姜世杰，王雅珺

(湖南大學(xué) 金融與統(tǒng)計學(xué)院，湖南 長沙 410082)

一、引言

為了實(shí)現(xiàn)個人風(fēng)險管理目標(biāo)，消費(fèi)者的保險決策應(yīng)該基于其自身的風(fēng)險，高風(fēng)險群體應(yīng)該選擇購買更多的保險來彌補(bǔ)可能的財產(chǎn)損失，并且客戶只有在價格至少與其支付意愿相匹配時才會購買保險。但在已有的實(shí)證研究中發(fā)現(xiàn)，高風(fēng)險群體并沒有選擇多買保險，反而傾向于少買。Cutler和Zeckhauser(2004)對某些案例進(jìn)行研究后發(fā)現(xiàn)那些不需要財務(wù)保護(hù)的人卻選擇了購買保險。這意味著此類消費(fèi)者購買了錯誤類型或者錯誤金額的保險，他們并沒有根據(jù)自身的風(fēng)險狀況選擇投保金額，屬于保險需求“異象”的一種，這種異象目前還未能得到全面的解釋，本文將嘗試從心理學(xué)的角度對這個現(xiàn)象進(jìn)行分析。

一個可以用來解釋上述保險市場異象的原因是：人們會把用于消費(fèi)的收入放在不同的心理賬戶中(Mental Accounting)，所謂心理賬戶就是個體在做出決策時不可能綜觀所有可能的結(jié)果，相反地，個體會無意識地將決策分成好幾個部分來看待，也就是把資金按照用途劃分成好幾個心理賬戶，而對于不同心理賬戶的處理則會有不同的應(yīng)對思路。因此，保險決策會受限于用來規(guī)避小概率事件發(fā)生的“保險預(yù)算”賬戶，消費(fèi)者會盡可能地通過選擇最便宜的保單或者降低保險范圍來減少保險預(yù)算。所以，如果考慮把消費(fèi)者的自身風(fēng)險作為保險定價的因素之一，高風(fēng)險者就要為一單位的保險支付更多的保費(fèi)，那么他們必須通過少買保險來控制預(yù)算。Austin和Fischhoff(2010)發(fā)現(xiàn)，由于消費(fèi)者在作保險決策時有固定的預(yù)算，那么即使有補(bǔ)貼，他們在保費(fèi)上升時也會選擇少買保險。這說明，如果客觀風(fēng)險與保險公司規(guī)定的保費(fèi)是正向相關(guān)的，則高風(fēng)險者在預(yù)算固定而保費(fèi)更高的情形下，他們只能少買或不買保險。這里的客觀風(fēng)險指的是保險公司和投保人均能觀測到的，可用于定價的風(fēng)險因素。從另一個方面來看，高風(fēng)險者選擇少買保險可能是因?yàn)樗麄冇X得沒有必要多買。Cohen和Siegelman(2010)認(rèn)為，如果客觀風(fēng)險能夠根據(jù)個人可觀測的性格特征來衡量，作為一個理性的高風(fēng)險者，在面對同樣的保單但保險公司對他收費(fèi)更高的情況時，該群體并不愿意去購買更多的保險。換句話說，這種可以被保險公司觀測到的客觀風(fēng)險會導(dǎo)致消費(fèi)者不愿購買更多的保險，因?yàn)橄噍^于一般消費(fèi)者，他們必須為同樣的保單付出更多的保費(fèi)。

但以上兩種觀點(diǎn)仍無法完全解釋高風(fēng)險人群選擇少買保險的原因，并且他們都沒有考慮到主觀的風(fēng)險感知對于保險決策的影響，這令他們的結(jié)論缺少信服力。因此，本文引入預(yù)防焦點(diǎn)這個會干擾主觀風(fēng)險感知的概念，從消費(fèi)者對于風(fēng)險的敏感性出發(fā)，利用風(fēng)險感知在客觀風(fēng)險與保險決策中的中介效應(yīng)，來分析保險需求中存在的異象。

二、研究假設(shè)

本文將基于Edwards和Lambert(2007)建立的一般路徑分析框架(General Path Analytic Framework)來構(gòu)建客觀風(fēng)險與保險決策的中介調(diào)節(jié)模型、基于風(fēng)險感知與預(yù)防焦點(diǎn)的中介調(diào)節(jié)模型，如圖1。通過對比有無風(fēng)險感知參與的兩條保險決策路徑，該模型可以檢測個人的保險決策是否通過風(fēng)險感知形成，以及預(yù)防焦點(diǎn)是否對保險決策產(chǎn)生調(diào)節(jié)效應(yīng)。在這個模型中，我們首先假設(shè)預(yù)防焦點(diǎn)會在客觀風(fēng)險與保險決策中起到一個調(diào)節(jié)的作用。也就是說，當(dāng)人們自身存在高的客觀風(fēng)險時，保險公司會對這些人收取更高的保險，但只有那些有著低預(yù)防焦點(diǎn)的個體會選擇減少保險的購買，而有著高預(yù)防焦點(diǎn)的個體則不會。第二步，加入風(fēng)險感知作為中介變量。假設(shè)風(fēng)險感知作為媒介，在客觀風(fēng)險與保險決策中起著中介效應(yīng)，而預(yù)防焦點(diǎn)在客觀風(fēng)險與風(fēng)險感知之間有可能存在調(diào)節(jié)作用。由以上兩步，可以得到本文想要構(gòu)建的中介調(diào)節(jié)模型。

圖1 保險購買決策的中介調(diào)節(jié)模型

由于Kluger等(2004)以及Bryant和Dunford(2008)強(qiáng)調(diào)預(yù)防焦點(diǎn)對風(fēng)險感知有影響，所以本文預(yù)估，有著高預(yù)防焦點(diǎn)的個人會感知到更高的客觀風(fēng)險，因?yàn)樗麄儍A向于規(guī)避風(fēng)險并且更容易認(rèn)識到存在的客觀風(fēng)險，因此，當(dāng)面臨高客觀風(fēng)險時，即使高預(yù)防焦點(diǎn)的消費(fèi)者會被收取更高的保費(fèi)，他們也不會少買保險，甚至?xí)噘I。而有著低預(yù)防焦點(diǎn)的個人感知風(fēng)險的能力較差，他們也許不容易認(rèn)識到客觀風(fēng)險的存在，當(dāng)面臨高客觀風(fēng)險時，因?yàn)闀皇杖「叩谋ＹM(fèi)，他們會通過少買保險來控制預(yù)算?？偟膩碚f，在面臨高客觀風(fēng)險的時候，具有高預(yù)防焦點(diǎn)的消費(fèi)者比具有低預(yù)防焦點(diǎn)的消費(fèi)者購買更多的保險。另一方面，當(dāng)客觀風(fēng)險降低時，具有高預(yù)防焦點(diǎn)的消費(fèi)者能感知到自身風(fēng)險的降低，從而會減少用于購買保險的預(yù)算，但出于謹(jǐn)慎的心理，減少的數(shù)額不會太大。而具有低預(yù)防焦點(diǎn)的消費(fèi)者由于不能感知到自身風(fēng)險的降低，反而不會大幅度降低保險的需求，甚至?xí)驗(yàn)楸ＹM(fèi)更便宜而選擇在不超過預(yù)算的前提下多買保險。由此，本文提出下述待檢驗(yàn)假設(shè)：

H1：擁有高預(yù)防焦點(diǎn)的個體會比擁有低預(yù)防焦點(diǎn)的個體消費(fèi)更多的保險。

H2：擁有低預(yù)防焦點(diǎn)的個體，其保險消費(fèi)與客觀風(fēng)險負(fù)相關(guān)。

H3：擁有高預(yù)防焦點(diǎn)的個體，其保險消費(fèi)與客觀風(fēng)險正相關(guān)。

H4：風(fēng)險感知在客觀風(fēng)險與保險決策中起中介作用。

三、問卷設(shè)計與數(shù)據(jù)收集

本文選取了中國臺北一家專營財產(chǎn)與意外保險公司的商業(yè)機(jī)動車輛第三者責(zé)任保險的907名投保人作為樣本。投保的機(jī)動車輛是私人小汽車。在中國臺灣，商業(yè)機(jī)動車輛第三者責(zé)任保險被認(rèn)為是一種可以在強(qiáng)制性保險之外的補(bǔ)充保險。在中國臺灣大約有超過60%的車主會購買這種非強(qiáng)制性汽車保險合同。

商業(yè)機(jī)動車輛第三者責(zé)任保險市場采用過失責(zé)任原則，這意味著保險是賠付給第三方受害者，而不是給投保人自己。如果投保人造成了交通傷亡，投保人需要賠償?shù)谌降娜松韨拓敭a(chǎn)損失。汽車碰撞險的賠款取決于被保汽車本身的價值，而第三方人身傷害與汽車碰撞險不同，保險公司應(yīng)根據(jù)投保人承擔(dān)責(zé)任部分對受害者進(jìn)行賠償，很難估計該買多少保險金額的保險，因?yàn)闈撛诘娘L(fēng)險暴露可能是無限制的。沒有人能確切地預(yù)估駕駛?cè)嗽摮袚?dān)多少責(zé)任。這樣的估計更依賴于消費(fèi)者的風(fēng)險感知和他們對交通傷亡的責(zé)任感知，這意味著消費(fèi)者具有的心理特點(diǎn)可能對保險決策產(chǎn)生重大影響。

在這項(xiàng)研究中，要求參與者完成一個標(biāo)準(zhǔn)化的問卷。內(nèi)容包括風(fēng)險系數(shù)，保險金額選擇的決定，駕駛員風(fēng)險感知量表，預(yù)防焦點(diǎn)量表和一些其他問題。本文是在研究者的監(jiān)督下，由中國臺北專營財產(chǎn)與意外保險公司的銷售代表來完成的。為鼓勵所有參與者，本文提供了小型零售商店的禮券。每個人的調(diào)查時間需不超過30分鐘。

1.風(fēng)險感知的度量

風(fēng)險感知最早是由哈佛大學(xué)學(xué)者Bauer(1960)作為心理學(xué)中的一個概念被提出的，它主要是指個人在信息不完全且處于不確定情境的情況下，對風(fēng)險的種類和特征做出直覺上的判斷，并對損失進(jìn)行預(yù)測(包括損失發(fā)生的概率、損失的程度或情感評估等)的思維過程?，F(xiàn)實(shí)生活中，風(fēng)險感知是人們進(jìn)行決策前必經(jīng)的一步，是人們決策時的重要依據(jù)。Sitkin和Pablo(1992)認(rèn)為任何變量對風(fēng)險的影響都不是直接的，而是由風(fēng)險感知作為中介變量影響的。

在目前國內(nèi)外已有的對風(fēng)險感知的研究的文獻(xiàn)中，學(xué)者選用數(shù)據(jù)的方法有多種：Rundmo和Iversen(2004)通過傳統(tǒng)的自填式的問卷調(diào)查，對從駕駛執(zhí)照登記簿中抽取的挪威籍的駕駛員進(jìn)行訪問，該問卷包括了態(tài)度、風(fēng)險行為以及事故和最近事故的參與度來得出風(fēng)險感知量表。

而本文通過商業(yè)機(jī)動車輛第三者責(zé)任險去研究客觀風(fēng)險與保險決策、風(fēng)險感知與預(yù)防焦點(diǎn)的關(guān)系適用的是風(fēng)險感知度量，如表1所示，即采用的是Rundmo和Iversen(2004)的研究。這個量表包括兩個維度，一個是對導(dǎo)致交通事故的擔(dān)憂和關(guān)心以及被訪者對這些現(xiàn)象的關(guān)注程度，另一個則是對未來會造成交通事故主觀概率的估計。所有的題目都采取7分制從1(不擔(dān)心/可能/擔(dān)憂)到7(非常擔(dān)心/可能/關(guān)注)，分?jǐn)?shù)越高，則意味著被訪者即投保人具有更高的風(fēng)險感知。

表1

駕駛者風(fēng)險感知量表

資料來源：Rundmo和Iversen(2004)。

2.預(yù)防焦點(diǎn)的度量

Higgins(1997)所提出的調(diào)節(jié)聚焦理論(Regulatory Focus Theory，RFT)建立于人性追求享樂的原則上，即人們擁有追求快樂的傾向和規(guī)避痛苦的習(xí)慣。為了達(dá)到自己的目標(biāo)，人們往往會對自己的思想和反應(yīng)進(jìn)行控制，這一行為被稱為自我調(diào)節(jié)行為(Self-regulation)。依據(jù)個體追求目標(biāo)方式的不同，自我調(diào)節(jié)行為可分為促進(jìn)焦點(diǎn)(Promotion Focus)和預(yù)防焦點(diǎn)(Prevention Focus)。當(dāng)個體處于預(yù)防焦點(diǎn)時，會對負(fù)面信息甄別較多，以避免負(fù)面結(jié)果為主要目標(biāo)，追求責(zé)任、安全及保障，關(guān)注損失發(fā)生的可能與維持現(xiàn)狀，優(yōu)先考慮負(fù)面結(jié)果。

關(guān)于測量消費(fèi)者調(diào)節(jié)焦點(diǎn)的問卷開發(fā)，對于個體自我調(diào)節(jié)焦點(diǎn)的測量有多個量表和其適配的多種測量方法。其中，應(yīng)用最為廣泛的是特質(zhì)性調(diào)節(jié)焦點(diǎn)測量量表，主要有調(diào)節(jié)焦點(diǎn)量表和通用調(diào)節(jié)焦點(diǎn)量表。

本文采用的是Lockwood等(2002)開發(fā)的調(diào)節(jié)焦點(diǎn)量表(General Regulatory Focus Measures)，簡稱GRFM，其中包括了18個題目項(xiàng)來直接測量個體的調(diào)節(jié)焦點(diǎn)。該量表共有兩個因子，每個因子分設(shè)9個題目項(xiàng)：①促進(jìn)焦點(diǎn)因子，題目項(xiàng)包括“在生活中我總是設(shè)想自己將來如何實(shí)現(xiàn)理想和抱負(fù)”等；②預(yù)防焦點(diǎn)因子，包括“我經(jīng)常思考如何才能避免生活中的失敗”等，要求被試者按照自己情況的真實(shí)程度打分。對30項(xiàng)采用GRFM量表研究的元分析，分析結(jié)果顯示，促進(jìn)焦點(diǎn)因子和預(yù)防焦點(diǎn)因子的平均信度均為0.82。

本文依據(jù)所選取的對象即商業(yè)機(jī)動車輛第三者責(zé)任險的投保人，需要研究其對于負(fù)面事件的看法以及實(shí)現(xiàn)程度，如表2所示，本文借鑒Lockwood等(2002)人的研究成果，并在他們的基礎(chǔ)之上進(jìn)行修正。所有題目采取9點(diǎn)量表，從1(強(qiáng)烈不同意)到9(強(qiáng)烈同意)。

3.客觀風(fēng)險的度量

風(fēng)險通常是指未來的不確定性，而這種不確定性通常被定義為：人們事先不能準(zhǔn)確知道或控制的事情，或者由于人們?nèi)狈σ欢ǖ南嚓P(guān)信息或者缺乏處理信息的能力而發(fā)生的尚不被人知曉的事件。按照人們對風(fēng)險的認(rèn)識來劃分，風(fēng)險可以分為主觀風(fēng)險和客觀風(fēng)險。其中客觀風(fēng)險是自然存在的不以人的意志為轉(zhuǎn)移的實(shí)際發(fā)生的風(fēng)險，通?？梢岳媒y(tǒng)計上的方法計算其概率。在保險領(lǐng)域，客觀風(fēng)險指的是可用于保險公司定價的公開信息。

關(guān)于客觀風(fēng)險，本文采用與保險定價相關(guān)的經(jīng)驗(yàn)費(fèi)率系數(shù)來衡量。與大多數(shù)發(fā)達(dá)國家類似，中國臺灣用于對機(jī)動車輛第三者責(zé)任保險定價的因子包括從人因子(如年齡和性別)和獎懲系統(tǒng)因子(如，根據(jù)近三年保單持有人索賠記錄計算的系數(shù))。為了定價，這兩個因子被用于計算經(jīng)驗(yàn)費(fèi)率系數(shù)，而這個系數(shù)可以刻畫個人的駕駛風(fēng)險。獎懲系統(tǒng)的運(yùn)作機(jī)制如下：如果在前一年沒有事故發(fā)生，則系數(shù)下降0.1；如果發(fā)生了索賠，每發(fā)生一次系數(shù)增加0.3。可以很明顯的看出，這種經(jīng)驗(yàn)費(fèi)率法允許保險公司對在前一年發(fā)生索賠的保單持有人收取更高的保費(fèi)。表3展示了機(jī)動車輛第三者責(zé)任險的經(jīng)驗(yàn)費(fèi)率系數(shù)的計算。

表2 預(yù)防焦點(diǎn)量表

資料來源：Lockwood等(2002)。

表3非強(qiáng)制性汽車第三者責(zé)任險經(jīng)驗(yàn)費(fèi)率系數(shù)

從人因子獎懲因子18<年齡<20男女1 891 7020<年齡<25男女1 741 5725<年齡<30男女1 151 0430<年齡<60男女1 000 90年齡>60男女1 070 96獎勵系數(shù)：如果在前一年沒有發(fā)生事故，在初始系數(shù)的基礎(chǔ)上減少0 1懲罰系數(shù)：如果前一年發(fā)生了事故，每發(fā)生一次索賠則在初始系數(shù)的基礎(chǔ)上增加0 3。

資料來源：中國臺灣金融管理委員會。

4.保險金額決策

中國臺灣的非強(qiáng)制性機(jī)動車輛第三者責(zé)任保險分為兩種：一種保單的保障范圍是對受害者的財產(chǎn)損失進(jìn)行賠償，另一種是對受害者的人身傷害進(jìn)行補(bǔ)償。這種保險沒有免賠額，它對財產(chǎn)損失的賠償有多種固定的投保限額，即每一次事故的最大保險金額。為了得到本文所需數(shù)據(jù)，結(jié)合風(fēng)險感知量表、預(yù)防焦點(diǎn)量表以及其他問題，如性別、年齡、駕齡以及保險金額等，嚴(yán)格按照標(biāo)準(zhǔn)化測試的設(shè)計程序編制出一份問卷(表4)，隨后將該問卷發(fā)放給投保人，督促投保人如實(shí)填寫后對數(shù)據(jù)進(jìn)行整理分析。

表4 中國臺灣機(jī)動車輛第三者責(zé)任險問卷調(diào)查

四、描述性分析與信效度分析

本文的調(diào)查問卷于2016年3月開始發(fā)放，截至2016年6月，調(diào)查期間約為3個月，總共發(fā)出1100份紙本問卷，一共回收987份問卷，回收率為89.7%，回收問卷經(jīng)過剔除回答不完整與無效問卷80份后，最后有效問卷為907份，有效回收率約為82.5%。本文以此有效的907份問卷作為后續(xù)統(tǒng)計分析的樣本。

1.客觀風(fēng)險情況

本文回收的有效問卷共計907份，對被試者的基本資料進(jìn)行分析，得到被試者關(guān)于性別、年齡、職業(yè)類別、駕齡以及平均每年行駛公里數(shù)的基本情況，從而以此計算出被試者的客觀風(fēng)險系數(shù)。

對回收樣本對被試者的基本資料進(jìn)行整理分析后，發(fā)現(xiàn)：在此次調(diào)查中，大部分被試者為男性，有559位，占總?cè)藬?shù)的61.6%；女性有348位，占38.4%，比例符合目前中國臺灣機(jī)動車輛駕駛員的男女比例，可證回收成果有效；被試者的年齡大部分集中在30～59歲，占87%，據(jù)此可推論在中國臺北的開車族群中將近九成集中在30～59歲，符合目前中國臺灣機(jī)動車開車族的年齡情況，于此同時在保費(fèi)計算中的從人因素系數(shù)也以30～59歲的系數(shù)最低；被試者在職業(yè)類別方面，主要集中在第一類和第二類，分別占比84.9%和15.1%，這兩類也是中國臺北大多數(shù)人從事的職業(yè)，包括內(nèi)務(wù)人員、經(jīng)營人員、行政人員、司機(jī)等風(fēng)險較低的人群；被試者有10年以上駕齡者約占七成，10年以下駕齡者占三成左右；被試者平均每年行駛千米數(shù)在15000千米以下約占八成，每天行駛公里數(shù)約40千米。

2.信度分析與相關(guān)性分析

信度(Reliability)是指反應(yīng)衡量工具的正確性與精確性，即一份量表所填分?jǐn)?shù)的可信性及穩(wěn)定性(Cooper和Emory，1995)，也可以說是測量的可靠程度。本文采用Cronbach’s α系數(shù)作為鑒定各量表內(nèi)部一致性的工具。一般而言，量表信度Cronbach’s α數(shù)值大于0.7表示信度可接受，小于0.7則表示信度不可接受。因此本文分別針對預(yù)防焦點(diǎn)與風(fēng)險感知量表進(jìn)行信度分析，衡量預(yù)防焦點(diǎn)的部分一共9題，衡量風(fēng)險感知的部分一共5題，其Cronbach’s α數(shù)值如表5所示。整體而言，本文所采用量表的信度皆符合Cronbach’s α數(shù)值大于0.7的標(biāo)準(zhǔn)，因此，本文所使用的量表信度是可接受的。另外，由表6可知，保險金額的選擇與客觀風(fēng)險、風(fēng)險感知、預(yù)防焦點(diǎn)以及性別等均具有較高的相關(guān)性，這意味著投保人的保險決策與個體的心理特質(zhì)有一定的關(guān)系。

表5 量表之信度分析

資料來源：本文整理。

表6 相關(guān)性分析

注：“*” 表示p< .1；“**”表示p< .05；“***”表示p< .01。

資料來源：本文整理。

五、實(shí)證分析

1.計量方法

為了驗(yàn)證前文基于中介調(diào)節(jié)模型提出的理論假設(shè)，我們參考了Muller等人(2005)的做法，利用已收集到的數(shù)據(jù)進(jìn)行了一系列的回歸分析。具體回歸模型與步驟如下：

IC=β0+β1DB+β2PF+β3DB×PF+β4SEX+ε1

(1)

βi,i=1,…,4

(2)

IC=β30+β31OR+β32PF+β33OR*PF+β34RP+β35RP*PF+β36SEX+ε3

(3)

其中，IC表示保險決策(保險金額)為因變量；OR表示客觀風(fēng)險為自變量；PF表示預(yù)防焦點(diǎn)為調(diào)節(jié)變量；RP表示風(fēng)險感知為中介變量；SEX表示性別為控制變量；βij,i=1,2,3,j=1,…,6為待估參數(shù)。

2.中介調(diào)節(jié)模型分析

在以前的研究中，大部分經(jīng)濟(jì)學(xué)家認(rèn)為對一個理性的人來說，即使他面臨高的客觀風(fēng)險，也并不會因此購買更多的保險(如，Cohen和Siegelman，2010)，也就是說，個人所處的客觀風(fēng)險狀況并不能用來預(yù)測保險決策。此外，Austin和Fischhoff(2010)發(fā)現(xiàn)，一個對短期預(yù)算限制敏感性較高的消費(fèi)者，如果他的風(fēng)險更高，該消費(fèi)者甚至?xí)x擇少買保險。換句話說，高風(fēng)險的情況意味著消費(fèi)者會少買保險。但本文認(rèn)為目前已有的研究忽視了每個人都擁有不同的預(yù)防焦點(diǎn)這一心理特征，所以本文把這個心理因素考慮進(jìn)去，利用實(shí)證的方法考察它對保險決策的影響。表7與表8分別為財產(chǎn)損失保險和人身傷害保險的實(shí)證結(jié)果。

(1)財產(chǎn)險的購買。

第一個回歸分析(模型1)檢查客觀風(fēng)險的影響和預(yù)防焦點(diǎn)以及他們在財產(chǎn)損失險上的交互影響。結(jié)果表明，客觀風(fēng)險的主效應(yīng)是不顯著的，b=-1.11，t(903)=-0.68，p=0.49。但是，預(yù)防焦點(diǎn)的主效用是顯著的，b=2.90，t(903)=7.63，p<0.01。預(yù)防焦點(diǎn)較高的人更傾向于購買保險。此外，客觀風(fēng)險與預(yù)防焦點(diǎn)交互效應(yīng)也是顯著的，b=5.24，t(903)=4.70，p<0.01。為了更直觀的觀察客觀風(fēng)險與預(yù)防焦點(diǎn)的交互作用，本文采用簡單斜率(Simple Slope)的方法，根據(jù)Aiken和West(1991)以及Dawson(2014)，具體的計算過程如下：

Y=C1+C2X+C3M+C4XM

(4)

(5)

表7 預(yù)防焦點(diǎn)在客觀風(fēng)險和保險金額選擇(財產(chǎn)險)的調(diào)節(jié)中介效應(yīng)變量

注：財產(chǎn)損失險=PDC；風(fēng)險感知=RP；客觀風(fēng)險=OR；預(yù)防焦點(diǎn)=PF；性別=SEX。

“*” 表示p< .1；“**” 表示p< .05；“***”表示p< .01；回歸系數(shù)下面括號內(nèi)的數(shù)值為相應(yīng)的t值。

資料來源：本文整理。

本文采用簡單斜率檢驗(yàn)來分析預(yù)防焦點(diǎn)在客觀風(fēng)險與保險決策關(guān)系中的調(diào)節(jié)作用。按照預(yù)防焦點(diǎn)的平均值加減一個標(biāo)準(zhǔn)差，將參與者分為高預(yù)防焦點(diǎn)組(高于平均值加一個標(biāo)準(zhǔn)差)和低預(yù)防焦點(diǎn)組(低于平均值減一個標(biāo)準(zhǔn)差)，在本文中，由于變量均進(jìn)行了中心化，所以均值為0，而變量客觀風(fēng)險的標(biāo)準(zhǔn)差為0.25，預(yù)防焦點(diǎn)的標(biāo)準(zhǔn)差為1.02，所以對低風(fēng)險以及低預(yù)防焦點(diǎn)人群來說，他們的保險金額預(yù)測值計算過程如下：

IC=32.64+(-1.11)×(-0.25)+2.90×(-1.02)+5.24×(-0.25)×(-1.02) =31.29

(6)

對高風(fēng)險以及低預(yù)防焦點(diǎn)的人群來說，他們的保險金額預(yù)測值計算過程如下：

IC=32.64+(-1.11)×0.25+2.90×(-1.02)+5.24×0.25×(-1.02)=28.06

(7)

其他類型人群的保險金額預(yù)測值可用類似的方法得到，由此可得圖2。采用分組回歸的方式考察客觀風(fēng)險與保險決策的關(guān)系，結(jié)果顯示，在低預(yù)防焦點(diǎn)組客觀風(fēng)險會顯著影響保險決策，預(yù)測系數(shù)(Gradient of Slope)為b=-7.17，t=-4.45，p<0.01；在高預(yù)防焦點(diǎn)組客觀風(fēng)險也會顯著影響保險決策，預(yù)測系數(shù)為b=3.63，t=1.65，p=0.09。這表明，在低預(yù)防焦點(diǎn)組，客觀風(fēng)險與保險消費(fèi)是負(fù)相關(guān)，即隨著客觀風(fēng)險的增加，個人選擇購買的保險金額是減少的；而在高預(yù)防焦點(diǎn)組客觀風(fēng)險與保險消費(fèi)是正相關(guān)的，即隨著客觀風(fēng)險的增大，個人選擇購買的保險金額是增加的。另外，高預(yù)防焦點(diǎn)組的保險金額不管在低風(fēng)險處還是高風(fēng)險處均大于低預(yù)防焦點(diǎn)組，所以本文提出的四個理論假設(shè)H1、H2、H3和H4在這里均得到證實(shí)，具體見圖2。

圖2 財產(chǎn)損失險的保險購買示意圖

因?yàn)楸疚募僭O(shè)在客觀風(fēng)險和財產(chǎn)損失險之間，預(yù)防焦點(diǎn)的調(diào)節(jié)效應(yīng)(至少部分地)是通過中介變量風(fēng)險感知而起作用的(即第一階段調(diào)節(jié)，預(yù)防焦點(diǎn)會影響到個體對客觀風(fēng)險的風(fēng)險感知)，這種中介效果是由兩個回歸分析依次進(jìn)行檢驗(yàn)的。

表6第二列是模型2的回歸結(jié)果，用來檢驗(yàn)客觀風(fēng)險與預(yù)防焦點(diǎn)以及它們的交互項(xiàng)分別對風(fēng)險感知的影響(預(yù)防焦點(diǎn)對風(fēng)險感知的調(diào)節(jié)作用)。從表中可以看到，b=0.22，t(903)=2.17，p=0.03，即客觀風(fēng)險的主效應(yīng)是顯著的。預(yù)防焦點(diǎn)的主效應(yīng)也是顯著的，b=0.49，t(903)=20.47，p<0.01。也就是說，預(yù)防焦點(diǎn)這個心理學(xué)特質(zhì)會對個體的風(fēng)險感知產(chǎn)生影響。另外，客觀風(fēng)險與預(yù)防焦點(diǎn)的交叉項(xiàng)前的系數(shù)也顯著且為正，b=0.62，t(903)=8.94，p<0.01，這恰好與本文的預(yù)期一致，即在同樣的客觀風(fēng)險水平，擁有高預(yù)防焦點(diǎn)的個人會感知到更高的風(fēng)險，而擁有低預(yù)防焦點(diǎn)的個人會感知到更低的風(fēng)險。

第三個回歸分析(模型3)是在模型1的基礎(chǔ)上，同時考慮了風(fēng)險感知的中介效應(yīng)，預(yù)防焦點(diǎn)的調(diào)節(jié)效應(yīng)以及風(fēng)險感知與預(yù)防焦點(diǎn)的交互作用。結(jié)果顯示，風(fēng)險感知起著相當(dāng)重要的作用(b=3.96，t(901)=7.75，p<0.01)，同時可以觀察到，風(fēng)險感知與預(yù)防焦點(diǎn)交互效應(yīng)也非常顯著(b=-0.95，t(901)=-2.36，p=0.02)。此外，相比在模型1中客觀風(fēng)險與預(yù)防焦點(diǎn)的顯著的交互效應(yīng)，在模型3中客觀風(fēng)險與預(yù)防焦點(diǎn)交互效應(yīng)被減弱(b=1.80，t(901)=1.52，p=0.13)。根據(jù)Muller等人(2005)的研究成果，當(dāng)同時考慮到風(fēng)險感知對保險決策的主效應(yīng)、客觀風(fēng)險與預(yù)防焦點(diǎn)交互項(xiàng)對風(fēng)險感知的調(diào)節(jié)效應(yīng)，并且其相應(yīng)的系數(shù)均顯著，另外客觀風(fēng)險與預(yù)防焦點(diǎn)交互項(xiàng)對風(fēng)險感知的調(diào)節(jié)效應(yīng)在模型3中降低，則表明實(shí)證結(jié)果支持中介調(diào)節(jié)模型的構(gòu)建。也就是說，客觀風(fēng)險對保險決策的作用受到風(fēng)險感知(作為客觀風(fēng)險與保險決策的中介變量)，以及預(yù)防焦點(diǎn)(作為客觀風(fēng)險與預(yù)防焦點(diǎn)的調(diào)節(jié)變量)的影響。

(2)人身傷害險的購買。

第一個回歸分析(模型1)是用于檢驗(yàn)客觀風(fēng)險、預(yù)防焦點(diǎn)以及它們交互效應(yīng)對人身傷害險保險金額購買的影響。結(jié)果表明，客觀風(fēng)險的主要作用是顯著的，b=-72.43，t(903)=-7.04，p<0.01。預(yù)防焦點(diǎn)的主要效應(yīng)也是顯著的，b=6.42，t(903)=2.39，p=0.02。則說明擁有較高預(yù)防焦點(diǎn)的人傾向于購買較高保險金額的保險。此外，客觀風(fēng)險與預(yù)防焦點(diǎn)的交互效應(yīng)也是顯著的，b=18.11，t(903)=2.56，p=0.01。

表8 預(yù)防焦點(diǎn)在客觀風(fēng)險和保險金額選擇(人身傷害)之間的調(diào)節(jié)中介效應(yīng)變量

注：人身傷害險=PDC；風(fēng)險感知=RP；客觀風(fēng)險=OR；預(yù)防焦點(diǎn)=PF；性別=SEX。

“*”表示p< .1；“**”表示p< .05；“***”表示p< .01；回歸系數(shù)下面括號內(nèi)的數(shù)值為相應(yīng)的t值。

資料來源：本文整理。

圖3 人身傷害險的保險購買示意圖

同樣根據(jù)Aiken和West(1991)以及Dawson(2014)的研究方法，本文采用簡單斜率檢驗(yàn)來分析預(yù)防焦點(diǎn)在客觀風(fēng)險與保險決策關(guān)系中的調(diào)節(jié)作用(具體見式4和式5)，圖3顯示，在低預(yù)防焦點(diǎn)組，客觀風(fēng)險會顯著影響保險決策，預(yù)測系數(shù)為b=-105.19，t=-9.23，p<0.01；在高預(yù)防焦點(diǎn)組，客觀風(fēng)險也會顯著影響保險決策，但其影響幅度并沒有很大，預(yù)測系數(shù)為b=-31.73，t=-2.04，p=0.04。這表明，在低預(yù)防焦點(diǎn)組的客觀風(fēng)險與保險消費(fèi)是負(fù)相關(guān)，即隨著客觀風(fēng)險的增加，個人選擇購買的保險金額是減少的；而在高預(yù)防焦點(diǎn)組，客觀風(fēng)險與保險消費(fèi)雖然也是負(fù)相關(guān)的，即隨著客觀風(fēng)險的增大，個人選擇的保險金額是減少的，但其減少幅度相對于低預(yù)防焦點(diǎn)的人群來說不會很大，并且在同一風(fēng)險水平下，高預(yù)防焦點(diǎn)的個體普遍會比低預(yù)防焦點(diǎn)個體購買更多的保險，針對高預(yù)防焦點(diǎn)的人群，由于人身傷害險的保險金額相對于財產(chǎn)險來說是較大的(十倍以上)，在這種情況下，客觀風(fēng)險與保險消費(fèi)負(fù)相關(guān)的情況便會出現(xiàn)。這便使得預(yù)算啟發(fā)式的效果會大于預(yù)防焦點(diǎn)的效果，主導(dǎo)了保險決策的結(jié)果。綜合以上論述，本文提出的三個理論假設(shè)H1、H2和H4在人身傷害險獲得證實(shí)。

因?yàn)楸疚募僭O(shè)預(yù)防焦點(diǎn)在客觀風(fēng)險和人身傷害保險需求之間起調(diào)節(jié)效應(yīng)，并且這種調(diào)節(jié)效用有一部分是透過風(fēng)險感知的中介起作用的，同時預(yù)防焦點(diǎn)也會直接影響客觀風(fēng)險和保險決策之間的關(guān)系。這種中介調(diào)節(jié)效應(yīng)是由以下兩個回歸分析依次進(jìn)行檢驗(yàn)的。第二個回歸分析(模型2)檢測了模型1所有回歸項(xiàng)對風(fēng)險感知的影響。結(jié)果和財產(chǎn)損失險的模型2是一樣的，客觀風(fēng)險與預(yù)防焦點(diǎn)的交互效應(yīng)是顯著的，即對于那些較高預(yù)防焦點(diǎn)者具有更高的風(fēng)險感知。

第三個回歸分析(模型3)是在模型1的基礎(chǔ)上，同時考慮了風(fēng)險感知以及風(fēng)險感知與預(yù)防焦點(diǎn)的交互效應(yīng)。結(jié)果顯示，風(fēng)險感知與預(yù)防焦點(diǎn)的交互效應(yīng)并不顯著。b=-4.09，t(901)=-1.44，p=0.15，而風(fēng)險感知主效應(yīng)顯著，b=27.05，t(901)=7.59，p<0.01。此外，相比模型1中客觀風(fēng)險與預(yù)防焦點(diǎn)顯著的交互效應(yīng)，客觀風(fēng)險與預(yù)防焦點(diǎn)交互效應(yīng)變得不顯著了，在模型3中，b=2.15，t(901)=0.28，p=0.77，根據(jù)溫忠麟等(2006)的研究，此時模型3的結(jié)果仍證明了中介調(diào)節(jié)效應(yīng)的存在。

六、結(jié)論

對本文的實(shí)證結(jié)果進(jìn)行分析后可以發(fā)現(xiàn)，客觀風(fēng)險需要通過風(fēng)險感知作為客觀風(fēng)險與保險決策之間的中介變量，才能對保險決策產(chǎn)生影響，同時，預(yù)防焦點(diǎn)作為客觀風(fēng)險與風(fēng)險感知之間的調(diào)節(jié)變量起作用。換句話說，風(fēng)險感知作為客觀風(fēng)險與預(yù)防焦點(diǎn)的函數(shù)，它的改變將會導(dǎo)致保險決策的改變。

另外，本文的實(shí)證結(jié)果也表明，擁有高預(yù)防焦點(diǎn)的消費(fèi)者相比擁有低預(yù)防焦點(diǎn)的消費(fèi)者會購買更多的保險。購買保險對于擁有高預(yù)防焦點(diǎn)的個體而言是為了實(shí)現(xiàn)自己的預(yù)防目標(biāo)所做出的正確的選擇。然而在另一方面，對一個擁有低預(yù)防焦點(diǎn)的高風(fēng)險者來說，即使在面臨高風(fēng)險的情況下他應(yīng)該購買更多的保險來保障自己的利益，但是實(shí)際上他也不會選擇這樣做。因此，在實(shí)務(wù)中，保險公司應(yīng)該把更多的注意力和資源放在擁有低預(yù)防焦點(diǎn)的消費(fèi)者身上，因?yàn)樗麄儍A向于減少保險的消費(fèi)，這樣將有利于保險公司挖掘市場，填補(bǔ)缺口。保險經(jīng)紀(jì)人以及相關(guān)的保險公司可以利用能衡量個體預(yù)防焦點(diǎn)狀況的問卷來達(dá)到自己銷售、承保和風(fēng)險控制的目標(biāo)。

[1]Aiken L S, West S G. Multiple Regression: Testing and Interpreting Interactions[M]. London: Sage, 1991.

[2]Austin L C, Fischhoff B. Consumers’ collision insurance decisions: A mental models approach to theory evaluation[J]. Journal of Risk Research, 2010, 13(7): 895-911.

[3]Austin L C, Fischhoff B. Consumers’ collision insurance decisions: A mental models approach to theory evaluation[J]. Journal of Risk Research, 2010, 13(7): 895-911.

[4]Bauer R. Consumer Behavior as Risk Taking[C]//Hancock R. Dynamic Marketing for a Changing World, 43rd, Chicago: American Marketing Association, 1960：389-398.

[5]Bryant P, Dunford R. The influence of regulatory focus on risky decision-making[J]. Applied Psychology, 2008, 57(2): 335-359.

[6]Cohen A, Siegelman P. Testing for adverse selection in insurance markets[J]. Journal of Risk and Insurance, 2010, 77(1): 39-84.

[7]Cutler D M, Zeckhauser R. Extending the Theory to Meet the Practice of Insurance[J]. Brookings-Wharton Papers on Financial Services, 2004, 1(2011):1-53.

[8]Dawson J F. Moderation in management research: What, why, when and how[J]. Journal of Business and Psychology, 2014, 29(1):1-19.

[9]Higgins E T, Beyond pleasure and pain[C]. American Psychologist. 1997:1280-1300.

[10]Lockwood P, Jordan C H, Kunda Z. Motivation by positive and negative role models: Regulatory focus determines who will best inspire us[J]. Journal of Personality and Social Psychology, 2002, 83(4): 854-864.

[11]Muller D, Judd C M, Yzerbyt V Y. When moderation is mediated and mediation is moderated[J]. Journal of Personality and Social Psychology, 2005, 89(6): 852-863.

[12]Rundmo T, Iversen H. Risk perception and driving behavior among adolescents in two Norwegian counties before and after a traffic safety campaign[J]. Safety Science, 2004, 42(1): 1-21.

[13]Sitkin S B, Pablo A L. Reconceptualizing the determinants of risk behavior[J]. Academy of Management Review, 1992, 17(1): 9-38.

[14]曹元坤, 徐紅丹. 調(diào)節(jié)焦點(diǎn)理論在組織管理中的應(yīng)用述評[J]. 管理學(xué)報, 2017, 08(14):1254-1262.