中国城市数字普惠金融发展的时空演化特征及影响因素研究

张嘉怡 胡志明

[提要]本文基于北京大学发布的2011-2018年中国城市层面数字普惠金融总指数及数字金融覆盖广度、数字金融使用深度与普惠金融数字化程度分维度指数，综合运用核密度估计、Dagum基尼系数法分别考察了其分布动态与地区差异状况，之后利用构建的空间自相关模型和MLE估计法实证考察了影响数字普惠金融发展的主要成因。研究发现：中国数字普惠金融总水平以及覆盖广度、使用深度的发展均主要呈现单极化现象，而普惠金融数字化程度则存在微弱多极分化现象，不同区域具有一定异质性。同时，数字普惠金融总水平以及各维度发展的总体差异、区域内差异和区域间差异均呈下降态势，其中，造成其总体空间差异的主要来源都是区域间差异。影响因素实证分析发现，数字普惠金融总体及各维度发展均具有显著空间溢出效应，东部地区表现更显著。另外，财政分权、经济发展水平、产业结构变迁、外商直接投资、贸易开放、人口密度、传统金融规模、城镇化率、经济增长目标和创新水平等一系列考察因素对数字普惠金融总体及各维度发展的影响各有不同，同时因地区不同，其影响效应也具有明显差异性。

一、引言及文献综述

金融作为现代经济的命脉，与国家经济的繁荣、发展和稳定密切相关。作为传统金融的有力补充，与通讯技术和电子商务深度融合的数字普惠金融近年来得到了快速发展，打破了传统金融对物理网点高度依赖的局限，凭借强大的地理穿透力与低成本优势，直接推动了金融服务的覆盖范围得以不断延伸和服务效率的有效提升(Guo等，2016；[1]郭峰等，2020[2])。这种不同以往传统金融的创新型数字金融已经悄然渗透至人们生活的方方面面，同时也为推动欠发达地区金融服务水平的提高和增强金融服务的普惠性、协同性等创造了有利条件(焦瑾璞等，2014；[3]黄益平和黄卓，2018[4])，使得各地区城乡居民都能平等参与到金融体系当中并更加便利获得其所需金融资源成为了可能。近年来数字金融也受到了国家的高度重视，并进入到了国家的规划视野中。2016年年初，国务院印发了《推进普惠金融发展规划(2016-2020年)》，其中明确指出，将积极引导各类普惠金融服务主体借助互联网等现代信息技术手段，降低金融交易成本，延伸服务半径，拓展普惠金融服务的广度和深度。同年，在G20杭州峰会上，正式通过了由中国推动并参与制定的《G20数字普惠金融高级原则》等成果文件，这次峰会重在强调“普惠”和“数字”，为中国未来的金融发展指明了方向。事实上，经过近数年的发展，随着数字技术与普惠金融融合进程的加快，中国数字普惠金融取得了显著成绩，但显然与规划目标还尚存较大距离(郭峰等，2020)[2]。那么，中国数字普惠金融近年来呈现怎样的发展态势，地区差异如何，具有哪些显著特征？哪些关键因素在驱动其发展呢？很明显，对这些问题进行深入考究与科学回答具有必要性和重要性。这不仅能够增进政府和社会各界对中国现阶段数字普惠金融发展现状及关键影响因素的宏观认知，也有助于推动政府和社会各界做好进一步发展规划，探索推进实现中国数字普惠金融协同发展以及为促进数字普惠金融的公平性、均等化提供可供参考的文献依据和经验证据。

从既有研究进展来看，诸多学者已就数字普惠金融相关问题进行了多视角、多方面的探究，研究成果也颇为丰硕，且关注度也处于不断上升趋势。这其中，对数字普惠金融所产生的经济社会效应是目前学界聚焦的重要方面，例如，一些学者利用北京大学发布的中国数字普惠金融指数刻画中国数字普惠金融发展水平，将其作为重点关注因素，建立相应省级层面或市级层面的面板数据，采用多种经济计量模型，考察了其对城乡收入差距(周利等，2020)[5]、创新创业(徐子尧等，2020)[6]、经济增长或高质量发展(张勋等，2019；[7]钱海章等，2020[8])、产业结构优化(杜金岷等，2020)[9]、减贫(刘锦怡和刘纯阳，2020)[10]、居民消费(邹新月和王旺，2020)[11]等等方面的效应，研究结论普遍得出，数字普惠金融有效推动了经济社会的发展，但也存在一定地区异质性或者城市等级异质性。另一方面，备受学界广泛关注并展开相应分析的是数字普惠金融发展在中国具有的时空演化特征，展开深入研究的主要有：郭峰等(2020)[2]利用2011-2018年时间跨度的这套指数分析了其省级层面数字普惠金融总体以及数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度三个维度的发展趋势，采用σ收敛模型分析了总体及各维度的收敛特征。进一步还采用了探索性数据分析法(ESDA)考察了城市层面数字普惠金融总体指数及各维度指数的空间集聚特征；梁榜和张建华(2020)[12]则是利用2011-2015年的指数，主要对城市层面数字普惠金融总体指数的空间集聚与收敛特征进行了考察；张德钢和朱旭森(2020)[13]则采用Dagum基尼系数、核密度非参数估计和收敛模型重点分析了中国九大城市群数字普惠金融总体发展的时空差异及动态演进。此外，也有一些学者重点是针对普惠金融的时空特征展开分析，例如陈银娥等(2015)[14]、胡宗义等(2018)[15]、林春和孙英杰(2019)[16]等学者各自构造了一套普惠金融评价指标体系，利用省级或城市层面面板数据进行了测算，并考察分析了其分布动态演进规律或对其空间集聚模式或收敛性特征进行了刻画和揭示。

很显然，以往研究已经展开了较为丰富的探讨，但综合来看，尚存一定拓展空间。比如，有一些学者受限于数据可得性，之前构造的指标体系主要集中在传统金融领域，无法客观真实反映当前数字技术嵌入后普惠金融发展的情况，不过这一问题随着北京大学发布了中国省、市、县层面的数字普惠金融指数之后得到良好解决。这为更多学者和本文展开进一步研究提供了数据基础。尽管得到了数据支持，但目前对于其时空演化特征尤其是影响因素的分析还有待进一步深化。已有文献中，利用最新数据展开相关空间特征研究的学者主要就是郭峰等(2020)[2]和张德钢和朱旭森(2020)[13]等少数研究团队或学者。尽管郭峰等(2020)[2]重点考察了中国数字普惠金融总指数及各分维度指数的空间集聚模式和收敛特征，但从分布动态、地区差异等视角揭示其特征事实的研究较为缺乏，更是鲜见对其关键驱动因素的考察分析。即使张德钢和朱旭森(2020)[13]有过相关内容的探讨，但其重点分析的是中国九大城市群数字普惠金融的地区差异、分布动态与收敛性，主要涉及131个地级及以上城市，显然不能很好反映中国城市的全貌，不仅限于此，该学者主要分析的对象是数字普惠金融总指数，忽视了对分维度指数的进一步细化分析。

为进一步深化拓展已有研究，弥补以往文献可能的不足之处。本文利用北京大学发布的2011-2018年中国城市层面数字普惠金融总指数与三个维度的分指数对其发展现状进行多视角刻画，同时对其关键驱动因素进行实证分析。具体实证策略为，借助核密度估计图和Dagum基尼系数法分别刻画样本期中国数字普惠金融总体及数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度的分布动态并分别测算其地区差异大小和识别其差异来源。之后，构建空间计量模型并运用MLE估计法分别对其关键影响因素进行实证考察，剖析其主要动因。最后，总结中国数字普惠金融的发展态势和空间演化特征及主要影响因素，并据此给出政策启示。

二、研究设计

(一)数字普惠金融指标体系

对于如何更加科学、准确、客观地评估中国及各省市数字普惠金融发展水平，显然通过一个维度或者单一指标已经无法完成，这也成为了学界的共识。在以往研究中，陈银娥等(2015)[14]、胡宗义等(2018)[15]、林春和孙英杰(2019)[16]等诸多学者也开启了尝试构造合宜的评价指标体系的进程，但更多是集中于传统普惠金融领域，与“数字”这一主要时代特色结合甚少，存在一定片面性。经过近些年不同学者或团队的反复探索和研究，北京大学发布的这套中国数字普惠金融指数受到学界的认可和广泛应用，已成为研究者进行相关研究使用的工具性基础数据。鉴于此，本文也采用这套指标体系和对应指数展开进一步研究。限于篇幅，具体这套指标体系涉及的更多细节和详实工作可参考郭峰等(2020)[2]的相关文献，这里不再具体列示。

(二)实证策略

本文利用北京大学提供的2011-2018年城市空间尺度的数字普惠金融总指数，以及数字金融覆盖广度、数字金融使用深度以及普惠金融数字化程度各维度分指数，然后借助核密度估计图和Dagum基尼系数方法刻画中国近年来数字普惠金融发展的分布动态、测度其地区差异大小并识别其差异来源，尝试从这两个视角揭示中国数字普惠金融的发展现状。上述方法的具体计算过程可参见邱柯和辛冲冲(2019)[17]、Dagum(1997)[18]等学者的文献。此外，借鉴郭峰等(2020)[2]的研究思路，及其对中国数字普惠金融发展具有显著空间关联特征的验证，本文通过构建纳入空间因素的空间计量模型并采用MLE估计法对中国数字普惠金融发展的影响因素进行识别，剖析其关键动因。具体模型形式借鉴冀云阳(2019)[19]的做法选择空间自相关模型，同时为验证估计结果是否具有稳健性，本文也选择了空间滞后模型(SAR)、空间误差模型(SEM)和空间杜宾模型(SDM)三种经典模型形式进行再估计。构建的空间自相关模型形式如下：

εit=ηM×εit+ζitζit～i.i.d(0，σ2I)

(三)数据来源与区域划分说明

本文所使用的数据主要采用北京大学数字金融研究中心发布的城市层面2011-2018年的“数字普惠金融指数”，由于个别城市个别年份存在数据缺失情况，本文在刻画中国数字普惠金融发展现状中使用的城市数量为333个。区域划分方面，本文采用国家统计局最为常用的划分做法，主要分为东、中、西部三大区域。此外，需要说明的是，在考察中国数字普惠金融发展的影响因素时，鉴于一些城市的指标数据存在缺失和获得困难的情况，本文利用的城市数量减少到278个，时间跨度不变。定量刻画影响因素的指标数据主要来自于《中国城市统计年鉴》、各地方统计年鉴和Wind数据库。为避免口径不同和样本数据可能存在的异方差等情况，本文也对部分数值型指标数据进行了以2011为基期的平减化处理和对数化处理。

三、中国数字普惠金融发展的分布动态

为更加精准把脉中国城市层级数字普惠金融发展的动态演进规律，客观把握地区间的绝对差异状况，主要借助核密度估计方法，通过绘制其分布动态图对其展开深入分析。①

(一)数字普惠金融发展总水平的分布动态

图1描述了2011-2018年全国整体与东、中、西部三大区域数字普惠金融发展总水平的分布动态演进过程。从中不难发现：分布位置看，全国整体与东、中、西部三大区域的曲线中心位置都呈显著右移变化趋势，这说明近年来全国整体与东、中、西部三大区域数字普惠金融发展总水平均主要表现为稳步上升趋势；分布形态看，全国整体的曲线主峰高度经历了“显著下降-小幅上升-显著下降”的变化过程，曲线宽度主要经历了“变宽-收窄-变宽”的变化过程，总体表现为曲线主峰高度显著下降、宽度小幅变宽。东部与中部区域的曲线主峰高度均主要表现为平稳下降趋势，曲线宽度表现为逐步变宽的趋势，而西部区域曲线主峰高度呈先下降再上升趋势，总体保持基本平稳，曲线宽度总体稍有变宽。意味着全国整体与三大区域数字普惠金融发展总水平的离散程度都呈不同幅度扩大趋势；分布延展性来看，全国整体与三大区域不同年度的曲线均不存在显著细长右拖尾特征，但曲线分布延展性总体均有小幅拓宽，表明无论从全国整体看还是分区域看，数字普惠金融发展总水平高的城市与发展水平低的城市之间的差距一定程度上在逐步拉大。极化现象来看，这期间全国整体分布曲线交错呈现典型单峰偏态分布与高低并邻双峰分布两种状态，但总体上双峰分布的迹象逐步减弱，右侧小单峰形态基本趋于平缓，典型单峰分布占据主导。东部区域主要呈显著的双峰分布状态，侧峰与主峰高度几乎一致。中部区域主要呈高低并邻的双峰分布状态，侧峰高度显著低于主峰，具有一定梯度特征。西部区域则主要持续呈显著单峰分布状态。这表明全国整体与西部区域数字普惠金融发展总水平的分布主要呈单极化现象，表现为聚合性集聚特征，而东部与中部则均呈不同程度两极分化现象，表现出分散化集聚特征。

(A)全国整体

四、中国数字普惠金融发展的地区差异及其来源

上文着重分析了中国数字普惠金融发展的分布动态演进过程及其呈现的特征，为进一步把握中国数字普惠金融发展的地区差异大小，并揭示其差异来源。借助Dagum基尼系数分析法对其进行测算和差异分解，进而展开相应分析。

(一)总体空间差异

图2描述了2011-2018年中国城市层级数字普惠金融发展总水平、数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度4个维度的总体基尼系数及其演变趋势。从图中不难得知，中国数字普惠金融发展总水平、数字金融覆盖广度、数字金融使用深度的基尼系数均主要呈稳步下降趋势，普惠金融数字化程度的基尼系数主要表现为多频次波动的下降态势。具体来看，截至2018年，数字普惠金融发展总水平的基尼系数由2011年的0.175降至0.052，下降幅度近70.11%；数字金融覆盖广度的基尼系数由2011年的0.299降至0.066，降幅约为77.99%；数字金融使用深度的基尼系数由2011年的0.186降至0.063，降幅近66.01%；普惠金融数字化程度的基尼系数由2011年的0.249降至0.028，降幅近88.53%。由此表明，全国各市数字普惠金融发展的总体空间差异呈显著下降趋势，但也注意到基尼系数达到理想状态尚存一定距离，地区相对差异仍存有一定下降空间。这也充分反映了中国近些年来在推动数字普惠金融发展方面取得的显著成效，不仅体现在各城市数字普惠金融不同维度的稳步提升上，也体现在地区差异的不断缩小方面，数字普惠金融发展已然正在惠及中国各地区和城市，各城市市场主体共享数字普惠金融发展成果的平等机会和权利也在稳步上升。

图2 2011-2018年中国数字普惠金融发展四个维度的总体空间差异及演变趋势

(二)区域内差异

图3和图4分别描述了2011-2018年中国东、中、西部三大区域数字普惠金融发展总水平与数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度4个维度的区域内部基尼系数及其演变趋势。时序变化方面，三大区域中，无论是总量指数还是覆盖广度、使用深度、数字化程度三个分指数的基尼系数均主要表现为明显下降趋势，尽管个别年份略微出现一定幅度反弹，但总体还是保持了下降趋势这一总基调。截至2018年，东部区域四个维度指数的基尼系数分别由2011年的0.132、0.202、0.122、0.242降至0.052、0.063、0.056、0.029，降幅约为60.50%、68.59%、53.87%、88.15%；中部区域四个维度指数的基尼系数分别由2011年的0.122、0.224、0.158、0.229降至0.036、0.046、0.047、0.022，降幅约为70.42%、79.27%、70.36%、90.23%；西部区域四个维度指数的基尼系数分别由2011年的0.188、0.365、0.210、0.226降至0.042、0.062、0.050、0.024，降幅约为77.57%、83.01%、76.37%、89.17%。总体而言，近年来，三大区域数字普惠金融发展内部差异也都处于下降过程，成效均显著。从区域比较来看，观测期内，东部区域数字普惠金融各维度指数的基尼系数降速均要低于中、西部区域，中部区域在总量指数、覆盖广度指数和使用深度指数三个维度上的基尼系数降幅均要低于西部区域，而在普惠金融数字化程度方面，中部区域则要略高于西部区域，东部区域略低于中西部区域。截至2018年，三大区域各维度基尼系数值中，中部最低、西部次之、东部最高，总体表现为“东部>西部>中部”的空间分布格局。②

图3 2011-2018年中国数字普惠金融发展总量指数的区域内差异及演变趋势

图4 2011-2018年中国数字普惠金融发展三个维度分指数的区域内差异及演变趋势

(三)区域间差异

图5和图6分别描述了2011-2018年中国东、中、西部三大区域数字普惠金融发展总水平与数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度4个维度的区域间基尼系数及其演变趋势。时序变化方面，东部与中部、东部与西部、中部与西部之间，无论是总量指数还是覆盖广度、使用深度、数字化程度三个分指数的基尼系数也均主要表现为稳步下降趋势，同时也注意到2018年区域间的总量指数与使用深度、数字化程度指数的基尼系数均出现反弹上扬波动，但幅度均偏小，总体相比于2011年都还是维持了下降趋势这一总基调。截至2018年，东部与中部区域之间四个维度指数的基尼系数分别由2011年的0.176、0.274、0.167、0.239降至0.056、0.070、0.061、0.027，降幅约为68.17%、74.31%、63.31%、88.68%；东部与西部区域之间四个维度指数的基尼系数分别由2011年的0.220、0.361、0.223、0.276降至0.071、0.083、0.087、0.036，降幅约为67.72%、77.10%、60.93%、87.06%；中部与西部区域之间四个维度指数的基尼系数分别由2011年的0.162、0.307、0.193、0.254降至0.044、0.056、0.058、0.028，降幅约为72.97%、81.64%、69.73%、89.13%。很显然，近些年来，三大区域之间数字普惠金融发展差异同样也都处于显著下降过程，成效均明显。从两两区域比较来看，观测期内，中部与西部区域之间数字普惠金融各维度指数的基尼系数降速均要高于东部与中部和东部与西部区域，东部与中部区域在总量指数、使用深度指数和数字化程度指数三个维度上的基尼系数下降速度要高于东部与西部区域，而在数字金融覆盖广度方面，东部与中部区域则要略低于东部与西部区域。截至2018年，三大区域两两之间在总量指数、覆盖广度指数和使用深度指数的基尼系数值中，均表现为“东-西>东-中>中-西”的空间特征，而在数字化程度方面，则表现为“东-西>中-西>东-中”的空间特征。③

图5 2011-2018年中国数字普惠金融发展总量指数的区域间差异及演变趋势

图6 2011-2018年中国数字普惠金融发展三个维度分指数的区域间差异及演变趋势

(四)差异来源及其贡献率

图7和图8分别描述了2011-2018年中国城市层级数字普惠金融发展总水平与数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度4个维度的差异来源及其贡献率演变趋势。从时序变化来看，四个维度指数中，区域内差异对总体差异形成的贡献率均主要表现为小幅或轻微的波动变化，既有下探势头也有上扬势头，不过总体还是保持了相对平稳态势。而区域间差异与超变密度对总体差异形成的贡献率的演变趋势确有明显波动状况，总体保持对称状态，其中，总体水平、使用深度和数字化程度方面，区域间差异的贡献率均在不同幅度的波动过程中最终表现出显著上升趋势，覆盖广度方面这一贡献率则是在波动变化中呈小幅下探趋势，反之，超变密度在四个维度指数中的变化过程及最终呈现趋势与区域间差异总体呈反向变动。截至2018年，总体指数方面，区域内差异、区域间差异和超变密度的贡献率分别由2011年28.58%、47.27%和24.14%变为了27.73%、52.07%和20.19%，变动幅度分别为-2.98%、10.15%和-16.35%；覆盖广度方面，区域内差异、区域间差异和超变密度的贡献率分别由2011年29.07%、44.93%和26.01%变为了29.54%、41.90%和28.56%，变动幅度分别为1.63%、-6.74%和9.81%；使用深度方面，区域内差异、区域间差异和超变密度的贡献率分别由2011年29.58%、46.48%和23.94%变为了26.93%、57.48%和15.59%，变动幅度分别为-8.97%、23.66%和-34.85%；数字化程度方面，区域内差异、区域间差异和超变密度的贡献率分别由2011年31.76%、30.43%和37.81%变为了29.52%、45.40%和25.08%，变动幅度分别为-7.05%、49.21%和-33.67%。总体来讲，四个维度指数中，差异来源中除区域内差异表现较为稳定外，区域间差异和超变密度对总体差异形成的贡献率均呈现不同程度的此起彼伏、相互交错的变化趋势，最终三大差异来源的相对位置均未发生根本性变化。从差异来源贡献率比较来看，截至2018年，四个维度指数中，差异来源贡献率最高者均是区域间差异，分别为52.07%、41.90%、57.48%和45.40%，其次都是区域内差异，贡献率分别为27.73%、29.54%、26.93%和29.52%，最后是超变密度，贡献率分别为20.19%、28.56%、15.59%和25.08%。由此不难得出，目前中国城市层级数字普惠金融总体水平、数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度的总体差异均主要来自于不同区域之间的发展差距，而区域内差异对总体差异的贡献相对较小，位居第二来源，居于第三来源的是超变密度，亦即不同区域之间的交叉重叠问题对总体差异的贡献最小，尽管后两者不是造成差异的最主要原因，但其贡献程度也相对较高，在其中也发挥着重要作用，同样构成不容小觑的客观原因。

图7 2011-2018年中国数字普惠金融发展总量指数的差异来源及其贡献率演变趋势

图8 2011-2018年中国数字普惠金融发展三个维度分指数的差异来源及其贡献率演变趋势

五、中国数字普惠金融发展的影响因素分析

前文重点刻画了中国城市层面数字普惠金融的发展趋势和地区差异特征，为进一步识别影响中国数字普惠金融发展的关键动因，本文通过构建的空间计量模型并借助MLE估计法，力图对其影响因素展开科学准确的实证估计。

(一)初步回归结果

表1报告了因变量为数字普惠金融发展各维度指数和以引入的经济发展水平等一系列影响因素为自变量的估计结果。④回归结果显示，各因素对数字普惠金融发展总水平及数字金融覆盖广度、数字金融使用深度以及普惠金融数字化程度的影响既有同质性也具有异质性。具体地，数字普惠金融总指数及其各维度分指数的空间滞后项系数在所有模型估计中均显著为正，表明无论是数字普惠金融总发展水平还是数字金融覆盖广度、数字金融使用深度以及普惠金融数字化程度都存在明显的空间溢出效应，这也基本符合近年来中国传统金融发展与技术不断深度融合的实际情况。这是因为随着金融科技的发展和渗透促使了数字金融的创新发展，这种创新性业态模式克服了传统金融对物理网点的过分依赖，强化了地区间金融资源配置的穿透力、联动性、便利化和低成本。财政分权这一制度安排对数字普惠金融各方面发展具有不同影响，其中，财政收入分权对数字普惠金融发展总水平及数字金融覆盖广度、数字金融使用深度均具有显著的负向影响，但对普惠金融数字化程度的影响则不显著，而财政支出分权对数字普惠金融发展总水平及数字金融覆盖广度具有显著正向影响，但对普惠金融数字化程度的影响显著为负，同时对数字金融使用深度的影响则不显著。经济发展水平、产业结构变迁和创新水平等因素主要对数字普惠金融发展总水平及数字金融覆盖广度具有显著正向影响，但对数字金融使用深度和普惠金融数字化程度的影响均不显著。外商直接投资对数字普惠金融发展总水平及数字金融覆盖广度、数字金融使用深度均具有显著的正向影响，但对普惠金融数字化程度的影响则不显著，这很可能与长时期中国引入外商直接投资更注重规模而缺乏质量关注有关。贸易开放度仅对数字金融覆盖广度具有显著正向影响，而对普惠金融数字化程度则具有负向影响，同时对数字普惠金融发展总水平和数字金融使用深度的影响不显著。人口密度与传统金融发展对数字普惠金融的总体和各方面发展均不具有显著影响，这也意味着人口因素和传统金融发展规模并非数字普惠金融发展的主要驱动因素。城镇化水平主要对数字普惠金融发展总水平及数字金融覆盖广度、数字金融使用深度均具有显著正向影响，对普惠金融数字化程度的影响则不显著，这也说明普惠金融数字化程度对城镇化进程不具有明显依赖性。地方政府经济增长目标约束对数字普惠金融发展总水平及数字金融覆盖广度、数字金融使用深度均具有显著负向影响，而对普惠金融数字化程度的影响尽管也为负但不显著，这是因为地方政府经济增长目标约束往往会加剧地方政府对市场运行的干预，使得资源配置等发生错配，进而对数字普惠金融发展产生不利影响。此外，还发现误差项的空间滞后项系数在所有模型估计中也均显著为正，这说明现实中影响数字普惠金融总体及各方面发展的因素是多元的。除去本文考察的一些显性重点因素外，观念、习俗、文化、自然条件等一些其他复杂多样的因素在其中也具有一定作用。

表1 中国数字普惠金融发展影响因素的回归结果

(二)稳健性回归结果

为验证本文上述初步回归结果是否具有强稳健性，本文主要从以下几个方面展开：一是通过改变模型形式的方式，采用空间滞后(SAR)、空间误差(SEM)和空间杜宾模型(SDM)等进行再估计。二是通过改变空间权重矩阵构建的方式，分别选择5个近邻城市构造的空间权重矩阵、地理距离平方构造的地理距离权重矩阵以及人均GDP和人口密度构造的经济和社会权重矩阵等形式进行稳健性分析。三是考虑样本异常值影响，将解释变量进行缩尾处理的方式，平滑样本数据(口径设定为1%)。四是考虑到城市等级的影响，采取剔除4大直辖市和省会城市的处理方式。以上稳健性回归结构总体均支持初步回归分析结果。⑤

(三)异质性回归结果

有鉴于中国地大物博、人口众多，各省市在经济社会等方面发展的差距较大，尽管各省市数字普惠金融发展都在上升，但因各地的区位、经济、创新、贸易等方面条件的不同，对数字普惠金融发展的影响也应有所不同。本文通过划分东部和中西部两个地区的样本，实证考察了中国数字普惠金融发展影响因素是否存在地区异质性。表2报告了因变量为数字普惠金融各维度指数和以引入的经济发展水平等一系列影响因素为自变量的地区异质性估计结果。回归结果显示，数字普惠金融总指数及其各维度分指数的空间滞后项系数在所有模型估计中均显著为正，且东部地区各系数绝对要更大，表明无论是数字普惠金融总发展水平还是数字金融覆盖广度、使用深度以及普惠金融数字化程度都存在明显的空间溢出效应，且在东部地区这一效应表现更为强烈；财政分权这一制度安排对数字普惠金融各方面发展具有不同影响，其中，财政收入分权仅是对东部地区数字普惠金融发展总水平及数字金融覆盖广度均具有显著负向影响，以及对中西部地区数字金融使用深度具有负向影响，其他维度的影响则都不显著，而财政支出分权主要是对东部地区的数字普惠金融发展总水平及数字金融覆盖广度和中西部地区的数字金融覆盖广度具有显著正向影响，且均对数字金融使用深度的影响不显著，但都对普惠金融数字化程度的影响显著为负；经济发展水平主要是对东部地区的普惠金融数字化程度和中西部地区的数字普惠金融发展总水平及数字金融覆盖广度具有显著正向影响，其他维度的影响则均不显著；产业结构变迁主要对中西部地区的数字普惠金融发展总水平及数字金融覆盖广度具有显著正向影响；外商直接投资对东部和中西部地区的数字普惠金融发展总水平及东部地区的普惠金融数字化程度均具有显著正向影响，其他维度的影响则都不显著；人口密度主要对东部地区数字普惠金融发展总水平产生显著负向影响；传统金融规模对东部和中西部地区数字普惠金融总体和各方面发展均不具有显著影响；城镇化率的提升对东部地区数字普惠金融发展总水平及数字金融覆盖广度、数字金融使用深度均具有显著正向影响，而对中西部地区主要是数字金融覆盖广度具有显著正向影响；地方政府经济增长目标约束对东部地区的数字普惠金融发展总水平及数字金融覆盖广度、数字金融使用深度均具有显著负向影响，对普惠金融数字化程度的影响不显著，而对中西部地区各维度影响均不显著；创新水平对东部地区和中西部地区的数字普惠金融发展总水平、数字金融覆盖广度均具有显著正向影响，同时对东部地区的数字金融使用深度也具有影响，其他维度的影响均不显著。此外，也可发现误差项的空间滞后项系数在所有模型估计中均显著为正，意味着除上述考察的因素外，还存在一些多元、复杂的因素在发挥作用，这些因素在东部地区和中西部地区均具有显著空间溢出效应，东部地区总体更为强烈。

表2 中国数字普惠金融发展影响因素的地区异质性回归结果

六、研究结论与政策启示

本文利用2011-2018年中国城市层级的数字普惠金融指数面板数据，分别从数字普惠金融总水平、数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度四个方面刻画其发展现状，并剖析其主要动因。一方面，本文综合运用核密度估计图和Dagum基尼系数法对中国数字普惠金融发展的分布动态和地区差异进行了刻画和揭示，另一方面，构建空间自相关模型并利用MLE估计法对数字普惠金融发展的影响因素进行了实证考察。研究发现：(1)全国整体与东、中、西部三大区域数字普惠金融发展总水平与数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度均表现为稳步上升趋势。全国整体与三大区域的数字普惠金融发展总水平、数字金融使用深度和普惠金融数字化程度的离散程度均有不同程度上升。数字普惠金融总水平方面，全国整体与西部区域呈单极化现象，而东部与中部则均呈两极分化现象。数字金融覆盖广度方面，全国整体主要呈单极化现象，东、中、西部三大区域则均呈两极分化现象。普惠金融数字化程度方面，全国整体与西部区域呈微弱多极分化现象，东部区域呈两极分化现象，中部区域则呈单极化现象。(2)中国数字普惠金融总水平及数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度的空间总体差异、区域内差异和区域间差异总体均呈不同程度下降趋势，其中，造成空间总体差异的主要来源均是地区间差异。(3)中国数字普惠金融总水平及数字金融覆盖广度、数字金融使用深度、普惠金融数字化程度均具显著空间溢出效应，且东部地区这一效应更为强烈。此外，财政收入分权、财政支出分权、经济发展水平、产业结构变迁、外商直接投资、贸易开放度、人口密度、传统金融规模、城镇化率、地方政府经济增长目标和创新水平等一系列考察因素对数字普惠金融发展总体及覆盖广度、使用深度和数字化程度的影响各有不同，同时因地区差异的不同，影响效应也具有明显差异。上述研究结论有助于各级政府重新审视中国数字普惠金融的发展状况，对进一步推进中国数字普惠金融的空间布局优化、地区间协调发展具有重要的政策启示。

本文的政策启示主要体现如下四个方面：一是推进央地政府间互动、协同政策举措的制定和落实。为更好地实现中国地区间数字普惠金融协同发展，既需要中央政府切实发挥把握方向、统筹协调的作用，在政策、技术与资金上应给予落后地区必要的支持；也需要各地区或城市辅之以必要的配套政策、举措等，探寻能够加快推进地区数字普惠金融发展的提升路径，进一步缩小地区间的差距。二是增强“共享、协同”发展意识，推动地区之间、城市之间的空间联动性。地区之间、城市之间应充分借助于“学习效应、分享效应、标杆效应”，进一步加强各地区、各城市之间数字普惠金融发展的良性互动，强化相互之间的交流与合作，继续深化数字技术与普惠金融的深度融合，使地理特征和禀赋差异造成的阻碍与壁垒尽可能降至最低。可搭建以中心城市和以发达地区为双支柱的共享平台，建立发达地区对落后地区、中心城市对其他城市的精准帮扶机制，切实发挥由近及远、以点带面的辐射与联动作用，推动全国实现城市数字普惠金融网络化协调发展的良性发展局面。三是增强数字普惠金融内部发展的协调性。数字普惠金融的协同发展，不仅仅是总水平的协同发展，其内部结构也应重视其协调性，数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度存在任何的一方的过度偏离，均会影响总体水平的协调发展。这就需要不同城市、不同地区做好有效甄别工作，结合地区实际情况，及时作出战略、政策和技术上的调整，以防“短板效应”拖累总体水平的发展进程。四是明确自身定位，探寻问题成因，精准施策。各地区应明晰其自身定位，充分发挥其比较优势和有利条件，积极探寻阻碍数字普惠金融发展的主要内外部成因，深刻剖析，采取必要可行的措施予以突破，做到因地制宜、精准施策，为数字普惠金融的长足发展提供可靠保障。

注释：

①限于篇幅，同时因内容重叠，不再具体报告各分指数的分布动态状况，重点内容可见结论部分，备索。

②篇幅原因，对其状况的原因分析，这里不再具体赘述，备索。

③篇幅原因，对其呈现的特征的原因分析不再具体列示，备索。

④鉴于使用空间计量模型的必要条件之一是研究对象需满足具有显著空间自相关特征，本文利用Moran’s I指数检验法对各维度指数进行了空间自相关检验发现，无论是数字普惠金融总指数还是覆盖广、和使用深度和数字化程度指数都具有显著空间关联特征，这与郭峰等(2020)得到的结果一致，其中进行各种相关检验和实证估计中使用的空间权重矩阵均是地理距离空间权重矩阵，可详见上述文献，限于篇幅，不再赘述，备索。

⑤囿于篇幅，稳健性回归结果未报告，备索。