摘 要：通過(guò)培育數(shù)據(jù)要素、優(yōu)化資源配置，數(shù)字經(jīng)濟(jì)正逐漸成為保險(xiǎn)業(yè)發(fā)展的新動(dòng)力。本文利用省級(jí)面板數(shù)據(jù)，通過(guò)雙向固定效應(yīng)模型和面板門(mén)檻效應(yīng)模型，從保險(xiǎn)收入、密度和深度研究數(shù)字經(jīng)濟(jì)與保險(xiǎn)業(yè)的關(guān)系。研究發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)發(fā)展水平的提高可以顯著增加地區(qū)保險(xiǎn)收入和提高保險(xiǎn)密度。此外，數(shù)字經(jīng)濟(jì)發(fā)展水平對(duì)地區(qū)保險(xiǎn)業(yè)的影響呈非線性特征，通過(guò)門(mén)檻效應(yīng)檢驗(yàn)發(fā)現(xiàn)存在顯著的雙門(mén)檻效應(yīng)，且處于中高門(mén)檻時(shí)的促進(jìn)作用大于其處于低門(mén)檻時(shí)的促進(jìn)作用。

關(guān)鍵詞：數(shù)字經(jīng)濟(jì)；保險(xiǎn)發(fā)展；門(mén)檻效應(yīng)；保險(xiǎn)密度；保險(xiǎn)深度

中圖分類號(hào)：F842 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-0298（2025）02（b）--07

經(jīng)過(guò)長(zhǎng)足的發(fā)展，保險(xiǎn)業(yè)已在我國(guó)經(jīng)濟(jì)發(fā)展中扮演著“穩(wěn)定器”角色，其通過(guò)風(fēng)險(xiǎn)轉(zhuǎn)移功能，有效地抑制經(jīng)濟(jì)大幅波動(dòng)[1]。我國(guó)保險(xiǎn)收入規(guī)模2018—2022年連續(xù)五年居全球第二，2022年我國(guó)保費(fèi)收入已攀升至4.7萬(wàn)億元。但同年我國(guó)的保險(xiǎn)深度和保險(xiǎn)密度為3.88%和3326元/人，與發(fā)達(dá)市場(chǎng)差距較大，保險(xiǎn)理念尚未深刻融入我國(guó)經(jīng)濟(jì)體系，其服務(wù)經(jīng)濟(jì)社會(huì)發(fā)展的潛力仍待深入挖掘。同時(shí)，隨著傳統(tǒng)要素的推動(dòng)力逐漸減弱，保險(xiǎn)業(yè)發(fā)展亦如此，亟需尋找新的增長(zhǎng)動(dòng)力，推動(dòng)保險(xiǎn)業(yè)從“初級(jí)階段”向高質(zhì)量發(fā)展邁進(jìn)。

在新舊動(dòng)能轉(zhuǎn)換后勁不足的背景下，數(shù)字經(jīng)濟(jì)憑借其包容性和普惠性的特征被認(rèn)為是實(shí)現(xiàn)“雙贏”的最優(yōu)選擇[2]。《全球數(shù)字經(jīng)濟(jì)白皮書(shū)》的數(shù)據(jù)顯示，2022年中國(guó)數(shù)字產(chǎn)業(yè)化規(guī)模達(dá)9.2萬(wàn)億元，居世界第二。并且，《“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》指出，到2025年數(shù)字經(jīng)濟(jì)核心產(chǎn)業(yè)增加值將占GDP比重為10%，數(shù)字經(jīng)濟(jì)將成為中國(guó)經(jīng)濟(jì)增長(zhǎng)的重要引擎。數(shù)字經(jīng)濟(jì)的迅猛發(fā)展使得金融覆蓋面得以提升[3]，保險(xiǎn)業(yè)無(wú)疑也享受著數(shù)字紅利。

現(xiàn)有關(guān)于數(shù)字經(jīng)濟(jì)對(duì)保險(xiǎn)業(yè)發(fā)展影響的文獻(xiàn)，可分為三個(gè)角度。一是數(shù)字經(jīng)濟(jì)可提高保險(xiǎn)供給側(cè)的質(zhì)量，多是從數(shù)字技術(shù)賦能保險(xiǎn)業(yè)務(wù)環(huán)節(jié)角度闡述，多為定性研究。二是數(shù)字經(jīng)濟(jì)能夠刺激保險(xiǎn)需求的釋放，多基于微觀個(gè)體的商業(yè)保險(xiǎn)配置角度進(jìn)行研究。三是數(shù)字經(jīng)濟(jì)緩解供需不匹配問(wèn)題。鮮有文獻(xiàn)直接研究數(shù)字經(jīng)濟(jì)與保險(xiǎn)業(yè)發(fā)展之間的關(guān)系，并且往往將研究局限于一個(gè)整體時(shí)間段，忽視了不同發(fā)展階段的數(shù)字經(jīng)濟(jì)對(duì)保險(xiǎn)業(yè)的差異化影響。

基于以上背景，本文首先使用主成分分析法構(gòu)建各省份數(shù)字經(jīng)濟(jì)綜合發(fā)展指數(shù)，再使用雙向固定效應(yīng)模型估計(jì)數(shù)字經(jīng)濟(jì)發(fā)展水平對(duì)保險(xiǎn)業(yè)發(fā)展的影響。進(jìn)一步探究數(shù)字經(jīng)濟(jì)自身不同發(fā)展階段對(duì)保險(xiǎn)業(yè)影響的差異，構(gòu)建面板門(mén)檻效應(yīng)模型進(jìn)行分析。通過(guò)以上分析，本文期望能在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的浪潮中，更有效地利用其驅(qū)動(dòng)力，為保險(xiǎn)業(yè)的可持續(xù)性發(fā)展提供參考借鑒。

1 文獻(xiàn)綜述及研究假設(shè)

1.1 數(shù)字經(jīng)濟(jì)促進(jìn)保險(xiǎn)業(yè)發(fā)展的直接效應(yīng)

數(shù)字經(jīng)濟(jì)對(duì)于保險(xiǎn)業(yè)的促進(jìn)作用體現(xiàn)在以下三點(diǎn)：

（1）供給側(cè)。一方面，數(shù)字經(jīng)濟(jì)助力背景下，金融覆蓋面得到了極大拓展[3]，保險(xiǎn)業(yè)無(wú)疑也享受著數(shù)字紅利，行業(yè)的數(shù)字化轉(zhuǎn)型提高了保險(xiǎn)業(yè)對(duì)風(fēng)險(xiǎn)的識(shí)別和度量等能力，將不可保風(fēng)險(xiǎn)轉(zhuǎn)化為可保風(fēng)險(xiǎn)，擴(kuò)大可保范圍[4]。另一方面，數(shù)字經(jīng)濟(jì)促進(jìn)保險(xiǎn)業(yè)數(shù)字化轉(zhuǎn)型，極大改變了保險(xiǎn)企業(yè)的經(jīng)營(yíng)模式和業(yè)務(wù)模式，提高了保險(xiǎn)業(yè)務(wù)的開(kāi)展效率[5]。數(shù)字經(jīng)濟(jì)時(shí)代，大數(shù)據(jù)、5G技術(shù)、人工智能等數(shù)字技術(shù)通過(guò)賦能產(chǎn)品開(kāi)發(fā)與定價(jià)[24]、業(yè)務(wù)的承保與核保、理賠[6]等各項(xiàng)經(jīng)營(yíng)環(huán)節(jié)，重塑保險(xiǎn)公司商業(yè)模式、提高經(jīng)營(yíng)效率、實(shí)現(xiàn)企業(yè)的降本增效[7]。

（2）需求側(cè)。一方面，數(shù)字經(jīng)濟(jì)可以促進(jìn)微觀個(gè)體的商業(yè)保險(xiǎn)配置，進(jìn)而推動(dòng)保險(xiǎn)業(yè)的發(fā)展。隨著數(shù)字經(jīng)濟(jì)的迅猛發(fā)展，以移動(dòng)互聯(lián)網(wǎng)為代表的一系列數(shù)字技術(shù)得以廣泛應(yīng)用與普及，社交媒體、廣播等多元化傳播媒介日漸豐富，居民之間的線上社會(huì)互動(dòng)增加，促使風(fēng)險(xiǎn)事件可以被快速、廣泛地傳播，大幅提高了消費(fèi)者的風(fēng)險(xiǎn)意識(shí)[25]。魏金龍等（2019）[8]利用中國(guó)家庭的調(diào)查數(shù)據(jù)，發(fā)現(xiàn)互聯(lián)網(wǎng)使用可以提高社會(huì)互動(dòng)水平，提升家庭金融知識(shí)水平，從而促進(jìn)家庭參與商業(yè)保險(xiǎn)的可能性和程度。并且發(fā)現(xiàn)對(duì)于那些低收入、低教育以及農(nóng)村地區(qū)的家庭群體，互聯(lián)網(wǎng)促進(jìn)效果更加明顯[9]。另一方面，從宏觀角度的研究也得到了相同的結(jié)論。張芳潔和辛思潛（2024）[4]利用DID模型發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)發(fā)展能夠顯著促進(jìn)以保險(xiǎn)密度衡量的保險(xiǎn)業(yè)發(fā)展。王莉和王國(guó)軍（2023）[10]利用省級(jí)層面的數(shù)據(jù)發(fā)現(xiàn)，一地的數(shù)字經(jīng)濟(jì)發(fā)展可顯著促進(jìn)當(dāng)?shù)厝松黼U(xiǎn)行業(yè)的發(fā)展，提高當(dāng)?shù)氐娜松肀ｋU(xiǎn)密度和保險(xiǎn)深度。聚焦于農(nóng)業(yè)保險(xiǎn)，也得到了相似的結(jié)論[11]。

同時(shí)，數(shù)字技術(shù)的應(yīng)用可以促進(jìn)保險(xiǎn)供給與需求的匹配。信息不對(duì)稱問(wèn)題是保險(xiǎn)市場(chǎng)中普遍存在的現(xiàn)象，然而較高的信息搜尋成本會(huì)抑制個(gè)體的金融市場(chǎng)參與度[10]?；跀?shù)字技術(shù)搭建的互聯(lián)網(wǎng)化平臺(tái)可以跨越時(shí)間和空間的束縛，為消費(fèi)者提供更高水準(zhǔn)的服務(wù)。一方面，數(shù)字化使保險(xiǎn)產(chǎn)品的精準(zhǔn)推送得以實(shí)現(xiàn)，保險(xiǎn)企業(yè)通過(guò)物聯(lián)網(wǎng)、互聯(lián)網(wǎng)等收集來(lái)的數(shù)據(jù)進(jìn)行深度挖掘，繪制精準(zhǔn)的客戶臉譜，洞察客戶需求，為客戶提供“基于情景”的精準(zhǔn)服務(wù)[12]，提高銷售轉(zhuǎn)化率。另一方面，隨著保險(xiǎn)業(yè)的承保自動(dòng)化比率以及核保自動(dòng)化得以逐步應(yīng)用，降低了保險(xiǎn)企業(yè)的交易成本，增強(qiáng)保險(xiǎn)服務(wù)的普惠性，數(shù)字技術(shù)發(fā)展有效改善保險(xiǎn)市場(chǎng)“長(zhǎng)尾”客群覆蓋不足的現(xiàn)狀[13]?；谝陨戏治觯疚奶岢鲆韵录僭O(shè)：

假設(shè)1：數(shù)字經(jīng)濟(jì)對(duì)保險(xiǎn)業(yè)發(fā)展具有顯著促進(jìn)作用。

1.2 數(shù)字經(jīng)濟(jì)推動(dòng)保險(xiǎn)業(yè)發(fā)展的門(mén)檻效應(yīng)

隨著數(shù)字經(jīng)濟(jì)的蓬勃發(fā)展，數(shù)字技術(shù)與傳統(tǒng)行業(yè)的融合正逐步加深、日益緊密，已成為推動(dòng)傳統(tǒng)行業(yè)數(shù)智化轉(zhuǎn)型的重要驅(qū)動(dòng)力量。然而，數(shù)字經(jīng)濟(jì)的促進(jìn)作用并非一蹴而就。數(shù)字經(jīng)濟(jì)的非線性作用在各領(lǐng)域已有研究證明。在數(shù)字經(jīng)濟(jì)發(fā)展與共享的關(guān)系研究中，學(xué)者們發(fā)現(xiàn)存在門(mén)檻效應(yīng)，互聯(lián)網(wǎng)普及對(duì)城鄉(xiāng)收入差距的影響呈現(xiàn)“倒U”型特征[14]，對(duì)共同富裕的影響也呈現(xiàn)出先促進(jìn)后抑制的“倒U”型特征[15]。在數(shù)字經(jīng)濟(jì)與綠色發(fā)展關(guān)系研究中，發(fā)現(xiàn)不同類型和強(qiáng)度的環(huán)境規(guī)制下，數(shù)字經(jīng)濟(jì)對(duì)工業(yè)碳排放績(jī)效的影響效果存在門(mén)檻效應(yīng)[16]，通過(guò)構(gòu)建面板門(mén)檻效應(yīng)回歸發(fā)現(xiàn)數(shù)字經(jīng)濟(jì)集聚對(duì)碳生產(chǎn)率呈現(xiàn)“上升—下降—上升”的“N”型非線性影響[17]。

具體到保險(xiǎn)業(yè)，已有學(xué)者指出在推動(dòng)保險(xiǎn)業(yè)發(fā)展的過(guò)程中，數(shù)字經(jīng)濟(jì)存在短暫的滯后效應(yīng)[4]。一般而言，數(shù)字技術(shù)作為數(shù)字經(jīng)濟(jì)的底座與核心，隨著數(shù)字經(jīng)濟(jì)的發(fā)展其外溢作用連接傳統(tǒng)保險(xiǎn)企業(yè)，可以幫助企業(yè)以更低成本獲取所需信息，降低交易成本，實(shí)現(xiàn)企業(yè)的降本增效，促進(jìn)行業(yè)的高質(zhì)量發(fā)展。與此同時(shí)，數(shù)字經(jīng)濟(jì)能夠?yàn)楸ｋU(xiǎn)業(yè)營(yíng)造良好的網(wǎng)絡(luò)環(huán)境，有助于進(jìn)一步豐富保險(xiǎn)供給體系[18]和增強(qiáng)消費(fèi)者的保險(xiǎn)意識(shí)[10]，刺激保險(xiǎn)需求的釋放，使得保險(xiǎn)市場(chǎng)呈現(xiàn)非線性提升。而當(dāng)數(shù)字經(jīng)濟(jì)發(fā)展達(dá)到一定水平之后，繼續(xù)增加對(duì)數(shù)字技術(shù)的投資能夠給保險(xiǎn)業(yè)的持續(xù)性高發(fā)展帶來(lái)的紅利將略微有所減弱，由此引發(fā)保險(xiǎn)業(yè)發(fā)展的動(dòng)態(tài)演變?；谏鲜龇治?，本文提出以下假設(shè)：

假設(shè)2：數(shù)字經(jīng)濟(jì)對(duì)保險(xiǎn)業(yè)的賦能作用具有非線性特征。

2 研究設(shè)計(jì)

2.1 變量選取

2.1.1 被解釋變量

本文將保險(xiǎn)業(yè)發(fā)展指數(shù)（Ins）作為被解釋變量。對(duì)于保險(xiǎn)業(yè)發(fā)展水平的衡量方法主要包括保險(xiǎn)收入法、保險(xiǎn)深度法和保險(xiǎn)密度法三種[19]。保險(xiǎn)收入法作為被普遍采用的方法，以地區(qū)當(dāng)年原保費(fèi)收入作為衡量指標(biāo)，直觀反映了該地保險(xiǎn)業(yè)發(fā)展的總體水平，記為InsP。然而，由于總體保費(fèi)收入易受當(dāng)?shù)厝丝谝?guī)模和經(jīng)濟(jì)發(fā)展水平等因素影響，本文在采用保險(xiǎn)收入法的基礎(chǔ)上，結(jié)合保險(xiǎn)密度法和保險(xiǎn)深度法。具體而言，保險(xiǎn)密度法，采用人均保費(fèi)指標(biāo)衡量，記為Dens。而保險(xiǎn)深度法則通過(guò)保費(fèi)收入在GDP中的占比，體現(xiàn)了保險(xiǎn)業(yè)在該地區(qū)經(jīng)濟(jì)發(fā)展中的重要程度，記為Dep。

2.1.2 核心解釋變量

本文構(gòu)建了數(shù)字經(jīng)濟(jì)綜合發(fā)展指數(shù)作為核心解釋變量。在變量選取上，本文借鑒王莉和王國(guó)軍（2019）[8]的研究，選取域名數(shù)、互聯(lián)網(wǎng)寬帶接入用戶、軟件業(yè)務(wù)收入、移動(dòng)電話普及率、快遞業(yè)務(wù)量、北京大學(xué)數(shù)字普惠金融指數(shù)6個(gè)變量，對(duì)其進(jìn)行抽樣適合性檢驗(yàn)，結(jié)果顯示KMO值為0.708，Bartlett球形檢驗(yàn)P值為0，說(shuō)明適合因子分析，結(jié)果如表1所示。根據(jù)累積貢獻(xiàn)率超過(guò)85%的標(biāo)準(zhǔn)，本文選取前3個(gè)因子來(lái)刻畫(huà)主成分，并通過(guò)線性轉(zhuǎn)化使所有值均大于0。最終，得到數(shù)字經(jīng)濟(jì)的綜合發(fā)展指數(shù)，記為Dige。

2.1.3 控制變量

為了排除其他因素的干擾，參考相關(guān)文獻(xiàn)，本文選取以下控制變量：（1）經(jīng)濟(jì)發(fā)展與保險(xiǎn)業(yè)發(fā)展息息相關(guān)，本文納入以下3個(gè)反映區(qū)域經(jīng)濟(jì)整體發(fā)展情況的變量：①城鎮(zhèn)人口占比（X1）；②人均GDP指標(biāo)（X4）；③受教育水平（X3），居民的平均受教育程度越高，風(fēng)險(xiǎn)保障意識(shí)越強(qiáng)，更能促進(jìn)商業(yè)保險(xiǎn)的購(gòu)買[20]；④產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化程度（X9），地區(qū)的產(chǎn)業(yè)轉(zhuǎn)型影響著保險(xiǎn)行業(yè)在經(jīng)濟(jì)社會(huì)中的地位，本文參考張芳潔等（2024）[4]的研究納入產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化指標(biāo)。（2）家庭的內(nèi)部特征，如人口規(guī)模和平均年齡等[21]，會(huì)影響家庭商業(yè)保險(xiǎn)的配置，進(jìn)而影響行業(yè)的發(fā)展，因此，本文選取下列可能影響居民保險(xiǎn)配置的人口結(jié)構(gòu)變量：⑤少兒撫養(yǎng)比（X2）；⑥65歲以上人口（X5），用65歲以上人口數(shù)進(jìn)行衡量。（3）保險(xiǎn)供給的便利性以及社會(huì)保險(xiǎn)的發(fā)展水平與保險(xiǎn)業(yè)發(fā)展水平緊密相關(guān)[22]故本文加入：⑦保險(xiǎn)中介機(jī)構(gòu)數(shù)量（X8）；⑧基本醫(yī)療保險(xiǎn)參保人數(shù)（X6），用地區(qū)年末參與基本醫(yī)療保險(xiǎn)的人數(shù)衡量；⑨社會(huì)養(yǎng)老保險(xiǎn)參保人數(shù)（X7）。各變量的具體定義及描述性統(tǒng)計(jì)見(jiàn)表2。

2.2 實(shí)證模型

2.2.1 基準(zhǔn)回歸

本文參考王莉和王國(guó)軍（2019）[8]的研究，構(gòu)建平衡面板的雙向固定效應(yīng)模型作為基準(zhǔn)模型，模型如下：

Insit=β0+β1*Digeit+β2*Xit+μi+θt+εit（1）

其中，Insit表示i省份t年時(shí)的保險(xiǎn)業(yè)發(fā)展水平，依次代表保險(xiǎn)收入（InsPit）、保險(xiǎn)密度（Densit）和保險(xiǎn)深度（Depit），Digeit表示i省份t年時(shí)的數(shù)字經(jīng)濟(jì)綜合發(fā)展程度；向量X為一系列控制變量；ui為省級(jí)層面?zhèn)€體固定效應(yīng)；θt為時(shí)間固定效應(yīng)：εit為隨機(jī)擾動(dòng)項(xiàng)。

2.2.2 門(mén)檻效應(yīng)模型

根據(jù)本文的理論分析，數(shù)字經(jīng)濟(jì)對(duì)保險(xiǎn)業(yè)發(fā)展的影響可能因?yàn)槠渥陨戆l(fā)展水平的高低而呈現(xiàn)出差異性，本文以數(shù)字經(jīng)濟(jì)發(fā)展水平作為門(mén)檻變量，采用Wang，Q（2015）[26]的方法構(gòu)建固定效應(yīng)的面板門(mén)檻效應(yīng)回歸模型，分別探究數(shù)字經(jīng)濟(jì)對(duì)保險(xiǎn)收入、保險(xiǎn)密度與保險(xiǎn)深度是否存在門(mén)檻效應(yīng)，從而設(shè)定如下模型：

Insit=α0+β1Digeit?I（Thit≤θ1）+…+βnDigeit?I（θn-1＜Thit≤θn）+βn+1Digeit?I（Thit＞θn）+βcXit+μi+εit（2）

其中，Thit表示門(mén)檻變量，θ1…θn表示門(mén)檻值；Insit同上文；I（?）表示性函數(shù)，當(dāng)括號(hào)內(nèi)為真時(shí)，取值為1，反之為0；β1…βn+1表示相應(yīng)門(mén)檻區(qū)間的回歸系數(shù)。

2.3 樣本選擇及數(shù)據(jù)來(lái)源

考慮到數(shù)據(jù)的可得性和完整性，本文選取中國(guó)30個(gè)省級(jí)層面（不包括西藏、香港、澳門(mén)、臺(tái)灣數(shù)據(jù)），2012—2022年數(shù)據(jù)構(gòu)建平衡面板數(shù)據(jù)，數(shù)據(jù)來(lái)源于iFnD數(shù)據(jù)庫(kù)、歷年《中國(guó)統(tǒng)計(jì)年鑒》以及北京大學(xué)數(shù)字金融研究中心。

3 實(shí)證結(jié)果與分析

3.1 基準(zhǔn)回歸結(jié)果分析

本文基于式（1）的基礎(chǔ)回歸結(jié)果進(jìn)行分析，結(jié)果如表3所示。在進(jìn)行回歸前，先對(duì)主要模型進(jìn)行豪斯曼檢驗(yàn)，結(jié)果表明應(yīng)拒絕原假設(shè)，故選用固定效應(yīng)模型。第（1）和（2）列反映了數(shù)字經(jīng)濟(jì)對(duì)于保險(xiǎn)收入的影響，結(jié)果顯示僅控制個(gè)體和時(shí)間固定效應(yīng)，數(shù)字經(jīng)濟(jì)對(duì)保險(xiǎn)收入的作用不顯著。在加入控制變量后，系數(shù)和顯著性均提高，具體表現(xiàn)為數(shù)字經(jīng)濟(jì)每增加一個(gè)單位，保險(xiǎn)收入提高8.57%，且在10%的水平上顯著。此外，人均GDP和社會(huì)養(yǎng)老保險(xiǎn)參保人數(shù)分別在5%和1%水平上顯著促進(jìn)保險(xiǎn)收入的增加，表明地區(qū)的經(jīng)濟(jì)發(fā)展水平和社會(huì)保險(xiǎn)的普及對(duì)保險(xiǎn)業(yè)有積極影響。假設(shè)1得以驗(yàn)證。

第（3）和（4）列反映了數(shù)字經(jīng)濟(jì)對(duì)保險(xiǎn)密度的影響，添加控制變量后，數(shù)字經(jīng)濟(jì)的推動(dòng)作用增強(qiáng)且在5%水平上顯著為正，系數(shù)為11.49%。同時(shí)，基本醫(yī)療保險(xiǎn)參保人數(shù)和社會(huì)養(yǎng)老保險(xiǎn)參保人數(shù)分別在1%和5%水平上顯著促進(jìn)保險(xiǎn)密度的提高，說(shuō)明社會(huì)保險(xiǎn)的普及對(duì)居民商業(yè)保險(xiǎn)消費(fèi)有拉動(dòng)作用。

但對(duì)于保險(xiǎn)深度，第（5）和（6）列結(jié)果顯示數(shù)字經(jīng)濟(jì)會(huì)抑制其發(fā)展。納入控制變量后，系數(shù)變?yōu)椴伙@著，說(shuō)明數(shù)字經(jīng)濟(jì)的發(fā)展對(duì)保險(xiǎn)深度沒(méi)有顯著影響。原因可能是，一地的資源是有限的，當(dāng)數(shù)字經(jīng)濟(jì)相關(guān)產(chǎn)業(yè)蓬勃發(fā)展時(shí)，“虹吸”了對(duì)于保險(xiǎn)業(yè)的投入，導(dǎo)致資金擠出效應(yīng)與投資擠出效應(yīng)，因此降低了保險(xiǎn)收入在當(dāng)?shù)谿DP的占比，抑制了保險(xiǎn)深度的增加。實(shí)證結(jié)果表明，人均GDP的提高會(huì)降低保險(xiǎn)消費(fèi)，該結(jié)果與楊斯童和李守偉（2023）[23]的研究結(jié)論一致，可能原因是，保險(xiǎn)發(fā)展與經(jīng)濟(jì)發(fā)展不匹配，也可能是隨著財(cái)富量的增加，居民傾向于將更多資源配置到風(fēng)險(xiǎn)資產(chǎn)上。

3.2 內(nèi)生性檢驗(yàn)與穩(wěn)健性檢驗(yàn)

3.2.1 內(nèi)生性檢驗(yàn)

在基準(zhǔn)模型中，本文運(yùn)用雙向固定效應(yīng)模型，減少了部分遺漏變量的偏誤，但可能存在內(nèi)生性問(wèn)題。為此，本文采用工具變量法來(lái)解決，借鑒王莉（2023）[10]的做法，采用歷史數(shù)字基礎(chǔ)設(shè)施指標(biāo)生成的交互項(xiàng)作為變量。具體為2006年各省份互聯(lián)網(wǎng)寬帶接入端口量與當(dāng)年全國(guó)數(shù)字化水平（除本省外）生成的交乘項(xiàng)作為工具變量，然后采用兩階段最小二乘法（2SLS）。在重新回歸之前，工具變量均通過(guò)了弱IV檢驗(yàn)及不可識(shí)別檢驗(yàn)，分別以F統(tǒng)計(jì)量為387.15和Anderson LM統(tǒng)計(jì)量P值為0，拒絕了弱工具變量和不可識(shí)別的原假設(shè)。第二階段的回歸結(jié)果如表4列（1）、列（2）和列（3）所示，IV系數(shù)對(duì)保險(xiǎn)業(yè)發(fā)展的影響與基準(zhǔn)回歸結(jié)果基本一致。

3.2.2 穩(wěn)健性檢驗(yàn)

為了增強(qiáng)研究結(jié)論可信性，本文進(jìn)行穩(wěn)健性檢驗(yàn)：第一，對(duì)樣本數(shù)據(jù)進(jìn)行上下1%的縮尾處理，結(jié)果見(jiàn)表4列（4）、（5）和（6）。第二，鑒于直轄市的特殊地位和政策偏向性可能會(huì)使數(shù)字經(jīng)濟(jì)的促進(jìn)效果被高估，因此將4個(gè)直轄市樣本刪除，重新回歸，結(jié)果見(jiàn)表4列（7）、（8）和（9）。表4的回歸結(jié)果與前文基準(zhǔn)回歸結(jié)果基本一致，驗(yàn)證了基準(zhǔn)回歸結(jié)果的穩(wěn)健性。

4 數(shù)字經(jīng)濟(jì)發(fā)展對(duì)保險(xiǎn)行業(yè)發(fā)展的門(mén)檻效應(yīng)分析

為進(jìn)一步探究數(shù)字經(jīng)濟(jì)綜合發(fā)展水平與保險(xiǎn)業(yè)發(fā)展之間具體的非線性關(guān)系，本文以數(shù)字經(jīng)濟(jì)發(fā)展水平自身作為門(mén)檻變量，對(duì)式（2）進(jìn)行實(shí)證分析。首先采用Bootstrap自抽樣法對(duì)門(mén)檻的存在性進(jìn)行檢驗(yàn)，得到表5的檢驗(yàn)結(jié)果，顯示保險(xiǎn)收入、密度和深度均在10%的顯著性水平上通過(guò)雙門(mén)檻檢驗(yàn)，但均未通過(guò)三重門(mén)檻檢驗(yàn)。因此，本文選擇雙門(mén)檻效應(yīng)模型進(jìn)行回歸分析，結(jié)果見(jiàn)表6。

由表6可知，數(shù)字經(jīng)濟(jì)在促進(jìn)保險(xiǎn)業(yè)發(fā)展過(guò)程中的影響展現(xiàn)出非線性特征，對(duì)保險(xiǎn)收入和深度呈現(xiàn)出“倒U形”結(jié)構(gòu)影響，對(duì)保險(xiǎn)密度則呈現(xiàn)持續(xù)上升的拉動(dòng)作用。

具體而言，當(dāng)將保險(xiǎn)收入和保險(xiǎn)深度作為衡量保險(xiǎn)發(fā)展水平的指標(biāo)時(shí)，在數(shù)字經(jīng)濟(jì)未跨過(guò)第一門(mén)檻值時(shí)，即小于0.9061時(shí)，估計(jì)系數(shù)顯著為正，分別為0.2547和1.0349，說(shuō)明當(dāng)數(shù)字經(jīng)濟(jì)處于起步階段時(shí)，其發(fā)展對(duì)于保險(xiǎn)收入增加和保險(xiǎn)深度提升的促進(jìn)作用已顯現(xiàn)，為保險(xiǎn)業(yè)的發(fā)展提供紅利，但受限于自身較低的發(fā)展水平，這種促進(jìn)作用尚未完全釋放。與此同時(shí)，數(shù)字經(jīng)濟(jì)的崛起離不開(kāi)資本要素的投入。孟彥菊等（2023）[24]使用SDA模型，發(fā)現(xiàn)在2012—2017年期間，資本對(duì)于數(shù)字產(chǎn)業(yè)的貢獻(xiàn)率高達(dá)42.16%。我國(guó)保險(xiǎn)業(yè)的發(fā)展也離不開(kāi)資本要素的投入[26]。因此，在數(shù)字經(jīng)濟(jì)發(fā)展初期，需要大量資本投入以實(shí)現(xiàn)快速崛起，與同時(shí)期的保險(xiǎn)業(yè)在資金、勞動(dòng)力等方面可能形成了競(jìng)爭(zhēng)關(guān)系，導(dǎo)致資金擠出效應(yīng)與投資擠出效應(yīng)，從而削弱了數(shù)字技術(shù)應(yīng)用對(duì)于保險(xiǎn)業(yè)的促進(jìn)作用。

在數(shù)字經(jīng)濟(jì)跨過(guò)第一門(mén)檻值，處于中門(mén)檻區(qū)間時(shí)，其對(duì)保險(xiǎn)收入和保險(xiǎn)深度的促進(jìn)作用進(jìn)一步增強(qiáng)，估計(jì)系數(shù)分別增長(zhǎng)至0.4258和1.8045，說(shuō)明隨著數(shù)字基礎(chǔ)設(shè)施建設(shè)的完善和政策支持力度的加大，數(shù)字經(jīng)濟(jì)進(jìn)入快速發(fā)展期，為保險(xiǎn)企業(yè)提供更好的服務(wù)，助力保險(xiǎn)企業(yè)自身發(fā)展，并且加強(qiáng)了數(shù)據(jù)、技術(shù)成果的交流與學(xué)習(xí)，實(shí)現(xiàn)了保險(xiǎn)業(yè)的共建、共治、共享，增強(qiáng)數(shù)字經(jīng)濟(jì)對(duì)保險(xiǎn)業(yè)發(fā)展的技術(shù)溢出效應(yīng)、資源共享效應(yīng)、專業(yè)化分工等正外部效應(yīng)，為保險(xiǎn)業(yè)的持續(xù)進(jìn)步提供了外生動(dòng)力。在跨過(guò)第二門(mén)檻值后，估計(jì)系數(shù)依然為正，但略有下降。可能的原因是，在數(shù)字經(jīng)濟(jì)高水平發(fā)展下，其不斷與傳統(tǒng)行業(yè)融合，既推動(dòng)了保險(xiǎn)業(yè)的發(fā)展，又會(huì)促進(jìn)其他行業(yè)的轉(zhuǎn)型和升級(jí)，使得地區(qū)的產(chǎn)業(yè)間結(jié)構(gòu)優(yōu)化、升級(jí)[25]，導(dǎo)致產(chǎn)業(yè)間競(jìng)爭(zhēng)加劇，從而削弱了數(shù)字經(jīng)濟(jì)對(duì)保險(xiǎn)業(yè)的單一促進(jìn)作用。當(dāng)以保險(xiǎn)密度衡量時(shí)，數(shù)字經(jīng)濟(jì)的促進(jìn)作用逐漸遞增。具體而言，當(dāng)數(shù)字經(jīng)濟(jì)發(fā)展水平處于低、中、高門(mén)檻區(qū)間時(shí)，估計(jì)系數(shù)分別為0.4837、0.5617和0.6664，并均在1%的水平上顯著。

綜上可知，無(wú)論數(shù)字經(jīng)濟(jì)綜合發(fā)展水平處于何區(qū)間，均顯著促進(jìn)保險(xiǎn)業(yè)的發(fā)展，體現(xiàn)在保險(xiǎn)收入增長(zhǎng)、保險(xiǎn)密度優(yōu)化以及保險(xiǎn)深度提升三個(gè)方面。并且，當(dāng)處于中高門(mén)檻區(qū)間時(shí)，數(shù)字經(jīng)濟(jì)的推動(dòng)作用更為顯著。

5 研究結(jié)論及政策啟示

本文以2012—2022年30個(gè)省級(jí)層面的面板數(shù)據(jù)為樣本，構(gòu)建了雙向固定效應(yīng)模型和面板門(mén)檻效應(yīng)模型檢驗(yàn)數(shù)字經(jīng)濟(jì)對(duì)于保險(xiǎn)業(yè)發(fā)展的影響，得出如下結(jié)論：（1）通過(guò)基準(zhǔn)模型的結(jié)果發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)水平的提高可以顯著促進(jìn)地區(qū)保險(xiǎn)收入的增加和保險(xiǎn)密度的提高，但對(duì)保險(xiǎn)深度的影響不顯著，通過(guò)一系列穩(wěn)健性和內(nèi)生性檢驗(yàn)后該結(jié)論依然成立。（2）以數(shù)字經(jīng)濟(jì)綜合發(fā)展水平作為門(mén)檻變量，其對(duì)保險(xiǎn)業(yè)發(fā)展水平存在顯著的雙門(mén)檻效應(yīng)，通過(guò)門(mén)檻模型的回歸發(fā)現(xiàn)，當(dāng)數(shù)字經(jīng)濟(jì)發(fā)展水平處于中高門(mén)檻時(shí)，其對(duì)保險(xiǎn)收入、保險(xiǎn)密度和保險(xiǎn)深度的促進(jìn)作用均大于其處于低門(mén)檻時(shí)。

基于上述結(jié)論，本文提出以下政策啟示：（1）鑒于數(shù)字經(jīng)濟(jì)對(duì)保險(xiǎn)業(yè)發(fā)展存在顯著的促進(jìn)作用，保險(xiǎn)業(yè)應(yīng)積極擁抱數(shù)字經(jīng)濟(jì)浪潮，通過(guò)數(shù)字技術(shù)的廣泛賦能，激發(fā)保險(xiǎn)業(yè)發(fā)展的新動(dòng)能，從而推動(dòng)行業(yè)可持續(xù)發(fā)展。（2）關(guān)注數(shù)字經(jīng)濟(jì)推動(dòng)作用的非線性特征，鼓勵(lì)保險(xiǎn)企業(yè)采取差異化、精準(zhǔn)化的發(fā)展策略。具體而言，在數(shù)字經(jīng)濟(jì)較為發(fā)達(dá)的省市，企業(yè)應(yīng)充分利用其數(shù)字基礎(chǔ)設(shè)施完善的優(yōu)勢(shì)，深化數(shù)字技術(shù)與傳統(tǒng)保險(xiǎn)業(yè)務(wù)的融合創(chuàng)新，最大化釋放數(shù)字經(jīng)濟(jì)的賦能效果；而對(duì)于數(shù)字經(jīng)濟(jì)發(fā)展較為薄弱的地區(qū)，則應(yīng)把握發(fā)展的轉(zhuǎn)折點(diǎn)，深入挖掘并發(fā)揮后發(fā)優(yōu)勢(shì)，通過(guò)精準(zhǔn)施策逐步縮小與東部地區(qū)的保險(xiǎn)業(yè)發(fā)展差距，促進(jìn)全國(guó)保險(xiǎn)市場(chǎng)的均衡發(fā)展。

參考文獻(xiàn)

初立蘋(píng)， 粟芳. 經(jīng)濟(jì)“助推器”還是“穩(wěn)定器”： 保險(xiǎn)功能的理論與實(shí)證[J]. 云南財(cái)經(jīng)大學(xué)學(xué)報(bào)， 2019， 35（7）： 49-63.

張蕊， 余進(jìn)韜. 數(shù)字金融、營(yíng)商環(huán)境與經(jīng)濟(jì)增長(zhǎng)[J]. 現(xiàn)代經(jīng)濟(jì)探討， 2021（7）： 1-9.

張勛， 萬(wàn)廣華， 張佳佳， 等. 數(shù)字經(jīng)濟(jì)、普惠金融與包容性增長(zhǎng)[J]. 經(jīng)濟(jì)研究， 2019， 54（8）： 71-86.

張芳潔， 辛思潛. 數(shù)字經(jīng)濟(jì)對(duì)保險(xiǎn)業(yè)發(fā)展的影響： 基于“寬帶中國(guó)”戰(zhàn)略的準(zhǔn)自然實(shí)驗(yàn)[J]. 保險(xiǎn)研究， 2024（1）： 21-35.

戰(zhàn)明華， 孫曉珂， 張琰. 數(shù)字金融背景下保險(xiǎn)業(yè)發(fā)展的機(jī)遇與挑戰(zhàn)[J]. 保險(xiǎn)研究， 2023（4）： 3-14.

張瑞綱， 吳葉瑩. 數(shù)字經(jīng)濟(jì)背景下現(xiàn)代保險(xiǎn)業(yè)發(fā)展研究[J]. 西南金融， 2022（7）： 91-102.

王媛媛. 保險(xiǎn)科技如何重塑保險(xiǎn)業(yè)發(fā)展[J]. 金融經(jīng)濟(jì)學(xué)研究， 2019， 34（6）： 29-41.

魏金龍， 鄭蘇沂， 于寄語(yǔ). 家庭異質(zhì)性、互聯(lián)網(wǎng)使用與商業(yè)保險(xiǎn)參保： 基于中國(guó)家庭金融調(diào)查數(shù)據(jù)[J]. 南方金融， 2019（9）： 51-62.

楊碧云， 吳熙， 易行健. 互聯(lián)網(wǎng)使用與家庭商業(yè)保險(xiǎn)購(gòu)買： 來(lái)自CFPS數(shù)據(jù)的證據(jù)[J]. 保險(xiǎn)研究， 2019（12）： 30-47.

王莉， 王國(guó)軍. 數(shù)字經(jīng)濟(jì)與人身保險(xiǎn)行業(yè)發(fā)展： 基于消費(fèi)者培育視角[J]. 保險(xiǎn)研究， 2023（3）： 11-24.

義旭東， 呂琪琳. 數(shù)字經(jīng)濟(jì)對(duì)我國(guó)農(nóng)業(yè)保險(xiǎn)的影響[J]. 現(xiàn)代農(nóng)業(yè)研究， 2024， 30（4）： 8-15.

苗力. 保險(xiǎn)企業(yè)數(shù)字化戰(zhàn)略轉(zhuǎn)型路徑研究[J]. 保險(xiǎn)研究， 2019（4）： 57-65.

劉冬姣， 莊朋濤. 數(shù)字普惠金融與家庭商業(yè)保險(xiǎn)購(gòu)買[J]. 消費(fèi)經(jīng)濟(jì)， 2021， 37（2）： 67-78.

程名望， 張家平. 新時(shí)代背景下互聯(lián)網(wǎng)發(fā)展與城鄉(xiāng)居民消費(fèi)差距[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2019， 36（7）： 22-41.

胡長(zhǎng)玉， 趙啟程. 數(shù)字經(jīng)濟(jì)發(fā)展與共同富裕： 理論分析及經(jīng)驗(yàn)證據(jù)[J]. 統(tǒng)計(jì)與決策， 2024， 40（7）： 10-15.

李柏桐， 李健， 唐燕， 等. 數(shù)字經(jīng)濟(jì)對(duì)工業(yè)碳排放績(jī)效的影響： 基于異質(zhì)型環(huán)境規(guī)制的門(mén)檻效應(yīng)[J/OL]. 中國(guó)環(huán)境科學(xué)， 2024，44（9）： 5263-5274.

葉娟惠. 門(mén)檻效應(yīng)視角下數(shù)字經(jīng)濟(jì)集聚對(duì)碳生產(chǎn)率的非線性影響[J]. 福建商學(xué)院學(xué)報(bào)， 2024（1）： 18-26.

陳卿， 向立力. 數(shù)字經(jīng)濟(jì)豐富多元化保險(xiǎn)供給[J]. 中國(guó)金融， 2023（11）： 38-39.

陳華， 周倩. 保險(xiǎn)發(fā)展的經(jīng)濟(jì)增長(zhǎng)效應(yīng)研究綜述[J]. 保險(xiǎn)研究， 2018（5）： 113-127.

蒲成毅， 潘小軍. 保險(xiǎn)消費(fèi)促進(jìn)經(jīng)濟(jì)增長(zhǎng)的行為金融機(jī)理研究[J]. 經(jīng)濟(jì)研究， 2012， 47（S1）： 139-147.

徐敬惠， 李鵬. 商業(yè)保險(xiǎn)在中國(guó)家庭資產(chǎn)配置中的結(jié)構(gòu)特征及驅(qū)動(dòng)因素研究[J]. 保險(xiǎn)研究， 2020（8）： 15-29.

趙桂芹， 陳瑩， 孔祥釗. 醫(yī)療保險(xiǎn)、農(nóng)業(yè)信貸與精準(zhǔn)扶貧[J].經(jīng)濟(jì)學(xué)， 2023， 23（2）： 712-730.

楊斯童， 李守偉. 氣候風(fēng)險(xiǎn)對(duì)我國(guó)保險(xiǎn)需求的影響研究[J]. 金融評(píng)論， 2023， 15（02）： 91-117＋126.

孟彥菊，陳思年，陳蕾.基于產(chǎn)業(yè)投入產(chǎn)出表的數(shù)字產(chǎn)業(yè)經(jīng)濟(jì)增長(zhǎng)效應(yīng)研究[J].統(tǒng)計(jì)與決策，2023，39（23）：89-94.

劉家旗，薛飛，付雅梅.數(shù)字經(jīng)濟(jì)的產(chǎn)業(yè)結(jié)構(gòu)升級(jí)效應(yīng)研究： 基于供給與需求雙重視角[J].統(tǒng)計(jì)與決策，2023，39（18）：125-128.

劉繼光，吳陳銳.中國(guó)保險(xiǎn)業(yè)的增長(zhǎng)源泉及動(dòng)力轉(zhuǎn)換： 基于DEA-Malmquist方法的分析[J].保險(xiǎn)研究，2019，（05）：3-30.

Ansari，Nixdorf S，Sihn W.Insurability of Cyber Physical Production Systems：How Does Digital Twin Improve Predictability of Failure Risk？[J].IFAC-Papers On Line，2020，53（3）： 295-300.

Gao L F，Guan J，Wang G J.Does Media-based Health Risk Communication Affect Commercial Health Insurance Demand？Evidence from China[J].Applied economics，2021，54： 2122-2134.

Wang，Q.Fixed-Effect Panel Threshold Model using Stata[J].The Stata Journal，2015，15（1）： 121-134.