黃　穎，李彧揮

(1.福建省農(nóng)業(yè)科學院農(nóng)業(yè)經(jīng)濟與科技信息研究所，福建　福州　350003；2.中國人民大學，北京　100872)

?

農(nóng)戶對政策性森林保險支付意愿的影響因素分析——基于分位數(shù)回歸方法

黃穎1，李彧揮2

(1.福建省農(nóng)業(yè)科學院農(nóng)業(yè)經(jīng)濟與科技信息研究所，福建福州350003；2.中國人民大學，北京100872)

摘要：通過對福建省永安市和江西省奉新縣241位農(nóng)戶的實地調(diào)研，運用分位數(shù)回歸方法，從各個分位點全局分析農(nóng)戶對政策性森林保險支付意愿的影響因素。結(jié)果研究表明：農(nóng)戶對森林保險的支付意愿存在規(guī)模效應；當林業(yè)收入成為家庭收入的主要來源時，農(nóng)戶的森林保險支付意愿才會增強；受教育程度對森林保險的支付意愿的影響有明顯的分化；森林保險市場存在著多重市場分割現(xiàn)象，地區(qū)間差異明顯。最后根據(jù)研究結(jié)果提出相應完善政策性森林保險制度的政策建議。

關鍵詞：政策性森林保險；支付意愿；分位數(shù)回歸

近年來，隨著集體林權(quán)制度改革的深入推進，以林權(quán)抵押貸款為主要內(nèi)容的林業(yè)投融資改革急需森林保險轉(zhuǎn)移林業(yè)信貸風險，同時，產(chǎn)權(quán)明晰到戶后農(nóng)戶獨立承擔的經(jīng)營風險也再隨之加大，森林保險的需求日益迫切。森林保險對于提高林業(yè)生產(chǎn)經(jīng)營者抗風險能力、穩(wěn)定林業(yè)生產(chǎn)、調(diào)動造林育林積極性、促進農(nóng)戶增收、鞏固發(fā)展集體林權(quán)制度改革成果、推進現(xiàn)代林業(yè)建設具有十分重要的意義。

國外學者政策性保險支付意愿進行了大量研究，領域包括農(nóng)業(yè)種植業(yè)、農(nóng)業(yè)養(yǎng)殖業(yè)、環(huán)境保護、農(nóng)業(yè)保險及其他險種等。目前，國內(nèi)學者對政策性森林保險支付意愿的研究不多。李彧揮等[1]運用CVM方法測算出的湖南省安化縣農(nóng)戶對政策性森林保險的支付意愿為3.61元/667 m2。除此之外，還有部分學者也對森林保險進行支付意愿的研究[2-4]。這些研究為我們分析政策性森林保險的支付意愿提供了重要的參考。但是，數(shù)據(jù)樣本采用單個省份進行研究，未形成多地區(qū)對比研究，方法上一般都采用基于均值效應的分析。均值效應分析僅適用于嚴格的假設，當農(nóng)戶個人和生產(chǎn)特征存在異質(zhì)性時，無法對支付函數(shù)分布的其他點的效應進行描述，顯然不足以完全描述森林保險的影響因素，然而政策制定者往往更關注更高支付意愿或更低支付意愿的農(nóng)戶的影響，因此在各個分位點上分析支付意愿的影響因素就顯得更為重要。運用分位數(shù)回歸方法將有助于從全局分析主導農(nóng)戶森林保險支付意愿的影響因素。

本文以農(nóng)戶對政策性森林保險的支付意愿測算為主線，通過實地調(diào)查數(shù)據(jù)和實證方法得出具有數(shù)量化的結(jié)果。首次嘗試運用分位數(shù)回歸方法對政策性森林保險的支付意愿影響因素進行研究，區(qū)別于以往的logistic模型和Cox風險比例模型等均值效應分析方法，克服單一均值分析的缺陷，從各個分位點全局分析主導農(nóng)戶政策性森林保險支付意愿的影響因素。分位數(shù)回歸法(QR)由Koenker等[5]于1978年提出，并被廣泛運用于經(jīng)濟管理研究領域。Chernozhukov等[6]對傳統(tǒng)分位數(shù)回歸模型進行拓展，結(jié)合政策效應模型(Average Treatment Effect)，提出工具變量分位數(shù)回歸方法(Instrumental variable quantile regression，IVQR)。

1　數(shù)據(jù)來源

福建、江西作為我國首批政策性森林保險試點地區(qū)，為本研究提供了良好的調(diào)研環(huán)境。本文數(shù)據(jù)來自2011年7月在福建省三明市永安市、2011年11月在江西省奉新縣實地調(diào)研的結(jié)果。調(diào)研對象包括各級林業(yè)主管部門、承辦政策性森林保險的保險公司、林業(yè)大戶、村干部、農(nóng)戶等。調(diào)研的抽樣調(diào)查分為3個步驟，首先從鄉(xiāng)鎮(zhèn)中隨機抽取3～4個鄉(xiāng)鎮(zhèn)；然后根據(jù)不同鄉(xiāng)鎮(zhèn)的規(guī)模隨機抽取若干個村；最后對這些村的農(nóng)戶進行隨機抽樣。每個省合計共抽取120多個農(nóng)戶進行研究。其中，福建永安市調(diào)研了4個鄉(xiāng)鎮(zhèn)的12個村，共回收121份有效問卷；江西奉新縣調(diào)研了3個鄉(xiāng)鎮(zhèn)的6個村，共回收120份有效問卷。兩省合計241份有效問卷。

福建、江西省實行的政策性森林保險的異同在于(表1)：從投保標的來看，2個省均將生態(tài)公益林與商品林分別進行投保，這是由于生態(tài)公益林具有較大的生態(tài)效益，并且統(tǒng)一管理，投保和賠付的程序較為簡便。其中，江西省的公益林為全省統(tǒng)一投保。從險種來看，福建已經(jīng)實行綜合險，但是江西改革略晚，還保留保費率較低的火災險作為政策過渡。從保險費率來看，在國家補貼政策實行以前已經(jīng)實行3年試點的福建地區(qū)保費率較低，而江西的公益林比商品林保險費率差異較大。從補貼比例來看，福建省縣兩級財政承擔了更多保費。江西省由于保險金額不固定，所以保費也因人而異。由于各省的財政補貼政策不同，林木所有者在購買政策性森林保險時所承擔的保費有所差別，所以不能將各省情況一概而論。

表1　福建、江西政策性森林保險保費補貼情況

2　研究方法

分位數(shù)回歸在經(jīng)濟管理領域得到廣泛的運用，理論模型日益完善，能夠較好地解釋多種經(jīng)濟現(xiàn)象，受到眾多學者的青睞。分位數(shù)回歸的模型形式如下：

yi=xiβθ+μθ i

quantθ(yi|xi)=xiβθ(i=1,…,n)

式中，yi表示的是農(nóng)戶對政策性森林保險的支付意愿值；xi表示影響農(nóng)戶對政策性森林保險支付意愿的各類影響因素，例如農(nóng)戶的人口學特征、經(jīng)濟條件、受災情況、對政策性森林保險的認知水平等；βθ表示xi的回歸系數(shù)，且xi=1，quantθ(yi|xi)代表y在給定某個具體的x值條件下分位點為θ的條件分位數(shù)函數(shù)。

因變量選擇：運用WTP多界二分選擇式法獲得農(nóng)戶對政策性森林保險具體的支付意愿值，作為回歸模型的因變量。

自變量選擇：采用人口學特征、林地條件、經(jīng)濟條件、受災情況、保險認知等5方面作為主要考察因素，進而又具體細分為24個自變量。

變量定義及先驗判斷見表2。

表2　變量定義及先驗判斷

3　實證分析

利用R統(tǒng)計軟件，對分位數(shù)回歸模型進行參數(shù)估計并繪制回歸系數(shù)圖形，得到顯著變量的回歸圖形(圖1～圖10)。

3.1　年齡的影響

如圖2所示，從年齡來看，在0.6分位點以下的低尾部分曲線呈水平狀態(tài)，近似于水平直線，說明大部分年輕人愿意支付的森林保險保費較低。年輕勞動力轉(zhuǎn)向第三產(chǎn)業(yè)，導致林業(yè)勞動力嚴重不足，年輕勞動者對森林保險重視程度不足，愿意支付的森林保險保費較低。年輕人能夠迅速恢復林業(yè)生產(chǎn)力。在高端分位數(shù)水平，以林業(yè)為唯一收入來源的年長者更趨向于求助第三方來分散營林風險，所以越年長越愿意支付較高的森林保險保費。換句話說，年齡的增長使得森林保險支付意愿分布的位置向右移動，而且擴大了分布的尺度。

3.2　務農(nóng)時間的影響

如圖3所示，總體來看，分位數(shù)回歸曲線在水平零直線以下，說明務農(nóng)時間具有“負效應”。低尾水平上務農(nóng)時間變化對森林保險支付意愿并無太大變化。但是在第0.8分位點以上的上尾水平，隨著務農(nóng)時間的增加，農(nóng)戶對森林保險支付意愿越低。這是因為務農(nóng)時間越長，對于自然災害的風險抵抗能力越強。

圖1　分位數(shù)回歸模型結(jié)果-截距項

圖2　分位數(shù)回歸模型結(jié)果-年齡

圖3　分位數(shù)回歸模型結(jié)果-務農(nóng)時間

3.3　受教育程度的影響

如圖4所示，受教育程度對森林保險的支付意愿的影響有明顯的分化，在中低分位點，受教育程度的增加并不會改變森林保險的支付意愿，然而在第0.8分位點至第0.95分位點，受教育程度對森林保險的支付意愿呈負效應，在第0.95分位點以上的高尾區(qū)域卻反向上升，產(chǎn)生了正效應。在接受了一定水平的教育后，外出務工機會更多，收入渠道多元化，從而降低林業(yè)收入保障的剛性需求，對森林保險的支付意愿也不高。然而，對于受教育程度高，又返鄉(xiāng)務農(nóng)的農(nóng)戶而言，他們能夠更理性地看待從事林業(yè)生產(chǎn)，愿意采取多種方式分散風險，故更愿意支付高保費。

圖4　分位數(shù)回歸模型結(jié)果-受教育程度

3.4　家庭總收入的影響

對中低收入家庭而言，家庭總收入的提高并不會改變他們的森林保險支付意愿。對于中高收入家庭而言，隨著家庭總收入的提高，家庭的實際支付能力也得到提高，這時候“收入效益”能夠得到明顯的體現(xiàn)。但是農(nóng)戶是否會將收入用以支付森林保險，或者在多大程度上支付森林保險，存在較大分歧(圖5)。

3.5　林地總面積的影響

從圖6可知，林地總面積越大，農(nóng)戶愿意支付的森林保險保費就越高。林地總面積對森林保險的支付意愿產(chǎn)生正效應。對于小面積散戶而言，林業(yè)生產(chǎn)效益較低，所以這類農(nóng)戶的森林保險支付意愿較低。當林地面積增大到一定程度是規(guī)模效應開始顯著，從第0.6分位點開始，隨著林地面積的增加，森林保險支付意愿顯著增加，回歸曲線向上傾斜。但是對于當?shù)氐牧謽I(yè)生產(chǎn)大戶而言，森林保險支付意愿卻在下降。林業(yè)生產(chǎn)大戶具有和保險公司議價的能力，而保險公司也更愿意以“薄利多銷”的方式為林業(yè)生產(chǎn)大戶提供森林保險服務。

圖5　分位數(shù)回歸模型結(jié)果-家庭總收入

圖6　分位數(shù)回歸模型結(jié)果-林地總面積

3.6　林地總收入占家庭總收入比重的影響

由圖7可知，在第0.9分位以上的上尾部分，林地收入占比對森林保險支付意愿呈正效應。只有當林業(yè)收入成為家庭收入的主要來源時，農(nóng)戶的森林保險支付意愿才會增強。因為對于延承了靠山吃山的傳統(tǒng)、依賴林業(yè)為生的農(nóng)戶來說，一旦林業(yè)生產(chǎn)遭受嚴重的自然災害，就會對整個家庭造成毀滅性的打擊，農(nóng)戶更加趨向于穩(wěn)定經(jīng)營。森林保險正好符合他們這一訴求，以林業(yè)為生的農(nóng)戶也更愿意支付更高的保費。

3.7　林地受災面積和災害損失額的影響

從圖8和圖9來看，受災面積和災害損失額對森林保險的支付意愿并不顯著，回歸系數(shù)在零水平線。受災面積和災害損失額較大的農(nóng)戶更不愿意支付森林保險保費，造成這種現(xiàn)象的原因可能有：一是因為農(nóng)戶遭受毀滅性打擊，可能徹底放棄林業(yè)生產(chǎn)，轉(zhuǎn)而從事其他行業(yè)；二是因為農(nóng)戶在遭受自然災害后，受到的林業(yè)損失并不能馬上得到保險公司的有效補償，保險公司提供的保費補償不足以彌補林業(yè)損失，從而使得農(nóng)戶對森林保險的信心大為下降，因此森林保險的支付意愿大大降低。

圖7　分位數(shù)回歸模型結(jié)果-林地總收入占家庭總收入比重

圖8　分位數(shù)回歸模型結(jié)果-受災面積

圖9　分位數(shù)回歸模型結(jié)果-損失總額

3.8　林地坡度的影響

由圖10可知，在第0.9分位點以下部分，林地坡度對森林保險支付意愿影響不大。在第0.9分位點以上的上尾部分，林地已經(jīng)十分陡峭，難以維持正常的林業(yè)經(jīng)營生產(chǎn)活動，所以這部分林地的低質(zhì)量負效應遠遠大于風險保障正效應，所以曲線轉(zhuǎn)而向下。

圖10　分位數(shù)回歸模型結(jié)果-林地坡度

4　主要結(jié)論

(1)農(nóng)戶對森林保險的支付意愿存在規(guī)模效應，對于規(guī)模性營林的林業(yè)大戶(林地面積位于第0.6分位點以上)，支付意愿較強，且隨著林地面積的增大支付意愿增加，而對林業(yè)經(jīng)營散戶(林地面積位于第0.6分位點以下)則沒有較大的區(qū)別。(2)在第0.9分位以上的上尾部分，林地收入占比對森林保險支付意愿呈正效應。也就是只有當林業(yè)收入成為家庭收入的主要來源時，農(nóng)戶的森林保險支付意愿才會增強。(3)受教育程度對森林保險的支付意愿的影響有明顯的分化，在中低分位點，受教育程度的增加并不會改變森林保險的支付意愿，然而在第0.8分位點至第0.95分位點，受教育程度對森林保險的支付意愿呈負效應，在第0.95分位點以上的高尾區(qū)域卻反向上升，產(chǎn)生了正效應。(4)森林保險市場存在著多重市場分割現(xiàn)象，地區(qū)間差異明顯。

5　政策建議

基于上述研究結(jié)論提出以下幾點政策建議：(1)發(fā)揮林業(yè)大戶的帶頭示范作用，先投保的林業(yè)大戶帶動后投保的林農(nóng)，加強政策性森林保險宣傳力度；(2)因地制宜，推行各省林區(qū)差異化政策制度；(3)提高國家、省、市、縣四級補貼力度，推行惠林政策，支持林業(yè)經(jīng)濟可持續(xù)發(fā)展；(4)強化督查，保證政策性森林保險的服務質(zhì)量；(5)提高農(nóng)戶對政策性森林保險的認知水平。

參考文獻：

[1]李彧揮，李彩鴿，孔祥智. 政策性森林保險支付意愿及影響因素分析——以湖南省安化縣為例[J]. 北京林業(yè)大學學報：社會科學版，2012，3(1)：80-85.

[2]林雅敏. 基于Cox模型的林農(nóng)對政策性森林保險支付意愿研究[D]. 北京：中國人民大學2012.

[3]張躍華，顧海英，史清華. 農(nóng)業(yè)保險需求不足效用層面的一個解釋及實證研究[J]. 數(shù)量經(jīng)濟技術經(jīng)濟研究，2005，22(4)：83-92.

[4]王華麗. 政府災后救助對林農(nóng)森林保險決策的影響分析[J]. 生態(tài)經(jīng)濟，2010(3)：62-65.

[5]KOENKER R, BASSETT JR G. Regression quantiles[J]. Econometrica, 1978, 46(1): 33-50.

[6]CHERNOZHUKOV V, HANSEN C. Instrumental quantile regression inference for structural and treatment effect models[J]. Journal of Econometrics, 2006, 132(2): 491-525.

Analysis on Influence Factors of Farmers’ Willingness to Pay for Policy-related Forestry Insurance

——Based on Quantile Regression Method

HUANG Ying1, LI Yu-hui2

(1.InstituteofAgriculturalEconomicsandScientificandTechnicalInformation,FujianAcademyof

AgriculturalSciences,Fuzhou,Fujian350003,China; 2.RenminUniversityof

China,Beijing, 100872,China)

Abstract:A survey research has been done involving 241 farmers in Yong’an County in Fujian and Xinfeng County in Jiangxi. According to the survey, the influence factors of farmers’ willingness to pay for policy-related forestry insurance has been analyzed. The main conclusion includes that farmers’ willingness-to-pay has scale effect, the willingness to pay for the forestry insurance will increase when forestry income become the main source of family income, education that farmers have received exerts differential influence on willingness-to-pay, multiple market segmentation and differences between regions have occurred in forestry insurance market. Finally, some corresponding suggestions that might improve the system of policy-related forest insurance are put forward.

Key words:policy-related forestry insurance; willingness-to-pay; Quantile Regression

基金項目：國家社會科學基金(10BJY044)

作者簡介：黃穎(1988-)，女，碩士，主要研究方向：農(nóng)林經(jīng)濟管理. E-mail: huangyingruc@163.com

收稿日期：2014-10-14

doi:10.16006/j.cnki.twnt.2015.02.004

中圖分類號：F326.2；F842.6

文獻標志碼：A

文章編號：1637-5617(2015)02-0015-06