■王露露

一、引言與文獻(xiàn)綜述

經(jīng)濟(jì)高質(zhì)量發(fā)展有賴于金融的引航，更需要激發(fā)與釋放數(shù)字普惠金融的發(fā)展?jié)摿Α５?，我?guó)的金融資源配置極不均衡，較大的區(qū)際差異抑制了金融的普惠溢出?；诖?，研究我國(guó)數(shù)字普惠金融的空間特征及影響因素，進(jìn)而提出針對(duì)性的發(fā)展對(duì)策建議，顯得尤為必要。

許多學(xué)者對(duì)普惠金融的發(fā)展效應(yīng)進(jìn)行研究，并較為一致地發(fā)現(xiàn)了積極效應(yīng)：金融科技創(chuàng)新背景下，數(shù)字普惠金融有助于縮小收入或消費(fèi)差距（宋曉玲，2017；呂雁琴和趙斌，2019），促進(jìn)經(jīng)濟(jì)增長(zhǎng)（張勛等，2019；錢海章等，2020），是實(shí)現(xiàn)金融包容、穩(wěn)定發(fā)展的可依賴路徑（Ozili P K.，2018）。近幾年，學(xué)者們開(kāi)始基于空間計(jì)量分析數(shù)字普惠金融在經(jīng)濟(jì)發(fā)展層面的空間溢出效應(yīng)。以我國(guó)省際數(shù)據(jù)為研究樣本，鄒新月和王旺（2020）發(fā)現(xiàn)數(shù)字普惠金融能有效促進(jìn)居民消費(fèi)水平的提高，且對(duì)西部地區(qū)有更大的正向影響。陳嘯和陳鑫（2018）的研究表明，數(shù)字普惠金融能縮小城鄉(xiāng)收入差距，且其空間溢出效應(yīng)主要取決于數(shù)字服務(wù)支持程度。劉丹等（2019）發(fā)現(xiàn)了數(shù)字普惠金融對(duì)農(nóng)民非農(nóng)收入的正向溢出效應(yīng)，且這一效應(yīng)在不同省域間普遍存在。也有學(xué)者聚焦于數(shù)字普惠金融本身，分析我國(guó)數(shù)字普惠金融的空間分布特征研究。較早開(kāi)展此方面研究的學(xué)者是葛和平和朱卉雯（2018），他們用熵值法確定指標(biāo)權(quán)重，重新構(gòu)建數(shù)字普惠金融指標(biāo)體系，發(fā)現(xiàn)我國(guó)數(shù)字普惠金融指數(shù)呈由東到西遞減發(fā)展的整體趨勢(shì)，并進(jìn)一步探究了數(shù)字普惠金融的影響因素。梁榜和張建華（2020）利用2011—2015年數(shù)字普惠金融地級(jí)市層面數(shù)據(jù)，得出數(shù)字普惠金融的發(fā)展呈典型α收斂、絕對(duì)β收斂和條件β收斂的結(jié)論。此外，數(shù)字普惠金融影響因素也備受關(guān)注，這些因素包括經(jīng)濟(jì)發(fā)展水平、居民收入水平、政府支出等宏觀經(jīng)濟(jì)層面，傳統(tǒng)金融發(fā)展水平、人力資本、城鎮(zhèn)化水平或人口密度等社會(huì)環(huán)境層面，及產(chǎn)業(yè)結(jié)構(gòu)、基礎(chǔ)設(shè)施等設(shè)施建設(shè)層面。

現(xiàn)有研究涉及到我國(guó)數(shù)字普惠金融的經(jīng)濟(jì)效應(yīng)、影響因素等方面，鮮有研究考慮到空間位置對(duì)數(shù)字金融發(fā)展的影響。數(shù)字普惠金融有何空間分布特征？不同空間位置的影響因素對(duì)數(shù)字普惠金融的影響程度及作用趨勢(shì)是否存在差異？為了進(jìn)一步回答此類問(wèn)題，本文從空間異質(zhì)性的視角出發(fā)，采用2011—2018 年北京大學(xué)數(shù)字普惠金融指數(shù)，在用自然間斷法、探索性空間數(shù)據(jù)分析法（ESDA）進(jìn)行空間分布特征研究基礎(chǔ)上，應(yīng)用地理加權(quán)回歸模型（GWR）刻畫(huà)數(shù)字普惠金融隨空間位置的變化，從整體上把握不同影響因素的省域差別。

二、研究設(shè)計(jì)

（一）探索性空間數(shù)據(jù)分析

通過(guò)構(gòu)建省域數(shù)字普惠金融的Rook空間鄰接權(quán)重矩陣，進(jìn)行全局自相關(guān)Moran′s I 檢驗(yàn)。Moran′s I的計(jì)算公式如下：

其中，n 為觀測(cè)省份數(shù)目，wij為0—1 取值的鄰接空間權(quán)重矩陣。并可根據(jù)標(biāo)準(zhǔn)化統(tǒng)計(jì)量z=進(jìn)行顯著性判斷。

進(jìn)一步分析省域數(shù)字普惠金融的局部空間自相關(guān)性，Local Moran′s I計(jì)算公式如下：

（二）地理加權(quán)回歸模型

自變量存在空間自相關(guān)時(shí)，全局回歸模型的殘差獨(dú)立性不再滿足。與之不同的是，地理加權(quán)回歸模型將空間位置的變動(dòng)納入回歸分析中，使得解釋變量回歸系數(shù)隨空間的變動(dòng)（即變系數(shù)）成為可能。該模型估計(jì)方法源于加權(quán)最小二乘法，分析空間依賴規(guī)律的異質(zhì)性，核心思想是每個(gè)地區(qū)都有單獨(dú)的估計(jì)參數(shù)。通過(guò)放松經(jīng)典線性回歸的常參數(shù)全域估計(jì)假設(shè)，得到如下變參數(shù)模型：

其中，β0（ui，vi）為i地區(qū)的空間截距項(xiàng)，Xik為地區(qū)i 的第k 個(gè)自變量值，相應(yīng)地βk（ui，vi）為i 地區(qū)第k個(gè)自變量估計(jì)系數(shù)，εi為隨機(jī)誤差項(xiàng)。

地理加權(quán)回歸模型的估計(jì)需要確定權(quán)重函數(shù)及最優(yōu)帶寬。權(quán)重函數(shù)常用高斯核函數(shù)、指數(shù)核函數(shù)（Lesage J P，2004），以高斯核函數(shù)為估計(jì)權(quán)重。不同帶寬的選取方式使得估計(jì)“本文以高斯核函數(shù)估計(jì)權(quán)重”結(jié)果差異較大，帶寬越大，權(quán)重隨距離變化衰減越慢；帶寬越小，權(quán)重隨距離變化衰減越快。本文以交叉確認(rèn)法（CV）作為最優(yōu)帶寬的估計(jì)準(zhǔn)則。

（三）數(shù)據(jù)來(lái)源及變量設(shè)定

本文數(shù)字普惠金融指數(shù)源于2011—2018年省域?qū)用娴谋本┐髮W(xué)數(shù)字普惠金融指數(shù)（郭峰等，2019），該指數(shù)由數(shù)字金融覆蓋廣度、使用深度、數(shù)字化程度等三個(gè)維度的指標(biāo)合成，在本文被具體應(yīng)用為數(shù)字普惠金融總指標(biāo)。同時(shí)根據(jù)前文綜述及本文研究情況，選取我國(guó)31 個(gè)省際的經(jīng)濟(jì)發(fā)展水平、傳統(tǒng)金融發(fā)展、人口數(shù)量、產(chǎn)業(yè)結(jié)構(gòu)、政府支出等作為影響因素加以控制，數(shù)據(jù)源于國(guó)家統(tǒng)計(jì)局和中國(guó)金融統(tǒng)計(jì)年鑒。具體的變量設(shè)定如表1所示。

三、研究結(jié)果分析

（一）基于自然斷點(diǎn)法的空間分異分析

研究觀測(cè)單元空間分異特征的經(jīng)典分析工具有自然斷點(diǎn)法和分位數(shù)法。分位數(shù)法將觀測(cè)值等量分配至各類，由此可能產(chǎn)生相似觀測(cè)值不同類、均差較大觀測(cè)值同類的誤差。與之不同的是，自然斷點(diǎn)法以類內(nèi)方差最小化、類間方差最大化為空間分類準(zhǔn)則，間斷點(diǎn)常在觀測(cè)值差異較大位置。鑒于自然斷點(diǎn)法的相對(duì)優(yōu)越性，在此選用該法，以2011、2013、2015、2018等4個(gè)代表年份分析我國(guó)省域數(shù)字普惠金融的空間分異特征。具體地，分為低、中低、中、中高、高5分區(qū)，見(jiàn)表2。

表2 中國(guó)省域數(shù)字普惠金融自然斷點(diǎn)分區(qū)

整體來(lái)看，我國(guó)省域數(shù)字普惠金融的空間分布不平衡性顯著。八大經(jīng)濟(jì)帶中，東部沿海省域得益于優(yōu)越的地理位置，市場(chǎng)要素流動(dòng)性強(qiáng)，金融發(fā)展體制較為完善，數(shù)字普惠金融發(fā)展水平處于領(lǐng)先地位，北部沿海、南部沿海次之，大西北地區(qū)最為落后。不同省份中，北京、上海、浙江在各個(gè)時(shí)期均處于第Ⅴ分區(qū)，金融發(fā)展優(yōu)勢(shì)明顯；貴州、西藏及西北地區(qū)的甘肅、青海一直處于第I分區(qū)，金融發(fā)展后勁不足。這一結(jié)果意味著盡管國(guó)家實(shí)施了積極的普惠金融發(fā)展政策，西部地區(qū)整體受限于自身的發(fā)展劣勢(shì)，與發(fā)達(dá)地區(qū)相比仍有差距。若將期初、期末分區(qū)等級(jí)相差2 級(jí)（+/-）及以上定義為“斷點(diǎn)跨越”/“斷點(diǎn)陷阱”，落入“斷點(diǎn)陷阱”的省份為遼寧、黑龍江、寧夏，尚未有省份實(shí)現(xiàn)“斷點(diǎn)跨越”。

從截面數(shù)據(jù)的分布看，2011 年第Ⅴ分區(qū)主要位于江、滬、浙、閩、粵等東南部沿海省份及京津等地，第Ⅳ分區(qū)形成川、渝、鄂、陜?yōu)橹鞯钠瑓^(qū)，總體呈現(xiàn)以中部片區(qū)、東南沿海為極化，從西北到東南逐漸深化的趨勢(shì)；與2011 年相比，2013 年第Ⅱ分區(qū)的省份大大增加，覆蓋大部分中東部地區(qū)，Ⅳ、Ⅴ分區(qū)省份銳減，零星分布東南沿海線，第Ⅲ分區(qū)集聚于川、渝、鄂、皖、魯?shù)鹊?，呈條帶狀分布；與2013 年相比，2015 年主要變化是第Ⅲ分區(qū)的演化發(fā)展，即從中部條帶垂直向北部延伸；與2015年相比，2018年第Ⅰ分區(qū)向西北、東北等延伸擴(kuò)散，第Ⅲ分區(qū)中部回縮，其余變化不大。數(shù)量上的對(duì)比為，2018 年比2011 年第Ⅰ、Ⅱ分區(qū)有所增加，第Ⅲ分區(qū)不變，第Ⅳ、Ⅴ分區(qū)有所減少。這一看似有違常理結(jié)果的合理性在于，等級(jí)斷點(diǎn)范圍于末期大幅提升。整體而言，省域數(shù)字金融的發(fā)展仍然呈現(xiàn)東高西低的格局，但大多數(shù)省份的金融發(fā)展?fàn)顩r有所改善，省域差距趨于縮小，這與陳銀娥等（2015）的研究發(fā)現(xiàn)相類似。

（二）全局空間相關(guān)分析

基于式（1）的全局相關(guān)性檢驗(yàn)結(jié)果如表3所示?？傮w而言，2011—2018 年間的省域數(shù)字普惠金融發(fā)展呈現(xiàn)較強(qiáng)空間正相關(guān)性，本省空間分布受鄰域影響顯著，同時(shí)鄰域金融的發(fā)展及擴(kuò)散對(duì)本省發(fā)揮作用。就具體指數(shù)大小而言，2011—2018各年份的Moran′s I指數(shù)均大于0，空間集聚特征顯著，同時(shí)具有一定波動(dòng)性。2011—2014 年的數(shù)字普惠金融發(fā)展較為穩(wěn)定，2015年有所下滑，隨后逐年提升，并于2018年達(dá)到最大值。這說(shuō)明省域間數(shù)字金融發(fā)展的互動(dòng)增強(qiáng)，空間相關(guān)性呈現(xiàn)穩(wěn)定增強(qiáng)的趨勢(shì)。

表3 2011—2018年我國(guó)省域數(shù)字普惠金融全局Moran′s I指數(shù)

（三）局部相關(guān)空間集聚分析

為進(jìn)一步分析數(shù)字普惠金融在各省份上的局部空間關(guān)系選取2011、2013、2015、2018 四年數(shù)據(jù)，利用Geoda 軟件得到局部Moran′s I（LISA）指數(shù)，結(jié)果如表4所示。

第一，高高集聚區(qū)。此種類型的集聚主要分布于我國(guó)東部沿海地區(qū)，前兩個(gè)時(shí)期變動(dòng)不大，2015 年銳減為6 個(gè)，隨后（2018 年）增至10個(gè)。高高集聚省份的增多，暗示著樣本期內(nèi)數(shù)字普惠金融發(fā)展的向好態(tài)勢(shì)，正向溢出效應(yīng)的增強(qiáng)，有助于促進(jìn)全國(guó)層面數(shù)字普惠金融的均衡發(fā)展。其中江蘇、浙江、福建、天津、上海及海南一直位于該區(qū)域，安徽省通過(guò)大力發(fā)展數(shù)字普惠金融及受山東、江蘇、湖北、浙江等省域數(shù)字普惠金融溢出的影響，由LH 區(qū)域躍升至HH區(qū)域。2015 年山東、廣東及北京等周邊地區(qū)的金融發(fā)展水平較為落后，使得三地轉(zhuǎn)變?yōu)镠L區(qū)域，但2018年三地恢復(fù)到HH區(qū)域。

表4 我國(guó)省域數(shù)字普惠金融的LISA聚類結(jié)果

第二，低高集聚區(qū)。此種類型的集聚數(shù)量最少，且變動(dòng)不大。其中江西、河北在4 個(gè)時(shí)期中一直處于LH區(qū)域。其特點(diǎn)是，周圍區(qū)域數(shù)字普惠金融發(fā)展態(tài)勢(shì)良好，但并未形成對(duì)當(dāng)?shù)亟鹑诎l(fā)展的明顯溢出效應(yīng)，加上自身地理位置不佳、工業(yè)基礎(chǔ)薄弱（江西），或者靠資源帶動(dòng)經(jīng)濟(jì)發(fā)展、區(qū)際發(fā)展不均衡（河北），始終未能擺脫數(shù)字金融發(fā)展困境。湖南省在前三個(gè)時(shí)期一直處于LL 區(qū)域，2018 年躍升至該區(qū)域，說(shuō)明廣東、湖北、重慶等省份的金融溢出效應(yīng)并不明顯，對(duì)湖南省的帶動(dòng)作用有限。

第三，低低集聚區(qū)。此種類型的集聚在4個(gè)時(shí)期均占比最高。位于該區(qū)域的省域自身金融發(fā)展水平較低，周圍省域也均表現(xiàn)為低水平，低低集聚特征顯著。這可能是由于該區(qū)各省域經(jīng)濟(jì)發(fā)展條件有限，資金、人才、機(jī)構(gòu)設(shè)施等要素相對(duì)匱乏，并不能形成普惠金融發(fā)展的良好循環(huán)，發(fā)展普惠金融仍有較大提升空間。

第四，高低集聚區(qū)。此類型的集聚在4個(gè)時(shí)期波動(dòng)較為明顯，呈現(xiàn)先減，再增，最后再減的變化趨勢(shì)。自身發(fā)展水平高，周邊地區(qū)發(fā)展相對(duì)落后是其典型特點(diǎn)，湖北、重慶一直位于該區(qū)域。這在一定程度上說(shuō)明湖北、重慶在促進(jìn)自身金融發(fā)展的同時(shí)，還應(yīng)重視對(duì)自身輻射效應(yīng)的提升。遼寧省前3個(gè)時(shí)期均處于該區(qū)域，但受內(nèi)蒙古、黑龍江等周邊發(fā)展落后的影響，2018年轉(zhuǎn)變至LL 區(qū)域。陜西、四川的表現(xiàn)相同，2011年位于HL區(qū)域，后3個(gè)時(shí)期均轉(zhuǎn)至LL區(qū)域。

總體而言，我國(guó)省域數(shù)字普惠金融的分布呈現(xiàn)空間上的不平衡性，以低低和高高集聚為主。進(jìn)一步觀察發(fā)現(xiàn)，HH型省市多是京津及東部沿海城市，LL型以中西部省份居多，這說(shuō)明樣本期內(nèi)，原本普惠金融發(fā)展水平較低、相鄰省份同樣落后的地區(qū)，并未突破發(fā)展瓶頸，整體仍然趨于落后，全民普惠的推進(jìn)發(fā)展仍然困難重重。高高、高低集聚的省份波動(dòng)相對(duì)較大，說(shuō)明數(shù)字金融的發(fā)展有一定的空間地理依賴性，同時(shí)也存在一定程度的空間溢出局限性。與2011年相比，2018 年高高集聚區(qū)的省份數(shù)量有所增加，低高集聚不變，低低集聚略有增加，高低集聚減小，數(shù)字金融在曲折波動(dòng)中發(fā)展。

（四）中國(guó)數(shù)字普惠金融空間差異的影響因素分析

1.逐步回歸模型估計(jì)

為刻畫(huà)各類因素對(duì)省域數(shù)字普惠金融的總體平均影響，這里運(yùn)用逐步回歸法進(jìn)行運(yùn)算處理，逐步回歸法的結(jié)果列示于表5。其中，政府支出（gov）變量因未通過(guò)顯著性、偏相關(guān)性及共線性統(tǒng)計(jì)容差檢驗(yàn)而被排除，其余5個(gè)變量均得以保留。擬合優(yōu)度的度量指標(biāo)可決系數(shù)R2、校正可決系數(shù)R2均超0.4，模型有一定的解釋力。

表5 逐步回歸模型估計(jì)結(jié)果

解釋變量中，除第二產(chǎn)業(yè)占比對(duì)數(shù)字普惠金融影響顯著為負(fù)外，其余解釋變量均與數(shù)字普惠金融呈正相關(guān)。特別注意的是，教育水平對(duì)數(shù)字普惠金融的正向影響尤為顯著，在其他變量不變前提下，教育水平每提高一單位，數(shù)字普惠金融增加約70.5 個(gè)單位，即人力資本對(duì)數(shù)字普惠金融發(fā)展的總體平均效應(yīng)最為明顯。教育水平的提高有利于居民更好地了解、使用金融產(chǎn)品，居民抗風(fēng)險(xiǎn)能力的提高也使得金融機(jī)構(gòu)愿意提供足夠的金融服務(wù)。經(jīng)濟(jì)發(fā)展水平也有較高影響，平均影響系數(shù)為0.693。金融發(fā)展水平、人口密度的平均影響系數(shù)較小，但都高度顯著，對(duì)數(shù)字普惠金融的發(fā)展存在一定正向影響。第二產(chǎn)業(yè)占比對(duì)數(shù)字金融的負(fù)向影響較為顯著，可能的原因?yàn)?，?shù)字普惠金融是以互聯(lián)網(wǎng)信息技術(shù)為代表的新興行業(yè)，更多的是與現(xiàn)代服務(wù)業(yè)、第三產(chǎn)業(yè)相契合。第二產(chǎn)業(yè)占比越高，意味著傳統(tǒng)行業(yè)對(duì)經(jīng)濟(jì)的影響越大，反而不利于數(shù)字普惠金融的發(fā)展，或者兩者間存在一定的異斥效應(yīng)。

2.地理加權(quán)回歸估計(jì)

考慮到數(shù)字金融影響因子的局部空間溢出效應(yīng)，以表5中通過(guò)顯著性檢驗(yàn)的5個(gè)變量作為解釋變量，選取2011、2013、2015、2018 等年份為代表，進(jìn)行地理加權(quán)回歸（GWR），模型擬合優(yōu)度遠(yuǎn)高于逐步回歸模型擬合度，同時(shí)殘差平方和降低了90%以上，說(shuō)明GWR 模型明顯優(yōu)于全局回歸。GWR模型可以直觀揭示不同空間位置的解釋變量對(duì)數(shù)字金融的影響程度及作用趨勢(shì)，選取最小值、下四分位數(shù)、中位數(shù)、上四分位數(shù)、最大值和平均值等作為度量指標(biāo)，表6 是統(tǒng)計(jì)量的詳細(xì)列示（包括2011年、2018年的回歸結(jié)果）。

與全局回歸的不同主要反映在：第一，全局回歸中教育水平的正向作用非常顯著，遠(yuǎn)大于其他解釋變量的回歸結(jié)果，取而代之的是，GWR模型中經(jīng)濟(jì)發(fā)展水平對(duì)數(shù)字普惠金融發(fā)展的作用最為顯著。第二，與全局回歸相比，GWR回歸結(jié)果揭示了更為細(xì)致的估計(jì)效應(yīng)：全局回歸中金融發(fā)展水平、教育水平與數(shù)字金融呈正相關(guān)關(guān)系，GWR模型中這兩個(gè)變量在2018年對(duì)某些省份的數(shù)字金融正向影響并不突出，甚至存在一定負(fù)向效應(yīng)。這說(shuō)明，我國(guó)地域遼闊，各地經(jīng)濟(jì)發(fā)展條件不同，造成了對(duì)數(shù)字普惠金融的接受程度差異，同時(shí)可能存在傳統(tǒng)金融或者教育水平對(duì)數(shù)字金融發(fā)展的非線性影響。陳銀娥等（2020）基于農(nóng)村地區(qū)樣本的研究發(fā)現(xiàn)人力資本的提高總體有利于農(nóng)村普惠金融發(fā)展，而對(duì)廣西、云南等部分西部地區(qū)的作用較小甚至為負(fù)，這使得本文的研究發(fā)現(xiàn)成為可能。第三，全局回歸僅可反映總體平均水平，GWR 模型回歸系數(shù)變化幅度較大，有正有負(fù)，是影響因素對(duì)不同省域數(shù)字金融存在異質(zhì)性作用的真實(shí)寫(xiě)照。從GWR 模型平均值的絕對(duì)值看，2011、2018 年經(jīng)濟(jì)發(fā)展水平、人口密度的作用最為突出，可能是因?yàn)槿丝诿芏扰c金融服務(wù)的相對(duì)需求呈正相關(guān)，作為數(shù)字金融發(fā)展的重要載體，極大地促進(jìn)了數(shù)字金融的發(fā)展。從中位數(shù)估計(jì)結(jié)果看，經(jīng)濟(jì)發(fā)展水平、人口密度與數(shù)字金融的發(fā)展呈正相關(guān)，產(chǎn)業(yè)結(jié)構(gòu)基本呈負(fù)相關(guān)，傳統(tǒng)金融發(fā)展與教育水平的作用方向正負(fù)交替，不同省域的差異性顯著。

表6 GWR模型變量回歸系數(shù)估計(jì)結(jié)果

表7 省域數(shù)字普惠金融的GWR估計(jì)結(jié)果

3.數(shù)字普惠金融影響因素的省域空間差異分析

為探究不同變量因子對(duì)省域數(shù)字金融的作用效果與影響差異，這里取2011—2018 年31 個(gè)省際的變量均值，構(gòu)成新的截面數(shù)據(jù)，做進(jìn)一步分析。表7為GWR的省域估計(jì)結(jié)果，結(jié)果顯示：一是經(jīng)濟(jì)發(fā)達(dá)區(qū)域通常對(duì)金融資源的流入更有吸引力，與金融發(fā)展相互促進(jìn)。經(jīng)濟(jì)發(fā)展對(duì)黑龍江數(shù)字金融發(fā)展影響最小，對(duì)海南影響最大，總體而言對(duì)西部地區(qū)的促進(jìn)作用最為顯著。二是傳統(tǒng)金融對(duì)中部、東部地區(qū)的數(shù)字普惠金融發(fā)展均有著正向效應(yīng)，而在西部地區(qū)，除了內(nèi)蒙古外，均顯示出了負(fù)向作用，也即傳統(tǒng)金融只對(duì)經(jīng)濟(jì)較為發(fā)達(dá)的中東部地區(qū)數(shù)字普惠金融發(fā)展有著積極影響。原因可能在于，西部地區(qū)相對(duì)落后的經(jīng)濟(jì)發(fā)展水平尚未能成為新興科技發(fā)展的依托，傳統(tǒng)金融與新興科技的異斥作用明顯，未能形成經(jīng)濟(jì)與數(shù)字普惠金融發(fā)展的良性循環(huán)。三是傳統(tǒng)意義上的教育水平與數(shù)字普惠金融發(fā)展呈正相關(guān)，然而空間異質(zhì)性結(jié)果顯示，以教育水平為代表的人力資本在中部、東部地區(qū)抑制了數(shù)字普惠金融發(fā)展，對(duì)西部地區(qū)的正向作用顯著。這與孫英杰和林春（2018）得出的人力資本質(zhì)量對(duì)普惠金融發(fā)展具有顯著促進(jìn)作用的結(jié)論并不完全一致?？赡茉蚴牵逃脚c數(shù)字金融發(fā)展間存在門檻效應(yīng)，中東部地區(qū)數(shù)字普惠金融的教育發(fā)展紅利逐漸減弱，西部地區(qū)教育發(fā)展?jié)摿φ卺尫?、愈加明顯，新疆、西藏便是典型代表。四是人口密度，即單位土地上的人口數(shù)量，與各個(gè)省份數(shù)字普惠金融發(fā)展的上升趨勢(shì)顯著。北京、河北的人口紅利相對(duì)顯著，西部地區(qū)人口密度較小，對(duì)數(shù)字普惠金融的正向影響也相對(duì)較弱。五是除少數(shù)省域外，第二產(chǎn)業(yè)占比對(duì)大多數(shù)省域數(shù)字普惠金融的負(fù)向作用明顯。從系數(shù)均值看，從東部到西部，第二產(chǎn)業(yè)占比對(duì)數(shù)字普惠金融的負(fù)向效應(yīng)逐漸顯著。

四、結(jié)論與建議

本文以2011—2018年我國(guó)省域數(shù)字普惠金融指數(shù)為研究數(shù)據(jù)，采用自然斷點(diǎn)法研究數(shù)字金融發(fā)展的空間分異特征，探索省域間數(shù)字金融的全局相關(guān)和局部相關(guān)性，并運(yùn)用地理加權(quán)回歸（GWR）揭示不同地理空間的解釋變量對(duì)數(shù)字金融的影響程度及作用趨勢(shì)。得出以下結(jié)論與建議：

第一，自然斷點(diǎn)法揭示了我國(guó)省域數(shù)字普惠金融的空間分布非均衡。八大經(jīng)濟(jì)帶中，東部地區(qū)領(lǐng)先，北部沿海、南部沿海次之，西北地區(qū)最為落后。因此，相關(guān)部門需因地制宜，制定差異化發(fā)展戰(zhàn)略。對(duì)于東部相對(duì)發(fā)達(dá)地區(qū)，在繼續(xù)給予政策扶持的同時(shí)，增強(qiáng)金融機(jī)構(gòu)創(chuàng)新性，推動(dòng)新業(yè)態(tài)的形成；西部地區(qū)在吸收、引薦發(fā)達(dá)地區(qū)經(jīng)驗(yàn)的同時(shí)，加強(qiáng)自身發(fā)展，如基礎(chǔ)設(shè)施建設(shè)、金融技術(shù)的利用提升等，除此之外財(cái)政政策扶持可適當(dāng)傾斜。

第二，探索性空間分析結(jié)果顯示，我國(guó)省域數(shù)字普惠金融的全局空間相關(guān)性較強(qiáng)，同時(shí)存在顯著的局域空間集聚趨勢(shì)，LISA 聚類結(jié)果以高高（HH）、低低（LL）為主。為了數(shù)字金融的更好協(xié)調(diào)發(fā)展，需要重視高高區(qū)內(nèi)省域的輻射效用，加強(qiáng)省域間合作，形成數(shù)字金融發(fā)展的聯(lián)動(dòng)局面。低低區(qū)內(nèi)省域可通過(guò)構(gòu)建普惠金融中心，促進(jìn)資源流動(dòng)，完善普惠金融覆蓋網(wǎng)絡(luò)，形成“以點(diǎn)帶面”的發(fā)展格局。

第三，地理加權(quán)回歸結(jié)果顯示，不同變量的回歸系數(shù)波動(dòng)幅度大，全局回歸模型可能忽略了由空間位置引起的局部變異。對(duì)比發(fā)現(xiàn)，經(jīng)濟(jì)發(fā)展水平和人口密度的影響顯著為正，第二產(chǎn)業(yè)占比的影響顯著為負(fù)，大多數(shù)西部地區(qū)的金融抑制效應(yīng)顯現(xiàn)，中東地區(qū)的教育紅利逐漸衰減。因此，需繼續(xù)加大經(jīng)濟(jì)發(fā)展力度，給予配套優(yōu)惠政策支持；加強(qiáng)新型產(chǎn)業(yè)化建設(shè)，降低傳統(tǒng)產(chǎn)業(yè)比重，逐漸形成以新興行業(yè)、科技產(chǎn)業(yè)為拉力的發(fā)展模式；因地制宜、合理配置西部地區(qū)教育資源，降低居民的金融排斥，提高居民的數(shù)字金融意識(shí)。