商业车损费率分级效率的实证评价：以我国为例费率分级是商业车险中区分异质风险属性的投保人的重要机制，对于克服信息不对称带给保险交易的负面效应具有积极意义.从检验费率分级后车险市场是否残存逆向选择问题入手，探讨费率分级效率的评价思路.通过改进Chiappori＆Salani6的计量模型，构建多元Probit模型刻画投保人的风险属性，并结合我国商业车险业务的保单数据开展实证分析.得出费率分级效率不高的结论，表明商业车险业务的费率分级有待于从优化费率分级变量和BMS的角度加以改进.
信息不对称
仅仅是逆向选择的外因，风险异质性才是逆向选择的根源.费率分级作为甄别不同风险属性的投保人的外生机制，对于削弱逆向选择带给车险交易的负面效应具有积极意义.具体地，费率分级的效果是否理想？.能否有效地区分投保人的风险属性，最大可能地降低投保人和保险人之间的信息不对称性？.
若费率分级能够有效地区分投保人的风险水平、克服保险人和投保人之间的信息不对称，基于自我选择的合约筛选机制将不起作用，各个风险组别中不存在残余的逆向选择，足于解释投保人对不同保险范围的保险合约的选择行为.也就是，在趋近于完全信息的情况下，不可观测的、影响合约选择的因素应与损失风险无关，而损失风险仅表现为所有费率分级变量的条件分布.
借助于法国的车险资料，构建一对Probit模型，分别刻画保险范围(强制三者险或综合保险)的选择和索赔发生与否的决定因素，通过测算两个模型的随机误差之间的条件依存关系，来验证车险市场是否存在信息不对称现象.Richaudeau(1999)也采用Probit模型刻画保险范围的选择问题，得出的随机误差表示不能被分级变量所解释的、影响合约选择的其他因素，并将其和分级变量一道作为解释变量构造关于索赔次数的负二项模型(negativebinomialmodel).当随机误差项的系数通过统计检验且大于零时，可以认为经过风险分级后的保险市场还留存信息不对称现象.
我国车险市场费率自由化改革的时期，保险公司运用自行设计的商业车险条款和费率，交强险尚未推行实施，车险市场的监管制度相对稳定.因此，可以认为入选的保单都是在同一费率制度下开展承保、理赔等经营活动的，制度因素对投保人的投保决策和风险属性的影响可以忽略不计，保单信息之间的可比性较强.需要说明的是，当期保险公司实行从车模式的费率制度，先验费率分级变量以从车因素为主，为人因素没有被纳入费率表中，这种不完全的费率分级体系可能降低分析效果.如前所述，为人因素全面引入我国车险市场是在2006年7月以后，保险行业协会制定的三套《机动车商业保险行业基本条款和费率方案》中才较为完善地考虑从人因素，如驾驶员的性别、年龄、交通违章记录等.但是这类保单尚未到期，不宜作为计量模型的分析数据，只好作罢，退而求其次，还是按已有的、完整的商业车险保单资料测度先验分级的效率.结合资料的可获得性，确定计量模型所选用的变量及其定义.
投保人f同时投保了商业车损险和商业三者险(交强险未推出以前，商业三者险是强制性险种，而商业车损险是自选险种).以索赔次数幺为载体考察投保人的出险情况，并将其划分为6档：乙=0，无索赔发生；z，=1，有1次索赔记录：乙=2，有2次索赔记录；z，=3，有3次索赔记录；z，=4，有4次索赔记录；Zi=5，索赔5次以上.至于解释变量，我们选取商业车损险和商业三者险共同采用的费率分级变量：车龄、行驶区域、车辆类型、是否粤港两地车、使用性质.由于费率分级变量多为定性变量，其取值形式为两个或两个以上的离散值，以达到把投保人划分成若干个风险类别的要求.显然，虚拟变量特别适合于描述分级变量下的投保人的分类情况.为了避免落入“虚拟变量陷阱(Dummyvariabletrap)”，为每个分级变量设置比其分类组数少1个的虚拟变量；否则，虚拟变量之间的的多重共线性将会使计量模型的估计参数无法唯一确定.例如，对于“车龄”这一分级变量，完整的分类组别包括：车龄<1、1≤车龄<3、3≤车龄<5、5≤车龄<10、车龄≥10，但对最后～组“车龄≥lO”未设置虚拟变量；一旦某一投保人在前4个虚拟变量agel、age2、age3、age4的取值情况为(O，0，0，0)时，自然表明他(或她)被划入最后一组.除了定义分级变量派生出的虚拟变量，在关于索赔次数互的模型中特别添加了2个控制变量，它们分别是damage掌Y(车损险保额)和liablility(三者险保额)，以控制同一险种下不同的保障程度对索赔次数的影响.
由此可以判断出在中国境内行驶的车辆较之在广东省境内行驶的车辆更热衷于高保险范围：非港粤两地车比港粤两地车同时投保商业车险车损险和三者险的概率大得多的小客车作对比，其他类型的客车选择高保险范围的概率较高，而不同载重吨位的货车投保车损险的概率都要低一些：以家庭自用汽车为参照，政府机关的非营业汽车投保车损险的积极性普遣要高，而企业营业汽车、营业客车、营业货车选择高保险范围的概率明显偏低.出现高索赔次数的概率的车辆明显要大，索赔次数会随车损险保额和三者险保额的增加而增加，在某种程度折射出保单群体中存在逆向选择或事先道德风险的迹象.
