基于GWR模型的數字普惠金融空間異質性影響因素分析

王宇萌（廣西師范大學經濟管理學院）

■ 文獻綜述

數字普惠金融近年來得到較快發展，其發展表現出了較強的空間異質性，數字普惠金融發展的中心主要集中于東部沿海區域且空間聯動性較強。數字普惠金融發展效應的空間異質性分析，學者們大多基于數字普惠金融與城鄉收入差距關系，發現與臨近地區的數字普惠金融發展態勢正相關，但未響應當地收入差距。學者們關于數字普惠金融對消費的影響觀點較為一致：數字金融能夠帶動消費水平的提高與消費質量的升級。關于普惠金融與區域經濟增長關系的研究，諸翠翠等發現數字普惠金融與區域經濟增長表現出較強的空間相關性，且對本省經濟增長起到顯著的促進作用，而對于臨近省份的經濟增長則起到負向作用，同時數字普惠金融發展能夠顯著帶動技術創新效率的提升。已有文獻關于數字普惠金融的研究方向主要是與城鄉收入差距、消費效應、區域經濟增長等，數字普惠金融空間異質性影響因素的研究較少，因而本文以此為切入點，借助GWR（地理加權回歸）模型，探索不同地區各變量因素對數字普惠金融發展區域的異質性與影響程度。

■ 模型建構與變量選取

（一）地理加權回歸模型

當自變量間存在空間自相關情況時，全局回歸的殘差獨立性不能得到保證。因而地理加權回歸模型通過改變解釋變量的回歸系數，即回歸系數隨地區的改變發生變動便能夠解決這一問題，得到如下變參數模型：

其中，Yi表示i地區的數字普惠金融發展水平，β0（ui，vi）表示i地區空間截距項，βk（ui、vi）表示第k個自變量前的系數，Xik表示i地區第k個的自變量值，εi為隨機誤差項。

（二）變量選取

數字普惠金融發展水平選取北京大學數字金融研究中心發布的2011—2019年數字普惠金融總指數作為代理指標；其余數據源自《中國統計年鑒》以及《中國金融年鑒》。具體如表1所示。

表1 變量設定

■ 中國數字普惠金融空間差異的影響因素分析

為研究不同變量因子對數字普惠金融影響的空間差異性，本文將2011—2019年31個省份各項變量均值，構成相應的截面數據進一步分析，下表即為GWR的省域估計結果，并呈現出如下特征：第一，全局回歸結果顯示教育水平對數字普惠金融發展呈現顯著抑制作用，而在GWR分省域估計下發現東中部大多省份二者呈現正相關關系，即教育水平的提升能夠帶動數字普惠金融發展；第二，人口密度與數字普惠金融負向關系顯著，但北京、天津、河北、黑吉遼以及部分西部省份仍表現出了人口紅利優勢。

表2 省域數字普惠金融的GWR估計結果

■ 總結

本文以2011—2019年我國31個省份數字普惠金融指數為數據，通過GWR方法研究影響數字普惠金融發展的空間異質性因素，得出結論如下：根據地理加權回歸的結果表明，我國各省份數字普惠金融發展條件存在較為顯著的空間異質性，僅用全局回歸可能忽視地區差異性因素。通過比較發現，產業結構的影響顯著為負；而經濟發展水平的影響顯著為正；東部、西部及東北地區的教育紅利削弱；除個別省份外，多數省份人口密度與普惠金融發展呈現正相關。政策建議如下：加大經濟發展扶植力度，促進各地經濟發展帶動數字普惠金融發展；鼓勵倡導新型產業發展，扭轉以工業為主導的態勢，以第三產業發展引領經濟騰飛與進步；同時，充分發揮教育紅利優勢，通過教育普及大眾以豐富的金融理財知識，提升抗風險能力、培養數字金融意識，以此提升我國數字金融發展水平。