该研究基于意大利103个省份1998—2002年的数据，运用梯度提升方法分析非寿险（不含强制车险）人均保费支出的影响因素。研究采用广义空间面板误差成分模型，并引入L₂提升算法与事后去选机制，在低维变量环境中实现了数据驱动的变量筛选与系数估计。
核心发现表明，人均GDP、银行人均存款、人口密度、家庭平均规模、司法效率、利率是影响非寿险消费的关键变量。其中，人均GDP的系数估计值约为0.47（标准化后），显示经济越发达的地区，非寿险消费越高；银行人均存款和人口密度同样呈现显著正向关联，反映金融渗透与城市化对保险需求的拉动作用。
相反，家庭平均规模每增加一人，人均非寿险保费约下降0.1欧元，表明大家庭可能通过内部互助替代部分商业保险；司法效率（民事案件平均审理年限）系数为负，司法拖沓削弱了保险合同的执行力，抑制投保意愿。利率对非寿险消费有微弱负向影响，可能与储蓄替代效应有关。
空间自相关系数显著为正，表明邻近省份的扰动项存在正相关性，即保险消费存在地理溢出效应——某一地区的制度环境或经济冲击会波及相邻区域。模型在去选后仅保留6个核心变量，剔除了多数空间滞后项，说明局地社会经济特征比空间互动效应更能解释非寿险消费差异。
从保险定价和市场拓展视角看，该研究为精算师提供了可解释的区域风险因子库。经济产出、司法效率、家庭结构可作为地区定价因子的补充，尤其在意法德等高度制度化的市场中，司法效率常被纳入费率厘定模型。研究也验证了梯度提升方法在空间面板数据中的变量筛选优势——相比传统极大似然或矩估计，该方法在高维场景下仍能稳定识别关键因子，为保险业精算建模提供了新的计量工具。
发布者：保险日报，转转请注明出处：https://www.insurdaily.com/archives/6805.html
微信扫一扫 
