王穎冰 陳盛偉 孫樂

摘 要：本文基于對山東省示范家庭農(nóng)場291份調(diào)查問卷，運用二元線性logit模型確定了家庭農(nóng)場對于農(nóng)業(yè)保險需求的影響因素，再運用ISM模型分析各個影響因素之間的相關(guān)聯(lián)系和層次結(jié)構(gòu)。研究結(jié)果顯示：家庭農(nóng)場中農(nóng)場主性別、受教育程度、經(jīng)營土地總面積、年均收入、經(jīng)營模式、歷年受災(zāi)程度、經(jīng)營年限預(yù)期、是否獲得政府補貼對農(nóng)業(yè)保險的需求有顯著影響，年齡不具有顯著影響；其中，家庭農(nóng)場經(jīng)營年限預(yù)期是表層直接影響因素，家庭農(nóng)場年均收入和農(nóng)場經(jīng)營土地總面積是中層間接影響因素，是否獲得政府補貼等是深層根源影響因素。因此，農(nóng)業(yè)保險應(yīng)該根據(jù)家庭農(nóng)場不同的情況創(chuàng)新推出不同的產(chǎn)品，以滿足新型農(nóng)場主農(nóng)業(yè)保險需求。

關(guān)鍵詞：家庭農(nóng)場；需求意愿；Logit模型；ISM模型

DOI：10.3969/j.issn.1003-9031.2019.4.02

中圖分類號：F840.66 文獻(xiàn)標(biāo)識碼：A 文章編號：1003-9031（2019）04-0011-07

一、引言

黨的十八大以來，新型農(nóng)業(yè)經(jīng)營主體快速發(fā)展，種糧大戶、家庭農(nóng)場、農(nóng)業(yè)生產(chǎn)合作社等農(nóng)業(yè)經(jīng)營主體對分散農(nóng)業(yè)生產(chǎn)風(fēng)險的需求更高，需要農(nóng)業(yè)保險有效分散風(fēng)險來提高生產(chǎn)經(jīng)營的穩(wěn)定性。

學(xué)術(shù)界對影響農(nóng)戶購買農(nóng)業(yè)保險的各種因素進(jìn)行了深入研究，近年來在農(nóng)業(yè)保險的偏好方面取得了一系列重要成果。Molua（2011）認(rèn)為收入增加會提高農(nóng)戶的保險偏好。Shi等（2011）認(rèn)為農(nóng)戶整體收入水平的上升使農(nóng)業(yè)保險相對成本下降農(nóng)業(yè)保險偏好上升。Nowak等（2013）認(rèn)為農(nóng)業(yè)保險補貼被認(rèn)為是一種收入轉(zhuǎn)移工具，也可提升農(nóng)業(yè)保險偏好。

顧景枝等（2015）通過對新疆自治區(qū)475戶農(nóng)戶調(diào)查的實證結(jié)果發(fā)現(xiàn)，在農(nóng)民不同風(fēng)險態(tài)度下收入與農(nóng)業(yè)保險需求之間呈現(xiàn)不同的相關(guān)性，風(fēng)險偏好型農(nóng)戶隨著收入水平提高對農(nóng)業(yè)保險需求降低，風(fēng)險規(guī)避型農(nóng)戶隨著收入水平提高對農(nóng)業(yè)保險需求增加。韓雯（2016）的研究表明，農(nóng)戶的家庭收入、耕地數(shù)量、認(rèn)知程度等因素顯著影響農(nóng)業(yè)保險需求。李丹等（2016）認(rèn)為在諸多影響因素中，戶主的受教育水平、種植面積、種糧積極性、險種能否滿足需求、保險保障水平、對補貼政策滿意程度、相關(guān)法規(guī)完善程度對種糧大戶購買農(nóng)業(yè)保險的意愿具有正向影響。李勇斌（2018）用鄧氏灰色關(guān)聯(lián)度計算法得出，農(nóng)業(yè)經(jīng)營收入占比與農(nóng)業(yè)保險需求呈負(fù)相關(guān)關(guān)系。劉娟（2014）認(rèn)為農(nóng)業(yè)收入占家庭總收入50%以上的農(nóng)戶及中低收入的農(nóng)戶家庭對農(nóng)業(yè)保險的需求較大，年收入較高的家庭對農(nóng)業(yè)保險的需求相對較少。王洪波（2017）研究顯示，受教育程度越高，生產(chǎn)成本投入比越小，農(nóng)業(yè)保險認(rèn)知程度越大，接受過理賠的次數(shù)越多，農(nóng)業(yè)保險的需求就越大。

綜上，國外研究多立足于研究農(nóng)業(yè)保險偏好，國內(nèi)研究則側(cè)重于研究農(nóng)業(yè)保險需求的影響因素。盡管國內(nèi)外學(xué)者對農(nóng)業(yè)保險需求的研究已經(jīng)比較深入，但對各因素之間關(guān)聯(lián)關(guān)系與層次結(jié)構(gòu)的研究還比較缺乏?；诖?，本文利用實地調(diào)研數(shù)據(jù)，實證分析新型農(nóng)業(yè)經(jīng)營主體購買農(nóng)業(yè)保險的影響因素，找出各影響因素間的層次結(jié)構(gòu)，以期為促進(jìn)農(nóng)業(yè)的穩(wěn)定可持續(xù)發(fā)展提供實證依據(jù)與政策參考。

二、樣本數(shù)據(jù)來源與描述性分析

（一）數(shù)據(jù)來源

本文數(shù)據(jù)來源于2018年1-2月山東農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院（商學(xué)院）“山東省省級示范家庭農(nóng)場評估調(diào)研”團(tuán)隊提供的部分?jǐn)?shù)據(jù)和“山東省農(nóng)村金融發(fā)展調(diào)研”團(tuán)隊提供的部分補充數(shù)據(jù)，有效問卷總數(shù)291份。其中，“山東省省級示范家庭農(nóng)場評估調(diào)研”團(tuán)隊對山東省濟(jì)南市、青島市等17個地市①300戶家庭農(nóng)場實地問卷調(diào)查，發(fā)放問卷共300份，獲得有效問卷226份；山東省農(nóng)村金融發(fā)展調(diào)研”團(tuán)隊發(fā)放補充問卷70份，獲得有效問卷65份。

（二）樣本描述性分析

根據(jù)上述理論和國內(nèi)外對農(nóng)業(yè)保險需求的分析，將家庭農(nóng)場對保險需求的影響因素分為三大類。

1.個體特征變量：農(nóng)場主性別、年齡、受教育程度。一般認(rèn)為，男性的事業(yè)心比女性要強，從普通散戶到建立一個家庭農(nóng)場來擴大收入更偏向于男性；越年輕、學(xué)歷越高的農(nóng)戶愿意嘗試新的農(nóng)業(yè)方式來提高農(nóng)業(yè)生產(chǎn)水平，對農(nóng)業(yè)保險更易接收。

2.農(nóng)場經(jīng)營情況：農(nóng)場經(jīng)營土地總面積、家庭農(nóng)場年均收入、家庭農(nóng)場經(jīng)營模式。新型農(nóng)業(yè)經(jīng)營主體相對于傳統(tǒng)農(nóng)戶經(jīng)營規(guī)模大、產(chǎn)業(yè)化和商業(yè)化水平高、面臨的風(fēng)險復(fù)雜，除了基本的生產(chǎn)保障需求之外，還需要更多風(fēng)險保障。

3.其他特征變量：歷年受災(zāi)程度、家庭農(nóng)場經(jīng)營年限預(yù)期、是否獲得政府補貼?？讟s、袁亞林（2010）研究發(fā)現(xiàn)，災(zāi)害經(jīng)歷增強了農(nóng)戶的自然風(fēng)險防范意識，曾經(jīng)遭受過自然災(zāi)害的農(nóng)戶更愿意購買天氣指數(shù)保險。對于大規(guī)模的自然災(zāi)害，新型經(jīng)營主體已無法通過傳統(tǒng)的非正式手段來分散風(fēng)險，可能更愿意購買天氣指數(shù)保險。決策者預(yù)期經(jīng)營年限越長，風(fēng)險越大，越傾向于購買保險。杜鵬（2011）基于湖北省五縣市342戶農(nóng)戶的調(diào)查數(shù)據(jù)顯示，政府補貼水平與農(nóng)業(yè)保險需求顯著正相關(guān)。

三、模型與實證分析

（一）二元變量Logit回歸模型

1.模型選取。本文選擇二元Logistic模型對家庭農(nóng)場農(nóng)業(yè)保險需求影響因素進(jìn)行分析，有需求取值為1，無需求取值為0。

2.模型設(shè)定。根據(jù)Logit計量經(jīng)濟(jì)模型，購買農(nóng)業(yè)保險的概率p的logtistic轉(zhuǎn)換可以表達(dá)為：

Logit（pi）=loge■ （1）

其中，pi為第i個農(nóng)戶購買農(nóng)業(yè)保險的概率。

將式（1）寫成一組自變量的線性組合：

Logit（pi）=loge■=■？茁kXik （2）

其中，xik為第i個農(nóng)戶購買農(nóng)業(yè)保險的影響因素，經(jīng)過簡單的變換，求出概率pi：

pi=■（3）

3.回歸結(jié)果

本文研究運用二元變量Logit回歸模型，對影響家庭農(nóng)場農(nóng)業(yè)保險需求因素進(jìn)行實證分析，運用SPSS16.0統(tǒng)計軟件對數(shù)據(jù)進(jìn)行處理和分析，對不相關(guān)的變量進(jìn)行了剔除，回歸結(jié)果見表2所示。

（二）ISM模型分析

1.用S0、S1、S2、S3、S4、S5、S6、S7、S8分別表示家庭農(nóng)場對農(nóng)業(yè)保險的需求意愿、農(nóng)場主性別、受教育程度、農(nóng)場經(jīng)營土地總面積、家庭農(nóng)場年均收入、家庭農(nóng)場經(jīng)營模式、歷年受災(zāi)程度、家庭農(nóng)場經(jīng)營年限預(yù)期、是否獲得政府補貼。根據(jù)專家和學(xué)者的判斷，做出農(nóng)業(yè)保險需求意愿與影響因素及影響因素相互間的邏輯關(guān)系圖（見圖1）。其中，“A”表示列因素對行因素有影響，“V”表示行因素對列因素有影響。

2.建立鄰接矩陣A。鄰接矩陣是表示有向連接圖中要素之間關(guān)系的矩陣，本文根據(jù)圖1，建立鄰接矩陣A。其中，aij=1表示Si對Sj有影響。

A=0 0 0 0 0 0 0 0 01 0 0 0 1 0 0 0 01 0 0 0 1 0 0 0 01 0 0 0 1 0 0 0 01 0 0 0 0 0 0 1 01 0 0 1 1 0 0 0 01 0 0 0 1 0 0 0 01 0 0 0 0 0 0 0 01 0 0 1 1 0 0 0 0

3.求可達(dá)矩陣M。根據(jù)布爾矩陣運算法則，可以證明：

（A+I）2=I+A+A2（4）

其中，I為單位矩陣。同理可證：

（A+I）k=I+A+A2+……+Ak （5）

其中，k為連乘次數(shù)。如果A滿足條件：

（A+I）k-1≠（A+I）k≡（A+I）k+1≡M （6）

則M為A的可達(dá)矩陣。通過Matlab7.11軟件，求得可達(dá)矩陣M：

M=1 0 0 0 0 0 0 0 01 1 0 0 1 0 0 0 01 0 1 0 1 0 0 0 01 0 0 1 1 0 0 0 01 0 0 0 1 0 0 1 01 0 0 1 1 1 0 0 01 0 0 0 1 0 1 0 01 0 0 0 0 0 0 1 01 0 0 1 1 0 0 0 1

4.最高層級因素確定

L1=SiP（Si）∩Q（Si）=P（Si）；i=0，1……k（7）

式（7）中，P（Si）為可達(dá)集，包含可達(dá)矩陣中從Si出發(fā)可以直接或間接到達(dá)的全部要素；Q（Si）為先行集，包含可達(dá)矩陣中可以直接或間接到達(dá)Si的全部要素。其中：

P（Si）=Sj，mij=1；Q（Si）=Sj，mij=1（8）

式（8）中的mij和mji均是可達(dá)矩陣的元素。根據(jù)式（7）和（8）確定頂層要素集后，在可達(dá)矩陣中刪除L1層中元素，得到矩陣M'，再對M'進(jìn)行（7）和（8）式運算，得到位于第二次要素的集合L2。以此類推，得到位于第三層直至最后一層的要素集合。頂層要素L1={S0}，第二、第三、第四和第五層的要素集依次是L2={S7}，L3={S4}，L4={S3}，L5={S8，S5，S6，S2，S1}。

根據(jù)因素間的邏輯關(guān)系用有向邊連接相鄰層次間及同層次的因素，得出圖3所示的家庭農(nóng)場農(nóng)業(yè)保險需求意愿影響因素間的關(guān)聯(lián)關(guān)系和層次結(jié)構(gòu)。

由圖2知，在家庭農(nóng)場對農(nóng)業(yè)保險需求意愿的影響因素中，家庭農(nóng)場經(jīng)營年限預(yù)期是表層直接影響因素，家庭農(nóng)場年均收入和農(nóng)場經(jīng)營土地總面積是中層間接影響因素，是否獲得政府補貼、家庭農(nóng)場經(jīng)營模式、歷年受災(zāi)程度、農(nóng)場主性別和受教育程度是深層影響因素。

5.根據(jù)L1、L2、L3、L4、L5對M 進(jìn)行重新排列得到骨干矩陣N：

N=1 0 0 0 0 0 0 0 01 1 0 0 0 0 0 0 01 1 1 0 0 0 0 0 01 0 1 1 0 0 0 0 01 0 1 0 1 0 0 0 01 0 1 0 0 1 0 0 01 0 1 0 0 0 1 0 01 0 1 0 0 0 0 1 01 0 1 0 0 0 0 0 1

（三）實證結(jié)論

由回歸模型可知，年齡對農(nóng)業(yè)保險需求的影響并不顯著，其原因可能是因為年齡對農(nóng)業(yè)保險的影響成“U”型影響，年齡偏大和偏小對農(nóng)業(yè)保險的了解較少，年齡與農(nóng)險的需求成非線性關(guān)系。

1.表層影響因素分析。家庭農(nóng)場經(jīng)營年限的回歸系數(shù)為0.218，在5%的水平上統(tǒng)計顯著，與購買農(nóng)業(yè)保險意愿成正相關(guān)。家庭農(nóng)場的收入影響了農(nóng)場的預(yù)期經(jīng)營年限，收入越高，農(nóng)場經(jīng)營預(yù)示著相對穩(wěn)定，決策者也更愿意維持現(xiàn)狀或擴大生產(chǎn)，農(nóng)場的經(jīng)營年限預(yù)期就會越高，農(nóng)場主更愿意購買保險來規(guī)避風(fēng)險。

2.中層間接影響因素分析。家庭農(nóng)場年均收入和農(nóng)場經(jīng)營土地總面積的回歸系數(shù)分別為0.283和0.248，收入在5%的統(tǒng)計水平下顯著，經(jīng)營面積在10%的統(tǒng)計水平下顯著，與農(nóng)業(yè)保險的需求意愿成正相關(guān)。價格風(fēng)險和自然風(fēng)險是影響家庭農(nóng)場收入的主要因素，農(nóng)場主更愿意購買保險來分散風(fēng)險。農(nóng)戶經(jīng)營土地總面積越大，面臨的風(fēng)險越大，對農(nóng)業(yè)保險的需求越明顯。

3.深層根源因素分析。農(nóng)場主性別和受教育程度的回歸系數(shù)分別為-0.765和0.399，在5%的統(tǒng)計水平下顯著。在農(nóng)村地區(qū)十分傳統(tǒng)，一般男性的受教育程度比女性高，更易接受農(nóng)業(yè)保險。是否獲得政府補貼的回歸系數(shù)為0.622，在5%的統(tǒng)計水平上顯著，與購買農(nóng)業(yè)保險成正相關(guān)。家庭農(nóng)場經(jīng)營模式的回歸系數(shù)為0.938，在5%的統(tǒng)計水平上顯著，說明合作的模式下家庭農(nóng)場更傾向于購買保險。因為合作的經(jīng)營投資周期長、額度大，生產(chǎn)經(jīng)營績效受自然災(zāi)害和市場因素影響的整體關(guān)聯(lián)性高，面臨的風(fēng)險也更大，決策者傾向于購買保險。歷年受災(zāi)程度的回歸系數(shù)為0.376，在5%的統(tǒng)計水平上顯著，受災(zāi)經(jīng)歷增強了農(nóng)戶的自然風(fēng)險防范意識，曾經(jīng)遭受過自然災(zāi)害的農(nóng)戶更愿意購保險。

四、政策建議

（一）創(chuàng)新一批適合新型家庭農(nóng)場特色的農(nóng)業(yè)保險產(chǎn)品

保險公司應(yīng)根據(jù)新型家庭農(nóng)場的經(jīng)營年限預(yù)期、經(jīng)營收入的高低和經(jīng)營土地面積的大小，以及農(nóng)戶的風(fēng)險偏好，結(jié)合有無其他分散風(fēng)險的替代工具和歷年受災(zāi)情況，不斷地創(chuàng)新推出一批保險費率和理賠合理、適合家庭農(nóng)場主經(jīng)營的特色農(nóng)業(yè)保險產(chǎn)品，更好的迎合新型家庭農(nóng)場主的保險需求。

（二）加大新型農(nóng)業(yè)保險產(chǎn)品的宣傳力度

傳統(tǒng)的農(nóng)險產(chǎn)品過于單一，沒有對家庭農(nóng)場主的生產(chǎn)經(jīng)營提供有力的保障，滿足不了農(nóng)業(yè)主的需求，而新型農(nóng)業(yè)保險產(chǎn)品的因普及程度不夠，農(nóng)場主對新型保險產(chǎn)品又不夠了解。因此，保險公司應(yīng)根據(jù)家庭農(nóng)場主的保險需求，加大新型農(nóng)業(yè)保險產(chǎn)品的宣傳和營銷力度，讓農(nóng)場主了解新型農(nóng)業(yè)保險產(chǎn)品的功能，以此來提高其對農(nóng)業(yè)保險需求。

（三）加大對家庭農(nóng)場的支持補貼力度

基于我國是農(nóng)業(yè)風(fēng)險巨大，單個農(nóng)戶抵抗風(fēng)險的能力有限，政府應(yīng)出臺相關(guān)政策，鼓勵家庭農(nóng)場合作經(jīng)營，提高家庭農(nóng)場整體抗風(fēng)險能力。同時，政府對家庭農(nóng)場的補貼，建議由購買農(nóng)業(yè)保險的補貼，擴大至農(nóng)村教育特別是農(nóng)村職業(yè)教育和購買農(nóng)機具的補貼，以此提高家庭農(nóng)場主的生產(chǎn)經(jīng)營能力，以此擴大家庭農(nóng)場主的農(nóng)業(yè)保險需求。

（責(zé)任編輯：孟潔）

參考文獻(xiàn)：

[1]Molua E L.Farm income，gender differentials and climate risk in Cameroon：typology of male and female adaptation options across agroecologies[J].Sustainability Science，2011， 6（1）：21-35.

[2]Nowak P，Romaniuk M.Pricing and simulations of catastrophe bonds[J].Insurance Mathematics&Economics，2013，52（1）：18-28.

[3]Shi X，Heerink N，F(xiàn)utian Q U.Does off-farm employment contribute to agriculture-based environmental pollution？New insights from a village-level analysis in Jiangxi Province，China[J].China Economic Review，2011，22（4）：524-533.