财产保险公司的地理扩张与利润

doi:10.11821/dlxb201708002

Abstract

Abstract:

There is significant spatial stratified heterogeneity in the operating conditions of property insurance industry in China. What is more, China's property insurers have carried out a rapid geographic expansion in recent years, then, how does the geographic expansion affect the profit of property insurers? On the basis of the panel data of China's 64 property insurers during the period from 2006 to 2015, this paper estimates the the profit efficiency for each property insurer using the geographically-weighted method. Moreover, through the regression analysis with five geographical expansion measures, we draw the following conclusions. (1) Geographical expansion is significantly and positively related to the profitability and more than 60% of the positive correlation attribute to the larger possibilities of higher profitability insurers to carry out geographical expansion. (2) Geographical expansion also plays a positive role in property insurers' profitability to some extent. Other things being equal, the number of the provincial-level regions where an insurer operates increases by 10, the premium income share from the provincial-level regions other than its headquarters-located region increases by 10 percentage points, the concentration ratio of the premium income across provincial-level regions decreases by a unit of standard deviation, and the average distance between the headquarters and its branches increases by 1%, the profitability of the property insurer will increase by 2%, 1%, 2% and 1% of a unit of standard deviation in the sample, respectively. (3) It is difficult to reach a conclusion on the positive impact of geographical expansion on profitabilitywhen the profit efficiency is estimated by ordinary methods.

Key words: property insurers, geographical expansion, profit, spatial stratified heterogeneity, China

Xiangnan WANG. The geographical expansion and profit of property insurers[J].Acta Geographica Sinica, 2017, 72(8): 1347-1360.

Figures/Tables 13

Fig. 1

Tab. 1

Tab. 2

Tab. 3

Fig. 2

Fig. 3

Tab. 4

Descriptive statistics and correlation of the variables measuring geographical expansion

	描述统计				简单相关系数
	均值	标准差	最小值	最大值	$GeoDum$	$GeoProv$	$GeoShare$	$1 - GeoHHI$	$GeoDist$
$GeoDum$ (0或1)	0.78	0.41	0	1	1
$GeoProv$ (个)	11.36	10.78	1	31	0.51^***	1
$GeoShare$	0.54	0.39	0	1	0.69^***	0.81^***	1
$1 - GeoHHI$	0.56	0.38	0	0.95	0.78^***	0.82^***	0.95^***	1
$GeoDist$ (km)	583.58	482.69	0	2604.54	0.56^***	0.74^***	0.86^***	0.80^***	1

Tab. 4

Tab. 5

Description statistics of control variables

变量	均值	标准差	最小值	中位数	最大值
$Assets$ (百万元)	13221.35	38839.05	179.07	2009.66	420420.00
$1 - ProdHHI$	0.47	0.20	0.00	0.48	0.84
$Leveage$	0.63	0.26	0.02	0.67	2.05
$AD$	0.05	0.33	0.00	0.01	5.84
$Age$ (年)	9.94	7.24	2	8	36

Tab. 5

Tab. 6

The effect of geographical expansion on geographically-weighted profit efficiency

	被解释变量：Profit_it(地理加权)
$GeoExpan$ 的度量方式	$GeoDum$			$GeoProv$
	（1）	（2）	（3）	（4）	（5）	（6）
$GeoExpan$	0.0224^***	0.0053^***	0.0016	0.0010^***	0.0004^**	0.0002^*
$GeoExpan$	(0.0057)	(0.0009)	(0.0045)	(0.0002)	(0.0001)	(0.0001)
时变公司特征变量	×	×	√	×	×	√
公司固定效应	×	√	√	×	√	√
年度固定效应	√	√	√	√	√	√
$GeoExpan$ 的度量方式	$GeoShare$			$1 - GeoHHI$
	（7）	（8）	（9）	（10）	（11）	（12）
$GeoExpan$	0.0311^***	0.0113^***	0.0055^***	0.0335^***	0.0127^***	0.0053^***
$GeoExpan$	(0.0059)	(0.0017)	(0.0017)	(0.0060)	(0.0017)	(0.0017)
时变公司特征变量	×	×	√	×	×	√
公司固定效应	×	√	√	×	√	√
年度固定效应	√	√	√	√	√	√
$GeoExpan$ 的度量方式	$ln 1 + GeoDis$
	（13）				（14）	（15）
$GeoExpan$	0.0050^***				0.0021^***	0.0010^***
$GeoExpan$	(0.0012)	(0.0003)				(0.0003)
时变公司特征变量	×				×	√
公司固定效应	×				√	√
年度固定效应	√				√	√

Tab. 6

Tab. 7

The estimate results for time-varied company characteristic variables

	（3）	（6）	（9）	（12）	（15）
$ln Assets$	–0.0025	0.0001	0.0002	0.0001	0.0001
$ln Assets$	（0.0031）	（0.0006）	（0.0005）	（0.0006）	（0.0006）
$1 - ProdHHI$	–0.0490^***	0.0012	0.0033	0.0026	0.0025
$1 - ProdHHI$	（0.0144）	（0.0027）	（0.0027）	（0.0027）	（0.0027）
$Leveage$	0.0067	0.0082^***	0.0077^***	0.0069^***	0.0074^***
$Leveage$	（0.0069）	（0.0013）	（0.0012）	（0.0013）	（0.0013）
$AD$	–0.0049	–0.0002	–0.0001	–0.0003	–0.0002
$AD$	（0.0037）	（0.0007）	（0.0006）	（0.0007）	（0.0007）
$ln Age$	0.0200^***	0.0026^*	0.0023^*	0.0022^*	0.0024^*
$ln Age$	（0.0072）	（0.0014）	（0.0014）	（0.0013）	（0.0013）

Tab. 7

Tab. 8

The effect of geographical expansion on ordinary profit efficiency

	被解释变量：Profit_it(普通估计)
$GeoExpan$ 的度量方式	$GeoDum$			$GeoProv$
	（1）	（2）	（3）	（4）	（5）	（6）
$GeoExpan$	0.0708^***	0.0032	–0.0016	0.0038^***	0.0008	0.0000
$GeoExpan$	(0.0114)	(0.0040)	(0.0045)	(0.0004)	(0.0005)	(0.0006)
时变公司特征变量	×	×	√	×	×	√
公司固定效应	×	√	√	×	√	√
年度固定效应	√	√	√	√	√	√
$GeoExpan$ 的度量方式	$GeoShare$			$1 - GeoHHI$
	（7）	（8）	（9）	（10）	（11）	（12）
$GeoExpan$	0.1040^***	0.0129	0.0043	0.1090^***	0.0136^*	–0.0031
$GeoExpan$	(0.0114)	(0.0080)	（0.0097）	（0.0117）	(0.0079)	(0.0098)
时变公司特征变量	×	×	√	×	×	√
公司固定效应	×	√	√	×	√	√
年度固定效应	√	√	√	√	√	√
$GeoExpan$ 的度量方式	$ln 1 + GeoDis$
	（13）				（14）	（15）
$GeoExpan$	0.0231^***				0.0014	–0.0015
$GeoExpan$	(0.0024)	(0.0014)				(0.0016)
时变公司特征变量	×				×	√
公司固定效应	×				√	√
年度固定效应	√				√	√

Tab. 8

Tab. 9

Annexed Table

Composition of the sample and geographically-weighted profit efficiency in 2015

序号	公司名称(作为地理基准点的公司)	总部地	利润效率	序号	公司名称 (作为地理基准点的公司)	总部地	利润效率
1	中国人民	北京	0.682	33	信达	北京	0.742
2	中国人寿	北京	0.733	34	泰山	山东	0.777
3	中国大地	上海	0.692	35	锦泰	四川	0.617
4	太平	上海	0.696	36	众诚汽车	广东	0.639
5	中国太平洋	上海	0.727	37	长江	湖北	0.672
6	中国平安	广东	0.715	38	诚泰	云南	0.627
7	中华联合	北京	0.624	39	富德	广东	0.690
8	阳光	北京	0.740	40	鑫安汽车	吉林	0.442
9	华泰	北京	0.702	41	北部湾	广西	0.542
10	天安	上海	0.685	42	众安在线	上海	0.542
11	史带	上海	0.540	43	中意	北京	0.507
12	华安	广东	0.766	44	国泰	上海	0.672
13	永安	陕西	0.653	45	美亚	上海	0.718
14	永诚	上海	0.696	46	东京海上日动	上海	0.564
15	安信农业	上海	0.467	47	瑞再企商	上海	0.716
16	安邦	北京	0.589	48	丘博	上海	0.823
17	安华农业	吉林	0.592	49	三井住友海上	上海	0.444
18	阳光农业	黑龙江	0.286	50	三星	上海	0.386
19	安盛天平	上海	0.542	51	安联	广东	0.551
20	渤海	天津	0.738	52	日本	上海	0.652
21	都邦	吉林	0.744	53	利宝互助	重庆	0.709
22	华农	北京	0.678	54	中航安盟	四川	0.862
23	民安	广东	0.661	55	苏黎世	北京	0.789
24	安诚	重庆	0.685	56	现代	北京	0.327
25	中银	北京	0.658	57	劳合社	上海	0.458
26	英大泰和	北京	0.584	58	爱和谊日生同和	天津	0.682
27	长安责任	北京	0.701	59	日本兴亚	广东	0.607
28	国元农业	安徽	0.299	60	乐爱金	江苏	0.390
29	鼎和	广东	0.444	61	富邦	福建	0.749
30	中煤	山西	0.689	62	信利	上海	0.593
31	紫金	江苏	0.690	63	天平汽车	上海	0.739
32	浙商	浙江	0.579	64	安盛	上海	0.688

Annexed Table

References 27

[1]	He Canfei, Fu Rong.An empirical study on the locational choices of foreign banks in China. Acta Geographica Sinica, 2009, 64(6): 701-712. doi: 10.3321/j.issn:0375-5444.2009.06.007
	[贺灿飞, 傅蓉. 外资银行在中国的区位选择. 地理学报, 2006, 64(6): 701-712.] doi: 10.3321/j.issn:0375-5444.2009.06.007
[2]	Wu Wei, Liu Weidong, Liu Yi.Regional differences of local banking systems in China. Acta Geographica Sinica, 2007, 62(12): 1235-1243. doi: 10.3321/j.issn:0375-5444.2007.12.001
	[武巍, 刘卫东, 刘毅. 中国地区银行业金融系统的区域差异. 地理学报, 2007, 62(12): 1235-1243.] doi: 10.3321/j.issn:0375-5444.2007.12.001
[3]	Qian Minghui, Hu Ridong.Research on the spatial radiation ability of regional financial center in China. Geographical Research, 2014, 33(6): 1140-1150. doi: 10.11821/dlyj201406014
	[钱明辉, 胡日东. 中国区域性金融中心的空间辐射能力. 地理研究, 2014, 33(6): 1140-1150.] doi: 10.11821/dlyj201406014
[4]	Dai Zhimin, Zhu Liya.The influence of geographical distribution of commercial bank loan on the bank profit efficiency in China. Acta Geographica Sinica, 2015, 70(6): 955-964. doi: 10.11821/dlxb201506009
	[戴志敏, 朱莉妍. 中国商业银行贷款地理分布对银行利润效率的影响. 地理学报, 2015, 70(6): 955-964.] doi: 10.11821/dlxb201506009
[5]	Deng S E, Elyasiani E.Geographic diversification, bank holding company value, and risk. Journal of Money, Credit and Banking, 2008, 40(6): 1217-1238.
[6]	Berger A N, DeYoung R. The effects of geographic expansion on bank efficiency. Journal of Financial Services Research, 2001, 19(2/3): 163-184.
[7]	Brickley J A, Linck J S, Smith C W Jr. Boundaries of the firm: Evidence from the banking industry. Journal of Financial Economics, 2003, 70(3): 351-383. doi: 10.1016/S0304-405X(03)00170-3
[8]	Hayden E, Porath D, Westernhagen N.Does diversification improve the performance of German banks? Evidence from individual bank loan portfolios. Journal of Financial Services Research, 2007, 32(3): 123-140. doi: 10.1007/s10693-007-0017-0
[9]	Schmid M M, Walter I.Do financial conglomerates create or destroy economic value? Journal of Financial Intermediation, 2009, 18(2): 193-216. doi: 10.1016/j.jfi.2008.07.002
[10]	Wang Qiang, Wu Wei, Huang Juan.Trans-regional operation of city commercial bank: Credit expansion, risk level and bank performance. Journal of Financial Research, 2012(1): 141-153.
	[王擎, 吴玮, 黄娟. 城市商业银行跨区域经营: 信贷扩张、风险水平及银行绩效. 金融研究, 2012(1): 141-153.]
[11]	Goetz M R, Laeven L, Levine R.Identifying the valuation effects and agency costs of corporate diversification: Evidence from the geographic diversification of US banks. Review of Financial Studies, 2013, 26(7): 1787-1823. doi: 10.1093/rfs/hht021
[12]	Li Guangzi.Trans-regional operation and small and medium-sized banks' performance. Journal of World Economy, 2014(11): 119-145.
	[李广子. 跨区经营与中小银行绩效. 世界经济, 2014(11): 119-145.]
[13]	Sun Qixiang, Bian Wenlong, Wang Xiangnan.The roles of business concentration in the profit and risks of life insurance companies. Modern Economic Science, 2015, 37(3): 27-38. doi: 10.3969/j.issn.1002-2848.2015.03.004
	[孙祁祥, 边文龙, 王向楠. 业务集中度对寿险公司利润和风险的作用研究. 当代经济科学, 2015, 37(3): 27-38.] doi: 10.3969/j.issn.1002-2848.2015.03.004
[14]	Millo G, Carmeci G.Non-life insurance consumption in Italy: A sub-regional panel data analysis. Journal of Geographical Systems, 2011, 13(3): 273-298. doi: 10.1007/s10109-010-0125-5
[15]	Wang J F, Li X H, Christakos G, et al.Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun Region, China. International Journal of Geographical Information Science, 2010, 24(1): 107-127. doi: 10.1080/13658810802443457
[16]	Wang J F, Zhang T L, Fu B J.A measure of spatial stratified heterogeneity. Ecological Indicators, 2016, 67: 250-256. doi: 10.1016/j.ecolind.2016.02.052
[17]	Wang Shaojian, Wang Yang, Lin Xueqin, et al.Spatial differentiation patterns and influencing mechanism of housing prices in China: Based on data of 2872 counties. Acta Geographica Sinica, 2016, 71(8): 1329-1324. doi: 10.11821/dlxb201608004
	[王少剑, 王洋, 蔺雪芹, 等. 中国县域住宅价格的空间差异特征与影响机制. 地理学报, 2016, 71(8): 1329-1342.] doi: 10.11821/dlxb201608004
[18]	Insurance Association of China. China Motor Insurance Market Development Report 2014
	(Chapters 4-5) 4-5). Beijing: China Financial Publishing House, 2015.
	[中国保险行业协会. 中国机动车辆保险市场发展报告2014(第四、五章). 北京: 中国金融出版社, 2015.]
[19]	Shi Peijun.The Atlas of China's Natural Disaster Hazard. Beijing: Science Press, 2011.
	[史培军. 中国自然灾害风险地图集. 北京: 科学出版社, 2011.]
[20]	People's Bank of China. China Financial Stability Report 2016. Beijing: China Financial Publishing House, 2016.
	[中国人民银行.中国金融稳定报告2016. 北京: 中国金融出版社, 2016.]
[21]	Cummins J D, Weiss M A.Analyzing firm performance in the insurance industry using frontier efficiency and productivity methods//Dionnes G. Handbook of Insurance. Boston: Kluwer Academic Publishers, 2000.
[22]	Cummins J D, Weiss M A.Analyzing firm performance in the insurance industry using frontier efficiency and productivity methods//Dionnes G. Handbook of Insurance. 2nd ed. Boston: Kluwer Academic Publishers, 2013.
[23]	Eling M, Luhnen M.Frontier efficiency methodologies to measure performance in the insurance industry: Overview, systematization, and recent developments. Geneva Papers on Risk and Insurance-Issues and Practice, 2010, 35(2): 217-265.
[24]	Cummins J D, Weiss M A, Zi H.Organizational form and efficiency: The coexistence of stock and mutual property-liability insurers. Management Science, 1999, 45(9): 1254-1269. doi: 10.1287/mnsc.45.9.1254
[25]	Tabak B M, Miranda R B, Fazio D M.A geographically weighted approach to measuring efficiency in panel data: The case of US saving banks. Journal of Banking & Finance, 2012, 37(10): 3747-3756. doi: 10.1016/j.jbankfin.2013.05.022
[26]	Battese G E, Coelli, T J.Frontier production functions, technical efficiency and panel data: With application to paddy farmers in India. Journal of Productivity Analysis, 1992, 3(1/2): 153-169. doi: 10.1007/BF00158774
[27]	Bian Wenlong, Wang Xiangnan.A literature review on the stochastic frontier analysis in panel data. Statistical Research, 2016, 33(6): 13-20. doi: 10.19343/j.cnki.11-1302/c.2016.06.002
	[边文龙, 王向楠. 面板数据随机前沿分析的研究综述. 统计研究, 2016, 33(6): 13-20.] doi: 10.19343/j.cnki.11-1302/c.2016.06.002

区域所含地级单位数		东北	华北	华东	华南	华中	西北	西南	q统计量(%)(显著性) 基于省级单位计算
区域所含地级单位数		40	31	66	37	55	53	54	q统计量(%)(显著性) 基于省级单位计算
机动车险	占比(%)	70.3	80.1	77.2	76.6	79.0	71.6	74.0	51.0 (0.000)
	深度(%)	0.53	0.91	0.83	0.73	0.62	0.78	0.97	40.8 (0.000)
	赔付率(%)	52.8	52.4	56.0	51.2	53.2	50.6	51.4	18.9 (0.000)
企业财产险	占比(%)	4.4	4.4	4.3	3.7	2.8	4.1	2.3	24.6 (0.000)
	深度(%)	0.04	0.05	0.05	0.04	0.02	0.05	0.03	22.2 (0.000)
	赔付率(%)	43.9	43.5	47.4	102.2	61.7	52.2	54.6	19.4 (0.000)
农业保险	占比(%)	13.0	4.5	2.4	3.0	6.0	9.6	9.2	45.2 (0.000)
	深度(%)	0.09	0.06	0.03	0.03	0.04	0.10	0.11	31.0 (0.000)
	赔付率(%)	78.5	44.2	46.6	62.5	63.2	50.0	45.0	27.6 (0.000)
信用保证险	占比(%)	2.4	6.2	5.3	5.7	4.6	4.0	3.7	21.5 (0.000)
	深度(%)	0.05	0.03	0.05	0.08	0.04	0.06	0.06	17.9 (0.000)
	赔付率(%)	10.2	29.6	31.1	19.7	22.5	15.2	22.4	23.1 (0.000)
责任险	占比(%)	2.3	2.7	3.8	3.4	3.5	2.8	2.6	38.7 (0.000)
	深度(%)	0.02	0.03	0.03	0.03	0.03	0.05	0.05	37.0 (0.000)
	赔付率(%)	47.2	38.1	40.8	40.4	45.8	35.4	36.1	21.1 (0.000)
其他险	占比(%)	5.1	5.3	8.1	10.0	7.4	9.6	9.1	48.3 (0.000)
	深度(%)	0.04	0.05	0.08	0.08	0.06	0.12	0.11	42.0 (0.000)
	赔付率(%)	46.5	53.1	47.3	52.6	47.3	52.2	45.2	13.6 (0.000)

年份	公司数量(家)	保费收入占全行业比重(%)	年份	公司数量(家)	保费收入占全行业比重(%)
2006年	30	99.03	2011年	51	98.56
2007年	33	98.56	2012年	54	96.63
2008年	37	98.74	2013年	59	97.59
2009年	41	98.89	2014年	61	98.14
2010年	46	98.11	2015年	62	98.28

		度量	均值	标准差
投入项数量	劳动	员工人数(人)	5796.36	8845.45
	物料	固定资产(百万元)	369.61	826.15
	金融资本	资本金+公积金(百万元)	2354.21	4390.93
投入项价格	劳动	职工薪酬/员工人数(百万元/人)	0.25	0.37
	物料	“业务及管理费用–职工薪酬”/固定资产	1.98	8.14
	金融资本	税后利润/“资本金+公积金”(拟合值)	0.06	0.10
产出项数量 (百万元)	损失补偿	赔付支出+准备金增量(百万元)	4687.37	15666.72
产出项数量 (百万元)	资金融通	投资资产(百万元)	9472.91	28495.60

	Profit_it(地理加权)
	首次跨省区市经营的前后比较			首次跨大区域经营的前后比较
	系数	标准误	t统计量	系数	标准误	t统计量
D_-3_t	0.006	(0.006)	[0.99]	0.006	(0.007)	[0.92]
D_-2_t	0.005	(0.006)	[0.95]	0.008	(0.006)	[1.40]
D_-_t	0.001	(0.004)	[0.32]	0.001	(0.005)	[0.12]
D_t	0.016	(0.004)	[3.59]	0.015	(0.004)	[3.22]
D₂_t	0.013	(0.004)	[2.74]	0.010	(0.004)	[2.00]
D₃_t	0.015	(0.004)	[3.13]	0.012	(0.005)	[2.52]
公司固定效应	√	√	√	√	√	√
年度固定效应	√	√	√	√	√	√
R²		0.96			0.96
观察值数	288			295

The geographical expansion and profit of property insurers

RichHTML

PDF (PC)

Like

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 13

References 27

Related Articles 15

Metrics

Comments

[1]	SUN Pingjun, WANG Kewen. Identification and stage division of urban shrinkage in the three provinces of Northeast China [J]. Acta Geographica Sinica, 2021, 76(6): 1366-1379.
[2]	WEI Shimei, PAN Jinghu. Network structure resilience of cities at the prefecture level and above in China [J]. Acta Geographica Sinica, 2021, 76(6): 1394-1407.
[3]	YANG Ren, PAN Yuxin. Spatial patterns, formation mechanism and coping strategies of rural vulnerability in China at the county level [J]. Acta Geographica Sinica, 2021, 76(6): 1438-1454.
[4]	YIN Jiangbin, LI Shangqian, JIANG Lei, CHENG Zhe, HUANG Xiaoyan, LU Gaigai. The spatio-temporal variations and driving factors of non-farm employment growth in contiguous destitute areas of China [J]. Acta Geographica Sinica, 2021, 76(6): 1471-1488.
[5]	HU Pan, CHEN Bo, SHI Peijun. Spatiotemporal patterns and influencing factors of rainstorm-induced flood disasters in China [J]. Acta Geographica Sinica, 2021, 76(5): 1148-1162.
[6]	LIU Zhenhai, WANG Shaoqiang, CHEN Bin. Spatial and temporal variations of frozen ground and its vegetation response in the eastern segment of China-Mongolia-Russia economic corridor from 2000 to 2015 [J]. Acta Geographica Sinica, 2021, 76(5): 1231-1244.
[7]	MA Zuopeng, LI Chenggu, ZHANG Pingyu. Characteristics, mechanism and response of urban shrinkage in the three provinces of Northeast China [J]. Acta Geographica Sinica, 2021, 76(4): 767-780.
[8]	HUANG Xiaodong, MA Haitao, MIAO Changhong. Connectivity characteristics for city networks in China based on innovative enterprises [J]. Acta Geographica Sinica, 2021, 76(4): 835-852.
[9]	WANG Lucang, LIU Haiyang, LIU Qing. China's city network based on Tencent's migration big data [J]. Acta Geographica Sinica, 2021, 76(4): 853-869.
[10]	XIA Xingsheng, PAN Yaozhong, ZHU Xiufang, ZHANG Jinshui. Monthly calibration and optimization of Ångström-Prescott equation coefficients for agricultural comprehensive area in China [J]. Acta Geographica Sinica, 2021, 76(4): 888-902.
[11]	FAN Zemeng. Spatial identification and scenario simulation of ecotone distribution in China [J]. Acta Geographica Sinica, 2021, 76(3): 626-644.
[12]	XU Yu, LI Xiubin, XIN Liangjie. Differentiation of scale-farmland transfer rent and its influencing factors in China [J]. Acta Geographica Sinica, 2021, 76(3): 753-763.
[13]	LI Gang, XUE Shuyan, MA Xueyao, ZHOU Junjun, XU Tingting, WANG Jiaobei. Spatio-temporal pattern evolution and formation mechanism of missing person incidents in China [J]. Acta Geographica Sinica, 2021, 76(2): 310-325.
[14]	GU Hengyu, SHEN Tiyan. Spatial evolution characteristics and driving forces of Chinese highly educated talents [J]. Acta Geographica Sinica, 2021, 76(2): 326-340.
[15]	ZHU Shengjun, JIN Wenwan. Local export variety, regional institutions and firm related diversification [J]. Acta Geographica Sinica, 2021, 76(2): 398-414.