中南财经政法大学金融学院,武汉,430000
摘要:商业健康险的科技赋能正深刻影响我国健康保险发展方向,并与居民消费紧密联系。本文基于2011年至2020年的省际数据,研究发现,商业健康保险的发展显著提高了居民消费支出水平,降低了居民基本消费品支出占比,显著促进居民消费升级。同时,推动保险科技的发展有助于优化居民消费结构。进一步研究发现,保险科技在商业健康保险影响消费升级的过程中充当了门槛变量的角色,当保险科技指数高于门槛值水平时,健康保险密度的提升显著提高居民消费升级水平。本文丰富了对健康保险与消费升级关系的认识,为新时代下理解科技赋能健康保险提供了一定参考。
关键词:保险科技;商业健康保险;消费升级
一、引 言
党的二十大报告提出,加快构建以国内大循环为主体、国内国际双循环相互促进的新发展格局。随着我国经济结构的调整,消费日益成为推动经济增长的主引擎。居民的消费支出与消费升级紧密相关,推动消费升级是发挥消费对经济的拉动效应的应有之义。消费升级包含两层涵义,一是消费者对消费支出项目有更高的支出意愿,即消费的持续增长;二是消费支出结构比重的变化,即各类消费品支出在微观结构上的调整(石明明等,2019)。
当前,数字经济方兴未艾,众多新技术成果不断被市场化运用。近十年来,中国保险科技迅速发展,保险企业在数字化转型中迸发新活力。2010年前后的中国信息技术基础设施建设为保险业科技转型打下基础,在2017年前我国保险科技以保险业务线上化为主要特征[1]。随着科技深度赋能,2017年后保险科技发展进入爆发期:人工智能、云计算、区块链、大数据等技术正深刻变革保险业,在定价、承保、运营、理赔等环节重塑保险生态价值链。其中,健康、医疗与护理是目前保险科技的重大热点。健康保险是保险科技运用最为密集的领域之一,商业健康险的科技赋能问题已成为保险企业推动数字化转型的突破点。
在理论上,商业健康保险的发展有助于推动消费升级。一方面,健康保险通过保障居民的疾病风险,降低了预防性储蓄的需要,提高居民的边际消费倾向;另一方面,医疗意外保险、疾病保险等为退休后无收入来源的老年群体提供了保障,从而提振了整个生命周期内的消费。因此,本文在为此提供经验证据的同时,重点关注了保险科技的发展情况,并试图探究:在商业健康险作用于消费升级的过程中,保险科技是否发挥了显著作用。关于该类问题的研究有助于理清保险科技、商业健康险和消费的关系,为我国发展商业健康险、推动消费升级提供了一定的理论依据。同时,本文充实了对商业健康保险科技赋能问题的研究。
本文余下部分安排如下:第二部分为文献综述与假设;第三部分为研究设计;第四部分为实证分析与稳健性检验;第五部分通过进一步分析,考察了在商业健康险影响消费升级的过程中保险科技所发挥的重要作用;最后给出结论与建议。
二、文献综述与假设
(一)文献回顾
目前国内外学术界对商业健康保险与消费的关系研究有着一致的认识。医疗保险对于居民而言是一种风险转移机制。可以减少居民对未来医疗支出的不确定性(Gruber and Yelowitz, 1999)。对于健康人群来说,保险能够降低未来因生病导致的不确定性支出,减少预防性储蓄;对于病人来说,保险能够降低医疗费用的支出(Hubbard et al. , 1995)。基于我国的经验证据,王雨晨(2016)发现医疗保险费用支出的增长促进了居民消费水平的增长。对于商业健康保险和消费的关系而言,郑莉莉和范文轩(2020)通过基准模型以及处理效应模型证明了商业健康保险能够对家庭消费造成明显影响,商业健康险的购买行为会提高家庭消费。吴庆跃等(2016)对2011年的CHFS调查数据进行分析,利用工具变量法消除了内生性之后,研究结果显示商业健康保险对国内家庭消费的促进作用大于基本医疗保险对消费的促进作用,商业健康保险促进家庭消费总额平均增加15.51%。边恕和李东阳(2021)运用2013和2015两年的CHARLS数据,采用双重差分的方法,研究了商业医疗保险对中老年人家庭消费的影响:商业医疗保险可以有效降低医疗费用的支出并增加中老年家庭除医疗支出以外的消费。王美娇和朱铭来(2015)运用处理效应模型在控制了一些因素后,发现购买商业健康保险会增加个人消费,对促进消费结构改变也有一定作用。袁成(2022)运用系统GMM估计方法实证检验了商业人身保险对消费升级的正向影响,其中商业健康保险有助于扩大消费规模、消费结构优化、提升消费品质。
部分学者已对商业健康险的科技赋能问题从理论层面进行了有益探索。周雷等(2020)分析了在新时代背景下,保险科技对保险行业的作用。保险科技在为消费者提供质量更佳的服务的同时,也促进了保险也的发展。胡芳等(2021)指出,在“健康中国”的战略背景下,保险科技与商业健康保险公司的结合可以促进商业健康保险公司明确自身定位,调整自身发展。除此以外,胡鹏(2022)也通过众安保险的“步步保”的例子说明健康险的数字化发展正在不断深入,促进传统健康保险市场的转变,未来的健康保险也将不断迎来新的发展机遇。
总体来说,大量文献已对保险与消费的关系问题进行探讨并总结出一致的结论,亦有部分文献立足具体险种研究保险对消费升级的影响。保险科技是当前保险业转型升级的关键抓手。限于数据的可获得性,有关研究主要聚焦于有关险种的科技赋能路径和机制的研究,实证研究有待发展。
(二)假设提出
基于上述理论分析,可提出假设1:
假设1:商业健康保险、保险科技对消费规模与消费结构升级均有正向的促进效应。
我国保险科技发展呈现出显著的阶段性差异。保险科技发展初期,保险业务线上化水平不断提高;随着新一代技术的运用,保险科技发展进入新阶段,保险科技有助于健康保险业务的“智慧”再造,显著推高健康保险对居民消费升级的影响效应。故提出假设2:
假设2:保险科技的发展水平能导致健康保险对消费升级的“门槛效应”,即保险科技指数处在基于门槛值所划分的不同区间时,健康保险对消费升级呈现出不同的影响效果。
三、研究设计
(一)数据来源
本文使用的数据来源于北京大学数字普惠金融指数以及中国统计年鉴,时间跨度为2011年-2020年。我国保险科技的发展主要依托于互联网和大数据技术,互联网保险是反映我国保险科技发展的关键性指标。北京大学普惠金融指数中包含了对保险子指标的数据,可以反映我国省际保险科技发展趋势。
(二)变量说明
1.被解释变量
本文核心被解释变量为人均消费支出。由于各省经济发展程度、人口密度有所差异,为了更好的刻画各省中个体的消费水平,本文采取各省人均消费水平度量各省消费规模。
消费的改变囊括消费规模增加、消费结构升级等多层次含义。为了进一步度量保险科技是如何在微观上深刻影响个体消费水平,本文引入基本消费品支出占比来度量个人消费支出的结构性改变。
2.解释变量
本文核心解释变量为健康保险密度变量以及保险科技指数。其中,健康保险密度是指按各省人口度量的人均保费,反映了各省居民参加健康保险的程度。在北大普惠金融指数中,根据业务分类的不同,对分省数字金融使用深度对各省支付、保险、信贷、信用、等做进行了细致测度。本文采取北大普惠金融指数中的保险指数,作为保险科技变量的指标。
3.控制变量
本文需控制各省有关特征变量:受教育程度、基本医保参保情况、城镇化水平以及各省居民消费价格总指数。
上述各变量归纳如下表1。
表1变量及计算方法
变量类型 | 变量名称 | 变量符号 | 变量计算方法 | |||
被解释变量 | 人均消费支出 | lnRJXF | (各省消费总支出/各省人口)的自然对数 | |||
基本消费品支出占比 | SPYJ | 各省人均烟酒食品消费支出/各省人均消费支出 | ||||
解释变量 | 健康保险密度 | lnHID | (各省人均健康险保费收入/各省常住人口数)的自然对数 | |||
保险科技指数 | lninsurtech | 北大普惠金融指数中保险指数的自然对数 | ||||
控制变量 | 受教育程度 | education | 大专及以上占6岁及以上人口的比重 | |||
基本医保参保情况 | lnJBYB | 居民基本医保参保人数的自然对数 | ||||
城镇化水平 | urban | 城镇人口占总人口比重 | ||||
通胀水平 | CPI | 各省居民消费价格总指数 | ||||
(三)描述性统计
本文核心被解释变量、解释变量以及控制变量的描述性统计结果如下表2所示。从表中可以看出,基本消费品支出占比均值为35.2%,表明各省人均烟酒食品支出占消费总支出的比重为35.2%;人均消费支出均值为16881元;保险科技指数均值为469;健康保险密度均值为250.83,现阶段我国健康保险市场发展潜力巨大。
表2 主要变量的描述性统计结果
变量 | 样本量 | 均值 | 标准差 | 最小值 | 最大值 |
RJXF | 310 | 16881.839 | 7159.684 | 4619.42 | 45605.1 |
SPYJ | 310 | 0.352 | 0.117 | 0.197 | 1.122 |
insurtech | 310 | 469.749 | 216.034 | 0.25 | 945.37 |
HID | 310 | 250.827 | 271.336 | 13.603 | 2108.497 |
education | 310 | 0.14 | 0.074 | 0.024 | 0.505 |
CPI | 310 | 102.51 | 1.173 | 100.567 | 106.338 |
urban | 310 | 58.05 | 13.142 | 22.81 | 89.6 |
JBYB | 310 | 2846.63 | 2602.91 | 43.67 | 10991.4 |
(四)模型设定
本文通过构建基于系统广义矩的(系统GMM)动态面板模型,分析保险科技、健康保险对居民消费升级的总体影响,并有效优化固定效应面板模型内生性问题。模型具体形式如下:
其中,表示消费升级指标,本文将从消费规模(引入变量lnRJXF)和消费结构转变(引入变量SPYJ)两个角度对我国消费升级水平进行刻画;健康保险密度变量
、保险科技变量
为模型的核心解释变量;
为上文已提及的控制变量;
为随机扰动项。
四、实证分析与检验
(一)基准回归
系统GMM动态面板模型回归结果报列于表。表3中第(1)、(2)列汇报了以人均消费支出作为被解释变量的结果,第(3)、(4)列汇报了以基本消费品支出占比为被解释变量的结果。根据第(1)和(2)列所示,在1%的显著性水平上,保险科技的发展从总体而言会降低居民的消费支出,而增加人均商业健康险保费水平能显著促进居民消费支出,该结果在引入控制变量后仍显著。同理,在1%的显著性水平上,保险科技的发展、人均商业健康保险费支出的增加均会显著降低居民在基本消费品支出占比,优化居民消费支出结构。观察第(4)列,在引入控制变量后,保险科技、健康保险人均保费支出对居民消费结构优化的影响出现不同程度弱化,该结果与加入控制变量前的基础模型结果具有一致性。在10%的显著性水平上,居民人均健康保险保费支出的增加降低了居民基本消费品支出占比。所以,商业健康保险的发展能够显著提升消费规模水平、优化消费支出结构,对促进居民消费升级发挥显著正向促进作用。从而,实证结果完成了对假设1中关于商业健康保险的发展可以有效提升居民消费升级水平的验证。由于基准模型未能考虑到保险科技、商业健康保险和消费升级之间机制作用关系,贸然认为保险科技的发展对居民消费支出水平具有负效应的做法是不妥当的。对此笔者将在进一步分析中给出分析和解答。
表3 保险科技、商业健康保险对消费升级的影响
(1) lnRJXF | (2) lnRJXF | (3) SPYJ | (4) SPYJ | |
L. lnRJXF | 0.8121256*** (21.98) | 0.4722275*** (3.11) | ||
L. SPYJ | 0.4851884*** (4.70) | 0.2901777** (2.23) | ||
lninsurtech | -0.0649968*** (-4.99) | -0.079195*** (-6.08) | -0.0296566*** (-2.84) | -0.0054525 (-0.25) |
lnHID | 0.0687812*** (5.08) | 0.1130416*** (4.46) | -0.0199517*** (-1.96) | -0.0433356* (-1.92) |
CPI | 0.2395822 (0.39) | 4.061885*** (7.31) | ||
education | 0.3104614 (1.25) | 0.6736627** (2.49) | ||
urban | 0.5514345* (1.67) | -0.5048267*** (-3.51) | ||
lnJBYB | 0.0143684 (1.26) | 0.0127478 (1.43) | ||
_cons | 1.914982*** (5.95) | 4.561035*** (3.9) | 0.4519848*** (6.25) | 0.509707*** (9.81) |
AR(1)P值 | 0.000 | 0.004 | 0.000 | 0.001 |
AR(2)P值 | 0.195 | 0.321 | 0.105 | 0.499 |
Hansen检验P值 | 0.179 | 0.522 | 0.164 | 0.438 |
注:*、**、***分别表示显著性水平为10%、5%、1%,括号内报告z统计值
(二)稳健性检验
本文采用替换核心解释变量的方法来验证上述模型的稳健性。在将商业健康保险保费收入作为健康保险密度的替代变量后,笔者发现稳健性检验结果保持了与基准模型的一致性。
五、进一步研究
为进一步探究保险科技、商业健康险和消费升级之间的非线性关系,笔者需探究保险科技在商业健康险对消费升级的作用机制中是否具有重要影响。同时更换模型有助于弥补基准模型的部分不足。故根据前文理论分析和假设,本文设定模型如下:
本模型中的被解释变量、核心解释变量与控制变量与基准模型保持一致。其中,I函数为示性函数(取值0或1),r为保险科技变量的门槛值。
回归结果见下表4。其中,第(1)、(2)列分别汇报了以人均消费支出、基本品消费支出占比作为被解释变量的估计结果。分析可知,该模型的估计结果支持了非线性关系的假定,并且证实保险科技在商业健康保险影响消费升级的过程中发挥了门槛变量的作用。当保险科技指标低于门槛值时,增加健康保险保费支出对提高居民消费支出水平、降低基本消费品支出占比不具有显著的影响;当保险科技指标高于门槛值时,增加健康保险保费支出能够显著提高居民消费支出水平并降低基本消费品支出占比,有效促进了消费升级。所以,本次回归结果验证了本文假设2的合理性。
在第(1)列中,保险科技变量对居民消费支出水平的影响值得关注。当保险科技处于低于门槛值的阶段时,保险科技的发展对消费支出增长存在一定程度的抑制;当保险科技处于高于门槛值的阶段时,保险科技的发展对消费支出增长存在着净增长效应()。该结果可以修正基准模型实证结果中关于保险科技抑制居民消费支出的判断。所以,保险科技的发展在事实上有助于提升居民消费升级水平。就此,本文实现了对本文假设1的论证。
通过进一步观察模型所估计的门槛值,并比对样本中各个体的保险科技指标时间序列特征,笔者发现:全国各省份保险科技发展水平在2016后陆续达到门槛值的要求水平。换言之,在2016年后,保险科技的发展对提升居民消费支出、改善居民消费支出结构均具有重要意义。该时间段与2016年后我国保险行业不断加强科技赋能、推动数字化转型的时间线高度重合。2016年前,我国保险科技处于技术积累阶段,保险科技对商业健康保险的赋能水平显著不足,商业健康保险发展不足以显著推高居民消费支出、促进消费结构升级;而2016年后,保险科技发展进入新阶段,商业健康保险发展在保险科技影响下对居民消费升级产生显著的正向影响。
表4 动态面板门槛模型回归结果
(1)lnRJXF | (2)SPYJ | |
Lag_y_b | 0.7421908***(4.18) | 0.5979732***(2.87) |
lnHID_b | -0.0581123(-1.01) | 0.168167(1.17) |
CPI_b | -5.260123***(-3.25) | 17.75988***(2.62) |
education_b | 0.3351757(0.28) | 2.72785*(1.85) |
urban_b | 1.605689(1.48) | 0.1096572(0.10) |
lnJBYB_b | 0.0671689***(3.17) | 0.0483544**(2.06) |
lninsurtech_b | -0.1231465***(-4.34) | -0.100883(-1.59) |
cons_d | 5.474547***(3.10) | 0.9964245***(3.22) |
Lag_y_d | -0.9344704***(-4.13) | -1.107798***(-5.90) |
lnHID_d | 0.161668***(3.67) | -0.3953333***(-2.90) |
CPI_d | 5.464647***(3.65) | -13.53444**(-2.14) |
education_d | -2.472743**(-2.37) | -1.466337(-1.11) |
urban_d | -2.472743***(4.18) | 1.898687***(2.93) |
lnJBYB_d | -0.0677509***(-3.38) | -0.0280996(-1.40) |
lninsurtech_d | 0.2297834***(4.70) | 0.1396452**(2.28) |
门槛值 | 6.108964***(34.87) | 6.025073***(24.34) |
注:*、**、***分别表示显著性水平为10%、5%、1%,括号内报告z统计值
六、结论与启示
本文实证检验了保险科技以及健康保险的发展如何深刻影响个体消费的消费升级,研究发现:居民人均健康保险保费支出的增加降低了居民基本消费品支出占比。商业健康保险的发展能够显著提升消费规模水平、优化消费支出结构,对促进居民消费升级发挥显著正向促进作用。保险科技在商业健康保险影响消费升级的过程中发挥了门槛变量的作用。当保险科技处于高于门槛值的阶段时,保险科技的发展对消费支出增长存在着净增长效应,健康保险密度的提高显著促进居民消费升级。
本文结论表明,增强健康保险的科技赋能水平能够显著提升居民消费升级水平,从而增进国民福利。我国健康保险发展仍处于较低水平,保险公司应继续稳步推进数字化转型,通过保险科技赋能有效激活健康保险需求。保险监管机构在支持保险科技的同时应适时规范科技赋能型健康保险的发展,引导该险种更好地满足消费者的健康风险保障需要。
参考文献
[1]石明明,江舟,周小焱.消费升级还是消费降级[J].中国工业经济,2019,No.376(07):42-60.
[2] Gruber J , Yelowitz A . Public Health Insurance and Private Savings[J]. The University of Chicago Press, 1999(6).
[3] Hubbard R G , Skinner J S , Zeldes S P . Precautionary Saving and Social Insurance[J]. Journal of political Economy, 1995, 103(2):360-399.
[4]王雨晨.养老保险和医疗保险对城镇居民消费的影响[J].商,2016(13):70.
[5]郑莉莉,范文轩.流动性约束、商业健康保险与家庭消费[J].保险研究,2020(08):76-87.
[6]吴庆跃,杜念宇,臧文斌.商业健康保险对家庭消费的影响[J].中国经济问题,2016(03):68-79.
[7]边恕,李东阳.参加商业医疗保险对中老年家庭消费的影响——基于CHARLS数据的实证分析[J].江西财经大学学报,2021,No.133(01):68-79.
[8]王美娇,朱铭来.商业健康保险对居民消费及其结构的影响——基于理性预期和家庭资产结构分析[J].保险研究,2015,No.326(06):19-31.
[8]袁成.商业人身保险能否助力居民消费升级?[J].保险研究,2022,No.407(03):3-19.
[9]周雷,邱勋,王艳梅,刘婧.新时代保险科技赋能保险业高质量发展研究[J].西南金融,2020(02):57-67.
[10]胡鹏.数字科技浪潮下健康保险发展问题研究[J].上海立信会计金融学院学报,2022,34(04):31-41.
[11]胡芳,彭琛,陈小红.健康中国战略下保险科技赋能商业健康保险发展研究[J].西南金融,2021(06):73-84.
作者简介:罗弘晖,中南财经政法大学金融学院硕士研究生;万文燕,中南财经政法大学金融学院硕士研究生;曾燕燕,中南财经政法大学金融学院硕士研究生;王玥(通讯作者),中南财经政法大学金融学院硕士研究生。
*本文感谢中南财经政法大学中央高校基本科研业务费专项中研究生科研创新平台项目《保险科技、商业健康险与消费升级——基于省际面板数据的实证分析》(项目编号:202310514)的资金资助。
[1]许闲等.中国保险科技发展报告[R].上海:复旦大学,瑞再研究院中国中心,2021.