中国九大城市群数字普惠金融发展的时空差异及动态演进.docxVIP

中国九大城市群数字普惠金融发展的时空差异及动态演进 张德钢 朱旭森 [摘 要]采用Dagum 基尼系数、核密度非参数估计和收敛模型揭示九大城市群数字普惠金融发展的区域差异、分布动态及收敛机制。研究发现：九大城市群数字普惠金融发展差异呈下降趋势，城市群间差异是导致数字普惠金融发展差异的主要来源。其中，珠三角城市群数字普惠金融整体发展水平最高，城市群内差异最小，同其他城市群整体差异最大。九大城市群数字普惠金融发展具有显著的σ收敛特征，也存在绝对β收敛和条件β收敛，但各城市群收敛速度不相同，经济发展相对落后的城市群数字普惠金融发展收敛速度更快。研究对推动城市群数字普惠金融协同发展，促进金融服务均等化具有重要意义。 [关键词]城市群;数字普惠金融;时空演进 [中图分类号]F832;F299.2[文献标识码]A[文章编号]1673-0461（2020）12-0088-09 一、引 言 深度融合通讯技术与电子商务的数字普惠金融，可以克服传统金融对物理网点的依赖，具有更大的地理穿透力和低成本优势，能夠显著扩大普惠金融服务范围并提升服务效率，得到了中国政府的高度重视。国务院于20XX年底印发的《推进普惠金融发展规划（20XX—2020年）》明确提出要积极借助互联网等现代信息技术手段拓展普惠金融服务广度和深度。20XX年杭州 G20 峰会，中国政府积极推动并参与制定《G20数字普惠金融高级原则》，进一步明确了数字普惠金融的发展方向。当前，中国的数字普惠金融发展已经走在了世界前列[1-3]，而数字普惠金融在中国得以快速发展的一个重要原因在于城市群的崛起。城市群作为中国区域经济最具活力和潜力的核心地区，城市群内部以及城市群之间人口、资金、技术、信息等生产要素的巨大流动需求，为数字普惠金融发展提供了重要平台[4]。目前，中国已经形成了珠三角城市群、长三角城市群、京津冀城市群、中原城市群、长江中游城市群、北部湾城市群、哈长城市群、成渝城市群、关中城市群等九大代表性城市群。在此背景下本文提出如下研究问题，九大城市群数字普惠金融发展的空间差异如何？动态演进趋势如何？是否存在收敛机制？科学回答这些问题对实现城市群数字普惠金融协同发展，促进金融服务均等化具有重要意义。 现有关于中国普惠金融发展差异及演进动态的文献主要集中在传统普惠金融领域。一类文献采用泰尔指数或基尼系数测度中国普惠金融发展差异并按照子群进行分解。例如，林春等在构建中国省际普惠金融指标体系测度普惠金融发展的基础上，采用基尼系数考察普惠金融发展差异，并从东中西三大区域和八大综合经济区层面对差异进行分解[5]。沈丽等在编制中国省际普惠金融指数的基础上采用Dagum基尼系数考察中国普惠金融的区域差异，并从东中西三大区域对差异进行分解[6]。王雪和何广文从县域层面构建普惠金融发展指数，进而利用泰尔指数刻画中国县域普惠金融的发展差异，并从省际层面对差异进行分解[7]。另一类文献采用σ收敛、β收敛、俱乐部收敛、核密度非参数估计等方法考察普惠金融发展的收敛机制和分布动态。例如，孙英杰和林春分析了中国普惠金融的绝对β收敛、条件β收敛和俱乐部收敛机制[8]。胡宗义等采用变异系数和核密度非参数估计方法分析了中国普惠金融发展的动态演进趋势[9]。 受限于金融服务数据的可获得性，前述相关文献构建的普惠金融发展指标所包含的金融服务往往集中在传统金融领域，无法体现互联网背景下金融服务变革的客观现实。北京大学发布的20XX—20XX年中国数字普惠金融指数专注于从创新性数字金融的角度衡量数字普惠金融的发展，是对现有聚焦传统普惠金融的相关指标体系和指数的一个拓展，已广泛用于学术研究，但现有文献主要集中在数字普惠金融发展产生的经济社会影响效应上。例如，数字普惠金融对农村金融需求的影响效应[10]，对居民消费的影响[11]，对包容性增长的影响效应[12]，对创新创业的影响[13]。虽然，梁榜和张建华利用该指数考察了中国数字普惠金融的空间聚集和收敛特征[14]，但未能揭示出中国数字普惠金融在不同城市群的发展差异及动态演进特征。正如前文所述，城市群作为中国区域经济最具活力和潜力的核心地区，是支撑数字金融普惠发展的重要平台，揭示城市群数字普惠金融发展时空演变规律、探寻城市群数字普惠金融协同发展路径不仅有利于推动城市群数字普惠金融协同发展，也有利于金融服务均等化，进而促进区域经济均衡发展。 为拓展现有相关研究，本文基于北京大学发布的20XX—20XX年中国数字普惠金融指数，首先，采用Dagum基尼系数方法对中国九大城市群数字普惠金融发展的空间差异进行测算并予以分解，以揭示城市群数字普惠金融发展的空间差异大小及其来源。其次，采用核密度非参数估计、σ收敛和β收敛方法对九大