1、第六十八期（民國九十九年三月）：1-38.我國壽險業考慮準固定投入後的效率與生產力變動分析黃台心*高棟梁*姜麗智*梁嘉惠*摘要本研究使用資料包絡分析法，評估我國壽險業的經營績效，除估計技術效率、規模效率與純粹技術效率外，更進一層計算Malmquist生產力指數，期間涵蓋1994-2003年。在投入與產出變數的選取上，改由銀行業之仲介法角度定義，並將準固定要素投入放入分析模型。依壽險公司不同屬性，將樣本廠商分成不同群組，檢定彼此間的效率值是否有顯著差異。估計結果大致接近過去相關文獻，顯示採用仲介法定義投入與產出變數具合理性；我國壽險市場的經營效率有逐年提升跡象。將準固定要素納入模型後，發現各種效
2、率估計值明顯下降，符合理論預期，亦較能正確反映壽險公司真實效率。關鍵詞：準固定投入；技術效率；Malmquist生產力指數；*為聯繫作者，國立政治大學金融學系教授，Email: thuangnccu.edu.tw，台北市文山區指南路二段64號。*淡江大學保險學系副教授，台北縣淡水鎮英專路151號。*醒吾技術學院財務金融學系助理教授。*淡江大學保險研究所碩士。第六十七期壹、導論台灣地區保險業的發展，可上溯自1945年，由政府成立台灣省保險業監理委員會開始。迄1962年始准許民營保險公司成立，1986年起每年開放兩家美商保險公司來台設立分公司，1993年開放國人申設保險公司，次年允許世界各國保險公
3、司來台設立分公司。壽險公司家數從1987年的8家，增加到2004年的28家，其中本國壽險公司20家，外商壽險公司8家。1我國的壽險市場，已由1987年前的封閉、寡占市場，漸趨開放與競爭的市場。壽險業的總資產至2003年底已達新台幣462,800百萬元。另外，就台灣貨幣與資本市場資金來源而言，2003年全體壽險業提供新台幣4,619,985百萬元，佔總額12.3%，為台灣地區第四大貨幣資本市場資金來源，壽險業儼然成為我國重要的金融機構之一。隨著全球金融環境的變遷與資訊科技不斷創新，為強化國內金融機構的經營績效和競爭力，因應加入WTO後面臨國外大型跨國金融機構的挑戰，我政府仿效美國及日本先後引進金
4、融公司控股法從事金融改革，於2000年通過金融機構合併法，容許銀行、證券及保險公司跨業合併。2001年再通過金融控股公司法，並於同年11月開始實施。金融控股公司法大幅放寬金融機構跨業經營的限制，使銀行、證券、保險等不同性質的金融機構，能透過控股公司的方式進入各類金融領域。藉金融控股公司的子公司以共同行銷、資訊交互運用及設備共享等方式，組合多樣化商品，降低營運成本，發揮金融綜合經營效益，同時藉由異業、同業的整合擴大營運規模，提升整體競爭力。截至2004年底止，財政部已核准14家金融控股公司（簡稱金控）的設立，掀起金融界一股購併風潮。在這股金控公司紛紛成立的風潮下，屬於金控公司的壽險公司與不屬於金
5、控公司的壽險公司，經營績效是否有所差異？是一有趣且值得探討的主題，也是本研究重點之一。考慮壽險公司不同的屬性，將樣本廠商分成兩群組，檢定它們的效率值是否有顯著差異。在競爭激烈的壽險市場中，過去已有多家公司因經營績效不佳或經營策略運用的關係，選擇退出市場或進行併購。因此，關於壽險公司的經營績效評估，成為業者和學者共同關心的課題，藉由績效評估過程，可幫助我國壽險業考慮準固定投入後的效率與生產力變動分析業者檢討過去的經營缺失，了解經營現況，作為未來研擬經營方針的參考。另可提供管理者、股東、保戶及監理機構等利害關係人，作為客觀參考的指標。在生產效率的研究領域裡，不同的衡量方法各有其完整的理論模型與優缺
6、點，大體分為參數法與無參數法兩種。皆是利用一組樣本廠商從中找到效率邊界，亦稱效率前緣，若某廠商落在效率邊界上稱該廠商為最有效率廠商，其他非邊界廠商的效率水準，由他們與效率前緣之相對位置而定。目前國內外已累積相當多有關壽險業經營效率之研究，彙整這些相關文獻，發現在使用無參數法的實證研究，大多探討技術效率、規模效率與純粹技術效率層面，這些課題僅係本研究的基本內容。由於使用的資料屬縱橫資料(panel data)，在技術效率基礎上，可以很容易擴大探討總要素生產力(total factor productivity，TFP)，文獻上普遍使用Malmquist TFP index (MPI)，為本研究重
7、點之二，實證期間為十年。本研究重點之三，使用準固定要素投入(quasi-fixed inputs)於分析模型中，並使用銀行業之仲介法(intermediation approach)定義壽險業之投入與產出變數，探討納入準固定要素後，對於效率與MPI分析結果，是否產生重大差異。本研究使用無參數法中的資料包絡分析法(data envelopment analysis，DEA)，採用投入導向的效率衡量方式，研究台灣地區壽險公司長期的經營績效，並引入準固定要素投入；其定義為在長期下不易隨著生產量的變化而調整之生產要素。Cummins及Zi (1998)將保險公司主要的活動區分為風險承擔(risk be
8、aring/risk pooling services)及仲介服務(intermediation services)，前者指保險公司先向投保人收取保險費用，當投保事故發生致投保人遭受損失時，保險公司依約承擔損害賠償之責，產生保險給付。仲介服務方面，保險公司在依約給付保險金之前，先將收取的保費以責任準備金方式持有，並投資於各種金融標的，發生投資與放款等活動，帶給保險公司各種利息收入。過去相關研究多著重保險公司的風險承擔功能，本研究試圖從另一角度，強調保險公司的仲介服務功能，由此處切入探討我國壽險業生產效率與生產力。將保險公司視為提供金融服務的仲介者，一方面向保戶收取保險費，提供保障服務，支付各種
9、保險給付；另一方面，利用保費收入，從第六十七期事各種投資與放款等活動，賺取利息收入，構成保險公司重要獲利來源，此為本研究重視仲介服務功能的原因；王雪屏、謝聰敏、張靜貞、陸怡蕙及徐世勳(2008)也將保費收入定義為要素投入。因此，在投入與產出項部分，仿照銀行業之仲介法定義，以資金投入、勞動、固定資產為投入變數；放款和投資為產出變數。在效率分析方面，使用DEA法估計各壽險公司的總技術效率，再分解為規模效率(scale efficiency)與純粹技術效率(pure technical efficiency)兩種。因為本研究使用的資料型態屬於縱橫資料，可運用MPI指數，估計壽險公司之總要素生產力變動
10、指數，再分解成技術效率變動及技術變動等兩種指數。運用壽險公司不同的特性，將樣本廠商分群，檢定不同群組的效率值是否有顯著差異。壽險公司的業務活動主要分為承保業務及投資業務，過去國內相關研究，大都著重於承保業務分析。試想，若壽險公司祇著重這項業務，致力推廣各類保險商品的銷售，卻忽略有效運用保費收入從事貸放和投資，獲利恐十分有限。本研究將同時考慮這二項主要業務活動，俾能真實代表壽險公司整體營運狀況。準此，本研究將壽險公司視為金融機構之一員，故稍後實證分析時，借用銀行業定義投入與產出的仲介法觀點，是本研究與過去相關研究相異之處。本文除第一節為緒論外，第二節為文獻回顧，接下來說明本研究的研究方法，第四節
11、介紹樣本資料，第五節分析主要實證結果，最後一節為結論。貳、文獻回顧國內外不乏對壽險公司經營績效的研究，有財務比例分析法，多用於衡量公司之清償能力；另有效率邊界分析法，細分為參數法與無參數法。前者使用經濟計量模型，須先設立廠商的目標函數及隨機干擾項型態，方能進行估計，函數型態常為生產函數、成本函數或利潤函數，隨機干擾項則包含代表偶發因素的誤差項及無效率部分。最大優點是函數本身與隨機干擾項分離，但研究者須先主觀設定函數與隨機干擾項的型態，若設定錯誤易導致偏誤。我國壽險業考慮準固定投入後的效率與生產力變動分析無參數法的好處是不須先假設函數型態，可避免模型設定錯誤，但因不含隨機干擾項，故無法區隔諸如運
12、氣、戰爭及氣候等隨機因素對效率的影響，造成所衡量的無效率值，可能包含真正的無效率與隨機干擾因子。國內外利用無參數法衡量壽險公司經營效率之文獻，多著重在技術效率與規模效率上。例如，Fecher及Pestieau (1993)使用DEA與SFA法，分析1984至1989年法國84家壽險公司的經營績效，發現參數法與無參數法估計出來的效率值具有高度相關性；而營運規模愈大、再保率愈低之廠商，其效率值愈大；理賠率愈高的壽險公司，效率值亦愈大。Cummins、Turchetti及Weiss (1996)利用DEA與MPI法分析1988-1992年義大利壽險公司的效率與生產力，發現研究期間內樣本公司的效率值沒
13、有顯著變動，但生產力明顯下降，主要原因來自於技術退步；相互保險公司比股份有限公司具有相對較高的經營效率。Fukuyama (1997)利用DEA法衡量日本相互保險公司與股份有限公司，1988-1993年經營績效的差異，並分析生產力指數的變動。發現兩種公司型態的效率估計值無顯著差異；相互保險公司的無效率主要來自純技術無效率，股份有限公司則來自於規模無效率。Cummins、Tennyson及Weiss (1999)使用DEA與MPI法分析1988-1995年美國壽險公司併購、效率與規模經濟等議題，得到發生併購的壽險公司具有較好經營效率的結論，且這些公司多處於非遞減規模報酬階段；財務較脆弱之壽險公司
14、，容易成為被併購的目標。整體而言，併購活動有助於提升壽險業的經營效率。國內方面，劉純之(1994)使用DEA法評估台灣地區1992年7家本土與5家外商壽險公司的經營效率，發現大部分的壽險公司都具有技術效率，外商與本土公司間經營效率無顯著差異。葉彩蓮及陳澤義(2000)，以DEA法衡量台灣地區民國85年28家壽險公司的資源使用效率，發現其中有9家屬於有效率者，其餘19家為相對無效率者；另外，新舊壽險公司之間的效率值有顯著差異，而本國與外商公司之間則無明顯差異。國內也有許多碩、博士論文，探討本國與外商壽險公司經營績效，發現以資產總額、本國與外商等方式分類，在經營績效上並無明顯差異，但新舊公司（以1
15、991年為分界點）間，則存在明顯的效率差異。上述文獻均未將準固定投入變數帶入模型，惟其他產業的研究，則有多篇可資借鏡。Hunter及Timme (1995)考慮銀行廠商有部分生產要素具準固第六十七期定投入性質，分析1983-1990年美國317家商業銀行投入與產出關係。Oum及Waters (1996)回顧過去15年間，關於交通運輸業成本函數研究的文章，著重不同特性的投入要素對成本函數的影響，短期成本函數中對於固定投入項的處理以及邊界估計方法的使用等。Nemoto及Goto(2003)和Sueyoshi及Sekitani (2005)考慮廠商雇員為準固定要素投入，使用動態DEA法估計生產效率，
16、為Nemoto及Goto(1999)模型之延伸，分析對象為1981年至1995年間日本電力產業。Ouellette及Vierstraete(2004)認為準固定投入要素實際存在於所有經濟部門，因而必須納入研究模型使效率估計更加精確，研究樣本為1997-1999年15家加拿大蒙特婁醫院。將準固定要素投入入實證模型，並比較是否考慮準固定投入對效率估計值的影響。Bilodeau、Cremieux、Jaumard、Ouellette及Vovor (2004)、Paradi及Schaffnit(2004)與Ouellette及Vierstraete (2005)等論文，將考慮準固定投入的模型擴充至同時估
17、計技術與配置效率。Chen及Huang (2008)將Samuelson (1947)的LeChatelier principle引入DEA模型，藉由兩個性質，證明在DEA模型中納入準固定投入，會如何影響技術、配置與經濟效率。參、研究方法本研究實證分析主要分成三部分，首先利用DEA法並納入準固定要素，估計各壽險公司的技術效率，分解成純技術效率與規模效果。接著使用MPI生產力指數法，探究各壽險公司跨期間生產力與效率變動情形，此部分亦考慮準固定要素。第三部分依據壽險公司的屬性，將樣本分成不同群組，檢定群組間的效率值是否有顯著差異。一、資料包絡分析法資料包絡分析法是一種線性規劃的技巧，可同時包含多項
18、投入與多項產出。此法首先找出所有決策單位(decision-making units, DMU)中相對最有效率者，構成效率邊界，其效率值為1，落於邊界內廠商則為相對無效率單位，其相對效率值小於1，無效率程度取決於效率邊界與相對無效率單位之距離。效率邊界的概念最早起源於Farrell(1957)，又可分為產出面和投入面技我國壽險業考慮準固定投入後的效率與生產力變動分析術效率，前者指使用一定投入組合，達到最大可能的產量；後者指為生產一定數量的產出，使用最少的投入數量。自從Farrell提出生產效率衡量方法之後，後續發展出兩種DEA模型：CCR（Charnes、Cooper及Rhodes，1978）
19、模型與BCC（Banker、Charnes及Cooper, 1984）模型。CCR模型在固定規模報酬(constant return to scale, CRS)假設下，衡量多種投入與產出項之生產效率。BCC模型則放鬆CRS的假設，在變動規模報酬(variable return to scale, VRS)假設下，估計技術效率，再分解成純技術效率與規模效率。為節省篇幅，這兩個模型的詳細內容省略，有興趣的讀者，請參考Coelli、Rao及Battese(1999)。參考Ouellette and Vierstraete(2004)的模型，在有n家樣本廠商的產業中，第i家廠商雇用m種變動生產要素和
20、p種準固定生產要素，製造s種商品，VRS假設下投入面技術效率的線性規劃模型設定如下：2,10VRSiiiMinXxYyst Q ql=其中X為mn變動生產要素投入矩陣，i為其中第i行，對應第i廠商的變動投入向量，為n1權重向量，Y是sn產出矩陣，yi為其中第i行，對應第i廠商的產出向量，Q為pn準固定生產要素矩陣，qi為其中第i行，對應第i廠商的準固定生產要素向量，l為1n向量，其中每個元素皆為一。求解上述線性規劃模型，可以得到第i廠商的技術效率估計值，它應介於零與一之間，將下標i換成j，重新求解，得到第j廠商的技術效率估計值；如此不斷重複，可以算出每家樣本廠商的技術效率估計值。式的線性規劃模
21、型，與標準DEA模型差異處，在於多出限制條件的第三式，將準固定要素投入單獨列出，但qi不需乘以技術效率，表示其投入量無法調整。換言之，在評估第j廠商的技術效率時，不將那些準固定投入納入評比。考慮準固定要素投入與否，對於技術效率估計值的影響，以圖1說明。第六十七期圖中某廠商雇用兩種生產要素，1與2，於A點生產一單位產品，y代表生產量，I1代表生產一單位產量的等產量曲線。依據Farrell (1957)的定義，投入面技術效率值等於OB/OA，介於零與一之間。今若1是準固定要素，投入量固定在OD，僅2可自由調整。為達效率邊界，此廠商祇好從A點垂直調降2的使用量至C點，有準固定要素投入的技術效率值等於
22、DC/DA = OE/OA 1代表效率改善；小於1表示效率降低。等號右方第二項代表技術變動，中括號內第一項比率代表以第t1期的投入產出衡量的技術變動率；第二項比率第六十七期表示以第t期的投入產出衡量的技術變動率，TECH-ch1表示技術進步；小於1則代表技術衰退。使用MPI法衡量生產力變動時，建議使用固定規模報酬的假設。接著介紹考慮準固定要素時的MPI。參考Ouellette及Vierstraete(2004)的模型，令qt代表t期的準固定要素投入向量，加入準固定要素的Malmquist生產力指數：()() ()()()()()1/21111 1111 111111111111 111, ,
23、, , , , , , , ,tti ttt i tttitttt t tit t t i t t ttt ti ttt i t t t i tttittt ittt itttDxqy D xqyMxqyx q yDxqy DxqyDxqy Dxqy DxqyDxqy Dxqy Dxqy+ + + +=1/2上式第一項為技術效率變動(EFF-ch)指數，第二項為技術變動(TECH-ch)指數。為了更明確的將準固定投入從變動投入中分解出來，並顯示準固定投入的作用，將式改寫成式：()()()()()()()1/21111 111111 111 11111 1 1111 1, , , , , , ,
24、 , , ,tt t ti ttt i t tt i t tt i ttti tti t tt i t t t i t tt i tttttittt itttit t t it ttDxqy Dx qy D x qy D xqyMDxqyDxqy Dxqy DxqyDxqyDxqyDx q y Dx qy+ + + + + + +=1/21+其中Dti t, qt, yt/ Dti t+1, qt, yt+1EXQt表示固定qt的效率變動，Dti t+1, qt, yt+1/ Dti t+1, qt+, yt+1EXQt+1表示只有qt變動時的效率變動，()()()1/21111 1111,
25、, ,tttittt itttXQit tt itttDxqyDxqyMPDx qy Dxqy+ +=，表示固定qt的技術變動；()()11/2111 1 1111 1 1, , ,tttittt itttXQit t t it ttDxqyDxqyMPDx q y Dx qy+ + + + +=，表示只有qt變動的技術變動。將式表為我國壽險業考慮準固定投入後的效率與生產力變動分析= 111ttttttXQ XQXQ XQXQXQME MP E MPMM+=此式和Fre et al. (1994)的不同點，在於多出準固定要素投入項（qt和qt+1）。如果每一期的準固定要素投入皆為固定，即qtq
26、t1，表示可以忽視此項投入，此時MXt +1Q1，由式可得：tttXQ XQ XQMM E MP=上述含有準固定要素投入的Malmquist生產力指數，主要適用於部分投入要素不能被廠商完全控制的情況，其各期間投入與產出的情況可能是()( )( )11 111, , , ,ttt t tt t t txqy x qy x q y+ +，故考慮準固定要素投入的DEA模型，可視為動態DEA模型的前奏。根據式，本研究在估計考慮準固定投入的MPI時，總共需要估計12個投入面距離函數，全部代入式後，才能計算出Mi值。Balk (2001)提出從VRS角度分解Malmquist生產力指數，但面臨跨期產出（或
27、投入）距離函數可能存在無解的問題。此外，本研究還引入準固定生產要素於數理規劃模型，依據式，它也有跨期效果，更增加求解的困難度。職是之故，本研究主要採用CRS模式進行效率評估。3肆、樣本資料主要資料來源為中華民國人壽保險商業同業公會出版的人壽保險業務統計年報，但因年報資料有遺漏值，故輔以台灣經濟新報資料庫與人身保險業務員測驗登錄管理統計年報。政府於1993年始開放國人申設保險公司，次年開放各國保險業來台拓展業務。另外，由於2004年的資料於本研究開始時，尚未出版，故本研究期間選定為1994至2003年。為提高研究樣本同質性，避免極端樣本對研究結果的影響，部分年度必須排除部分壽險公司，包括中華郵政
28、公司壽險處、外商美國家庭公司、第六十七期佳迪福人壽公司、丘博人壽、花旗人壽及安達保險等公司。另部分公司成立之第一個營運年度，或退出競爭市場前的最後一年度，因資料不全而不宜納入樣本內。故各研究年度之樣本公司數如下：1994年25家，1995年28家，1996至2000年各有29家，2001年25家，2002年25家，2003年26家，總樣本數274家。一、變數之衡量與定義由於保險業屬於金融服務業，其產出的定義並不如製造業那麼明確且易於衡量，不同學者有不同定義方式。例如Grace及Timme (1992)、Gardner及Grace (1993)和Fecher、Kessler、Perelman及P
29、estieau(1993)等，視各類保費收入和年金險收入為產出，屬文獻中最常使用者。4但是，這些收入並非實體產出，且大部份保費收入具有儲蓄性質，俟保險期間屆滿須付還被保險人，故也不能當成保險公司的收入。Yuengert (1993)改用準備金增量為產出，Cummins et al. (1999)亦採準備金增量和其他五種保險收入，做為產出項；Greene及Segal (2004)定義投資收入、年金收入以及意外與健康險收入為產出項。風險分擔表示保險公司先向投保人收取保險費，當投保事故發生致投保人遭受損失時，保險公司依約承擔損害賠償之責，故以保險給付代表之。仲介服務表示保險公司在依約給付保險金之前，
30、先收取的保費以責任準備金方式持有，並投資於各種金融標的，直到給付保險理賠為止，故此變數包含準備金增量與投資金額。在投入要素部分，文獻上最常使用的有三項：勞動、資本與物料，分別以內外勤人數、固定資產和業務管理費用等衡量之，但在國內文獻方面，資本變數於壽險業而言，常因重要性不足而被捨去。有別於過去學者對於壽險業產出項的定義，本文試圖從同樣為金融服務業的銀行業角度切入。有關銀行業經營效率之研究，在定義投入與產出項變數時，分為生產法、仲介法和資產法等不同方式，其中以仲介法廣為學者使用，例如黃台心(1998, 2002)和鄭秀玲及劉育碩(2000)等。本研究亦將採用此法，定義保險業的投入與產出變數。生產
31、法是將銀行業視為一種雇用勞動與投入資本的廠商，生產不同種我國壽險業考慮準固定投入後的效率與生產力變動分析類的存、放款帳戶，多以各類金融服務的交易量與帳戶數，作為產出項變數。然而，每個帳戶內的金額大小迥異，當作銀行業產出項不太恰當，且不易取得相關資料。在壽險產業中，若以保單契約件數當作產出變數，亦存在保險金額大小差異的問題。5仲介法將銀行視為提供金融服務的仲介者，利用客戶存款，貸放給其他資金需求者以賺取存放款利差。對照於壽險公司，保險公司向保戶收取保險費，提供保障服務，再利用保費收入，投資各種金融標的以賺取利潤。由此看來，兩種產業的生產活動頗有雷同處。現在說明本研究各項變數衡量方式。投入變數本研
32、究以各險種的保費收入（類似銀行業的資金投入），加上外勤人員數與固定資產，作為投入要素。其中年金險於1998年開始販售，但並非所有業者均提供此項保險商品，為避免過多缺漏值發生，且考慮年金險的理賠發生在較長的保險期間，迄今其理賠金額亦不大，故未納入投入項。準固定要素投入可能因為法令規定、要素不可分割性或調整成本等因素，導致一些生產要素即使在長期下，仍然不易調整至最適投入量，這些投入變數被稱為準固定要素。本研究為文獻中首先將準固定要素放入壽險業效率分析者，不同產業的準固定投入不盡相同，例如：Ahn、Good及Sickles(2000)認為美國航空公司，飛機、機組人員和飛行路線等，屬準固定要素投入；研
33、究銀行業的學者，諸如Flannery (1982)、Humphrey (1993)、Berger、Hancock及Humphrey(1993)、Noulas、Ray及Miller (1990)和Hunter及Timme (1995)等，常將存款金額小於十萬美元的核心存款(core deposits)以及資本財(physical capital)等視為準固定投入。其他關於效率分析的文章，最常被定義的準固定投入變數有勞動、設備與資本。6壽險公司雇用的內勤人員，與公司產出水準的相關性較低；易言之，內勤人員數對於產出水準的變化較不敏感，產出變數於稍後定義。有鑑於此，本文將內勤人員數視作準固定要素投入之
34、一。此外，本研究同時將其第六十七期他資產定義為另一準固定要素投入。7產出變數有關保險業資金運用的途徑，依據保險法第146條，計有下列各項：存款、有價證券、不動產、放款、經主管機關核准之專案運用與公共投資及衍生性商品交易、國外投資及投資保險相關事業。本研究以此法條為準則，使用財務報表上的公開資訊，選取存款、放款與投資等三項，作為產出項變數。各項變數定義彙整如表1，表2為各變數的敘述統計量，凡屬金額變數，皆以2001年為基期的消費者物價指數平減成為實質變數，單位是千元新台幣；這些變數各年度敘述統計量置於附表1。表3為投入項與產出項相關係數表，藉以說明本研究之變數具有高度相關性，即投入的增加可以提高
35、產出，兩者具正向關係。表1投入與產出項變數定義項目代號變數名稱變數定義單位要素投入x1人壽保險保費收入包含個人壽險與團體壽險千元x2健康保險保費收入包含個人健康險與團體健康險千元x3傷害保險保費收入包含個人傷害險與團體傷害險千元x4外勤人員數各公司年底之人數人x5固定資產千元準固定要素q1內勤人員數各公司年底之人數人q2其他資產千元產出y1現金及銀行存款千元y2放款壽險貸款擔保放款千元y3投資有價證券投資不動產投資千元我國壽險業考慮準固定投入後的效率與生產力變動分析表2變數敘述性統計量表x1x2x3x4x5平均數165933.06 22392.236 16042.47 7857.92 1646
36、3.78標準差358166.72 47444.279 32324.68 14972.31 36512.66y1y2y3q1q2平均數121313.55 249082.68 387385.65 858.80 10140.60標準差325649.33 763148.32 1019144.59 1466.04 20073.23註樣本數：274表3投入產出項之相關係數x1x2x3x4x5y1y2y3x11.0000x20.8658 1.0000x30.9619 0.9131 1.0000x40.9527 0.8162 0.9503 1.0000x50.9088 0.7003 0.8714 0.8989
37、 1.0000y10.8199 0.5101 0.7394 0.8102 0.8419 1.0000y20.9514 0.7668 0.8866 0.8851 0.8875 0.8437 1.0000y30.9119 0.9123 0.9015 0.8275 0.7741 0.5510 0.8392 1.0000伍、實證分析第一小節使用DEAP 2.1套裝軟體，不考慮準固定投入，估計樣本公司投入導向的各項效率值與生產力指數；接著將準固定投入放入模型，改用LINGO 8.0軟體，計算各DMU效率值，藉以比較準固定投入的考慮與否，對於效率估計值的影響。第二小節探討Malmquist總要素生產力指數
38、，檢視壽險業的生產力變動情況。至於外商與本土公司、金控與非金控體系、新與舊公司彼此間的效率差異，則置於第三小節。第六十七期一、技術效率估計值本研究樣本具有縱橫資料特性，既可做縱向時間序列分析，發掘壽險業歷年效率變動情況；亦可橫向分析，探討樣本廠商間的效率值差異。透過求平均值的過程，樣本資料的隨機誤差部分，相互抵銷，較具代表性。各項效率值關係為，TECRSTEVRSSE其中TECRS表CRS下的技術效率；TEVRS為VRS假設下的技術效率，亦稱純技術效率；SE為規模效率。根據表4的結果，不考慮準固定投入的標準模型，1994年的技術效率平均值為0.837，接近葉彩蓮及陳澤義(2000)的0.777
39、，顯示本研究界定投入與產出項的方式，雖與過去相關研究有些差異，技術效率估計結果差距有限，本研究投入與產出的定義，尚具合理性。考慮準固定投入模型的效率估計值，低於標準模型，與圖1吻合。就整體壽險業而言，無論考慮準固定投入與否，均顯示技術效率有逐年上升趨勢，表示壽險業者的資源運用效率，隨著經營年度的增加而增加。唯上升型態不盡相同，不考慮準固定投入者，各項效率平均值，除最初一、二年與2000年外，樣本期間內，效率值大體呈現緩慢上升的趨勢。顯示不考慮準固定投入的模型，效率估計值較具穩定性，原因可能在於此模型容許全部要素投入可以自由調整。第一年的效率平均值偏高，或許因為1994年為新壽險公司申請設立後的
40、第一個營業年度，業務量相對偏小，導致要素投入量不大，致投入面技術效率值偏高。8但是，考慮準固定投入後，效率值起初呈逐年上升趨勢，至1998年急降後，再緩步上升。應是1997年下半年發生的亞洲金融風暴，對國內尤其金融保險業造成極大衝擊，使得我國經濟成長率衰退，失業率增加，國民所得下降，民生消費減少；而保險又屬無形商品，購買後的效益不易立刻顯現，故民眾購買慾望降低，造成保險業者的保費收入大幅減少。加之準固定投入的存在，各保險公司無法立即調節它們的投入量。明顯地，此現象在標準模型中無法顯現。另外，2002年的技術效率值略降，原因是金融風暴之後，利率持續走低，保險業者為反映成本，於是提高責任準備金利率
41、，造成保險商品價格上漲，衝擊民眾購買意願，保費收入因而減少。上述兩時點的保費收入減少幅度，小於投資下降的幅度，即投入要素降低幅我國壽險業考慮準固定投入後的效率與生產力變動分析度小於產出項，造成投入面技術效率值的下降。再就各壽險公司來說，表5顯示中信局、台壽、國泰、南山、中國、大都會與保德信等七家公司效率值為一，皆達效率前緣，其他如國華、新光、富邦、統一、康健、美國與全美等七公司，效率平均值皆高於0.9；最小者為宏福、慶豐、保誠與國衛等四家公司，宏福、慶豐與國衛等皆已退出市場，應與它們的生產效率偏低，無力與其他公司競爭有關。表4各年度平均技術效率估計值年TECRSTEVRSSE TECRSqTE
42、VRSqSEq1994 0.8369 0.9102 0.9091 0.6320 0.7800 0.80501995 0.7501 0.7935 0.9223 0.6800 0.7360 0.90901996 0.7703 0.8423 0.9022 0.7710 0.8060 0.94801997 0.7770 0.8466 0.9066 0.7920 0.8380 0.94501998 0.7940 0.8407 0.9375 0.6790 0.7690 0.88401999 0.8663 0.8872 0.9753 0.7370 0.8020 0.92002000 0.8336 0.895
43、3 0.9243 0.7940 0.8450 0.93502001 0.8898 0.9335 0.9481 0.8130 0.8670 0.93302002 0.9211 0.9509 0.9663 0.8090 0.8900 0.91202003 0.9263 0.9622 0.9611 0.8450 0.9190 0.9200Mean 0.8461 0.8939 0.9396 0.7552 0.8252 0.9111Std.Dev. 0.0602 0.0520 0.0251 0.0666 0.0542 0.0396註：有下標q者，代表考慮準固定投入。續將準固定要素投入納入考量，不論技術效
44、率、純技術效率或規模效率平均值，皆低於未考量準固定要素者，達到邊界的公司數，由7家降為2家，都符合理論預期。宏福、三商與國衛的技術效率值最低，皆未超過0.5，慶豐也僅及0.518。接下來，討論純技術效率與規模效率估計結果。無論是否考慮準固定要素，表4顯示多數年份規模效率平均值大於純技術效率平均值，顯示技術效率欠佳是我國壽險公司無效率的主要原因，即為生產技術問題，規模不適當問題相對比較輕微，與葉彩蓮及陳澤義(2000)的研究結果一致。顯示壽險公司在一定的產出水準下，使用過多的投入要素，欲提高技術效率，第六十七期表5各壽險公司效率平均值TECRSTEVRSSE TECRSqTEVRSqSEq中信局
45、1.0000 1.0000 1.0000 1.0000 1.0000 1.0000台壽1.0000 1.0000 1.0000 0.9227 0.9757 0.9434國泰1.0000 1.0000 1.0000 1.0000 1.0000 1.0000南山1.0000 1.0000 1.0000 0.9251 1.0000 0.9251國華0.9485 0.9489 0.9996 0.9314 0.9606 0.9661新光0.9954 1.0000 0.9954 0.9823 1.0000 0.9823中國1.0000 1.0000 1.0000 0.9972 1.0000 0.9972富
46、邦0.9367 0.9369 0.9996 0.7896 0.8313 0.9545國寶0.7298 0.7975 0.9069 0.6830 0.7507 0.9071中興0.6632 0.6855 0.9627 0.6075 0.6193 0.9775三商0.6418 0.6490 0.9814 0.3482 0.3547 0.9804興農0.7878 0.8782 0.8908 0.7192 0.8449 0.8553幸福0.8959 0.9428 0.9451 0.6706 0.6963 0.9601宏福0.3508 0.3870 0.9003 0.2990 0.3200 0.9218
47、慶豐0.3923 0.4420 0.8996 0.5180 0.5240 0.9874統一0.9324 0.9453 0.9843 0.7497 0.8320 0.9112保誠0.4109 0.4332 0.9494 0.5780 0.5924 0.9760宏泰0.8324 0.8399 0.9879 0.8034 0.8102 0.9898遠雄0.7362 0.7568 0.9735 0.6553 0.6803 0.9653安泰0.6411 0.7172 0.9014 0.5940 0.6753 0.8787喬治亞0.7646 0.7906 0.9689 0.6841 0.7333 0.92
48、97大都會1.0000 1.0000 1.0000 0.9596 0.9720 0.9848保德信1.0000 1.0000 1.0000 0.8170 0.8642 0.9363康健0.9715 1.0000 0.9715 0.8766 0.9450 0.9200美國0.9995 1.0000 0.9995 0.8411 1.0000 0.8411宏利0.6437 0.9557 0.6646 0.5731 0.8953 0.6422全美0.9268 0.9566 0.9647 0.8026 0.8477 0.9270紐約0.7613 0.8729 0.8565 0.5073 0.6710 0
49、.7716瑞泰0.5748 0.7362 0.7486 0.5638 0.6398 0.8621國衛0.4261 0.7552 0.5543 0.4723 0.7254 0.6566全球0.9210 0.9535 0.9581 0.8812 0.9249 0.9392蘇黎世0.8854 0.9783 0.8958 0.7624 0.9366 0.7995平均值0.8053 0.8550 0.9331 0.7349 0.8007 0.9153標準差0.2054 0.1784 0.1026 0.1920 0.1864 0.0903我國壽險業考慮準固定投入後的效率與生產力變動分析當由此處著手。再就各壽險公司來看，無論有無考慮準固定要素，仍以純技術效率構成無效率的主因。標準
