【摘要】保险市场中逆向选择的正确识别是判断市场是否有效、定量研究消费者福利损失的前提和基础。大量文献已发现,在多重不对称信息存在的情况下,传统正相关检验无法识别逆向选择,本文发现模型设定偏误可能是正相关检验失效的一个重要原因,通过应用稳健的Biprobit半非参数估计并配以Bootstrap检验,本文对正相关检验方法进行了优化改进,并将该方法应用至CHARLS数据。在控制了导致正向选择的不对称信息后,传统正相关检验仍无法识别我国寿险市场的逆向选择,而使用半非参数估计方法,则最终识别了寿险购买与事后风险的逆向选择效应。这一结果说明,虽然中国寿险市场的部分多维不对称信息一定程度缓解了市场信息偏差,但其中正向选择与逆向选择共存因素使市场整体仍具有较强的信息不对称性,导致市场失灵和社会福利下降的可能性上升。要使保险更好地发挥"稳定器"作用,保险市场的信息分类机制有待完善。