基于聚類法的農(nóng)業(yè)保險(xiǎn)風(fēng)險(xiǎn)區(qū)劃的實(shí)證研究*

[基金項(xiàng)目]國家社科基金西部項(xiàng)目(11XSH029)“西部地區(qū)農(nóng)村養(yǎng)老保障體系建設(shè)中的政府責(zé)任研究”;安徽省高校人文社科重點(diǎn)項(xiàng)目(SK2014A155)“安徽省農(nóng)業(yè)巨災(zāi)風(fēng)險(xiǎn)保障體系構(gòu)建研究”;安徽財(cái)經(jīng)大學(xué)重點(diǎn)項(xiàng)目(YB2014003)“農(nóng)業(yè)保險(xiǎn)的財(cái)政補(bǔ)貼效率評(píng)價(jià)研究”;安徽鈺誠融資租賃研究中心項(xiàng)目“保險(xiǎn)業(yè)參與農(nóng)村融資租賃服務(wù)‘三農(nóng)’模式研究”

鄭軍,袁帥帥

(安徽財(cái)經(jīng)大學(xué) 金融學(xué)院，安徽 蚌埠 233041)

摘要:同一的保險(xiǎn)費(fèi)率容易引發(fā)農(nóng)業(yè)保險(xiǎn)的道德風(fēng)險(xiǎn)和逆向選擇問題，因此，對(duì)不同區(qū)域進(jìn)行風(fēng)險(xiǎn)區(qū)劃已經(jīng)成為解決該類問題的重要舉措之一。本文基于實(shí)際損失，搜集2000年以來的安徽省各市農(nóng)業(yè)數(shù)據(jù)，選取單產(chǎn)變異系數(shù)、受災(zāi)超過10%與20%的概率、平均受災(zāi)率和平均絕收率五個(gè)指標(biāo)，采用系統(tǒng)聚類法進(jìn)行聚類，并對(duì)相關(guān)結(jié)果進(jìn)行討論，以期得到的研究結(jié)論對(duì)實(shí)際的農(nóng)業(yè)保險(xiǎn)的研究和開展做出貢獻(xiàn)。

關(guān)鍵詞:聚類法；農(nóng)業(yè)保險(xiǎn)；安徽?。伙L(fēng)險(xiǎn)區(qū)劃

doi:12.3969/j.issn.1672-0598.2015.01.003

[收稿日期]*2014-12-07

[作者簡(jiǎn)介]鄭軍(1976—)，男，重慶開縣人；博士，副教授，碩士生導(dǎo)師，安徽財(cái)經(jīng)大學(xué)保險(xiǎn)系副主任，主要從事農(nóng)業(yè)保險(xiǎn)與農(nóng)村養(yǎng)老保障研究。袁帥帥(1991—)，男，安徽淮北人；安徽財(cái)經(jīng)大學(xué)金融學(xué)碩士研究生，主要從事農(nóng)業(yè)保險(xiǎn)研究。

中圖分類號(hào)：F840.66

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1672-0598(2015)01-0017-07

Abstract:The same premium rate is apt to cause the moral hazard and adverse selection problem, therefore, risk zonation for different areas becomes an important measurement to solve this kind of problem. Collecting agricultural data from all municipalities of Anhui since 2000, based on actual loss, this paper selects five index including the coefficient of variation per unit yield, probability of 10% and 20% damage, average damage rate and the rate of total crop failure, cluster by the system clustering method and analyzes the results so as to make contributions to agricultural insurance research and application.

安徽省位于我國華北平原，是水稻、棉花、小麥的生產(chǎn)大省，但頻繁遭受旱澇為主的氣象災(zāi)害影響，損失嚴(yán)重。以2013年為例，安徽省7月中旬以后由于持續(xù)的高溫少雨，全省受旱面積一度超過1 747萬畝，水稻、玉米、大豆和棉花等一些農(nóng)作物受災(zāi)比較嚴(yán)重，僅淮河以南地區(qū)初步估損金額就已經(jīng)超過了4億元。*中國廣播網(wǎng).持續(xù)高溫致安徽受災(zāi)至少4億 病蟲害防治成關(guān)鍵.新華網(wǎng)[EB/OL].http://news.xinhuanet.com/local/2013-09/17/c_117407012.htm，2013-09-17.盡管安徽省不同地區(qū)在農(nóng)業(yè)的技術(shù)水平和經(jīng)濟(jì)發(fā)展水平上存在差異，然而由于安徽省的農(nóng)業(yè)保險(xiǎn)和全國其他省份一樣處于摸索階段，因此在保險(xiǎn)費(fèi)率的制定上并未按照地區(qū)的差異實(shí)施差別費(fèi)率。由于同一區(qū)域?qū)嵤┙y(tǒng)一的費(fèi)率往往會(huì)引發(fā)逆向選擇和道德風(fēng)險(xiǎn)，為此，早在2012年8月，安徽省就宣布要嘗試按區(qū)域制定農(nóng)業(yè)保險(xiǎn)費(fèi)率。然而到目前為止，安徽省與其他兄弟省(市、自治區(qū))一樣，仍然施行全省統(tǒng)一的保險(xiǎn)條款和費(fèi)率，并且大多都采用了全省(市、自治區(qū))統(tǒng)一的補(bǔ)貼結(jié)構(gòu)和補(bǔ)貼比例。*國務(wù)院發(fā)展研究中心金融所課題組.調(diào)研省份農(nóng)業(yè)保險(xiǎn)的做法比較[R].中國發(fā)展研究基金會(huì)報(bào)告，2010(86)：3-4.這對(duì)于區(qū)域農(nóng)業(yè)的發(fā)展是不利的。本文的研究無疑對(duì)我國開展農(nóng)業(yè)保險(xiǎn)制度建設(shè)的實(shí)踐活動(dòng)具有重要的理論和現(xiàn)實(shí)意義。

一、文獻(xiàn)綜述

作為開展新興保險(xiǎn)的先期工作，保險(xiǎn)風(fēng)險(xiǎn)區(qū)域劃分是必不可少的步驟。國外學(xué)者Knight and Coble(1997)[1]、Ahsan(1982)[2]、Nelson(1987)[3]、Goodwin(1994)[4]等就風(fēng)險(xiǎn)區(qū)域劃分的必要性進(jìn)行了論證，認(rèn)為同一的費(fèi)率容易引發(fā)道德風(fēng)險(xiǎn)和逆向選擇的問題，地區(qū)內(nèi)應(yīng)精心制定費(fèi)率；Kuminoff(2000)[5]對(duì)于美國加利福尼亞州的蔬菜生產(chǎn)風(fēng)險(xiǎn)和費(fèi)率的制定進(jìn)行了探索研究；Knight(1997)[1]針對(duì)多重風(fēng)險(xiǎn)農(nóng)作物保險(xiǎn)(MPCI)的有關(guān)程序，參考經(jīng)濟(jì)學(xué)資料，對(duì)相關(guān)研究成果進(jìn)行評(píng)估并提出未來研究建議方向。發(fā)達(dá)國家較早地實(shí)行了差別費(fèi)率，如美國第一聯(lián)邦農(nóng)作物保險(xiǎn)公司統(tǒng)計(jì)處會(huì)通過統(tǒng)計(jì)該區(qū)域平均產(chǎn)量和投資額為每個(gè)縣確定保險(xiǎn)風(fēng)險(xiǎn)等級(jí)、毛利率和金額大小。

國內(nèi)學(xué)者對(duì)此問題有了較多的研究。首先，對(duì)于聚類指標(biāo)的選擇是首先需要解決的問題，這方面的研究比較豐富，例如庹國柱等(1994)[6]、郭迎春(1998)[7]、張愛民(2007)[8]、梁來存(2010)[9]和林攀(2011)[10]。這些學(xué)者對(duì)于聚類指標(biāo)的選擇有著一定的相似性，有些學(xué)者側(cè)重于定性研究方法進(jìn)行論述，如庹國柱和丁少群(1994)[6]在農(nóng)作物風(fēng)險(xiǎn)的評(píng)估問題上，認(rèn)為指標(biāo)的選取首要考慮的是氣候和土壤因素，為此他們選取了農(nóng)作物產(chǎn)量變異系數(shù)、土壤指標(biāo)等九個(gè)指標(biāo)；也有許多學(xué)者對(duì)此問題進(jìn)行了定量研究，選取了變異指數(shù)、效率指數(shù)、面積指數(shù)、損失率和受災(zāi)超過某一概率的值等一系列的指標(biāo)(張愛民，2007[8]；梁來存，2010[9])。對(duì)于產(chǎn)量風(fēng)險(xiǎn)區(qū)劃問題，一般是從兩個(gè)方面來考慮，基于實(shí)際損失或者孕災(zāi)因子，在選取指標(biāo)時(shí)，需要考慮到指標(biāo)與實(shí)際損失或者孕災(zāi)因子的聯(lián)系。另外，因?yàn)橄到y(tǒng)聚類法中默認(rèn)對(duì)各個(gè)指標(biāo)所賦予的權(quán)重是相同的，如果選取太多指標(biāo)，就會(huì)影響主要指標(biāo)對(duì)于總體的權(quán)重，進(jìn)而影響最終結(jié)果。因此選取指標(biāo)時(shí)，不能貪多求全。全面的定性分析轉(zhuǎn)換為實(shí)際的量化標(biāo)準(zhǔn)衡量是一個(gè)難題，并且在存在多種因素時(shí)，如何篩選是必須考慮的問題。

另外，對(duì)于聚類方法的選擇是另一個(gè)需要重視的問題。常見的方法為系統(tǒng)聚類方法、K-means聚類法和模糊聚類法，例如黃崇福(1998)[11]、邢鸝(2007)[12]、陳麗(2011)[13]等。大多數(shù)的實(shí)證分析采用系統(tǒng)聚類方法的組間聯(lián)接法直接得出相關(guān)結(jié)果，進(jìn)而對(duì)相關(guān)結(jié)果進(jìn)行論述。然而，層次聚類法不同的類間計(jì)算方法、標(biāo)準(zhǔn)化方法和距離計(jì)算方法得出的結(jié)果會(huì)有差異，現(xiàn)有研究對(duì)于不同方法得出的合理性也沒有進(jìn)一步的比較和思考。評(píng)價(jià)聚類結(jié)果的方法，如常規(guī)的F和召回率，都是有先驗(yàn)假設(shè)的，能不能用或者好不好用，要明白后面的假設(shè)，結(jié)合對(duì)自己數(shù)據(jù)的理解來判斷。為此本文優(yōu)先選擇出現(xiàn)次數(shù)較多的結(jié)果作為最優(yōu)聚類結(jié)果。

關(guān)于安徽省風(fēng)險(xiǎn)區(qū)域劃分的相關(guān)研究。溫玉婷，李寧等(2010)[14]為了解決農(nóng)業(yè)保險(xiǎn)中單一保險(xiǎn)費(fèi)率引發(fā)的區(qū)域保險(xiǎn)不平衡，基于災(zāi)損率厘定安徽省小麥產(chǎn)量指數(shù)保險(xiǎn)純費(fèi)率，大致可以將安徽省小麥生產(chǎn)風(fēng)險(xiǎn)劃分為四個(gè)等級(jí)，每個(gè)等級(jí)實(shí)行梯度保險(xiǎn)費(fèi)率可以有效降低農(nóng)業(yè)保險(xiǎn)中的逆向選擇和道德風(fēng)險(xiǎn)。本文借鑒了這種保險(xiǎn)風(fēng)險(xiǎn)區(qū)劃的分類思路，并發(fā)現(xiàn)同一類中的個(gè)體數(shù)不能太少，否則就失去了聚類的意義。

以上研究，對(duì)聚類的指標(biāo)選擇比較混亂，選取的指標(biāo)過于繁雜；有些對(duì)系統(tǒng)聚類法距離、標(biāo)準(zhǔn)化方法、類間的計(jì)算方法會(huì)影響最終結(jié)果，以往的研究對(duì)于此問題沒有具體的交代和討論。本文在前人的基礎(chǔ)上，側(cè)重于研究各市水稻產(chǎn)量的單產(chǎn)和受災(zāi)面積，以安徽省2000年來的市級(jí)面板數(shù)據(jù)為基礎(chǔ)，選取單產(chǎn)變異系數(shù)、受災(zāi)超過10%與20%的概率、平均受災(zāi)率和平均絕收率五個(gè)指標(biāo)，采用系統(tǒng)聚類法進(jìn)行聚類分析，試圖將以往文獻(xiàn)中繁多的指標(biāo)通過主導(dǎo)指標(biāo)法簡(jiǎn)化為與產(chǎn)量風(fēng)險(xiǎn)直接聯(lián)系的產(chǎn)量和受災(zāi)面積兩個(gè)方面，從實(shí)際損失的角度對(duì)各市水稻的產(chǎn)量風(fēng)險(xiǎn)等級(jí)進(jìn)行劃分，進(jìn)而為保險(xiǎn)費(fèi)率的制定以及對(duì)其余農(nóng)作物的風(fēng)險(xiǎn)分區(qū)及費(fèi)率制定提供參考和依據(jù)。

二、農(nóng)業(yè)風(fēng)險(xiǎn)劃分的理論

鑒于農(nóng)業(yè)風(fēng)險(xiǎn)的復(fù)雜性，學(xué)術(shù)界按照農(nóng)業(yè)風(fēng)險(xiǎn)的來源、性質(zhì)、損害對(duì)象等標(biāo)準(zhǔn)進(jìn)行了分類，但至今沒有得出統(tǒng)一的標(biāo)準(zhǔn)。國內(nèi)外對(duì)于農(nóng)業(yè)風(fēng)險(xiǎn)的分類，一是將農(nóng)業(yè)風(fēng)險(xiǎn)分為自然風(fēng)險(xiǎn)和市場(chǎng)風(fēng)險(xiǎn)(Fleisher and B，1990[16]；Moschini G, David A Hennessy,2000[17])；二是將農(nóng)業(yè)風(fēng)險(xiǎn)分為多類，比如將其分為5類(黃英軍，2006[18]；曾玉珍，2011[19])，或者7類(Bacquet et al,Hardaker et al,1997[20];Boehlje,2002[21])。特別是近些年來出現(xiàn)了環(huán)境污染、資源風(fēng)險(xiǎn)等新的分類(張葉，2001[22]；劉惟洲，2002[23])。本文按照傳統(tǒng)的分類方法，將農(nóng)業(yè)風(fēng)險(xiǎn)分為4類：(1)自然風(fēng)險(xiǎn)，即影響農(nóng)作物生長(zhǎng)的自然因素，如天氣、蟲害等。(2)市場(chǎng)風(fēng)險(xiǎn)，即在農(nóng)產(chǎn)品的生產(chǎn)和銷售上，由于供給、市場(chǎng)預(yù)測(cè)和貿(mào)易條件的變化產(chǎn)生的風(fēng)險(xiǎn)，往往直接反映在農(nóng)產(chǎn)品的價(jià)格上。(3)社會(huì)風(fēng)險(xiǎn)，即個(gè)人或團(tuán)體行為造成的影響，如政策環(huán)境的變化、資源的減少和環(huán)境的污染。(4)技術(shù)風(fēng)險(xiǎn)，即在農(nóng)業(yè)生產(chǎn)中運(yùn)用的技術(shù)因素，如機(jī)械的應(yīng)用、新品種的使用、新型農(nóng)藥化肥等，新技術(shù)的應(yīng)用可能會(huì)提高作物的產(chǎn)量，也有可能因?yàn)槭褂貌划?dāng)而造成損失。農(nóng)業(yè)具有自然再生產(chǎn)和經(jīng)濟(jì)再生產(chǎn)的特點(diǎn)，也具有生物再生產(chǎn)和社會(huì)再生產(chǎn)的特點(diǎn)。

對(duì)于單個(gè)農(nóng)民來說，當(dāng)他對(duì)市場(chǎng)和其他農(nóng)民的生產(chǎn)情況不完全了解時(shí)，他的商品性生產(chǎn)就是一種盲目的行為，這種行為會(huì)使他面臨不同的風(fēng)險(xiǎn)。例如，市場(chǎng)條件所造成的價(jià)格風(fēng)險(xiǎn)和自然條件所造成的生產(chǎn)風(fēng)險(xiǎn)等，這些風(fēng)險(xiǎn)可能會(huì)造成他“增產(chǎn)不增收”，但也有可能會(huì)使他面臨“增產(chǎn)增收”“減產(chǎn)減收”“減產(chǎn)不減收”等難以在生產(chǎn)年度開始時(shí)預(yù)料的復(fù)雜情況。實(shí)際上，由于農(nóng)業(yè)的行業(yè)集中度低，市場(chǎng)經(jīng)濟(jì)條件下，單個(gè)農(nóng)戶無力支配農(nóng)產(chǎn)品市場(chǎng)價(jià)格的變化。因此，生產(chǎn)季節(jié)對(duì)農(nóng)民而言，主要的風(fēng)險(xiǎn)源是產(chǎn)量的波動(dòng)，而非價(jià)格的波動(dòng)。

自然風(fēng)險(xiǎn)因素很多，每一種因素造成糧食作物致災(zāi)的過程都非常復(fù)雜，并且多種因素對(duì)糧食生產(chǎn)的影響又是相互交織在一起的，這就導(dǎo)致了實(shí)踐中無法準(zhǔn)確確定某種自然災(zāi)害對(duì)糧食生產(chǎn)的影響具體有多大。但是，不管哪種自然風(fēng)險(xiǎn)因素，不論其致災(zāi)方式如何，其影響最終都會(huì)體現(xiàn)在產(chǎn)量變化上。與產(chǎn)量直接相關(guān)的因素是農(nóng)作物的產(chǎn)量和面積，本文基于實(shí)際損失，選取單產(chǎn)變異系數(shù)用來衡量作物單產(chǎn)的穩(wěn)定性，用受災(zāi)超過10%與20%的概率來度量發(fā)生災(zāi)害的可能性，用平均受災(zāi)率和平均絕收率來對(duì)各城市水稻歷年的受災(zāi)面積進(jìn)行反映，以這五個(gè)指標(biāo)來衡量各市稻類的風(fēng)險(xiǎn)水平，按照特定的聚類方法對(duì)16個(gè)市的農(nóng)業(yè)風(fēng)險(xiǎn)進(jìn)行區(qū)域劃分。

三、實(shí)證模型與數(shù)據(jù)來源

(一)數(shù)據(jù)來源

本文數(shù)據(jù)根據(jù)2000年以來的《安徽統(tǒng)計(jì)年鑒》《中國統(tǒng)計(jì)年鑒》及http: //www. stats. gov. cn整理而得。(1)為了使各市具有可比性(亳州市2000年建立)，本文采用2000年以后相關(guān)的的統(tǒng)計(jì)數(shù)據(jù)作為樣本。(2)巢湖市2011年并入合肥市，相關(guān)統(tǒng)計(jì)資料也有所變動(dòng)。為了保持?jǐn)?shù)據(jù)的連貫性，本文將2010年以前巢湖市的相關(guān)數(shù)據(jù)與合肥市的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行加權(quán)平均處理。

(二)計(jì)量模型

1.單產(chǎn)變異系數(shù)

單產(chǎn)變異系數(shù)為

相較于平均數(shù)和標(biāo)準(zhǔn)差，單產(chǎn)變異系數(shù)去除了地區(qū)生產(chǎn)力水平的差異，在一定程度上反映了生產(chǎn)波動(dòng)的情況，指標(biāo)值越小表明生產(chǎn)越穩(wěn)定，生產(chǎn)風(fēng)險(xiǎn)越小。

2.受災(zāi)超過10%的概率

目前對(duì)于風(fēng)險(xiǎn)損失分布還沒有一個(gè)較為系統(tǒng)的方法，而更困難的是當(dāng)研究小地區(qū)的災(zāi)害損失時(shí)，可獲得的數(shù)據(jù)樣本非常有限。本文以安徽省各市2000年以來的單產(chǎn)減產(chǎn)率為基礎(chǔ)，借用非參數(shù)信息擴(kuò)散模型分析上述問題、它具有估計(jì)依據(jù)客觀和計(jì)算結(jié)果穩(wěn)定的優(yōu)點(diǎn)。

設(shè)xt的信息按照正態(tài)分布擴(kuò)散給整個(gè)樣本空間[0,1]中的每個(gè)點(diǎn)l，其信息擴(kuò)散模型為

其中，h為帶寬，xt為第t年的單產(chǎn)減產(chǎn)率；t=1,2,…,13；i=1/s,2/s,…，1。關(guān)于非信息擴(kuò)散模型的具體信息可參考相關(guān)文獻(xiàn)[24-26]。

3.受災(zāi)超過20%的概率

水稻農(nóng)作物因?yàn)楦鞣N原因減產(chǎn)10%是較頻繁的災(zāi)害減產(chǎn)，但是當(dāng)減產(chǎn)達(dá)到20%的時(shí)候就可以更好地反映各地區(qū)的水稻生產(chǎn)風(fēng)險(xiǎn)差異。

4.平均受災(zāi)率

我國民政系統(tǒng)規(guī)定,作物收成因?yàn)?zāi)減產(chǎn)少為受災(zāi),減產(chǎn)幅度在30%以上為成災(zāi)(其中,減產(chǎn)30%~50%為輕災(zāi),50%~80%為重災(zāi)),減產(chǎn)幅度超過80%為絕收。平均受災(zāi)率為

其中，AHRi是指i市的平均受災(zāi)率，AAt是i市第t年的受災(zāi)面積，ALt是i市第t年的耕種面積。AHRi越大，表明i市水稻受災(zāi)的風(fēng)險(xiǎn)越大。

5.平均絕收率

平均絕收率為

其中，ACRi是指i市的平均受災(zāi)率，CAt是i市第t年的絕收面積，ALt是i市第t年的耕種面積。ACRi越大，i市表明水稻面臨絕收的風(fēng)險(xiǎn)越大。

(三)風(fēng)險(xiǎn)區(qū)域劃分

本文采用系統(tǒng)聚類法進(jìn)行聚類分析。因各變量存在量綱差異，所以對(duì)各變量標(biāo)準(zhǔn)化為Z分?jǐn)?shù)，個(gè)體間距離的計(jì)算方式采用歐式距離法，小類間的距離采用SPSS內(nèi)的7種方法，對(duì)得出的結(jié)果進(jìn)行比較從而得出合適的分類方法。在聚類分析中，距離并不是固定的，因?yàn)闅W式距離比較簡(jiǎn)單，而且能基本體現(xiàn)算法的性能，因此，歐式距離是最常用的距離測(cè)量方法。

其中，xi1表示第一個(gè)點(diǎn)的第i維坐標(biāo)，xi2表示第二個(gè)點(diǎn)的第i維坐標(biāo)，以此類推。

四、實(shí)證分析與模擬

(一)樣本統(tǒng)計(jì)描述

利用SPSS的描述性統(tǒng)計(jì)功能，對(duì)各市五個(gè)聚類指標(biāo)的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)得出最小值、最大值、平均值和標(biāo)準(zhǔn)差，結(jié)果如表1所示。

表1　多年平均單產(chǎn)和5項(xiàng)指標(biāo)的描述性統(tǒng)計(jì)結(jié)果

(二)實(shí)證分析

1.趨勢(shì)方程的擬合

查找2001年以來的《安徽省統(tǒng)計(jì)年鑒》，搜集到安徽省各市2000—2012年水稻的單產(chǎn)數(shù)據(jù)，采用趨勢(shì)方程擬合各市歷年的產(chǎn)量，見表2。

表2　各城市的單產(chǎn)趨勢(shì)方程表

從表2可以看出，大多數(shù)城市的擬合的趨勢(shì)方程統(tǒng)計(jì)參數(shù)較好。其中，馬鞍山的擬合優(yōu)度較小，但平均絕對(duì)百分誤差符合精度要求；滁州的擬合優(yōu)度較小，平均絕對(duì)百分誤差略微大于精度要求。

2.系統(tǒng)聚類法

系統(tǒng)聚類法是聚類分析諸多方法中用得最多的一種。由于各變量存在量綱差異，本文對(duì)各變量標(biāo)準(zhǔn)化為Z分?jǐn)?shù)，并且考慮到質(zhì)心法、中位數(shù)法和Ward法只能運(yùn)用歐式距離，個(gè)體間距離的計(jì)算方式采用歐式距離法，個(gè)體與小類、小類間的距離分別選用組間聯(lián)接法、組內(nèi)聯(lián)接法、最近鄰元素法、最遠(yuǎn)鄰元素法、質(zhì)心聚類法和中位數(shù)聚類法，對(duì)得出的結(jié)果進(jìn)行比較從而得出合適的分類方法。其中，部分方法在將風(fēng)險(xiǎn)區(qū)域劃分為三類時(shí)(其余四類方法因不能較好地分為3~5類或者類內(nèi)的個(gè)體太少而未列出)，結(jié)果如表3所示。

表3　系統(tǒng)聚類法的部分結(jié)果

從表中結(jié)果，可以看出將各市的風(fēng)險(xiǎn)劃分為三類較為合適。組內(nèi)聯(lián)接法和Ward法的結(jié)果一致，組內(nèi)聯(lián)接法對(duì)于宣城的分類和前兩種不一致。我們依照前面的假設(shè)，選擇相似結(jié)果較多的一組。

最終的產(chǎn)量的風(fēng)險(xiǎn)區(qū)劃結(jié)果如表4所示。

表4　風(fēng)險(xiǎn)區(qū)劃結(jié)果

五、結(jié)論和政策建議

(一)結(jié)論

第一，從風(fēng)險(xiǎn)區(qū)劃結(jié)果上看，全省華東、華中的風(fēng)險(xiǎn)較大，華南較小，大致可以分為3個(gè)等級(jí)。合肥、淮北、亳州、宿州、馬鞍山、蕪湖、銅陵屬于高風(fēng)險(xiǎn)區(qū)，蚌埠、阜陽、淮南、滁州、六安屬于中風(fēng)險(xiǎn)區(qū)，宣城、池州、安慶、黃山屬于低風(fēng)險(xiǎn)區(qū)。

第二，從全省風(fēng)險(xiǎn)分布的特點(diǎn)來看，安徽省各市的稻類風(fēng)險(xiǎn)區(qū)域現(xiàn)出局部相似的規(guī)律，由此我們可以看出“地域相近風(fēng)險(xiǎn)相似”和由北到南“相似風(fēng)險(xiǎn)帶狀交錯(cuò)”的特點(diǎn)。

第三，從表4我們可以看出，處于高風(fēng)險(xiǎn)等級(jí)的城市受災(zāi)超過20%的概率為8.96%，處于中風(fēng)險(xiǎn)等級(jí)的城市受災(zāi)超過20%的概率為8.76%，處于低風(fēng)險(xiǎn)等級(jí)的城市受災(zāi)超過20%的概率為5.36%。

第三，從聚類的過程來看，不同的聚類方法得出的聚類結(jié)果存在差異性。對(duì)于層次聚類法來說，不同的類間計(jì)算方法，距離公式或者標(biāo)準(zhǔn)化方法都會(huì)對(duì)聚類結(jié)果產(chǎn)生影響。

(二)政策建議

1.不同地區(qū)采取不同費(fèi)率

安徽省水稻產(chǎn)量風(fēng)險(xiǎn)區(qū)劃具有明顯的空間差別，因此開展農(nóng)業(yè)保險(xiǎn)業(yè)務(wù)，按照全省實(shí)行同一費(fèi)率的方法還是存在諸多問題，對(duì)于風(fēng)險(xiǎn)不同的地區(qū)應(yīng)當(dāng)制定不同的費(fèi)率，以切實(shí)保護(hù)投保人和擔(dān)保人的利益。實(shí)施統(tǒng)一保費(fèi)率只適宜于農(nóng)業(yè)生產(chǎn)條件相似的區(qū)域。

2.對(duì)于不同地區(qū)給予不同的補(bǔ)貼

由于農(nóng)業(yè)是弱質(zhì)性產(chǎn)業(yè)，政府對(duì)農(nóng)業(yè)保險(xiǎn)給予一定額度的補(bǔ)貼能有效地提高保險(xiǎn)公司開展保險(xiǎn)和農(nóng)戶參加保險(xiǎn)的積極性。給予補(bǔ)貼的一般原則是風(fēng)險(xiǎn)水平相對(duì)較高的地區(qū)給予較低的補(bǔ)貼，風(fēng)險(xiǎn)水平相對(duì)較低的區(qū)域給予相對(duì)較高的補(bǔ)貼。

3.嘗試新興險(xiǎn)種

相較于傳統(tǒng)農(nóng)業(yè)保險(xiǎn)，由于指數(shù)保險(xiǎn)獲取數(shù)據(jù)客觀方便，運(yùn)作方式簡(jiǎn)單，運(yùn)營成本較低，因此國際上部分國家實(shí)施了指數(shù)保險(xiǎn)。目前主要有地區(qū)產(chǎn)量指數(shù)保險(xiǎn)和天氣指數(shù)保險(xiǎn)兩種。

[參考文獻(xiàn)]

[1] Knight T O, K H Coble. Survey of U.S. Multiple Peril Crop Insurance since 1980[J]. Review of Agricultural Economics:1997,19(1):128-156.

[2] Ahsan S M, Ali A， Kurian K. Toward a theory of agricultural insurance[J]. American Journal of Agricultural Economies,1982(64):520-529.

[3] Nelson C， Loehman E. Further toward a theory of agricultural insurance[J].American Journal of Agricultural Economics,1987,69(3): 523-531.

[4] Goodwin B K. Premium rate determination in the Federal Crop Insurance Program: What do averages have to say about risk? [J].Journal of Agricultural and Resource Economics:1994, 19(2):382-395.

[5] Kuminoff Nicolai V, Daniel A. Sumner with George Goldman. The Measure of California Agriculture[J].University of California Agricultural Issues Center, 2000(11):114.

[6] 庹國柱，丁少群.論農(nóng)作物保險(xiǎn)區(qū)劃及其理論依據(jù)──農(nóng)作物保險(xiǎn)區(qū)劃研究之一[J].當(dāng)代經(jīng)濟(jì)科學(xué)，1994(3)：64-69.

[7] 郭迎春，閆宜玲，王衛(wèi)，王春乙.農(nóng)業(yè)自然風(fēng)險(xiǎn)評(píng)估及區(qū)域農(nóng)業(yè)保險(xiǎn)費(fèi)率的確定方法[J].應(yīng)用氣象學(xué)報(bào)，1998，(2)：104-111.

[8] 張愛民，馬曉群，楊太明，盛紹學(xué)，黃勇.安徽省旱澇災(zāi)害及其對(duì)農(nóng)作物產(chǎn)量影響[J].應(yīng)用氣象學(xué)報(bào)，2007(5)：619-626.

[9] 梁來存.我國糧食作物保險(xiǎn)風(fēng)險(xiǎn)區(qū)劃的實(shí)證研究[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2010(1)：65-71.

[10] 林攀.四川樂山市油菜區(qū)域產(chǎn)量保險(xiǎn)風(fēng)險(xiǎn)區(qū)劃及費(fèi)率精算研究[D].西南財(cái)經(jīng)大學(xué)，2011：58-64.

[11] 黃崇福，劉新立，周國賢，李學(xué)軍.以歷史災(zāi)情資料為依據(jù)的農(nóng)業(yè)自然災(zāi)害風(fēng)險(xiǎn)評(píng)估方法[J].自然災(zāi)害學(xué)報(bào)，1998(2)：4-12.

[12] 邢鸝，鐘甫寧.糧食生產(chǎn)與風(fēng)險(xiǎn)區(qū)劃研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2006(1)：19-23.

[13] 陳麗.新疆棉花種植業(yè)保險(xiǎn)費(fèi)率分區(qū)[D].新疆財(cái)經(jīng)大學(xué)，2011：30-42.

[14] 溫玉婷，李寧，解偉，劉雪琴，張鵬，吳吉東.安徽省小麥產(chǎn)量指數(shù)保險(xiǎn)梯度純費(fèi)率等級(jí)研究[A].中國災(zāi)害防御協(xié)會(huì)風(fēng)險(xiǎn)分析專業(yè)委員會(huì).“中國視角的風(fēng)險(xiǎn)分析和危機(jī)反應(yīng)”——中國災(zāi)害防御協(xié)會(huì)風(fēng)險(xiǎn)分析專業(yè)委員會(huì)第四屆年會(huì)論文集[C].中國災(zāi)害防御協(xié)會(huì)風(fēng)險(xiǎn)分析專業(yè)委員會(huì)，2010(8)：693-700.

[15] Fleisher B. Agricultural risk management[J]. Agricultural risk management. 1990:148.

[16] Moschini G,David A Hennessy. Uncertainty, Risk Aversion and Risk Management for Agricultural Producers[M].Handbook of Agricultural, Economics. Amsterdam, Elsevier Science Publishers,2000:4-9.

[17] 黃英君.農(nóng)業(yè)風(fēng)險(xiǎn)與我國農(nóng)業(yè)保險(xiǎn)制度：一個(gè)框架性設(shè)計(jì)[J].保險(xiǎn)職業(yè)學(xué)院學(xué)報(bào)，2006(3)：16-21.

[18] 曾玉珍，穆月英.農(nóng)業(yè)風(fēng)險(xiǎn)分類及風(fēng)險(xiǎn)管理工具適用性分析[J].經(jīng)濟(jì)經(jīng)緯，2011(2)：128-132.

[19] Hardaker JB, Huirne, RBM, Anderson, JR. Coping with Risk in Agriculture [M].CAB International,Wallingford,UK,1997:4-11.

[20] Boehlje M. Risk in U. S. Agriculture: New Challenges and New Approaches[Z].2002:2.

[21] 張葉.論農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)與農(nóng)業(yè)產(chǎn)業(yè)化經(jīng)營[J].浙江學(xué)刊，2001(2)：87-90.

[22] 劉惟洲.論高科技在化解農(nóng)業(yè)風(fēng)險(xiǎn)中的作用[J].農(nóng)業(yè)現(xiàn)代化研究，2002(3)：226-228.

[23] 邢鸝，高濤，呂開宇，趙樂.北京市瓜蔬類作物生產(chǎn)風(fēng)險(xiǎn)區(qū)劃研究[J].中國農(nóng)業(yè)資源與區(qū)劃，2008(6)：55-60.

[24] 黃道友，彭廷柏，王克林，陳桂秋.應(yīng)用Z指數(shù)方法判斷南方季節(jié)性干旱的結(jié)果分析[J].中國農(nóng)業(yè)氣象，2003(4)：13-16.

[25] 袁文平，周廣勝.標(biāo)準(zhǔn)化降水指標(biāo)與Z指數(shù)在我國應(yīng)用的對(duì)比分析[J].植物生態(tài)學(xué)報(bào)，2004(4)：523-529.

[26] 夏偉，程向紅，查旭光，吳曉蔚.Z指數(shù)法研究河北省近20年旱澇災(zāi)害發(fā)生規(guī)律[A].中國氣象學(xué)會(huì).中國氣象學(xué)會(huì)2008年年會(huì)干旱與減災(zāi)——第六屆干旱氣候變化與減災(zāi)學(xué)術(shù)研討會(huì)分會(huì)場(chǎng)論文集[C].中國氣象學(xué)會(huì)，2008：7.

[27] 朱業(yè)玉，王記芳，武鵬.降水Z指數(shù)在河南旱澇監(jiān)測(cè)中的應(yīng)用[J].河南氣象，2006(4)：20-22.

(責(zé)任編校：夏東，朱德東)

Empirical Research on Agricultural Insurance Risk Zonation Based on Clustering Method

ZHENG Jun, YUAN Shuai-shuai

(FinancialSchool,AnhuiUniversityofFinanceAndEconomics,Bengbu, 233041,China)

Key words:clustering method; agricultural insurance; Anhui Province; risk zonation