中國數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)特征與影響因素分析

陳惠中，趙景峰

（西北大學(xué) 經(jīng)濟(jì)管理學(xué)院，西安 710127）

0 引言

數(shù)字金融可以定義為將新興數(shù)字技術(shù)廣泛運(yùn)用到金融行業(yè)的模式，為支付、投融資以及各類金融業(yè)務(wù)的開展提供更加快捷便利的服務(wù)[1]。對比傳統(tǒng)金融來看，數(shù)字金融具有自動性、即時性和遠(yuǎn)程性等優(yōu)點[2]。封思賢和郭仁靜（2019）[3]認(rèn)為數(shù)字金融是將各類新興數(shù)字技術(shù)深度融合到傳統(tǒng)金融服務(wù)業(yè)態(tài)中形成的一種全新的金融模式，數(shù)字技術(shù)只是手段，金融服務(wù)才是本質(zhì)，其主要特征為信息化、網(wǎng)絡(luò)化和智能化。

在數(shù)字金融驅(qū)動高質(zhì)量發(fā)展方面，陳惠中和趙景峰（2022）[4]采用半?yún)?shù)模型從全國和區(qū)域兩個層面入手，研究發(fā)現(xiàn)數(shù)字金融能夠顯著促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展。肖威（2021）[5]研究發(fā)現(xiàn)數(shù)字普惠金融可以通過存款機(jī)制和貸款機(jī)制有效促進(jìn)經(jīng)濟(jì)增長，并且該效應(yīng)在經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)作用力更強(qiáng)，這種異質(zhì)性有助于緩解經(jīng)濟(jì)發(fā)展的不平衡與不協(xié)調(diào)。同時，數(shù)字金融的普惠屬性對于實現(xiàn)經(jīng)濟(jì)發(fā)展的協(xié)調(diào)性和共享性具有重要作用，具體體現(xiàn)在：數(shù)字金融具有減貧效應(yīng)[6]；數(shù)字普惠金融可以降低貧困發(fā)生率，進(jìn)而緩解相對貧困[7]。王修華和趙亞雄（2020）[8]在對比了城鎮(zhèn)和農(nóng)村家庭的金融可得性后認(rèn)為，農(nóng)村家庭金融可得性受數(shù)字金融發(fā)展影響更大，但同時發(fā)現(xiàn)數(shù)字金融的發(fā)展會產(chǎn)生一定程度的數(shù)字鴻溝從而阻礙城鄉(xiāng)融合發(fā)展。

關(guān)于數(shù)字金融自身發(fā)展及測度方面的研究較為缺乏。孫玉環(huán)等（2021）[9]、張龍耀和邢朝輝（2021）[10]主要關(guān)注了數(shù)字普惠金融的發(fā)展程度。少數(shù)學(xué)者以普惠金融為研究對象探究了其空間關(guān)聯(lián)及溢出情況[11,12]。綜合來看，已有研究主要集中在數(shù)字金融產(chǎn)生的經(jīng)濟(jì)效益方面，對于數(shù)字金融自身發(fā)展的研究較少，尤其是在數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)特征方面還有待進(jìn)一步研究，各地區(qū)間的空間關(guān)聯(lián)性研究也有較大拓展空間，同時還缺乏對數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)特征影響因素的研究。因此本文針對已有研究做了如下拓展：在研究了數(shù)字金融網(wǎng)絡(luò)的結(jié)構(gòu)特征后，本文對空間關(guān)聯(lián)網(wǎng)絡(luò)的中心性進(jìn)行了分析，并進(jìn)一步通過塊模型分析揭示了數(shù)字金融的空間聚類方式；運(yùn)用UCINET軟件構(gòu)建了數(shù)字金融拓?fù)渚W(wǎng)絡(luò)，從整體網(wǎng)絡(luò)層面探討了各省份數(shù)字金融的相互關(guān)聯(lián)情況，同時從個體網(wǎng)絡(luò)層面剖析了各省份在數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)中的位置，揭示了優(yōu)勢地區(qū)的“虹吸效應(yīng)”和部分省份在網(wǎng)絡(luò)中的“橋梁”作用；通過社會網(wǎng)絡(luò)分析法中的QAP 分析法進(jìn)一步探究了影響數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)形成的各類因素。

1 研究設(shè)計

1.1 研究方法

1.1.1 修正引力模型

本文采用引力模型構(gòu)建的空間關(guān)聯(lián)網(wǎng)絡(luò)能夠?qū)⒌乩砭嚯x因素結(jié)合到數(shù)字金融中，可以更好地揭示中國數(shù)字金融的空間關(guān)聯(lián)特征。因此，本文選取修正的引力模型，具體模型如下：

其中，i、j表示省份；Fij表示省際數(shù)字金融空間相關(guān)距離；Pi表示總?cè)丝跀?shù)；G表示GDP總量；R表示數(shù)字金融發(fā)展指數(shù)；kij表示在省份之間數(shù)字金融發(fā)展聯(lián)系中的貢獻(xiàn)率；dij表示省際地理距離；g表示經(jīng)濟(jì)發(fā)展水平，用人均GDP衡量；b為距離衰減系數(shù)，在省際關(guān)系的研究中，系數(shù)通常取值為2。根據(jù)式（1）計算出各省份數(shù)字金融發(fā)展之間的引力矩陣，構(gòu)建出31*31的有向二值空間非對稱矩陣。

1.1.2 社會網(wǎng)絡(luò)分析法

中國數(shù)字金融發(fā)展的整體網(wǎng)絡(luò)特征主要分為整體網(wǎng)絡(luò)結(jié)構(gòu)特征和網(wǎng)絡(luò)小世界特征，通常采用網(wǎng)絡(luò)密度、關(guān)聯(lián)度、效率和等級度四個維度來刻畫整體網(wǎng)絡(luò)的特征。個體網(wǎng)絡(luò)特征主要通過度數(shù)中心度、中介中心度和接近中心度三個維度來刻畫。塊模型主要利用迭代相關(guān)收斂算法進(jìn)行小群體識別，原理是通過迭代使節(jié)點間的相關(guān)系數(shù)矩陣收斂，依據(jù)收斂的相關(guān)系數(shù)矩陣將各節(jié)點進(jìn)行分類，最后將網(wǎng)絡(luò)中具有相似或相近地位的各節(jié)點進(jìn)行聚類而形成同一模塊，進(jìn)而可以分析聚類后的板塊內(nèi)部節(jié)點之間以及各板塊之間的關(guān)聯(lián)關(guān)系。

考慮到數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)的形成必然是多種影響因素互相作用的結(jié)果，影響因素之間必然存在相關(guān)性，不滿足傳統(tǒng)計量模型要求的“變量獨立性假設(shè)”。在研究關(guān)聯(lián)變量的相關(guān)關(guān)系時，傳統(tǒng)實證檢驗通常會忽略自變量自相關(guān)或者多重共線性等問題。鑒于此，本文采用社會網(wǎng)絡(luò)分析法中的非線性二次指派程序（QAP）分析法進(jìn)行影響因素分析。

1.2 模型設(shè)定與變量選取

考慮到影響數(shù)字金融發(fā)展的因素有很多，主要涉及經(jīng)濟(jì)、社會和人口特征三個層面。因此，本文選取地理距離、差異化的經(jīng)濟(jì)發(fā)展水平、傳統(tǒng)金融發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化水平、市場化水平、信息化發(fā)展水平、受教育程度和人口老齡化程度九個方面的因素，這些因素共同影響中國數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)的形成并造就了數(shù)字金融網(wǎng)絡(luò)日益復(fù)雜的結(jié)構(gòu)變遷?；诖?，本文構(gòu)建了如下模型：

其中，被解釋變量Q為中國數(shù)字金融空間關(guān)聯(lián)矩陣；D為地理位置相鄰矩陣，若省份間相鄰則取值為1，否則為0；G為經(jīng)濟(jì)發(fā)展水平差異矩陣，經(jīng)濟(jì)發(fā)展水平用人均GDP來衡量；F為傳統(tǒng)金融發(fā)展水平差異矩陣，傳統(tǒng)金融發(fā)展水平用金融機(jī)構(gòu)金融資產(chǎn)總值與GDP 的比值來衡量；S為產(chǎn)業(yè)結(jié)構(gòu)差異矩陣，產(chǎn)業(yè)結(jié)構(gòu)用第三產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值的比重來衡量；C為城鎮(zhèn)化水平差異矩陣，城鎮(zhèn)化水平采用城鎮(zhèn)人口數(shù)與總?cè)丝跀?shù)的比值來衡量；M為市場化水平差異矩陣，市場化水平采用政府支出與GDP 的比值來衡量；T為信息化發(fā)展水平差異矩陣，信息化發(fā)展水平用每十萬人口擁有手機(jī)數(shù)來衡量；E為受教育程度差異矩陣，受教育程度用中學(xué)在校學(xué)生人數(shù)與總?cè)藬?shù)的比值來衡量；O為人口老齡化程度差異矩陣，人口老齡化用65歲老人總數(shù)與總?cè)藬?shù)的比值來衡量。

1.3 數(shù)據(jù)來源及說明

本文選取31個省份（不包含港澳臺）的數(shù)據(jù)為研究對象，時間跨度為2011—2020年，同時考慮到本文研究對象是數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)，本文數(shù)據(jù)選取自北京大學(xué)和螞蟻金服集團(tuán)研究院聯(lián)合發(fā)布的《北京大學(xué)數(shù)字普惠金融指數(shù)（2011—2020）》（第三期），具體原因如下：第一，要保證數(shù)據(jù)的完整性和準(zhǔn)確性，北京大學(xué)數(shù)字普惠金融指數(shù)到目前為止總共出了三期，時間跨度為2008—2020年，包含省級層面、市級層面以及縣域?qū)用?，?shù)據(jù)完整準(zhǔn)確；第二，隨著金融產(chǎn)品和服務(wù)的創(chuàng)新發(fā)展，對數(shù)字金融的刻畫不能只停留在傳統(tǒng)的銀行信貸業(yè)務(wù)上，還要包含投資、支付、信托和保險等其他業(yè)務(wù)，北京大學(xué)數(shù)字普惠金融指數(shù)能夠更加全面并且準(zhǔn)確地反映各省份及地區(qū)間的金融聯(lián)通程度；第三，國內(nèi)現(xiàn)有文獻(xiàn)主要從傳統(tǒng)金融的視角來分析數(shù)字金融，除了北京大學(xué)數(shù)字普惠金融指數(shù)外，目前尚未有其他科學(xué)合理的指標(biāo)體系來表征中國數(shù)字金融發(fā)展的水平。

2 數(shù)字金融發(fā)展的空間關(guān)聯(lián)網(wǎng)絡(luò)特征

2.1 數(shù)字金融總體發(fā)展趨勢

本文采用ArcGIS 10.2軟件中的趨勢分析工具對中國數(shù)字金融發(fā)展的空間分布趨勢進(jìn)行可視化描述，結(jié)果如圖1所示。其中，每根豎線代表每個省份數(shù)字金融發(fā)展水平的值（高度）和位置。具體來看，Z軸代表數(shù)字金融發(fā)展水平，X 軸為從西向東方向，Y 軸為從南向北方向。2011 年在南北方向上，出現(xiàn)了一條上升的趨勢線，范圍落在第1格和第4格之間，而在東西方向上，則呈現(xiàn)一條小弧“倒U”型趨勢線，投影落在第1 格和第3 格之間。2020 年，在南北方向上，趨勢線與2011 年相似，投影也落在第1 格和第4格之間，在東西方向上，“倒U”型趨勢線更為明顯，投影落在第1格和第2格之間，說明發(fā)展的非均衡態(tài)勢并未得到改善。通過趨勢分析來看，2011—2020 年，中國數(shù)字金融發(fā)展呈現(xiàn)顯著的空間非均衡分布格局。

圖1 中國數(shù)字金融發(fā)展水平空間趨勢

2.2 整體網(wǎng)絡(luò)特征分析

2.2.1 空間關(guān)聯(lián)特征

通過修正引力模型確定了31個省份數(shù)字金融發(fā)展水平的空間關(guān)聯(lián)關(guān)系，并構(gòu)建了關(guān)系矩陣。通過軟件計算可得：2011 年中國省際數(shù)字金融整體網(wǎng)絡(luò)密度為0.2570，2020年中國省際數(shù)字金融整體網(wǎng)絡(luò)密度為0.2366，網(wǎng)絡(luò)密度有所下降。對比這兩年的空間網(wǎng)絡(luò)拓?fù)鋱D（見圖2）可以看出：第一，中國省際數(shù)字金融發(fā)展水平呈現(xiàn)顯著的空間關(guān)聯(lián)關(guān)系，網(wǎng)絡(luò)中不存在孤立省份，2011—2020 年，整體網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系總數(shù)及網(wǎng)絡(luò)密度并未發(fā)生較大變化；第二，從區(qū)域來看，東南沿海地區(qū)大多位于網(wǎng)絡(luò)中心位置，而其他中西部地區(qū)省份則位于網(wǎng)絡(luò)的邊緣，并且該態(tài)勢在2011—2020 年并未發(fā)生變化；第三，個別省份在2011—2020年網(wǎng)絡(luò)中心度及網(wǎng)絡(luò)地位發(fā)生了較大變化；第四，位于網(wǎng)絡(luò)邊緣位置的省份溢出效應(yīng)明顯，說明該地區(qū)的金融資源大量外流，自身發(fā)展受到極大挑戰(zhàn)，并對地區(qū)間均衡發(fā)展產(chǎn)生了不利影響。

圖2 中國省際數(shù)字金融空間網(wǎng)絡(luò)拓?fù)鋱D

2.2.2 整體網(wǎng)絡(luò)結(jié)構(gòu)特征

進(jìn)一步利用UCINET 6.16 軟件計算各年度的網(wǎng)絡(luò)結(jié)構(gòu)特征，并繪制出整體網(wǎng)絡(luò)結(jié)構(gòu)動態(tài)特征圖（見圖3）。測度結(jié)果顯示，2011—2020 年網(wǎng)絡(luò)關(guān)聯(lián)度均為1，反映出2011—2020年31個省份均處于網(wǎng)絡(luò)之中并具有良好的連通性。如圖3（a）所示，各省份的關(guān)聯(lián)關(guān)系數(shù)和網(wǎng)絡(luò)密度大幅降低，說明各省份之間數(shù)字金融空間關(guān)聯(lián)的緊密性在下降。圖3（b）反映出網(wǎng)絡(luò)效率整體呈波動上升態(tài)勢，表明各省份之間數(shù)字金融空間關(guān)聯(lián)關(guān)系在減少，網(wǎng)絡(luò)穩(wěn)定性在下降，網(wǎng)絡(luò)等級度未出現(xiàn)劇烈波動。

圖3 整體網(wǎng)絡(luò)結(jié)構(gòu)動態(tài)特征

2.2.3 網(wǎng)絡(luò)小世界特征

本文利用網(wǎng)絡(luò)小世界特征來度量數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)的通達(dá)程度，網(wǎng)絡(luò)小世界特征通常使用平均路徑長度和聚類系數(shù)這兩項來表征，具體見圖4，總體來看，2011—2020年各省份數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)具有顯著的小世界特征。其中，平均路徑長度總體處于2～3，表明網(wǎng)絡(luò)中任意兩個省份節(jié)點通過2～3 個中間省份就能夠完全建立聯(lián)系。聚類系數(shù)總體趨勢波動明顯，同時較高的聚類系數(shù)表明各省份數(shù)字金融發(fā)展聯(lián)系頻繁，相互影響作用較強(qiáng)。

圖4 網(wǎng)絡(luò)平均路徑長度與聚類系數(shù)

2.3 個體網(wǎng)絡(luò)特征分析

2.3.1 度數(shù)中心度

進(jìn)一步分析數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)的中心性，以2020 年為例，具體測度結(jié)果如下頁表1 所示。在31 個省份中，度數(shù)中心度的均值為37.61，超過均值且位居前五的省份為上海、江蘇、北京、浙江和福建，表明上述省份與其他省份關(guān)聯(lián)較多，對其他省份的數(shù)字金融發(fā)展影響較大，自身處于網(wǎng)絡(luò)的中心位置。進(jìn)一步來看，這幾個省份的點入度高而點出度低，表明上述省份存在顯著的“虹吸效應(yīng)”，通常情況下能吸收大量外部資源，受益效應(yīng)明顯。而寧夏、新疆、西藏、青海、吉林、黑龍江和內(nèi)蒙古等省份具有較高的點出度和較低的點入度，顯示出凈溢出效應(yīng)，這些省份的人才、技術(shù)和金融資源等要素通常在“虹吸效應(yīng)”的影響下大量流入東中部地區(qū)，溢出效應(yīng)較強(qiáng)。

表1 2020年中國數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)中心性

2.3.2 中介中心度

31個省份中，中介中心度的均值為2.16，其中北京、上海、江蘇、浙江和福建5個省份的中介中心度較高，說明這5個省份在網(wǎng)絡(luò)中發(fā)揮了重要的節(jié)點支撐作用，對整體網(wǎng)絡(luò)的傳輸具有“橋梁”的中介作用。進(jìn)一步研究發(fā)現(xiàn)，雖然中介中心度的均值為2.16，但差異明顯，尤其是前五名的省份與后五名的省份差距巨大，極差達(dá)到14.43。同時，中介中心度的前五名與度數(shù)中心度的前五名是同樣的省份，說明這5個省份與外部建立的關(guān)聯(lián)關(guān)系較多，受益效應(yīng)較明顯，但在網(wǎng)絡(luò)中也承擔(dān)了較多的中介作用，幫助網(wǎng)絡(luò)中邊緣節(jié)點建立了空間關(guān)聯(lián)關(guān)系。

2.3.3 接近中心度

接近中心度主要是衡量某節(jié)點對其他節(jié)點的影響能力，31個省份中，接近中心度的均值為62.87。其中，上海、江蘇、北京、浙江和福建5 個省份接近中心度最高。說明這5個省份的傳輸路徑較短，并且能夠較快與其他節(jié)點建立連接。

總體而言，東部沿海地區(qū)在數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)中處于中心地位，對數(shù)字金融相關(guān)資源具有較強(qiáng)的控制和支配能力，尤其是北京及長江三角洲地區(qū)位于網(wǎng)絡(luò)中絕對核心的地位，可以控制并影響其他地區(qū)，同時上述地區(qū)的受益關(guān)系大于其溢出關(guān)系；而西北、東北以及部分西南地區(qū)在網(wǎng)絡(luò)中的地位較低并且處于邊緣位置，其地理區(qū)位偏遠(yuǎn)，經(jīng)濟(jì)發(fā)展水平較低，同時教育、科技等資源也較為匱乏，導(dǎo)致自身常年流失大量資源，并且無法吸收外部有效資源，因此這些地區(qū)的數(shù)字金融發(fā)展水平也較低。

2.4 塊模型分析

為了進(jìn)一步揭示中國數(shù)字金融關(guān)聯(lián)網(wǎng)絡(luò)中存在的空間聚類特征，本文利用UCINET軟件中的CONCOR模塊進(jìn)行聚類分析，將31 個省份劃分為4 個板塊：板塊I 包括北京、天津、江蘇、上海4 個省份；板塊II 包括廣東、浙江、福建、江西、安徽5個省份；板塊III包括吉林、內(nèi)蒙古、河北、黑龍江、陜西、遼寧、山東、寧夏、山西9個省份；板塊IV包括湖北、湖南、廣西、海南、重慶、河南、貴州、云南、西藏、甘肅、青海、四川、新疆13個省份。從地理區(qū)位上來看，板塊Ⅰ的省份全部來自京津冀和長三角地區(qū)，板塊Ⅱ的省份主要位于東南沿海及其毗鄰的地區(qū)，板塊Ⅲ除了山東外，其他均來自中部和西北地區(qū)，而板塊Ⅳ基本覆蓋了全國除東南沿海外的其他地區(qū)。

塊模型分析結(jié)果如表2 所示，從4 個板塊在數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)中的位置以及各板塊間的關(guān)聯(lián)關(guān)系來看，各板塊內(nèi)部關(guān)聯(lián)關(guān)系數(shù)占比為22.27%，板塊之間的關(guān)聯(lián)關(guān)系數(shù)占比為77.73%，說明各省份數(shù)字金融發(fā)展存在顯著的溢出效應(yīng)，并且以區(qū)域間溢出為主。結(jié)合表3結(jié)果可知，板塊I屬于“凈受益”板塊，板塊II屬于“雙向溢出”板塊，板塊III屬于“經(jīng)紀(jì)人”板塊，板塊IV屬于“凈溢出”板塊。

表2 中國數(shù)字金融板塊間關(guān)聯(lián)關(guān)系

表3 中國數(shù)字金融板塊間密度矩陣與像矩陣

在構(gòu)建各板塊的密度矩陣時，結(jié)合上文測算的網(wǎng)絡(luò)整體密度0.2366，以該數(shù)值為標(biāo)尺來對比各板塊的密度，若板塊密度大于或等于0.2366，則將相應(yīng)的板塊密度用1進(jìn)行替換，否則用0進(jìn)行替換，具體如表3所示。

3 數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)的影響因素分析

3.1 QAP相關(guān)性分析

采用QAP相關(guān)性分析檢驗省際數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)與各影響因素之間的相關(guān)關(guān)系，結(jié)果如下頁表4 所示，除了市場化水平差異之外，其他8個因素均通過了顯著性檢驗，說明這8個因素對中國數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)的形成具有顯著影響。具體來看，受教育程度差異和人口老齡化差異相關(guān)系數(shù)為負(fù)，說明居民受教育程度和人口老齡化程度差異的擴(kuò)大不利于數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)的形成，這兩項因素對空間網(wǎng)絡(luò)的溢出效應(yīng)產(chǎn)生了抑制作用。而其他6個影響因素的相關(guān)系數(shù)均為正，說明這些影響因素差異的擴(kuò)大能夠促進(jìn)中國數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)的形成。

表4 QAP相關(guān)性分析結(jié)果

3.2 QAP回歸分析

采用QAP回歸分析方法對數(shù)字金融空間關(guān)聯(lián)矩陣與其影響因素的回歸關(guān)系進(jìn)行檢驗，所得回歸結(jié)果見表5。結(jié)果表明，地理位置相鄰的省份可以更好地構(gòu)成空間關(guān)聯(lián)關(guān)系，相鄰省份之間數(shù)字金融要素流動成本相對較低，空間關(guān)聯(lián)關(guān)系相對緊密；經(jīng)濟(jì)發(fā)展水平差異矩陣影響系數(shù)最大且顯著為正，說明經(jīng)濟(jì)發(fā)展水平差異的擴(kuò)大對數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)的形成起到了促進(jìn)作用，可能的原因是數(shù)字金融發(fā)展較好的地區(qū)大多集中在東南沿海地區(qū)，經(jīng)濟(jì)發(fā)展帶來的差距會產(chǎn)生巨大的“虹吸效應(yīng)”，讓各類資源更多地集中到這些地區(qū)；產(chǎn)業(yè)結(jié)構(gòu)差異矩陣的回歸系數(shù)在1%的水平上顯著為負(fù)，表明各省份間相似的產(chǎn)業(yè)結(jié)構(gòu)對數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)的形成具有顯著的促進(jìn)作用，產(chǎn)業(yè)結(jié)構(gòu)相似的省份會在區(qū)域間經(jīng)濟(jì)和金融方面產(chǎn)生更多聯(lián)系，進(jìn)而有利于數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)的形成；城鎮(zhèn)化水平差異矩陣的回歸系數(shù)在10%的水平上顯著為正，城鎮(zhèn)化發(fā)展能夠提升交通運(yùn)輸?shù)然A(chǔ)設(shè)施建設(shè)水平，增加非農(nóng)人口，使人口流動更加頻繁，增強(qiáng)農(nóng)村和城鎮(zhèn)的交流，進(jìn)而推動數(shù)字金融空間關(guān)聯(lián)關(guān)系的形成；受教育程度差異矩陣和人口老齡化差異矩陣的回歸系數(shù)均在10%的水平上顯著為負(fù)，表明受教育程度和人口老齡化程度差異越大的省份越不利于數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)的形成，原因主要在于，受教育人群和中青年人群是參與數(shù)字金融的主要群體，他們的活動能夠極大地促進(jìn)金融要素的流通，帶動區(qū)域數(shù)字金融的聯(lián)系，進(jìn)而促進(jìn)數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)的形成。傳統(tǒng)金融發(fā)展、市場化水平和信息化水平的差異矩陣在回歸分析中未能通過顯著性檢驗，表明這3個影響因素的差異并不能顯著地影響中國數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)的形成。

表5 QAP回歸分析結(jié)果

4 結(jié)論

本文基于2011—2020年中國31個省份的北京大學(xué)數(shù)字普惠金融指數(shù)，采用修正引力模型，在考察各省份數(shù)字金融空間關(guān)聯(lián)關(guān)系的同時構(gòu)建空間關(guān)聯(lián)網(wǎng)絡(luò)，在此基礎(chǔ)上，通過對整體網(wǎng)絡(luò)特征、中心性特征、塊模型進(jìn)行分析以及QAP 分析，得出如下結(jié)論：（1）中國數(shù)字金融發(fā)展水平總體呈現(xiàn)波動增長態(tài)勢，地區(qū)間差異明顯，東南沿海地區(qū)的發(fā)展水平明顯高于其他地區(qū)。（2）從整體網(wǎng)絡(luò)特征來看，各省份均與鄰近甚至非鄰近省份建立了關(guān)聯(lián)關(guān)系，彼此聯(lián)通可達(dá)，聯(lián)系緊密，網(wǎng)絡(luò)中不存在孤立省份。中國省際數(shù)字金融雖然已呈現(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)形態(tài)，但空間關(guān)聯(lián)關(guān)系的緊密性還不高，空間關(guān)聯(lián)關(guān)系有待進(jìn)一步提升。（3）從個體網(wǎng)絡(luò)特征來看，北京、天津、江蘇、浙江、上海在關(guān)聯(lián)網(wǎng)絡(luò)中處于中心地位，對全國數(shù)字金融要素資源的控制力較強(qiáng)，并且可以顯著影響周邊的地區(qū)，“虹吸效應(yīng)”顯著；而西北、東北和西南地區(qū)部分省份則處在數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)的邊緣位置；中部地區(qū)省份更多在數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)中發(fā)揮著“橋梁”作用。（4）從塊模型分析結(jié)果來看，中國數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)可以分成四大板塊，各板塊內(nèi)部關(guān)聯(lián)較少，而板塊之間聯(lián)系緊密，溢出效應(yīng)明顯，同時四大板塊在網(wǎng)絡(luò)中存在顯著的地區(qū)異質(zhì)性。（5）從QAP分析結(jié)果來看，地理位置是否相鄰對關(guān)聯(lián)關(guān)系的建立有著顯著影響；經(jīng)濟(jì)發(fā)展水平差異和城鎮(zhèn)化水平差異的擴(kuò)大對數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)的形成起到了促進(jìn)作用；產(chǎn)業(yè)結(jié)構(gòu)差異、受教育程度差異以及人口老齡化程度差異與空間關(guān)聯(lián)網(wǎng)絡(luò)形成呈現(xiàn)負(fù)相關(guān)關(guān)系，差異越大的省份越不利于數(shù)字金融空間關(guān)聯(lián)網(wǎng)絡(luò)的形成。