数字普惠金融、区域差异及空间特征

周小飞，郑真真

（石河子大学 经济与管理学院，新疆 石河子 832003）

普惠金融，又称 “包容性金融” ，被联合国组织解释为能够全面并有效地服务于社会各个阶层以及群体的一种金融体系[1]12-22。数字普惠金融则指能够利用数字科技促进普惠金融普及或发展的全部行为。现实中，我们的点滴生活都融入了数字普惠金融[2]225-239。数字普惠金融与传统的金融机构不同，它能够为贫困以及弱势群体等提供金融服务，充分表明了普惠金融的 “普惠” 含义。但是，目前仍然存在诸多阻碍中国数字普惠金融发展的问题。例如，不完善的征信系统或者存在纰漏的监管体制等方面。此外，因为各省份地理位置的不同，所以其在科技能力、金融服务质量等方面表现出明显的失衡状态。这可能造成数字普惠金融发展的空间不均衡状态。基于上述内容，探讨中国数字普惠金融发展的区域差异和空间特征，不但有利于各个省份提出差异化的且可提高数字普惠金融发展质量的建议，而且能够有序地按照其发展状况把全国普及数字普惠金融的任务分配给每个省（市）。

一、文献综述

当前的文献基本是关于普惠金融的概念界定[3]613-628;[4]50-62、评价指标体系的构建或者发展水平的测度等[5]234-265;[6]813-837;[7]19-35。由于其发展较晚，只有较少关于数字普惠金融发展的空间特征的文献研究。现有文献，如针对传统金融的集聚特性的研究：我国各省份的金融发展不仅具有明显的空间依赖性[8]104-115，其发展质量也在不断提高[9]33-41，同时我国的金融资源空间分布也存在明显的不均衡特性[10]75-88，其中我国的三大城市群的内部空间差异就极为显著[11]38-45。郭峰和胡军通过空间面板数据模型，得出中国各地区不仅存在金融扩张的的趋势，而且还具有竞争效应[12]1-20。关于普惠金融的研究：有学者认为我国普惠金融的发展具有显著的空间集聚特性以及溢出效应[13]118-124;[14]39-48。此外关于各省份普惠金融的具体研究认为：北京、上海以及浙江等地区不仅存在空间集聚特性，而且集聚特性相对稳定；虽然广东自身的普惠金融发展质量很高，但其辐射效应较低，没有带动临近省（市）的普惠金融发展；同样，虽然河北在地理位置方面靠近京津冀，但是其发展过程中的协调性仍然很差[15]51-62;[16]3-20。关于互联网金融的研究：有学者认为虽然当前中国互联网金融发展表现为经典的σ 收敛，但是每个城市群的β 收敛性仍旧具明显的差异[17]10-17。关于数字普惠金融的研究：田霖认为中国数字普惠金融发展水平仅北京、上海等处于较高水平，其余省（市）的发展水平都较低，但是整体呈现出增加的趋势[18]54-62。

Dagum 基尼系数的优点是能够把区域差异按照子群分解的原理分解成三个部分，分别是区域内差异、区域间差异以及超变密度。这样可以探究造成区域差异的原因。目前Dagum 基尼系数方法已经被普遍地用于研究能源消费强度差异[19]30-33;[20]44-64、城镇化发展水平差异[21]44-49、信息化发展差异[22]515-531等多个方面。但是，很少将其应用于数字普惠金融方面。考虑到数据的可获得性和可比性，本文所选取的样本数据不包括西藏和港澳台地区。本文将采用北京大学数字金融研究中心公布的中国30个省（市）在2011—2018 年数字普惠金融指数作为衡量数字普惠金融发展水平的指标。首先通过Dagum 基尼系数与其分解方式研究分析中国数字普惠金融的区域差异和造成区域差异的原因，然后通过全局莫兰指数对数字普惠金融的空间集聚特性进行研究描述。

二、实证方法

（一）Dagum 基尼系数和分解原理

本文旨在通过Dagum 基尼系数和分解原理对中国数字普惠金融发展的区域差距进行全方位的研究分析。按照Dagum 提出的基尼系数[23]127-142，根据子群分解的原理，该基尼系数的计算方法如公式（1）所示：

公式（1）中的 yji(yhr)是指 j(h)区域中的某一个省（市）的数字普惠金融发展水平；yˉ指的是 30 个省（市）数字普惠金融水平的平均值。n 指的是省（市）的数量；k 指的是所划分的区域。nj(nh)指的是j(h)区域内省（市）的个数；G 指的是总体基尼系数。j、h 指的是区域划分个数；i、r 指的是区域内所包含省（市）的数量。

当对基尼系数进行分解之前，首先需要按照区域内数字普惠金融发展水平的平均值对区域进行排序。具体排列方式如公式（2）所示：

根据Dagum（1997）提出的基尼系数分解原理，能够把基尼系数分解成三个因子：区域内差异的贡献率Gw、区域间差异的贡献率Gnb 以及超变密度的贡献率Gt。三个因子间的关系为G=Gw+Gnb+Gt。公式（3）（4）分别为 j 区域的基尼系数 Gjj、区域内差异的贡献Gw：

公式（5）（6）分别为 j、h 区域的区域间基尼系数Gjh、区域间差异的贡献率Gnb：

另外公式（7）描述的是超变密度的贡献率Gt：

上述公式中 pj=njY；sj=njYjnY；j=1,2,...,k。Djh是j、h 区域数字普惠金融发展的相对影响。具体如公式（8）所示：

公式（8）中，djh、pjh的计算原理具体如公式（9）（10）所示。其中，Fj、Fh指的是 j、h 区域的累积密度分布函数。另外，djh代表的是区域间数字普惠金融发展水平的差值。换言之，j、h 区域内全部yji-yhr＞0的样本值数学期望的总和。同时pjh表示超变一阶矩。换言之，j、h 区域内全部 yhr-yji＞0 的样本值数学期望的总和。

本文将按照上述远离测度并分解2011—2018年我国东中西30 个省（市）的数字普惠金融发展空间分布的基尼系数。

（二）空间自相关

因为Dagum 基尼系数表达的是产业发展整体层面上的均衡与否状况，不能判断在地理位置方面产业集聚的地区是否相邻接。关于研究对象的集聚水平可以用空间自相关方法进行测度。换言之，衡量所研究对象是否具有空间关联性，重点是看其在相邻接省份中有无类似的产业属性值。由于Global Moran’s I 指数（全局莫兰指数）可以反映空间相邻地区或者空间相接地区的属性状况，并从全局层面上呈现出相关性的差异程度。因而Moran’s I 指数可以分析中国数字普惠金融发展水平的空间集聚特性。所以本文测算了中国数字普惠金融在2011—2018 年发展的全局莫兰指数。具体计算原理如公式（11）所示：

公式（11）中，Ii指的是数字普惠金融发展的全局莫兰指数；xk指的是第x 省份的数字普惠金融发重，其一般常采用空间距离或者空间地区之间地理位置上的邻接关系。本文空间权重计算方法采用的是空间距离，即每个省会城市的球面空间距离，并且对空间权重进行了行标准化。

全局莫兰指数的大小范围是[-1，1]。假若，Ii＞0，则意味着空间地区关系呈现的是正向相关。换言之，数字普惠金融发展水平类似（同高或同低）的省（市）在空间分布上倾向于集聚；并且莫兰指数的大小越接近于1，其正相关性越强。假若，Ii＜0，则意味着空间地区关系呈现出负向相关。换言之，数字普惠金融发展水平相反 (高低或低高) 的省（市）在空间分布上倾向于集聚；并且莫兰指数数值越接近负1，其空间负向相关就越强。假若Ii=0，那么区域属性值之间不存在任何相关性，即数字普惠金融发展在空间分布上是随机的。

（三）中国数字普惠金融的区域差异和分解

本文依据中国国家统计局对全国30 个省（市）的划分状况进行研究，共分成东部、中部与西部地区。其中，东部地区含有：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东与海南 11个省（市）；中部地区含有：山西、吉林、黑龙江、安徽、江西、河南、湖北与湖南8 个省份；西部地区含有：内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏与新疆11 个省（市）。同时按照Dagum 基尼系数和按子群分解原理，测度了2011—2018 年中国数字普惠金融发展的基尼系数。从而深入探讨了中国数字普惠金融发展的地区差异和其动态分布演变情况。具体测度结果如表 1 所示。

表1 中国数字普惠金融发展的基尼系数以及分解

图1 反映了中国数字普惠金融发展的区域差异中的总体差异和演变进程。从图1 中可明确得知，2011—2018 年中国数字普惠金融发展的总体区域差异正在逐渐变小。2011—2018 年之间数字普惠金融发展的区域差异由0.239 减小为0.053。该数值变化揭示了样本时间范围内数字普惠金融发展的区域差异逐渐降低。这意味着数字普惠金融发展的空间特性正缓慢由非均衡转向均衡。具体演变过程为：2011—2015 年之间数字普惠金融发展的区域差异的下降趋势较为陡峭，即下降速度较快。但是2016—2018 年的下降趋势较为平缓，即下降速度开始变慢。并且2018 年的区域差异有小幅度回升。我国于2012 年提出要创建安全系数高、方便快捷的现代化金融服务，用于推动中国数字普惠金融的发展。接着我国在2015 年官方宣布了普惠金融的含义，同时颁发了《推进普惠金融发展规划（2016-2020）》的文件。因此基于政府的政策扶持，快速推动了我国的数字普惠金融的普及与发展，从而降低了其发展的区域差异。综上可知我国数字普惠金融发展的区域差异不仅存在下降的趋势，而且近些年来差异下降的趋势逐渐减弱。

图1 中国数字普惠金融发展总体地区差异的演变趋势

表1 中也分别列出了东部、中部、西部地区数字普惠金融发展的区域内差异。图2 描绘了在2011—2018 年三大地区的数字普惠金融发展的区域内差异变化以及演变进程。根据基尼系数曲线的高低可知，东部地区内数字普惠金融发展水平的区域差异最大，西部地区的区域差异属于中等，中部地区各省份之间的区域差异最小，其与互联网金融的区域差异分布相似[25]127-142。出现此现象的原因是东部各个省（市）的数字普惠金融发展水平参差不齐。例如，山东等省份的金融发展水平虽然相对全国其他省份来说较高，但是与同样属于东部地区的北京、广东等省（市）相比较明显不占优势，所以导致了东部地区数字普惠金融发展的区域内差异较大。西部地区内各省（市）的数字普惠金融发展水平都很低，而且存在个别中等发展水平的省（市），所以其区域内差异程度次之。虽然中部地区各省份的数字普惠金融发展水平处于中等，但是其发展较为均衡，且无个别突出省份，所以其地区内的差异最小。此外，中国三大地区的数字普惠金融发展的区域内差异都表现出逐年减弱趋势。

图2 中国数字普惠金融发展区域内差异的演变趋势

从发展历程分析，东中西部地区的数字普惠金融发展的区域内差异曲线均在2011—2015 年较为陡峭，2016—2018 年较为平缓，这与全国的整体区域差异曲线一致。西部地区除了2011 年的数字普惠金融发展的区域内差异大于东部地区之外，其余年份均小于东区的区域内差异。产生此现象的原因是东部地区的北京等个别省（市）由于地理位置、人才储备或者自身雄厚的经济实力等因素得到了迅速发展，而个别省（市）发展相对滞后，使得其区域差异增大。东部地区数字普惠金融发展的区域内差异与2011 年相比，至2018 年为止年均减少了0.013。具体来说，东部地区数字普惠金融发展的区域内差异由2011 年的0.155 减小为2018年的0.051。2011—2018 年中部地区数字普惠金融发展的区域内差异大小维持在0.027～0.071 范围内，其演变过程相对平稳。西部地区的区域内差异变化最大，2011—2018 年共缩减了0.121。综上分析可知，我国各地区的数字普惠金融发展逐步向均衡方向发展。换言之，各地区在提升自身数字普惠金融发展水平的同时，也在逐渐地减少与自身的区域内差异。

图3 反映了在2011—2018 年东中西地区两两区域之间数字普惠金融发展的区域间差异变化以及演变进程。从图3 中可知，在样本时间范围内东部—西部、东部—中部以及中部—西部数字普惠金融发展的区域间差异都表现出逐步减弱的趋势。因为东部地区整体的数字普惠金融发展水平最高，但是西部地区整体的发展水平最低，中部发展水平次之。所以东部—西部区域间差异高于东部—中部、中部—西部之间的区域间差异。在2011年至2018 年之间中国东部—西部、东部—中部与中部—西部数字普惠金融发展的区域间差异分别减少了0.19651%、0.16005%、0.11271%。东部—西部数字普惠金融发展的区域间差异逐步降低，说明西部的数字普惠金融发展水平逐渐提升。2011年至2015 年三大地区中两两区域之间的基尼系数下降得较快，而过了2015 年之后，下降幅度开始变得缓慢。这与前文整体区域差异以及区域内差异变化的基本一致。东部—西部的区域间基尼系数曲线始终位于图表上方，而中部—西部的基尼系数线始终在图表的最下方。这表示东西地区之间数字普惠金融发展的区域间差异虽然在逐渐减小，但是其始终大于中西部的区域间差异。究其原因，在于东部地区经济发展整体水平较高，西部地区由于地理位置的偏僻以及自然环境的恶劣等，其经济无法短时间内达到东部较高水平，从而造成了东西地区较大的差异。

图3 中国数字普惠金融发展区域间差异的演变

图4 反映了造成2011—2018 年中国数字普惠金融发展的区域差异原因和贡献率演变进程。从图4 中可知，在样本时间范围内，数字普惠金融发展的区域间差异的贡献率始终高于区域内差异的贡献率以及超变密度的贡献率，这说明区域间差异是影响数字普惠金融发展的总体差异中的第一因素。2011—2018 年数字普惠金融发展的区域间差异的贡献率整体表现出前期小幅度上升，中期断崖式下降，后期小范围波动上升的趋势。整体波动幅度相对较大区域间差异贡献率首先由2011 年的71.913%增加为2013 年的72.184%，平均每年上升0.1355%。2014—2016 年急剧减小，由68.461%降低至67.479%。2017—2018 年数字普惠金融发展的区域间差异的贡献率始终围绕68.839%～69.317%范围内波动，又开始小幅度波动变化。区域内差异数值大小位于三者的中间位置，所以其是影响数字普惠金融发展的地区差异中的第二因素。

图4 中国数字普惠金融地区差异贡献率的演变趋势

2011—2018 年内数字普惠金融发展的地区内差异的贡献率基本保持上升状态状态，其贡献率大小在样本时间范围内保持在22%～24%左右，但是在2015 年出现了明显的下降点。超变密度的贡献率数值大小属于三种贡献率的最小值，所以其是影响数字普惠金融发展的区域差异中的第三因素，在样本时间范围内超变密度的贡献率整体呈 “W” 式波动变化，即为 “下降—上升—下降—上升” 趋势。2011—2013 年由6.897%下降为5.135%，2014 年和 2015 年分别是 8.055%、9.552%，2016—2018 年由8.144%变为7.345%。

（四）中国数字普惠金融的空间集聚特征

本部分通过测算数字普惠金融发展的Moran’s I 指数，探究中国数字普惠金融发展的空间特征。同时通过绘制全国30 个省（市）分别在2011 年和2018 年的数字普惠金融发展的Moran 散点图，从而分析在空间上数字普惠金融发展存在的空间集聚模式属于哪种类型。

表2 具体描述了数字普惠金融发展的Moran’s I 指数。中国数字普惠金融从 2011—2018 年的Moran’s I 指数全部为正值且数值范围在0.287 至0.414 之间，同时全部通过了1%的显著性检验。这表示中国数字普惠金融发展的空间集聚特性较为显著。换言之，某省（市）数字普惠金融发展水平高低和其空间地理位置相邻省（市）的数字普惠金融发展水平有关。即数字普惠金融发展水平较好的省（市）和数字普惠金融发展水平较好的省（市）相邻，而发展水平差的省（市）则被发展水平较差的省（市）包围。通过分析可知在样本时间范围内数字普惠金融发展的Moran’s I 指数呈 “V” 字形变化，即 “下降—上升” 趋势。从表 2 中可知，在 2011—2015 年中国数字普惠金融发展水平的Moran’s I指数表现出缓慢减小的趋势，所以该时间范围内各省（市）数字普惠金融的空间相关性缓慢下降。

表2 中国数字普惠金融的Moran’s I 指数

2016—2018 年开始迅速增大，表明该时间范围内各省数字普惠金融发展的空间相关性快速提高。出现此现象的原因跟前文提及的我国2015 年底颁发的推动数字普惠金融发展的相关文件有很大的联系。

莫兰散点图中的一二三四象限分别代表高—高集聚、低—高集聚、低—低集聚、高—低集聚板块。其中，位于高—高集聚以及低—低集聚板块内研究对象的空间相关系数为正值；与之相反，位于低—高集聚以及高—低集聚板块内研究对象的空间相关性指数为负值。从图5（左图：2011 年；右图：2018 年）中可知绝大多数的省（市）位于高—高集聚板块以及低—低集聚板块内部或边缘位置。根据2011 年的莫兰散点图可知，北京、天津、山东和广东等省（市）位于高—高集聚板块。经分析可知上述省（市）全部处于数字普惠金融发展水平相对较高的东部地区。另外与这些省（市）周边相邻省（市）的数字普惠金融发展水平同样也很高。换言之，高质量发展的省份被高质量发展的省（市）包围。贵州、云南、甘肃、青海以及新疆等省份位于低—低集聚板块。经分析可知这些省份处于数字普惠金融发展水平相对较低的西部地区。江苏和重庆位于高—低集聚板块。具体而言，虽然此类省（市）自身数字普惠金融发展水平较高，但其周边省（市）数字普惠金融发展水平一般。河北、山西和黑龙江三个省份虽然本身数字普惠金融的发展水平一般，但是位于发展水平较高省（市）的周边，即此三个省份位于低—高集聚板块。与2011 年相比较，2018 年的莫兰散点图中在高—高集聚板块上的省（市）多了山西省。这说明山西的数字普惠金融得到了迅速发展。经分析可知，山西提倡充分利用中介服务机构来促进对数字普惠金融的发展，同时又因高质量的中介服务使得数字普惠金融更具有可行性。江苏从高—低集聚板块转移到了低—低集聚板块。近些年来，其经济发展主要依赖于纺织服装业、装备制造业等第二产业为主。相比之下，其金融业发展速度低于其他同板块的省（市），所以其位于低水平板块。湖北省已经从低—低集聚板块转移到了高—低集聚板块，这表示其自身的数字普惠金融相较于周围其他省（市）发展较为迅速。这得益于其注重对自身经济的宏观调控。其他省（市）的板块类型在2018 年内未发生重大变化。通过比较样本时间范围内数字普惠金融发展的空间集聚特性，可知虽然样本时间范围内减小了其空间相关性，但是其空间集聚模式并没有明显改变。

图5 中国数字普惠金融发展的莫兰散点图

三、研究结论与建议

（一）结论

本文选取了中国30 个省（市）在 2011—2018年的数字普惠金融指数代表其发展水平，并通过Dagum 基尼系数以及全局莫兰指数研究探讨了中国数字普惠金融发展的区域差异及空间特征。主要结论如下：1.从数字普惠金融发展水平的区域差异来看，样本时间范围内其总体区域差异基尼系数逐渐减小，表明了我国数字普惠金融的总体差异逐步缩小，朝着均衡方向发展。各地区数字普惠金融发展水平的区域内差异从大到小依次是东部—西部—中部。数字普惠金融发展水平的区域间差异排名从高到低分别是东部—西部、东部—中部、中部—西部。数字普惠金融发展的区域间差异大小是影响总体差异的第一因素。此外，样本时间范围内区域间差异的贡献率一直大于区域内差异的贡献率和超变密度的贡献率。2.通过对数字普惠金融的空间特征进行分析，可知中国数字普惠金融发展的莫兰指数不仅是正值而且全部通过了1%的显著水平检验。这表明中国数字普惠金融发展的空间集聚特性非常明显。此外，莫兰散点图揭示了数字普惠金融发展水平较高的省（市）与发展水平较高的省（市） 相邻，而发展水平较差的省（市）被发展水平较差的省（市）包围。总体来讲，虽然样本时间范围内数字普惠金融发展的空间相关性出现变小趋势，但是其空间集聚模式方面基本上无重大改变。

（二）政策建议

1.建立健全良好的金融市场生态环境。例如借鉴国外数字普惠金融发展水平较高国家的政策法规，并根据我国自身的处境进行完善修改数字普惠金融政策、法律法规和监管体系。或者通过先进的数字技术提高金融监管效率，构建一个与数字普惠金融发展相协调的监管机制。同时，政府相关机构要制定修缮一系列准入细则，筛选有能力的企业进入该行业。换言之，确保进入该行业的企业能够进行金融风险防控并且也能承担不可避免的风险发生。

2.实施差别化扶持政策。针对中国贫困地区，尤其是中西部偏远农村地区，实施有区别的扶持政策。例如全面建设此类地区关于互联网等与数字普惠金融有关的基础设施建设。同样在满足落后地区居民最基础的金融服务需求的基础上，可以适当地增加一些对农村居民有利的金融服务。例如增加ATM 数量、农村合作社等刚性需求服务。与之相反的，针对东部等发达省（市），应当注重发展债券、基金、期货等高端金融产品，从而扩大数字普惠金融的服务范围。

3.促进东中西区域之间的交流与合作。针对东部发达地区与中西部贫困地区两种不同类型的发展情况，可以采取 “强帮弱” 的模式，将东部地区的资金、人才、技术等引流进中西部地区。全面认识到数字普惠金融发展的空间聚集特征，积极改善不利条件。一方面，通过降低各省（市）间金融业流动的壁垒，减小东西部的区域间差异，加大各省（市）间的金融行业交易流动性。另一方面，需要政府积极发挥引领作用，引导东中西部的数字普惠金融朝着协调方向发展，充分发挥处于核心区域省（市）以及边缘区域省（市）的优势定位，全面推动东中西部区域数字普惠金融的发展。