基于地理探測器的中國金融網(wǎng)絡(luò)空間結(jié)構(gòu)特征及影響因素研究

楊 雨， 宋福鐵， 張 杰

（1.華東理工大學(xué)商學(xué)院，上海 200237；2.華東師范大學(xué)中國行政區(qū)劃研究中心，上海 200241）

經(jīng)過改革開放，中國金融業(yè)得到快速發(fā)展，截至2021年末，中國金融業(yè)機構(gòu)總資產(chǎn)達381.95×1012元，超過當年中國內(nèi)生產(chǎn)總值（GDP）的3倍。金融機構(gòu)之間密切的交互往來使得金融網(wǎng)絡(luò)成為金融運行的主要形式［1］，金融資源分布的不均衡性會阻礙區(qū)域金融均衡發(fā)展［2］。金融均衡發(fā)展是指區(qū)域內(nèi)金融活動相互滲透［3］，金融資源更易于突破地理限制，在網(wǎng)絡(luò)外部性的作用下影響到其他城市［4］。在中國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035 年遠景目標綱要中提出，要深化金融供給側(cè)結(jié)構(gòu)性改革，構(gòu)建金融有效支持實體經(jīng)濟的體制機制。優(yōu)化區(qū)域經(jīng)濟布局，促進區(qū)域協(xié)調(diào)發(fā)展，這為從網(wǎng)絡(luò)視角下研究金融網(wǎng)絡(luò)空間結(jié)構(gòu)特征及其影響因素問題創(chuàng)造了條件。

相關(guān)的研究主要沿著2個脈絡(luò)展開。一是利用傳統(tǒng)網(wǎng)絡(luò)指標進行金融網(wǎng)絡(luò)空間結(jié)構(gòu)的研究。目前，國內(nèi)大量文獻集中在金融網(wǎng)絡(luò)的空間結(jié)構(gòu)演化及其影響因素方面［5-8］，已有研究主要通過構(gòu)建計量模型開展回歸分析來進行［9-10］。地理探測器是研究地理事物空間分異并解析導(dǎo)致該空間分異成因的空間統(tǒng)計學(xué)方法［11］，此方法克服了傳統(tǒng)方法在分析事物成因方面的局限性，在城鎮(zhèn)化、人口空間分布等地理現(xiàn)象研究中得到廣泛應(yīng)用［12］，但該模型尚未在金融業(yè)空間結(jié)構(gòu)形成機理研究中得以廣泛采用。二是關(guān)于影響金融網(wǎng)絡(luò)演化的因素方面，部分學(xué)者以銀行業(yè)的區(qū)位選擇為切入點進行研究［13-15］。近年來以證券業(yè)、養(yǎng)老金、風險投資行業(yè)為研究對象的研究越來越多［16-18］，目前研究多從單一行業(yè)的角度展開分析，缺乏從多行業(yè)角度進行系統(tǒng)性地實證分析。另有學(xué)者從地區(qū)角度將全國劃分為東部、中部和西部地區(qū)分析金融網(wǎng)絡(luò)發(fā)育的異質(zhì)性［19-20］，但是僅從地區(qū)角度分析異質(zhì)性未免略顯單一。

基于以上考慮，本文在以下幾個方面做了改進：（1）利用銀行、保險、證券、基金及期貨等多行業(yè)關(guān)系數(shù)據(jù)構(gòu)建金融網(wǎng)絡(luò)，運用社會網(wǎng)絡(luò)分析方法測度金融網(wǎng)絡(luò)，克服僅從單一行業(yè)角度展開分析的不足；（2）在實證部分綜合利用多種指標探討影響金融網(wǎng)絡(luò)空間結(jié)構(gòu)特征的因素，除了從地區(qū)角度分析異質(zhì)性，還從金融地位角度分析影響金融網(wǎng)絡(luò)空間結(jié)構(gòu)形成的因素的不同；（3）運用地理探測器模型研究金融網(wǎng)絡(luò)空間分異現(xiàn)象并解析導(dǎo)致該空間分異的成因，克服傳統(tǒng)方法在分析事物成因方面的局限性。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

本文的銀行和保險公司名單來源于中國銀行保險監(jiān)督管理委員會網(wǎng)站；證券公司、基金公司和期貨公司名單來源于中國證券監(jiān)督管理委員會網(wǎng)站；金融機構(gòu)總部分支機構(gòu)數(shù)據(jù)來源于啟信寶網(wǎng)站；其余城市屬性數(shù)據(jù)主要來源于《中國城市統(tǒng)計年鑒》，地級市統(tǒng)計局以及國民經(jīng)濟和社會發(fā)展統(tǒng)計公報。

1.2 金融網(wǎng)絡(luò)的構(gòu)建

首先，基于金融企業(yè)總部分支機構(gòu)數(shù)據(jù)，運用隸屬聯(lián)系模型構(gòu)建金融網(wǎng)絡(luò)。具體的，以中國291個地級市為研究單元，根據(jù)中國銀行保險監(jiān)督管理委員會網(wǎng)站提供的2020 年銀行和保險公司名單和中國證券監(jiān)督管理委員會網(wǎng)站提供的2020 年證券公司、基金公司和期貨公司名單選取836 家金融企業(yè)（192 家銀行、219 家保險公司、141 家證券公司、148家期貨公司和136家公募基金公司），利用Python軟件通過網(wǎng)絡(luò)爬蟲技術(shù)在啟信寶網(wǎng)站批量獲取金融企業(yè)分支機構(gòu)數(shù)據(jù)，共158827 條數(shù)據(jù)，具體包含分支機構(gòu)的企業(yè)名稱、注冊地址、成立時間等信息。然后，綜合考慮分支機構(gòu)級別和數(shù)量2 個因素的影響構(gòu)建金融網(wǎng)絡(luò)。假設(shè)金融企業(yè)s的總部設(shè)在城市i，那么城市i和城市j之間的金融聯(lián)系aij,s取決于金融企業(yè)s在城市j設(shè)立的分支機構(gòu)的等級，若為總部則賦值為4，省級分支賦值為3，市級分支賦值為2，其他級別分支及營業(yè)部賦值為1，無分支機構(gòu)賦值為0。最后，基于金融企業(yè)總部及其分支機構(gòu)的成立時間，建立起2010—2020年的城市網(wǎng)絡(luò)關(guān)系矩陣（291 城市×291 城市），矩陣中的數(shù)值代表對應(yīng)城市間金融聯(lián)系的強度。

1.3 金融網(wǎng)絡(luò)的測度

通常，節(jié)點中心度刻畫某一節(jié)點與其他節(jié)點之間的連通性，是測度節(jié)點在整體網(wǎng)絡(luò)結(jié)構(gòu)中重要程度的方法［21］。本文選取度數(shù)中心度和特征向量中心度來反映城市在金融網(wǎng)絡(luò)中的鏈接規(guī)模。

1.3.1 度數(shù)中心度度數(shù)中心度測度城市節(jié)點的鏈接規(guī)模，該方法假設(shè)城市發(fā)出或接收關(guān)系的數(shù)量越多則中心性越強，計算公式如下：

式中：Degreei為城市i的度數(shù)中心度；aij為城市i向城市j發(fā)出的金融聯(lián)系；aji為城市i接收來自城市j的金融聯(lián)系，aij≠aji；n為網(wǎng)絡(luò)中與城市i存在金融聯(lián)系的節(jié)點個數(shù)。

1.3.2 特征向量中心度特征向量中心度通過遞歸方法來搜尋網(wǎng)絡(luò)中聯(lián)系最緊密的城市，一個節(jié)點的中心性是相鄰節(jié)點中心性的函數(shù)。特征向量中心度取決于與其產(chǎn)生直接聯(lián)系節(jié)點數(shù)量以及與其相關(guān)聯(lián)節(jié)點的特征向量中心度［22］。城市i的特征向量中心度（Eigeni）定義為：

式中：Eigenj為城市j的特征向量中心度。式（2）可以生成一個遞歸方程λV=A×V，A為城市鄰接矩陣；V為第t年所有城市的特征向量中心度構(gòu)成的n×1向量。通過求解當特征值為1 時矩陣A的特征向量（V*），便可得出測度所有城市的特征向量中心度。

1.4 計量方法

本文利用地理探測器模型中的因子探測模型和因子交互探測模型對影響金融網(wǎng)絡(luò)空間結(jié)構(gòu)演化的因素進行識別，其計算公式為：

式中：L為解釋因子或者被解釋因子的分類，h=1,2,…,L；N為樣本總量；Nh為第h層的樣本量；σ2為樣本方差；σ2h為第h層的樣本方差；SSW和SST 分別為層內(nèi)方差和全域總方差；q取值位于［0,1］，取值越接近于1，說明該解釋因子對金融網(wǎng)絡(luò)空間結(jié)構(gòu)特征形成的影響越大。

因子交互探測可以識別不同影響因子Xi間的交互作用，即評估解釋變量X1和X2共同作用時是否會加強或削弱對金融網(wǎng)絡(luò)空間結(jié)構(gòu)特征形成的解釋力或這些解釋變量對金融網(wǎng)絡(luò)空間結(jié)構(gòu)特征形成的影響是否相互獨立。

1.5 指標體系構(gòu)建

被解釋變量為2010、2015 年和2020 年金融網(wǎng)絡(luò)關(guān)系矩陣，城市間金融聯(lián)系取決于城市對企業(yè)總部分支機構(gòu)的吸引力，即金融網(wǎng)絡(luò)是企業(yè)總部和分支區(qū)位選擇行為的表現(xiàn)形式，影響企業(yè)區(qū)位選擇的因素也會決定金融網(wǎng)絡(luò)的演化。據(jù)此，Amiti等構(gòu)建的新經(jīng)濟地理模型為本文提供了理論基礎(chǔ)［23］，故選擇以下解釋變量（表1）：

表1 金融網(wǎng)絡(luò)空間結(jié)構(gòu)影響因素指標Tab.1 Indicators of influencing factors of financial network spatial structure

（1）市場潛力。市場潛力越大意味著企業(yè)面臨的市場需求越大，更大的市場意味著能夠獲得更高的利潤。國內(nèi)市場潛力指標（MPi）構(gòu)建如下［24］：，其中Hi為城市i的規(guī)模，為城市i和城市j之間的地理距離，通過使用Matlab軟件根據(jù)經(jīng)緯度計算得到。人口越密集的城市對金融服務(wù)的需求越高，因此本文選擇全市人口數(shù)量表示城市規(guī)模，國內(nèi)市場潛力指標表示為以人口數(shù)量表示的市場潛力指標。企業(yè)部門是金融市場上重要的資金供給方和需求方，因此用規(guī)模以上工業(yè)企業(yè)數(shù)量表示來自企業(yè)部門的金融服務(wù)需求。對外開放程度越高，來自國外的金融服務(wù)需求也越高［25］，本文選擇當年實際利用外資金額反映國外需求。

（2）關(guān)鍵資源。資源越豐富的城市更能吸引金融企業(yè)入駐。相關(guān)研究表明，接近政治中心能夠獲得更多的政策信息［26］，截至2020 年，約有25%的樣本金融企業(yè)總部分布在省會城市和直轄市，說明政府支持的作用不容忽視。金融業(yè)作為高端服務(wù)業(yè)對人才的需求更高，有研究表明金融素養(yǎng)的提高對家庭貸款獲取方面有促進作用［27］，更多的知識資本能夠提高生產(chǎn)效率。因此，本文選取全市科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)從業(yè)人員數(shù)量和政府財政支出衡量城市關(guān)鍵資源。

（3）區(qū)位條件。金融企業(yè)在擴張的過程中，地理鄰近性是首先要考慮的因素之一。由于受到貿(mào)易壁壘和高運輸成本的影響，企業(yè)更傾向于從本地獲得中間品投入［23］。城市基礎(chǔ)設(shè)施越完善、交通越便利以及區(qū)位可達性越高則運輸成本越低，信息和通信技術(shù)水平的提高能夠降低信息不對稱，移動電話的使用能夠通過使得被互聯(lián)網(wǎng)排除在外的人群獲得信息和通訊方面的服務(wù)來提升金融服務(wù)效率，進而降低交易成本。因此，選取全市年末實有道路面積和全市年末移動電話用戶數(shù)量衡量城市的區(qū)位條件。

（4）經(jīng)營成本。企業(yè)在進行選址時，生產(chǎn)成本也是需要重點考慮的因素，企業(yè)經(jīng)營的目標是實現(xiàn)利潤最大化，生產(chǎn)成本越低則利潤越高。因此，本文選取全市職工平均工資作為經(jīng)營成本的代理指標。

2 結(jié)果與分析

2.1 金融網(wǎng)絡(luò)空間結(jié)構(gòu)特征

2.1.1 “核心-邊緣”結(jié)構(gòu)特征金融網(wǎng)絡(luò)呈現(xiàn)“核心-邊緣”結(jié)構(gòu)特征。東部地區(qū)城市在金融網(wǎng)絡(luò)資源配置中發(fā)揮著主要作用，形成以北京市、上海市和深圳市為核心城市，其他城市為邊緣城市的“核心-邊緣”格局。在2010 年和2020 年分別有118 家和156家總部分布在北京市，141家和199家總部分布在上海市，63家和100家總部分布在深圳市（圖1、表2）。在新冠疫情沖擊情況下，北京市、上海市和深圳市依托開放的市場環(huán)境、完善的現(xiàn)代服務(wù)業(yè)基礎(chǔ)以及政治中心優(yōu)勢等始終是金融企業(yè)總部選址的首選地。入度反映城市吸引金融資源的能力，入度強度呈現(xiàn)出多核心的格局。由表3 可知，盡管北京市、上海市和重慶市是吸引分支機構(gòu)最多的城市，但是分支機構(gòu)數(shù)量大于500 的城市遍布各城市群。本文借助Ucinet 軟件根據(jù)2020 年金融網(wǎng)絡(luò)將城市分為核心城市和邊緣城市［28］，并識別出北京市、廣州市、杭州市等52 個核心地位城市，鞍山市、濱州市、佛山市等239個邊緣地位城市，多數(shù)核心城市屬于東部地區(qū)。然而，金融網(wǎng)絡(luò)的空間異質(zhì)性程度在下降。從統(tǒng)計值分布來看，2010年度數(shù)中心度的城市首位度、10城市指數(shù)和赫芬達爾指標分別為38.46%、56.29%和0.16，2020年城市首位度、10城市指數(shù)和赫芬達爾指標分別為29.63%、51.67%和0.10，出度強度的上述3 個指標分別由2010 年的74.04%、93.91%和0.56 演變?yōu)?020 年的56.41%、85.97%和0.34，入度強度的上述3 個指標分別由2010 年的3.35%、19.44%和0.008 演變?yōu)?020 年的2.99%、18.49%和0.007，表明金融網(wǎng)絡(luò)集中且緩慢下降的趨勢。通過核密度圖（圖2）可知，與2010 年相比，2020年度數(shù)中心度和特征向量中心度的核密度曲線由“高聳”向“扁平”演化，2010年特征向量中心度的偏度和峰度分別為4.14 和23.12，2020 年分別為2.45 和9.45，也說明金融網(wǎng)絡(luò)集中且緩慢下降的趨勢。

圖1 金融網(wǎng)絡(luò)的空間演變（金融聯(lián)系大于50）Fig.1 Spatial evolution of financial network(financial links above 50)

圖2 度數(shù)中心度和特征向量中心度的核密度分布Fig.2 Kernel density distributions of degree centrality and eigenvector centrality

表2 2010年和2020年總部地理集中度Tab.2 Geographical concentration of headquarters in 2010 and 2020

表3 2010年和2020年分支機構(gòu)地理集中度Tab.3 Geographical concentration of branches in 2010 and 2020

2.1.2 空間指向性特征中西部地區(qū)和邊緣地位城市的金融網(wǎng)絡(luò)發(fā)育依賴于東部地區(qū)和核心地位城市的輻射帶動，東部地區(qū)和核心地位的城市對域外城市充分地發(fā)揮了“涓滴效應(yīng)”。東部地區(qū)和核心地位的總部城市不僅在其城市腹地范圍內(nèi)進行擴張，向域外城市擴張已成為重要形式。截至2020年，東部地區(qū)城市接收域內(nèi)城市的入度值為106804，占東部地區(qū)入度值總和的96.17%。中西部地區(qū)城市接收域外城市的入度值為83183，占中西部地區(qū)入度值總和的86.58%。從金融地位來看，核心地位城市接收域內(nèi)城市的入度值為90358，占核心地位城市入度值總和的98.66%；邊緣地位城市接收域外城市的入度值總和為109686，占邊緣地位城市入度值總和高達94.93%。從不同地區(qū)來看，為了消減地區(qū)規(guī)模不同導(dǎo)致的差異，用地區(qū)內(nèi)城市度數(shù)中心度均值衡量不同地區(qū)金融網(wǎng)絡(luò)。東部地區(qū)城市度數(shù)中心度均值顯著大于中西部地區(qū)城市，核心地位城市度數(shù)中心度均值顯著大于邊緣地位城市。由于東部地區(qū)經(jīng)濟發(fā)展水平高、基礎(chǔ)設(shè)施完善、營商環(huán)境等條件比較好，從而吸引了大量的金融企業(yè)總部聚集。

2.2 影響因素計量分析

2.2.1 金融網(wǎng)絡(luò)空間結(jié)構(gòu)的因子探測因子探測分析不同因子對金融網(wǎng)絡(luò)空間結(jié)構(gòu)的解釋力，首先根據(jù)自然間斷點分級法將解釋因子分為5 類，各解釋因子的類別空間分布見圖3，因子探測結(jié)果見表4。從全國來看，2010 年科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)從業(yè)人員數(shù)量、政府財政支出和職工平均工資是影響金融網(wǎng)絡(luò)空間結(jié)構(gòu)的主要因素，表明城市關(guān)鍵資源和經(jīng)營成本在一定程度上推動金融產(chǎn)業(yè)的發(fā)展，金融業(yè)作為高端生產(chǎn)性服務(wù)業(yè)對人才的要求更高。此外，其他影響因子如人口數(shù)量、規(guī)模以上工業(yè)企業(yè)數(shù)量、當年實際利用外資金額、年末移動電話用戶數(shù)量和年末實有道路面積也在推動著金融網(wǎng)絡(luò)空間結(jié)構(gòu)的形成。到2020 年，科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)從業(yè)人員數(shù)量和政府財政支出仍然是重要的影響因素，市場潛力和區(qū)位條件對金融網(wǎng)絡(luò)空間結(jié)構(gòu)形成的推動作用日益增強。

圖3 地理探測因子類別化空間分布Fig.3 Spatial distributions of classified geographic detection factors

表4 影響因子地理探測結(jié)果Tab.4 Geographical detection results of impact factors

從東部地區(qū)和核心地位來看，2010年各影響因子對金融網(wǎng)絡(luò)空間結(jié)構(gòu)形成的推動作用和全國基本保持相同趨勢，城市關(guān)鍵資源和經(jīng)營成本仍起著主要推動作用。到2020年，城市關(guān)鍵資源和經(jīng)營成本仍然是重要的影響因素，市場潛力和區(qū)位條件對東部地區(qū)金融網(wǎng)絡(luò)空間結(jié)構(gòu)形成的推動作用日益增強。中西部和邊緣地位金融網(wǎng)絡(luò)的發(fā)育依賴東部和核心地位城市的輻射帶動，核心地位和東部地區(qū)城市主導(dǎo)全國金融網(wǎng)絡(luò)空間結(jié)構(gòu)的形成。

從中西部地區(qū)和邊緣地位來看，2010年科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)從業(yè)人員數(shù)量、人口數(shù)量和年末移動電話用戶數(shù)量是推動金融網(wǎng)絡(luò)空間結(jié)構(gòu)形成的主要因素，表明伴隨著人才隊伍的建設(shè)、信息通訊水平的提升，關(guān)鍵資源和區(qū)位條件發(fā)揮著重要推動作用。相對來說，由于中西部地區(qū)工資水平較低的原因，導(dǎo)致職工平均工資所起的作用較弱。到2020年，年末移動電話用戶數(shù)量和年末實有道路面積成為主要推動因素，其他影響因素的作用均有所提高。與東部和核心地位相比，推動中西部和邊緣地區(qū)金融網(wǎng)絡(luò)空間結(jié)構(gòu)形成的影響因素更加多元化。

2.2.2 金融網(wǎng)絡(luò)空間結(jié)構(gòu)影響因子交互探測本文將8 個因子進行兩兩交互探測（表5、表6 和表7）。因子交互探測模型結(jié)果顯示，不同影響因子兩兩交互作用主要呈現(xiàn)出雙因子增強和非線性增強。

表5 2010年影響因子交互探測結(jié)果Tab.5 Interactive detection results of impact factors in 2010

表6 2015年影響因子交互探測結(jié)果Tab.6 Interactive detection results of impact factors in 2015

表7 2020年影響因子交互探測結(jié)果Tab.7 Interactive detection results of impact factors in 2020

在2010年，政府財政支出與其他影響因子的交互作用對金融網(wǎng)絡(luò)空間結(jié)構(gòu)形成的強化作用最顯著。政府財政支出與規(guī)模以上工業(yè)企業(yè)數(shù)量的交互作用為0.994，政府財政支出與當年實際利用外資金額的交互作用為0.995，與其他影響因子的交互作用最低為0.687。其次，科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)從業(yè)人員數(shù)量與其他影響因子的交互作用也非常顯著?？茖W(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)從業(yè)人員數(shù)量與規(guī)模以上工業(yè)企業(yè)數(shù)量的交互作用為0.994，科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)從業(yè)人員數(shù)量與當年實際利用外資金額的交互作用也為0.994，與其他影響因子的交互作用分別高達0.686左右。最后，其他影響子之間的交互作用也在不同程度上強化了金融網(wǎng)絡(luò)空間結(jié)構(gòu)的形成。

2020 年，影響因子之間的交互作用更加均衡。關(guān)鍵資源與其他影響因子的交互作用最為明顯，其中科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)從業(yè)人員數(shù)量與其他影響因子的交互作用對金融網(wǎng)絡(luò)空間結(jié)構(gòu)形成的作用最為顯著，交互作用最小為0.969，政府財政支出與其他影響因子的交互作用也達到了0.721 以上。其他方面，表征市場潛力、區(qū)位條件和經(jīng)營成本的因子和其他影響因子的交互作用都強化了金融網(wǎng)絡(luò)空間結(jié)構(gòu)的形成。

2.3 金融網(wǎng)絡(luò)空間結(jié)構(gòu)形成機理

結(jié)合分析結(jié)果，本文嘗試提出金融網(wǎng)絡(luò)空間結(jié)構(gòu)形成機理的框架圖，以便更清晰地說明金融網(wǎng)絡(luò)空間結(jié)構(gòu)的形成過程（圖4），金融網(wǎng)絡(luò)空間結(jié)構(gòu)的形成取決于擇優(yōu)選擇機制、路徑依賴機制和網(wǎng)絡(luò)鄰近機制3種動力機制。

圖4 金融網(wǎng)絡(luò)空間結(jié)構(gòu)形成機制Fig.4 Formation mechanism of spatial structure of financial network

（1）擇優(yōu)選擇機制。由于城市關(guān)鍵資源分布的非均衡性，導(dǎo)致企業(yè)在總部和分支機構(gòu)選址方面的異質(zhì)性。2010—2020年，因子探測模型和因子交互探測模型結(jié)果均表明關(guān)鍵資源是影響金融網(wǎng)絡(luò)空間結(jié)構(gòu)形成的最重要因素。市場潛力、區(qū)位條件以及經(jīng)營成本等影響著金融企業(yè)分支機構(gòu)的地址選擇，導(dǎo)致推動中西部和邊緣地位金融網(wǎng)絡(luò)空間結(jié)構(gòu)形成的影響因素更加多元化。擇優(yōu)選擇決定了金融網(wǎng)絡(luò)的空間指向性，使得東部地區(qū)和核心地位城市成為金融企業(yè)布局的首選地，由此形成中西部和邊緣地位金融網(wǎng)絡(luò)依賴于東部和核心地位城市輻射帶動的格局，這與盛科榮等［24］研究一致。

（2）路徑依賴機制。當金融企業(yè)選擇在某一城市布局，規(guī)模經(jīng)濟開始發(fā)揮作用。規(guī)模經(jīng)濟使得人才市場更成熟、客戶群體更穩(wěn)定，這些優(yōu)勢吸引更多類似企業(yè)入駐。歷史上形成的金融網(wǎng)絡(luò)格局深刻影響著金融網(wǎng)絡(luò)未來發(fā)展方向，最終演化成“核心-邊緣”結(jié)構(gòu)特征，導(dǎo)致全國金融中心（北京、上海、深圳等）的出現(xiàn)。因此，路徑依賴是金融網(wǎng)絡(luò)空間結(jié)構(gòu)形成的第二動力，決定了“核心-邊緣”特征。

（3）網(wǎng)絡(luò)鄰近機制。交易成本是影響金融企業(yè)經(jīng)營的重要因素，交通和通訊技術(shù)的發(fā)展能夠降低交易成本。2010—2020年，年末移動電話用戶數(shù)量與其他影響因素的交互作用對金融網(wǎng)絡(luò)空間結(jié)構(gòu)形成的強化作用非常顯著，其他影響因素之間的交互作用更加均衡，說明在“流動空間”環(huán)境下，金融網(wǎng)絡(luò)為城市間資源流動提供了重要途徑。城市間金融聯(lián)系強度越大，網(wǎng)絡(luò)可達性更高的城市利用網(wǎng)絡(luò)資源的能力越強，本文研究進一步豐富了“流動空間”理論。擇優(yōu)選擇、路徑依賴、網(wǎng)絡(luò)鄰近機制影響金融網(wǎng)絡(luò)空間結(jié)構(gòu)的形成。

3 結(jié)論與建議

3.1 結(jié)論

與前人從單一行業(yè)進行研究不同，本文從多行業(yè)角度對中國金融網(wǎng)絡(luò)空間結(jié)構(gòu)進行研究。與運用傳統(tǒng)計量方法不同，本文首次將地理探測器模型運用到金融網(wǎng)絡(luò)研究中，探討影響金融網(wǎng)絡(luò)空間結(jié)構(gòu)形成的因素，結(jié)論如下：

（1）中國金融網(wǎng)絡(luò)呈現(xiàn)出層級分化的“核心-邊緣”結(jié)構(gòu)。不同區(qū)域網(wǎng)絡(luò)發(fā)育狀況存在差異性。核心城市主要分布在東部地區(qū)，邊緣城市主要分布在中西部地區(qū)，中西部和邊緣地區(qū)城市金融網(wǎng)絡(luò)主要依賴于東部和核心地區(qū)城市的輻射帶動，使得金融網(wǎng)絡(luò)呈現(xiàn)出空間指向性特征，并且金融網(wǎng)絡(luò)空間分異程度在縮小。

（2）與僅從區(qū)位角度分析異質(zhì)性不同，本文還從網(wǎng)絡(luò)地位角度分析異質(zhì)性。不同區(qū)域影響金融網(wǎng)絡(luò)發(fā)育的因子有所不同，這與不同區(qū)域市場潛力、關(guān)鍵資源、區(qū)位條件和經(jīng)營成本等不同緊密相關(guān)?？茖W(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)從業(yè)人員數(shù)量、政府財政支出一直起著重要的推動作用，人口數(shù)量、年末移動電話用戶數(shù)量等因子的影響作用逐漸提升，職工平均工資的作用在減弱。此外，影響中西部和邊緣地位金融網(wǎng)絡(luò)發(fā)育的因素更加多元化。

（3）因子交互探測模型結(jié)果顯示，影響因素兩兩交互作用主要表現(xiàn)為雙因子增強和非線性增強，不存在減弱或者獨立關(guān)系。2010 年，科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)從業(yè)人員數(shù)量、年末移動電話用戶數(shù)量與其他影響因素的交互作用對金融網(wǎng)絡(luò)空間結(jié)構(gòu)形成的強化作用最為顯著。2020年，影響因素之間的交互作用變得更加均衡。

3.2 建議

本文的對策建議：一是城市之間需要在更大尺度上推動金融合作，進一步加大超越本地聯(lián)系的金融網(wǎng)絡(luò)的建設(shè)，在更大空間尺度上優(yōu)化資源配置并利用網(wǎng)絡(luò)外部性的影響促進網(wǎng)絡(luò)資源流動以充分發(fā)揮城市對金融企業(yè)的吸引力。二是注意空間非均衡結(jié)構(gòu)問題，高度重視中西部地區(qū)城市的協(xié)調(diào)發(fā)展問題。東部地區(qū)和核心地區(qū)總部城市向區(qū)域外城市進行擴張已成為重要形式，因此需要進一步發(fā)揮這些城市的“涓滴效應(yīng)”，只有加強全國城市在金融領(lǐng)域的合作，才能促成金融支持實體經(jīng)濟發(fā)展的新格局，促進區(qū)域金融均衡發(fā)展。