中國數字普惠金融的空間不平衡性與成因探究
——基于國家重大戰略區域的考察

焦云霞

（中國社會科學院數量經濟與技術經濟研究所，北京 100732）

一、引言

2008 年金融危機后，如何為弱勢和低收入群體提供必要的金融產品和服務成為國際社會面臨的共同難題，普惠金融由此引起世界關注，我國政府也陸續出臺多項政策推動普惠金融發展。隨著數字經濟時代到來，移動互聯、人工智能、大數據和區塊鏈等創新技術得到廣泛應用，增強了普惠金融的觸達能力，將金融服務延伸至傳統金融難以觸及的領域，極大地推動了我國金融業的普惠發展。在金融機構進行數字化轉型的關鍵時期，我國數字普惠金融也逐漸暴露出區域發展不均衡等諸多問題（張勛等，2019；張龍耀和邢朝輝，2021）。數字普惠金融發展的空間不平衡性不僅是我國區域經濟發展不均衡的一個表現，而且反過來它也可能成為加劇區域經濟發展不均衡的重要因素，這將會給我國的區域協調發展帶來嚴峻挑戰。十九屆六中全會通過的《中共中央關于黨的百年奮斗重大成就和歷史經驗的決議》強調：“實施區域協調發展戰略，促進京津冀協同發展、長江經濟帶發展、粵港澳大灣區建設、長三角一體化發展、黃河流域生態保護和高質量發展”。國家區域重大戰略的實施，促進了區域間的融合互動和融通互補，為促進區域協調發展提供了新的著力點，也逐漸形成了以國家區域重大戰略為引領的區域經濟發展新格局，同時給我國經濟的高質量發展注入了強勁動力。《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035 年遠景目標綱要》進一步強調，我國要堅持實施區域重大戰略、區域協調發展戰略，健全區域協調發展體制機制，構建高質量發展的國土空間布局和支撐體系。在重點實施區域協調發展戰略和國家區域重大戰略的時代背景下，科學評價我國國家重大戰略區域的數字普惠金融發展狀況，準確把握數字普惠金融發展的空間不平衡性及其成因，對于協同提升我國區域數字普惠金融發展水平，推動我國經濟的高質量發展具有重大現實意義。

梳理現有文獻發現，關于我國數字普惠金融發展空間不平衡性的研究已經形成一些成果，這些成果主要是從三大區域（東部、中部、西部）、四大板塊（東部、中部、西部、東北）和八大經濟帶等視角來評價中國區域數字普惠金融發展情況。葛和平和朱卉雯（2018）從三大區域的視角綜合比較各區域之間數字普惠金融發展程度，發現東部地區普遍好于中西部地區。梁榜和張建華（2020）以城市數字普惠金融為研究對象，從三大區域角度分析了數字普惠金融發展的空間相關性和收斂情況。何文秀（2020）從四大板塊的視角研究發現我國數字普惠金融發展區域差異較大，其中東部地區整體發展水平較高，中部地區發展相對均衡，西部地區整體發展水平不高，東北地區存在一定的省域差異。王露露（2021）從八大經濟帶的視角探索我國數字普惠金融發展的空間分異特征，研究發現在八大經濟帶中，東部地區處于領先地位，而西北地區的數字普惠金融發展較為落后。張德鋼和朱旭森（2020）從九大城市群的視角出發，研究發現九大城市群的數字普惠金融發展區域差異逐年下降，其中珠三角城市群數字普惠金融整體發展水平最高。近些年，已有學者開始研究國家重大戰略區域數字普惠金融發展的空間不平衡性。但是這些文獻主要是基于統計分析、基尼系數和Theil 指數方法來考察單個國家重大戰略區域內部的數字普惠金融發展差異，如吳金旺和顧洲一（2019）、許云帆和江成濤（2020）、于菁（2021）分別研究了長三角地區、長江經濟帶、粵港澳大灣區數字普惠金融發展區域差異狀況。目前，還沒有文獻從國家區域重大戰略視角出發綜合考察我國數字普惠金融發展狀況，鑒于此，本文基于Theil 指數從國家區域重大戰略視角出發考察我國數字普惠金融發展的空間不平衡性，以拓展和豐富現有研究。

此外，綜合現有文獻可以發現，數字普惠金融發展空間不平衡性的形成是諸多因素共同作用的結果，并且隨著研究的不斷深入，越來越多的學者利用不同方法逐漸將影響數字普惠金融發展的眾多因素識別出來。如吳金旺等（2018）基于空間面板數據模型分析發現，經濟發展水平、網絡消費水平和“互聯網+”與省域數字普惠金融發展正相關。郝云平和雷漢云（2018）采用空間自回歸模型（SAR）分析發現，數字普惠金融與金融意識、人口密度和互聯網使用情況等因素正相關，而與地區的經濟發展水平呈“U”形關系。葛和平和朱卉雯（2018）基于GMM 動態面板模型分析發現，數字普惠金融發展與其滯后一期、互聯網使用、金融意識和人口密度正相關，而與城鄉收入差距負關系。蔣慶正等（2019）采用正交偏向最小二乘法回歸模型（OPLS）研究發現，城鎮化水平、收入水平和教育水平正向影響農村地區數字普惠金融發展。除上述相關研究外，還有其他學者從政府行為（陳鵬，2019；董曉林和張曄，2021）、傳統金融基礎（王瑤佩和郭峰，2019）等多個方面對數字普惠金融發展進行了深入研究。由上述文獻可知，現有研究對數字普惠金融發展區域差異影響因素的分析主要是基于傳統計量經濟分析模型，這種方法只是從總體上解釋區域差異問題，忽視了兩兩地區之間的差異。因此淡化了地區之間的相互“關系”。相對于計量經濟分析模型，二次指派程序（quadratic assignment procedure，QAP）能夠彌補上述不足，可以深入刻畫地區之間的兩兩關系，探究各影響因素的地區差距對數字普惠金融空間不平衡性的影響；而且作為一種基于隨機置換的非參檢驗方法，能夠很好地解決關系數據模型的自相關和多重共線性問題（Scott，2017）。因此，本文采用QAP 分析方法探究降低數字普惠金融發展空間不平衡性的驅動因素，為縮小國家重大戰略區域數字普惠金融發展差距提供理論基礎和經驗證據。

綜上，本文主要從以下兩個方面展開分析：第一，采用Theil 指數測度國家重大戰略區域數字普惠金融發展的空間不平衡性，以此來揭示數字普惠金融總體區域差異的來源結構特征；第二，將關系數據分析范式應用于數字普惠金融發展空間不平衡性的成因解析中，利用QAP 分析方法探究我國數字普惠金融發展空間不平衡的形成原因，為探尋區域數字普惠金融發展水平協同提升路徑提供參考依據。

二、研究方法與數據說明

（一）基于Theil 指數的空間不平衡測算方法

本文采用Theil 指數及其分解方法探究中國數字普惠金融發展的空間不平衡特征。Theil 指數的優點在于可以將總體差距分解為區域內差異與區域間差異兩部分，能夠揭示出區域內和區域間差異各自變動的方向和幅度，從而為考察總體區域差異的主要來源提供了方便。Theil 指數的數值越小，則說明區域差異越小；數值越大，則說明區域差異越大。本文構建的Theil 指數公式是基于Theil（1967）、Bourguignon（1979）和Shorrocks（1980）的前期研究。總體Theil 指數如式（1）所示。

其中：T為數字普惠金融發展差異的Theil 指數，介于0～1 之間；n為省份數量（本文省份數量為23）；yi為i省份的數字普惠金融發展指數；為樣本內所有省份數字普惠金融發展指數均值。

利用Theil 指數可分解的性質，將其進一步分解為區域間差異和區域內差異，以考察數字普惠金融發展區域差異的大小、趨勢及來源，見式（2）～式（4）。

其中：Tb和Tw分別為區域間差異和區域內差異；K為區域數，本文中23 個省份被分為5 個地區；nk為k區域中的省份數量；Yi為i省份數字普惠金融發展指數占比；Yk為k地區所有省份數字普惠金融發展指數之和的占比。

（二）基于QAP 的空間不平衡成因識別方法

QAP 方法被廣泛應用于社會網絡研究，它基于矩陣數據置換對矩陣中的各個元素進行比較，得出矩陣間的相關系數，并對系數進行非參檢驗。目前該方法也被經濟研究領域廣泛采用（李敬等，2014；劉華軍等，2015）。本文基于QAP 方法來探究我國數字普惠金融發展空間不平衡性的成因。

設定關系數據模型為

其中：Y、X和V分別為被解釋變量、解釋變量和殘差項；α0、α1和α2為系數。式（5）中所有變量都是n階方陣，形式如式（6）所示，其中矩陣元素均為各變量在兩兩地區間的差值，主對角線元素均為0。

QAP 方法包括相關和回歸兩類分析方法。以兩個矩陣為例介紹QAP 方法的三步計算過程。第一步，計算兩個矩陣間的相關系數；第二步，隨機置換其中一個矩陣的行和相應的列得到一個新矩陣，再計算新矩陣與另一個矩陣間的相關系數，并保存計算結果；重復上述過程若干次后得到一個關于相關系數的分布，通過這個分布可以得到隨機置換后計算得到的相關系數小于第一步得出的相關系數的概率；第三步，比較第一步得出的相關系數與根據隨機置換得出的相關系數分布狀況，觀察第一步得出的相關系數是否落入了拒絕域，據此得出是否顯著的結論（劉軍，2007）。若該概率小于0.01（或0.05、0.10），則表明所分析的兩個矩陣間存在顯著關系。

（三）指標選取與數據說明

本文基于北京大學數字普惠金融指數（2011—2020 年）來考察我國國家重大戰略區域的數字普惠金融發展狀況。該指數是由北京大學數字金融研究中心利用關于數字普惠金融的海量微觀數據，在綜合考慮數字金融的各類新特征和數據可得性后，從使用深度、覆蓋廣度和數字支持服務三個維度編制而成。目前該指數已經成為我國數字普惠金融研究領域的權威數據。

依據五個國家重大戰略區域的發展規劃綱要，各區域的具體覆蓋范圍見表1。鑒于上海、浙江、安徽和江蘇同時屬于長江經濟帶和長三角，為研究需要，本文將上述四個區域從長江經濟帶去除，只列入長三角；同時鑒于香港和澳門的數據缺失，粵港澳僅包含廣東。

表1 國家重大戰略區域的覆蓋范圍與劃分依據

本文采用QAP 方法對我國數字普惠金融發展空間不平衡的影響因素進行分析，以五個國家重大戰略區域內各省份的數字普惠金融發展指數構建兩兩省份間的差距矩陣（23×23 矩陣）作為被解釋變量，以各影響因素的差距矩陣作為解釋變量。解釋變量數據主要來自《中國統計年鑒》《中國金融年鑒》《中國人口和就業統計年鑒》等。

三、中國數字普惠金融發展的空間不平衡

本部分先對五個國家重大戰略區域的數字普惠金融發展現狀進行描述，再采用Theil 指數考察我國各個國家重大戰略區域數字普惠金融發展的空間不平衡狀況。

（一）數字普惠金融發展的典型事實

圖1 刻畫了樣本期內全國和五個國家重大戰略區域數字普惠金融發展的演變特征。由圖1 可知，2011—2020 年全國數字普惠金融呈跨越式增長態勢，均值由2011 年的40 增至2020 年的341.22，上升幅度高達753%。同時還可獲知，我國五個國家重大戰略區域的數字普惠金融發展存在顯著差異，從數字普惠金融發展指數的均值來看，2011—2020 年五個國家重大戰略區域明顯劃分為三個階梯。其中，長三角的指數均值為251.64，處于第一階梯，在五個國家重大戰略區域中處于領先地位，這主要是由于長三角的四個省份中的上海、浙江和江蘇均值排名分別位列全國第一、第三和第五，數字普惠金融發展水平普遍較高。因此帶動整個區域均值遠超全國平均水平；粵港澳和京津冀地區的指數均值分別為244.00 和237.27，位于第二階梯；長江經濟帶和黃河流域的數字普惠金融發展水平較低，位于第三階梯，均值分別為209.10 和201.94，其中黃河流域的發展水平最低，這主要是因為黃河流域的青海和甘肅兩省均值排名分別位列全國倒數第一和倒數第二，因此拖動整個區域均值遠低于全國平均水平。另外，從五個國家重大戰略區域的數字普惠金融發展指數年均增長率來看，2011—2020 年，五個區域的年均增長率明顯劃分為兩個階梯。位于第一階梯的有黃河流域和長江經濟帶，其中年均增長率最高的是黃河流域（30.27%），長江經濟帶（29.53%）緊隨其后；其他三個區域的年均增長率略低且相差不大，位于第二階梯，京津冀、長三角和粵港澳地區的年均增長率分別為22.89%、22.51%和20.76%。

圖1 五大國家重大戰略區域的數字普惠金融發展

綜合考慮2011—2020 年五個國家重大戰略區域的數字普惠金融發展指數均值和年均增長率，可以獲知長三角的數字普惠金融發展表現為指數均值高，但增速較慢；而黃河流域表現為指數均值低，但增速較快；長江經濟帶、京津冀和粵港澳的指數均值和增速在五個區域中均處于中等水平。結合我國數字普惠金融發展實際來分析產生上述現象的原因。在五個國家重大戰略區域中，約占全國四分之一經濟總量的長三角匯聚了我國大量的金融機構總部和主要金融交易所，是我國金融最發達的地區之一，它依托充裕的人才儲備、金融資源和完善的普惠金融基礎設施，不斷提高金融科技水平和創新數字金融服務形式，推動數字普惠金融的各類新興業態不斷涌現，數字普惠金融已呈現蓬勃發展之勢，但不容忽視的一點是長三角數字普惠金融正遭遇發展“瓶頸”，增速乏力，因此數字普惠金融的高質量發展仍然任重道遠。與此同時，黃河流域的數字普惠金融發展與其他區域比較相對落后，但該地區具有一定的后發優勢，并且區域內部分省份實施了多項優惠政策，主動推動數字普惠金融發展，加快數字普惠金融基礎設施建設，相關金融機構數量和金融服務種類明顯增加，帶動總體發展水平提高，明顯追趕其他區域，但是受限于薄弱的傳統金融基礎及落后的數字技術，黃河流域整體發展水平仍然較低。

（二）數字普惠金融發展的空間不平衡測算結果

在對我國數字普惠金融發展現狀進行描述的基礎上，本文采用Theil 指數測度國家重大戰略區域數字普惠金融發展的空間不平衡。需要提及的是，在本文的區域劃分說明中，由于粵港澳地區只包含廣東，這就導致無法測算該地區數字普惠金融發展的區域內差異，據此本文在區域差異分解時沒有考慮粵港澳地區。

1.總體差異及分解

數字普惠金融發展總體差異及分解結果見表2，我國國家重大戰略區域數字普惠金融發展的總體Theil指數不高，介于［0.004，0.100］之間，且整體呈明顯下降趨勢，年均下降28.31%。具體來看，數字普惠金融發展總體差異的演變分為兩個階段：第一階段是2011—2016 年，總體Theil 指數由0.100 急劇下降為0.004，下降幅度為60%，表明該時期數字普惠金融發展的總體差異快速縮小，其中原因可能是近些年我國開始逐步實施區域協調發展戰略和國家區域重大戰略，各區域在不斷提升數字普惠金融發展水平的同時也逐漸形成一定的協同發展機制，從而降低數字普惠金融發展的空間不平衡性；第二階段是2017 年后，總體Theil 指數略呈上升趨勢，該上升趨勢主要是由國家重大戰略區域間差異造成，因為五個國家重要戰略區的目標和定位不同，發展重點也各有側重，致使各區域數字普惠金融的發展態勢呈現不同走向。

表2 數字普惠金融發展的Theil 指數及分解

接下來分別考察國家重大戰略區域內和區域間Theil 指數的變動趨勢。2011—2020 年，區域內Theil 指數呈下降態勢，由2011 年的0.040 下降至2020 年的0.002，下降幅度高達95%；而區域間Theil 指數變動與總體Theil 指數的變化趨勢基本一致，先由2011 年的0.060 下降至2016 年的0.002，2017 年后又略呈上升趨勢。從貢獻率來看，樣本期內除2015 年和2016 年外，區域間差異的年均貢獻率約為55.22%，超過了區域內差異。由此來看，短期內不同國家重大戰略區域間數字普惠金融發展差異是造成總體區域差異的主要原因，所以著力縮小數字普惠金融發展的區域間差異是解決空間不平衡的關鍵。

2.國家重大戰略區域內部差異及分解

基于國家重大戰略區域分解得出數字普惠金融發展區域內Theil 指數，見表3。從2011—2020 年的國家重大戰略區域內Theil 指數年均值大小來看，均值最大的是京津冀，為0.015；均值最小的是長江經濟帶，為0.005，僅為京津冀的三分之一；長三角和黃河流域均值大小居中，分別為0.010 和0.006。與2011 年相比，2020 年的區域內Theil 指數均呈明顯的下降態勢，京津冀、長三角、長江經濟帶和黃河流域四個區域的下降幅度分別為90%、93.88%、96.97%和94.12%，這意味著在區域協調發展戰略和國家區域重大戰略實施背景下，各國家重大戰略區域內部數字普惠金融發展的空間平衡性逐漸增強。

由表3 可知，長江經濟帶數字普惠金融發展的區域內部差異最小，并且該差異的下降速度最大，年均降速達32.19%，其中可能的原因在于，長江經濟帶七省份的數字普惠金融發展基礎條件接近，不存在處于發展“兩極”的省份。年均降速緊隨其后的是黃河流域和長三角，這兩個區域的數字普惠金融發展區域內部差異分別年均下降27%和26.68%。而區域內部差異最大的是京津冀，并且該差異下降速度最小，年均降速僅為22.57%，原因可能在于北京、天津和河北在數字普惠金融發展上存在斷層，三個省份的數字普惠金融指數年均值分別為275.915、234.881 和201.007，河北與北京、天津的數字普惠金融發展相比具有很大差距，并且北京作為首都，發揮出的虹吸效應極強，強烈吸引周邊的優質數字技術人才、金融資源等要素來促進其數字普惠金融的快速發展。因此，在國家重大戰略區域協同發展的視角下，當前應著重縮小京津冀內部數字普惠金融發展的空間不平衡。

表3 國家重大戰略區域內Theil 指數

四、中國數字普惠金融發展空間不平衡的成因探析

第三節采用Theil 指數考察了我國國家重大戰略區域數字普惠金融發展的空間不平衡性，接下來從多角度深入探析造成數字普惠金融發展域差異的影響因素，并運用QAP 方法進行實證分析。

（一）造成數字普惠金融發展空間不平衡的影響因素探析

根據金融結構理論，金融發展與經濟增長緊密相關（武志，2010）。經濟增長是推動數字普惠金融發展的源動力，經濟發展較好的地區，生產產出貢獻率和資金流動率相應較高，數字技術更新速度也較快（葛和平和朱卉雯，2018），這樣就能充分降低金融排斥，進而推動數字普惠金融發展。另外，從金融服務需求方來說，地區經濟發展水平高，產品生產分配過程中進行資金交易的體量相應較大，企業的融資需求較強，這樣會吸引更多的人力與資金進入市場，因此數字普惠金融發展將會更加充分。因此，地區經濟發展水平的差距可能是影響數字普惠金融發展空間不平衡的重要因素之一。本文采用人均實際地區生產總值來表征地區經濟發展水平（pgdp），并用人均地區生產總值指數進行平減。

數字技術的應用推動了金融普惠（World Bank，2014）。借助數字技術的應用，普惠金融在一定程度上擺脫了地理限制，擴大了傳統金融的服務范圍，使原本被傳統金融排斥在外的小微企業和弱勢人群也能夠獲得成本可承擔的金融服務，更好促進了金融普惠性發展。另外，依托數字技術，金融機構能夠做到快速匹配金融服務的需求與產品，使需求方及時地獲得滿足；還能夠使金融服務快速對接大量應用場景，即時獲取數據信息，快速完成金融產品的投產迭代。因此，地區數字技術差距構成了數字普惠金融空間不平衡的一個重要原因。本文采用移動互聯網年末用戶總數與地區年末常住人口比值來表征數字技術水平（dt）。

新型城鎮化有效促進了地區數字普惠金融的發展（王媛媛和韓瑞棟，2021），城鎮化建設伴隨而來的網絡移動通信等硬件設施覆蓋范圍的擴大，提高了原有金融服務難以觸達的農村、小微企業等弱勢群體接觸金融產品和服務的可能性，為其獲取金融服務提供了便利；城鎮化水平提高，也會帶來居民收入水平、受教育程度和金融素質的提升，進而提高居民對數字金融產品和服務的接受程度，有利于數字普惠金融的發展。因此，地區城鎮化差距有可能是數字普惠金融發展空間不平衡的重要原因。本文采用城鎮人口占地區總人口的比重來測度城鎮化水平（urb）。

數字普惠金融是金融領域的新興事物，需要依賴政府參與促其健康發展（孫國茂和何磊磊，2020）。政府通過對數字普惠金融產品供給者提供財政補貼、信貸貼現等“幫扶”措施，能夠降低業務風險和成本，加強其進行金融創新的信心（郭新明，2015）；政府通過鼓勵金融服務與數字技術結合，能夠提升金融服務的包容性，拓寬金融服務的邊界。因此，地區政府行為差距可能會造成數字普惠金融發展的空間不平衡。本文采用政府一般預算支出與地區GDP 比值來表征政府行為（gov）。

地區人口密度影響數字金融服務與產品的推廣程度和使用程度（王雪和何廣文，2020）。人口密度大的地區居民間、居民與金融產品間的接觸更加便利，這在一定程度上降低了金融供需雙方的成本，增大了當地居民獲得數字金融服務的可能性。另外，在人口密度大的地區，當地居民對金融產品和服務的需求也會相應較大，這將在需求端推動數字普惠金融的發展。因此，地區人口密度差距可能影響數字普惠金融空間不平衡。本文采用單位地區土地面積上年均常住人口數來測度人口密度（pd），各省份土地面積數據通過各省份官網土地面積數據整理得到。

受教育水平高的居民對金融參與和數字技術發展的認知和接受能力較強，他們更愿意通過互聯網等途徑了解和使用各類數字金融產品和服務（吳濤和楊繼瑞，2015）；受教育水平的提高可以提升居民的金融知識儲備，能夠幫助其獲得多樣化的數字金融產品和服務（郭峰和王瑤佩，2020）。因此，地區居民受教育水平差距有可能成為數字普惠金融發展空間不平衡的原因。本文采用平均受教育年限來測度受教育水平（edu），計算公式為edu=6pr+9mi+12hi+16co，其中pr、mi、hi和co表示小學、初中、高中和大專以上教育程度勞動力占地區人口比重。

傳統金融奠定了數字普惠金融發展的基礎（Nasri 和Charfeddine，2012；王瑤佩和郭峰，2019）。數字金融能夠利用先進數字技術來提升金融產品質量和金融服務效率，而數字金融產品和服務的提供有很大一部分需要通過傳統金融機構的數字化轉型和數字化金融產品的開發來實現。因此目前傳統金融機構依然是數字普惠金融發展的重要供給主體。另外，傳統金融發展較好的地區的金融機構能夠提供豐富多樣的金融服務和產品，金融服務的覆蓋面也更大。因此，地區傳統金融基礎差距可能導致數字普惠金融發展空間不平衡。本文采用銀行業金融機構各項貸款余額與地區GDP 比值來表征傳統金融基礎（ban）。

產業結構的轉型升級要求更多樣化的金融服務，從而推動金融的發展（王立國和趙婉妤，2015）。另外，數字普惠金融的發展涉及金融、互聯網、數字軟件技術等第三產業的多個領域，第三產業的發展構成了數字普惠金融發展的基礎。當地區第二、三產業發展水平較高時，會吸引更多金融機構進入當地市場，這都有利于金融服務供給的多樣化和創新。因此，地區產業結構的差距也會對數字普惠金融發展空間不平衡產生影響。本文采用第三產業增加值占GDP 比重來表征產業結構（ind）。

基于上述影響因素探析，本文構建分析框架如圖2 所示。區域A和B的數字普惠金融發展水平分別用difA和difB表示，則數字普惠金融發展的空間不平衡表示為difA-difB；地區經濟發展水平、傳統金融基礎、城鎮化水平、人口密度、產業結構、受教育水平、數字技術水平和政府行為的地區差距可分別表示為pgdpApgdpB、banA-banB、urbA-urbB、pdA-pdB、indA-indB、eduA-eduB、dtA-dtB和govA-govB，這些影響因素的地區差距可以用來解釋數字普惠金融發展的空間不平衡。將兩個地區擴展為多個地區，則兩兩地區間的數字普惠金融發展差距可以用上述因素在兩兩地區間的差距進行聯合解釋。

圖2 數字普惠金融發展空間不平衡的QAP 分析框架

（二）數字普惠金融發展空間不平衡QAP 相關分析

本文借鑒李敬等（2014）對QAP 相關分析差距矩陣的構建方法，首先對樣本期內的各省份相關變量取均值，并以此構建各變量均值的差距矩陣，接著利用Ucinet 軟件進行兩兩變量間的QAP 相關分析。需要提及的一點是，在前文數據說明部分提到，我國五個國家重大戰略區域共包含23 個省份。因此在本部分的QAP 實證分析中已剔除其余不包括在國家重大戰略區域范圍內省份。

2011—2020 年數字普惠金融發展空間不平衡的QAP 相關分析結果見表4。由表4 結果可知，數字普惠金融發展的空間不平衡與經濟發展水平、傳統金融基礎、城鎮化水平、人口密度、產業結構、受教育水平和數字技術水平地區差距的相關系數均為正值，且全部在10%水平上通過了顯著性檢驗；而與政府行為地區差距的相關系數為負值，且在1%水平上通過顯著性檢驗。具體從相關系數數值大小來看，經濟發展水平、城鎮化水平和數字技術水平的地區差距與數字普惠金融發展空間不平衡具有很強的相關性，相關系數依次為0.940、0.857 和0.825，其中相關系數最大的變量是經濟發展水平，表明其與數字普惠金融發展空間不平衡關系最為密切；而受教育水平、產業結構和人口密度的地區差距與數字普惠金融發展空間不平衡的相關性比較接近，相關系數分別為0.796、0.753 和0.750；但是傳統金融基礎的地區差距與數字普惠金融發展空間不平衡的相關性則較弱，相關系數僅為0.322。這在一定程度上驗證了前文所述的理論邏輯，并為后續的QAP 回歸分析奠定基礎。

表4 QAP 相關分析結果

需要提及的是，QAP 相關分析只是表明變量間存在相關關系而非因果關系，也無法衡量各因素對數字普惠金融發展空間不平衡的真實貢獻；同時QAP 相關分析的結果也顯示影響因素變量間的相關系數較大，可能會導致多重共線性等問題。為探究各解釋變量對數字普惠金融發展空間不平衡的實際影響，識別數字普惠金融發展空間不平衡的成因，并克服多重共線性等問題，本文進一步對前文所述變量進行QAP 回歸分析。

（三）數字普惠金融發展空間不平衡QAP 回歸分析

QAP 回歸分析能夠同時得出未標準化和標準化的回歸系數，未標準化回歸系數通過直接對差距矩陣變量進行估計得到，其數值與原始數據的量綱密切相關；而標準化回歸系數是對差距矩陣變量進行標準化后再進行估計得到，能夠消除原始數據量綱的影響，可以更準確地測度各解釋變量對被解釋變量的影響強度，所得回歸系數也更為穩健（Burris，2005）。

1.基于全樣本時期QAP 回歸分析的考察

本文以國家重大戰略區域數字普惠金融發展差距矩陣為被解釋變量，各影響因素的差距矩陣為解釋變量，構建QAP 回歸模型，并采用標準化回歸系數來報告各因素對數字普惠金融發展空間不平衡的影響效果。基于全樣本時期的QAP 回歸分析結果見表5，調整后的R2值為0.944，并在1%水平上通過了顯著性檢驗，表明包括經濟發展水平、城鎮化水平和傳統金融基礎等影響變量的地區差距對中國數字普惠金融發展空間不平衡的解釋力高達94.4%，回歸分析模型擬合情況較好。

根據表5，從標準化回歸系數來看，地區經濟發展水平、傳統金融基礎和數字技術水平地區差距三個變量的標準化回歸系數顯著為正，表明這些因素在國家重大戰略區域地區差距的擴大將會增強數字普惠金融發展的空間不平衡性，這一結論與張天和劉自強（2021）的研究結果類似。在我國數字普惠金融發展過程中，各地區經濟發展水平的提升、傳統金融基礎的不斷夯實和數字技術水平的提高都推動了數字普惠金融向更高水平發展，但同時也造成了各地區間經濟發展水平、傳統金融發展程度和數字技術水平差距的產生，隨之而來的便是數字普惠金融發展的空間不平衡。本文通過測度地區經濟發展水平、傳統金融基礎和數字技術水平的地區差距情況①本文選取地區經濟發展水平、傳統金融基礎和數字技術水平數據，采用Theil 指數測算地區差距。做進一步分析，發現其與地區數字普惠金融發展差距正相關，這也佐證了上述分析結果。另外，比較這三個標準化回歸系數大小可知，對我國數字普惠金融發展空間不平衡的影響強度從高到低依次為經濟發展水平（0.625）、傳統金融基礎（0.250）和數字技術水平（0.192）。經濟發展水平地區差距對我國數字普惠金融發展空間不平衡的影響遠高于傳統金融基礎和數字技術水平，前者分別為后兩者的2.5 倍和3.26 倍。由此可見，經濟發展水平地區差距在國家重大戰略區域的數字普惠金融發展空間不平衡中扮演了最為重要的角色，與其他因素相比，國家重大戰略區域數字普惠金融發展的空間不平衡主要源于經濟發展水平的地區差距。

表5 QAP 回歸結果：基于全樣本時期的考察

表5 中政府行為的標準化回歸系數（-0.443）為負值，且在1%水平上通過顯著性檢驗，說明政府行為的地區差距對數字普惠金融發展空間不平衡具有顯著的負向影響，即降低政府行為的地區差距并不會有效降低國家重大戰略區域數字普惠金融發展的空間不平衡性。產業結構、城鎮化、受教育水平和人口密度地區差距的標準化回歸系數分別為-0.002、-0.131、-0.163 和0.138，但是在統計上并不顯著，表明這四個因素不是影響我國數字普惠金融發展空間不平衡性的主要力量。雖然這些因素的地區差距可能影響了數字普惠金融發展的空間不平衡性，但其影響效應不是很顯著。在前文的理論分析中，城鎮化能夠通過擴大數字化硬件設施的覆蓋范圍和提高居民收入水平來促進數字普惠金融發展，但在我國城鎮化過程中，也伴隨著一些問題，如城鎮化水平的提高意味著大量農村人口流入城市，這些城市流入人口的收入主要用于住房等基礎支出，而用于日常消費、保險和理財的收入份額被大量擠占，因此對數字金融產品和服務的需求受到擠壓；同時留在農村的人口大多是老人和兒童，由于“數字鴻溝”的存在，這些人群被數字普惠金融覆蓋的可能性很小，因此我國城鎮化水平的提高并沒有切實帶來數字普惠金融的發展。另外，理論上地區人口密度大的地區，居民與金融產品接觸的便利性和居民對數字金融產品的較大需求，使得人口密度與數字普惠金融發展呈正向關系。但實證結果卻與理論分析相矛盾，這主要是受中國國情的影響，如陜西和河南等人口大省，其人口密度也較高，但是數字普惠金融發展的實際水平卻較低；而數字普惠金融發展的實際水平較高的地區，由于其出生率較低，因此人口密度反而不及陜西和河南等人口大省。

2.基于年度QAP 回歸分析的考察

基于年度的QAP 回歸分析能夠清晰揭示數字普惠金融發展空間不平衡影響因素的動態變化趨勢，把各影響因素的標準化回歸系數繪制成折線圖，如圖3 所示。由圖3 可以看出，2011—2020 年，對數字普惠金融發展空間不平衡持續呈正向影響的因素有地區經濟發展水平、傳統金融基礎和數字技術水平，人口密度除2011 年外其他年份也一直呈正向影響；持續呈負向影響的因素有政府行為和受教育程度；而產業結構和城鎮化在前后年份的影響作用變化較大。

圖3 QAP 回歸結果：基于年度的考察

具體來說，在整個樣本期內，地區經濟發展水平是造成數字普惠金融發展空間不平衡的決定力量，且其貢獻呈波動中上升趨勢，尤其是2014 年后經濟發展水平的影響程度遠遠超過其他因素，2019 年的標準化回歸系數最高，達0.927。相較來說，傳統金融基礎對數字普惠金融發展空間不平衡的貢獻也較強，僅次于地區經濟發展水平的影響，但整體呈“M”形趨勢，2012 年的影響作用最大（0.454），近幾年對數字普惠金融發展空間不平衡的貢獻有明顯的減弱趨勢。數字技術水平在樣本期內對數字普惠金融發展空間不平衡一直發揮正向推動作用，但作用強度較小，2020 年的回歸系數僅為0.069。人口密度對數字普惠金融發展空間不平衡的貢獻在2011 年呈微弱的負向影響，之后十年呈波動中上升的正向影響。在對數字普惠金融發展空間不平衡發揮負向影響的因素中，政府行為的貢獻相對較大，標準化回歸系數介于［-0.559，-0.328］，整體變化呈“W”形，但近幾年的負向影響作用有減弱趨勢。受教育程度對數字普惠金融發展空間不平衡總體上起抑制作用，但作用強度呈現先減小后增大又減小的趨勢，2020 年的標準化回歸系數僅為-0.053。除上述影響因素外，產業結構的影響并不明顯，回歸系數介于［-0.205，0.176］，整體呈小幅震蕩上升趨勢，以2016 年為界點分為兩個階段：第一階段2011—2015 年，產業結構地區差距縮小了數字普惠金融發展空間不平衡，但作用強度較小；第二階段2016—2020 年年，產業結構地區差距擴大了數字普惠金融發展空間不平衡。與產業結構的影響作用大致相反，城鎮化水平的影響整體呈小幅震蕩下降趨勢，2011—2016 年年主要呈正向的推動作用，2017 年開始呈現負向影響。

綜上，通過對年度標準化回歸系數的結果分析可知，雖然各因素在具體年份對數字普惠金融發展空間不平衡的影響作用略有差異，但總體上與全樣本時期的回歸結果保持一致。

3.基于重大戰略區域QAP 回歸分析的考察

基于國家重大戰略區域的劃分，來剖析各區域內部數字普惠金融發展差異的影響因素并加以比較，標準化回歸系數見表6。

表6 QAP 回歸結果：基于重大戰略區域的考察

京津冀數字普惠金融發展空間不平衡的決定因素為當地經濟發展水平，傳統金融基礎和數字技術水平的作用強度非常小，未起到關鍵作用；政府行為和城鎮化的負向影響作用也較小。長三角數字普惠金融發展空間不平衡主要源于當地經濟發展水平、受教育水平、數字技術水平和人口密度，其中前三者具有正向影響，而后者具有抑制作用。長江經濟帶數字普惠金融發展空間不平衡對當地經濟發展水平最為敏感，且起正向的推動作用，數字技術水平和人口密度也發揮正向推動作用，但強度較弱；起負向抑制作用的因素有三個，分別是產業結構、城鎮化水平和受教育水平。政府行為、城鎮化水平和數字技術水平對黃河流域數字普惠金融發展空間不平衡具有較顯著影響，其中城鎮化的作用強度最大。

4.穩健性檢驗

為檢驗研究結論的穩健性，本文擬采用多種方法來進行穩健性檢驗，以進一步佐證前文結論。第一，替換核心影響因素的表征變量，將數字技術的表征變量替換為地區網站總數與法人單位數的比值（郭家堂和駱品亮，2016），城鎮化水平的表征變量替換為各省份建筑用地面積與地區面積的比值（卞元超等，2018），受教育水平的表征變量替換為各省份在校大學生人數占該省份總人口比重（秦蒙等，2019），重新進行QAP 回歸，回歸結果見表7 第2 和第3 列，回歸結果的標準化系數值和顯著性與前文相比沒有太大變化。第二，在QAP 回歸分析的迭代參數設置過程中，將初始隨機種子數設置為392，隨機置換次數設置為8000 次，回歸得到的標準化系數值變動微小，并且顯著性水平也沒有變化，回歸結果見表7 第4 和第5 列。

表7 穩健性檢驗結果

五、研究結論與政策建議

本文采用Theil 指數測度國家重大戰略區域數字普惠金融發展的空間不平衡性，并將數字普惠金融發展總體差異分解為區域內和區域間差異，以此來揭示數字普惠金融發展總體區域差異的來源結構特征，接著將關系數據分析范式應用于數字普惠金融發展空間不平衡性的成因解析中，利用QAP 分析方法探究我國數字普惠金融發展空間不平衡的形成原因，為探尋區域數字普惠金融發展水平協同提升路徑提供參考依據。

研究結論如下：第一，我國國家重大戰略區域數字普惠金融發展的總體Theil 指數較低，且整體呈明顯下降趨勢。2011—2020 年區域間差異對總體差異的年均貢獻率約為55.22%，因此短期內不同國家重大戰略區域間數字普惠金融發展的差異是其空間不平衡性的主要來源。第二，基于國家重大戰略區域分解的數字普惠金融發展區域內Theil 指數，均值最大的是京津冀，均值最小的是長江經濟帶；且與2011 年相比，2020 年的區域內Theil 指數均呈明顯的下降態勢，各國家重大戰略區域內部數字普惠金融發展空間不平衡性逐漸減弱。第三，QAP 相關分析結果顯示，數字普惠金融發展的空間不平衡與經濟發展水平、傳統金融基礎、城鎮化水平、人口密度、產業結構、受教育水平和數字技術水平地區差距正相關；而與政府行為地區差距負相關。第四，根據數字普惠金融發展空間不平衡的QAP 回歸分析，基于全樣本時期的結果顯示，地區經濟發展水平、傳統金融基礎和數字技術水平地區差距的系數顯著為正，且經濟發展水平地區差距在國家重大戰略區域數字普惠金融發展空間不平衡中扮演最為重要的角色。基于年度的結果顯示，持續呈正向影響的因素有地區經濟發展水平、傳統金融基礎和數字技術水平；呈負向影響的因素有政府行為和受教育程度。基于重大戰略區域的結果顯示，長江經濟帶和京津冀地區數字普惠金融發展空間不平衡的決定因素是當地經濟發展水平；長三角數字普惠金融發展空間不平衡主要源于當地經濟發展水平、受教育水平、數字技術水平和人口密度；政府行為、城鎮化和數字技術水平對黃河流域數字普惠金融發展空間不平衡具有較顯著影響，其中城鎮化的作用強度最大。

針對以上研究結論，本文提出政策建議如下：

第一，客觀對待國家重大戰略區域數字普惠金融發展的空間不平衡性。正確認識數字普惠金融發展的空間不平衡性不僅要承認數字普惠金融發展的客觀區域差異，而且要辯證地對待客觀區域差異。每個國家重大戰略區域數字普惠金融的基礎條件和發展環境存在差異，這在客觀上導致數字普惠金融發展的空間不平衡性。如果要實現數字普惠金融的區域協調發展，不能簡單地降低數字普惠金融發展的空間不平衡性，也不能簡單地要求各區域的數字普惠金融發展達到同一水平，而是應該根據各區域數字普惠金融的先天條件和優勢劣勢，形成具有區域特色的數字普惠金融發展提升之路，特別是長三角、粵港澳和京津冀三個國家重大戰略區域要發展成為我國數字普惠金融增長極，以帶動全國數字普惠金融的整體高質量發展，推動區域經濟協同發展。

第二，促進數字普惠金融區域協調發展應該因地制宜、精準施策。空間不平衡性給數字普惠金融區域協調發展帶來了嚴峻考驗。因此務必從根源上找準造成空間不平衡性的成因并精準施策。粵港澳和長三角是我國數字普惠金融發展水平最高的兩個區域。因此應該充分利用優越的傳統金融基礎和領先的數字技術優勢，著力打造我國數字普惠金融的發展高地；京津冀地區要充分利用北京豐富的金融資源和數字技術人才優勢，暢通區域內部金融、人才要素的流通機制，推動轉變北京的“虹吸效應”為輻射帶動作用和示范帶頭作用，引領整個區域的數字普惠金融發展；黃河流域和長江經濟帶應該加強數字普惠金融基礎設施建設，優化數字普惠金融資源布局，豐富數字普惠金融服務和產品，提高金融服務的可獲得性和使用深度。

第三，我國政府部門應該制定政策從全國層面推動數字普惠金融持續均衡發展。首先，國家要加快推動數字經濟發展，加強網絡基礎設施建設，推動提速降費，搭建“信息高速公路”；推進人工智能、移動互聯網等技術的創新發展。其次，政府應該采取多重財政和貨幣政策加大對數字普惠金融發展的支持力度，尤其是目前還處于數字普惠金融發展的初期階段，應該加強政府的合理引導和適當增加財政補貼等促進其發展壯大。再次，采取多樣化形式提高公民金融素養，加強公眾金融知識的普及和宣傳教育，幫助金融消費者提高風險防范能力和金融決策能力；建議將金融知識納入國民教育體系，助推國民金融素養的整體提高。最后，充分發揮各類金融機構的作用，完善數字普惠金融體系，鼓勵四大行充分利用數據優勢和先進數字技術優勢推動數字普惠金融業務服務實體經濟，支持地方商業銀行利用地緣優勢開發各具區域特色的數字普惠金融業務服務小微企業。