險的保險需求（表1）。

筆者根據當前的颶風災害的概率1/100和由于氣候變化對應的颶風災害風險的概率1/60、1/30分別對農戶的 WTP進行測算。通過定義風險梯度（表2）幫助被調查農戶理解颶風災害發(fā)生的概率，參照風險種類是旱災、洪澇、動物傳染病、冰雹和車被盜，并列出這些災害每年出現的概率。

3.2樣本描述

考慮到多數家庭中戶主是男性，掌握著家庭開支的決定權，選擇的男性樣本比女性樣本多一些，占70%。樣本總體的平均年齡是45歲，另外55歲以上的占12%，雖然這個比例小于盤錦的人口統(tǒng)計的比例，但筆者認為可以接受，因為災害出現的概率一般是幾十年一遇，而老年人再次遇到災害的概率相對較小。表3是颶風發(fā)生的不同概率下，相應的愿意投保（WTI）的被調查農戶人數比例、被調查農戶的平均意愿支付水平（WTP）和愿意投保的被調查農戶的平均意愿支付水平（CWTP）。

WTI指的是盤錦被調查水稻種植戶中愿意購買颶風保險的人數百分比。WTP表示農戶愿意為颶風保險支付的平均金額，也是政策制定者了解引入颶風保險福利效應的渠道。CWTP是愿意購買颶風保險的水稻種植戶的平均支付意愿水平，它可以估計每種政策下參保農戶潛在保費收入。CWTP較個人平均預期損失值相比能夠更加合理地衡量保險公司對預期颶風損失愿意賠償的最大保費。由表3可知，在不同的颶風風險概率下，無論政府救濟是否有效以及是否使用風險梯度描述風險，農戶的WTI均在20%～60%波動。由全額補償颶風損失測算得出WTP和CWTP值，根據問卷調查得到農戶對颶風保險的平均WTP介于62.94～85.92元/hm2，平均CWTP介于209.10～279.72元/hm2。因此，將CWTP與每種保險政策的預期損失進行比較非常必要，因為根據CWTP可以估計出農戶愿意為預期颶風災害支付的最大“風險保費”。這個“風險保費”就是農戶對颶風保險的意愿支付，可由式（1）表示：

風險保費=CWTP-暴風概率×預期損失。（1）

由于樣本地區(qū)當前出現颶風的概率是1/100，颶風災害的預期損失值可以由“颶風概率×預期損失”得到，即（1/100）×16 800=168.00元/hm2。由表3可知，在颶風發(fā)生的概率為 1/100 的情況下，CWTP介于209.10～27972元/hm2。因此，風險保費應為41.10～111.72元/hm2。顯然，CWTP高于當前氣候下1 hm2預期的颶風損失，這說明想要參保的農戶意愿支付水平大于預期颶風損失。本研究將進一步用統(tǒng)計模型分別解釋風險等級、颶風概率和政府救濟對農戶WTP的影響。

4模型設定

根據CV問卷，筆者設定一個半對數模型來評估農戶颶風保險的WTP，目的是通過“彈性”來反映自變量對因變量變化的敏感程度，使估計結果更加直觀、有效。假設被調查農戶n的WTP取決于颶風出現的概率ρn、颶風帶來的預期損失wn、政府補償gn和個人社會經濟特征xn。那么其WTP可以表示為（2）式：

WTP=exp（β1xn）×exp（β2gn）×wnβ3×Pnβ4×exp（εn）。（2）

式中：xn代表1×k的個人社會經濟特征向量，εn是誤差項。

為使研究結果更趨于真實，在已知逆事件概率的情況下，筆者會將先驗概率進行貝葉斯更新，采用貝葉斯模型可以分別考察颶風風險的先驗概率和樣本概率對后驗概率的影響程度。貝葉斯更新模型見（3）式：

ρ0n*=ασn+θpnα+θ。（3）

式中：α和θ分別是風颶風險的先驗概率σn、樣本概率Pn的權重?？梢娙绻麑Z風發(fā)生的概率進行貝葉斯更新，農戶WTP將不僅取決于樣本中颶風發(fā)生的概率還取決于先驗概率?；谪惾~斯模型的WTP方程為：

WTPn=exp（β1xn）×exp（β2gn）×wnβ3×ασn+θpnα+θβ4×exp（εn）。（4）

颶風發(fā)生的先驗概率不需要觀測，而樣本概率需要根據問卷調查得到。用貝葉斯更新的后驗概率替代先驗概率得到（4）式。另外，用感知颶風風險的變量vn替代方程中的σn并對（4）式取自然對數得到（5）式：

lnWTPn=β1xn+β2gn+β3lnwn+β4lnpn+β5vn+εn。（5）

風險梯度變化對颶風保險支付意愿變化的敏感效應可以通過交叉作用項RGn×pn來表示，其中RGn=1，出現某一風險級別

0，無風險，通過RGn就可以直接測算出某一風險梯度相應的意愿支付。那么測算風險概率的模型可以表示為：

lnWTPn=β1xn+β2gn+β3lnwn+β4lnpn+β5vn+β6lnpn×RGn+β7×RGnεn。（6）

式中：β4、β4+β6分別代表無（有）風險梯度的問卷樣本下的概率效應，若β4=1或β4+β6=1，那么WTP將與風險呈比例變動。

最后，因為每個樣本都將在不同颶風發(fā)生的概率下給出相應的意愿支付水平，所以將回歸方程（6）表示成如下的面板數據模型：

lnWTPnt=β1xn+β2gn+β3lnwn+β4lnpnt+β5vn+β6lnpnt×RGn+β7×RGn+εnt。（7）

其中n=1，2，…，N；t=1，2，3。

筆者基于以下2點考慮：（1）對上述模型進行計量經濟學檢驗時發(fā)現擾動項與解釋變量不相關；（2）WTP是正的連續(xù)變量（受限因變量），且問卷調查中被調查農戶可以選擇支付卡中的任何值作為意愿支付。因此，采用隨機效用TOBIT（截取回歸）模型。

ynt=αn+xntβ+εnt。（8）

式中：εnt～N[0，σε2]，αn～N[0，σα2]且ynt=ynt*，若ynt*>0

0，若ynt*<0。那么隨機效應Tobit模型的極大似然值為∑Nn=1lnf（yn|Xn，β，σε2，σα2），其中：

f（yn|Xn，β，σε2，σα2）=∫∏Ti=11σεntwnt[1-Φnt]1-wnt12πσα2exp-αn2σα22dαn。（9）

且nt=[（ynt-α-xnt′β）/σε]，Φnt=Φ[（αn+xnt′β）/σε]，其中（·）和Φ（·）分別服從標準概率密度函數、累計密度函數。

關于解釋變量的類型及其描述性統(tǒng)計見表4。

表4定義變量類型

氣候變化導致出現較高

的颶風風險虛擬變量，1=氣候變化會

導致較高的颶風風險遭遇颶風破壞的風險分類變量 （1～7），1=無風險，7=風險非常高颶風發(fā)生的風險小于均值虛擬變量，1=颶風發(fā)生的風險小于均值颶風導致的預期損失為零虛擬變量，1=颶風沒有帶來損失颶風導致的預期損失金額連續(xù)變量，損失金額預期重現期為零虛擬變量，1=預期重現期為零預期颶風重現期連續(xù)變量，颶風重現的間隔年數颶風是不可控的外生變量虛擬變量，1=颶風是氣候或自然條件造成的而非人為因素颶風經歷虛擬變量，1=被調查農戶曾遭受颶風保險購買指數虛擬變量，1=被調查農戶購買過下列保險：無免賠醫(yī)療保險、房險，、車險、旅游險、壽險。冒險指數分類變量 （1～5），1=非常厭惡風險，5=風險偏好。區(qū)域無防風帶虛擬變量，1=區(qū)域無防風帶女性 虛擬變量，1=被調查農戶是女性年齡 連續(xù)變量，年齡高中學歷虛擬變量，1=具有高中學歷收入連續(xù)變量，每月每個家庭的稅后收入（元）注：被調查農戶的收入從區(qū)間長度為3 000元的3 000元～60 000 元之間的區(qū)間中選擇。

5實證分析

5.1場景分析

本研究應用Limdep統(tǒng)計軟件進行運算，得到面板Tobit模型的參數估計結果，見表5。

風險梯度與農戶WTP的關系在0.01的水平下顯著正影響。在有風險梯度的問卷樣本中，概率的敏感性將比沒有風險梯度的問卷樣本高出47%。另外，隨著風險梯度的增加，農戶WTP也相應增加；風險梯度每增加一級，WTP將增加44%。相對于1/100～1/60的概率變動來說，在沒有風險梯度和政府補助的問卷樣本中，農戶WTP在26%～30%變動小于概率變動，在3%～9%變動接近概率變動，在1%～2%變動大于概率變動?？偟膩碚f，很少有被調查農戶將其WTP與問卷中颶風發(fā)生的概率成比例變動或高于比例調整。顯然，引入風險梯度的方式幫助農戶理解風險，對投保農戶按照概率變動來調整其WTP和改善WTP等級顯著的作用。

政府補貼與WTP的關系為負顯著影響。這表明，如果農戶認為政府將對颶風損失進行補貼，其颶風保險的需求將會降低；如果在政府不進行補貼而保險公司進行颶風損失補償的情況下，颶風保險的需求將會提高。邊際效應的測算結果表明，如果政府提高1%的補貼金額，農戶颶風保險WTP將會降低3%。

5.2風險感知

由表5可知，風險感知的變量在統(tǒng)計上幾乎都顯著。如果被調查農戶認為氣候變化將導致颶風風險的增加，那么他們的WTP將相應增加22%?！霸庥鲲Z風破壞的風險”系數為正，說明WTP與遭受颶風破壞的預期概率為正相關關系。

預期風險損失包括2個變量，如果被調查農戶預期颶風損失為0，那么WTP相應降低39%，反之亦然。如果被調查農戶預期颶風的重現期為0，那么WTP降低21%。這一結論與美國學者Michel-Kerjan等對洪澇風險感知的研究結論[16]相一致。

5.3被調查農戶的風險規(guī)避態(tài)度

模型中有2個反映被調查農戶風險態(tài)度的變量。一個是保險購買指數，該變量的系數為正向顯著，說明被調查農戶具有較高的購買颶風保險的需求。另外一個冒險行為指數，該變量的系數為負向顯著，說明越是風險偏好型農戶，其颶風保險的WTP越小。

5.4社會經濟特征分析

由表5可知，如果被調查農戶中女性的比例增加1%，那么其WTP將降低25%。雖然多數研究并沒有得出性別對風險態(tài)度產生影響[17]，但Croson等得出的研究結論是：男性比女性更偏好風險[18]。這與我們的研究結論非常接近，年齡對颶風保險需求的影響為負。通過與現有的實證研究進行對比，我們發(fā)現風險規(guī)避程度隨著年齡的增加而增加。學歷的高低對農戶WTP的影響不大，僅僅在0.1的水平上具有顯著性。家庭凈收入對颶風保險的WTP雖有正向影響，但表現不顯著。

6結論

本研究以中國遼寧省糧食主產區(qū)盤錦市水稻種植農戶為調研對象，通過引入風險梯度視覺工具進行調查問卷的設計，采用條件價值法（CV）獲取數據，構建貝葉斯更新模型和隨機效用TOBIT模型估計了農戶對低概率颶風保險的需求及其對支付意愿的影響。得出的主要結論有以下幾點。

第一，颶風風險感知對幫助農戶客觀認知風險、提高保險的有效需求非常重要，而且農戶感知的颶風風險越大，相應的支付意愿就會越高。颶風風險概率增加1倍，農戶支付意愿將增加18倍。風險梯度用于反映農戶感知的颶風概率變動對支付意愿變化的敏感程度，可以促進被調查農戶對颶風概率的感知。隨著風險梯度的增加，農戶支付意愿也相應增加；風險梯度每增加一級，保險支付意愿將增加44%。因此，將風險梯度引入調查問卷能夠使被調查農戶做出更加理性的決策，否則，超過半數的農戶忽略了風險，僅有1/10愿意購買颶風保險。雖然氣候的變化引起了農戶對颶風風險的重視，但農戶認為政府將進行補貼，其保險需求會降低，且政府補貼金額增加1倍，農戶支付意愿將減少3倍。因此，本研究方法對增加農戶對低概率颶風保險需求、保險公司設計保險政策和政府調劑補貼方式來說，具有非常實用的參考價值。

第二，雖然農戶對潛在的颶風風險損失充分感知后，保險的有效需求得到增加，但相對于風險規(guī)避型農戶，風險偏好型農戶的保險支付意愿更小，并且男性比女性更偏好風險，同時風險規(guī)避程度隨著年齡的增加而增加。這意味著，相對而言，年長者比年輕人更愿意購買颶風保險，男性比女性更愿意為低概率颶風保險支付高水平的保費。是否具有高中以上學歷和家庭凈收入對農戶颶風保險的支付意愿影響不大。

第三，大部分農戶因為忽略了低概率颶風風險的存在而不選擇購買颶風保險；愿意參保的農戶平均意愿支付水平（CWTP）高于每戶遭受颶風風險的預期損失。由于氣候變化導致的颶風風險的增加，也將會增加風險感知，進而會增加保險需求，所以對農戶支付意愿的影響并不僅僅由颶風概率的系數來解釋。如果農戶感知的預期颶風風險沒有損失，那么其支付意愿將減少39%，如果農戶感知未來不會發(fā)生颶風災害損失，那么其支付意愿減少21%。本研究在問卷設計中有效規(guī)避了農戶對颶風保險的逆向選擇問題，以上結論與本研究預期一致，充分說明了本次評估問卷設計的可靠性。TOBIT模型的估計結果表明，農戶颶風保險支付意愿的變動低于問卷中提到的颶風概率增加的比例。因此，本研究的另一個重要意義是增加我國農戶對颶風風險的認識，從而提高對此類保險的需求。

參考文獻：

[1]于洋，王爾大. 政策性補貼對中國農業(yè)保險市場影響的協(xié)整分析[J]. 中國農村經濟，2009，3（21）：20-27.

[2]Kriesel W，Landry C. Participation in the national flood insurance Program：an empirical analysis for coastal properties[J]. Journal of Risk and Insurance，2004，71（3）：405-420.

[3]Kunreuther H C，Michel-Kerjan E O，Doherty N A，et al. At war with the weather：managing large-scale risks in a new era of catastrophes[M]. Cambridge：MIT Press，2009

[4]張峭，王克. 農作物生產風險分析的方法和模型[J]. 農業(yè)展望，2007，3（8）：7-10.

[5]傅冬云. 農業(yè)自然災害對糧食生產能力造成的影響探究[J]. 經營管理者，2015（12）：114.

[6]張竟竟. 河南省農業(yè)水旱災害風險評估與時空分布特征[J]. 農業(yè)工程學報，2012，28（18）：98-106.

[7]西愛琴，徐龍軍，劉陽，等. 政府參與視角下農業(yè)巨災保險認知及支付意愿——以蘋果種植戶為例[J]. 農業(yè)經濟，2014（2）：23-25.

[8]Brouwer R，Akter S，Brander L，et al. Economic valuation of flood risk exposure and reduction in a severely flood prone developing country[J]. Environment and Development Economics，2008，14（3）：397-417.

[9]Akter S，Brouwer R，Choudhury S，et al. Is there a commercially viable market for crop insurance in rural Bangladesh？[J]. Mitigation and Adaptation Strategies for Global Change，2009，14，215-229.

[10]Delavande A. Measuring revisions to subjective expectations[J]. Journal of Risk and Uncertainty，2008，36（1）：43-82.

[11]Botzen W J，van den Bergh J C. Insurance against climate change and flooding in the Netherlands：present，future，and comparison with other countries[J]. Risk Analysis，2008，28（2）：413-426.

[12]于洋，王爾大. 多保障水平下農戶的農業(yè)保險支付意愿——基于遼寧省盤山縣水稻保險的實證分析[J]. 中國農村觀察，2011（5）：55-68.

[13]于洋. 農作物產量保險區(qū)域化差別費率厘定的可行性——基于非參數核密度估計實證[J]. 統(tǒng)計與信息論壇，2013，28（10）：75-80.

[14]Aerts J C J H，Botzen W J W. Climate change impacts on pricing long-term flood insurance：a comprehensive study for the Netherlands[J]. Global Environmental Change，2011，21（3）：1045-1060.

[15]黃沿波，梁棟，康雅喬，等. 風險的三維評價方法[J]. 自然災害學報，2010（3）：24-28.

[16]Michel-Kerjan E O，Kousky C. Come rain or shine：evidence on flood insurance purchases in Florida[J]. Journal of Risk and Insurance，2010，77（2）：369-397.

[17]Harrison G W，Lau M I，Rutstrom E E. Estimating risk attitudes in Denmark：a field experiment[J]. Scandinavian Journal of Economics，2007，109（2）：341-368.

[18]Croson R，Gneezy U. Gender differences in preferences[J]. Journal of Economic Literature，2009，47（2）：448-474.