郭以馨，呂開宇*，湯文雪，畢盛

（1. 中國農(nóng)業(yè)科學院農(nóng)業(yè)經(jīng)濟與發(fā)展研究所，北京 100081；2. 中國農(nóng)業(yè)大學理學院，北京 100083）

收入保險具有防范產(chǎn)量下跌與價格波動的雙重功能，能夠兼顧滿足農(nóng)戶收入穩(wěn)定和保障農(nóng)業(yè)產(chǎn)業(yè)安全的雙重目標，更符合WTO下的“綠箱政策”[1]。2016—2018年中央“一號文件”連續(xù)提出要發(fā)展農(nóng)業(yè)收入保險?；ㄉ鳛榻?jīng)濟作物，價格波動帶來的風險日益突出，傳統(tǒng)的產(chǎn)量保險、成本保險已難以滿足其風險保障的需要，所以應(yīng)該發(fā)展收入保險，降低價格波動對花生種植戶的不利影響[2]。對我國重要的油料作物花生實施收入保險，在宏觀上有利于維護我國食用油供給安全、優(yōu)化種植業(yè)結(jié)構(gòu)，在微觀上可以保障花生種植戶的收入穩(wěn)定，提高其種植積極性、增加其生產(chǎn)投入[3]，進一步擴大花生產(chǎn)出[4]。而要實施花生收入保險，最關(guān)鍵的是要科學合理地厘定其費率，如果費率過高，將抑制保險的需求而不利于推廣；反之，如果費率過低，則不利于保險公司收支平衡，保險項目難以維系。

美國是當前農(nóng)作物收入保險開展最成熟的國家[5]，其費率厘定的方法值得借鑒。在其農(nóng)作物收入保險費率厘定過程中，不僅要考慮單產(chǎn)和價格的邊緣分布，還要得到二者的聯(lián)合分布。當前的研究常采用參數(shù)方法[6]或非參數(shù)法[7]估計邊緣分布。在參數(shù)方法中，農(nóng)作物單產(chǎn)風險被認為可能服從正態(tài)分布[8]、Lognormal分布[9]、Gamma 分布[10]、Burr分布[11]、Beta分布[12]、Cauchy分布[13]等方式，而價格風險則常被認為服從Lognormal分布[14]、Burr分布[12]等方式。非參數(shù)法中最常用的則是核密度法[15]。而在獲得單產(chǎn)與價格的聯(lián)合分布時，則改變了過去假設(shè)二者相互獨立的方式，采用Copula函數(shù)連接單產(chǎn)與價格的邊緣分布，來擬合其聯(lián)合分布[16-17]。

截至目前，國內(nèi)采用Copula方法，圍繞玉米[18]、小麥[19]等主糧作物，以及大豆[20]、棉花[21]和蘋果[22]開展收入保險費率研究。但國內(nèi)研究仍有需要改進的地方：首先，市場化的價格形成機制是收入保險開展的前提[1]，而過去研究選擇的許多農(nóng)作物在主產(chǎn)區(qū)曾長期實施最低收購價格政策，缺乏由市場機制形成的歷史價格數(shù)據(jù)，這影響其收入保險費率厘定的可靠性。其次，部分研究采用省一級，甚至全國的單產(chǎn)數(shù)據(jù)厘定收入保險費率，忽視了區(qū)域化是我國保險發(fā)展的內(nèi)在要求[23]。最后，鮮有研究說明其采用Copula函數(shù)擬合單產(chǎn)與價格關(guān)系的合理性。

河南省是我國花生種植第一大省，因此本文以河南省為例，在說明實施花生收入保險必要性的前提下，采用Copula函數(shù)和蒙特卡洛抽樣分別厘定了河南省各主產(chǎn)市花生收入保險費率，探究收入保險費率是否存在區(qū)域差異性。并利用卡方檢論證采用Copula函數(shù)厘定費率的合理性。最后，通過與河南現(xiàn)行成本保險的比較，探討收入保險的可行性與優(yōu)越性，為當?shù)刂贫ú嵤┗ㄉ杖氡ｋU政策提供決策依據(jù)。

1 研究方法

按照已有文獻，花生收入保險費率厘定一般可以歸納為4個步驟：一是對花生的單產(chǎn)與價格數(shù)據(jù)進行去勢處理，得到花生的隨機單產(chǎn)與隨機價格序列；二是擬合花生隨機單產(chǎn)與隨機價格的邊緣分布；三是選取合適的Copula函數(shù)將二者聯(lián)結(jié)成一個聯(lián)合分布；四是通過蒙特卡洛抽樣計算預(yù)期損失，最終厘定花生收入保險費率。本文在前兩步中分別采用了HP濾波法與參數(shù)方法。后兩步則涉及Copula函數(shù)與蒙特卡洛抽樣兩種重要方法，前者解決聯(lián)合分布問題，后者解決大樣本生成問題。

1.1 HP濾波法

農(nóng)作物的單產(chǎn)與價格都可以被分為趨勢和隨機兩部分，而農(nóng)業(yè)保險研究的是代表風險的隨機單產(chǎn)與隨機價格，因此，要將農(nóng)作物的單產(chǎn)與價格去勢。去勢的方法一般有三種：移動平均法、線性回歸法和HP濾波法。其中，相比于移動平均法，HP濾波法避免了選擇移動步長的主觀性，結(jié)果更為客觀；相比于傳統(tǒng)的線性回歸，HP濾波法作為一種非線性回歸方法，形式更為自由，擬合效果往往更好，因此，它被廣泛地應(yīng)用于農(nóng)作物單產(chǎn)與價格的去勢[24-25]。HP濾波法認為趨勢成分是隨著時間緩慢變化的，它首先將時間序列yt分解成趨勢成分gt和波動Ct兩個部分，即：

其后，采用移動平均方法，設(shè)計HP濾波器：

其中：第一個求和部分代表波動成分，第二個求和部分代表趨勢成分平滑程度，λ＞0為平滑系數(shù)。上述最優(yōu)化問題的解gt序列即為HP濾波法分離出來的趨勢序列[26]。

本文采用HP濾波法對1993—2016年花生單產(chǎn)（kg/hm2）與收購價格（元/kg）進行去勢，得到花生隨機單產(chǎn)和隨機價格，并通過Min-Max法對隨機單產(chǎn)和隨機價格進行標準化處理。最后，為了確保擬合結(jié)果的可靠與穩(wěn)健，對標準化后的隨機單產(chǎn)和隨機價格進行ADF檢驗與PP檢驗。ADF檢驗結(jié)果表明，三個地區(qū)標準化后的隨機單產(chǎn)和隨機價格數(shù)據(jù)均在5%的顯著性水平下平穩(wěn)。PP檢驗的結(jié)果表明，三個地區(qū)標準化后的隨機單產(chǎn)和隨機價格數(shù)據(jù)均在1%的顯著性水平下平穩(wěn)。

1.2 擬合分布的參數(shù)方法

由于非參數(shù)法在小樣本下缺乏穩(wěn)健性[27]，本文采用參數(shù)方法擬合花生單產(chǎn)與價格分布。所謂參數(shù)方法，就是預(yù)先設(shè)定隨機單產(chǎn)或隨機價格分布形式，假設(shè)其密度函數(shù)為f(x；ε)，再求解使其極大似然函數(shù)：

最大的ε值作為使用極大似然估計得到的參數(shù)估計值，再采用A-D或K-S檢驗決定最優(yōu)分布的方法。

本文采用Easyfit5.6軟件估計了農(nóng)作物隨機單產(chǎn)與價格在各常見分布下的參數(shù)，利用A-D檢驗與K-S檢驗選取最優(yōu)分布，并列出了擬合單產(chǎn)與價格常見的以及在本研究中擬合效果較好的分布的檢驗結(jié)果。最終給出了最優(yōu)分布的概率密度函數(shù)。

1.3 形成聯(lián)合分布的方法——Copula函數(shù)

Copula函數(shù)是一種用來描述變量之間相關(guān)關(guān)系的函數(shù)，它可以把兩個邊緣分布連接成一個聯(lián)合分布。根據(jù)Sklar定理[28]，令H(x,y)為具有邊緣分布F(x)和G(y)的聯(lián)合分布函數(shù)，那么存在一個Copula函數(shù)C(u,v)滿足：

若F(x)和G(y)連續(xù)，則C(u,v)唯一確定；反之，若F(x)和G(y)為一元分布函數(shù)，則C(u,v)為相應(yīng)的Copula函數(shù)，那么由上述定義的函數(shù)H(x,y)是具有邊緣分布F(x)和G(y)的聯(lián)合分布函數(shù)。

Copula函數(shù)有兩大優(yōu)勢：第一，在不能決定傳統(tǒng)的線性相關(guān)系數(shù)能否正確度量農(nóng)作物單產(chǎn)與價格之間相關(guān)關(guān)系的情況下，Copula函數(shù)可以完善地刻畫單產(chǎn)與價格之間的相依性，可靠地擬合二者間的關(guān)系；第二，農(nóng)作物單產(chǎn)與價格的時間序列都較短，而Copula作為構(gòu)造二維分布族的起點，可用于多元模型分布和隨機模擬，可以有效解決數(shù)據(jù)不夠充足的問題。

本文采用常用于擬合農(nóng)作物單產(chǎn)與價格關(guān)系的Copula函數(shù)：正態(tài)Copula函數(shù)，t-Copula函數(shù)，以及阿基米德Copula函數(shù)族中的Clayton Copula和Frank Copula。并采用卡方檢驗驗證采用某類Copula函數(shù)模擬單產(chǎn)風險與價格風險關(guān)系的可靠性[29]，然后歐氏距離最小的原則從通過檢驗的Copula函數(shù)中選取最優(yōu)的那一類[30]。

1.4 蒙特卡洛抽樣方法

由于通過Copula函數(shù)聯(lián)結(jié)成的農(nóng)作物單產(chǎn)與價格的聯(lián)合分布十分復(fù)雜，因此需要采用蒙特卡洛抽樣方法計算費率。蒙特卡洛方法又稱隨機抽樣或統(tǒng)計試驗方法，當要求解某種事件出現(xiàn)的概率，或者是某個隨機變量的期望值時，蒙特卡洛法可以通過某種“試驗”的方法，從隨機變量的分布中抽取樣本，從而得到這種事件出現(xiàn)的頻率，或者這個隨機變量的平均值，并用它們作為問題的解[31]。因此，可以使用蒙特卡洛法從農(nóng)作物單產(chǎn)與價格的聯(lián)合分布中進行抽樣，獲得大量樣本，最后結(jié)合費率厘定公式，便可以計算在不同保障水平下農(nóng)作物的預(yù)期收入損失與費率。蒙特卡洛法涉及三個主要步驟[32]：一是構(gòu)造或描述概率過程；二是從已知概率分布抽樣；三是計算各種估計量。

1.5 研究區(qū)域與數(shù)據(jù)來源

在厘定花生收入保險費率時，單產(chǎn)和價格數(shù)據(jù)層級的選取與匹配程度十分重要。一方面，如果選取過高層級的單產(chǎn)數(shù)據(jù)，比如省級數(shù)據(jù)，就很難體現(xiàn)費率的區(qū)域差異性。另一方面，如果單產(chǎn)與價格數(shù)據(jù)沒有緊密的聯(lián)系，就無法有效地采用Copula函數(shù)刻畫二者的關(guān)系，擬合聯(lián)合分布。美國實踐的經(jīng)驗是采用縣一級（相當于我國的地級市）的單產(chǎn)數(shù)據(jù)與全國性的期貨市場價格相匹配[33]。

充分考慮收入保險費率的區(qū)域差異性，本文采用河南1993—2016年三大主產(chǎn)市南陽、駐馬店、開封的花生單產(chǎn)數(shù)據(jù)——這三地花生播種面積穩(wěn)定排在河南前四位，數(shù)據(jù)來源于《河南統(tǒng)計年鑒》。而由于我國暫沒有花生期貨上市，再考慮到單產(chǎn)與價格數(shù)據(jù)的匹配性，在價格方面選取1993—2016年河南花生市場收購價格，數(shù)據(jù)來自《全國農(nóng)產(chǎn)品成本收益匯編》。

由于河南花生產(chǎn)量與播種面積均位居全國第一，且我國花生進口量占國內(nèi)花生總產(chǎn)量的比重不到1%，因此河南省花生收購價格受到全國花生市場價格波動與國際市場沖擊較小，因而利用省級花生價格數(shù)據(jù)進行費率厘定具有一定的合理性。為了進一步說明單產(chǎn)與價格數(shù)據(jù)的匹配性，在下文的實證中，還將采用卡方檢驗，驗證Copula函數(shù)是否能夠有效刻畫單產(chǎn)與價格風險的關(guān)系。

2 花生收入保險費率厘定

2.1 實施花生收入保險必要性分析

如果價格波動不大，傳統(tǒng)的產(chǎn)量保險就能解決農(nóng)戶種植風險問題，收入保險就喪失了研發(fā)的必要。為此，在厘定費率之前，需要分析河南省花生價格的波動特征，說明開展收入保險的必要性。

采用HP濾波法去勢得到的1993—2016年花生隨機價格與趨勢價格（圖1）?？傮w來看，河南省花生隨機價格始終圍繞0值上下波動，且在2005年之后波動加大且有愈演愈烈之勢，這與其他學者的判斷相一致。

圖1 河南省花生隨機價格與趨勢價格Fig. 1 Current price and random price of Henan's peanut

為了更好地觀察花生隨機價格的波動情況，采用“谷—谷”法分析花生隨機價格波動的周期，將時間序列從一個波谷上升至一個波峰，再從波峰下降至一個新的波谷作為一個完整的周期，并將持續(xù)時間不超過兩年的短周期與附近的周期合并?？疾炱趦?nèi)河南省花生隨機價格可分為5個周期（表1）。期間，價格波動平均周期長度為4年，屬于中等周期；價格波動幅度較大，平均峰值為62.2，平均谷值為-43.3，平均波動幅度達到105.5，且波動幅度整體呈擴大趨勢，這說明河南農(nóng)戶所面臨的花生價格風險較大，且不斷加劇，這就凸顯了實施花生收入保險的必要性。

表1 1993—2016年河南省花生隨機價格波動周期Table 1 Waves' periods of random price of Henan's peanut (1993—2016)

2.2 費率厘定

與三大糧食作物、大豆和棉花不同，花生價格形成機制的市場化較早，有市場形成的歷史價格數(shù)據(jù)，因此更好地具備開展收入保險的前提。而分區(qū)域厘定保險費率，則充分考慮到了由于各地花生生產(chǎn)條件不同所帶來的風險異質(zhì)性，厘定的費率將更加精準有效。

2.2.1 隨機單產(chǎn)與隨機價格的分布擬合結(jié)果 本文采用參數(shù)方法確定單產(chǎn)分布，并詳細列出了有代表性的 Normal、Lognormal、Weibull、Gamma、Cauchy、Logistic、Beta、the Bur等8種分布的 K-S與A-D檢驗結(jié)果（表2），統(tǒng)計量越小，說明擬合的效果越好。由于A-D檢驗往往更為穩(wěn)健，因此結(jié)果以A-D檢驗為準，K-S檢驗僅作為參考。兩種檢驗都顯示Cauchy分布是開封與駐馬店花生隨機單產(chǎn)的最優(yōu)分布。南陽花生隨機單產(chǎn)的最優(yōu)分布則應(yīng)為Logistic分布。

根據(jù)上文選定的分布形式，結(jié)合極大似然估計所得到的系數(shù)，得到三個地區(qū)單產(chǎn)的邊緣分布。開封花生單產(chǎn)密度函數(shù)為：

南陽花生單產(chǎn)密度函數(shù)為：

駐馬店花生單產(chǎn)密度函數(shù)為：

表2 河南主產(chǎn)市花生隨機單產(chǎn)分布擬合Table 2 Distribution of peanut's production per mu of Henan's main peanut production cities

和擬合單產(chǎn)時一樣，本文采用參數(shù)方法擬合河南隨機價格序列的分布，并詳細列出了有代表性 的 Normal、Lognormal、Log-Logistic、Gamma、Cauchy、Logistic、the Bur等7種分布的K-S與A-D檢驗結(jié)果（表3）。

表3 河南花生隨機價格分布擬合Table 3 Distribution of random price of Henan's peanut

Cauchy分布在兩種檢驗下都是最優(yōu)分布，結(jié)合極大似然估計得到的參數(shù)，得到河南花生隨機價格分布為：

2.2.2 Copula的擬合與選取 在得到三個地區(qū)花生的隨機單產(chǎn)分布與河南的隨機價格分布后，可以擬合Copula函數(shù)。這里選擇常見的Normal Copula、Frank Copula、t-Copula、Clayton Copula來進行擬合，并采用卡方檢驗，判斷Copula函數(shù)對花生單產(chǎn)與價格關(guān)系的描述是否準確，最后以歐式距離作為標準，在通過卡方檢驗的Copula函數(shù)中選取最優(yōu)解。擬合結(jié)果表明（表4），四種Copula函數(shù)形式在開封市均不能被拒絕，這說明它們都能良好地擬合開封花生單產(chǎn)與花生收購價格間的關(guān)系；根據(jù)歐式距離最小原則，進一步選擇t-Copula作為擬合開封市花生單產(chǎn)與價格分布的連接關(guān)系的函數(shù)。而在南陽與駐馬店，只有t-Copula不能被拒絕，因此同樣選擇t-Copula作為兩市擬合兩種風險間關(guān)系的函數(shù)。

擬合結(jié)果表明，每一組Copula函數(shù)的秩相關(guān)系數(shù)Kendall's Tau均為負，這說明花生單產(chǎn)與價格之間存在強烈的負相關(guān)，二者“風險對沖”效應(yīng)明顯。這意味著，當花生種植單產(chǎn)大幅減產(chǎn)時，花生價格會出現(xiàn)上升，這在一定程度上緩解了災(zāi)害給花生種植戶收入造成的負面沖擊，從而降低了收入保險的費率。

2.2.3 各地不同風險保障水平下的費率 在確定不同地區(qū)花生單產(chǎn)與價格風險的邊緣分布和Copula函數(shù)后，便可以建立它們各自的單產(chǎn)與價格的聯(lián)合分布，并在此基礎(chǔ)上厘定費率。具體的，通過對每個聯(lián)合分布的5 000次抽樣，可以建立三個主產(chǎn)市花生種植收入的樣本群，并通過如下公式厘定三個地區(qū)花生收入保險的費率：

式中：y代表樣本農(nóng)戶收入，α代表收入保障水平，μ表示期望收入，ExLo代表農(nóng)戶預(yù)期損失，r表示費率。

費率厘定的結(jié)果表明（表5），某種程度來說，花生收入保險在相同保障水平下的費率比成本保險更低。這是因為河南花生成本保險的保額接近河南花生種植的物質(zhì)成本（6 860元/hm2），而2016年河南花生種植的總成本達到2.05萬元/hm2，因此成本保險只保障了河南花生種植不到40%的總成本，但其費率已經(jīng)達到了6%。而收入保險在40%的保障水平下，三地的費率都低于6%。這是因為單產(chǎn)與價格之間存在“風險對沖”，當產(chǎn)量較低的時候價格往往會更高，這在一定程度上減少了河南花生的收入風險，降低了保險的費率。

表4 Copula函數(shù)擬合結(jié)果Table 4 Results of fitting by Copulas

表5 河南主產(chǎn)市花生收入保險費率（%）Table 5 Rates of income insurance of peanut in Henan's main peanut production areas (%)

結(jié)果同樣表明，三個地區(qū)花生收入保險的費率在不同保障水平下都有明顯的差異，各地的風險存在異質(zhì)性。另外，三地收入保險的費率均隨著保障水平的下降而顯著下降，這種現(xiàn)象說明三個地區(qū)花生種植的風險均集中在高收入階段，因此當保障水平稍有下降，費率就急劇地降低。因此，當保險公司在這些地區(qū)開展花生收入保險時，需要合理地選擇保障水平。比如，從90%到60%，保障水平僅下降30%，而三地的費率卻均下降了一半以上，這樣既能保障農(nóng)戶收入穩(wěn)定，又能避免過高的費率使農(nóng)戶參保積極性下降。

2.2.4 保費的厘定 盡管上文得到了各地花生收入保險的費率，但對于農(nóng)戶而言，更關(guān)注實際的保費，實際保費的高低，往往決定農(nóng)戶參保的積極性。

由于收入保險的合同往往規(guī)定：保險花生約定收入=預(yù)期價格×預(yù)期單產(chǎn)×保險面積；花生收入保險保費=保險花生約定收入×費率。因此只要確定預(yù)測價格與期望單產(chǎn)，結(jié)合上文得到的費率，就可以算出各地的花生單位保費。期望單產(chǎn)的確定方法通常是取近5年單產(chǎn)去掉最高與最低值后的平均數(shù)。而如何預(yù)測價格則存在爭議，根據(jù)已有的經(jīng)驗，預(yù)測價格的方法有兩種：一是保險公司根據(jù)收獲前市場供求情況，結(jié)合往年經(jīng)驗，對現(xiàn)貨市場價格進行預(yù)測。二是隨著期貨市場的發(fā)展，由于期貨有發(fā)現(xiàn)價格的功能，國外的保險公司常常采用期貨價格預(yù)測現(xiàn)貨價格。但目前學界對哪種預(yù)測價格的方式更為合理尚未做出定論，且我國的期貨市場發(fā)展尚不完善，花生期貨還在醞釀階段，因此本文采用第一種方法來計算預(yù)期價格，具體來說，就是采用滑動平均法得到河南花生的預(yù)期價格。表6為以開封市為例計算2017年每畝保費的方法。采用滑動平均法預(yù)測的2017年花生價格為5.68元/kg，與實際的5.70元/kg接近。

表6 保費厘定方法Table 6 Method of calculating premium

由于河南現(xiàn)行花生成本保險保費=保險金額×費率，保險金額是花生種植的物質(zhì)成本，為6 855元/hm2，而費率則為6%，因此成本保險的保費約為405元/hm2，而根據(jù)本文厘定的保費結(jié)果（表7），在40%的保障水平下，三個主產(chǎn)市保費都低于405元/hm2。這說明，在接近的保障水平下，花生收入保險保費低于成本保險的保費。

相比于成本保險，花生的收入保險更好地保障了農(nóng)戶種植花生的經(jīng)濟效益。這是因為收入保險的最大保額是農(nóng)戶種植花生的收入，而成本保險的保額則是農(nóng)戶種植花生的成本。而即便算上土地、勞動力等機會成本，花生種植收入仍遠高于花生的總種植成本。開封、南陽、駐馬店的保險花生預(yù)期收入分別達到2.55、2.74和2.57萬元/hm2，而河南花生種植總成本為2.05萬元/hm2。因此，即便在相同的保障水平下，收入保險也能為農(nóng)戶提供比成本保險更多的保障。

表7 2017年河南主產(chǎn)市花生收入保險保費厘定（元/hm2）Table 7 Calculation of premium of income insurance in Henan's main peanut production areas (yuan/hm2)

綜上所述，在相同的保障水平下，相比于花生成本保險，花生收入保險的費率與保費都更低，而能夠為種植花生的經(jīng)濟效益提供的保障卻更多。

3 結(jié)論與政策建議

3.1 結(jié)論

研究表明，河南花生種植戶面臨著較大的單產(chǎn)與價格風險，且價格風險有擴大的趨勢，河南農(nóng)戶對花生收入保險有著較大的潛在需求；花生收入保險的費率存在區(qū)域差異性，花生等經(jīng)濟作物在厘定收入保險費率時，必須細分區(qū)域；各地花生收入保險的費率都隨著保障水平的下降而顯著下降，河南花生種植的風險主要集中在高收入階段。在相同的保障水平下，花生收入保險的費率與保費均低于成本保險，且能夠為農(nóng)戶提供更高的風險保障水平，對農(nóng)戶而言，收入保險相較于現(xiàn)行的成本保險與產(chǎn)量保險，是一種更優(yōu)的風險保障工具。

研究彌補了國內(nèi)現(xiàn)有的農(nóng)作物收入保險費率厘定研究的不足，不僅選擇了價格市場化較早的經(jīng)濟作物——花生作為研究對象，并且充分考慮了保險費率的區(qū)域化差異，為經(jīng)濟作物，尤其是花生收入保險的開展提供了決策依據(jù)和費率參考。

3.2 政策建議

1）加速推進花生等經(jīng)濟作物收入保險的開展。研究表明，相比于成本保險和產(chǎn)量保險，收入保險不僅能涵蓋單產(chǎn)與價格的雙重風險，而且能更好地保障農(nóng)戶的種植收益，且在同等保障水平下的費率更低。因此，應(yīng)該加快推進花生等經(jīng)濟作物收入保險的試點工作，用收入保險替代原有的產(chǎn)量保險與成本保險。

2）構(gòu)建區(qū)域化的農(nóng)產(chǎn)品收入保險體系。經(jīng)厘定，河南花生各主產(chǎn)市收入保險的費率存在較大的差異，這主要是因各地不同的自然條件與花生生產(chǎn)條件造成的。如果細分到縣一級，費率差異可能更加明顯。因此，在建立收入保險的體系時要盡量收集更小區(qū)域乃至地塊的單產(chǎn)和價格數(shù)據(jù)，從而能夠厘定更為精確的保險費率。

3）設(shè)定差異化合理的風險保障水平。由于風險在不同收入水平下分布有較大差異，各地的保險費率在不同保障水平下波動大，比如保障水平從90%變?yōu)?0%，保障水平僅下降30%，而三個地區(qū)的費率卻均下降了一半以上。因此，選擇一個合理的保障水平，既能保障農(nóng)戶種植花生的基本收入，又能有效地降低收入保險的費率，有助于降低收入保險實施所需要的財政補貼，并提升農(nóng)戶參保的積極性。