焦星瑞 孔陽 江敏 王婧雨

[摘?要]從供給角度出發(fā)，選取相對(duì)規(guī)模、宏觀效率、持續(xù)發(fā)展三類指標(biāo)衡量黑龍江省農(nóng)業(yè)保險(xiǎn)發(fā)展水平，并進(jìn)一步地以綜合評(píng)分為被解釋變量，構(gòu)造一個(gè)多元回歸模型，通過對(duì)微觀層面的2012—2016年間黑龍江省13個(gè)城市和地區(qū)保險(xiǎn)數(shù)據(jù)的實(shí)證研究，得到如下結(jié)論：近幾年黑龍江省各城市農(nóng)業(yè)保險(xiǎn)效率變化不大，鶴崗、黑河等城市始終排在前列;農(nóng)業(yè)保險(xiǎn)效率得分每上升1%，農(nóng)業(yè)總產(chǎn)值、播種面積、承保面積分別變動(dòng)0.1%、-0.7%、0.2%;各城市經(jīng)濟(jì)發(fā)展水平及第一、二、三產(chǎn)業(yè)占比對(duì)農(nóng)業(yè)保險(xiǎn)發(fā)展水平產(chǎn)生影響。

[關(guān)鍵詞]農(nóng)業(yè)保險(xiǎn)發(fā)展水平;主成分分析;面板數(shù)據(jù);地區(qū)經(jīng)濟(jì)

[中圖分類號(hào)]F840.66

[文獻(xiàn)標(biāo)識(shí)碼]A

[文章編號(hào)]2095-3283（2019）08-0044-06

Abstract：From the perspective of supply， this paper selects three indicators of relative scale， macro efficiency and sustainable development to measure the development level of agricultural insurance in Heilongjiang Province， and further constructs a multiple regression model with comprehensive score as the explanatory variable， through the micro level. The empirical study on insurance data of 13 cities and regions in Heilongjiang Province during 2012-2016 concluded that the development of agricultural insurance is more reasonable from the perspective of relative indicators and absolute indicators， and the ability to pay and the degree of coverage are significantly related to the level of agricultural insurance development. Sex， the degree of regional economic development affects the level of agricultural insurance development.

Keywords：Agricultural Insurance Development Level; Principal Component Analysis; Panel Mode;Region Economy

一、引言

2004年開始設(shè)立政策性農(nóng)業(yè)保險(xiǎn)試點(diǎn)以來，至今已有十余年，中國也成為了繼美國之后的全球第二大農(nóng)業(yè)保險(xiǎn)市場。黑龍江省作為我國的農(nóng)業(yè)大省，地域遼闊，土地肥沃，耕地面積達(dá)1132.2萬公頃，全國排名第一。但與此成為鮮明對(duì)比的是，2015年黑龍江省種植業(yè)承保率距全國平均承保率56.4%還差6個(gè)百分點(diǎn)，農(nóng)業(yè)保險(xiǎn)保費(fèi)收入為31.84億元，賠款37.59億元，賠付率為118.06%，遠(yuǎn)高于全國平均水平。

在研究農(nóng)業(yè)保險(xiǎn)發(fā)展的道路上，保險(xiǎn)發(fā)展水平及其影響因素的課題，被廣大學(xué)者關(guān)注，余新平，熊皛白，熊德平（2010）實(shí)證分析了農(nóng)民保險(xiǎn)賠付與農(nóng)業(yè)保險(xiǎn)收入對(duì)農(nóng)民收入增長的變動(dòng)關(guān)系，認(rèn)為農(nóng)業(yè)保險(xiǎn)賠付越高，農(nóng)民收入增長越多，農(nóng)業(yè)收入反之;政策性財(cái)政補(bǔ)貼推動(dòng)的黑龍江省農(nóng)業(yè)保險(xiǎn)發(fā)展水平在全國層面上達(dá)到了較高層次（呂開宇、李春肖，2016），說明財(cái)政資金投入對(duì)農(nóng)業(yè)保險(xiǎn)的促進(jìn)作用，由于本文研究省內(nèi)保險(xiǎn)發(fā)展水平，所以忽略財(cái)政補(bǔ)貼對(duì)省內(nèi)相同促進(jìn)作用;馮文麗，史曉（2018）利用改進(jìn)的熵值法確定京津翼地區(qū)農(nóng)業(yè)保險(xiǎn)發(fā)展水平;劉樺燦，粟芳（2018）以保費(fèi)收入和保費(fèi)支出作為主導(dǎo)指標(biāo)，并應(yīng)用協(xié)整理論對(duì)保費(fèi)補(bǔ)貼效率進(jìn)行探討，明確了三者之間存在的均衡關(guān)系;孫香玉，鐘甫寧（2009）從需求角度分析了農(nóng)業(yè)保險(xiǎn)支付意愿的影響因素;江生忠（2015）認(rèn)為農(nóng)業(yè)產(chǎn)值是農(nóng)業(yè)保險(xiǎn)發(fā)展水平的重要影響因素，災(zāi)害發(fā)生頻率越高，農(nóng)民的風(fēng)險(xiǎn)意識(shí)也越強(qiáng)，因而其對(duì)農(nóng)業(yè)保險(xiǎn)需求也越高;但王韌（2014）與江生忠的想法恰恰相反。二者主要探究外部因素對(duì)農(nóng)民參保意愿的影響;程靜（2018）從內(nèi)部因素說明農(nóng)民收入是影響農(nóng)民對(duì)農(nóng)業(yè)保險(xiǎn)有效需求的重要因素，其對(duì)農(nóng)業(yè)保險(xiǎn)發(fā)展水平具有促進(jìn)作用;周穩(wěn)海（2014）等認(rèn)為，風(fēng)險(xiǎn)越大，賠付率越高，農(nóng)民參保的必要性越大。但是，農(nóng)民參保意愿越強(qiáng)真的能說明一個(gè)地區(qū)農(nóng)業(yè)保險(xiǎn)發(fā)展水平嗎？除此之外，還有其他學(xué)者強(qiáng)調(diào)了國內(nèi)保險(xiǎn)市場的成熟程度、農(nóng)業(yè)需求不足、農(nóng)戶生產(chǎn)行為等因素對(duì)農(nóng)業(yè)保險(xiǎn)發(fā)展水平的影響。國外的相關(guān)學(xué)者也做了一些研究;Hung-Hao Chang，Ashok K（2012）認(rèn)為農(nóng)業(yè)保險(xiǎn)在農(nóng)業(yè)生產(chǎn)產(chǎn)量上起到基礎(chǔ)性作用，為災(zāi)害發(fā)生做好了預(yù)防性措施;Kirsten Bendix Olsen，Peter Hasle（2015）介紹了農(nóng)業(yè)保險(xiǎn)對(duì)農(nóng)業(yè)生產(chǎn)的激勵(lì)措施，并闡述了農(nóng)業(yè)保險(xiǎn)在種植面積大的地區(qū)的重要作用。

綜上，雖然國內(nèi)外學(xué)者對(duì)影響農(nóng)業(yè)保險(xiǎn)發(fā)展水平的因素做了一定研究，但多是基于農(nóng)戶需求視角，目前還未有學(xué)者從農(nóng)業(yè)保險(xiǎn)供給視角對(duì)地區(qū)農(nóng)業(yè)保險(xiǎn)發(fā)展做系統(tǒng)性定量評(píng)價(jià)，本文通過對(duì)農(nóng)業(yè)保險(xiǎn)發(fā)展水平的理論與實(shí)證分析，期望能構(gòu)建地方農(nóng)保發(fā)展評(píng)價(jià)體系。

二、指標(biāo)的選取與模型的構(gòu)建

（一）數(shù)據(jù)來源

以黑龍江省為例，運(yùn)用主成分分析的方法對(duì)黑龍江省13個(gè)城市和地區(qū)的農(nóng)業(yè)保險(xiǎn)發(fā)展水平進(jìn)行評(píng)價(jià)，并對(duì)13個(gè)城市和地區(qū)進(jìn)行農(nóng)業(yè)保險(xiǎn)波動(dòng)分析。本文用到了多種時(shí)序數(shù)據(jù)資源：農(nóng)業(yè)保險(xiǎn)保費(fèi)收入、農(nóng)業(yè)保險(xiǎn)賠付支出、鄉(xiāng)村總?cè)丝跀?shù)、農(nóng)林牧漁業(yè)總產(chǎn)值、農(nóng)作物承包面積、播種面積、財(cái)產(chǎn)保險(xiǎn)收入和財(cái)產(chǎn)保險(xiǎn)賠付支出，數(shù)據(jù)尺度均為市級(jí)，數(shù)據(jù)來源為2012—2016各市統(tǒng)計(jì)年鑒、《中國保險(xiǎn)年鑒》《黑龍江省統(tǒng)計(jì)年鑒》《中國農(nóng)村統(tǒng)計(jì)年鑒》，使用現(xiàn)價(jià)統(tǒng)計(jì)的因素均抵減為2012年不變價(jià)。

（二）指標(biāo)選取

本文參考已有研究成果，并考慮到影響因素的重要性及黑龍江省數(shù)據(jù)可得性，選取以下八個(gè)指標(biāo)來分析黑龍江省農(nóng)業(yè)保險(xiǎn)的發(fā)展水平。

其中，收入密度、支出密度、收入深度、支出深度四個(gè)指標(biāo)從相對(duì)規(guī)模的角度來衡量農(nóng)業(yè)保險(xiǎn)發(fā)展水平;賠付率與覆蓋率從宏觀效率的角度來衡量農(nóng)業(yè)保險(xiǎn)的發(fā)展水平;保費(fèi)收入占比和賠付支出占比從持續(xù)發(fā)展性的角度衡量了農(nóng)業(yè)保險(xiǎn)的發(fā)展水平。

三、模型的構(gòu)建

（一）評(píng)價(jià)方法的選擇

本文采用主成分分析法，通過降維的方法把多個(gè)指標(biāo)化為少數(shù)幾個(gè)綜合指標(biāo)，在消除共線性的情況下盡可能多地保留原有指標(biāo)的信息，適合后文繼續(xù)探究各個(gè)城市影響因素。首先將上述指標(biāo)數(shù)值標(biāo)準(zhǔn)化后得到無量綱數(shù)據(jù)，標(biāo)準(zhǔn)化處理采用均值法。第二步，確定主成分個(gè)數(shù)，通過選取特征根大于1或前幾個(gè)主成分的累計(jì)貢獻(xiàn)率大于85%來確定。第三步，確定主成分載荷矩陣，Ui=Ai/λi，其中Ai是因子載荷矩陣，λi是特征值。第四步，根據(jù)特征向量和標(biāo)準(zhǔn)化指標(biāo)值確定各主成分得分。最后，將各主成分得分和對(duì)應(yīng)方差貢獻(xiàn)率加權(quán)計(jì)算綜合得分。

（二）多元回歸模型的構(gòu)建

由于分析的數(shù)據(jù)具有時(shí)間維度和橫截面維度，所以采用面板數(shù)據(jù)進(jìn)行分析。本文從相對(duì)指標(biāo)以5個(gè)影響因子作為解釋變量，從絕對(duì)指標(biāo)以4個(gè)影響因子作為解釋變量。農(nóng)業(yè)保險(xiǎn)發(fā)展水平綜合評(píng)分作為被解釋變量，得出的面板數(shù)據(jù)模型為：

四、實(shí)證分析

（一）主成分分析法確定各地區(qū)農(nóng)保發(fā)展水平

對(duì)指標(biāo)進(jìn)行KMO檢驗(yàn)，KMO數(shù)值越接近1，說明數(shù)值相關(guān)性越強(qiáng)，普遍認(rèn)為KMO值在0.5—1.0之間適合進(jìn)行主成分分析。Battle球形檢驗(yàn)旨在檢驗(yàn)各個(gè)指標(biāo)是否相互獨(dú)立，若sig值<0.5，則適合做主成分分析。本文通過對(duì)黑龍江省13個(gè)城市和地區(qū)的8個(gè)指標(biāo)值運(yùn)用spss21.0檢驗(yàn)，發(fā)現(xiàn)KMO與sig值均通過檢驗(yàn)。

為了使因子含義更為清晰，采用方差極大法對(duì)因子載荷矩陣實(shí)行正交旋轉(zhuǎn)，旋轉(zhuǎn)在3次迭代后收斂，前兩個(gè)主成分的解釋力度達(dá)到了85%以上，且兩個(gè)主成分綜合原始數(shù)據(jù)信息的能力都很強(qiáng)。因此，本文選取前兩個(gè)主成分衡量各指標(biāo)對(duì)農(nóng)業(yè)保險(xiǎn)發(fā)展水平的影響。

表2的數(shù)值說明各指標(biāo)與提取的公因子的相關(guān)程度，數(shù)值越高，關(guān)系越密切，其中第一主成分受到支出密度、收入深度、支出深度、與賠付支出占比的影響顯著，因子載荷量普遍在0.4以上，但其余指標(biāo)有顯著下降趨勢，第二主成分受收入密度、賠付率、保費(fèi)收入占比影響顯著，總體相關(guān)關(guān)系較第一主成分下降，收入密度、覆蓋率在隨時(shí)間變化對(duì)兩個(gè)主成分影響呈變動(dòng)趨勢，說明歷年農(nóng)業(yè)保險(xiǎn)收入與參保率受主觀影響強(qiáng)，不能有效規(guī)避風(fēng)險(xiǎn)的發(fā)生。

根據(jù)2012—2016年農(nóng)業(yè)保險(xiǎn)發(fā)展水平綜合得分發(fā)現(xiàn)，近五年農(nóng)業(yè)保險(xiǎn)發(fā)展水平并沒有出現(xiàn)較大變化，鶴崗市始終保持排名第一，黑河、雙鴨山、雞西、大興安嶺等地基本上位居前列，是黑龍江省農(nóng)業(yè)保險(xiǎn)發(fā)展水平較高的幾個(gè)城市，在經(jīng)濟(jì)狀況上，以上幾個(gè)城市經(jīng)濟(jì)發(fā)展水平相對(duì)較低，其他支柱性產(chǎn)業(yè)少，墾區(qū)較多，從政府角度來講，對(duì)農(nóng)業(yè)重視程度上升，經(jīng)濟(jì)發(fā)展較低覆蓋率較高，收入密度較大，參保土地較廣，使得賠付率較高。從保險(xiǎn)公司角度來看，能使農(nóng)業(yè)保險(xiǎn)公司在同行業(yè)中重要程度上升，這些方面共同促進(jìn)地區(qū)農(nóng)業(yè)保險(xiǎn)發(fā)展。而2012—2016年哈爾濱、大慶、綏化、牡丹江、齊齊哈爾等經(jīng)濟(jì)發(fā)展較好地區(qū)農(nóng)業(yè)保險(xiǎn)評(píng)分普遍為負(fù)。說明農(nóng)業(yè)保險(xiǎn)發(fā)展并不與經(jīng)濟(jì)發(fā)展呈正比，從歷年數(shù)據(jù)來看，幾個(gè)地區(qū)農(nóng)業(yè)保費(fèi)收入普遍較低，導(dǎo)致覆蓋率不足，保險(xiǎn)公司和政府應(yīng)該做好宣傳工作，適當(dāng)增加農(nóng)民參保意愿。

（二）黑龍江省農(nóng)業(yè)保險(xiǎn)發(fā)展水平回歸模型的構(gòu)建

本文使用面板回歸模型分析黑龍江省13個(gè)城市和地區(qū)農(nóng)業(yè)保險(xiǎn)發(fā)展水平影響因素，時(shí)間區(qū)間是2012—2016年。建立的固定效應(yīng)模型如下：

建立的隨機(jī)效應(yīng)模型如下：

其中i和t的含義與前文相同。

本文以主成分分析法得到的主成分綜合評(píng)分指標(biāo)為被解釋變量（yit），從相對(duì)指標(biāo)和絕對(duì)指標(biāo)兩個(gè)方面選取影響農(nóng)業(yè)保險(xiǎn)發(fā)展水平的解釋變量分別建立多元回歸模型。相對(duì)指標(biāo)選取覆蓋率X1、收入密度X2、收入深度X3、保費(fèi)收入占比X4、賠付率X5;絕對(duì)指標(biāo)選取保險(xiǎn)收入X6、農(nóng)業(yè)從業(yè)人員X7、農(nóng)業(yè)總產(chǎn)值X8、播種面積X9、農(nóng)作物承保面積X10。對(duì)于含有時(shí)間序列過程的面板數(shù)據(jù)，變量不平穩(wěn)可能產(chǎn)生偽回歸，由于本文采用了典型的“大N小T”的短面板數(shù)據(jù)，因此無需考慮數(shù)據(jù)的動(dòng)態(tài)特征進(jìn)行單位根和協(xié)整檢驗(yàn)。

（三）Hausman檢驗(yàn)確定模型

Hausman檢驗(yàn)的原假設(shè)是選擇隨機(jī)效應(yīng)模型，當(dāng)Hausman統(tǒng)計(jì)量在統(tǒng)計(jì)上顯著時(shí)，就拒絕原假設(shè)，選擇固定模型進(jìn)行參數(shù)估計(jì)，否則應(yīng)當(dāng)選擇隨機(jī)效應(yīng)模型，相對(duì)指標(biāo)檢驗(yàn)結(jié)果為chi2（5）=28.08，Prob>chi2=0.0000，故拒絕原假設(shè)，固定效應(yīng)模型優(yōu)于隨機(jī)效應(yīng);絕對(duì)指標(biāo)檢驗(yàn)結(jié)果為chi2（5）=10.34，Prob

根據(jù)固定效應(yīng)模型（1），可以得到下列表達(dá)式：

根據(jù)隨機(jī)效應(yīng)模型（1），可以得到下列表達(dá)式：

固定效應(yīng)模型（1）中以相對(duì)指標(biāo)作為解釋變量，模型結(jié)果顯示，R2為0.950848，調(diào)整后的R2為0.926844，且赤池信息準(zhǔn)則和施瓦茨準(zhǔn)則指標(biāo)較小，說明模型擬合很好，F(xiàn)的概率為0.0000，在1%的概率下顯著，但模型（1）中收入深度、保費(fèi)收入占比一次項(xiàng)的系數(shù)顯著性一般;固定效應(yīng)模型（2）是把原有影響因子不顯著的剔除后重新進(jìn)行面板數(shù)據(jù)分析，可以看到各個(gè)影響因子的顯著性均提高，說明在不考慮保費(fèi)收入占比和收入深度的情況下模型總體回歸效果顯著，能夠反映解釋變量與被解釋變量的相關(guān)關(guān)系，對(duì)模型的解釋能力更好。隨機(jī)效應(yīng)模型（1）是從絕對(duì)指標(biāo)角度考量農(nóng)業(yè)保險(xiǎn)綜合評(píng)分，模型中杜賓信息檢驗(yàn)值2.0672，且F的概率為0.0000，說明模型不存在自相關(guān)性且擬合較好。隨機(jī)效應(yīng)模型（2）是排除不顯著系數(shù)保費(fèi)收入和農(nóng)業(yè)從業(yè)人員后重新進(jìn)行的數(shù)據(jù)分析，提高了各個(gè)系數(shù)的顯著程度。

（四）實(shí)證結(jié)果分析

固定效應(yīng)模型（1）中收入密度、賠付率和覆蓋率對(duì)農(nóng)業(yè)保險(xiǎn)發(fā)展水平影響顯著。其中，收入密度表現(xiàn)為正，說明農(nóng)業(yè)保險(xiǎn)發(fā)展的程度與收入密度同向變化。黑龍江省各城市近幾年鄉(xiāng)村從業(yè)人員緩慢減少，保費(fèi)收入顯著增加，此消彼長下使得收入密度較大幅度上升。筆者認(rèn)為，自從2007年黑龍江省受到中央及地方政府補(bǔ)貼政策支持后，收入密度每年均有不同程度的提升，農(nóng)民更加愿意參加農(nóng)業(yè)保險(xiǎn)，但是并不能體現(xiàn)出發(fā)展水平高的特點(diǎn)。應(yīng)該加快農(nóng)業(yè)機(jī)械化進(jìn)程，使農(nóng)民在減少農(nóng)業(yè)生產(chǎn)力成本的同時(shí)用節(jié)省下來的時(shí)間從事其他工作，像一些林墾區(qū)從事的植樹造林工作、農(nóng)村進(jìn)縣城打工等都可以增加額外收入，用來抵御風(fēng)險(xiǎn)。賠付率高，說明農(nóng)業(yè)風(fēng)險(xiǎn)不確定性強(qiáng)且風(fēng)險(xiǎn)發(fā)生使各地區(qū)賠付率較高，賠付率越高各地區(qū)受到災(zāi)害的侵襲程度越強(qiáng)，農(nóng)民損失越嚴(yán)重，由于存在風(fēng)險(xiǎn)規(guī)避心理且受前年災(zāi)害影響收入較低，不愿意拿出本就微薄的收入?yún)⒓愚r(nóng)業(yè)保險(xiǎn)，阻礙了農(nóng)保的發(fā)展。覆蓋率是對(duì)農(nóng)業(yè)保險(xiǎn)發(fā)展影響顯著的正向指標(biāo)，衡量了農(nóng)業(yè)保險(xiǎn)的覆蓋程度，覆蓋率越高，則說明農(nóng)業(yè)保險(xiǎn)的發(fā)展水平越高。

隨機(jī)效應(yīng)模型（1）的結(jié)果顯示，播種面積、參保面積和農(nóng)業(yè)總產(chǎn)值均對(duì)農(nóng)業(yè)保險(xiǎn)發(fā)展有顯著相關(guān)性。其中，播種面積和參保面積對(duì)農(nóng)業(yè)保險(xiǎn)發(fā)展的影響也恰好論證了固定效應(yīng)模型（1）中覆蓋率的作用結(jié)果。農(nóng)業(yè)總產(chǎn)值表現(xiàn)為正，說明農(nóng)業(yè)保險(xiǎn)的進(jìn)步離不開當(dāng)?shù)氐霓r(nóng)業(yè)經(jīng)濟(jì)發(fā)展，學(xué)者普遍認(rèn)為，一個(gè)地區(qū)的農(nóng)業(yè)經(jīng)濟(jì)水平與當(dāng)?shù)亟?jīng)濟(jì)發(fā)展水平存在聯(lián)系，為了保證農(nóng)業(yè)保險(xiǎn)的發(fā)展，需要對(duì)經(jīng)濟(jì)發(fā)展水平不同的城市進(jìn)行產(chǎn)業(yè)調(diào)整。

五、結(jié)論

本文研究了黑龍江省農(nóng)業(yè)保險(xiǎn)的影響因素，進(jìn)而確定如何提升農(nóng)業(yè)保險(xiǎn)發(fā)展水平。首先對(duì)13個(gè)城市和地區(qū)現(xiàn)階段農(nóng)業(yè)保險(xiǎn)發(fā)展水平進(jìn)行打分，直觀看出各種影響因子對(duì)城市間的影響程度及不同城市間的發(fā)展差距。其次從相對(duì)指標(biāo)和絕對(duì)指標(biāo)出發(fā)，建立時(shí)間序列截面數(shù)據(jù)模型，進(jìn)而確定了兩種方向5種主要影響因子對(duì)城市農(nóng)業(yè)保險(xiǎn)發(fā)展的表達(dá)式，最后得出覆蓋率、賠付率、收入密度和農(nóng)業(yè)總產(chǎn)值等對(duì)農(nóng)業(yè)保險(xiǎn)發(fā)展影響顯著。本文得出如下結(jié)論：

第一，從相對(duì)指標(biāo)和絕對(duì)指標(biāo)兩方面衡量農(nóng)業(yè)保險(xiǎn)發(fā)展更合理。在實(shí)際中，相對(duì)指標(biāo)只能衡量一個(gè)地區(qū)農(nóng)業(yè)保險(xiǎn)發(fā)展的相對(duì)程度，由于黑龍江省地理面積跨度大，不同城市之間的地貌特征和經(jīng)濟(jì)發(fā)展存在顯著差別，采用一類指標(biāo)衡量時(shí)會(huì)出現(xiàn)誤差，通過上文對(duì)兩類指標(biāo)的對(duì)比分析，得出的結(jié)論更有益于實(shí)際。

第二，賠付率對(duì)農(nóng)業(yè)保險(xiǎn)水平影響顯著，這與各級(jí)政府補(bǔ)貼有很大聯(lián)系，每年80%的補(bǔ)貼額度極大地支持了黑龍江省保險(xiǎn)事業(yè)，能夠在激發(fā)出保險(xiǎn)需求的同時(shí)降低農(nóng)民支出，保障農(nóng)民生活水平。

第三，覆蓋率和收入密度是影響農(nóng)業(yè)保險(xiǎn)發(fā)展程度的重要因素，黑龍江省13個(gè)城市和地區(qū)種植面積差距明顯，種植面積廣且經(jīng)濟(jì)發(fā)展水平高的城市承保面積少且保險(xiǎn)效率評(píng)分低。首先要明確經(jīng)濟(jì)狀況好的城市擁有以下幾點(diǎn)特點(diǎn)：1.農(nóng)業(yè)機(jī)械化水平高;2.人均種植面積廣;3.財(cái)產(chǎn)保險(xiǎn)數(shù)額較大;4.多是平原地區(qū)，適合農(nóng)產(chǎn)品種植。也因此能夠理解該地區(qū)對(duì)風(fēng)險(xiǎn)的規(guī)避程度較強(qiáng)，不過在災(zāi)害來臨時(shí)損失也極大，尤其是冬季來的較早的黑龍江省。因此，找到促進(jìn)種植者參保意愿的因素至關(guān)重要，保險(xiǎn)公司可以對(duì)符合條件的賠案積極賠付，讓農(nóng)民切身感受到保險(xiǎn)的突出作用和功效，政府可以對(duì)此積極宣傳，提高農(nóng)業(yè)參保率。

最后，黑龍江省農(nóng)業(yè)保險(xiǎn)綜合發(fā)展水平在經(jīng)濟(jì)發(fā)展不同的城市存在差異性。經(jīng)濟(jì)發(fā)展程度低但農(nóng)業(yè)保險(xiǎn)保障程度高的地區(qū)，應(yīng)通過發(fā)展第二、三產(chǎn)業(yè)平衡農(nóng)業(yè)作為支柱性產(chǎn)業(yè)績效低的特點(diǎn)，使地區(qū)經(jīng)濟(jì)和農(nóng)業(yè)保險(xiǎn)同步提高;經(jīng)濟(jì)發(fā)展程度高但農(nóng)業(yè)保險(xiǎn)保障水平低的地區(qū)，要預(yù)防重大風(fēng)險(xiǎn)的發(fā)生，實(shí)現(xiàn)地區(qū)經(jīng)濟(jì)發(fā)展和保障水平的“雙贏”。

[參考文獻(xiàn)]

[1]程靜，劉飛，陶建平.風(fēng)險(xiǎn)認(rèn)知、風(fēng)險(xiǎn)管理與農(nóng)險(xiǎn)需求——基于行為金融視角的實(shí)證研究[J].南京農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2018，18（3）：133-141，156.

[2]馮文麗，史曉.京津冀農(nóng)業(yè)保險(xiǎn)發(fā)展差距及影響因素的實(shí)證分析[J].經(jīng)濟(jì)與管理，2018，32（5）：8-13.

[3]江生忠，賈士彬，江時(shí)鯤.我國農(nóng)業(yè)保險(xiǎn)保費(fèi)補(bǔ)貼效率及其影響因素分析——基于2010～2013年省際面板數(shù)據(jù)[J].保險(xiǎn)研究，2015（12）：67-77.

[4]李啟平，盛曉靜，胡郴姣.盈利能力視角下我國房地產(chǎn)行業(yè)上市公司績效的影響因素分析[J].湖南科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，31（1）：107-111.

[5]劉樺燦，粟芳.農(nóng)業(yè)保險(xiǎn)保費(fèi)補(bǔ)貼穩(wěn)定農(nóng)業(yè)保險(xiǎn)經(jīng)營的有效性檢驗(yàn)[J].上海金融，2018（10）：23-31.

[6]呂開宇，李春肖，張崇尚.基于主成分分析法和熵值法的地區(qū)農(nóng)業(yè)保險(xiǎn)發(fā)展水平分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2016（3）：4-15.

[7]孫香玉，鐘甫寧.農(nóng)業(yè)保險(xiǎn)補(bǔ)貼效率的影響因素分析——以新疆、黑龍江和江蘇省農(nóng)戶的支付意愿數(shù)據(jù)為例[J].廣東金融學(xué)院學(xué)報(bào)，2009，24（4）：112-119.

[8]庹國柱，李軍.我國農(nóng)業(yè)保險(xiǎn)試驗(yàn)的成就、矛盾及出路[J].金融研究，2003（9）：88-98.

[9]王韌，崔超雄.我國農(nóng)業(yè)保險(xiǎn)與農(nóng)村消費(fèi)關(guān)系的實(shí)證分析[J].農(nóng)村經(jīng)濟(jì)，2014（6）：100-103.

[10]余新平，熊皛白，熊德平.中國農(nóng)村金融發(fā)展與農(nóng)民收入增長[J].中國農(nóng)村經(jīng)濟(jì)，2010（6）：77-86，96.

[11]張躍華，顧海英，史清華.農(nóng)業(yè)保險(xiǎn)需求不足效用層面的一個(gè)解釋及實(shí)證研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究2005（4）：83-92.

[12]周穩(wěn)海，趙桂玲，尹成遠(yuǎn).農(nóng)業(yè)保險(xiǎn)發(fā)展對(duì)農(nóng)民收入影響的動(dòng)態(tài)研究——基于面板系統(tǒng)GMM模型的實(shí)證檢驗(yàn)[J].保險(xiǎn)研究，2014（5）：21-30.

[13]宗國富，周文杰.農(nóng)業(yè)保險(xiǎn)對(duì)農(nóng)戶生產(chǎn)行為影響研究[J].保險(xiǎn)研究，2014（4）：23-30.

[14]Hung-Hao Chang，Ashok K. Mishra.Chemical usage in production agriculture：Do crop insurance and off-farm work play a part？[J].Journal of Environmental Management，2012，105.

[15]Kirsten Bendix Olsen，Peter Hasle.The role of intermediaries in delivering an occupational health and safety programme designed for small businesses–A case study of an insurance incentive programme in the agriculture sector[J].Safety Science，2015（71）.

（責(zé)任編輯：張彤彤?梁宏偉）