汽車第三人責任險訊息不對稱問題之研究 - 政大學術集成

全文

(1)國立政治大學商學院經營管理碩士學程國際金融組碩士論文. 汽車第三人責任險訊息不對稱問題之研究. 治 of Automobile Third政Information A Study on The Asymmetric 大. 立 party Liability Insurance. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 指導教授：彭金隆博士汪琪玲博士研究生：魏青暉撰. 中華民國一Ο六年五月.

(2) 摘要本研究採用國內某家產物保險公司的樣本，針對台灣汽車第三人責任保險上的訊息不對稱問題進行實證研究。除了探討市場上是否存在訊息不對稱問題，更重要的是，嘗試區分在不同通路銷售保單上，可能面臨的訊息不對稱問題的影響程度。本研究的內容在於：(1)以與保險公司本身關係親疏不同之通路，銷售汽車保險保單時，實證在保單上所可能面臨的訊息不對稱問題的影響程度。 (2)依循(Dionne et al., 2001)的兩階段估計法(Two-Stage Method)，對訊息不對稱問題進行檢定。分別使用 Probit 迴歸與負二項迴歸建立實證模型，多重檢證訊息不對稱是否存在，確保研究結論的穩健性和可靠性。(3)我們成功辨識. 政治大. 逆選擇或道德風險所形成訊息不對稱，在不同通路投保人群體中的顯著性有所. 立. 不同，這個發現增益了過去國內有關人車風險分類，與費率釐訂等定性研究的. ‧ 國. 學. 結論。. ‧. 關鍵字：汽車第三人責任保險、訊息不對稱、Probit 迴歸、負二項迴歸. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.

(3) 目次第一章. 緒論............................................................................................................ 1. 第一節. 研究背景 ......................................................................................................... 1. 第二節. 研究動機與目的 ............................................................................................. 3. 第三節. 研究架構 ......................................................................................................... 4. 第二章. 文獻回顧.................................................................................................... 7. 第一節. 訊息不對稱的理論文獻 ................................................................................. 7. 第二節. 訊息不對稱的實證文獻 ................................................................................. 9. 立. 研究方法.................................................................................................. 12. 學. ‧ 國. 第三章. 政治大. 研究假說 ....................................................................................................... 12. 第二節. 實證模型 ....................................................................................................... 13. 資料來源與統計分析.............................................................................. 17. sit. y. Nat. 第四章. ‧. 第一節. 第二節. 變數說明與敘述統計 ................................................................................... 19. n. 第五章. al. er. 資料來源與建構 ........................................................................................... 17. io. 第一節. Ch. engchi. i n U. v. 實證結果分析.......................................................................................... 25. 第一節. 以出險機率定義風險的實證結果 ............................................................... 25. 第二節. 以出險頻率定義風險的實證結果 .......................................................... 32. 第三節. 以出險機率定義風險的實證結果(子樣本) ............................................... 38. 第四節. 以出險頻率定義風險的實證結果(子樣本) ............................................... 51. 第六章. 結論.......................................................................................................... 64. 參考文獻.................................................................................................................. 67. ii.

(4) 表次表 4-1-1. 2011 年-2014 年第三人(財損、體傷)責任險通路結構 .......................... 18. 表 4-1-2. 2011-2014 保單保費及車價結構.............................................................. 19. 表 4-2-1 變數定義 ...................................................................................................... 20 表 4-2-2 第三人責任財損險資料之基本統計量 ...................................................... 21 表 4-2-3 第三人責任體傷險資料之基本統計量 ...................................................... 22. 政治大. 表 5-1-1 第三人財損險全樣本兩階段 probit 迴歸分析 .......................................... 27. 立. 表 5-1-2 第三人財損險分組通路兩階段 probit 迴歸分析 ...................................... 28. ‧ 國. 學. 表 5-1-3 第三人體傷險全樣本兩階段 probit 迴歸分析 .......................................... 30. ‧. 表 5-1-4 第三人體傷險分組通路兩階段 probit 迴歸分析 ...................................... 31. sit. y. Nat. io. n. al. er. 表 5-2-1 第三人財損險全樣本兩階段負二項迴歸分析 .......................................... 33. v. 表 5-2-2 第三人財損險分組通路兩階段負二項迴歸分析 ...................................... 34. Ch. engchi. i n U. 表 5-2-3 第三人體傷險全樣本兩階段負二項迴歸分析 .......................................... 36 表 5-2-4 第三人體傷險分組通路兩階段負二項迴歸分析 ...................................... 37 表 5-3-1 第三人財損險車商保代通路兩階段 Probit 迴歸分析 .............................. 40 表 5-3-2 第三人體傷險車商保代通路兩階段 Probit 迴歸分析 .............................. 41 表 5-3-3 第三人財損險僱佣業務員通路兩階段 Probit 迴歸分析 .......................... 43 表 5-3-4 第三人體傷險僱佣業務員通路兩階段 Probit 迴歸分析 .......................... 44. iii.

(5) 表 5-3-5 第三人財損險一般保經代通路兩階段 Probit 迴歸分析 .......................... 46 表 5-3-6 第三人體傷險一般保經代通路兩階段 Probit 迴歸分析 .......................... 47 表 5-3-7 第三人財損險承攬業務員通路兩階段 Probit 迴歸分析 .......................... 49 表 5-3-8 第三人體傷險承攬業務員通路兩階段 Probit 迴歸分析 .......................... 50 表 5-4-1 第三人財損險車商保代通路兩階段負二項迴歸分析 .............................. 53 表 5-4-2 第三人體傷險車商保代通路兩階段負二項迴歸分析 .............................. 54. 政治大. 表 5-4-3 第三人財損險僱佣業務員通路兩階段負二項迴歸分析 .......................... 56. 立. 表 5-4-4 第三人體傷險僱佣業務員通路兩階段負二項迴歸分析 .......................... 57. ‧ 國. 學. 表 5-4-5 第三人財損險一般保經代通路兩階段負二項迴歸分析 .......................... 59. ‧. 表 5-4-6 第三人體傷險一般保經代通路兩階段負二項迴歸分析 .......................... 60. y. Nat. er. io. sit. 表 5-4-7 第三人財損險承攬業務員通路兩階段負二項迴歸分析 .......................... 62 表 5-4-8 第三人體傷險承攬業務員通路兩階段負二項迴歸分析 .......................... 63. n. al. Ch. engchi. iv. i n U. v.

(6) 圖次圖 1-1-1 汽車第三人責任險-保費收入....................................................................... 1 圖 1-1-2 汽車第三人責任險-損失率........................................................................... 1 圖 1-3-1 研究流程架構圖 ........................................................................................... 6. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. v. i n U. v.

(7) 第一章第一節. 緒論. 研究背景. 台灣產險市場自 2009 年 4 月費率自由化第三階段實施後，費率訂定依產險公司自家損失經驗及費用控制而訂，各產險業者必須在相關監理配套措施及自律規範下，進行市場費率自由定價及防止惡性競爭。. 汽車第三人責任險-保費收入. 政治大. 立. 學. ‧ 國. 簽單保費. 9,000 8,000 7,000 6,000 5,000 4,000 3,000 2,000 1,000 0. 2008. 2009. 2010. 2011. 2012. 2013. 2014. 2015. 6,716. 6,253. 6,216. 6,250. 6,714. 7,394. 8,087. 8,434. 體傷 4,578. 4,252. 4,004 4,101 4,822. 5,904 6,655. ‧. 2007 財損 7,154. Nat. y. 7,183 7,287. er. io. sit. 圖 1-1-1 汽車第三人責任險-保費收入. 資料來源：財團法人保險事業發展中心(單位：新台幣百萬元). n. al. Ch. engchi. i n U. v. 汽車第三人責任險-損失率 140.00. %. 簽單滿期損失率. 120.00 100.00 80.00 60.00 40.00 20.00 0.00. 2007 2008 2009 2010 2011 2012 2013 2014 2015 財損% 62.51 60.00 61.95 72.99 82.13 81.63 83.48 86.10 88.09 體傷% 90.07 98.64 112.43 121.35 124.67 100.14 102.76 100.88 94.76. 圖 1-1-2 汽車第三人責任險-損失率資料來源：財團法人保險事業發展中心 1.

(8) 然而據上述汽車第三人責任險-保費收入與損失率統計(如圖 1-1-1、圖 1-12)，整體保險市場經營汽車第三人責任險的損失率幾乎都達九成以上，扣除招攬成本及相關業管費用後，根本毫無利潤可言。由於汽車第三人責任險是車主投保率最高的險種，因而對於該險的需求相當高，但是隨著投保率的上升，損失率卻沒有獲得改善。有鑑於此，探究使得第三人責任保險市場上損失率居高不下的原因，可能是由於訊息不對稱(Asymmetric Information)所致。所謂保險市場中的訊息不對稱，是指保險公司對於想要投保的消費者，並不完全瞭解其保險標的風險狀況，因此在保險公司與消費者之間的保險交易，會產. 政治大. 生訊息不對稱，並以逆選擇和道德風險兩種主要方式呈現出來。逆選擇是指由於. 立. 投保人的資訊隱藏，導致保險公司無法分辨高低風險者，只好採用統一的平均費. ‧ 國. 學. 率；這樣低風險者往往不願投保，而高風險者則樂於投保。道德風險，則是指投保人購買保險後，會因為有了保險所提供的保障而降低了風險抑制的動機，進而. ‧. 產生行為的隱藏，使得事故發生機率增加，或是因為保險人無法監督，而直接去. io. sit. y. Nat. 引發保險事故。. n. al. er. 逆選擇和道德危險問題是訊息不對稱當中兩個重要的現象。有關比較早期的. Ch. i n U. v. 保險經濟理論中，由 Arrow(1963)首先提出逆選擇(Adverse Selection)、道德風險. engchi. (Moral Hazard)以及交易成本三個概念。逆選擇是指訊息不完全的情況下，高風險投保人以較低費率投保的情況，產生核保上劣幣驅逐良幣的現象。為解決保險市場單一費率產生劣幣驅逐良幣的問題。Rothschild and Stiglitz(1976)提出了重要的理論觀點，認為保險市場應存在二種費率的分離均衡(Separating Equilibrium)，而混合均衡（Pooling Equilibrium）則不可能發生。當保險公司無法觀察被保險人風險程度，若要避免逆選擇發生，保險公司必須透過設計不同保障與費率的契約提供被保險人做自我選擇：高風險被保險人選擇高保障、低風險被保險人選擇低保障。. 2.

(9) 道德風險則指濫用保險的行為，為發生在保險公司受理出險理賠時，資源配置浪費的議題。Shavell(1979)提出與 Rothschild and Stiglitz 相反觀點，認為道德風險的存在主要是因為保險契約提供了誘因效果(Incentive Effect)，稱之為激勵效果，使被保險人有恃無恐掉以輕心，對可防範的事故疏於注意，因而使得發生事故的機率增加，而成為高風險投保者，進而產生資源浪費。由於此兩者對於保險公司的正常營運有深遠影響，故從理論與實證研究了解逆選擇與道德風險的特性與存在是非常重要的課題。過去已有許多學者致力於探討保險市場上訊不對稱議題相關研究： Dahlby（1983），Browne（1992），Pulez and Snow（1994），Cawley. 治政大多數研究關注於不同險種、不同市場上保障高低與事故發生機率高低之間，是否立 and Philipson（1999），Dionne et al（2001），Finkelstein and Poterba（2004）等，. 存在正相關以作訊息不對稱存在與否之檢證。. ‧ 國. 學. 第二節研究動機與目的. ‧. sit. y. Nat. 在車險市場競爭日趨激烈的環境下，許多產險公司除了繼續與既有車商保代. io. er. 通路的經營，同時也藉由對自有業務員的管理以充實本身之業務量外，另一方面亦不斷加強其他行銷通路（Marketing Channel），尤其是一般保經代通路1的開發，. al. n. v i n Ch 以及增加承攬業務員登錄人數來擴展業務來源，然而隨著各種通路的興起，卻 engchi U 2. 也逐漸浮現出許多不同的代理人問題，並使保險公司面臨了各種通路的衝突與挑戰。因此隨著通路多元化，所衍生的代理問題也愈被重視，而訊息不對稱問題一直以來不斷的困擾著所有保險公司，當代理人未能確實詢問被保險人相關資訊時，被保險人亦不會主動揭露其自身之可保訊息，因此保險公司會盡力的廣泛蒐集被保險人的相關資訊，並因此增加許多資訊成本。. 1. 2. 除了車商保代及銀行通路以外之一般產壽險經代人公司。承攬業務人員係指與保險公司簽訂業務員承攬契約，為保險公司招攬各項保險商品而獲取承攬報酬之人員。 3.

(10) 一般而言，不同的銷售系統因行銷模式不同，所導致的代理問題亦有所不同。保險公司僱佣業務員及車商保代業務員，固然受到公司完整的教育訓練與業務考核制度等種種規範，促使這些業務員具有較佳的保險專業知識，然其他通路業務員因受限於商品解說能力較弱，且多無固定薪資主要所得係皆來自佣金收入，對於汽車責任險保障的商品專業度不足，有關客戶的資訊蒐集或風險分類也較不關心。整體而言，保險公司與銷售通路之間確實存在有訊息不對稱問題，則這些代理問題與衝突，反映在通路所招攬的契約品質時，是否也會導致契約損失率因而上升等問題，實為值得深入探討之議題。. 政治大究亦不勝枚舉，但其方向幾乎都著重在通路的行銷策略、管理以及未來發展趨勢立. 綜觀保險市場在近幾年來各種多元通路的發展與競爭日趨白熱化，其相關研. ‧ 國. 學. 之探討等等，至於各種通路與所產生之契約品質與損失情形等相關性之探討則不多見。本研究藉由國內某產險公司 2011 年至 2014 年之承保、理賠資料，並藉由. ‧. 四種不同銷售通路來源，即車商保代、僱佣業務員、一般保經代與承攬業務員等. sit. y. Nat. 通路所銷售汽車第三人責任險保單之資料，觀察期間為 2011 年至 2014 年的出險. al. er. io. 狀況，進行實證研究第三人責任險市場是否訊息不對稱之問題，同時也要探討保. v. n. 險公司利用與公司本身關係親疏不同之通路，銷售汽車保險保單時，對於公司在. Ch. engchi. i n U. 保單上所可能面臨的訊息不對稱問題的影響程度，最後根據研究結果提出管理實務上的管理建議。. 第三節研究架構本研究收集國內外相關文獻加以探討，然後進行實證資料相關性分析，最後針對分析結果提出結論與建議，整個就流程區分為：第一章為緒論，主要在於闡述本研究之研究背景、動機與目的、流程架構等。第二章為文獻回顧，首先說明過去訊息不對稱的理論、並回顧實證相關文獻貢獻來做探討。第三章為研究方法說明本研究使用兩大計量方法來交叉驗證，即是依循 Dionne et al 所採用 Probit 4.

(11) 迴歸以及負二項迴歸之兩階段(Two Stage)模型。第四章為資料來源與統計分析，先對資料來源及母體結構加以說明，再對分析的變數加以定義，第五章為實證分析結果，第六章結論說明本研究之貢獻並針對上述研究發現提出結論。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 5. i n U. v.

(12) 本研究之流程架構如下圖：綜觀研究背景. 產生研究動機. 探討相關文獻. 政治大. 訊息不對稱的理論. 立. 文獻回顧. 訊息不對稱的實證文獻回顧. ‧. ‧ 國. 學. Nat. n. sit er. io. al. y. 擷取樣本進行研究分析. Ch. engchi. i n U. v. 負二項迴歸模型分析. Probit 迴歸模型分析. 研究發現. 結論. 圖 1-3-1 研究流程架構圖 6.

(13) 第二章文獻回顧在探討台灣汽車第三人責任保險上訊息不對稱問題前，首要瞭解何謂訊息不對稱，然後參考過去相關的理論與實證文獻，再來判斷台灣汽車第三人責任保險市場上是否存在訊息不對稱，再進一步釐清形成訊息不對稱的原由為何？本章節將相關理論文獻敘述如下：第一節為訊息不對稱之理論相關文獻；第二節則是訊息不對稱之實證相關文獻。. 第一節. 訊息不對稱理論. 所謂的訊息不對稱係指買賣雙方在進行交易的過程中，某一方所擁有的訊. 政治大. 息較多、比較具有優勢，所以交易的另一方無法獲得足夠的資訊，以作正確之. 立. 決策。關於訊息不對稱的文獻源自 Akerlof(1970)所提出的以中古車買賣市場作. ‧ 國. 學. 為訊息不對稱之研究。Akerlof 認為在訊息不對稱的情況下，中古車市場的由於賣方握有的資訊多於買方，此時買方只能以市場平均價格進行選購，在這樣的. ‧. 情況下，將引發不良商人出售劣質商品以謀取厚利的動機，最後買方只能買到. y. Nat. n. al. er. io. 此的惡性循環，市場將逐漸萎縮甚至消失。. sit. 「Lemon」，即質量差的中古車。若是這種情況一直持續下去，市場將因為如. i n U. v. 在保險市場上亦是容易產生訊息不對稱的問題，通常，保險人與被保險人. Ch. engchi. 之間掌握的訊息不盡相同，當一方處於訊息的優勢時，另外一方即居於劣勢，在這個情況下，保險市場上就會產生訊息不對稱的問題。在過去有諸多針對訊息不對稱的問題進行探討的文獻，其中 Rothschild and Stiglitz 以及 Shavell 則是分別提出逆選擇以及道德風險兩種訊息不對稱的問題，這兩篇對於後續的相關探討相當的有貢獻。 Rothschild and Stiglitz 先提出在同質性風險趨避的假設下，只有藉由設計不同費率與不同保額的保單，使高風險者購買高費率高保額保單，低風險者購買低費率低保額保單，才可能達成逆選擇之下的二分均衡，而混合均衡則不可能發生。此理論表示保險公司提供一系列不同價格以及數量的保單會誘使投保人 7.

(14) 購買分離契約且不會獲益。Wilson（1977）、Miyazaki（1977）和 Spence （1978）為除去此導致平衡不存在的問題做出了延伸；Spence 認為在各風險類型中，若結合分離契約（Separate Contracts）與交叉補貼（CrossSubsidization），透過從低風險者的契約獲得的利益補償高風險者契約的損失則平衡是有效的。這種契約透過補貼的重新分配也經過 Crocker and Snow （1985）證實為效率較為理想。 Shavell 則是提出與 Rothschild and Stiglitz 相反的論點，藉由相關性來驗證保障與危險程度間呈現正相關，也就是買了高保障的投保人，反而會較不小心. 治政大風險的角度出發，保險契約可能帶來負面的動機效應(Incentive Effect)。比較立. 去防範損失的發生或擴大，使成為高風險者，此即為道德風險。因此，從道德. Rothschild and Stiglitz 以及 Shavell 兩者理論差異，可以發現前者探討「風險型. ‧ 國. 學. 態」，檢驗逆選擇是否存在；後者探討投保人「小心行為」，檢驗道德風險是. ‧. 否存在。. Boyer and Dionne(1989)指出，標準的道德風險驗證方法假定，事故發生機. y. Nat. er. io. sit. 率取決於投保人的謹慎程度。由於訊息不對稱，謹慎程度是無法觀察的，投保之後，如果存在道德風險，投保人將降低謹慎駕駛的激勵，減少用於風險控制. n. al. 的成本，導致風險增加。. Ch. engchi. i n U. v. De Meza and Webb (2001)也認為，保險公司所無法掌控的，不單只有被保險人的風險型態，也有可能是被保險人對於風險的偏好。並指出在相同的風險型態下，愈風險趨避的被保險人，購買保險的意願也會愈高，並且小心預防，事故發生的機率就會降低，此為有利選擇。因此，在保險市場上訊息不對稱的問題，也可能產生與逆選擇以及道德風險相反的結果：保障高低與事故發生機率高低之間呈現負相關。 Eisenhauer（2004）認為異質買家以及不對稱資訊為保險市場中必然的特質。他指出若低風險者比高風險者規避風險程度更高，低風險者可能較高風險 8.

(15) 者更願意以任何價格購買保險。Eisenhauer（2004）將期望效用函數理論以泰勒展開式表達意外事故機率、風險趨避程度和承保範圍之間的關係。若意外事故機率與風險趨避有正相關，則發生逆選擇；相對的，若保險市場中意外事故機率與風險趨避有負相關，低風險個體會購買高承保範圍，高風險個體則選擇低承保範圍，逆選擇則不會發生。. 第二節訊息不對稱的實證文獻在很多理論模型中，訊息不對稱與風險等級有關：投保人對自己的評估理. 政治大息不對稱的不是最重要、也不是唯一的原因。例如理論模型中常常忽視投保人立. 論上會比保險人的評估來的準確。但是在很多實際情況下，風險並不是造成訊. 在自身偏好與風險趨避的程度有較佳的資訊。. ‧ 國. 學. 因此很多實證研究，像是在汽車保險市場 Dahlby，Pulez and Snow、健康. ‧. 保險市場 Browne、年金市場 Finkelstein and Poterba，皆意圖去檢驗想證明出逆. sit. y. Nat. 選擇在資訊不對稱中的存在。. io. er. 汽車市場方面，Dahlby 研究加拿大汽車保險市場，Pulez and Snow 則是研究喬治亞州某汽車保險人提供的資料，兩個研究皆有相當高的證據指出逆選擇. al. n. v i n Ch 的存在。不過只有前者的研究結果支持不同分險類型投保人的交叉補貼，後者 engchi U. 的研究中沒有出現顯著的交叉補貼情形。不過，其他學者對於該研究有許多質疑，Dionne et al 認為 Puelz and Snow 在第一階段所使用的方程式為線性的迴歸式，但通常性別、年齡等個人特性變數以及保費、契約選擇等內生變數之間多為非線性的，因此可能造成偽相關的實證結果，進而高估市場上訊息不對稱的現象。健保市場方面，Browne 的研究顯示低風險個體比起個人保險，會購買更多團體保險，檢驗下找出了逆選擇的證據。Finkelstein and Poterba 研究英國的其. 9.

(16) 中一組年金資料，沒有發現保險事故發生時的保險費中的逆選擇，但在保險契約其他面向中找出了逆選擇的強力證據。雖然有些論文對於逆選擇提出許多實證，也有更多研究則是支持有利選擇。Cawley and Philipson 透過投保者自我評估以及實際的風險，和所需求壽險的價格與量，從這些直接證據發現：購買保險的量似乎與風險呈現負相關。這暗示著壽險市場中似乎不會被逆選擇影響，他們假設在這種情況下，保險人可獲得大量的資訊。實證研究需要大量的樣本數以及眾多變因，眾多變因來源可能是來自於很. 治政大性。Chiappori and Salanié（2000）利用無母數以及母數方法，以「年輕」駕駛立. 多非線性比例關係，而定價表或者算意外事故機率常常沒有考慮這些非線性特. 為樣本，在法國汽車保險契約調查中發現沒有逆選擇的證據。Cardon and. ‧ 國. 學. Handel（2001）同樣的以類似的方式延伸出類似的結果，他們評斷一個涵蓋買. ‧. 家私人資訊、整合醫療保險以及其醫療衛生需求的離散模型，結果沒有發現逆向選擇的證據。. y. Nat. er. io. sit. Finkelstein and McGarry 研究美國的私人長期照顧保險市場，試圖找出逆選擇的證據，結果沒有找出投保人的承保範圍與其風險類型的正相關性，然而，. al. n. v i n 從投保人對於療養院的自我評估資料中發現了資訊不對等的情況。總而言之， Ch engchi U 逆選擇的重要性在實證研究中顯得較小。 Satio（2006）透過日本汽車保險中受費率管制的市場下的資料，想檢驗逆選擇與道德風險的問題。他指出保險人不清楚是誰開了被投保的車子，以至於「事故對不上索賠」，故沒有發現逆選擇或者道德風險的問題。而國內學者曾郁仁、蔡英哲與鄭安峰（2006）則是針對台灣車體損失保險市場，進行訊息不對稱的實證研究。此研究利用保險公司所提供車體損失險保單的資料，大致上依照 Chiappori and Salanie 所使用的一對 Probit 迴歸模型，並且以甲式車體損失保險為高保障，乙式或丙式的車體損失保險為低保障，進行 10.

(17) 實證研究。實證結果發現保險公司與被保險人之間確實存在訊息不對稱的現象。但是在控制保費價格之後，訊息不對稱問題似乎也得到了有效的控制，尤其是在高金額的理賠時。汪琪玲（2006）的研究是依循曾郁仁、蔡英哲與鄭安峰（2006）的相同主題，作進一步地深入探討。其所使用的亦為保險公司所提供的資料，但是更為完整，並且是將甲、乙、丙三式保單作兩兩交叉比對，仍然依照 Chiappori and Salanie（2000）所使用的一對 Probit 迴歸模型進行實證檢定。結果發現台灣車體損失保險市場中，甲、乙、丙三式保單進行交叉比對，會得到不同的訊息不. 治政大故發生是呈現顯著條件正相關，即有可能是逆選擇問題，也有可能是道德風險立對稱問題，其中，甲式和丙式或乙式和丙式的車體損失險之間，保障高低與事. 問題；而甲式與乙式車體損失險之間，則存在保障高低與事故發生是呈現顯著. ‧ 國. 學. 條件負相關，因此為有利選擇現象。. ‧. 利菊秀、劉純之與葉家興（2007）利用臺灣車險市場的動態投保資料，分析投保人在跨年度間保險自留額形式與索賠概率的關係，將道德風險從資訊不. y. Nat. er. io. sit. 對稱中分離出來，證實了道德風險的存在。由於他們比較的是同一個投保人在不，同年度間保單保障高低和索賠概率之間的關係，個人風險類別是固定的(不. al. n. v i n 會在兩年間有變化，也沒有因出險行為而改變)，故沒有逆選擇的問題，因此， Ch engchi U 在保障越高時，若有顯著越高的索賠概率，則純粹是道德風險造成。王儷玲、鍾經樊與曾郁仁（2008）同樣利用臺灣車險市場的動態投保資料，證實了道德風險的存在，認為提高免賠額有助於控制道德風險。. 11.

(18) 第三章研究方法本研究旨在探討保險公司利用與公司本身關係不同之通路，銷售汽車保險保單時，對於公司在保單上所可能面臨的訊息不對稱問題的影響程度。我們利用汽車任意第三人責任險保單，分析這些保單上頭保障高低、與保單出險之關係，將訊息不對稱問題辨識出來；除對全樣本進行分析外，並將公司所有的任意第三人責任險保單，針對各主要通路、依其保險公司親密程度分群，在本文所研究的保險公司，同一集團所屬的車商保代、與公司僱佣業務員，是屬與保險公司關係較為親密的通路，而一般保經代、與承攬業務員，是屬與保險公司. 政治大. 關係較為疏離的通路，比較保險公司在親疏關係不同的通路上，所面臨之訊息. 立. 不對稱問題的差異。. ‧ 國. 學. 本章共分為二節，第一節為假說的建立；第二節為實證模型。. 第一節研究假說. ‧. 隨著通路多元化，所衍生的代理人問題也愈被重視，而訊息不對稱問題一. y. Nat. sit. 直以來不斷的困擾著所有保險公司，當代理人未能確實詢問被保險人相關資訊. n. al. er. io. 時，被保險人亦不會主動揭露其自身之可保訊息，因此保險公司會盡力的廣泛. i n U. v. 蒐集被保險人的相關資訊，並因此增加許多資訊成本。根據 Dionne and Gagne. Ch. engchi. (2002)的推論，如果市場上的訊息不對稱只是來自逆選擇問題，風險較高的被保險人，傾向投保高保障保單，所以，他們在選擇高保障保單機率之間，會有條件正相關。因此我們建立第一項假說：假說 1:汽車第三人責任險市場存在有顯著之訊息不對稱問題。消費者購買高保障保單的投保行為，與通路的核保或服務專業顯然息息相關，換言之，探討個別行銷通路所招攬客群之間，檢定逆選擇或道德風險問題嚴重程度也是本研究的重點，由於車商保代與僱佣業務員的專業本職，及對業務篩選的執行，與保險公司具有休戚與共的夥伴關係，相較一般保經代與承攬業務員的兼業本職(本職大都是招攬壽險業務)，純粹賺取佣金相較，各通路同 12.

(19) 質客戶群之影響力，應該有相當程度的差異。因此，本研究據此建立的第二項假說如下：假說 2:與保險公司關係較為緊密之車商保代與僱佣業務員通路，相較於與保險公司較為疏離之一般保經代與承攬業務員通路，其逆選擇或道德風險所形成的訊息不對稱問題比較輕微。. 第二節實證模型為了檢證上述假說，本研究利用兩階段分析法（Two-stage Probit Regression Model）探討契約保障高低與事故風險間是否存在著的條件相關，且判別條件相. 政治大險機率認定風險時，兩段估計法的第一階段，使用 Probit Regression 來進行；立. 關是正相關或負相關。而我們分別用出險機率及出險頻率來認定風險，當以出. ‧ 國. 學. 當以出險頻率來認定風險時，兩段估計法的第一階段，使用 Negative Binomial Regression3來進行。. ‧. 本研究採用的兩階段估計法，效法 Dionne et al 當時建構的模型。第一階段. sit. y. Nat. 估計被保險人的風險高低。如前所述，本研究分別用以出險機率及出險頻率來. io. n. al. er. 認定風險，因此我們有模型一及模型二兩個模型。. i n U. v. 於模型一，我們關心以出險機率代表的風險與保障高低的條件相關，因此. Ch. engchi. 第一階段，我們利用 Probit(出險機率)迴歸式估計出險機率： 𝑝𝑟𝑜𝑏(𝑐𝑙𝑚 = 1︱X1 ) = Φ(𝛽1 X1 ). (1). 其中，被解釋變數 clm=1 代表出險，否則為 0。Φ為標準常態分配的累加分配函數。 3. 因為第三人財損險與第三人體傷險資料中理賠出險次數具有非負整數（non-negative integer）性質，研究樣本屬於計數性資料（count data），即樣本之出險次數皆至在「0」次以上的正整數特質，而且樣本資料之期望值亦可能不等於變異數，因此為使樣本性質符合統計理論，本文捨棄假設「平均數等於變異數」之卜瓦松迴歸模型（poisson regression model）而改以允許「變異數不等於平均數」之負二項迴歸模型（negative binomial regression model）為實證模型，以便能忠實呈現樣本資料的相關性。 13.

(20) X1 包括這可能影響出險理賠的解釋變數，包括核保、訂價或用來控制個別被保險人非齊一的解釋變數，例如核保的從人因素方面，有考量車主的性別 (female)，年齡(age)，理賠紀錄等級(bm)；從車因素方面，有考量車齡 (carage)、用途(sedan)、排氣量(veh_m~ veh_l)；對次車輛登記地區(city、 north、south、central)的考量、以及投保年份(y_2011、y_2012、y_2013)的控制，詳情請參考(表一的變數定義)。Φ 為標準常態分配的累加分配函數，β1 為迴歸式中對應上述各解釋變數之係數的向量。 ̂ )，再將此出險機率估計值代入第二利用(1)式，我們可以估計得出險機率(𝑐𝑙𝑚 階段的下式：. 政治大. ̂ ，𝑐𝑙𝑚，𝑋2 ) = Φ(𝛽𝑒𝑠𝑡𝑐𝑙𝑚 𝑐𝑙𝑚 ̂ + 𝛽𝑐𝑙𝑚 𝑐𝑙𝑚 + 𝛽2 𝑋2 ) 𝑝𝑟𝑜𝑏(coverℎ𝑖𝑔ℎ = 1︱clm. 立. (2). 其中，被解釋變數𝑐𝑜𝑣𝑒𝑟ℎ𝑖𝑔ℎ 代表要保人選擇高保障契約4與否，𝑋2 為關於被保險. ‧ 國. 學. 人個人訊息的變數，涵蓋核保、訂價或用來控制個別被保險人非齊一的解釋變. ‧. 數，例如核保的從人因素方面，有考量車主的性別，年齡，出險紀錄等級；從. y. Nat. 車因素方面，有考量車齡、用途、排氣量；其他還有考量車輛登記地區、投保. er. io. sit. 年份等，這些解釋變數皆為可能影響出險理賠發生與否及選擇購買高保障契約與否的外生變數，詳情請參考(表一的變數定義)。β2 為迴歸式中對應上述各解. n. al. 釋變數之係數的向量。. Ch. engchi. i n U. v. 檢證出險機率與保障高低間之條件相關的關鍵，就是𝑐𝑙𝑚的估計係數 (𝛽̂𝑐𝑙𝑚 )，依假說一，若在任意第三責任險市場上存在顯著的訊息不對稱，則𝛽̂𝑐𝑙𝑚 必需顯著異於 0；再進一步依𝛽̂𝑐𝑙𝑚 的符號，判斷訊息不對稱問題的種類，若𝛽̂𝑐𝑙𝑚 為正、則訊息不對稱問題可是逆選擇或道德風險；若𝛽̂𝑐𝑙𝑚 為負、則訊息不對稱問題為有利選擇。. 4. 汽車第三人責任險(財損、體傷)高保障契約的分界，是根據保單結構中保額的中位數做設定，換言之，第三人責任財損險保額超過 50 萬，以及第三人責任體傷險保額超過 1,200 萬，就符合本研究中高保障契約之變數定義。 14.

(21) 於模型二，我們關心以出險機頻率代表的風險與保障高低的條件相關，因此第一階段，我們利用負二項迴歸式估計出險頻率：𝑛𝑢𝑚𝑏𝑒𝑟𝑖 ~𝑃𝑜𝑖𝑠𝑠𝑜𝑛(𝜇𝑖 ) 𝜇𝑖 = exp⁡(𝛽3 𝑋3 + 𝜀𝑖 ). (3). 其中，被解釋變數 number 代表出險頻率X3 包括這可能影響出險理賠的解釋變數，包括核保、訂價或用來控制個別被保險人非齊一的解釋變數，例如核保的從人因素方面，有考量車主的性別，年齡，理賠紀錄等級；從車因素方面，有考量車齡、用途、排氣量；對次車輛登記地區的考量、以及投保年份的控制， ⁡ β3 為迴歸式中對應上述各解釋變數之係數的向量。. 政治大. ̂ )，再將此出險頻率估計值代入第利用(3)式，我們可以估計得出險頻率(𝑛𝑢𝑚𝑏𝑒𝑟. 立. 二階段的下式：. ‧ 國. 學. ̂ ，𝑛𝑢𝑚𝑏𝑒𝑟，𝑋4 ) = Φ(𝛽𝑒𝑠𝑡𝑛𝑏𝑟 𝑛𝑢𝑚𝑏𝑒𝑟 ̂ + 𝑝𝑟𝑜𝑏(coverℎ𝑖𝑔ℎ = 1︱𝑛𝑢𝑚𝑏𝑒𝑟 𝛽𝑛𝑏𝑟 𝑛𝑢𝑚𝑏𝑒𝑟 + 𝛽4 𝑋4 ). (4). ‧. 其中，被解釋變數𝑐𝑜𝑣𝑒𝑟ℎ𝑖𝑔ℎ 代表要保人選擇高保障契約與否，𝑋4 為關於被保險. Nat. sit. y. 人個人訊息的變數，涵蓋核保、訂價或用來控制個別被保險人非齊一的解釋變. n. al. er. io. 數，例如核保的從人因素方面，有考量車主的性別，年齡，出險紀錄等級；從. i n U. v. 車因素方面，有考量車齡、用途、排氣量；其他還有考量車輛登記地區、投保. Ch. engchi. 年份等，這些解釋變數皆為可能影響出險理賠發生與否及選擇購買高保障契約與否的外生變數，β4 為迴歸式中對應上述各解釋變數之係數的向量。檢證出險頻率、與保障高低間之條件相關的關鍵，就是𝑛𝑢𝑚𝑏𝑒𝑟的估計係數 (𝛽̂𝑛𝑏𝑟 )，依假說一，若在任意第三責任險市場上存在顯著的訊息不對稱，則𝛽̂𝑛𝑏𝑟 必需顯著異於 0；再進步依𝛽̂𝑛𝑏𝑟 的符號，判斷訊息不對稱問題的種類，若𝛽̂𝑛𝑏𝑟 為正、則訊息不對稱問題可是逆選擇或道德風險；若𝛽̂𝑛𝑏𝑟 為負、則訊息不對稱問題為有利選擇。. 15.

(22) 當上述檢定發現訊息不對稱問題確實存在之後，基於本研究目的，更重要的是，檢定來自與保險公司較密切的通路與保險公司較疏離的通路，其所帶來之保險契約之訊息不對稱問題的相對嚴重程度，因此，我們又建立了模型三及模型四。於模型三，兩階段估計法的第一階段與(1)式相同，而於在第二階段的 ̂ ∗ 𝑠𝑎𝑚𝑒： Probit 迴歸式中，我們加入兩個交叉相乘項：𝑐𝑙𝑚 ∗ 𝑠𝑎𝑚𝑒及𝑐𝑙𝑚 ̂ ，𝑐𝑙𝑚 ̂ ∗ 𝑠𝑎𝑚𝑒，𝑐𝑙𝑚，𝑐𝑙𝑚 ∗ 𝑠𝑎𝑚𝑒，𝑋5 ) = Φ 𝑝𝑟𝑜𝑏(𝑐𝑜𝑣𝑒𝑟ℎ𝑖𝑔ℎ = 1︱𝑐𝑙𝑚 ̂ + 𝛽̂𝑐𝑙𝑚∗𝑠𝑎𝑚𝑒 𝑐𝑙𝑚 ̂ ∗ 𝑠𝑎𝑚𝑒 + 𝛽𝑐𝑙𝑚 𝑐𝑙𝑚 + 𝛽𝑐𝑙𝑚∗𝑠𝑎𝑚𝑒 𝑐𝑙𝑚 ∗ 𝑠𝑎𝑚𝑒 + 𝛽5 𝑋5 ) (𝛽𝑒𝑠𝑡𝑐𝑙𝑚 𝑐𝑙𝑚. 立. 政治大. (5). 𝑠𝑎𝑚𝑒 = 1代表保單來自與保險公司關係較親密之通路，否則𝑠𝑎𝑚𝑒 = 0。檢. ‧ 國. 學. 定假說二的關鍵，就在於𝑐𝑙𝑚 ∗ 𝑠𝑎𝑚𝑒的估計係數(𝛽̂𝑐𝑙𝑚∗𝑠𝑎𝑚𝑒 )；依假說二的推. ‧. 論，𝛽̂𝑐𝑙𝑚∗𝑠𝑎𝑚𝑒 應顯著異於 0、且為負，代表在來自與保險公司關係較親密之通路的保單上，逆選擇或道德風險所形成的訊息不對稱問題較為輕微。. sit. y. Nat. io. er. 於模型四，兩階段估計法的第一階段與(3)式相同，而於在第二階段的負二 ̂ ∗ 𝑠𝑎𝑚𝑒：項迴歸式中，我們加入兩個交叉相乘項：𝑛𝑢𝑚𝑏𝑒𝑟 ∗ 𝑠𝑎𝑚𝑒及𝑛𝑢𝑚𝑏𝑒𝑟. n. al. Ch. engchi. i n U. v. ̂ ，𝑛𝑢𝑚𝑏𝑒𝑟 ̂ ∗ 𝑠𝑎𝑚𝑒，𝑛𝑢𝑚𝑏𝑒𝑟，𝑛𝑢𝑚𝑏𝑒𝑟 ∗ 𝑠𝑎𝑚𝑒， 𝑝𝑟𝑜𝑏(𝑐𝑜𝑣𝑒𝑟ℎ𝑖𝑔ℎ = 1︱𝑛𝑢𝑚𝑏𝑒𝑟 ̂ + 𝛽̂𝑛𝑢𝑚𝑏𝑒𝑟∗𝑠𝑎𝑚𝑒 𝑛𝑢𝑚𝑏𝑒𝑟 ̂ ∗ 𝑠𝑎𝑚𝑒 + 𝛽𝑛𝑏𝑟 𝑛𝑢𝑚𝑏𝑒𝑟 + 𝑋6 ) = Φ(𝛽𝑒𝑠𝑡𝑛𝑏𝑟 𝑛𝑢𝑚𝑏𝑒𝑟 (6). 𝛽𝑛𝑢𝑚𝑏𝑒𝑟∗𝑠𝑎𝑚𝑒 𝑛𝑢𝑚𝑏𝑒𝑟 ∗ 𝑠𝑎𝑚𝑒 + 𝛽6 𝑋6 ). 𝑠𝑎𝑚𝑒 = 1代表保單來自與保險公司關係較親密之通路，否則𝑠𝑎𝑚𝑒 = 0。檢定假說二的關鍵，就在於𝑛𝑢𝑚𝑏𝑒𝑟 ∗ 𝑠𝑎𝑚𝑒的估計係數(𝛽̂𝑛𝑢𝑚𝑏𝑒𝑟∗𝑠𝑎𝑚𝑒 )；依假說二的推論，𝛽̂𝑛𝑢𝑚𝑏𝑒𝑟∗𝑠𝑎𝑚𝑒 應顯著異於 0、且為負，代表在來自與保險公司關係較親密之通路的保單上，逆選擇或道德風險所形成的訊息不對稱問題較為輕微。. 16.

(23) 第四章資料來源與統計分析本研究以某產險公司 2011 年至 2014 年汽車第三人責任保險之資料。資料內容涵蓋投保保戶個別的人、車特性、保單種類與出險紀錄。而該保險公司市佔率位居前五大，資料遍及全省，因此基本上資料的代表性是可被接受的。本章共分為二節，第一節針對本研究所使用的資料加以敘述；第二節說明本研究之變數設定與所取得資料樣本的敘述統計。. 第一節. 資料來源與建構. 自用小客車車輛數車輛數與全國車輛數比重，以及第三人責任保險保費. 政治大. 收入佔全體汽車任意險保費之比重均較高，因此本研究之資料係以某產險公司. 立. 於 2011 年至 2014 年期間所承保之汽車保險自用小客車的被保險人中，篩選被. ‧ 國. 學. 保險人為自然人且投保汽車第三人責任險之有效保單為基礎，資料內容為本研究所需之人、車特性控制變數，包含年齡、性別、理賠紀錄、車輛種類、廠牌. ‧. er. io. sit. Nat. 本，合計有 1,757,233 筆，其中有對廠牌變數加以控制。. y. 型式、保單生效日、車齡、投保險種、居住地區、通路來源等做為本研究之樣. 其中通路結構，主要通路為 CA、KA、BA、KB(表 4-1-1)，保單結構(保. al. n. v i n 額、保費)及車價結構(表 4-1-2)，由於本研究針對汽車第三人責任險(財損、體 Ch engchi U. 傷)高保障契約的分界，是根據保單結構中保額的中位數做設定，換言之，第三人責任財損險保額超過 50 萬，以及第三人責任體傷險保額超過 1,200 萬，就符合本研究中高保障契約之變數定義。. 17.

(24) 表 4-1-1. 2011 年-2014 年第三人責任(財損、體傷)險通路結構第三人責任財損險變數. 平均值標準差. N. 第三人責任體傷險平均值標準差. N. channel_CA5. 401666. 0.4775. 0.4995. 403289. 0.4791. 0.4996. channel_BA6. 401666. 0.0723. 0.2589. 403289. 0.0721. 0.2586. channel_KA7. 401666. 0.2911. 0.4543. 403289. 0.2901. 0.4538. channel_KB8. 401666. 0.0489. 0.2156. 403289. 0.0487. 0.2153. channel_CA. 426626. 政0.4725治0.4992大 428043. 0.4737. 0.4993. channel_BA. 立426626. 0.0740. 0.2618. 428043. 0.0739. 0.2617. channel_KA. 426626. 0.2850. 0.4514. 428043. 學. 0.2844. 0.4511. channel_KB. 426626. 0.0503. 0.2186. 428043. 0.0502. 0.2183. channel_CA. 447177. 0.4621. 0.4986. 448287. 0.4628. 0.4986. channel_BA. 447177. 0.0745. 0.2627. 448287. 0.0745. 0.2625. 0.2792. 0.4486. 0.0555. 0.2290. y. a447177 iv l C 0.2796 0.4488 n 448287 h n g c h0.2292 i U 448287 447177 e0.0556. n. channel_KB. sit. io. channel_KA. ‧. Nat. 2013 年. er. 2012 年. ‧ 國. 2011 年. channel_CA. 476425. 0.4611. 0.4985. 477614. 0.4618. 0.4985. channel_BA. 476425. 0.0759. 0.2649. 477614. 0.0758. 0.2647. channel_KA. 476425. 0.2700. 0.4440. 477614. 0.2696. 0.4438. channel_KB. 476425. 0.0598. 0.2372. 477614. 0.0597. 0.2369. 2014 年. 5 6 7 8. channel_CA 指車商保代通路 channel_BA 指一般保經代通路 channel_KA 指僱佣業務員通路 channel_KB 指承攬業務員通路 18.

(25) 表 4-1-2. 2011-2014 保單保費及車價結構. 第三人責任財損險變數. 平均值. N. 標準差. 中位數. 眾數. 保額. 1751894. 415130.20. 192483.00. 500000.00. 500000.00. 保費. 1751894. 1179.27. 410.83. 1151.00. 1130.00. 車價. 1751894. 78.05. 51.41. 66.90. 69.90. 政治大第三人責任體傷險. 平均值. 標準差. ‧. 眾數. Nat. y. 中位數. 保額. 1757233. 保費. 1757233. 1366.60. 車價. 1757233. 78.03. 12000000.00. 580.96. i v1273.00 n U. 1309.00. 51.36. 66.90. 69.90. n. al. 14514016.00. 24000000.00. er. io. 16129996.00. sit. N. 學. 變數. ‧ 國. 立. Ch. engchi. 註：(保額、保費)單位為元、(車價)單位為萬元。. 第二節變數說明與敘述統計本文所有變數的定義說明列附於表 4-2-1 19.

(26) 表 4-2-1. 變數定義變數. 定義. 被解釋變數： cov_high_vp. 為虛擬變數，第三人財損責任險保額大於 50 萬時為 1，否則為 0。. cov_high_vb. 為虛擬變數，第三人體傷責任險保額大於 1200 萬時為 1，否則為 0。. clm. 為虛擬變數，當個人申請出險理賠時為 1，否則為 0。. n_. 為虛擬變數，當個人申請出險理賠時為 1，否則為 0。. 解釋變數： female. 虛擬變數，女性為 1，否則為 0。. age2025. 虛擬變數，投保人年齡大於或等於 20 歲、小於 25 歲為 1，否則為 0。. age2530. 虛擬變數，投保人年齡大於或等於 25 歲、小於 30 歲為 1，否則為 0。. age3060. 虛擬變數，投保人年齡大於或等於 30 歲、小於 60 歲為 1，否則為 0。. age6070. 虛擬變數，投保人年齡大於或等於 60 歲、小於 70 歲為 1，否則為 0。. carage5. 虛擬變數，車齡 4 年為 1，否則為 0。虛擬變數，車齡 5 年為 1，否則為 0。. 虛擬變數，車輛屬自用小客車為 1，否則為 0。. io. sedan. 虛擬變數，車齡 3 年為 1，否則為 0。. Nat. carage4. 虛擬變數，車齡 2 年為 1，否則為 0。. y. carage3. 虛擬變數，車齡 1 年為 1，否則為 0。. ‧. carage2. 虛擬變數，1 年以內之新車為 1，否則為 0。. sit. carage1. 學. carage0. al. er. bm. ‧ 國. ageabv70. 政治大虛擬變數，投保人年齡大於或等於 70 歲為 1，否則為 0。立虛擬變數，被保險人三年以上無賠款紀錄係數為 0.7，否則為大於 0.7。. 虛擬變數，車輛排氣量高於 1800c.c 且低於(含)2400c.c 為 1，否則為 0。. veh_l. 虛擬變數，車輛排氣量高於 2400c.c 為 1，否則為 0. channel_CA. 虛擬變數，保險業務招攬來自車商保代為 1，否則為 0. channel_BA. 虛擬變數，保險業務招攬來自一般保經代為 1，否則為 0. channel_KA. 虛擬變數，保險業務招攬來自保險公司僱佣業務員為 1，否則為 0. channel_KB. 虛擬變數，保險業務招攬來自保險公司承攬業務員為 1，否則為 0. city. 虛擬變數，車主居住於都會區為 1，否則為 0。. north. 虛擬變數，車主居住於台灣北部地區為 1，否則為 0。. south. 虛擬變數，車主居住於台灣南部地區為 1，否則為 0。. central. 虛擬變數，車主居住於台灣中部地區為 1，否則為 0。. y_2011. 虛擬變數，簽單年度屬 2011 年為 1，否則為 0。. y_2012. 虛擬變數，簽單年度屬 2012 年為 1，否則為 0。. y_2013. 虛擬變數，簽單年度屬 2013 年為 1，否則為 0。. n. veh_m. Ch. engchi. 20. i n U. v.

(27) 透過本研究樣本之第三人責任財損險基本統計量(表 4-2-2)及第三人責任體傷險基本統計量(表 4-2-3)，可了解本研究所使用資料之樣本結構：表 4-2-2. 第三人責任財損險資料之基本統計量變數. N. 平均值. 標準差. 最小值. 最大值. cov_high_vp. 1751894. 0.5914. 0.4916. 0.0000. 1.0000. clm. 1751894. 0.0400. 0.1959. 0.0000. 1.0000. female. 1751894. 0.5590. 0.4965. 0.0000. 1.0000. age2025. 1751894. 0.0128. 0.1124. 0.0000. 1.0000. age2530. 1751894. 0.0475. 0.2126. 0.0000. 1.0000. age3060. 1751894. 0.8327. 0.3733. 1.0000. age6070. 1751894. 0.0890. 0.0000. 1.0000. ageabv70. 1751894. 0.2848 政治 0.0172 0.1300 大. 0.0000 0.0000. 1.0000. 0.7365. 0.1475. 0.6200. 2.5000. 0.0000. 1.0000. 0.0000. 1.0000. 1751894. 0.0990. 0.2987. 1751894. 0.0840. 0.2774. 1751894. 0.0768. 0.2663. 0.0000. 1.0000. 1751894. 0.0683. 0.2522. 0.0000. 1.0000. carage4. 1751894. 0.0637. 0.2443. 0.0000. 1.0000. carage5. 1751894. 0.0590. 0.2356. 0.0000. 1.0000. sedan. 1751894. 0.8163. 0.3873. 0.0000. 1.0000. veh_m. 1751894. 0.2404. 0.4273. 1.0000. veh_l. 1751894. v n i 0.0000. channel_CA. 1751894. 0.0000. 1.0000. channel_BA. 1751894. 0.0743. 0.2622. 0.0000. 1.0000. channel_KA. 1751894. 0.2810. 0.4495. 0.0000. 1.0000. channel_KB. 1751894. 0.0539. 0.2259. 0.0000. 1.0000. city. 1751894. 0.5650. 0.4958. 0.0000. 1.0000. north. 1751894. 0.4546. 0.4979. 0.0000. 1.0000. south. 1751894. 0.2349. 0.4239. 0.0000. 1.0000. central. 1751894. 0.2705. 0.4442. 0.0000. 1.0000. y_2011. 1751894. 0.2293. 0.4204. 0.0000. 1.0000. y_2012. 1751894. 0.2435. 0.4292. 0.0000. 1.0000. y_2013. 1751894. 0.2553. 0.4360. 0.0000. 1.0000. io. n. 0.4088 C0.2121 h e n g c0.4990 hi U 0.4679. 21. y. Nat. al. sit. carage3. ‧. carage2. er. carage1. ‧ 國. carage0. 學. bm. 立 1751894. 0.0000. 1.0000.

(28) 表 4-2-3. 第三人責任體傷險資料之基本統計量平均值. 標準差. 最小值. 最大值. cov_high_vb. 1757233. 0.5278. 0.4992. 0.0000. 1.0000. clm. 1757233. 0.0150. 0.1217. 0.0000. 1.0000. female. 1757233. 0.5590. 0.4965. 0.0000. 1.0000. age2025. 1757233. 0.0128. 0.1126. 0.0000. 1.0000. age2530. 1757233. 0.0476. 0.2129. 0.0000. 1.0000. age3060. 1757233. 0.8326. 0.3733. 0.0000. 1.0000. age6070. 1757233. 0.0889. 0.2847. 0.0000. 1.0000. ageabv70. 1757233. 0.0172. 0.1300. 0.0000. 1.0000. bm. 1757233. 0.7368. 0.1476. 0.6200. 2.5000. carage0. 1757233. 0.0000. 1.0000. carage1. 1757233. 政治 0.1001 0.3001 大 0.0845 0.2781. 0.0000. 1.0000. carage2. 1757233. 0.0767. 0.2661. 0.0000. 1.0000. 1757233. 0.0681. 0.2520. 1757233. 0.0636. 1757233. 0.2440. 0.0000. 1.0000. 0.0589. 0.2354. 0.0000. 1.0000. 1757233. 0.8161. 0.3874. 0.0000. 1.0000. veh_m. 1757233. 0.2401. 0.4271. 0.0000. 1.0000. veh_l. 1757233. 0.2122. 0.4089. 0.0000. 1.0000. channel_CA. 1757233. 0.4689. 0.4990. channel_BA. 1757233. channel_KA. 1757233. channel_KB. 1757233. 0.0538. city. 1757233. north. sedan. io. al. y. carage5. sit. carage4. ‧. 1.0000. Nat. 0.0000. er. carage3. 立. 學. N. ‧ 國. 變數. 1.0000. 0.0000. 1.0000. 0.2256. 0.0000. 1.0000. 0.5649. 0.4958. 0.0000. 1.0000. 1757233. 0.4550. 0.4980. 0.0000. 1.0000. south. 1757233. 0.2345. 0.4237. 0.0000. 1.0000. central. 1757233. 0.2704. 0.4442. 0.0000. 1.0000. y_2011. 1757233. 0.2295. 0.4205. 0.0000. 1.0000. y_2012. 1757233. 0.2436. 0.4292. 0.0000. 1.0000. y_2013. 1757233. 0.2551. 0.4359. 0.0000. 1.0000. n. v n i 0.0000. C0.0741 h e n g c0.2620 hi U 0.2804 0.4492. 22. 0.0000. 1.0000.

(29) 第三人責任財損險樣本中被保險人屬於女性佔比為 55.90%；被保險人年齡在大於或等於 20 歲到 25 歲之間的佔比為 1.28%；被保險人年齡在大於或等於 25 歲到 30 歲之間的佔比為 4.75%；被保險人年齡在大於或等於 30 歲到 60 歲之間的佔比為 83.27%；被保險人年齡在大於或等於 60 歲到 70 歲之間的佔比為 8.90%；被保險人年齡在大於或等於 70 歲的佔比為 1.72%，平均賠款紀錄等級是 0.7365。從車因素之變數分別為：車齡、車輛種類、排氣量等，從資料可看出汽車排氣量大於 1,800 且小於 2,400c.c.佔比 24.04%；車輛種類屬自用小客車佔比為. 政治大. 81.63%。投保財損險屬高保障保單佔比 59.14%；. 立. 行銷通路來自車商保代佔比為 46.79%；來自一般保經代佔比為 7.43%；來. ‧ 國. 學. 自僱佣業務員佔比為 28.10%；來自承攬業務員佔為為 5.39%，車主居住地區為都會區佔比為 56.50%；北部地區佔比為 45.46%；南部地區佔比為 23.49%；中. ‧. 部地區佔比為 27.05，保單年度為 2011 年佔比為 22.93%；2012 年佔比為. y. Nat. er. io. sit. 24.35%；2013 年佔比為 25.53%。. 第三人責任體傷險樣本中被保險人屬於女性佔比為 55.90%；被保險人年齡. al. n. v i n Ch 在大於或等於 20 歲到 25 歲之間的佔比為 e n g 1.28%；被保險人年齡在大於或等於 chi U. 25 歲到 30 歲之間的佔比為 4.76%；被保險人年齡在大於或等於 30 歲到 60 歲之間的佔比為 83.26%；被保險人年齡在大於或等於 60 歲到 70 歲之間的佔比為 8.89%；被保險人年齡在大於或等於 70 歲的佔比為 1.72%。從車因素之變數分別為：車齡、車輛種類、排氣量等，從資料可看出汽車排氣量大於 1,800 且小於 2,400c.c.佔比 24.04%；車輛種類屬自用小客車佔比為 81.61%。投保體傷險屬高保障保單佔比 52.78%；行銷通路來自車商保代佔比為 46.89%；來自一般保經代佔比為 7.41%；來自僱佣業務員佔比為 28.04%；來自承攬業務員佔為為 5.38%，車主居住地區為都會區佔比為 56.49%；北部地區佔比為 45.50%；南部 23.

(30) 地區佔比為 23.45%；中部地區佔比為 27.04，保單年度為 2011 年佔比為 22.95%；2012 年佔比為 24.36%；2013 年佔比為 25.51%。綜合觀察研究上述樣本之基本統計量，內容為自用小客車且被保險人為自然人有投保第三人責任險各控制變數之平均值，以第三人責任體傷險為例，控制變數 clm 為有賠款紀錄者之平均值為 1.50%，代表多數被保險人均無賠款紀錄。控制變數 bm 為連續變數，其定義為賠款紀錄係數，平均值為 73.68%，代表多數投保汽車第三人責任體傷險出險機率低，所以被保險人投保計算費率所適用之係數值都低於 1，表示多數被保險人投保汽車第三人責任體傷險之保險. 政治大變數 clm 的狀況呈現一致性。接續觀察控制變數為被保險人的年齡級距，共區立費可以獲得扣減，平均應支付的保險費低於該險種之基本保費，保險費與控制. ‧ 國. 學. 分為 5 個級距，其中以年齡級距 30-60 歲者，平均值為 83.26%為年齡級距佔比最多數，除因該年齡級距區間分布較寬外，推測與現行汽車任意險計算保費所. ‧. 適用從人因素之年齡係數因子中，以年齡 30-60 歲係數為最低有關。. n. er. io. sit. y. Nat. al. Ch. engchi. 24. i n U. v.

(31) 第五章. 實證結果分析. 本章先針對全體樣本分析訊息不對稱問題是否存在，以及訊息不對稱問題在通路與保險公司親疏關係上的差異性，而風險分別就出險機率及出險頻率來定義，所以第一節陳述以出險機率定義風險時，全樣本檢證出來的實證結果；第二節陳述以出險頻率定義風險時，全樣本檢證出來的實證結果。接著，我們再分別針對與保險公司親疏關係不同之四個通路保單的子樣本，分別檢證這些保單子樣本上的訊息不對稱問題，以做為第一節與第二節之發現的 Robustness Test，於第三節是出險機率定義風險時，這四個通路子樣本的訊息不對稱問題. 政治大. 分析；第四節是出險頻率定義風險時，這四個通路子樣本的訊息不對稱問題。. 立. 由於台灣的任意責任險又分成任意財損險、及任意體傷險，因此，從一至四節. ‧ 國. 學. 所有的實證檢定，也都分別針對這兩個不同險種之保單來進行。. ‧. 第一節以出險機率定義風險的實證結果. y. Nat. sit. 在第三人責任財損險全樣本中，我們發現所有人、車特性對於出險機率，. n. al. er. io. 都有顯著的解釋能力，這佐證了目前保險公司用來核保訂價人、車的因素，都. i n U. v. 是重要的風險分類因子。其中女性相較於男性，出險機率較高；年齡層愈長. Ch. engchi. (age2025、age2530、age3060、age6070、ageabv70)相較於年輕駕駛(18 歲以上、 20 歲以下)的出險機率較低；肇事記錄愈差者 (bm 愈高者) 出險機率愈高；車齡愈低者(cargae0~carage5 相較於車齡 5 年以上)出險機率愈高；小客車(sedan)相較於小貨車、大型車(veh_l)相較於小型車出險機率較高；中型車(veh_m) 相較於小型車出險機率較低；都會區(city)相較於非都會區的出險機率高、台灣的北、中、南(north、central、south)部地區相較於東部及離島地區的出險機率低。而 Regression(高保障選擇)為第二階段模型之實證結果，若要分辨有無逆選擇存在，則是透過出險機率 clm 之估計係數𝛽̂𝑐𝑙𝑚 來分辨，於模型一中發現，若 25.

(32) 𝛽̂𝑐𝑙𝑚 顯著為正，代表選擇高保障契約愈容易出險，若𝛽̂𝑐𝑙𝑚 顯著為負，代表選擇高保障契約愈不易出險。於第三人責任財損險的全通路樣本(表 5-1-1)，𝛽̂𝑐𝑙𝑚 為 (0.0736***)於 99%的信賴水準顯著異於 0 且為正，代表在三人責任財損險市場中，有訊息不對稱問題存在，本文的假說 1 成立。我們檢證訊息不對稱問題在通路與保險公司親疏關係上之差異性的關鍵，是claim ∗ same的估計係數𝛽̂𝑐𝑙𝑚𝑠𝑎𝑚𝑒 ，於模型三中發現，其估計結果統計近似顯著(-0.0226 尾端機率值 0.1085，接近 90%信賴水準)的異於 0 且為負，表示與保險公司關係較為緊密之車商保代與僱佣業務員通路，相較於與保險公司較為疏. 政治大問題比較輕微(表 5-1-2)，本文的假說 2 獲得微弱支持(Weak Support)。立. 離之一般保經代與承攬業務員通路，其逆選擇或道德風險所形成的訊息不對稱. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 26. i n U. v.

(33) 表 5-1-1. 第三人財損險全樣本兩階段 probit 迴歸分析第三人責任財損險(N=1751894) 出險機率. Pr > ChiSq. 高保障選擇. Pr > ChiSq. -1.8876***. <.0001. -1.7592***. <.0001. clm_hat. 25.5746***. <.0001. clm. 0.0736***. <.0001. Regre. Intercept. female. 0.0312***. <.0001. 0.0524***. <.0001. age2025. -0.0887*. 0.0629. 0.3885***. <.0001. age2530. -0.221***. <.0001. 1.1246***. <.0001. age3060. -0.2915****. <.0001. 1.5183***. <.0001. age6070. -0.2735***. ageabv70. -0.1988***. <.0001 <.0001 <.0001. 0.0608***. <.0001. 0.6416***. <.0001. 0.0454***. <.0001. 0.5514***. <.0001. 0.0309***. <.0001. 0.5263***. <.0001. 0.0572***. <.0001. 0.4060***. <.0001. 0.0446***. <.0001. 0.3838***. <.0001. carage5. 0.0432***. <.0001. 0.3179***. <.0001. sedan. 0.0261***. veh_m. 0.0104**. veh_l. -0.0179***. city. carage4. Nat. carage3. io. n. al. Ch. <.0001. e 0.0224 ngchi. y. carage2. sit. carage1. er. carage0. ‧ 國. -2.1134***. ‧. <.0001. 學. bm. 立 0.5546***. 1.4598*** 政<.0001治大 <.0001 1.1353***. iv n U0.2006*** 0.0842***. <.0001 <.0001. 0.001. 0.4569***. <.0001. 0.0294***. <.0001. 0.0556***. <.0001. north. -0.0485***. <.0001. 0.3250***. <.0001. south. -0.0729***. <.0001. 0.3442***. <.0001. central. -0.0187**. 0.0439. 0.4242***. <.0001. y_2011. -0.0433***. <.0001. 0.0905***. <.0001. y_2012. -0.0321***. <.0001. 0.0444***. <.0001. y_2013. -0.00325. 0.4938. -0.00453*. 0.098. 註：***表 99%信賴水準，**表 95%信賴水準，*表 90%信賴水準。. 27.

(34) 表 5-1-2. 第三人財損險分組通路兩階段 probit 迴歸分析第三人責任財損險(N=1536465) 出險機率. Pr > ChiSq. 高保障選擇. Pr > ChiSq. -1.8447***. <.0001. -1.6963***. <.0001. clm_hat. 15.0746***. <.0001. clm_hat*same. 8.1681***. <.0001. clm. 0.0952***. <.0001. -0.0226. 0.1085. Regre. Intercept. same*clm female. 0.0306***. <.0001. 0.0706***. <.0001. age2025. -0.1393***. 0.0084. 0.4768***. <.0001. age2530. -0.2670***. age3060. -0.3308***. <.0001 <.0001 <.0001. -0.2324***. <.0001. 1.0840***. <.0001. 0.5623***. <.0001. -1.8507***. <.0001. 0.0572***. <.0001. 0.5934***. <.0001. 0.0441***. <.0001. 0.5178***. <.0001. 0.0296***. <.0001. 0.5063***. <.0001. carage3. 0.0580***. <.0001. 0.4144***. <.0001. carage4. 0.0398***. al. <.0001. carage5. 0.0414***. sedan. 0.0287***. veh_m. carage2. Nat. carage1. io. n. Ch. e<.0001 ngchi. y. carage0. sit. bm. er. ageabv70. ‧ 國. 1.4071***. ‧. <.0001. 學. age6070. 立 -0.3169***. 1.1097*** 政<.0001治大 <.0001 1.4486***. iv n U0.3407*** 0.4099***. <.0001 <.0001. <.0001. 0.0849***. <.0001. 0.0108**. 0.0277. 0.2104***. <.0001. veh_l. -0.0206***. 0.0004. 0.4641***. <.0001. city. 0.0322***. <.0001. 0.0515***. <.0001. north. -0.0541***. <.0001. 0.3032***. <.0001. south. -0.0801***. <.0001. 0.3477***. <.0001. central. -0.0246**. 0.0108. 0.4326***. <.0001. y_2011. -0.0444***. <.0001. 0.0634***. <.0001. y_2012. -0.0317***. <.0001. 0.0222***. <.0001. y_2013. -0.00318. 0.5311. -0.0107***. 0.0003. 註：***表 99%信賴水準，**表 95%信賴水準，*表 90%信賴水準。 28.

(35) 在第三人責任體傷險全通路樣本中，我們發現所有人、車特性對於出險機率，大多有顯著的解釋能力，其中女性相較於男性，出險機率較高；年齡層 (age3060、age6070)相較於年輕駕駛(18 歲以上、20 歲以下)的出險機率較低；肇事記錄愈差者 (bm 愈高者) 出險機率愈高；車齡愈低者(cargae0~carage5 相較於車齡 5 年以上)出險機率愈高；小客車(sedan)相較於小客貨車出險機率較高；大型車(veh_l)、中型車(veh_m) 相較於小型車出險機率較低；都會區(city)相較於非都會區的出險機率低、台灣的北(north)部地區相較於東部及離島地區的出險機率低；中(central)部地區相較於東部及離島地區的出險機率高。. 治政大擇存在，則是透過出險機率 clm 之估計係數𝛽̂ 來分辨，於模型一中發現，若立 ̂ ̂. 而 Regression(高保障選擇)為第二階段模型之實證結果，若要分辨有無逆選 𝑐𝑙𝑚. 𝛽𝑐𝑙𝑚 顯著為正，代表選擇高保障契約愈容易出險，若𝛽𝑐𝑙𝑚 顯著為負，代表選擇. ‧ 國. 學. 高保障契約愈不易出險。於第三人責任體傷險的全通路樣本(表 5-1-3)，𝛽̂𝑐𝑙𝑚 為. ‧. (0.0579***)於 99%的信賴水準顯著異於 0 且為正，代表在三人責任體傷險市場中，有訊息不對稱問題存在，本文的假說 1 成立。. sit. y. Nat. al. er. io. 我們檢證訊息不對稱問題在通路與保險公司親疏關係上之差異性的關鍵，. v. n. 是claim ∗ same的估計係數𝛽̂𝑐𝑙𝑚𝑠𝑎𝑚𝑒 ，於模型三中發現，其估計結果統計為(-. Ch. engchi. i n U. 0.0252*)呈現顯著的異於 0 且為負，表示與保險公司關係較為緊密之車商保代與僱佣業務員通路，相較於與保險公司較為疏離之一般保經代與承攬業務員通路，其逆選擇或道德風險所形成的訊息不對稱問題比較輕微(表 5-1-4)，本文的假說 2 成立。. 29.

(36) 表 5-1-3. 第三人體傷險全樣本兩階段 probit 迴歸分析第三人責任體傷險(N=1757233) 出險機率. Pr > ChiSq. 高保障選擇. Pr > ChiSq. -2.3487***. <.0001. -0.7700***. <.0001. clm_hat. 24.831***. <.0001. clm. 0.0579***. <.0001. Regre. Intercept. female. 0.0267***. <.0001. 0.0252***. <.0001. age2025. 0.0306. 0.6587. -0.0100. 0.7765. age2530. -0.0943. 0.1660. 0.4382***. <.0001. age3060. -0.1461**. 0.0304. 0.6053***. <.0001. age6070. -0.1406**. ageabv70. 立 0.4358*** -0.0962. <.0001 <.0001 <.0001. 0.0417***. <.0001. 0.2478***. <.0001. 0.0329***. 0.0004. 0.2615***. <.0001. 0.0399***. <.0001. 0.2419***. <.0001. 0.0500***. <.0001. 0.1956***. <.0001. 0.0499***. <.0001. 0.1634***. <.0001. carage5. 0.0542***. <.0001. 0.1352***. <.0001. sedan. 0.0490***. veh_m. -0.0135**. veh_l. -0.0619***. city. carage4. Nat. carage3. io. n. al. Ch. <.0001. e 0.0347 ngchi. y. carage2. sit. carage1. er. carage0. ‧ 國. -0.7758***. ‧. <.0001. 學. bm. 0.5448*** 政0.0385治大 0.1682 0.4209***. iv n U0.1144*** 0.1169***. <.0001 <.0001. <.0001. 0.2355***. <.0001. -0.00921*. 0.0869. -0.0442***. <.0001. north. -0.1137***. <.0001. 0.1525***. <.0001. south. 0.00236. 0.8600. 0.2774***. <.0001. central. 0.0231*. 0.0688. 0.3729***. <.0001. y_2011. -0.0362***. <.0001. -0.1212***. <.0001. y_2012. -0.0199***. 0.0036. -0.0858***. <.0001. y_2013. 0.00885. 0.1846. -0.0649***. <.0001. 註：***表 99%信賴水準，**表 95%信賴水準，*表 90%信賴水準。. 30.

(37) 表 5-1-4. 第三人體傷險分組通路兩階段 probit 迴歸分析第三人責任體傷險(N=1541519) Regre. Intercept. 出險機率. Pr > ChiSq. 高保障選擇. Pr > ChiSq. -2.3360***. <.0001. -0.7220***. <.0001. 25.7154***. <.0001. 0.0600. 0.7589. 0.0824***. 0.0002. -0.0252*. 0.092. clm_hat clm_hat*same clm same*clm 0.0239***. <.0001. 0.0349***. <.0001. age2025. -0.0168. 0.8284. 0.0131. 0.74. age2530. -0.1104. age3060. -0.1606**. age6070. -0.1582** -0.1117. 0.1516. 0.3551***. <.0001. 0.4504***. <.0001. -0.7968***. <.0001. 0.0394***. <.0001. 0.2517***. <.0001. 0.0354***. 0.0002. 0.2581***. <.0001. 0.0393***. <.0001. 0.2439***. y. <.0001. 0.0502***. <.0001. 0.1946***. <.0001. al. <.0001. io. carage3. <.0001. Nat. carage2. 0.4788***. sit. carage1. <.0001. 0.0375. er. carage0. <.0001. ‧. bm. 治 0.3803*** 政0.1473 大 0.0335 0.5366*** 學. ageabv70. 立. ‧ 國. female. <.0001. sedan. v i n 0.0518*** C 0.1376*** U h e<.0001 i h n gc 0.0479*** <.0001 0.1202***. veh_m. -0.0149**. 0.0315. 0.1214***. <.0001. veh_l. -0.0676***. <.0001. 0.2500***. <.0001. -0.00481. 0.4024. -0.0553***. <.0001. north. -0.1170***. <.0001. 0.1475***. <.0001. south. -0.00373. 0.7895. 0.2750***. <.0001. central. 0.0181. 0.1719. 0.3937***. <.0001. y_2011. -0.0335***. <.0001. -0.1305***. <.0001. y_2012. -0.0163**. 0.0251. -0.0961***. <.0001. y_2013. 0.00975. 0.1727. -0.0703***. <.0001. carage5. city. 0.0438***. n. carage4. 0.1710***. 註：***表 99%信賴水準，**表 95%信賴水準，*表 90%信賴水準。 31. <.0001 <.0001.

(38) 第二節以出險頻率定義風險的實證結果在第三人責任財損險全樣本中，我們發現，所有人、車特性對於出險頻率，大多有顯著的解釋能力，其中女性相較於男性，出險機率較高；年齡層愈長(age2530、age3060、age6070、ageabv70)相較於年輕駕駛(18 歲以上、20 歲以下)的出險機率較低；肇事記錄愈差者 (bm 愈高者) 出險機率愈高；車齡愈低者 (cargae0~carage5 相較於車齡 5 年以上)出險機率愈高；小客車(sedan)相較於小客貨車、中型車(veh_m)相較於小型車出險機率較高；大型車(veh_l) 相較於小型車出險機率較低；都會區(city)相較於非都會區的出險機率高、台灣的北、南. 政治大. (north、south)部地區相較於東部及離島地區的出險機率低。. 立. 而 Regression(高保障選擇)為第二階段模型之實證結果，若要分辨有無逆選. ‧ 國. 學. 擇存在，則是透過出險頻率𝑛𝑢𝑚𝑏𝑒𝑟之估計係數𝛽̂𝑛𝑏𝑟 來分辨，於模型二中發現，若𝛽̂𝑛𝑏𝑟 顯著為正，代表選擇高保障契約愈容易出險，若𝛽̂𝑛𝑏𝑟 顯著為負，代表選. ‧. 擇高保障契約愈不易出險。於第三人責任財損險的全樣本(表 5-2-1)，𝛽̂𝑛𝑏𝑟 為. y. Nat. al. er. io. 中，有訊息不對稱問題存在，本文的假說 1 成立。. sit. (0.0563***)於 99%的信賴水準顯著異於 0 且為正，代表在三人責任財損險市場. n. v i n Ch 我們檢證訊息不對稱問題在通路與保險公司親疏關係上之差異性的關鍵，是 engchi U ̂. 𝑛𝑢𝑚𝑏𝑒𝑟 ∗ 𝑠𝑎𝑚𝑒的估計係數𝛽𝑛𝑢𝑚𝑏𝑒𝑟∗𝑠𝑎𝑚𝑒𝑙𝑚 ，於模型四中發現，其估計結果統計 (-0.0235*)顯著的異於 0 且為負，表示與保險公司關係較為緊密之車商保代與僱佣業務員通路，相較於與保險公司較為疏離之一般保經代與承攬業務員通路，其逆選擇或道德風險所形成的訊息不對稱問題比較輕微(表 5-2-2)，本文的假說 2 成立。. 32.

(39) 表 5-2-1. 第三人財損險全樣本兩階段負二項迴歸分析第三人財損險(N=1751894) 出險頻率. Pr > ChiSq. 高保障選擇. Pr > ChiSq. -3.5453***. <.0001. -1.2121***. <.0001. times_hat. 12.0411***. <.0001. n_. 0.0563***. <.0001. Regre. Intercept. 0.0693***. <.0001. 0.0823***. <.0001. age2025. -0.1000. 0.3432. 0.1517***. <.0001. age2530. -0.3787***. age3060. -0.5343***. age6070. -0.4907*** -0.3201***. 0.0026. 0.7404***. <.0001. 1.2272***. <.0001. -1.5449***. <.0001. 0.1857***. <.0001. 0.6688***. <.0001. 0.1399***. <.0001. 0.5707***. <.0001. 0.1035***. <.0001. 0.5344***. y. <.0001. 0.1522***. <.0001. 0.4462***. <.0001. <.0001. 0.4134***. <.0001. <.0001 0.3500*** engchi U. <.0001. io. carage3. <.0001. Nat. carage2. 0.9942***. al. 0.1222***. carage5. 0.1125***. sedan. 0.0675***. veh_m. n. carage4. Ch. sit. carage1. <.0001. er. carage0. <.0001. ‧. bm. <.0001. 學. ageabv70. 立. 0.0002 治 0.7186*** 政<.0001 大 1.0377***. ‧ 國. female. v ni. <.0001. 0.1035***. <.0001. 0.0341***. 0.0011. 0.2047***. <.0001. veh_l. -0.0260**. 0.0391. 0.4327***. <.0001. city. 0.0915***. <.0001. 0.0688***. <.0001. north. -0.0962***. <.0001. 0.2709***. <.0001. south. -0.1761***. <.0001. 0.2810***. <.0001. central. -0.0270. 0.2057. 0.3969***. <.0001. y_2011. -0.1087***. <.0001. 0.0528***. <.0001. y_2012. -0.0783***. <.0001. 0.0172***. <.0001. y_2013. -0.0039. 0.7161. -0.0096***. 0.0004. 註：***表 99%信賴水準，**表 95%信賴水準，*表 90%信賴水準。 33.

(40) 表 5-2-2. 第三人財損險分組通路兩階段負二項迴歸分析第三人財損險(N=1536465) 出險頻率. Pr > ChiSq. 高保障選擇. Pr > ChiSq. -3.5009***. <.0001. -1.0812***. <.0001. times_hat. 3.5835***. <.0001. times_hat*same. 7.0024***. <.0001. n_. 0.0775***. <.0001. -0.0235*. 0.0625. 0.0973***. <.0001. Regre. Intercept. same*n_ female. 0.0706***. age2025. -0.1554. age2530. -0.4225***. age3060. -0.5653***. 0.0015 <.0001 <.0001. -0.5291***. <.0001. 0.8524***. 學. <.0001. -0.3353***. 0.0045. 0.6056***. <.0001. 1.2426***. <.0001. -1.2953***. 0.1786***. <.0001. ‧. <.0001. 0.6189***. <.0001. 0.1366***. <.0001. 0.5383***. <.0001. carage2. 0.1012***. <.0001. 0.5156***. <.0001. carage3. 0.1536***. <.0001. 0.4562***. carage4. al. 0.1089***. carage5. 0.1119***. sedan. 0.0716***. <.0001. 0.1072***. <.0001. veh_m. 0.0338***. 0.0028. 0.2166***. <.0001. veh_l. -0.0347**. 0.0102. 0.4413***. <.0001. city. 0.0963***. <.0001. 0.0697***. <.0001. north. -0.1121***. <.0001. 0.2496***. <.0001. south. -0.1930***. <.0001. 0.2806***. <.0001. central. -0.0408*. 0.0652. 0.4033***. <.0001. y_2011. -0.1116***. <.0001. 0.0250***. <.0001. y_2012. -0.0780***. <.0001. -0.0037. 0.2673. y_2013. -0.0051. 0.6576. -0.0146***. <.0001. ageabv70 bm carage0 carage1. io. n. er. age6070. sit. 0.8836***. ‧ 國. <.0001. y. 0.1331*** 政0.1867治大 0.0002 0.6078***. Nat. 立. <.0001. v i <.0001 0.4372*** n Ch e<.0001 n g c h i U0.3697***. 註：***表 99%信賴水準，**表 95%信賴水準，*表 90%信賴水準。 34. <.0001 <.0001 <.0001.

(41) 接續在第三人責任體傷險全樣本中，我們發現，所有人、車特性對於出險機率，除年齡層外大多有顯著的解釋能力，其中女性相較於男性，出險機率較高；肇事記錄愈差者 (bm 愈高者) 出險機率愈高；車齡愈低者(cargae0~carage5 相較於車齡 5 年以上)出險機率愈高；小客車(sedan)相較於小客貨車出險機率較高；中型車(veh_l) 、大型車(veh_m) 相較於小型車出險機率較低；都會區(city) 及台灣的中部地區 centra)無解釋能力、台灣的北、南(north、south)部地區相較於東部及離島地區的出險機率低。而 Regression(高保障選擇)為第二階段模型之實證結果，若要分辨有無逆選擇存在，則是透過出險頻率𝑛𝑢𝑚𝑏𝑒𝑟之估計係數𝛽̂𝑛𝑏𝑟 來分辨，於模型二中發現，若𝛽̂𝑛𝑏𝑟. 治政大̂ 顯著為正，代表選擇高保障契約愈容易出險，若𝛽 立. 𝑛𝑏𝑟 顯著為負，代表選. 擇高保障契約愈不易出險。於第三人責任體傷險的全樣本(表 5-2-3)，𝛽̂𝑛𝑏𝑟 為. ‧ 國. 學. (0.0501***)於 99%的信賴水準顯著異於 0 且為正，代表在三人責任體傷險市場. ‧. 中，有訊息不對稱問題存在，本文的假說 1 成立。. sit. y. Nat. 我們檢證訊息不對稱問題在通路與保險公司親疏關係上之差異性的關鍵，. al. er. io. 是𝑛𝑢𝑚𝑏𝑒𝑟 ∗ 𝑠𝑎𝑚𝑒的估計係數𝛽̂𝑛𝑢𝑚𝑏𝑒𝑟∗𝑠𝑎𝑚𝑒𝑙𝑚 ，於模型四中發現，其估計結果未. v. n. 符合顯著(-0.0229 尾端機率值 0.2928，接近 70%信賴水準)的異於 0 且為負，表. Ch. engchi. i n U. 示與保險公司關係較為緊密之車商保代與僱佣業務員通路，相較於與保險公司較為疏離之一般保經代與承攬業務員通路，其逆選擇或道德風險訊息不對稱問題比較輕微(表 5-2-4)，但未達顯著水準，於本文的假說 2 在此情況下並未獲得支持。. 35.

(42) 表 5-2-3. 第三人體傷險全樣本兩階段負二項迴歸分析第三人體傷險(N=1757233) 出險頻率. Pr > ChiSq. 高保障選擇. Pr > ChiSq. -4.6875***. <.0001. -0.6700***. <.0001. times_hat. 18.3406***. <.0001. n_. 0.0501***. <.0001. Regre. Intercept. female. 0.0690***. <.0001. 0.0297***. <.0001. age2025. 0.1424. 0.4217. -0.0411. 0.2455. age2530. -0.1513. 0.3848. 0.3713***. <.0001. age3060. -0.2688. 0.1196. 0.5229***. <.0001. age6070. -0.253. ageabv70. 立 1.0824*** -0.1109. <.0001 <.0001 <.0001. 0.1475***. <.0001. 0.2422***. <.0001. 0.1141***. <.0001. 0.2583***. <.0001. 0.1221***. <.0001. 0.2432***. <.0001. 0.1570***. <.0001. 0.1958***. <.0001. 0.1393***. <.0001. 0.1692***. <.0001. carage5. 0.1548***. <.0001. 0.1404***. <.0001. sedan. 0.1245***. veh_m. -0.0312*. veh_l. -0.1563***. carage4. Nat. carage3. io. n. al. Ch. <.0001. e 0.0611 ngchi. y. carage2. sit. carage1. er. carage0. ‧ 國. -0.6863***. ‧. <.0001. 學. bm. 0.4628*** 政0.1459治大 0.5347 0.3379***. iv n U0.1109*** 0.1257***. <.0001 <.0001. <.0001. 0.2240***. <.0001. -0.0107. 0.4442. -0.0496***. <.0001. north. -0.3018***. <.0001. 0.1349***. <.0001. south. -0.0032. 0.9264. 0.2804***. <.0001. central. 0.0587*. 0.0722. 0.3769***. <.0001. y_2011. -0.0868***. <.0001. -0.1295***. <.0001. y_2012. -0.0500***. 0.0049. -0.0897***. <.0001. y_2013. 0.0261. 0.1312. -0.0644***. <.0001. city. 註：***表 99%信賴水準，**表 95%信賴水準，*表 90%信賴水準。. 36.

(43) 表 5-2-4. 第三人體傷險分組通路兩階段負二項迴歸分析第三人體傷險(N=1541519). Regre. Intercept. 出險頻率. Pr > ChiSq. 高保障選擇. Pr > ChiSq. -4.6587***. <.0001. -0.6074***. <.0001. 18.4406***. <.0001. 0.0254. 0.8894. 0.0734***. 0.0003. -0.0229. 0.2928. times_hat times_hat*same n_ 0.0617***. <.0001. 0.0397***. <.0001. age2025. 0.0294. 0.8821. -0.0335. 0.3959. age2530. -0.1864. 0.3383. age3060. -0.3002. age6070. -0.2922. ageabv70. -0.1395. 0.4838. 0.2573***. <.0001. 1.1185***. <.0001. -0.6890***. <.0001. 0.1437***. <.0001. 0.2463***. <.0001. 0.1224***. <.0001. 0.2558***. 0.1234***. <.0001. ‧. <.0001. 0.2455***. <.0001. 0.1566***. <.0001. y. same*n_. 0.1967***. <.0001. 0.1267***. <.0001. 0.1761***. <.0001. v i n 0.1299*** C h <.0001 e0.0653 n g c h i U0.1167***. <.0001. carage3. io. carage4. Nat. carage2. al. <.0001 <.0001. 0.1506***. sedan. 0.1222***. veh_m. -0.0333*. veh_l. -0.1708***. <.0001. 0.2354***. <.0001. -0.0006. 0.9665. -0.0597***. <.0001. north. -0.3117***. <.0001. 0.1263***. <.0001. south. -0.0188. 0.6009. 0.2769***. <.0001. central. 0.0467. 0.1702. 0.3971***. <.0001. y_2011. -0.0815***. <.0001. -0.1391***. <.0001. y_2012. -0.0407**. 0.0318. -0.0999***. <.0001. y_2013. 0.0259. 0.1634. -0.0685***. <.0001. n. 0.1433***. <.0001. carage5. city. <.0001. sit. carage1. er. carage0. 0.3005*** 治政0.1202 0.4399*** 大 0.133 0.3821***. 學. bm. 立. ‧ 國. female. 註：***表 99%信賴水準，**表 95%信賴水準，*表 90%信賴水準。. 37. <.0001 <.0001.