中国省际金融发展的空间网络结构及其驱动机制研究

摘   要：基于修正引力模型、社会网络分析与QAP分析方法，对中国省际金融发展的空间关联网络形态特征及其影响因素进行实证研究，结果显示：（1）中国省际金融发展网络密度低、网络关联度高，各省在金融发展空间网络中不可或缺，整体网络关联关系有待进一步提升;（2）个体网络特征分析表明，金融发展仍然存在较明显的核心边缘特征;（3）金融发展净溢出板块主要由湖南、河南、宁夏等15个省（自治区）构成;湖北、重庆、陕西等7省（市、自治区）属于典型的经纪人板块;北京、天津、山东、福建与海南5省（市）属于净受益板块;上海、浙江、江苏和广东4省（市）归属于双向溢出板块;（4）区域经济发展水平、金融资源禀赋、信息化水平与对外开放水平等因子差异以及地理空间相邻与否均有效影响了中国省际金融发展空间关联网络。

关键词：金融发展;空间网络结构;社会网络分析;QAP;驱动机制

中图分类号：F830  文献标识码：A  文章编号：1674-2265（2019）10-0014-08

DOI：10.19647/j.cnki.37-1462/f.2019.10.002

一、引言

金融是经济发展的血液和重要支撑，更是国家核心竞争力的重要体现。我国金融发展在改革开放40年来取得了辉煌的成就，特别是党的十八大以来，金融重要领域和关键环节改革取得有效进展，为经济健康发展提供了有力支撑，但我国金融发展大而不强弊端依然存在，其主要因由之一就是区域金融发展的不平衡、不充分性。党的十九大指出：我国社会主要矛盾已经转化为“人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾”，这里的美好生活需要包含着对高质量金融服务的需要，由此，在我国社会主要矛盾切换与金融高质量发展交汇背景下，区域金融平衡协调发展研究具有一定的实践发展意义与学术价值。

空间结构是区域金融平衡协调发展的关键研究议题。现有区域金融研究集中于区域金融中心（王力，2018;朱广娇，2013）、金融发展的经济效应（曾冰等，2018;曾冰，2015;武志，2010）、区域金融发展空间格局（任会明等，2018;部慧等，2014;周再清等，2013）、区域金融集聚（张克雯，2018;魏巍等，2018;周天芸等，2014）、区域金融生态环境（吴昊旻等，2017;劉园丽，2017）等方面。目前，从关联网络的角度去探讨区域金融空间结构的文章尚不多见，尤其是有关个体省份在整体金融发展空间网络结构中地位作用的研究不多，对网络结构驱动机制研究易落入对区域金融发展空间差异结构的分析范式中，重定性描述，轻实证研究（袁野等，2018）。事实上，随着金融市场不断开放、金融业态不断丰富、金融发展协同性不断加深，区域间金融发展空间关联结构也不断趋向复杂化，因此，从宏观上把握区域金融发展空间网络结构形态，有效捕捉其空间网络结构形态变化的驱动机制，对完善与制定区域金融网络结构优化政策、推动区域金融充分平衡发展具有重要意义，这也正是本研究的立论基础。

二、研究方法和数据来源

（一）修正的引力模型

在区域金融发展的空间关联网络中，各省可视为网络中的“点”，省际金融发展关联关系是网络中的“线”，“点”与“线”组成了省际金融发展空间关联网络。而省际金融发展空间关联网络分析离不开省际金融发展关联强度的确定。现有文献关于区域间关联关系的确定主要采用引力模型，本文借鉴王俊等（2018）、邵汉华等（2018）的处理方法，采用修正引力模型来计算省际金融发展关联强度，即引力值通常会与各省金融规模成正比，与省际距离成反比。金融规模通常体现为金融从业人口与金融业产值。而省际金融发展联系存在非对等性，为突出金融发展关联网络的有向性，本文以省域年末金融机构存贷款余额占两联系省份年末金融机构存贷款余额之和的比重来修正经验常数[k]。距离衰减系数的经验取值为2，具体表达式如下：

式中：[Mi]、[Mj]分别为[i]、[j]省年末金融机构存贷款余额，[Pi]、[Pj]分别为[i]、[j]省金融从业人员人口;[Qi]、[Qj]为[i]、[j]省金融业产值;[Tij]为[i]、[j]两省金融发展作用距离，这里充分考虑实际交通与地理条件影响，采用两省的省会城市之间时间成本距离来表征。依据上式的计算结果将属性数据转化为关系矩阵，先求出各省份两两之间的金融发展关联强度矩阵，并以矩阵各行平均值为参照值，同一行中关联强度高于该参照值则设置为1，意味着该行省份与该列省份具有金融关联关系;否则取0，即该行省份与该列省份不存在金融关联关系。

（二）社会网络分析方法

空间网络结构特征分析通常采用社会网络分析方法，该方法主要有整体网络特征、个体网络特征与块模型三大分析模块。

反映整体网络特征变化的指标主要有网络密度、网络关联度、网络等级度和网络效率等。网络密度为网络中省际实际关系数与该网络中最大可能关系数之比，用来表示省际金融关联网络的疏密程度。网络关联度用来评价空间关联网络稳健性，数值越高，网络稳健性越强，各省在整体网络中合作倾向越强。网络等级度评价网络中省际金融在多大程度上非对称地可达，数值越高，等级结构越森严，整体金融网络结构越易被少数省份主导与支配。网络效率用来评价金融发展空间关联网络中省际连接效率，数值越高，则省际关联连线就越少，网络结构越疏松，各省金融发展越容易出现各自为政现象，从而难以实现区域金融平衡协调发展。

个体网络特征主要有度数中心度、接近中心度和中介中心度等指标。其中，度数中心度测度了单个省份在整体关联网络中的中心地位，数值越高的省份产生的关联连线也就越多，其在网络中的中心地位越突出;接近中心度则测度了单个省份在整体网络中与其他省份的直接关联程度，数值越高的省份产生的直接联系就越多，该省份越容易表现出中心行动者的地位;中介中心度衡量了一个省份处在其他省份金融发展传导路径“中间”的程度，数值越高的省份处在多对省际关联关系的最短路径上，越容易控制其他省份之间的关联关系，发挥出的“中心”或“桥梁”作用也越明显。

而块模型分析主要用来刻画各省份在整体金融发展空间网络结构中的角色和地位。因各个“点”集间系统结构要强于点间孤立时关系结构，故可根据各节点（省份）的结构对等性将各个“点”（省份）集中到更大区域之中，进而根据位置内部关系比例与位置接收到的关系比例，将其分为4大板块类型：双向溢出板块、净受益板块、净溢出板块、经纪人板块（Wasserman等，1994）。

（三） QAP分析法

QAP分析方法是一种测量数据间关系的方法，由于空间关联关系矩阵自身容易与自变量数据矩阵产生多重共线性等问题，传统计量经济学方法容易带来有偏估计，而QAP方法则能有效规避这种不足，其参数估计结果比传统的参数方法更加稳健，从而被广泛地运用于社会网络分析中影响因素的研究（Barnett，2011）。该方法须先求出因变量关系矩阵以及自变量关系矩阵的相关系数，然后再对其中一个矩阵的行和列都加以随机置换，进而得出置换后的矩阵与矩阵的相关系数;再进行几千次乃至几万次迭代计算，得到新的相关系数分布结果，再观察迭代计算的相关系数大于或等于首次得到的相关系数的比例;最后，将首次得到的相关系数与迭代计算出的相关系数分布情况进行比较，对相关系数加以显著性分析（刘军，2009）。

（四）数据来源

本文以中国31个省（市、自治区，不含港澳台地区）作为网络节点，并考虑到中国省际金融发展空间关联网络结构的变化受宏观经济环境和周期性变化的影响，选取2001年、2006年、2011年与2016年等四个断面年份，相关数据包括下文中驱动因子数据均源自相应年份的《中国统计年鉴》《中国金融年鉴》等，其中省会城市之间的时间距离通过百度地图驾车时间与12306网站火车耗时综合比较并按取小原则得出。

三、中国省际金融发展空间网络结构特征

（一）整体网络结构特征

从网络密度情况来看，2001年、2006年、2011年、2016年对应的网络密度分别为0.230、0.244、0.251、0.289，这说明中国省域之间金融发展联系不断加强，各省域在金融发展的空间关联网络中参与合作程度不断加深。但整体密度值仍偏低，省际金融发展合作与交流还有很大的提升空间。

网络关联度分析显示四个时间断面的网络关联度均为1，表明中国省际金融发展联系程度深，空间关联和溢出效应较为显著。而网络等级度分析结果显示四个时间断面网络等级度呈阶梯下降态势。其中，2001年、2006年网络等级度分别为0.424、0.489，而2011年、2016年网络等级度则依次下降到0.319、0.293，这意味着近年来我国区域金融空间关联的等级结构有所弱化，省际金融发展交流与合作不断密切，可能的原因是2008年金融危机使得我国区域金融发展出现了结构性调整，之前的等级较为森严的空间网络结构不断被打破，省际金融发展协同程度加深。网络效率的测度结果显示四个时间断面中国省际金融发展空间关联的网络效率下降态势明显，从2001年的0.814不断下降至2016年的0.627，这意味着省际金融发展关联网络中连线增多，网络稳定性不断加强。总之，随着市场化进程的不断推进，尤其是市场在资源配置中的决定性作用不断被强调，区域金融之间联系的交易成本也有所降低，从而使得省际金融发展的关联关系增多，尤其是后金融危机时代，我国区域金融联系不断加强，一定程度上破除了以往等级森严的区域金融空间结构，进而增强了网络稳定性，提升了区域金融韌性。

（二）个体网络结构特征

考虑到各时间断面上分析结果相似性、分析时效性，并限于篇幅，这里以2016年为代表年份来分析个体省份在金融发展空间关联网络中的特征，相应计算结果见表1。

1. 度数中心度。从度数中心度看，最高值为83.333，最低值为20.000，均值为44.193，度数中心度指数高于均值的省份大多位于东部沿海地区，这些省份在网络中局部关联关系数较多，是我国区域金融发展的空间关联关系较为集中的地区，整体空间关联关系网络对这些省份的依赖程度较高。度数中心度最低的省份具有地理位置偏远、经济规模相对较小的特征，在网络中处在从属位置，较难与其他省份之间存在金融关联关系，这也说明我国区域金融发展的不平衡性仍然较为明显。

同时，从点出度和点入度测算结果看，度数中心度排名上游的省份点入度明显大于点出度，是我国区域金融发展关联关系网络中的接受主体，排名后游的省份点入度大都小于点出度，是网络中的发出主体。换言之，度数中心度相对较小的省份易于向较大省份发出金融关联关系，而度数中心度较高的省份集中于我国东部沿海地区，度数中心度较低的省份则集中于西部地区，这也进一步揭示出，我国区域金融在发出关联与接收关联中存在着明显的剪刀差效应，这种效应容易使得我国区域金融发展的空间网络逐渐呈现出中心—边缘结构。

2. 接近中心度。接近中心度最高值为86.667，最低值都达到50.000，均值为61.399，接近中心度高的省份度数中心度也高。其中，沪、苏、浙、京、津、鲁、粤、闽等8省市接近中心度高于平均值，这些省市在我国区域金融关联网络中能够更快速地与其他省份产生内在连接，积极扮演着中心行动者的角色。其中，上海接近中心度更是达到最高的86.667，是整体区域金融空间关联网络的中心。黑、吉、冀、湘、桂、琼、渝等7省接近中心度位于末尾，这些省份金融发展受制于其经济发展水平与地理位置因素影响，在网络中扮演着边缘行动者的角色。

3. 中介中心度。中介中心度均值为2.268，处在较高的水平，这也意味着我国省际金融发展之间能够快速有效地产生关联关系，原因在于，随着我国金融体制改革的推进和金融市场化进程的加快，各省开始不断重视金融业的发展，促进了各省份之间金融联系。其中，京、津、沪、苏、浙、粤与鲁等7省市中介中心度大于均值，这些省份在金融发展空间网络中控制其他省份的金融发展关联关系。而中介中心度排名下游的省份大都具有经济欠发达、地理位置偏僻等特点，这些省份在网络中更易于被中介中心度较大的省份改变其已有的金融发展关联关系，难以显现控制和支配作用。金融发展关联网络中各省中介中心度表现出大小不一的非均衡特征，且大部分金融关联关系均需依靠上海、北京、广东等经济发达省市来完成。

（三）块模型分析

以2016年中国省际金融空间关联网络为分析对象，将最大分割度与收敛标准分别设置为2与0.2，并加以迭代分析，进而将全国省域金融发展分成四大板块，各板块间溢出效应见表2。中国省际金融网络关联关系总数为269个，各板块内部关系数为42个，板块间关系数为227个，这也意味着各板块间金融发展具有显著的空间溢出效应。板块一包含湘、豫、赣、黑、吉、蒙、晋、甘、宁、青、贵、桂、新、滇和藏等15个省（自治区），发出关系数为117个，内部关系为9个，期望内部关系比例为46.667%，实际内部关系比例为7.692%，该板块对其他板块发出的联系要明显多于它接收其他板块对该板块发出的联系，属于净溢出板块。该板块所属省份大都金融附加值低、边际报酬低，容易出现趋利外溢，难以机会均等地获取金融产品和服务，被排斥在整体金融发展之外，出现“金融排斥”现象，甚至沦为“金融沙漠”。

板块二包括冀、鄂、皖、辽、川、渝与陕等7省市，发出的关系数为65个，内部关系数14个，期望内部关系比例为20.000%，实际内部关系比例为21.538%，该板块与其他板块既发送联系，也接收联系，而且该板块与其他板块成员之间的联系较多，这主要是因为这些省份区位具有典型的“中介”特征，如河北与北京、天津相邻，湖北是中部地区重要的金融枢纽，安徽则是长三角与中部地区的重要承接地，四川、重庆、陕西是西部地区的金融枢纽，东北三省金融发展则以辽宁为桥头堡，因此，该板块表现为典型的“经纪人”特征。

板块三包括京、津、鲁、闽与琼等5省市，发出的关系数为38个，内部关系数为11个，期望内部关系比例为13.333%，实际内部关系比例为28.947%，该板块中的成员既接收来自其他板块成员的关系，也接收来自板块内部成员的关系，但接收其他板块的联系要远多于它对其他板块发送的联系，属于净受益板块，这些省份因其独特的金融区位优势与政策优势，金融发展的受益也就更多，但未能有效发挥出辐射溢出效应。

板块四包括沪、浙、苏、粤等4省市，发出关系数49个，内部关系数为8个，期望内部关系比例为10.000%，实际内部关系比例为16.000%，该板块成员既发出关系也接收其他板块的关系，属于双向溢出板块，这主要由这些省份金融地位决定，如苏浙沪地区以上海、南京和杭州等为金融中心进行辐射，广东则以深圳、广东为金融中心进行辐射，这也意味着板块四所属省市既需要从其他省份获得金融发展的注入，同时也需要辐射并反哺其他省份，双向溢出效应明显。

为了考察板块之间金融发展的关联关系及各板块金融发展溢出分布情况，须求出各板块间密度，其中大于整体网络密度值的板块间密度值重新赋值为1，否则赋值为0，从而得到板块间密度矩阵与像矩阵（见表3）。从表3可以看出，板块一主要对板块三和板块四产生金融溢出效应，对板块二的溢出效应不显著;板块二主要对板块三和板块四产生金融溢出效应;板块三主要对自身内部产生金融溢出效应;板块四主要对板块一、板块三和板块四产生金融溢出效应，从而意味着省际金融发展关联网络中各板块之间发挥着比较优势，全国一盘棋的联动效应愈加明显。

块模型研究结果较为贴合目前中国区域金融发展态势。总体而言，经济实力强且金融政策优势明显的省市（如北京、海南等）来自其他省份金融发展溢出则更多;欠发达地区（主要为中西部省份）金融发展的外溢效果更显著;区位优势明显的省市（如湖北、重庆等）在網络中能发挥出“经纪人”的角色，推动省际金融发展要素流动;而广东与长三角省份既享受着其他省份金融发展的好处，也为其他省份金融发展带来正外部性，双向溢出作用显著。

四、中国省际金融发展空间网络结构的驱动机制分析

（一）驱动因子选取

区域金融网络结构的形成和演化是区域间金融在空间维度上相互作用影响的客观反映，各种驱动因子在相互作用后形成的辐合力推动着这一过程的发展，并借助于作用力度大小来实现网络结构的优化整合（李敬等，2014）。因此，如何捕捉相关驱动因子的影响效应对区域金融网络结构优化整合具有重要意义。借鉴已有文献的分析（魏巍等，2018;徐海乐等，2014;冯玉梅等，2018），本文从省域间经济发展水平、空间临近效应、金融发展禀赋、信息化水平、对外开放水平等五个方面驱动因子来加以分析，正是省际驱动因子差异及联系的共同作用下，促进了省际金融发展空间网络结构形态的形成演化。由此，确定中国省际金融发展空间关联网络结构的驱动机制如下：

1. 经济发展水平差异（[gdp]）。我国区域金融发展与经济发展水平密切相关，经济发展水平的省际差异一方面使得金融发展的环境条件有所差异化;另一方面，具有逐利特征的金融机构会根据地域背景与金融环境设置机构网点、确定业务类型和金融服务边界，最终会影响到省际金融发展空间关联网络结构，该因子采用人均GDP的差异矩阵来表征。

2. 空间临近效应差异（[bor]）。地理空间上临近与否对省域间金融发展关联关系有着重要影响，通常来说，相邻省份间金融发展更容易发生关联关系。采用省际Rook空间权重矩阵来表示该因子，两省若邻近则取1，反之取0。

3. 金融发展禀赋差异（[end]）。金融机构是金融市场的主体，是区域金融发展的重要禀赋，金融发展禀赋会影响金融服务渗透性乃至金融排斥度，从而进一步影响不同省份之间的金融发展关联关系，这里以每万人银行机构数量差异值矩阵来表征。

4. 信息化水平差异（[inf]）。一方面，信息技术能够提高金融系统的效率，对金融机构的经营方式和组织结构产生深远的影响。另一方面，信息技术改变了货币的形态与职能，促进金融市场一体化，加速金融机构、金融业务等空间布局与集结，从而形成金融资源在空间配置、流动及组合的动态演变。这里以互联网普及率差异值矩阵来表征。

5. 对外开放水平差异（[ope]）。自2001年我国加入WTO后，对外开放不可避免带来外资银行及其他金融机构的进入，促进国内、区内金融机构的多元格局。省份间对外开放水平差异直接影响金融发展水平的差异，从而进一步影响金融投资在不同省份之间的流动，这里以进出口总额占GDP总值比重的差异值矩阵表征。

基于此，构建如下驱动机制模型：

[R=fgdp，bor，end，inf，ope，]

式中显示的是数据之间的关系，相应变量数据是一系列的矩阵。因变量[R]代表中国省际金融发展空间关联关系矩阵;[bor]代表地理空间相邻矩阵;[gdp]、[end]、[inf]、[ope]四个变量，分别取对应年份各省（市、自治区）对应指标的平均值，然后用各省（市、自治区）对应变量平均值的绝对差异组建差异矩阵。由于变量均为关系矩阵，宜采用QAP回归分析的非参数方法。

（二）实证结果分析

运用构建的模型对2001年、2006年、2011年与2016年中国省际金融发展空间关联关系矩阵与各个影响因素矩阵进行QAP回归分析，选择5000次的随机置换次数，回归结果见表4。调整后的R2均大于0.5，说明所选取的驱动机制模型可以解释我国省际金融发展关联关系的50%以上，且通过了1%的显著性水平检验，整体拟合效果较好。需要说明的是，由于模型中变量均取以矩阵差值表示，因此表中相关系数为正，表明驱动因子差异越大，对省际金融发展关联网络的完善与扩展促进作用越大;相關系数为负表明差值越小，驱动因子相似性越大，越能加强省际金融发展关联网络关系。

从回归结果看，四个时间断面上的经济发展水平差异均在5%的水平上显著，且均为负数，说明区域经济发展水平相似与否能够显著影响省际金融发展的关联性，经济实力较为接近的地区间更容易建立起金融关联，这也说明加快我国区域经济充分协调发展有利于优化区域金融关联网络，弱化金融排斥程度。值得注意的是，2011年与2016年的系数绝对值较高，说明“十二五”规划实施以来，我国区域协调发展深化了区域金融关联网络结构。

地理空间是否相邻的显著性均较高， 说明地理位置的相邻对省际金融发展空间关联产生重要的作用。相关系数均为正值，说明毗邻省份之间金融发展的关联关系较强，侧面反映了我国区域金融发展带来了一定的空间溢出效应，表示两个省份之间邻接会对金融发展关联网络产生正向的影响， 推动现有空间网络的形成。

金融发展禀赋差异的标准化回归系数均在5%的水平下显著，且均为正值，意味着金融资源禀赋差异越大，省际金融联系的比较优势越突出，区域间金融发展协同关系就越明显。

信息化水平差异的标准化回归系数除2006年以外，均在10%的水平下显著，2016年显著性水平达到了1%，说明省际信息化水平差异对金融空间关联产生重要影响。回归系数值为负，意味着省际信息化水平相似性越高，省份之间碳排放的空间关联越大。一方面说明信息技术的不断发展带来区域金融发展环境变化，对省域间金融发展空间关联关系具有较为显著的影响，另一方面也说明随着信息化的改善，尤其是大数据时代下信息化发展对省际金融发展空间关联关系的影响更为明显。

对外开放水平标准化回归系数均在5%的水平下显著，说明对外开放水平对省际金融发展的关联关系具有较为显著的影响，其系数为正值说明对外开放水平相异越大的省份金融发展的合作与交流就越强，换句话而言，对外开放水平相似的省份金融发展的合作与交流就越弱，这可能与我国区域金融过度注重外资而抑制本土金融机构的开放有关。2011年与2016年的显著性与系数均有所提升，这也意味着后金融危机时代，对外开放带来的金融对内开放“挤出效应”十分明显，未来区域金融开放应该做到“内外兼修”。

五、结论与对策

本文基于修正引力模型、社会网络分析与QAP分析方法详细解析了中国省际金融发展空间网络的结构特征及其影响因素。相关结论如下：首先，中国省际金融发展空间网络关联程度高但网络密度低，整体结构较为稳健，各省在整体网络中均发挥着作用，同时省际金融发展空间关联强度须加以提升，区域金融一体化发展须加强网络结构的优化整合。其次，个体网络结构特征研究显示，省际金融发展的溢出与受益格局呈现东中西部阶梯式差异格局，东部省份大都在区域金融发展空间网络中扮演重要角色，其他省份处于网络边缘，呈现出“中心—边缘”结构。我国整体区域金融平衡充分发展应重点考虑区域金融发展阶梯式差异格局，做到对症下药。第三，块模型结果显示，不同省份在整体关联网络中扮演着不同的角色地位，东部省份在整体网络结构中具有中心和支配作用;区位优势明显的省份在网络中起“桥梁”和“中介”作用，因此，应充分发挥各省所扮演的角色地位与比较优势。最后，QAP回归分析结果显示，区域经济发展水平与信息化水平差异对中国省际金融发展空间关联网络带来了显著的负向影响效应。金融资源禀赋、与对外开放水平等因子差异以及地理空间相邻与否具有显著的正向影响效应。

针对上述分析结论，应采取以下对策来优化我国区域金融空间网络结构，促进区域金融平衡充分高质量发展：

一是优化区域金融发展空间格局。积极应对金融发展的空间不均衡特征，中西部地区应积极培育金融增长极，充分发挥武汉、重庆、成都、西安在西部地区的金融中心作用，形成优势互补、错位发展的格局，服务西部地区广大金融腹地。全面推进东部经济发达地区与中西部地区金融发展的互利合作，加强对中西部地区的金融反哺。

二是加快区域金融协同发展新作为。在金融发展板块差异性作用基础上，加强省际金融发展高效交流与协作，积极推动相应省份间金融发展对口帮扶机制建设，加强金融发展受益省份对金融发展溢出省份的反哺，充分发挥经纪人板块与双向溢出板块属性省份在整体网络中的中介效应。

三是积极完善驱动机制。重视经济发展对区域金融的作用，加快区域经济规模与结构调整。坚持本土化与特色化金融发展战略，在具备条件地区有针对性地开展一系列形式多样的区域金融改革试点，积极构建功能互补、优势叠加、特色明显的区域金融集聚生态圈。统筹规划推进信息化互联互通，强化省份之间金融发展关联程度。坚持区域金融对外对内双向互动开放，对外开放保持自主、渐进和可控的原则，对内开放要积极探索研究金融跨区域体制创新，推动金融市场资源共享，统一金融产品标准。

参考文献：

[1]Wasserman S，Faust K. 1994. Social Network Analysis： Methods and Applications[M].Cambridge：Cambridge University Press.

[2]Barnett G A. 2011. Encyclopedia of Social Networks[M].Thousand Oaks： SAGE Publications.

[3]王力.中国金融中心城市金融竞争力评价研究[J].金融评论，2018，10（04）.

[4]朱廣娇. 东北区域金融中心的建设研究[D].中国地质大学（北京）博士研究生论文，2013.

[5]曾冰，张艳.我国区域金融发展的经济增长效应测度及其时空分异研究[J].经济与管理评论，2018，34（02）.

[6]曾冰.我国区域金融发展与经济敛散性分析——基于省级面板数据的研究[J].经济问题探索，2015，（08）.

[7]武志.金融发展与经济增长：来自中国的经验分析[J].金融研究， 2010，（5）.

[8]任会明，叶明确.上海银行产业的网络结构特征和空间格局演化[J].经济地理，2018，38（9）.

[9]部慧，梁小珍，皮理.我国金融业区域发展差异的空间统计分析[J].系统工程理论与实践，2014，（5）.

[10]周再清，吴娇，陶冶.金融地理学视角下中国农村金融省际差异研究[J].财经理论与实践，2013，34（5）.

[11]张克雯.我国金融产业集聚与经济增长关系的实证分析[J].统计与决策，2018，34（18）.

[12]魏巍，周世军.中国区域金融集聚的空间关联特征及影响因素研究——基于社会网络分析方法[J].兰州财经大学学报，2018，34（3）.

[13]周天芸，王莹.金融机构空间集聚与经济增长——来自广东省县域的实证检验[J].地理研究，2014，33（6）.

[14]赵玉林，马照宁.产业集聚视角下高技术产业发展对区域经济增长的贡献研究[J].财会月刊，2018，（14）.

[15]刘园丽.基于区间分析的金融生态环境评价及其实证[J].统计与决策，2017（11）.

[16]袁野，钱莲芬.基于网络分析法的中国区域金融空间关联分析研究[J].温州大学学报（自然科学版），2018，39（3）.

[17]王俊，夏杰长.中国省域旅游经济空间网络结构及其影响因素研究——基于QAP方法的考察[J].旅游学刊，2018，33（9）.

[18]邵汉华，周磊，刘耀彬.中国创新发展的空间关联网络结构及驱动因素[J].科学学研究，2018（11）.

[19]刘军.整体网分析讲义——UCINET软件实用指南[M].上海：格致出版社， 2009.

[20]李敬， 陈澍， 万广华， 付陈梅.中国区域经济增长的空间关联及其解释——基于网络分析方法[J].经济研究， 2014，（11）.

[21]冯玉梅，杨瑞桐.金融资源配置效率及其影响因素研究综述[J].武汉金融，2018，（9）.

[22]徐海乐，杜征征.区域金融地理差异的实证分析：以安徽、浙江为例[J].现代管理科学，2014，（1）.