徐星 張彤

摘 要：本文運用非參數(shù)法中的SBM模型和DEA窗口分析度量了中澳兩國31家財險公司在2011—2015年間技術效率、純技術效率和規(guī)模效率的變化，實證結果表明：2011—2013年中國財險公司的技術效率低于澳大利亞財險公司，2014年，中國財險公司各項效率均值呈現(xiàn)總體上漲勢頭，并在2015年反超澳大利亞。雖然我國財險公司在規(guī)模效率方面表現(xiàn)良好，但我國財險行業(yè)發(fā)展仍不完善，財險公司個體技術差距較大、經營管理技術不能在市場中有效流通且缺乏淘汰機制，需進一步改善。

關鍵詞：財產保險公司；效率；SBM模型；DEA窗口分析

中圖分類號：F840.65 文獻標識碼：A 文章編號：1674-2265（2018）06-0058-10

DOI：10.19647/j.cnki.37-1462/f.2018.06.009

一、引言

自1979年我國恢復保險業(yè)務以來，財險業(yè)的發(fā)展取得了長足的進步。從公司數(shù)量上看，近40年來我國從最初僅有的中國人民保險公司發(fā)展到擁有70多家財險公司，其產權類型覆蓋了國有控股企業(yè)、股份制企業(yè)、政策性保險公司、外資企業(yè)和中外合資企業(yè)等多種組織形式。從保費收入上看，我國財險業(yè)保費收入從1997年的383.23①億元上升到2016年的8725億元，18年間收入提高了近30倍。盡管我國財險公司的發(fā)展取得了舉世矚目的成就，但是行業(yè)內公司經營效率低下、競爭力弱也是不爭的事實（侯晉和朱磊， 2004；龍文文， 2011）。在我國保險市場逐步開放、外資財產保險公司紛紛入華投資的背景下，我國財險業(yè)遇到了前所未有的挑戰(zhàn)，其中亟待解決的問題就是如何提高自身經營效率和競爭力。2016年8月保監(jiān)會發(fā)布《中國保險業(yè)發(fā)展十三五規(guī)劃綱要》，指出要以創(chuàng)新驅動保險業(yè)供給側改革，著力激發(fā)保險業(yè)承保質量和效率；同時需要提升保險業(yè)的服務效率和質量，使得整個行業(yè)獲得全社會的認可。學術界對我國財險公司效率的研究也有很多，其中不乏中、外資保險公司的對比研究，但缺乏與國際優(yōu)秀保險公司的對比研究。同世界優(yōu)秀財險公司的效率對比研究是提升我國財險公司效率的重要課題。

同英美等保險業(yè)發(fā)達國家相比，澳大利亞保險市場同我國有更多的相似性（吳憨和吳軍， 2006 ），如兩國財險壽險都是分業(yè)經營；都是由國有、私營企業(yè)構成的競爭壟斷型保險市場等等，這使得兩國財險公司具有可比性?；谏鲜鲈颍疚膶⒅邪膬蓢旊U公司做對比，找到中方財險公司與澳大利亞財險公司效率的差距并明確改進方法，這樣不僅能夠提高我國財險市場中所有公司的經營效率，也能為我國財險公司進入國外市場做好準備。

二、模型的選取及綜述

非參數(shù)法中的數(shù)據(jù)包絡分析（DEA）和參數(shù)法中的隨機前沿分析（SFA）是目前學術界度量效率所使用的兩種主流方法。

（一）非參數(shù)法

國內外使用傳統(tǒng)DEA方法對保險業(yè)的效率研究可分為以下幾個方面：一是研究某國壽險或非壽險行業(yè)效率同其影響因素之間的關系。Cummins和Turchetti （1996）首先使用DEA分析了意大利保險公司的技術效率，得出意大利保險公司的技術效率在生產力大幅下降的情況下并未發(fā)生明顯變化的結論。Barros 和Borges （2005）研究了葡萄牙保險公司生產效率的變化趨勢。他們的結論表明當保險公司的生產效率提高時，整個保險市場的表現(xiàn)也會更好。二是把一國不同類型的保險公司效率做對比。Cummins 等人（1999）利用DEA研究了兼并收購對保險公司效率的影響。他們發(fā)現(xiàn)，被收購的公司在效率方面會得到很大的提升。三是把不同國別保險公司的效率做研究。Diacon（2001）利用DEA法分析了英國保險公司的效率，通過效率值的測算發(fā)現(xiàn)英國保險公司效率高于歐洲其他國家保險公司效率，但是前者效率仍有提升空間。

傳統(tǒng)DEA模型的不足之處在于該方法并沒有考慮生產過程中投入產出的聯(lián)合機制。如保險公司在承保階段收到保費后，保費又作為中間變量進入投資階段。針對于此，F(xiàn)?re 和Grosskopf 2000年提出網(wǎng)絡DEA （Network DEA）。該方法把生產過程分成了若干個階段，以中間產品為中介連接前后階段并由此測算分階段的效率以及整體效率。Yang（2006）運用兩階段獨立DEA計算了加拿大壽險公司的保險效率和投資效率，首次揭示出壽險公司經營的“黑箱子”。但他分割了兩個階段，沒有考慮投入產出的中間變量。然而，網(wǎng)絡DEA仍屬于傳統(tǒng)的徑向模型，對無效率程度的度量只是根據(jù)所有投入、產出同比例增減，沒有考慮松弛變量的影響，因此會造成效率度量的誤差。對此， Tone 在2001年加入松弛變量，提出了SBM模型（Slacked-based Model），后又同Tsutsui（2009）合作提出網(wǎng)絡SBM模型（Network SBM）。網(wǎng)絡SBM模型的提出解決了網(wǎng)絡DEA等徑向模型在投入冗余或產出不足時高估企業(yè)效率的問題。

但是因為考慮到每年決策單元面臨的前沿面不同，即最有效率的決策單元不同，所以對于面板數(shù)據(jù)的處理，使用逐年計算效率的方法得到的數(shù)據(jù)在不同年份不具有可比性。針對于此，有文獻提出采用Malmquist指數(shù)的方法來分析面板數(shù)據(jù)，提出了動態(tài)DEA模型（Grifell-Tatjé，1995；F?re，1992）。而Charnes 等人（1985）提出了DEA 窗口分析法（DEA Window Analysis），該方法不僅可以測算出同一個決策單元效率的時間變化趨勢，還能成倍增加決策單元個數(shù)，解決樣本個數(shù)不足的問題。Asmild 等人 （2004） 使用了DEA 窗口分析法估計加拿大銀行業(yè)在1981—2000年這20年間的效率。國外使用該方法度量保險業(yè)效率的文獻不多，而國內學者在這方面領先一步。江濤（2015）使用DEA窗口分析法對中國壽險公司的效率進行了評價。孫蓉和奉唐文（2016）又使用同種方法分析了保險公司經營農險的效率并對傳統(tǒng)DEA、SBM以及SBM—窗口分析法下度量出的效率值做了對比。

（二）參數(shù)法

參數(shù)法是前沿效率分析的另一分支。參數(shù)法主要分為隨機前沿分析（SFA）、自由分布法（DFA）和厚沿法（TFA），而國內外文獻研究效率均以Aigner等人（1977）首次提出使用的隨機前沿分析（SFA）為主。

同使用非參數(shù)法研究效率的文獻相類似，參數(shù)法也被用于上述三類問題的研究。但是使用隨機前沿分析（SFA）研究保險公司效率的文獻明顯少于使用數(shù)據(jù)包絡分析方法（DEA）的文獻，且研究重點集中在對比一國不同類型保險公司的效率值上。例如，劉錚等人（2013）利用SFA度量了我國16家財險公司的效率，得出國有控股公司在成本X效率上表現(xiàn)更好、市場份額大的公司在收益X效率上更有優(yōu)勢的結論。Fenn等（2008）使用SFA估計了歐洲壽險、財險及保險集團1995—2001年間的X效率，得出市場份額大的公司成本效率高的結論。甘小豐（2008）對中國保險業(yè)的成本效率和規(guī)模效率等進行了研究，認為中資保險公司的成本效率高于中外合資保險公司。除了研究對比一國不同類型保險公司的效率值外，葉成徽和陳曉安（2012）分析了經理報酬對上市保險公司效率的影響，得出其對利潤效率有反向影響，對成本效率沒有影響的結論。黃薇（2008）也使用SFA對我國1999—2006年承擔不同經營風險的保險公司效率進行了度量并得出結論：競爭的壓力對保險公司的效率有反向促進作用。也有少數(shù)學者利用SFA研究不同國別保險公司的效率。例如，王宇悅（2016）使用SFA對比研究了中美人身保險公司的利潤效率，認為提高市場份額能夠提升中美兩國人身保險公司的利潤效率，而效率的一些外部因素如GDP增長率、通脹率、廣義貨幣增長率只能提升美國人身保險公司的利潤效率。

（三） 模型的選取

考慮到如下幾點原因，本文選擇數(shù)據(jù)包絡分析法（DEA） 對中澳兩國財險公司效率進行度量：

1. 現(xiàn)實生活中公司成本或利潤函數(shù)可能遠比大多文獻采取的Cobb-Douglas生產函數(shù)或者超越對數(shù)生產函數(shù)要更加復雜。而對于保險公司這一經營風險轉移這種無形商品的公司來說，準確地估計出保險公司的成本或利潤函數(shù)更加困難。即使估計出的函數(shù)形式正確，我們依然要對投入、產出等變量進行假設，這樣依舊會面臨變量選取不準確的問題?？紤]到DEA不需要設定成本或生產函數(shù)，可以避免函數(shù)估計錯誤引起的誤差，故本文使用DEA。

2. SFA對樣本容量要求較高，如果樣本容量不足往往估計出來的結果不準確，而DEA不僅避免了這個問題，其中的窗口分析模型還可以通過構建窗口起到增加樣本的效果。

3. DEA方法可以把技術效率進一步劃分為純技術效率和規(guī)模效率，還可以通過成本最小化DEA模型度量出決策單元（DMU）的資源配置效率并計算得到總的經濟效率。這樣可以更加細致地分析財險公司效率水平低下是咎于技術層面、規(guī)模層面還是資源配置層面，幫助公司更好地找到提高效率的著力點。

三、樣本及數(shù)據(jù)指標

（一）樣本的選擇

本文從《中國保險統(tǒng)計年鑒》中選取平均保費收入超過50億人民幣的15家中國財險公司②，之所以選取平均保費收入超過50億人民幣的公司，是因為本文在多次試驗后發(fā)現(xiàn)：選取平均保費收入超過50億人民幣的公司后，平均保費收入最小的華泰財險僅占所有15家樣本公司市場份額的不足1%，所以這樣選取的15家保險公司保費收入之和能夠近似于整個財險業(yè)的保費收入，具有覆蓋性；接著本文從全球保險行業(yè)分析庫（ORBIS Insurance Focus）③中選取了被認定為超大型和大型財險公司，但是由于部分公司在近5年（2011—2015年）的數(shù)據(jù)沒有披露，最后只選取了可獲得數(shù)據(jù)的16家澳大利亞超大型和大型財險公司。之所以選取被認定為超大型和大型財險公司是因為在澳大利亞只有此兩種類型的公司保費收入同中國財險公司保費收入、總資產規(guī)模類似，具有可比性。而一些中小型財險公司由于保費收入同選取的15家中國財險公司差距過大而被舍棄。這樣一來，選取的16家澳大利亞大型保險公司不僅可以同中國的15家財險公司作比較，也代表了澳洲承保能力最為優(yōu)秀的財險公司。相互比較這種覆蓋層次深的公司并對它們的效率進行度量可以幫助找出我國財險公司同世界優(yōu)秀公司的差距，同時也能為公司經營者和市場消費者、投資者提供公司效率方面的參考信息。本文最后確定選取15家中國財險公司、16家澳大利亞財險公司共31家財險公司的155個樣本數(shù)據(jù)（見表1）。

（二）數(shù)據(jù)來源

本文中國財險公司的所有數(shù)據(jù)來源于《中國保險統(tǒng)計年鑒》（2012—2016年）；澳大利亞財險公司的部分數(shù)據(jù)來源于全球保險行業(yè)分析庫，關于員工數(shù)量的數(shù)據(jù)來源于各家公司披露的財務報告、年報以及公司官網(wǎng)介紹。

（三）投入產出指標的選取

對于利用數(shù)據(jù)包絡分析研究財險公司效率時投入、產出變量的設定，學術界目前沒有形成一個統(tǒng)一的理論方法。但是葉世綺等人（2004）提出DEA投入、產出變量的選取應該遵循目的性、精簡性和關聯(lián)性原則，三者之間互為關聯(lián)。其中目的性是指投入、產出的選取要符合效率評價的目的。精簡性要求在滿足目的性的前提下盡量精簡變量個數(shù)。而關聯(lián)性原則為如何精簡提供了方向；當投入指標或者產出指標中的兩個變量高度相關時，可認為其中一個指標已經包含了另外一個指標，所以可以將其中一個剔除，而剔除哪個變量要看研究的目的。本文參照上述觀點來確定投入、產出變量。通過閱讀文獻，本文發(fā)現(xiàn)在投入變量的選取上，學者們的意見基本一致，只是在產出變量的選取方面存在不同意見。

對于投入變量的選取，學者們普遍認為保險公司的投入指標為勞動力、資本和費用（孫蓉和奉唐文， 2016；廖浠伶，2013；譚春彥，2012）。財產保險的承保、勘查、定損都需要人力，因此勞動力是財險公司經營的一個投入要素?？紤]到數(shù)據(jù)的可獲得性和目前文獻較多選取公司員工人數(shù)代替勞動力，認定公司員工數(shù)為中澳財險公司的第一個投入變量。考慮到保險公司同一般公司不同，利用保費收入和賠付的時間差賺取投資利潤也是保險公司的主要業(yè)務收入之一，反映了公司的競爭力，本文加入投資資產④作為第二個投入變量。由于DEA指標選取的精簡性和關聯(lián)性原則，考慮到投資資產包含了資本，本文舍棄了資本這一變量。最后對于各種費用的投入，考慮到數(shù)據(jù)的可得性以及參照其他學者的做法（宋增基等，2007；張俊嶺，2007），本文使用營業(yè)費用⑤代替。

對于產出變量的選取，學術界爭論的焦點主要集中在保費收入是否為產出變量?？紤]到保費收入的很大一部分都不是保險人所得，保費收入更像是一種收入變量而不是產出變量，因此本文選用被很多學者廣泛使用的—承保利潤⑥作為中澳財險公司的一個產出變量?？紤]到承保利潤和責任賠款這一變量高度相關，同樣是出于關聯(lián)性原則的考慮，本文舍棄了Cummins （1998）提出的把賠款+未決賠款算作保險公司一種產出的做法?？紤]到保險公司投入投資資產賺取利潤，而投資收益可以很好地反映保險公司的投資盈利能力，本文最后加入投資收益作為產出變量⑦。

（四）數(shù)據(jù)描述性統(tǒng)計和相關系數(shù)

本文選取了三個投入變量：員工人數(shù)、投資資產和營業(yè)費用；兩個產出變量：承保利潤和投資收益。對以上變量的描述性統(tǒng)計見表2和表3。

收集到樣本以后，先考察樣本數(shù)據(jù)是否合理。DEA模型樣本數(shù)據(jù)的要求是具有同向性，即增加任一生產投入，產量也會隨之增加。目前比較常見的方法是采用Person相關系數(shù)法測量各投入變量同產出變量的相關性，并認為Person系數(shù)大于0.7時，兩個變量之間是高度線性相關的（孫蓉和奉唐文， 2016）。如果所有投入、產出變量都高度線性相關，我們即認定數(shù)據(jù)滿足同向性，也就是說投入、產出變量的選取以及收集到的數(shù)據(jù)是可靠的。

我們使用STATA 14.0對投入、產出變量做Person相關系數(shù)測量，結果如表4。

表4：投入、產出變量的Person相關系數(shù)

[投入變量 員工人數(shù) 投資資產 營業(yè)費用 產出變量 承保利潤 0.86* 0.83* 0.76* 投資收益 0.74* 0.92* 0.82* ]

注：*代表相關性在0.01的顯著性水平下顯著。

由表4可以看出，本文收集的所有投入、產出變量之間的Person相關系數(shù)均在0.7以上，高度相關，因此該數(shù)據(jù)可以用于下一步的效率度量。

四、效率值的實證結果及分析

（一）SBM模型度量橫截面數(shù)據(jù)

使用SBM模型對31家財險公司在不同時間年度內的橫截面數(shù)據(jù)逐一度量，選擇規(guī)模收益不變（CRS）假設得到的技術效率結果如表5。

財險公司的技術效率是公司在相同的產出條件下，最小的可能性投入與實際投入的比率；從產出的角度看是指在現(xiàn)有的承保技術水平下，財險公司可以擴大產出的能力。如果技術效率值小于1，那么公司應通過技術進步、合理化經營等方式提高技術效率。

從表5可以看出：2011—2013年，中國財險公司的技術效率遠低于澳大利亞財險公司，2014年兩國之間差距縮小，2015年中國財險公司的技術效率均值已經超過了澳大利亞財險公司。值得一提的是，2011—2013年澳大利亞財險公司表現(xiàn)出色，每年都有近一半公司站在了效率的前沿面上（效率值=1），其中WFI Insurance Ltd每年都技術有效。而中國沒有一家財險公司能夠穩(wěn)定保持技術有效率。

微觀層面上，通過觀察中國財險公司的技術效率值可以發(fā)現(xiàn)：我國財險公司技術效率差距較大，經營管理技術不能在市場中有效流通且缺乏淘汰機制。雖然我國幾乎每年都有財險公司被選為效率前沿面，但是仍有很多公司的技術效率水平較為低下。在完善的市場經濟下，激烈的市場競爭應該可以使得各個財險公司的技術效率差異較小，但從表5的結果可以看出：我國財險行業(yè)發(fā)展還不完善，市場機制并不能淘汰技術效率低下的公司。反觀澳大利亞，除了Youi Pty Ltd、The Hollard Insurance Company Pty Ltd和QBE Insurance （Australia） Ltd技術效率較低外，其他公司的技術效率均值都較為接近，很多公司在多個年份都技術有效，公司之間的技術效率差距相比我國小了許多。

SBM模型在度量橫截面數(shù)據(jù)上確實帶來了很多有用的信息，但是這個模型有兩個問題：第一，由于SBM模型只能分析橫截面數(shù)據(jù)，這就導致每年選取不同的財險公司為效率前沿面，每年選擇的參照物是不同的。因此，針對表5進行的橫向比較是不準確的。第二，2011—2013年，澳大利亞每一年被選為效率前沿面的公司占到了近一半之多，度量出的效率區(qū)分度仍然需要提高。

（二）DEA窗口分析度量面板數(shù)據(jù)

本文根據(jù)Farrell提出的效率分解理論，使用DEA窗口分析法對31家財險公司的技術效率、規(guī)模效率和純技術效率進行度量。

1. 技術效率。DEA窗口分析是通過相似于移動平均的方法把處于不同年份的決策單元區(qū)別對待，通過建立窗口來增加決策單元的個數(shù)并結合不同窗口下效率的度量值來綜合評價一個決策單元效率的方法（Charnes，1985）。

使用DEA窗口分析首先需要選擇窗口的寬度d，如果研究總時長為T，那么可以建立T+1-d個窗口。然而對于窗口寬度d的選擇，學術界至今沒有提出相關的理論。本文按照文獻中的普遍做法，選擇窗口寬度d=3⑨，由于本研究的時間長度T=5，那么自然就建立了3個窗口（W1、W2、W3），每個決策單元（DMU）在每個窗口中可以得到d=3個效率值，代表了同一公司的效率變化趨勢，最后取每個年份上的效率均值作為最終在橫截面和時間序列上均可比較的效率值。以中國人壽財險為例，表6是DEA窗口分析的詳細測算結果。最終整理出的31家財險公司在橫截面和時間序列上均可比的技術效率值見表7。

由表7可以直觀看出，使用窗口分析得到的結果不僅比SBM更加有區(qū)分度， 而且極小效率值也較少出現(xiàn)，模型得到的結果更為恰當。從近5年的均值來看，澳大利亞財險公司的效率表現(xiàn)要好于中國。其中，Aai Ltd、AIG Australia Ltd、WFI Insurance Ltd、Victoria Managed Insurance Authority和Insurance Manufacturers of Australia Pty Ltd分別有2—3次處在前沿面上。其中WFI Insurance Ltd的效率值高達0.98，是31家財險公司中效率最高的。Workcover Queensland、Catholic Church Insurance Ltd和Avant Insurance Ltd的效率均值也都在0.74以上。 Youi Pty Ltd（0.31）、QBE Insurance（Australia）Ltd（0.31）和The Hollard Insurance Company Pty Ltd（0.27）是澳大利亞財險公司中表現(xiàn)最差的。反觀中國，除了中華聯(lián)合財險（0.62）、安盛天平財險（0.52）和永安財險（0.50）之外，其余中國財險公司效率都在0.50以下，表現(xiàn)差強人意。

多數(shù)澳大利亞財險公司近5年來的技術效率均值高于中國可能歸功于其開展先進的網(wǎng)絡化承保方式要早于中國。澳大利亞財險公司官網(wǎng)大多在很早以前就開始提供網(wǎng)絡保單，投保人只需輸入個人信息便能計算出保費金額等信息。如果投保人滿意可以在網(wǎng)上填寫投保單，保險人在后臺做出是否承保的決定。但是隨著近幾年我國保險公司網(wǎng)絡經營模式的開展，澳大利亞財險公司的技術優(yōu)勢已經不復存在。通過觀察表7最后一列我們可以看出，中國財險公司技術效率值增長勢頭強勁，尤其是中小型財險公司如天安財險、華泰財險、永誠財險、華安財險、永安財險2011—2015年技術效率均值增長高達4—12倍，而澳大利亞財險公司技術效率卻呈現(xiàn)出小幅的負增長態(tài)勢。這說明我國同澳大利亞財險公司的技術效率差距越來越小，我國財險公司的經營、操作、管理技術水平有了提升。此外，我國財險公司技術效率差距也在逐漸縮小，這意味著我國財險市場技術不能有效流通且缺乏有效淘汰機制的現(xiàn)象也正在改善。

圖1也可以很好地佐證上述部分觀點，從圖1可以看出：我國財險公司的技術效率均值2013年開始飆升，從0.36增長到0.67，增幅高達近95%。到2015年，我國財險公司技術效率已經超過了澳大利亞。而澳大利亞財險公司恰巧呈現(xiàn)相反的趨勢，自從2013年后，該國保險公司的效率均值一路下行。

2. 純技術效率。使用規(guī)模收益可變 （VRS） 假設，依然通過DEA窗口分析得到各公司橫截面和時間序列上均可比的純技術效率值。純技術效率值是剔除了公司規(guī)模因素影響后真正由技術原因影響的效率值，是在既定規(guī)模下保險公司可控的部分，對技術效率的進一步分解不僅可以度量出規(guī)模效率，也使得我們對公司純技術層面的效率有更精確的認識。

對表8中剔除了保險公司規(guī)模影響后的純技術效率的解釋同表7類似?？梢钥闯鎏蕹似髽I(yè)規(guī)模影響后，澳大利亞產險公司的純效率值比表7展示的結果還要高。除了Allianz Australia Insurance Ltd（0.65）和QBE Insurance（Australia）Ltd（0.32）在澳大利亞財險公司中純技術效率表現(xiàn)稍差以外，幾乎每家保險公司都至少1次被選為前沿面。WFI Insurance Ltd財險公司更是在所有年份中均被選為前沿面企業(yè)，而The Hollard Insurance Company Pty Ltd、Victoria Managed Insurance Authority和Youi Pty Ltd也都近乎達到純技術有效。

中國財險公司中僅中國人保財險公司的純技術效率接近1，除平安財險（0.72）、中華聯(lián)合財險（0.65）、華泰財險（0.62）和安盛天平財險（0.62）外，其余財險公司的純技術效率值都低于0.60。

大多數(shù)中國財險公司，尤其是中小型公司純技術效率水平處于增長期，只有安盛天平財險、英大泰和財險和中華聯(lián)合財險呈現(xiàn)下跌的趨勢。值得一提的是，安盛天平財險公司2014年由天平車險同安盛保險合并而成，合并后的企業(yè)需要時間磨合，這可能是其2014年技術效率水平不增反減的一個原因，2015年，其技術效率值不僅恢復到了2013年的水平（0.54）且有小幅上漲（0.61）。

通過圖2可以直觀地感受2011—2015年中澳兩國財險公司純技術效率均值的變化趨勢。5年間我國財險公司的純技術效率均值增長了58%，2015年已經高達0.78。澳大利亞財險業(yè)發(fā)展了多年，在剔除了企業(yè)規(guī)模的影響后，2013年行業(yè)內大多數(shù)公司的技術水平可以構成前沿面，但是最近兩年澳大利亞財險公司的純技術效率經歷了大幅度的下滑。

3. 規(guī)模效率。規(guī)模效率衡量的是企業(yè)是否在最優(yōu)規(guī)模條件下生產。表9給出了各公司在橫截面和時間序列上均可比的規(guī)模效率值，從中我們可以發(fā)現(xiàn)：2013年后，中國財險公司的規(guī)模效率表現(xiàn)總體好于澳大利亞財險公司。

首先，多數(shù)中國財險公司的規(guī)模效率均值都在0.72以上，中華聯(lián)合財險和陽光保險效率更是分別高達0.97和0.95。澳大利亞除了Aai Ltd、AIG Australia Ltd、WFI Insurance Ltd、Insurance Manufacturers of Australia Pty Ltd、Victoria Managed Insurance Authority 和Workcover Queensland有2—3次被認為是規(guī)模有效之外，QBE Insurance（Australia）Ltd（0.96）、Chubb Insurance Company of Australia Ltd（0.97）、CGU Insurance Ltd（0.94）和Catholic Church Insurance Ltd（0.94）的表現(xiàn)也可圈可點，但是澳大利亞有兩家財險公司的規(guī)模效率值是所有31家公司中最低的?？梢姡拇罄麃嗀旊U公司的規(guī)模效率兩極分化現(xiàn)象較為嚴重，有些財險公司已接近規(guī)模效率最優(yōu)狀態(tài)，而有的公司離最優(yōu)化規(guī)模還有很長一段距離。

其次，通過對比同一公司在不同年份的數(shù)據(jù)可以看到：大多數(shù)中國財險公司朝著更優(yōu)化的規(guī)模前進。而澳大利亞多數(shù)財險公司的規(guī)模效率或者變化不大，或者反而呈下降趨勢。

圖3也能部分支撐上述結論?？梢钥闯?，我國財險公司的規(guī)模效率均值從2011年的0.69增長到2015年的0.88，增幅達到了27%；澳大利亞財險公司的規(guī)模效率在經歷了2011—2014年短暫上行后快速下調，2015年降至5年來的最低水平 （0.70） ?？傮w說來，2013年以后中國財險公司在規(guī)模效率上的表現(xiàn)優(yōu)于澳大利亞財險公司。

Coelli（1996）提出：判斷規(guī)模無效率決策單元究竟處于規(guī)模報酬遞增還是規(guī)模報酬遞減的階段可以通過比較在規(guī)模報酬不變假設條件下算出的技術效率和在規(guī)模收益可變假設條件下算出的純技術效率。當兩者不相等時，決策單元處于規(guī)模報酬遞增階段；當兩者相等時，決策單元處于規(guī)模報酬遞減階段。本文根據(jù)Coelli（1996）的理論，結合DEA-Solver軟件在SBM模型規(guī)模報酬不變假設和規(guī)模收益可變假設條件下得出的效率值，整理得到表10。

從表10可以看出，同一公司在5年時間內規(guī)模報酬狀況變化不大。在中國財險公司中，大型財險公司如中國人保財險、中國太平洋財險和平安財險由于公司規(guī)模擴張過大而處于邊際報酬遞減階段，這些公司應當適當縮小規(guī)模以獲得最優(yōu)的規(guī)模效率。太平財險、華泰財險、永誠財險、安盛天平財險和英大泰和財險在多數(shù)年份均處于規(guī)模報酬遞增階段，應當適當擴大公司規(guī)模。在所有中國財險公司中，沒有一家公司在所有可獲取年份里均保持規(guī)模報酬不變，而澳大利亞有5家規(guī)模有效公司，它們分別是Aai Ltd、Catholic Church Insurance Ltd、Chubb Insurance Company of Australia Ltd、Insurance Manufacturers of Australia Pty Ltd以及Victoria Managed Insurance Authority。同中國相類似，澳大利亞財險公司規(guī)模也呈現(xiàn)出了兩極分化的趨勢。Allianz Australia Insurance Ltd、Insurance Australia Group Ltd和QBE Insurance （Australia） Ltd因為規(guī)模過大而在多數(shù)年份處于規(guī)模報酬遞減階段，而Avant Insurance Ltd和Youi Pty Ltd在多數(shù)年間處于規(guī)模報酬遞增階段。

（三）對比DEA方法下不同模型度量出的技術效率值

為了使得研究更加全面，本文把BCC、SBM模型和DEA窗口分析三個不同模型下度量出的技術效率均值在2011—2015年的變化進行了比較。從圖4可以看到，三種不同方法度量出的結果均顯示出震蕩調整后的反彈上升趨勢。2011—2013年間，不同模型度量出的效率均值變化趨勢略有不同，但是變化值都不大。2013年后，所有模型都顯示出技術效率值有較大幅度的提升。此外，我們還證明了SBM和DEA窗口分析的確是兩種比BCC更加嚴格的效率評價方法，前兩者把松弛變量這一無效率的因素也考慮在內，擴大了不同決策單元之間的區(qū)分度。

五、結論

對中澳兩國31家財產保險公司在2011—2015年間的技術效率、純技術效率和規(guī)模效率進行了度量，得出如下結論：

第一，2011—2013年中國財險公司的技術效率遠低于澳大利亞財險公司，2014年兩國之間差距在慢慢縮小，2015年中國財險公司的技術效率均值已經超過了澳大利亞財險公司。觀察兩國效率均值的變化可以看出，2013年是兩國財險公司技術效率的轉折點，在經歷了不同程度的下跌后，中國財險公司技術效率反彈，而澳大利亞財險公司跌至低谷，最終被中國反超。但是，通過對比同一年間兩國財險公司效率值時可以發(fā)現(xiàn)，澳大利亞財險公司之間的技術效率差距相比中國小了許多。

第二，大多中國財險公司，尤其是中小型公司的純技術效率水平處于增長期，但是2015年前中澳之間純技術效率的差距依舊明顯。澳大利亞幾乎每家保險公司都至少1次被選作前沿面，其中WFI Insurance Ltd財險公司更是所有年份均被選為前沿面企業(yè)，The Hollard Insurance Company Pty Ltd、Victoria Managed Insurance Authority和Youi Pty Ltd也都近乎達到純技術有效。中國僅人保財險公司的純技術效率接近1，多數(shù)財險公司的效率值都低于0.6，這折射出我國財險公司之間的純技術效率差距也較大。

第三，在規(guī)模效率方面，我國財險公司表現(xiàn)良好，澳大利亞財險公司的規(guī)模效率兩極分化較為嚴重。此外，雖然我國財產公司的總體規(guī)模效率在2013年已超過澳大利亞財險公司，但其仍有提升空間。

最后，中國財險公司，尤其中小型的財險公司，各項效率均值在被研究的五年區(qū)間內均呈現(xiàn)總體上漲的勢頭，并在2015年反超澳大利亞。我國各財險公司之間技術效率差距也在逐漸縮小，這說明我國財險公司的經營管理正日趨規(guī)范，財險業(yè)市場也趨于完善。

注：

①數(shù)據(jù)均來自中經網(wǎng)數(shù)據(jù)庫（http：//192.168.30.82：91/page/Default.aspx）。

②考慮到安邦財險公司每年度會計報表中，同一年份數(shù)據(jù)差別較大，可能存在失真的情況，本文沒有測算此公司效率?？紤]到中國出口信用保險作為政策性保險公司同一般財險業(yè)務有很大不同，故也舍棄?？紤]到中國財險再保險公司經營財產再保險業(yè)務，而其他公司主要做原保險業(yè)務，所以，本文也不考慮此公司。

③該數(shù)據(jù)庫網(wǎng)站：http：//www.bvdinfo.com/en-gb/our-products/company-information/international-products/orbis-insurance.

④投資資產=貨幣資本+拆出資本+交易性金融資產+衍生金融資產+買入返售金融資產+保護質押貸款+定期存款+可供出售金融資產+持有至到期投資+長期股權投資+投資性房地產（彭雪梅，2010）。

⑤包括業(yè)務及管理費、手續(xù)費及傭金支出和保險業(yè)務營業(yè)稅。

⑥承保利潤=已賺保費-賠付支出+攤回賠付支出-提取保險責任準備金+攤回保險責任準備金-分保費+攤回分保費-手續(xù)費及傭金-業(yè)務及管理費-保險業(yè)務營業(yè)稅及附加（彭雪梅，2010）。

⑦投資收益=投資收益-對聯(lián)營企業(yè)的投資收益+公允價值的變動損益+可供出售金融資產公允價值變動-投資資產減值損失-投資業(yè)務營業(yè)稅金及附加（彭雪梅，2010）。

⑧澳大利亞數(shù)據(jù)經過換匯處理，年平均匯率數(shù)據(jù)來源于OANDA數(shù)據(jù)庫。

⑨本文分別測算了窗口寬度d=1—5下的效率值，發(fā)現(xiàn)結果出入并不大。

參考文獻：

[1]StataCorp. 2015. Stata 14 Base Reference Manual， Stata Press： College Station， TX

[2]Cummins， J.D. and Weiss， M.A. 1998. Analyzing firm performance in the insurance industry using frontier efficiency methods （No. 98-22）. Wharton School Center for Financial Institutions， University of Pennsylvania.

[3]Coelli， T. 1996. A guide to DEAP version 2.1： a data envelopment analysis （computer） program. Centre for Efficiency and Productivity Analysis， University of New England， Australia.

[4]Charnes，A.，Cooper，W.W.，Golany，B.，Seiford， L. and Stutz，J. 1985. Foundations of data envelopment analysis for Pareto-Koopmans efficient empirical production functions. Journal of econometrics， 30（1-2）.

[5]Cummins， J.D. and Turchetti， G. 1996. Productivity and technical efficiency in the Italian insurance industry （No. 96-10）. Wharton School Center for Financial Institutions， University of Pennsylvania.

[6]F?re， R.， Grosskopf， S. and Lovell， C.K. 1994. Production frontiers. Cambridge University Press.

[7]侯晉，朱磊.我國保險公司經營效率的非壽險實證分析[J].南開經濟研究，2004，（4）.

[8]龍文文.基于SFA方法的中國財產保險公司成本和利潤效率測算[D].湖南大學碩士研究生論文， 2011.

[9]葉世綺，顏彩萍，莫劍芳.確定DEA指標體系的B-D方法[J].暨南大學學報（自然科學與醫(yī)學版），2004，（3）.

[10]孫蓉，奉唐文.保險公司經營農險的效率及其影響因素——基于SBM模型與DEA窗口分析法[J].保險研究，2016，（1）.

[11]彭雪梅.保險會計學[M].西南財經大學出版社，2010年.

[12]廖浠伶.財險公司效率的實證研究[D].西南財經大學碩士研究生論文，2013.

[13]譚春彥.中資與外資產險公司的效率比較[D].西南財經大學碩士研究生論文， 2012.

[14]張俊嶺.中國財產保險公司的規(guī)模效率DEA實證研究[J].統(tǒng)計與信息論壇，2007，（6）.

[15]宋增基，李春紅.中國保險業(yè)DEA效率實證分析[J].系統(tǒng)工程學報，2007，（1）.