第２３卷第１２期 Ｖｌｏ１．２３ Ｎｏ．１２ 统计与信息论坛 Ｓｔａｔｉｓｔｉｃｓ＆Ｉｎｆｏｒｍａｔｉｏｎ Ｆｏｒｕｍ ２００８年１２月 Ｄｅｃ．，２００８ 【统计应用研究】 中国保险密度区域性差异的影响因素分析 ——基于２０００—２００６年Ｐａｎｅｌ Ｄａｔａ模型 周四军，刘 红 （湖南大学统计学院，湖南长沙４１００７９） 摘要：对２０００—２００６年中国东部、中部、西部地区保险密度的差异进行了比较，对保险密度的影响因子进 行了主成分分析，利用Ｐａｎｅｌ Ｄａｔａ模型分别对东部、中部、西部地区进行回归分析，研究表明：引起各地区保险 密度差异的因素主要有地区人均ＧＤＰ、人均消费水平、文化程度、城市化、产业结构、社会福利费用、性别比和 年龄结构等，不同地区保险密度的影响因素和影响程度不同。为了缩小保险密度区域性差异，应针对不同地 区采取相应的政策措施。 关键词：保险密度；面板数据；主成分分析；回归分析 中图分类号：Ｆ８４２ 文献标识码：Ａ 文章编号：１００７—３１１６（２００８）１２—００４３—０６ 改革开放以来，由于区域经济发展不平衡，导致 中国保险市场地区发展不平衡，保险市场区域性发 展差异成为热点问题。保险密度是指某地区的人均 保费收入，它反映该地区保险的普及程度和保险的 发展水平。影响保险密度区域性差异的因素众多， 国内外学者的观点各有不同。Ｓｋｉｐｐｅｒ对有关经济 增长与保险需求的关系作了归纳，提出经济增长是 解释保险需求最重要的因素ｕ Ｊ。国内学者张伟等 通过对中国１９９７—２００１年保险收入及其影响因素 的因果检验和各因素与保险收入的回归分析发现， 动因素，而通货膨胀对保险业发展产生一定的抑制 作用［６。目前有关中国保险业发展区域性差异的 ６］研究，大多是对地区间保费规模、保险密度或保险深 度进行简单的数据比较，片面地从经济发展水平等 方面去解释这些差距的原因，而系统地研究中国保 险业发展区域性差异的成果较少。同时，国内学者 对保险密度的研究大多是基于截面数据或是时间序 列数据，而没有考虑到其指标数据的有效性、共线性 等原因，从而使分析结果不够全面。分析中国保险 密度区域性差异，对评价区域保险经济发展水平、区 域保险资源状况和发展区域保险市场具有重要现实 意义。本文在对中国东部、中部、西部地区２０００— ２００６年保险密度主成分分析的基础上，通过面板数 据模型分析，探求引起中国保险密度区域性差异的 主要原因。 一ＧＤＰ、经济发展水平的差距、社会保障水平和人们的 风险意识是引起保险密度区域性差异的主要原 因［ 。张芳洁认为保险业的发展和产业结构变动、 市场化水平、通货膨胀率等有关［３ｌ。郭金龙等通过 对中国保险业发展的人口因素分析，得出老龄化程 度、城乡结构、教育程度等对保险业的影响越来越显 著的结论［ 。何邵慰对２００５年各省保险收入影响 因素进行了因子分析，指出要调整经营策略，加强保 险市场开发【５。杜聪慧等通过实证研究发现，５＿收入 的持续稳定增长、产业结构的渐进合理化、人们受教 、中国保险密度区域性差异的 统计分析 （一）中国东部、中部、西部地区保险密度的比较 育程度的不断提高是中国保险业快速增长的主要推 收稿日期：２００８—０６－２０；修复日期：２００８—１０—１７ 保险密度反映保险的普及水平和保险业发展的 总体水平，体现了保险市场资源的转化程度和需求 作者简介：周四军（１９６６一），男，湖南长沙人，经济学博士，副教授，湖南大学“９８５工程”经济开放与现代金融管理研究员， 研究方向：风险管理与金融统计； 刘ｇｌｉ（１９８５一），女，湖南常德人，硕士生，研究方向：风险管理与金融统计。 ４３ 统计与信息论坛 状况，表达了（平均意义上）人们在收入中用于保障 大，其７年的平均保险密度分别是中部地区和西部地 的部分 。一般说来，保险密度大，表明该地区保 区的３．３倍和３．８倍，而中部和西部的保险密度水平 险业发达，市场发育水平高。一个地区的保险业发 匕较接近。从２０００年至２００６年东部、中部、西部以 展和保险密度是其经济、社会、文化等诸多因素共同 及全国的保险密度分别增长７７３元／人、２１８元／人、 作用的结果。 １７１元／人和１８７元／人。东部、中部、西部以及全国保 表１显示了２０００—２００６年中国东部、中部、西部 险密度的年均增长速度分别为２５．２％、２４．６％、 地区保险密度水平。可以看出，中国保险密度区域性 ２０．７％和２４．１％，东部保险密度年均增长速度最快， 发展极不平衡，呈“梯度”分布，这与中国区域经济发 中部次之，西部最慢，说明在短期内中部和西部的保 展不平衡有着密切的关系。东部地区的保险密度最 险密度水平赶超东部还存在很大的困难。 表１ ２０００—２００６年中国东部、中部、西部地区保险密度及其增长速度比较表 注：数据来源于《中国保险年鉴》（２００１—２００７）和《中国统计年鉴》（２００１—２００７）。２００１—２００３年的城市化水平是根据 ２００４—２００６年的城市化水平的平均发展水平而来。东、中、西三类地区按照《中国五十年统计资料汇编》中的划法。 （二）中国保险业发展的影响因素分析 影响因素主要有四类：一是经济发展水平和法律法 １．经济发展水平。从保险经济学理论和保险发 规。反映经济发展水平的指标包括ＧＤＰ、消费水 展历史来看，经济发展是保险需求总量增加和结构 平、产业构成等。ＧＤＰ和消费水平反映一个地区的 升级的根本源泉。当经济发展不断推动人类经济活 经济发展水平和财富积累水平，一般来说，经济越发 动范围扩张时，各种风险也就随之增加，与此相对 达财富积累越多的地区，人们的保险需求就越高；而 应，经济活动主体的保险需求也就会随之上升。由 由于二三产业方面的保险险种多，需求量也大，故二 于ＧＤＰ的增速和保费增速之间存在明显的正相关 三产业的构成比例越大，则保险收入也就越大。二 性，中国保险市场将会继续快速发展。 是人口因素，包括总人口、性别比例、老龄化人口比 ２．社会政治制度、政策及法规。社会保障制度 例、文化程度、城市化水平、失业率等。人口越多的 中覆盖面广、影响力大的社会保险与商业保险作为 地区保险消费越大；女性的风险意识一般比男性高， 现代保险的两个支柱，二者的发展密切相关。它们 故性别比（男女比例）越高的地区风险意识相对要 之间既有联系又有区别，从而在一定制度条件下互 低，保费收入也要低；而老龄化人口比例越高的地 为补充，成为社会经济保障制度的重要组成部分。 区，寿险以及人身险收入会比较高；文化程度越高、 ３．人口总量、结构的变动。作为一个拥有１３亿 城市化程度越高的地区，人们更能理解风险管理手 人口快速发展的大国，中国保险市场发展的潜力和 段，对保险的需求越高。三是保险替代因素，主要是 空间是十分巨大和广阔的。人口的增长及老龄化趋 指社会福利保障水平和失业率，社会福利保障对保 势和家庭结构小型化都将进一步刺激保险需求。 险起替代作用，社会福利保障越好，人们的基本生活 ４．社会文化结构及传统习惯和观念。社会结 越有保障，保险需求就越小；而失业率越高，人们的 构、文化背景、伦理道德、历史传统等，都将对保险业 可支配收入就会减少，保险需求也就越低Ｌ８】。四是 发展产生一定的影响。教育的发展，人们受教育水 保险公司数量和保险品种。 平的提高，相应会提高人们的保险意识，增加保险的 本文认为保险密度的影响因素主要有人均 需求。 ＧＤＰ（ｘ１）、人均消费水平（Ｘ２）、城市化率（ｘ３）、产 （三）中国保险密度影响因素的主成分分析 业结构（Ｘ４）、文化程度（ｘ５）、年龄结构（Ｘ６）、失业 根据保险业发展的影响因素分析，保险密度的 率（ｘ７）、人均社会福利保障费（ｘ８）、性别比（ｘ９）。 ４４ 周四军，刘红：中国保险密度区域性差异的影响因素分析 利用２０００—２００６年全国３０个省市（因缺数据，不含 西藏）的数据进行主成分分析，根据各主成分对原 Ｐａｎｅｌ Ｄａｔａ模型能更好地研究经济行为变化的动态 性，一般形式为： ＢＸＭＤ￣：ｆｌｔｉｔ＋ｆｌｕＤ ＋ 缸 始信息的解释比例大于８５％的原则，选取三个主成 分，其旋转后的因子负荷矩阵如表２。 表２ 最大方差正交法旋转后的主成分结果表 （ｉ＝１，２，…，Ｎ；ｔ＝１，２，…，Ｔ） （１） 其中，ＢＸＭＤ赴是各样本点在各时间的保险密度变 量，Ｄ 是Ｄ （主成分向量）的转置，Ｄｉｔ＝（Ｄ１ ， Ｄ２ ，Ｄ３扛）， ＝（８１ ， ，８３缸）。 是斜率，代表 各因子的影响系数；Ｃｔ如是截距，代表截面单元的个 体特性，反映了模型中被遗漏的体现个体差异变量 的影响； 是模型中被遗漏的体现随截面和时序变 化的影响因素。ａ缸和 只受到截面单元的影响，一 般情况下口 ≠ ， ≠ （ ≠ ）。假定参数不随 时间的变化而不同，模型（１）可以表示为： 由表２可以看出第一个主成分中ｘｌ、ｘ２、ｘ３、 Ｘ４、ｘ５的载荷系数较大，主要概括了地区人均 ＧＤＰ、人均消费水平、文化程度、城市化率、产业结构 等变量因素。由于人均ＧＤＰ、人均消费水平、城市 化率、文化程度以及产业结构都属于说明经济发展 水平的因子，彼此之间的相关程度较大，由于它们主 要是对经济发展水平的解释，可称为经济因子 （Ｄ１）。第二个主成分主要是对年龄结构（ ）和性 别比（ｘ ）的解释，由于它主要是对人口因素的解 释，故称为人口因子（Ｄ２）。第三个主成分主要是对 失业率（Ｘ７）和社会保障福利（Ｘ８）的解释，社会保 障福利和失业率间存在着较高的相关度，主要是对 保险的社会替代因素，称为社会因子（Ｄ３）。 以各主成分对主要解释的变量的方差比作为权 数，进行加权平均得到： Ｄａ＝０．１９４ ６Ｘ１＋０．１９５ ０Ｘ２＋０．２０５ ２Ｘ３＋ ０．２０７ ５Ｘ４＋０．１９７ ６Ｘ５ Ｄ２＝０．４７７ ８Ｘ６—０．５２２ ２Ｘ９ ＢＸＭＤ￣＝ｆｉｔｉ＋ 设： ＋ （２） 模型（２）中的截距和斜率参数有下面两种假 假设１：斜率在不同的截面样本点上相同，但截 距不同，模型（２）可以表示为： ＢＸＭＤ￣＝口 ＋ Ｄ ＋／１如 同，式（１）可表示为： ＢＸＭＤ￣＝口＋卢Ｄ ＋／１ （４） 构造Ｆ检验统计量完成对模型的设定检验。假 （３） 假设２：斜率和截距在不同的截面样本点上相 设１和假设２的Ｆ检验统计量分别为： Ｆ＝ｒ 一１ Ｓ／ＮＴ 需 １［ 一Ｎ（ Ｋ＋１）］ 一ｒ～Ｆ［ Ｌ（＼ Ｎ一１一 ，）Ｋ， Ｎ（丁一Ｋ一１）］ Ｆ２＝ 』’ 一 ＿１［／ 一Ｎ（Ｎ Ｔ Ｋ＋１）］ ～ｒ～Ｆ［ Ｌ 一（Ｎ一 １）（Ｋ＋１），Ｎ（丁一Ｋ一１）］ 其中Ｓ１、ｓ２、Ｓ３分别代表模型（２）、（３）、（４）的残差平 方和，Ｎ代表截面样本点的个数，东部、中部、西部的 －－＝ＳＤ３＝０．４９７ ２Ｘ７＋０．５０２ ８Ｘ８ 二、中国保险密度区域性差异的 Ｐａｎｅｌ Ｄａｔａ模型分析 （一）Ｐａｎｅｌ Ｄａｔａ模型形式及设定 取值分别为１１，８、１１，Ｔ代表时序的期数，Ｋ代表自变 量的个数，本文中Ｔ＝７，Ｋ＝３０首先检验假设２，若 Ｆ２小于某置信度下的同分布临界值，则接受假设２， 用模型（４）拟合样本；否则拒绝假设２，继续检验假设 １。若Ｆ 小于某置信度下的同分布临界值，则接受假 设１，用模型（３）拟合样本；否则拒绝假设１，用模型 面板数据（Ｐａｎｅｌ Ｄａｔａ）是综合时间序列数据和 截面数据两方面的信息，即在时间序列上取多个截 面，在这些截面上选取多个指标而成的样本数据。 （２）拟合样本。由于本文中各区域的截面单元都是总 体中的所有单位，故都采用固定效应模型①。 ① 根据样本数据性质的不同，模型（２）和模型（３）有固定效应和随机效应之分，固定效应反映的时期和个体遗漏的估计作为位 置的常数，随机效应将其视为随机变量。如果截面单元是从所属总体中随机抽取的，则总体中的个体差异服从随机分布，采 用随机效应模型；而当选择的截面单元是总体的所有单元时，固定效应模型更合适。 ４５ 统计与信息论坛 为了数据的可比性，在对面板数据进行分析前 型设定检验的有关统计量如表３。 将２０００—２００６年的数据用ｚ—ｓｃｏｒｅ法标准化。模 表３ Ｐａｎｅｌ Ｄａｔａ模型设定的检验表 注：表中＊表示在５％的显著水平下通过ｔ检验。 （二）Ｐａｎｅｌ Ｄａｔａ模型回归结果 根据表３得出的结论，选择相应的模型形式，分 别利用三类地区的面板数据进行回归并对模型进行 修正①，结果如表４、表５和表６。 表４东部地区Ｐａｎｅｌ Ｄａｔａ模型回归结果表 表６西部地区Ｐａｎｅｌ Ｄａｔａ模型回归结果表 比较三类地区的回归模型可以发现，东部的经 济因子Ｄ１和社会因子Ｄ３在１０％的显著水平下对 保险密度影响显著，而中部只有经济因子Ｄ１在 ２０％的显著水平下影响显著；西部只有经济因子Ｄ１ 在１０％的显著水平下影响显著，说明中部和西部保 险密度只受经济因子的影响。按照各因子包含的因 素，得到回归方程②： 东部： ＢＸＭＤ ＝Ｃ＋０．０３７ ８０８Ｘｌ＋０．０３７ ８８６Ｘ２＋ ０．０３９ ８６８Ｘ３＋０．０３８ ３９１Ｘ４＋ ０．０４０ ３１５Ｘ５＋０．０６７ ７６７Ｘ７＋ ０．０６７ ０１２Ｘ８ 中部： ＢＸＭＤ靠＝Ｃ一０．０５８ ５０８Ｘ１—０．０５８ ６２８Ｘ２— ０．０６１ ６９５Ｘ３—０．０５９ ４１Ｘ４— 表５ 中部地区Ｐａｎｅｌ Ｄａｔａ模型回归结果表 ０．０６２ ３８６Ｘ５ 墨墼 ！ 量 Ｄ１ 篁 量 Ｒ ＝０．８５６３２７ ｏ．３￣６５７—１．４３０４１５ ｏ．１５９２ 西部： ＢＸＭＤ ＝０．２９６ １５３十０．０３５ ４９Ｘ１＋ 固定效应 模型常数 山西一Ｃ一０．０７９８１６ 修正的Ｒ ＝０．８３１８７３ ０．０３５ ５６３Ｘ２＋０．０３７ ４２４Ｘ３＋ ＤⅣ＝１．５８０８８７ 吉林一Ｃ一０．３８６３５５ 黑龙江一Ｃ一０．２４６５１７ 安徽一Ｃ一０．３５１７２１ 江西一Ｃ一０．４７６６９６ ０．０３６ ０３７Ｘ４＋０．０３７ ８４３Ｘ５ 从表４～６可以看出，造成地区间保险密度发展 河南一Ｃ一０．５４４１６８ 不平衡的原因是多方面的。一是经济因子差异，它 包括人均ＧＤＰ、人均消费水平、城市化程度、产业比 湖北一ｃ一０．４３１９３３ 湖南一Ｃ一０．５８７９１３ 例和文化程度，东部和西部的总体经济发展水平与 其保险密度成正相关关系，其保险密度也最高；而中 ①经对三类地区的每个省（市）的保险密度进行单位根检验（ ］Ｆ检验）和协整检验（Ｇｒａｎｇｅｒ检验）表明，在１０％的显著性水 平下，２０００—２００６年保险密度序列是平稳时间序列，保险密度变量与各个主成分变量之商存在协整关系，它们之间存在 着一个长期稳定的关系。 ② 由于东部和中部的回归方程是固定效应模型，其截距是变截距，为方便起见在这里用Ｃ来代替。 ４６ 周四军，刘红：中国保险密度区域性差异的影响因素分析 部的这些经济因素只有在２０％的显著水平才对保 险密度有显著影响，并且与其保险密度是负相关关 系，这说明中部的保险业发展与经济发展水平不相 适应，还存在着巨大的发展潜力。二是社会因子差 异，即社会福利保障和失业率的差异，三类地区中只 有东部的社会因子对保险密度影响显著，起到了替 代作用，这说明东部的社会基本保障已经基本实现， 并且再增加社会福利保障就会转化为商业保险，而 中部和西部的社会因子不显著，说明居民还尚未实 现基本社会保障，保障水平还只能用于基本生活保 障，还不能转化为商业保险以实现更高层次的保障 需求。 类，为当地经济发展和居民生活提供优质的保险服 务。为了缩小中国保险密度区域性差异，应针对不 同地区采取相应的政策措施： 第一，对于东部地区，应充分利用东部经济发达 和保险资源丰富的优势，进一步提高东部地区保险 密度。东部地区经济发达，居民消费水平较高，人们 有更加多样化、个性化的保险需求，需要保险经纪人 为其量身定做保险计划和理财计划，保险经纪业务 有很大的发展空间，保险公司应积极开发住房、车辆 等财产保险，进一步发展和完善东部地区沿海省市 的海洋渔业保险制度。 第二，对于中部地区，应提高风险意识水平，使 中部地区保险密度与其经济同步发展，实现中部崛 起。中部地区保险业发展还跟不上经济的发展。要 缩小与东部地区的差距，目前最首要的是要提高中 部地区人们的风险意识水平，挖掘潜在的市场空间。 中部地区聚集大多数农业经济占主体地位的省市， 应开发农业保险、农民医疗、养老保险等，为农业和 农村的发展提供相应的保险保障ｌ９９。Ｊ 第三，对于西部地区，政府应该给予政策上的倾 斜，促进西部地区保险业的超常规发展。西部地区 由于经济比较落后，保险市场潜力的开发受到很大 限制，其市场发育水平总体上较为滞后。西部地区 适合于开展保险代理业务，保险代理公司可以在此 类地区开拓市场，保险代理业务的开展有利于引导 当地居民的保险需求，促进当地保险业发展。在普 及一般保险产品的基础上，开发出一些低缴费、低保 障、方便购买的保险产品，开发出适应西部地区经济 发展的新险种。 三、缩小中国保险密度 区域性差异的政策建议 通过分析可知中国东部、中部和西部地区保险 密度发展不平衡主要是经济和社会发展的差异造成 的。区域保险市场的发展目标应当是适应区域经济 和社会发展的需要，促进区域经济和社会的发展。 政府应为区域保险发展创造良好条件，出台关于加 快发展当地保险业的指导性意见，制定一系列相关 保障措施，为保险业发展提供政策保证。国家保监 会应该配合国家经济发展战略，制定向中西部地区 倾斜的保险产业政策，比如鼓励保险公司进入中西 部地区的优惠政策，加快审批西部地区的区域保险 公司及其分支机构的设立，下放部分保险监管职能 给中西部地区的保险监管机构等。各地保监局要结 合区域实际科学制定当地保险业的发展规划，改进 监管方式和手段，引导保险业健康发展。保险公司 在完善传统保险产品的同时要不断丰富保险产品种 参考文献： ［１］Ｈａｒｏｌｄ Ｄ Ｓｋｉｐｐｅｒ Ｊｒ．国际风险与保险：环境管理分析［Ｍ］．北京：机械工业出版社，１９９９：８９—１０５． ［２］张伟，郭金龙，张许颖，邱长溶．中国保险业发展的影响因素及地区差异分析［Ｊ］．数量经济技术经济研究，２００５（７）：１０８— １１７． ［３］张芳洁．影响中国保险业发展的经济因素实证分析［Ｊ］．数量经济技术经济研究，２００４（３）：２５—３１． ［４］郭金龙，张吴．中国保险业发展的人口因素分析［Ｊ］．中国人口科学，２００５（１）：７４—８０． ［５］何邵慰．中国保险业区域性差异研究［Ｊ］．审计与经济研究，２００６（５）：６９—７０，９１． ［６］杜聪慧，崔永伟，崔玉杰．中国保险业发展影响因素实证分析［Ｊ］．北方工业大学学报，２００６（３）：６９—７３． ［７］何晓群．多元统计分析［Ｍ］．北京：中国人民大学出版社，２００４：１３５—１６５． ［８］易丹辉．数据分析与ＥＶｉｅｗｓ应用［Ｍ］．北京：中国统计出版社，２００４：２０１—２１４． ［９］江生忠．中国保险业发展报告２００３［Ｍ］．天津：南开大学出版社，２００３：４５—６３． （责任编辑：张治国） （下转第８５页） ４７ 胡弱：统计学期刊学术影响分析 学期刊整体被引广度显著增加，以及统计学研究与 参考文献： 其他学科研究有相互渗透趋势。 ［１］中国科技信息研究所，万方数据股份有限公司．中国科技期刊引证报告２００７版：扩刊版［Ｍ］．北京：科学技术出版社， ２００７． ［２］苏新宁．构建人文社会科学学术期刊评价体系［Ｊ］．东岳论丛，２００７（１）：３５—４２． ［３］刘勇．论用期刊影响因子评价论文作者的逻辑前提与局限性［Ｊ］．编辑学报，２００７（２）：１５２—１５３． ［４］党亚茹．学科影响因子：我国各学科发展趋势评价［Ｊ］．情报理论与实践，２００１（４）：２６５—２６８． （责任编辑：崔国平） Ａｎａｌｙｓｉｓ ｏｎ ｔｈｅ Ａｃａｄｅｍｉｃ Ｉｎｆｌｕｅｎｃｅ ｏｆ Ｓｔａｔｉｓｔｉｃａｌ Ａｃａｄｅｍｉｃ Ｊｏｕｒｎａｌｓ ——Ｂａｓｅｄ ｏｎ ＣＳＳＣＩ（２００４－－２００６） ＨＵ Ｙｕｅ （Ｃｈｉｎｅｓｅ Ｓｏｃｉａｌ Ｓｃｉｅｎｃｅｓ Ｒｅｓｅａｒｃｈ Ｅｖａｌｕａｔｉｏｎ Ｃｅｎｔｅｒ，Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ ２１００９３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｓａｍｐｌｅ ｄａｔａ ｏｆ ｓｔａｔｉｓｔｉｃａｌ ｊｏｕｒｎａｌｓ ｉｎ ＣＳＳＣＩ ｆｒｏｍ ２００４—２００６ ｃｏｍｐｉｌｅｄ ｂｙ Ｃｈｉｎｅｓｅ Ｓｏｃｉａｌ Ｓｃｉｅｎｃｅｓ Ｒｅｓｅａｒｃｈ Ｅｖａｌｕａｔｉｏｎ Ｃｅｎｔｅｒ，ｔｈｉｓ ｐａｐｅｒ ｍａｋｅｓ ｓｔａｔｉｓｔｉｃａｌ ａｎａｌｙｓｅｓ ｏｎ ｔｈｅ ｅｖａｌｕａｔｉｏｎ ｉｎｄｅｘ，ｓｕｃｈ ａＳ ｓｐｅｅｄ ｏｆ ｃｉａｔｔｉｏｎ，ｔｉｍｅｓ ｃｉｔｅｄ ａｎｄ ｉｍｐａｃｔ ｆａｃｔｏｒ，ＳＯ ｔｈａｔ ｔｏ ａｎａｌｙｚｅ ｔｈｅ ａｃａｄｅｍｉｃ ｉｎｆｌｕｅｎｃｅ ａｎｄ ｄｅｖｅｌｏｐｍｅｎｔ ｔｒｅｎｄ ｏｆ ｌｌａ ｋｉｎｄｓ ｏｆ ｉｏｕｍａｌｓ． Ｋｅｙ ｗｏｒｄｓ：ｓｔａｔｉｓｔｉｃｓ；ａｃａｄｅｍｉｃ ｉｎｆｌｕｅｎｃｅ；ｊｏｕｒｎａｌ ｅｖａｌｕａｔｉｏｎ （上接第４７页） Ａｎａｌｙｓｉｓ ｏｎ Ｒｅｇｉｎａｌ Ｄｉｓｔｒｉｃｔｉｏｎ ｏｆ Ｃｈｉｎａ Ｉｎｓｕｒａｎｃｅ Ｉｎｄｅｎｓｉｔｙ －－Ｂａｓｅｄ Ｏｉｌ Ｐａｎａｌ Ｄａｔａ ｏｆ ２０００ ｔｏ ２００６ ＺＨ（）Ｉ Ｓｉ－ｊｕｎ，ＬＩＵ Ｈｏｎｇ （Ｓｃｈｏｏｌ ｏｆ Ｓｔａｔｉｓｔｉｃｓ，Ｈｕｎａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎ ｈａ ４１００７９，Ｃｈｉｎａ） Ａｂｓｔａｃｔ：ｒＴｈｉｓ ｐａｐｅｒ ｆｉｒｓｔｌｙ ｄｉｖｉｄｅｓ ｔｈｅ ３０ ｐｒｏｖｉｎｃｅｓ ａｎｄ ａｕｔｏｎｏｍｏｕｓ ｒｅｇｉｏｎｓ ｉｎｔｏ ｅａｓｔｅｒｎ，ｃｅｎｔｒａｌ，ａｎｄ ｗｅｓｔｅｍ，ａｎｄ ｏｂｓｅｒｖｅｓ ｔｈｅｉｒ ｄｉｓｔｒｉｃｔｉｏｎ ｉｎ ｉｎｓｕｒａｎｃｅ ｄｅｎｓｉｔｙ ｉｎ ２０００ ｔｏ ２００６，ｔｈｅｎ ｃａｒｒｙｓ ｏｕｔ ａ ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ ｉｎ ｔｈｅ ｍｕｌｔｉ——ｄｉｍｅｎｓｉｏｎａｌ ｓｔａｔｉｓｔｉｃａｌ ａｎａｌｙｓｉｓ ｔｏ ｓｅｖｅｎ ｙｅａｒ ａｖｅｒａｇｅ ｉｎｓｕｒａｎｃｅ ｉｎｄｅｎｓｉｔｙ ｉｎｆｌｕｅｎｃｅ ｆａｃｔｏｒｓ ｆｏｒ ｔｈｅ ｎａｔｉｏｎ，ａｎｄ ｓｙｎｔｈｅｓｉｚｅｓ ｔｈｅ ｎｅｗ ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｆａｃｔｏｒｓ ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔｓ ａｎａｌｙｓｉｓ ｒｅｓｕｌｔ ｗｅｉｇｈｒｉｎｇ．Ｌｅａｄｉｇ ｔｎｏ ｄｉｓｔｒｉｃｔｉｏｎ ｏｆ ｉｎｓｕｒａｎｃｅ ｉｎｄｕｓｔｒｙ ｂｅｔｗｅｅｎ ａｒｅａｓ ａｒｅ ＧＤＰ ｆａｃｔｏｒｓ，ｔｈｅ １ｅｖｅｌ ｏｆ ｃｏｎｓｕｍｐｔｉｏｎ，ｅｄｕｃａｔｉｏｎ １ｅｖｅｌ，ｔｈｅ ｕｒｂａｎ ｐｏｐｕｌａｔｉｏｎ ｒａｔｉｏ，ｔｈｅ ｉｎｄｕｓｔｒｉｌａ ｓｔｒｕｃｔｕｒｅ，ｓｏｃｉａｌ ｗｅｌｆａｒｅ ｃｏｓｔｓ ａｓ ｗｅｌ１ ａｓ ｓｅｘ ｒａｔｉｏ ａｎｄ ｇｅ ｓｔａｕｃｔｒｕｒｅ ｎｄ ａＳＯ ｏｎ．Ａｔ ｌＳｔ。ａａｎａｌｙｓｅｓ ａｎｄ ｃｏｍｐａｒｅｓ ｐａｎｅｌ ｄａｔａ ｏｎ ｔｈｅ ｅａｓｔｅｒｎ，ｃｅｎｔｒｌ ａａｎｄ ｗｅｓｔｅｒｎ ｒｅｇｉｏｎｓ ｉｎ ２０００ ｔｏ ２００６，ｏｂｔｍｎｓ ｔｈａｔ ｔｈｅ ｐｒｉｍａｒｙ ｆａｃｔｏｒｓ ｏｆ ｄｉｓｔｒｉｃｔｉｏｎ ｉｎ ｖａｒｉｏｕｓ ｒｅｇｉｎａｌ ｉｎｓｕｒａｎｃｅ ｉｎｄｅｎｓｉｔｙ ａｒｅ ｅｃｏｎｏｍｉｃ ｆａｃｔｏｒｓ ａｎｄ ｓｏｃｉｌ ｓｅｃｕｒｉａｔｙ １ｅｖｅ１．Ｔｏ ｉｍｐｒｏｖｅ ＯＵｒ ｎａｔｉｏｎａｌ ｉｓｕｒｎｎｃｅ ａｉｎｄｅｎｓｉｔｙ ａｎｄ ｎａｒｒｏｗ ｒｅｇｉｎａｌ ｄｉｓｔｒｉｃｔｉｏｎ ｂｅｔｗｅｅｎ ｄｉｆｆｅｒｅｎｔ ｒｅｇｉｏｎ，ｄｉｆｆｅｒｅｎｔ ｒｅｇｉｏｎ ｓｈｏｕｌｄ ｔａｋｅ ｄｅｆｆｅｒｅｎｔ ｍｅａｓｕｒｅｓ． Ｋｅｙ ｗｏｒｄｓ：ｉｎｓｕｒａｎｃｅ ｉｎｄｅｎｓｉｔｙ；ｐａｎｅｌ ｄａｔａ；ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ；ｒｅｇｒｅｓｉｏｎ ａｎａｌｙｓｉｓ