第二章 文獻探討
第四節 天氣對保險行為的影響
（Bassi et al., 2013）。Saunders（1993）發現紐約市的高雲層量會影響投資人的 情緒，進而影響資產價格，其研究發現紐約市的高雲層量和紐約市股票市場指 數為顯著負相關關係。Hirshleifer and Shumway（2003）以 1988-1997 年全球 26 個城市的股票交易資料為樣本，指出陽光和股票收益有顯著正相關。因此投資 人在交易成本低的情況下，若依照天氣狀況來進行市場投資，其投資組合的夏 普比率較高、投資績效較好，此即「陽光效應」（Hirshleifer and Shumway, 2003；Bassi et al., 2013）。
Goetzmann et al.（2015）研究機構投資人的認知、交易行為與天氣變數之 間的關係，發現雲層量增加時，機構投資者會更傾向於認為個股或指數被高 估，增加賣出行為。另外，研究也發現極端溫度對於股市收益有影響，氣溫與 股市收益之間為負相關性（Cao and Wei, 2004），此時氣溫越高，消費者對風 險態度更趨保守。 生，故在探討保險行為時，其行為效果較不容易影響。（Hirshleifer and
‧
Shumway, 2003; Loughran and Schultz, 2004）。另外，文獻指出投資行為的天氣 效應可能存在爭議，因為下單購買股票者未必處在同一交易城市（Loughran and Schultz, 2004），然而保險契約的訂定，可追溯到簽約地點以及當地當下的天氣
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第三章 研究設計
第一節 資料蒐集
本文目的在於分析天氣效應對於保戶購買保險的行為影響。天氣資料來自 中華民國行政院環境保護署之環境資源資料庫三十天統計資料，該資料庫為中 央氣象局提供之天氣觀測資料，依全國縣市及鄉鎮別，按監測日期統計測站資 料，每日更新一次。統計項目包含監測日期時間、測站氣壓、溫度、相對溼 度、風速、降水量、日照時數，藉由紀錄全臺灣各地測站每小時的觀測值，觀 察我國各區天氣狀況。關於天氣資料的觀測時間與數值選取，參考Hirshleifer and Shumway（2003）計算的天氣資料方式，本文選擇以上午 6:00 至下午 16:00 的天氣資料的平均值來計算。
保戶購買保險資料取自某壽險公司，該公司為臺灣前五大壽險公司之一，
資料期間2015 年至 2019 年共計五年間的保戶購買保險紀錄，並將保戶購買資 料依縣市進行資料量排序，最後選擇以累積達整體購買資料的百分之八十之縣 市購買資料作為觀測的地區，篩選後的縣市，由最高筆數至最低筆數分別為：
新北市、臺中市、高雄市、臺南市、臺北市、桃園市、宜蘭縣、南投縣、屏東 縣、新竹市。結合上述天氣資料，選取對應縣市的天氣資料，作為本文的觀測 數值。
觀察該人壽保險公司主要銷售的保險商品，本文認為保障型商品分散風險 的功能可直接連結至要保人對於風險的判斷，而保障型商品中保障意外傷害為 主的傷害保險，因為產品屬性單一保障事故明確，加上保險費相對便宜，保障
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
高低的選擇比較具彈性，而且比較不會受到經濟條件的影響（例如若保費比較 貴，即使需要也無法購買），因此選擇傷害保險作為實證研究之樣本。總計蒐 集2015 年至 2019 年傷害保險購買資料共計 352,188 筆。
第二節 天氣與保險金額實證模型
本文採用普通最小平方法(Ordinary Least Squares)回歸模型來分析天氣效應 對於要保人購買保障型保險的行為影響。回歸模型(1)主要探討衡量「陽光效 應」的「日照時數」為主要變數，並放入其他個別天氣因子，分析對要保人購 買保險行為差異影響。
因此本模型以傷害險保險金額作為依變數，主要自變數為日照時數，其他 天氣因子自變數包含：溫度、相對濕度、氣壓、降水量、風速等。除了天氣因 子以外，模型中也將採一般人口統計變量作為其他控制變數，包含：要保人性 別、要保人年齡、要保人職業級別、要保人年所得、要保人是否居住在都市、
要保人投保該傷害保險前之理賠紀錄與投保紀錄等。
實證模型如下：
𝐴𝐼𝐴# = 𝛼&+ 𝛼(𝑆𝑢𝑛𝑠ℎ𝑖𝑛𝑒#+ 𝛼0𝑊𝑒𝑎𝑡ℎ𝑒𝑟# + 𝛼5𝐶𝑉#+ 𝜀# (1)
𝑖 表示第 𝑖筆資料，𝑆𝑢𝑛𝑠ℎ𝑖𝑛𝑒#表示主要變數日照時數，𝑊𝑒𝑎𝑡ℎ𝑒𝑟# 表示其他天氣變數，𝐶𝑉#表示控制變數，𝜀# 為模型標準誤差項。
依變數𝐴𝐼𝐴#為傷害保險之保險金額，單位為萬元新台幣。本研究以保險金 額作為衡量要保人購買保險的程度，購買較高保險金額的要保人，尋求較高的
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
保障程度，視為風險意識較為強烈，反之亦然。以下針對各項自變數代表意 涵、以及對於購買保險金額的假設詳加解釋。
一、變數說明
本文主要探討陽光效應，故首先討論主要變數𝑆𝑢𝑛𝑠ℎ𝑖𝑛𝑒#。𝑆𝑢𝑛𝑠ℎ𝑖𝑛𝑒#為日 照時數，本文均以中央氣象局公布6:00 至 16:00 天氣資料的平均值作為天氣變 數值的計算區間。日照時數單位為小時，代表在衡量時間中(6:00 至 16:00)，有 陽光出現的比例。數值介於0 至 1 之間，𝑆𝑢𝑛𝑠ℎ𝑖𝑛𝑒#日照時數越趨近1，代表陽 光越充足；𝑆𝑢𝑛𝑠ℎ𝑖𝑛𝑒#日照時數為0，則代表該日雲層量較多沒有陽光。
Hirshleifer and Shumway（2003）提到陽光會影響股市收益，研究指出陽光與投 資人的情緒為正相關；應用至行為保險，本文推測陽光會增加風險偏好，則 𝑆𝑢𝑛𝑠ℎ𝑖𝑛𝑒#日照時數越趨近於1，表示要保人可能購買的保險金額越少，保險金 額與𝑆𝑢𝑛𝑠ℎ𝑖𝑛𝑒#日照時數為負向相關，反之亦然。
二、天氣變數
自然人的五感為視覺、聽覺、嗅覺、味覺、觸覺，人類主要透過五感來感 受天氣狀況的不同，本文首先討論人類較容易感受到差異的天氣因子，除了日 照時數，分別有溫度、是否為高溫、降水量多寡等。
首先為溫度，單位為攝氏溫度(℃)。參考世界衛生組織對於人類生活宜居 溫度的報告，本研究依據溫度另外設定一虛擬變數以判斷是否為溫度過高的情 況。針對觀測的平均溫度值達32℃以上時，變數是否為高溫之數值為 1，視為
0。Rosenthal (2005)對冬季憂鬱的研
‧
究，溫度越低可能使人類的情緒越悲觀；Cao and Wei (2004)則提到近年來越來 越多極端溫度出現，在行為財務學中，極端高溫可能使消費者傾向風險趨避。 大雨為虛擬變數，參考中央氣象局對豪雨特報(Extremely Heavy Rain)的標準，
將平均時雨量達8.33 毫米以上者視為大雨，此時是否為大雨之虛擬變數值為
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
月訂定為5，五月、十月訂定為 4，四月、十一月訂定為 3，三月、十二月訂定 為2，一月、二月訂定為 1。並且也有放入年度虛擬變數，作為當年度法令與整 體環境變化的控制變數。
第三節 天氣類型對保險購買之驗證
考量回歸模型(1)單純以日照時數比率做為衡量天氣過於簡化，因為人們感 受天氣不限於陽光單一因素，真實感受的應該是當時各種氣候因素之組合(例如 風和日麗的溫暖陽光天，或是低溫多雨的潮濕陰冷天)。因此本研究將各類因素 分類成各種天氣型態。依照過去文獻對於不佳天氣對消費者風險判斷的影響，
將更進一步討論不同型態的天氣，分析是否與投保金額間確實存在差異。
本文將前述傷害保險之保險購買資料連結天氣狀況分類為表3-1 之六種天 氣類型下的購買紀錄。根據世界衛生組織所認定的宜居氣溫，本文將24℃以下 與32℃以上的天氣狀況定義為低溫與高溫，24℃至 32℃的天氣狀況為適溫。另 一部分，採用臺灣中央氣象局對大雨的標準，將平均降水量小於8.33 毫米的天 氣狀況定義為少雨，平均每小時降水量達8.33 毫米以上的天氣狀況定義為多 雨。綜合以上設定，本文將天氣狀況區分為低溫少雨、適溫少雨、高溫少雨、
低溫多雨、適溫多雨、高溫多雨。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表3-1 天氣資料分類
低溫 適溫 高溫
多雨 低溫多雨 適溫多雨 高溫多雨
少雨 低溫少雨 適溫少雨 高溫少雨
實際分類後發現，於2015 至 2019 年間，低溫少雨共有 130,733 天、適溫 少雨共有208,966 天、高溫少雨共有 11,274 天、低溫多雨共有 88 天、適溫多雨 共有1,127 天、高溫多雨（因為多雨溫度同步降低）的狀況實際上並不存在，
共為0 天。
由於高溫與多雨的天氣情況並不會同時發生，此高溫多雨的分類下其天數 為0，故本文接續只討論其餘天氣組合種類，首先使用雪費檢定（Scheffé's Method）來比較不同天氣分組情況的保險金額是否存在顯著差異，並討論這些 天氣組合下，日照時數的高低對保險金額的影響。其實證模型和實證模型(1)相 同。
第四節 樂觀與悲觀情緒對保險金額影響
本文的研究設計第一部分參考Hirshleifer and Shumway（2003）對陽光效應 的研究方法與解釋，探討行為保險是否存在天氣效應，第二部分將天氣進行分 類來確定不同天氣因子組合而成不同天氣類別對保險金額購買之差異，以及探
‧
憂鬱與情緒較差的天氣狀況（Bassi et al., 2013; Kamstra et al., 2003），本文將同 時符合各種惡劣天氣條件者，組合成一個使要保人情緒抑鬱悲觀的虛擬變數。‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第四章 實證結果
第一節 天氣與保險金額實證模型結果
一、天氣與保險金額實證模型之敘述統計量
表4-1 呈現傷害保險實證模型(1)之解釋變數其敘述統計量。依變數保險金 額之最小值為10 萬元，最大值為 3500 萬元，平均值為 188.62 萬元。日照時數 的最小值為0，表示 6:00 至 16:00 的平均單位小時日照時數為 0，整天都沒有陽 光；最大值為0.98，表示當天每小時幾乎都是陽光充足的狀況；日照時數的平 均值為0.4326，表示樣本中有陽光的日數應頗為平均。
由於臺灣氣候穩定，可以發現天氣因子各項數值分佈合理。溫度的最小值 為2.03℃，最大值為 35℃，平均值為 25.2418℃，可見平均而言臺灣氣溫宜 人，不過有時仍有高溫與低溫的狀況發生。另外，過去投保紀錄中，要保人投 保前理賠件數之平均值為3.7804 件，然而標準差為 9.55185 件，表示要保人曾 經理賠件數的資料分佈較分散。各變數間之相關係數可參照附錄。
濕與黴菌滋生，同時也使人的皮膚感受較為舒適。
‧
投保前理賠總金額 .00 8592142.00 36392.9963 118665.81478 投保前死亡險件數 .00 53.00 1.3643 2.37743 投保前生死合險件數 .00 48.00 .9526 1.62035 投保前年金險件數 .00 20.00 .0187 .23623‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
二、實證結果
表4-2 為傷害保險之保險金額與天氣實證模型(1)的結果。
（一）日照時數
由表4-2 中可以看出，在傷害保險的實證模型中，日照時數與要保人購買 的保險金額呈現顯著負相關，表示日照時數越小、雲量越多的情況下，要保人
由表4-2 中可以看出，在傷害保險的實證模型中，日照時數與要保人購買 的保險金額呈現顯著負相關，表示日照時數越小、雲量越多的情況下，要保人