張 彤 陳秀鳳

（中國農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院, 北京 100083）

基于風(fēng)險(xiǎn)區(qū)劃下的玉米區(qū)域產(chǎn)量保險(xiǎn)差別費(fèi)率厘定
——以吉林省九個(gè)地級(jí)市為例

張 彤 陳秀鳳

（中國農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院, 北京 100083）

農(nóng)業(yè)保險(xiǎn)發(fā)展過程中難以避免逆向選擇的發(fā)生，區(qū)域產(chǎn)量保險(xiǎn)的提出可以為減少逆向選擇和道德風(fēng)險(xiǎn)提供基礎(chǔ)，是農(nóng)業(yè)保險(xiǎn)未來的發(fā)展方面。通過以玉米種植為例，利用產(chǎn)量指標(biāo)為基礎(chǔ)，將吉林省各地區(qū)分為三個(gè)風(fēng)險(xiǎn)區(qū)域，并在此基礎(chǔ)上進(jìn)行區(qū)域產(chǎn)量保險(xiǎn)的費(fèi)率厘定，得到區(qū)域級(jí)別的費(fèi)率，為吉林省玉米保險(xiǎn)的發(fā)展提供意見建議。

玉米區(qū)域產(chǎn)量保險(xiǎn)；風(fēng)險(xiǎn)區(qū)劃；費(fèi)率厘定

一、問題的提出

玉米是中國第一大糧食作物，同時(shí)也是主要的飼料來源，因此玉米種植對中國的糧食業(yè)和飼料業(yè)有著舉足輕重的影響。由于玉米種植面臨諸多風(fēng)險(xiǎn)因素，例如旱災(zāi)、洪水、冰雹、凍災(zāi)、暴風(fēng)、暴雨等氣象災(zāi)害，大斑病、粘蟲等玉米病蟲害，所以發(fā)展玉米種植保險(xiǎn)對保障農(nóng)戶基本利益和穩(wěn)定玉米種植業(yè)發(fā)展有重要作用。吉林省是玉米的種植大省，于2008年開展了玉米種植保險(xiǎn)，盡管在政府大力的補(bǔ)貼扶持政策下取得了極大的發(fā)展，但玉米種植保險(xiǎn)在實(shí)踐中仍存在一定問題。目前玉米種植保險(xiǎn)普遍采取全省統(tǒng)一費(fèi)率形式，但由于農(nóng)業(yè)風(fēng)險(xiǎn)的發(fā)生存在明顯的地域性特點(diǎn)，農(nóng)業(yè)生產(chǎn)的風(fēng)險(xiǎn)不盡相同，此時(shí)采取統(tǒng)一保險(xiǎn)費(fèi)率，會(huì)導(dǎo)致各保戶之間轉(zhuǎn)嫁風(fēng)險(xiǎn)的權(quán)利和支付保費(fèi)的義務(wù)不對等，導(dǎo)致參保時(shí)逆選擇行為嚴(yán)重，即高風(fēng)險(xiǎn)的農(nóng)戶參保積極性很高，而低風(fēng)險(xiǎn)的農(nóng)戶不愿意投保，導(dǎo)致保險(xiǎn)人的經(jīng)營嚴(yán)重虧損，或是被迫退出農(nóng)業(yè)保險(xiǎn)市場，或者是迫使保險(xiǎn)公司繼續(xù)提高保費(fèi)，進(jìn)而陷入惡性循環(huán)中。因此為了確保農(nóng)業(yè)保險(xiǎn)持續(xù)發(fā)展下去，必須對農(nóng)業(yè)保險(xiǎn)進(jìn)行風(fēng)險(xiǎn)區(qū)劃，采取差別費(fèi)率，提高低風(fēng)險(xiǎn)農(nóng)戶的參保積極性，控制逆向選擇的發(fā)生，區(qū)域產(chǎn)量保險(xiǎn)的產(chǎn)生與設(shè)計(jì)可以較好地解決以上問題。區(qū)域產(chǎn)量保險(xiǎn)是以某一區(qū)域的糧食產(chǎn)量為投保標(biāo)的，若該區(qū)域糧食產(chǎn)量低于保障水平，那么該區(qū)域所有投保農(nóng)戶都將獲得一定補(bǔ)償。因此該類保險(xiǎn)的設(shè)計(jì)可以在很大程度上降低逆向選擇和道德風(fēng)險(xiǎn)的發(fā)生。

二、文獻(xiàn)綜述

目前學(xué)術(shù)界早已經(jīng)認(rèn)識(shí)到農(nóng)業(yè)保險(xiǎn)進(jìn)行差別費(fèi)率的需要，國內(nèi)外學(xué)者都對其進(jìn)行了大量的理論研究和實(shí)證研究。Goodwin研究認(rèn)為，逆向選擇在美國的農(nóng)業(yè)保險(xiǎn)市場上確實(shí)存在，只有風(fēng)險(xiǎn)高于平均水平的農(nóng)戶才會(huì)選擇投保農(nóng)業(yè)保險(xiǎn)。郭文萱（2009）在文章中指出，風(fēng)險(xiǎn)區(qū)劃和費(fèi)率分區(qū)是搞好農(nóng)業(yè)保險(xiǎn)最基礎(chǔ)的工作。丁少群（2009）認(rèn)為，農(nóng)業(yè)區(qū)劃不能代替農(nóng)業(yè)風(fēng)險(xiǎn)區(qū)劃。農(nóng)業(yè)區(qū)劃的目的是為了根據(jù)地域特點(diǎn)更好地進(jìn)行農(nóng)業(yè)生產(chǎn)布局，而農(nóng)業(yè)風(fēng)險(xiǎn)區(qū)劃的目的是根據(jù)農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)差異的特點(diǎn)為農(nóng)業(yè)保險(xiǎn)服務(wù)，兩者有緊密聯(lián)系但是不能相互替代。陳麗（2010）認(rèn)為，采取統(tǒng)一的保險(xiǎn)費(fèi)率，會(huì)導(dǎo)致保戶的權(quán)利與義務(wù)不對等，極易誘發(fā)逆向選擇。郭忠義（2010）認(rèn)為農(nóng)業(yè)風(fēng)險(xiǎn)區(qū)劃是農(nóng)業(yè)風(fēng)險(xiǎn)特性的必然要求，是進(jìn)行農(nóng)業(yè)風(fēng)險(xiǎn)管理的客觀要求。

總之，進(jìn)行風(fēng)險(xiǎn)區(qū)劃，實(shí)施差別費(fèi)率對于農(nóng)業(yè)保險(xiǎn)的發(fā)展至關(guān)重要。不僅在農(nóng)業(yè)保險(xiǎn)剛剛起步的中國，而且在發(fā)展得較為成熟的美國等國家逆向選擇現(xiàn)象在農(nóng)業(yè)保險(xiǎn)的發(fā)展中依然存在，而避免或是降低這種現(xiàn)象發(fā)生的舉措之一便是進(jìn)行風(fēng)險(xiǎn)區(qū)劃，實(shí)施差別費(fèi)率。

庹國柱，丁少群(1994)最先探討了風(fēng)險(xiǎn)區(qū)劃的必要性，并且指出劃分風(fēng)險(xiǎn)區(qū)域的具體指標(biāo)主要包含作物產(chǎn)量水平、產(chǎn)量變異系數(shù)、災(zāi)害發(fā)生的頻率和強(qiáng)度指標(biāo)、氣候綜合評(píng)判值、地理指標(biāo)、土壤等級(jí)、水利設(shè)施指標(biāo)、其他經(jīng)濟(jì)技術(shù)條件的綜合評(píng)判值、作物結(jié)構(gòu)等九大指標(biāo)。邢鸝（2004）以農(nóng)作物單產(chǎn)變異系數(shù)、受災(zāi)發(fā)生概率、農(nóng)作物專業(yè)化指數(shù)以及效率指數(shù)為主導(dǎo)指標(biāo)進(jìn)行聚類分析，對各地區(qū)進(jìn)行了風(fēng)險(xiǎn)分區(qū)。邢鸝，高濤等（2008）利用單產(chǎn)變異系數(shù)、旱澇指數(shù)、溫度距平值、規(guī)模指數(shù)和效益指數(shù)等多個(gè)指標(biāo),構(gòu)建了風(fēng)險(xiǎn)測度模型,對北京市瓜蔬類作物的生產(chǎn)風(fēng)險(xiǎn)進(jìn)行了測度和評(píng)估[8]。陳新建，陶建平（2008）以非參數(shù)核密度模型為核心,通過聚類分析方法對湖北省水稻生產(chǎn)縣市進(jìn)行了風(fēng)險(xiǎn)區(qū)劃并在此基礎(chǔ)上對水稻區(qū)域產(chǎn)量保險(xiǎn)純費(fèi)率進(jìn)行厘定。李文芳（2009）利用考慮氣候、農(nóng)業(yè)災(zāi)害、地形地貌、水利設(shè)施、作物熟制等12個(gè)指標(biāo)，聯(lián)合使用因子分析法和模糊聚類法,對湖北水稻縣級(jí)區(qū)域產(chǎn)量進(jìn)行保險(xiǎn)風(fēng)險(xiǎn)區(qū)劃。陳平（2010）利用4個(gè)定性指標(biāo)和2個(gè)定量指標(biāo)采用因子分析法和聚類分析法對農(nóng)作物進(jìn)行風(fēng)險(xiǎn)區(qū)劃[11]。而梁來存（2010）認(rèn)為，作物最終產(chǎn)量的變化可以反映自然風(fēng)險(xiǎn)對糧食安全的影響，并從這一視角以產(chǎn)量為基礎(chǔ)建立了新的指標(biāo)體系，利用系統(tǒng)聚類法、K- 均值聚類法和模糊聚類法對我國糧食生產(chǎn)進(jìn)行了省級(jí)保險(xiǎn)風(fēng)險(xiǎn)區(qū)劃劃分。林攀（2011）利用油菜的產(chǎn)量數(shù)據(jù),使用分層聚類分析法對樂山市各區(qū)(縣)的油菜進(jìn)行風(fēng)險(xiǎn)區(qū)劃。吳榮軍等（2013）通過構(gòu)建干旱風(fēng)險(xiǎn)綜合指數(shù)，客觀地對小麥干旱保險(xiǎn)進(jìn)行風(fēng)險(xiǎn)區(qū)劃。

1994年國內(nèi)的農(nóng)業(yè)風(fēng)險(xiǎn)區(qū)劃概念和判別指標(biāo)首次被提出后，經(jīng)歷了20年的研究與發(fā)展，主要形成了兩大風(fēng)險(xiǎn)區(qū)劃指標(biāo)體系，一類是以庹國柱為代表的綜合指標(biāo)體系，主要包括了產(chǎn)量、氣候、地理等與農(nóng)業(yè)生產(chǎn)相關(guān)的一切指標(biāo)；第二類是以梁來存為代表的產(chǎn)量指標(biāo)體系，利用產(chǎn)量及相關(guān)指標(biāo)進(jìn)行風(fēng)險(xiǎn)區(qū)劃。

Skees，Black和Barnett(1997)描述了1995年區(qū)域產(chǎn)量保險(xiǎn)的合同設(shè)計(jì)和費(fèi)率厘定的過程，同時(shí)指出縣級(jí)產(chǎn)量之間的相互關(guān)系對于費(fèi)率厘定的重要性。Sherrick et al.(2004)利用12縣26個(gè)農(nóng)場1972-1999年的玉米和大豆產(chǎn)量數(shù)據(jù)進(jìn)行區(qū)域產(chǎn)量保險(xiǎn)費(fèi)率的厘定。Ozaki et al.(2008)構(gòu)建了考慮農(nóng)作物產(chǎn)量數(shù)據(jù)的時(shí)間序列相關(guān)和空間相關(guān)的分層貝葉斯時(shí)空模型，利用巴西Parana州299個(gè)縣1990-2002年的玉米平均產(chǎn)量進(jìn)行實(shí)證研究，厘定出了2003年各縣的區(qū)域產(chǎn)量保險(xiǎn)的純費(fèi)率。陳建新等（2008）指出區(qū)域產(chǎn)量保險(xiǎn)是針對系統(tǒng)風(fēng)險(xiǎn)的保險(xiǎn)，農(nóng)作物區(qū)域產(chǎn)量保險(xiǎn)可以有效避免農(nóng)業(yè)保險(xiǎn)中出現(xiàn)的逆向選擇和道德風(fēng)險(xiǎn)等問題。陳平（2011）以湖北省82個(gè)縣市區(qū)水稻為例，利用單產(chǎn)數(shù)據(jù)，在風(fēng)險(xiǎn)區(qū)劃的基礎(chǔ)上對水稻區(qū)域產(chǎn)量保險(xiǎn)的費(fèi)率進(jìn)行厘定，并提出了費(fèi)率調(diào)整的方案。聶建亮等（2012）基于大田產(chǎn)量序列數(shù)據(jù)測算了31個(gè)省的水稻、小麥和玉米的區(qū)域產(chǎn)量保險(xiǎn)純費(fèi)率，并證明了該方法具備較強(qiáng)的可操作性。

區(qū)域產(chǎn)量保險(xiǎn)的提出可以為減少逆向選擇和道德風(fēng)險(xiǎn)提供基礎(chǔ)，是農(nóng)業(yè)保險(xiǎn)未來的發(fā)展方向。盡管區(qū)域產(chǎn)量保險(xiǎn)可以有效地消除或降低系統(tǒng)風(fēng)險(xiǎn)，但其本身存在一定的基差風(fēng)險(xiǎn)。將區(qū)域范圍縮小可以有效地降低基差風(fēng)險(xiǎn)，但同時(shí)也降低了實(shí)際操作中的可行性，增大了管理成本。因此如何劃分區(qū)域范圍，既能降低基差風(fēng)險(xiǎn)又能保證可操作性是未來區(qū)域產(chǎn)量保險(xiǎn)研究發(fā)展的方向。

綜上所述，逆向選擇和道德風(fēng)險(xiǎn)是農(nóng)業(yè)保險(xiǎn)發(fā)展中難以避免的問題，采用區(qū)域產(chǎn)量保險(xiǎn)代替?zhèn)鹘y(tǒng)的種植保險(xiǎn)會(huì)有效地減少上述問題的發(fā)生，但基差風(fēng)險(xiǎn)的存在是設(shè)計(jì)區(qū)域產(chǎn)量保險(xiǎn)過程中需要重點(diǎn)考慮的問題。區(qū)域范圍過大會(huì)導(dǎo)致基差風(fēng)險(xiǎn)大，而范圍過小又會(huì)給保險(xiǎn)的實(shí)施帶去不便。目前關(guān)于區(qū)域產(chǎn)量保險(xiǎn)的研究中有以省為單位進(jìn)行區(qū)劃，例如聶建亮等（2012）基于大田產(chǎn)量序列數(shù)據(jù)測算了31個(gè)省的水稻、小麥和玉米的區(qū)域產(chǎn)量保險(xiǎn)純費(fèi)率；也有以縣為單位進(jìn)行區(qū)劃，例如陳平（2011）以湖北省82個(gè)縣市區(qū)水稻為例進(jìn)行風(fēng)險(xiǎn)區(qū)劃下的區(qū)域產(chǎn)量保險(xiǎn)研究。本文認(rèn)為省級(jí)范圍過大，而縣級(jí)層面的區(qū)劃盡管可以較好地減少基差風(fēng)險(xiǎn)，但在保險(xiǎn)業(yè)務(wù)實(shí)施過程中會(huì)存在一定麻煩，選擇在地市級(jí)范圍內(nèi)進(jìn)行區(qū)劃，即以地級(jí)市為單位，一個(gè)地級(jí)市采取一個(gè)費(fèi)率，不同市之間費(fèi)率不同，可以在保證實(shí)施可能性的前提下降低基差風(fēng)險(xiǎn)。本文將立足于研究吉林省九個(gè)地級(jí)市之間玉米區(qū)域產(chǎn)量保險(xiǎn)的費(fèi)率水平，試圖省內(nèi)不同市之間費(fèi)率的關(guān)系。

三、風(fēng)險(xiǎn)區(qū)劃的原理及指標(biāo)選擇

農(nóng)業(yè)類型或區(qū)域的劃分方法盡管多種多樣，但歸納來說，主要有兩種：一是定性方法，即對農(nóng)業(yè)類型之間或區(qū)域之間質(zhì)的差異進(jìn)行分類分區(qū)，另一種是定量方法，即運(yùn)用數(shù)學(xué)方法，通過對影響農(nóng)業(yè)類型或農(nóng)業(yè)風(fēng)險(xiǎn)區(qū)域之間差異、因素的指標(biāo)定量分析進(jìn)行分類區(qū)劃。前一種方法主要包括主導(dǎo)指標(biāo)法、套迭法、經(jīng)驗(yàn)法等；后一種方法主要包括聚類分析法、線性規(guī)劃方法等。本文擬選用后者進(jìn)行分析區(qū)劃分析。不管哪種自然風(fēng)險(xiǎn)因素，不論其致災(zāi)方式如何，其最終都會(huì)反映在產(chǎn)量變化上，因此本文將以產(chǎn)量為測度，在此基礎(chǔ)上建立各項(xiàng)指標(biāo)進(jìn)行風(fēng)險(xiǎn)區(qū)劃。由于產(chǎn)量等于單產(chǎn)乘以種植面積，因此指標(biāo)體系可以從單產(chǎn)、種植面積兩個(gè)方面來建立。

表1 各類風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)

四、保險(xiǎn)費(fèi)率厘定的原理

目前，農(nóng)業(yè)保險(xiǎn)費(fèi)率的計(jì)算方法主要有兩種：經(jīng)驗(yàn)費(fèi)率法和單產(chǎn)分布模型推導(dǎo)法。前者是指依據(jù)個(gè)人或地區(qū)的歷史損失數(shù)據(jù)進(jìn)行費(fèi)率核算，將個(gè)人或地區(qū)歷史損失率的平均值作為當(dāng)年損失率預(yù)測的一種方法。該方法可以提高費(fèi)率厘定的精確性，適用于有完整和長期連續(xù)且完整的歷史數(shù)據(jù)的情況；而后者是指利用統(tǒng)計(jì)學(xué)和概率論知識(shí)，估算某地區(qū)或個(gè)人作物單產(chǎn)波動(dòng)的概率密度函數(shù)，然后利用概率論知識(shí)進(jìn)行費(fèi)率厘定的方法。該方法理論嚴(yán)謹(jǐn)，數(shù)學(xué)推理性強(qiáng)，適用于沒有長期完整連續(xù)的歷史數(shù)據(jù)的情況，國內(nèi)外關(guān)于保險(xiǎn)費(fèi)率厘定的研究大都采用這種方法。由于研究對象的單產(chǎn)歷史數(shù)據(jù)樣本量不夠大，所以本文的研究采用單產(chǎn)模型推導(dǎo)法。

科學(xué)合理的農(nóng)業(yè)保費(fèi)應(yīng)該等于該農(nóng)戶的預(yù)期損失E[Loss]，

合理的純保險(xiǎn)費(fèi)率

從上式可以看出，保險(xiǎn)純費(fèi)率的確定主要取決于以下兩個(gè)因素：（1）作物單產(chǎn)的概率分布；（2）農(nóng)作物保險(xiǎn)合同的保障水平。其中后者雖然直接影響到保險(xiǎn)費(fèi)率的大小，但對保險(xiǎn)費(fèi)率厘定的準(zhǔn)確性卻沒有影響，保險(xiǎn)費(fèi)率厘定的準(zhǔn)確性主要受作物單產(chǎn)分布的影響。因此合理選擇作物的單產(chǎn)分布模型，是厘定科學(xué)精確的農(nóng)作物保險(xiǎn)費(fèi)率的關(guān)鍵。目前單產(chǎn)分布模型有參數(shù)分布形態(tài)，以及非參數(shù)分布形態(tài)。本文研究選擇正態(tài)分布、對數(shù)正態(tài)分布、Weibull分布三種參數(shù)模型來作為擬合作物的單產(chǎn)的備選參數(shù)模型。

五、實(shí)證分析

（一）風(fēng)險(xiǎn)區(qū)劃分析

本文選取吉林省長春市、吉林市、四平市、遼源市、通化市、白山市、松原市、白城市、延吉市從1998年到2012年的玉米單產(chǎn)數(shù)據(jù)為研究對象的基礎(chǔ)數(shù)據(jù)（數(shù)據(jù)來源于《吉林省統(tǒng)計(jì)年鑒》）。通過對數(shù)據(jù)進(jìn)行回歸處理得到趨勢單產(chǎn)，并按照上文介紹的各風(fēng)險(xiǎn)區(qū)劃指標(biāo)的算法得到各地區(qū)的風(fēng)險(xiǎn)指標(biāo)值。如表2所示：

表2 吉林省各地區(qū)風(fēng)險(xiǎn)指標(biāo)

利用minitab軟件對上述指標(biāo)進(jìn)行K-均值聚類分析，將以上9個(gè)地區(qū)分為3個(gè)風(fēng)險(xiǎn)級(jí)別，其中長春市、吉林市、四平市、遼源市、通化市、白山市為低風(fēng)險(xiǎn)組，松原市、延吉市為中等風(fēng)險(xiǎn)組，白城市為高風(fēng)險(xiǎn)組。

（二）費(fèi)率厘定

本文分別用正態(tài)分布、對數(shù)正態(tài)分布、Weibull分布來擬合九個(gè)地方的玉米單產(chǎn)隨機(jī)波動(dòng)數(shù)據(jù)，用Matlab7.0軟件和極大似然估計(jì)（MLE）的方法估計(jì)了各分布的參數(shù)，如表3所示。

表3 不同分布下的參數(shù)估計(jì)

為了選擇各地玉米在這三種參數(shù)分布中的最優(yōu)分布，用Minitab16軟件對各分布進(jìn)行AD檢驗(yàn)。九個(gè)地區(qū)玉米單產(chǎn)參數(shù)分布的估計(jì)的擬合優(yōu)度檢驗(yàn)AD值如表4所示。

表4 兩省玉米三種參數(shù)模型的Anderson-Darling（AD）檢驗(yàn)

當(dāng)AD值越小說明該分布對其單產(chǎn)趨勢擬合得越好。因此從AD檢驗(yàn)可以看出，Weibull分布是長春市、吉林市、四平市、遼源市的最優(yōu)分布；正態(tài)分布是通化市、松原市的最優(yōu)分布；對數(shù)正態(tài)分布是白山市、白城市、延吉市的最優(yōu)分布。

在確定了作物單產(chǎn)的最優(yōu)分布模型后，可以根據(jù)各參數(shù)的極大似然估計(jì)值厘定玉米種植保險(xiǎn)的軟件對保險(xiǎn)費(fèi)率進(jìn)行計(jì)算，最終估算出兩省玉米相應(yīng)的保險(xiǎn)費(fèi)率如表5所示：

表5 100%保障水平下各地區(qū)最優(yōu)分布的純費(fèi)率

按照之前風(fēng)險(xiǎn)區(qū)劃的結(jié)果，以平均值代替各風(fēng)險(xiǎn)區(qū)費(fèi)率，得到如下結(jié)果：低風(fēng)險(xiǎn)區(qū)（長春市、吉林市、四平市、遼源市、通化市、白山市）的費(fèi)率為5.44%，中等風(fēng)險(xiǎn)區(qū)（松原市、延吉市）的費(fèi)率為7.80%，高風(fēng)險(xiǎn)區(qū)（白城市）的費(fèi)率為8.55%。

六、結(jié)論

通過利用各個(gè)產(chǎn)量指標(biāo)進(jìn)行聚類分析，將吉林省劃分為三個(gè)風(fēng)險(xiǎn)區(qū)域，經(jīng)過科學(xué)合理的費(fèi)率厘定，發(fā)現(xiàn)相同省內(nèi)不同市的費(fèi)率存在不同，且與風(fēng)險(xiǎn)程度吻合，因此在實(shí)際過程中應(yīng)該按照不同的風(fēng)險(xiǎn)級(jí)別實(shí)行不同的費(fèi)率，即長春市、吉林市、四平市、遼源市、通化市、白山市可以采用低一等級(jí)的費(fèi)率，松原市、延吉市采用中間等級(jí)的費(fèi)率，而白城市應(yīng)該采用最高費(fèi)率水平。若普遍按照目前吉林省玉米種植保險(xiǎn)10%的費(fèi)率進(jìn)行操作，那么低風(fēng)險(xiǎn)區(qū)域的農(nóng)戶會(huì)因承擔(dān)過高地保費(fèi)而出現(xiàn)棄?，F(xiàn)象，影響農(nóng)戶參保的積極性。

[1]丁少群, 趙晨. 農(nóng)業(yè)保險(xiǎn)逆選擇行為的生成機(jī)理及規(guī)避策略研究[J]. 西北農(nóng)林科技大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版), 2012(06):55-60.

[2]郭文萱. 農(nóng)業(yè)保險(xiǎn)的三大困惑[J]. 中國金融家, 2009(06):72-75.

[3]丁少群.我國農(nóng)業(yè)保險(xiǎn)的發(fā)展需要風(fēng)險(xiǎn)區(qū)劃[J].集體經(jīng)濟(jì)，2009（09）：91-92

[4]陳麗.國外農(nóng)業(yè)保險(xiǎn)風(fēng)險(xiǎn)區(qū)劃的經(jīng)驗(yàn)啟示[J].集體經(jīng)濟(jì)，2010（02）：198-199

[5]郭忠義. 農(nóng)業(yè)風(fēng)險(xiǎn)區(qū)劃的必要性與可行性[J]. 中國保險(xiǎn), 2010(04):42-44.

[6]庹國柱，丁少群.農(nóng)作物保險(xiǎn)風(fēng)險(xiǎn)分區(qū)和費(fèi)率分區(qū)問題的探討[J].中國農(nóng)村經(jīng)濟(jì)，1994（08）：43-47

[7]邢鸝. 中國種植業(yè)生產(chǎn)風(fēng)險(xiǎn)與政策性農(nóng)業(yè)保險(xiǎn)研究[D].南京農(nóng)業(yè)大學(xué), 2004.

[8]邢鸝, 高濤, 呂開宇, 等. 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(06):55-60.

[9]陳新建, 陶建平. 基于風(fēng)險(xiǎn)區(qū)劃的水稻區(qū)域產(chǎn)量保險(xiǎn)費(fèi)率研究[J]. 華中農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版), 2008(04):14-17.

[10]李文芳. 湖北水稻區(qū)域產(chǎn)量保險(xiǎn)精算研究[D].華中農(nóng)業(yè)大學(xué),2009.

[11]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(01):65-71.

[12] 陳平. 農(nóng)作物保險(xiǎn)的風(fēng)險(xiǎn)區(qū)劃和費(fèi)率精算研究[J]. 黑龍江農(nóng)業(yè)科學(xué), 2010(11):126-128.

[13]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.

[14] 吳榮軍, 史繼清, 關(guān)福來, 等. 基于風(fēng)險(xiǎn)區(qū)劃的農(nóng)業(yè)干旱保險(xiǎn)費(fèi)率厘定——以河北省冬麥區(qū)為例[J].氣象, 2013(12):1649-1655.

[15]Skees J.R. Black J.R. and Barnett B.J.Designing and Rating an Area Yield Crop Insurance Contract.Ameriean Journal of Agricultural Economies v.79(1997):430-438

[16]Sherrick,B.J.,F.C.Zanini.G.D.Schnitkey,and S.H.Irwin.Crop Insurance Valuation under Altemative Yield Distributions. Ameriean Journal of Agricultural Economies (2004):406-419

[17]Ozaki VA.,Ghosh S.K,GoodwinB.K,and Ricardo Shirota.Spatial-Temporal Modeling of Agricultural yield Data With an Aplication to pricing Crop Insurance Contracts. Ameriean Journal of Agricultural Economies v.90(2008):63-69

[18]陳新建,陶建平.基于風(fēng)險(xiǎn)區(qū)劃的水稻區(qū)域產(chǎn)量保險(xiǎn)費(fèi)率研究[J]. 華中農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版), 2008(04):14-17.

[19]陳平.不同風(fēng)險(xiǎn)等級(jí)下農(nóng)作物GRP保險(xiǎn)費(fèi)率厘定研究[D].華中農(nóng)業(yè)大學(xué),2011.

[20]聶建亮,葉濤,王俊,等.基于雙尺度產(chǎn)量統(tǒng)計(jì)模型的農(nóng)作物多災(zāi)種產(chǎn)量險(xiǎn)費(fèi)率厘定研究[J]. 保險(xiǎn)研究,2012(10):47-55.

[21]高星星.種植業(yè)風(fēng)險(xiǎn)區(qū)域劃分及費(fèi)率區(qū)域劃分——以山東省為例:山東省保險(xiǎn)學(xué)會(huì)2008年“改革·創(chuàng)新·提高保險(xiǎn)競爭力”主題征文頒獎(jiǎng)儀式暨學(xué)術(shù)報(bào)告會(huì), 中國山東濟(jì)南,2008[C].

[22]于洋,王爾大.基于生存分析法的中國政策性農(nóng)作物保險(xiǎn)費(fèi)率研究[J].統(tǒng)計(jì)應(yīng)用研究2010(04):87-92

[23]王克,張峭.農(nóng)作物單產(chǎn)分布對農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定的影響〔D〕.中國農(nóng)業(yè)科學(xué)院，2008

Risk Zoning of the Maize Area Yield Insurance Ratemaking based on Difference -- Taking Nine Prefecture Level City of Jilin Province as an Example

ZHANGTong CHEN Xiufeng

It is diffi cult to avoid the occurrence of adverse selection in agricultural insurance development process, put forward area yield insurance can provide a basis for reducing adverse selection and moral hazard, is the development of agricultural insurance in future. By using corn as an example, the index of output as the foundation, the area of Jilin province is divided into three risk areas, and on this basis of area yield insurance ratemaking, get the regional level premium rate, provide suggestions for the development of maize insurance in Jilin province.

Maize Area Yield Insurance; Ratemaking ;Risk Zoning

F830

A

1009 - 3109（2014）06-0021-05

（責(zé)任編輯：何昆燁）

張 彤，女，漢族，碩士，中國農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院。

陳秀鳳，女，漢族，碩士，中國農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院。