EN中文

地理研究 >

2024 , Vol. 43 >Issue 3: 621 - 639

DOI: https://doi.org/10.11821/dlyj020230426

中国城市群数字普惠金融演化特征及其对高质量发展的效应分析

  • 张国俊 , 1, 2 ,
  • 梁真源 1 ,
  • 吴宗书 , 3
展开
  • 1.广东财经大学金融学院，广州 510320
  • 2.广东财经大学乡村振兴研究院，广州 510320
  • 3.海南师范大学经济与管理学院，海口 571158
吴宗书（1983-），男，海南万宁人，博士，讲师，主要研究方向为金融理论与实践。 E-mail:

张国俊（1977-），女，湖北公安人，博士，副教授，硕士生导师，主要研究方向为经济地理、区域发展与城乡规划。E-mail:

收稿日期: 2023-06-06

  录用日期: 2023-11-06

  网络出版日期: 2024-03-07

基金资助

国家自然科学基金项目(42171188)

广东省自然科学基金项目(2022A1515010992)

收起

The evolution characteristics of digital financial inclusion in Chinese urban agglomerations and its effects on high-quality development

  • ZHANG Guojun , 1, 2 ,
  • LIANG Zhenyuan 1 ,
  • WU Zongshu , 3
Expand
  • 1. School of Finance, Guangdong University of Finance and Economics, Guangzhou 510320, China
  • 2. Rural Revitalization Research Institute, Guangdong University of Finance and Economics, Guangzhou 510320, China
  • 3. School of Economics and Management, Hainan Normal University, Haikou 571158, Hainan, China

Received date: 2023-06-06

  Accepted date: 2023-11-06

  Online published: 2024-03-07

Fold

摘要

本文在探讨数字普惠金融与高质量发展的理论关系基础上，利用Dagum基尼系数、空间自相关、空间杜宾模型对2011—2021年中国20个城市群数字普惠金融发展时空演化特征及其对高质量发展的效应进行了分析，研究发现：① 从总体发展水平看，中国城市群数字普惠金融发展水平呈上升趋势，且发展差异逐渐缩小；从城市群空间组织格局看，数字普惠金融发展水平呈现“国家级>区域性>地区性”城市群逐级递减态势；从群内差异看，国家级城市群群内差异最大，地区性城市群差异最小。② 中国城市群数字普惠金融具有空间集聚特征，集聚类型以HH、LL型为主，且空间分布与高质量发展格局具有相似性。③ 实证研究表明，数字普惠金融在城市群空间尺度下对高质量发展的正向效应显著，且直接效应大于间接效应；空间效应具有明显异质性，国家级城市群的效应高于其他城市群。因此，对数字普惠金融助力城市群高质量发展需因“群”施策，应针对不同层级城市群数字普惠金融发展提出相应策略以助力城市群引领中国经济高质量发展。

关键词： 数字普惠金融; 高质量发展; 空间杜宾模型; 城市群

本文引用格式

张国俊 , 梁真源 , 吴宗书 . 中国城市群数字普惠金融演化特征及其对高质量发展的效应分析[J]. 地理研究, 2024 , 43(3) : 621 -639 . DOI: 10.11821/dlyj020230426

Abstract

On the basis of exploring the theoretical relationship between digital financial inclusion and high-quality development, this paper uses the Dagum Gini coefficient, spatial autocorrelation, and spatial Durbin model to analyze the evolution characteristics of digital financial inclusion in 20 urban agglomerations of China from 2011 to 2021 and its impact on high-quality development. The effect of development was analyzed, and the research found that: (1) In terms of overall level, the development of digital financial inclusion in Chinese urban agglomerations shows an upward trend, and their disparities are gradually narrowing. From the perspective of the spatial organization pattern of urban agglomerations, the digital financial inclusion presents a decreasing trend from national-evel, regional-level, to local-level. In terms of intra-cluster differences, the national-level city clusters have the largest differences, while the local city clusters have the smallest. (2) The digital financial inclusion of urban agglomerations in China has the characteristics of spatial agglomeration, and the agglomeration types are mainly HH and LL types. This pattern of concentration is remarkably aligned with the spatial attributes associated with high-quality development. (3) The empirical findings reveal that in urban agglomerations, digital financial inclusion exerts a substantial positive influence on high-quality development, with its direct impact surpassing the indirect consequences. This direct impact reflects the immediate benefits of digital finance in enhancing economic activities and fostering growth. Moreover, there is a notable heterogeneity in the spatial effects of this phenomenon. Specifically, the influence on national-level urban agglomerations is more pronounced compared to other urban clusters. This disparity suggests that national-level urban areas, with their advanced infrastructure and greater economic dynamism, are better positioned to leverage the advantages of digital financial inclusion. This leads to a more significant and measurable enhancement in their development quality compared to other less developed urban agglomerations. Therefore, for digital financial inclusion to effectively contribute to the high-quality development of urban agglomerations, strategies need to be tailored to specific clusters. It is essential to develop targeted strategies for urban agglomerations at different levels to aid in leading China's economy towards high-quality development. This approach acknowledges the unique characteristics and needs of each urban agglomeration, ensuring that the development of digital financial inclusion is aligned with regional development goals, thereby fostering a more balanced and sustainable economic growth across the nation.

Key words： digital financial inclusion; high-quality development; spatial Durbin model; urban agglomeration

1 引言

伴随经济逆全球化趋势加重和新冠肺炎疫情的叠加冲击，百年未有之大变局下的世界经济陷入复苏困境。以人工智能为代表的新一代信息技术在疫情催化下加速了产业变革，全球迈进以信息产业为主导的“新经济”发展时期。金融作为现代经济的核心，在全球信息化进入全面渗透、跨界融合的新阶段，将其数字技术创新聚焦到普惠金融领域。数字普惠金融强调通过数字手段解决普惠金融“最后一公里”难题，让以往金融机构难以覆盖的区域或群体的金融需求得以满足，从而降低客户融资成本，增强金融供给的商业可持续性[1]。数字普惠金融借助数字移动终端和大数据分析不仅降低了获客成本，同时还提升了信用评估的可能性，更有利于金融“普惠”目标的实现[2]。在中国，伴随高质量发展及共同富裕的国家战略实施，2022年中央全面深化改革委员会第二十四次会议和《“十四五”国家信息化规划》均强调要增强数字普惠金融服务，这为全面推进数字普惠金融的中国方案指明了方向。
数字普惠金融是发展经济学、福利经济学等研究领域的重要议题，也是近年来新经济地理学研究的新兴领域之一。对数字普惠金融的研究源于20世纪90年代对普惠金融的探索。伴随数字技术的迅猛发展，对普惠金融的研究重点由关注因金融机构的地理“接触性”困难引发金融排斥而无法实现金融的普惠[3,4]，发展到注重对金融产品的“使用性”缺乏（如存款、贷款、保险等金融产品）导致的普惠障碍[5,6]，再到重视借助数字技术破解金融服务“最后一公里”问题，将“数字化程度”维度引入到数字普惠金融的综合测度中[7]。目前，对数字普惠金融的测度普遍利用综合指标从金融产品与服务“覆盖的广度”“使用的深度”和“数字化程度”三个维度来衡量数字普惠金融发展水平[7]。对数字普惠金融的影响研究主要从金融需求、金融供给和宏观经济环境等方面展开。金融需求影响因素主要表现为消费者的收入水平[8]、受教育程度[9]和人口年龄结构[10]等；金融供给影响因素体现在金融基础设施、金融部门结构、金融风险等方面[11,12]；宏观经济环境影响因素聚焦于人口密度、基础设施、法律环境等[9,13]。数字普惠金融的效应研究主要聚焦于对减贫[14]、区域创新能力[15]、产业结构升级[16]、居民消费[17]、就业[18]等方面的效应。对数字普惠金融的空间尺度研究主要集中在对农村[19]、城市[20]、省域内[21]或个别城市群[22,23]。
在数字普惠金融发展取得全球共识背景下，如何利用数字技术的便捷、高效、共享特征增强金融服务的可得性，兼顾效率与公平原则将金融产品与服务边界拓展至“长尾市场”[24]，对破解区域经济发展不平衡、不充分，助力高质量发展具有重要理论意义，当前已成为学界研究的热点议题。学者们以数字普惠金融对高质量发展的“过程机制”和“结果机制”为切入点进行了探讨[25]。数字普惠金融在畅通“双循环”新格局中通过移动支付方式提升了跨境贸易的便捷度，夯实了实体经济发展的外部环境；并利用大数据缓解消费者流动性约束、增强生产者融资能力以畅通微观经济主体供求双方的资金流、信息流，助力经济内循环高质量发展[26]。受“虹吸效应”影响，这种内循环效应具有较强的空间异质性，中部地区数字普惠金融对高质量发展的效应显著弱于东、西部地区[26]。这种空间异质特征在城市群尺度是否具有相似性?数字普惠金融在城市群空间尺度下是否具有集聚特征?是否对作为引领中国经济高质量发展核心引擎的城市群具有正向促进效应?这种效应在空间上是否存在异质性?从已有研究看，针对个别城市群或几大城市群的数字普惠金融发展水平的演变趋势及群间水平差异[20,22]以及对高质量发展的正向效应[27]分别进行了探索，但鲜有从全国城市群探讨其空间特征和利用实证从不同城市群层级视角来探讨空间异质性问题。城市群作为中国经济的核心增长极是国家区域发展战略的重要部署地域单元，大变局下，在中国经济迈进高质量发展阶段和构建新发展格局的关键时期，从城市群视角探讨这一议题有助于提炼城市群新金融模式与经济发展的“中国特色”与“地方特性”，为中国城市群在数字经济时代的相关金融与经济实践活动提供理论支撑。鉴于此，本文利用Dagum基尼系数法、空间自相关、空间杜宾模型等方法，对中国20个城市群数字普惠金融发展水平的时空演变特征及其对高质量空间异质性效应进行研究，以期增强数字经济时代下金融普惠赋能在不同层级城市群的效应，助力中国城市群引领中国经济高质量发展。

2 理论基础与研究假说

数字普惠金融作为普惠金融发展的新阶段，将数字技术融入金融服务，在互联网边际成本递减规律作用下，有效降低金融服务成本，有利于拓展对偏远地区的金融服务范围，缩小普惠金融的区际差异，促进实现公平与效率的统一，推进高质量发展。一是，数字普惠金融的发展有利于创新能力提升。一方面，通过激活金融对创新活动的供给以驱动城市创新[28]；另一方面，通过改善区域信贷资源配置、促进居民消费“质”与“量”的提高，并利用前后关联效应促进产业创新，从而提升区域创新能力[29]。同时，数字普惠金融在促进创新创业方面存在显著的空间异质性，对中西部落后地区比东部发达地区的效应更加显著[15]。二是，数字普惠金融有助于区域协调发展。借助数字技术拓展普惠金融的覆盖广度，增强偏远地区资金可获得性，同时提高资本、劳动等要素配置率以促进经济增长，缩小区际差异[30]。三是，数字普惠金融有助于绿色发展水平的提升。一方面，金融机构通过降低企业融资门槛，激励企业积极开展绿色产品研发、提高能源碳排放效率和环境能源全要素效率[31]，增强创新竞争力；另一方面，金融机构通过“普惠”和“精准”服务，利用政策引导机制发挥对信贷资金的精准流向，促进满足低排放、低能耗企业的融资需求，助力企业提升能源利用效率以达到减排效应[32]。四是，数字普惠金融的发展有利于开放市场的构建。数字普惠金融在新一代信息技术支持下凭借其高效的连通性满足资金需求方的场景迁移，有利于金融服务更加精准“普惠”，满足资金需求方“随手可得，随时可用”，进而形成更为开放的市场格局。同时，通过互联网线上与线下场景的融合发展，能进一步降低资金需求方获取金融服务的门槛和成本，拓展开放统一的市场规模。五是，数字普惠金融有助于共享发展。“普惠”重点关注解决金融公平正义问题。数字普惠金融通过降低金融服务门槛，缓解低收入群体面临的融资约束，有效促进代际流动和社会公平，有助于实现共享发展[33]。综上所述，数字普惠金融以低成本、高效率的特征将金融资源配置到经济发展的重点领域与薄弱环节，助力区域科技创新、城乡协调发展、生态文明建设、社会开放统一和全民共享发展。因此，本文提出如下假设：
假设1：数字普惠金融发展能有效促进高质量发展。
城市群金融集聚对经济增长具有显著的空间溢出效应[34]。在数字技术迅猛发展背景下，城市群内各生产要素加速流动，市场需求规模扩大为互联网金融拓展其服务的广度和深度创造了条件[35]。金融的区域经济发展引擎作用日益表现出多元化和创新化形态，通过影响城市协同化运行，逐渐成为推进城市群经济协调发展的重要流动性“关联力”[36]。已有研究表明，提升城市群金融发展水平对于区域经济协调发展至关重要[37]。较单个城市而言[38,39]，城市群因具有不断优化的产业结构、较强的对外开放程度、良好的资源禀赋和完善的公服设施有利于吸引金融资本集聚，其正向外部性能有效促进技术创新[40]和城市群协调发展[41]。然而，不同区域的金融发展水平、资源禀赋和产业形态在数字经济驱动下产生较大差别，数字普惠金融对产业结构升级的非线性效应差异显著，呈现“东-中-西”依次逐级增强现象[42]。产业集聚与技术创新在城市群空间尺度下对高质量发展的作用也具有明显差异[43]。普惠金融对绿色成果转化效率也存在空间异质性，对东部地区的影响远高于中西部地区[31]。由此，本文提出如下假设：
假设2：城市群数字普惠金融在不同空间层级下对高质量发展的效应具有空间异质性，且层级越高的城市群其空间效应越大。

3 指标构建和研究方法

3.1 研究区域概况

城市群作为中国经济的核心增长极，是促进资源优化配置、实现产业转型升级、推动经济增长、加强信息共享、提升科技进步、优化生态环境等方面的重要空间载体，已成为推进中国经济高质量发展的重要引擎[44]。本文借鉴已有研究对中国城市群空间组织格局的划分[45]，以中国20个城市群为研究对象，将其划分为3个层级，包括5个国家级城市群、9个区域性城市群和6个地区性城市群（表1）。
表1 城市群空间组织格局分类

Tab. 1 The classification of spatial organization pattern in urban agglomerations

城市群数量（个） 城市群名称
国家级城市群 5 京津冀城市群、珠三角城市群、长三角城市群、长江中游城市群、成渝城市群
区域性城市群
 9
 山东半岛城市群、海峡西岸城市群、辽中南城市群、关中平原城市群、中原城市群、江淮城市群、哈长城市群、广西北部湾城市群、天山北坡城市群
地区性城市群
 6
 滇中城市群、兰西城市群、呼包鄂榆城市群、黔中城市群、宁夏沿黄城市群、晋
中城市群

3.2 变量选择

3.2.1 被解释变量：高质量发展

作为在新的国际环境与发展条件下对中国经济发展阶段提出的新要求，高质量发展具有多维性、动态性和综合性特征[44]，且不同学科领域对高质量发展研究的侧重点有别。经济学领域研究更加注重从经济增长的动能、结构及成果等方面进行探讨[25]；社会学更关注经济发展的成果共享[32]；环境学则以绿色可持续发展和生态友好发展为重点[31]。虽然当前学界对高质量发展的内涵仍没有统一界定，但较为一致的测度是以“五大发展理念”为指导，从创新、协调、绿色、开放、共享五个维度指标进行构建。本文在相关研究成果的基础上[44,46]，构建如下综合指标体系（表2）。
表2 城市群高质量发展评价指标体系

Tab. 2 Evaluation index system for high-quality development of urban agglomerations

一级指标 二级指标 指标说明
创新 城市群科技支出强度 科技支出占财政支出比例（正向）
城市群高素质人口占比 高等教育在校学生数占总人口比例（正向）
城市群科技从业人员占比 科技从业人员占从业人员总数比例（正向）
城市群技术发展活跃度 每万人专利申请数（正向）
城市群技术创新成效度 每万人专利授权数（正向）
协调 城市群城乡收入比 城镇居民人均可支配收入与农村居民人均纯收入的比值（负向）
城市群产业结构合理化指数 产业产出结构与就业结构贴近度（正向）
城市群产业结构高级化指数 第三产业与第二产业产值之比（正向）
绿色 城市群工业废气污染 单位工业产值二氧化硫排放量（负向）
城市群工业废水污染 单位工业产值废水排放量（负向）
城市群工业烟粉尘污染 单位工业产值烟粉尘排放量（负向）
城市群废水利用率 污水处理厂集中处理率（正向）
城市群单位GDP二氧化碳排放 单位GDP产值二氧化碳排放量（负向）
城市群单位GDP天然气能耗 单位GDP产值天然气消耗量（负向）
城市群单位GDP石油气能耗 单位GDP产值液化石油气消耗量（负向）
开放 城市群对外依存度 进出口总额占GDP比例（正向）
城市群外资投资强度 实际利用外资占GDP比例（正向）
城市群交通通达度 各种交通方式运输流强度之和（正向）
城市群社会消费品零售总额占比 社会消费品零售总额占GDP比例（正向）
共享 城市群基尼系数 收入分配公平程度（负向）
城市群互联网用户数量 互联网宽带接入用户数量（正向）
城市群教育资源比例 教师人均负担学生数（负向）
城市群医疗资源比例 每万人享有医生数（正向）

3.2.2 核心解释变量：数字普惠金融

关于城市群内城市数字普惠金融的测度，本文采用北京大学数字普惠金融指数[47]，并借鉴其方法，利用加权算术平均合成法测算了20个城市群数字普惠金融发展总指数及其三个维度指数，其中，覆盖广度刻画城市群内数字金融产品与服务的受众群体规模；使用深度反映城市群内数字金融业务开展的种类；数字化程度体现城市群内微观经济主体使用数字金融产品的便捷程度、优惠程度化和信用化程度。在此基础上，结合面板数据分析了城市群数字普惠金融在不同空间层级下对高质量发展的总效应和结构效应。

3.2.3 控制变量

由于高质量发展水平受经济环境、产业结构、资源环境等多因素影响[25,44,46]，为了减少多因素造成的偏差，确保实证结果的准确性和科学性，本文借鉴已有研究成果[25,30]，在控制变量的选择上纳入以下变量（表3）：① 经济发展水平。经济发展水平的变化会引起产业结构、消费结构、财政政策等方面的变化，实现经济增长是提升经济发展质量的前提[48]。本文利用人均GDP衡量经济发展水平[48]。② 财政分权度。财政分权是资源重新再配置，对市场和经济都产生深刻影响[48]。本文利用地区财政预算收入与支出的比值表示[48]。③ 人力资本水平。人才不仅是创新的动力源泉，同时在流动过程中促进了科学技术的传播与扩散，从而提高区域创新水平，有利于地区高质量发展[49]。本文借助高等在校学生数占总人口数比重表征[15]。④ 城市化水平。城市化水平的提升能有效促进生产布局合理化，不断促进地区经济发展质量[30]。具体用城镇人口占总人口比值来表征[30]。
表3 变量说明

Tab. 3 Variable explanation

变量名（符号） 变量说明（单位）
被解释变量 高质量发展水平（Hqd） 基于创新、协调、绿色、开放、共享五个维度指标测度
核心解释变量 数字普惠金融发展水平（Index） 基于覆盖广度、使用深度和数字化程度测度
数字普惠金融覆盖广度（Dpfcov） 基于账户覆盖率测度
数字普惠金融使用深度（Dpfuse） 基于数字金融业务类型测度
数字普惠金融数字化程度（Dpfdig） 基于数字金融服务便利度、利率优惠度和信用化程度测度
控制变量 经济发展水平（Pgdp） 人均GDP（元）
财政分权度（Finadp） 地方财政预算收入与地方财政支出比值（%）
人力资本水平（Edu） 高等在校学生数占总人口数（%）
城市化水平（Urban） 城镇人口占总人口比值（%）

3.3 研究方法

3.3.1 Dagum基尼系数

Dagum基尼系数是分析区域差异的一种基本方法，在分析某一要素的总体差异的基础上，利用子群分解法，有效分析区域间和区域内的水平差异。本文利用Dagum基尼系数作为研究城市群群间数字普惠金融发展水平的差异以及各城市群群内数字普惠金融发展水平的差异，其具体公式参照相关文献[23]。

3.3.2 空间自相关分析

空间自相关是判断某一观测值空间特征的基本方法，主要用于检验某一要素的属性与其相邻空间之间是否存在相关性。空间自相关分为全局空间自相关和局部空间自相关，全局自相关主要探究整个区域的某一要素是否具有空间集聚特征，局部自相关主要分析某一区域的某一要素与其相邻区域间的空间集聚类型。本文利用全局、局部空间自相关分别探究城市群数字普惠金融发展、高质量发展是否具有空间集聚特征，以及空间集聚类型，其具体公式参照相关文献[27]。

3.3.3 回归模型选择与设定

本文以城市群高质量发展指数作为被解释变量，数字普惠金融指数为解释变量建立基准回归模型，以检验其对城市群高质量发展的效应：
H q d i t = α 0 + α 1 i n d e x i t + α c C o n t r o l i t + μ i + δ t + ε i t
H q d i t = α 0 + β 1 D p f i t + β c C o n t r o l i t + μ i + δ t + ε i t
式中： H q d i t为样本量中城市群城市i在t时期的高质量发展水平； I n d e x i t表示城市i在t时期的数字普惠金融发展水平； C o n t r o l i t表示控制变量（经济发展水平、财政分权度、人力资本水平和城市化水平）； α 0为常数项； α 1和 α c分别表示为数字普惠金融和控制变量的影响系数； μ i和 δ t分别代表固定效应中控制地区和时间的系数； ε i t为随机误差项。为探讨城市群数字普惠金融结构的效应差异，利用公式（2）从三个不同维度研究数字普惠金融对高质量发展的效应。其中： D p f i t分别代表数字普惠金融指数的覆盖广度、使用深度和数字化程度； β 1为三个维度的影响系数； β c为控制变量的影响系数。
本文在分析数字普惠金融与高质量发展两者空间关系基础上，为进一步探讨其空间效应，本文通过LM、LR和Hausman检验后，采用最优模型空间杜宾模型。该模型不仅能够同时将被解释变量和解释变量的空间滞后纳入模型中，同时对空间效应进行分解。基于这一特性，构建如下回归方程：
H q d i t = α 0 + γ W h q d i t + α 2 i n d e x i t + ρ W i n d e x i t + α j C o n t r o l i t + λ W C o n t r o l i t + ε i t
式中： W h q d i t为高质量发展的空间滞后项； W i n d e x i t为数字普惠金融的空间滞后项； W C o n t r o l i t表示控制变量的空间滞后项； γ为高质量发展的空间滞后项系数； α 0为常数项； α 2、 α j分别为数字普惠金融和控制变量的影响系数； C o n t r o l i t表示控制变量； ρ和 λ分别为数字普惠金融和控制变量的空间滞后项系数； ε i t为随机误差项。

3.4 数据说明及数据来源

考虑数据的完整性、连续性、科学性，在确保数据可获取提前下，本文研究时段为2011—2021年，选取20个城市群中179个地级市作为研究单元。其中，高质量发展指数相关指标及模型中的控制变量数据均来源于相应年份的《中国城市统计年鉴》[50]，数字普惠金融指数源自北京大学数字金融研究中心[7]。

4 演化特征分析

4.1 中国城市群数字普惠金融时空演化特征

4.1.1 从总体发展趋势看，中国城市群数字普惠金融呈稳步上升态势

研究期内，从总体发展趋势看，中国城市群数字普惠金融呈稳步上升态势，发展水平由2011年的59.413上升至2021年的291.017，年均增长率为18.41%（图1a）。从各维度发展水平看，均呈现不同程度的增长，覆盖广度、数字化程度和使用深度水平分别由2011年的66.480、60.803和60.386上升至2021年的300.932、303.003和268.295。其中，数字化程度增长速度最快，使用深度发展速度相对滞后（图1a）。从城市群空间组织格局层级看，城市群层级越高，数字普惠金融发展水平相应越高（图1b~图1d）。国家级、区域性、地区性城市群数字普惠金融发展水平分别由2011年的65.809、58.609和52.259上升至2021年的301.200、291.428和279.617（图1b~图1d）。作为全国经济发展核心增长极，国家级城市群数字普惠金融在总指数以及使用深度和覆盖广度这两个维度发展水平始终位于前列，且数字化程度发展最快；区域性城市群数字普惠金融业务因互联网存贷款总额、互联网投资规模等发展水平相对滞后，导致覆盖广度和使用深度水平都低于国家级城市群；地区性城市群由于数字普惠金融使用深度远滞后于其他城市群，在很大程度上制约了数字普惠金融总体发展水平。
图1 2011—2021年中国城市群数字普惠金融发展水平及其三个维度变化趋势

Fig. 1 The evolution of digital financial inclusion in Chinese urban agglomerations and its three dimensional trends from 2011 to 2021

4.1.2 从发展差异看，不同层级城市群群间及群内差异均呈缩小态势

研究期内，从城市群总体发展差异看，城市群数字普惠金融基尼系数由2011年的0.158下降至2021年的0.049，下降幅度为68.9%（图2a）。伴随通讯基础设施的覆盖广度不断拓展，移动用户增速加快，各城市群数字普惠金融的覆盖广度差异逐渐缩小；数字普惠金融“普惠”+“精准”服务持续拓展，各城市群金融产品与服务的可得性增强；移动支付应用场景日趋多元化、便利化，促进了城市群数字化程度的提升。这些因素共同推进了城市群数字普惠金融总体水平的提升。从群间差异看，不同层级间城市群数字普惠金融发展水平差异逐渐缩小（图2c），“区域性-地区性”“国家级-区域性”“国家级-地区性”城市群群间的基尼系数分别由2011年的0.170、0.153和0.189下降至2021年的0.045、0.050和0.053。其中“国家级-地区性”城市群群间差异最大，可能的原因是地区性数字普惠金融使用深度水平滞后国家级城市群程度较大。从城市群群内差异看，差异水平呈“国家级>区域性>地区性”城市群逐级减弱态势（图2b）。这三个层级城市群群内基尼系数分别由2011年的0.150、0.143和0.182下降至2021年的0.053、0.044和0.038。其中，国家级城市群群内差异最大，地区性城市群群内差异最小。国家级城市群群内核心城市在金融资源的虹吸效应及资本的嫌贫爱富本性等多因素驱动下，其金融投资业务和支付业务多集聚于核心城市，导致群内城际差异较大。地区性城市群不断提升移动化支付和便利化水平，注重延伸数字普惠金融覆盖广度，同时采取一系列优惠利率措施增强数字金融的普惠性，群内城际差异逐渐缩小。区域性城市群群内差异逐渐减小，群内核心城市借助金融体系的数字化转型，延伸业务服务范围，拓展金融服务模式，提升整体金融服务水平，有利于缩小群内城际水平差距。
图2 2011—2021年中国城市群数字普惠金融发展水平区域差异

Fig. 2 The digital financial inclusion level of regional differences in Chinese urban agglomerations from 2011 to 2021

4.1.3 城市群数字普惠金融具有空间集聚特征

研究期内，城市群数字普惠金融发展水平的全局Moran′ I指数均显著为正，说明城市群数字普惠金融在空间上具有集聚特征。进一步利用LISA分析发现城市群数字普惠金融集聚类型表现为：HH型主要位于东部沿海城市群，主要分布在长三角的苏州和南京、珠三角的广州、深圳等核心城市；LL型主要集中在东北和西部地区城市群，主要分布在成渝、兰西、关中平原、辽中南和哈长城市群。HL型主要位于成渝、滇中、哈长和呼包鄂榆城市群；LH型主要集中在北部湾和江淮城市群，呈散点状分布（图3）。从演变趋势看，2021年HH型范围在长三角西部地区有所增加，LL型中哈长城市群、辽中南城市群和成渝城市群由2011年的不显著区域转变为2021年的显著区域。从整个研究期看，中国城市群数字普惠金融集聚以HH型和LL型为主，HL型和LH型集聚范围呈减少态势。
图3 2011年和2021年中国城市群数字普惠金融空间集聚类型

注：该图基于自然资源部地图技术审查中心标准地图（审图号：GS(2019)1822号）绘制，底图边界无修改。

Fig. 3 Spatial agglomeration types of digital financial inclusion in Chinese urban agglomerations in 2011 and 2021

4.2 城市群高质量发展具有空间集聚特征

研究期内，城市群高质量发展指数通过全局Moran′ I检验，说明城市群高质量发展具有空间集聚特征，且局部空间上具有较强正相关性（图4），集聚类型以HH和LL型为主。其中，HH型主要在长三角的苏州、无锡，珠三角的广州、深圳；LL型分布范围由成渝、长江中游、兰西和宁夏沿黄城市群转移到呼包鄂榆、哈长和辽中南城市群；HL型主要分布在滇中城市群的西南部地区、成渝城市群的北部地区和西部地区；LH型主要位于京津冀的北京市、珠三角的广州市、深圳市和长三角的杭州市的邻域城市。从不同层级城市群看，HH型主要分布在国家级城市群，LL集聚主要分布在地区性、区域性城市群。与已有研究[44]对比发现，城市群高质量发展的空间集聚特征具有较强的稳定性，在集聚类型和演变趋势上总体保持一致。
图4 2011年和2020年中国城市群高质量发展空间集聚类型

注: 该图基于自然资源部地图技术审查中心标准地图（审图号：GS(2019)1822号）绘制，底图边界无修改。

Fig. 4 Spatial agglomeration types of high-quality development in Chinese urban agglomerations in 2011 and 2020

4.3 中国城市群数字普惠金融与高质量发展的空间关系

从空间关系的理论基础看，数字普惠金融促进高质量发展具有“过程机制”和“结果机制”双重特征[25]。在“过程机制”中，一方面，数字普惠金融依托科技赋能，扩大金融规模总量，同时缓解“金融排斥”，提高金融服务效率，为高质量发展提供过程驱动力；另一方面，金融的“数字”+“普惠”能更有效的优化资源配置、调整消费结构，推动产业结构转型进而促进高质量发展。在“结果机制”中，数字加持普惠金融有利于进一步提升人力资本，为高质量发展提供了可持续发展条件。从空间集聚及演化特征来看，中国城市群数字普惠金融与高质量发展的空间分布和演变趋势具有较强的相似性。从空间集聚类型看，中国城市群数字普惠金融和高质量发展中的HH型主要位于长三角、珠三角城市群，LL型主要集中在哈长、辽中南、关中平原城市群。从演化特征看，HH型集聚范围变化不明显，而LL型集聚区范围变化较为明显，辽中南、哈长城市群由不显著区域转变为显著区域。
因此，无论是从理论关系还是从空间集聚及演化特征看，城市群数字普惠金融通过“过程机制”和“结果机制”助力高质量发展，且两者空间分布在总体特征和演变趋势上均具有较多吻合之处。由此推断，通过提高城市群数字普惠金融发展水平，发挥其溢出效应，有助于推动城市群高质量发展。若要准确揭示城市群数字普惠金融发展对高质量效应，还需要进行定量研究。

5 实证分析

5.1 基准回归

为探究城市群数字普惠金融对高质量发展的效应，本文利用城市群内城市面板数据进行回归分析。在模型1和模型2中，未考虑控制变量时，其回归结果显著为正，初步表明城市群数字普惠金融的正向促进作用。在模型3和模型4中，为控制其他因素对回归结果的干扰，纳入控制变量并在考虑地区和时间的双向固定效应情况下，其影响系数仍在1%水平上显著为正（表4），验证了本文提出的假设1。
表4 基准回归结果

Tab. 4 Regression results

变量 模型1 模型2 模型3 模型4
Index 0.0438***(0.0031) 0.2282***(0.0093) 0.0973***(0.0113) 0.0236**(0.0113)
PGDP 0.0368***(0.0036) 0.0207***(0.0036)
Finadp 0.0573***(0.0068) 0.0410***(0.0063)
Edu 0.4396***(0.0301)
Urban 0.1035***(0.0121)
_cons -0.1270***(0.0157) -0.8281***(0.0379) -0.7254***(0.0415) -0.3138***(0.0471)
时间固定 No Yes Yes Yes
地区固定 No Yes Yes Yes
N 1790 1790 1790 1790
R2 0.1015 0.5710 0.6397 0.6967

注：***、**分别表示在0.01、0.05的水平上显著；括号内数字为标准误差。

5.2 稳健性检验与内生性处理

为了确保结果的稳健性，本文将极端值剔除后进行回归，同时以城市群数字普惠金融的三个维度作为解释变量进行结构效应的回归分析（表5）。结果显示回归系数均在5%水平上显著为正。其中，使用深度的作用效应最大。为避免产生内生性问题，本文借鉴已有研究[48]，构建滞后一阶数字普惠金融指数，进行工具变量回归（表6），发现第二阶段回归结果系数显著且不等于0。结果表明，数字普惠金融对高质量发展具有显著正向效应，且工具变量回归的结果进一步支持了基础回归结果的可靠性。
表5 稳健性检验

Tab. 5 Robustness test

变量 覆盖广度 使用深度 数字化程度 剔除极端值
FE RE FE RE FE RE FE RE
Dpf 0.0054*** 0.0027* 0.0076*** 0.0048*** 0.0046*** 0.0024** 0.0060*** 0.0045***
(0.0017) (0.0016) (0.0017) (0.0016) (0.0013) (0.0012) (0.0017) (0.0016)
PGDP 0.0187*** 0.0249*** 0.0168*** 0.0231*** 0.0189*** 0.0249*** 0.0171*** 0.0210***
(0.0038) (0.0036) (0.0037) (0.0035) (0.0037) (0.0034) (0.0035) (0.0033)
Finadp -0.0139*** -0.0064 -0.0122*** -0.0043 -0.0133*** -0.0060 -0.0066 0.0043
(0.0040) (0.0039) (0.0040) (0.0039) (0.0040) (0.0039) (0.0055) (0.0053)
Edu 0.4159*** 0.4210*** 0.4139*** 0.4202*** 0.4162*** 0.4213*** 0.8998*** 0.8819***
(0.0230) (0.0231) (0.0230) (0.0231) (0.0230) (0.0230) (0.0749) (0.0671)
Urban 0.0686*** 0.0934*** 0.0632*** 0.0904*** 0.0713*** 0.0946*** 0.0601*** 0.0789***
(0.0128) (0.0116) (0.0128) (0.0116) (0.0124) (0.0114) (0.0116) (0.0106)
_cons -0.1767*** -0.2489*** -0.1657*** -0.2399*** -0.1771*** -0.2487*** -0.1731*** -0.2236***
(0.0359) (0.0329) (0.0347) (0.0320) (0.0349) (0.0321) (0.0322) (0.0298)
N 1753 1753 1753 1753 1753 1753 1753 1753
R2 0.3085 0.3124 0.3097 0.2708

注：***、**、*分别表示在0.01、0.05和0.1的水平上显著；括号内数字为标准误差。

表6 工具变量回归结果

Tab. 6 Regression results of instrumental variables

变量 第一阶段Index 第二阶段Hqd
Index 0.0209***(0.007)
pGDP 0.0370***(0.0052) 0.0199**(0.009)
Finadp -0.0236**(0.0099) 0.0625**(0.026)
Edu 0.1357**(0.0692) 0.4194***(0.090)
Urban 0.8846***(0.003) 0.0990***(0.017)
工具变量L.Index 0.6501***
Constant 1.5087***(0.0502) -0.3290***(0.058)
N 1611 1611
R2 0.9731 0.4970

注：***、**分别表示在0.01、0.05的水平上显著；括号内数字为标准误差。

5.3 空间效应分析

5.3.1 总体空间效应分析

通过总体空间效应分析发现其系数通过1%显著性检验，表明数字普惠金融在城市群空间尺度下对高质量发展具有正向效应。为了进一步探讨各变量的空间溢出效果，对总效应进行直接效应和间接效应分析（表7）。结果发现直接效应和间接效应均通过1%显著性检验，且直接效应远高于间接效应。一方面，城市群普惠金融活动借助数字技术提供多样化的线上金融产品与支付方式，提高了金融服务的覆盖度和移动支付便利度；通过加强金融产品的数字化创新降低服务成本，提高了金融产品与服务的可获得性，进而增强了金融“普惠”性，有利于缩小贫富差距，助力高质量发展。另一方面，直接效应远高于间接效应，说明数字普惠金融利用数字技术在一定程度上突破了群内城际空间限制，但群间的渗透作用还有待提升。
表7 空间杜宾模型回归结果及检验

Tab. 7 Regression results and testing of spatial Durbin model

变量 空间固定
效应模型		 效应分解
直接效应 间接效应 总效应
Index 0.0760***0.0126) 0.0797***(0.0131) 0.0472***(0.0119) 0.1270***(0.0191)
pGDP 0.0028(0.0039) 0.0027(0.0038) 0.00134(0.0058) 0.0040(0.0070)
Finadp 0.0522***(0.0071) 0.0553***(0.0069) 0.0341***(0.0123) 0.0894***(0.0149)
Edu 0.3840***(0.0345) 0.3760***(0.0346) -0.0937(0.0741) 0.2820***(0.0911)
Urban 0.1230***(0.0119) 0.1170***(0.0108) -0.0796***(0.0176) 0.0374*(0.0204)
W×Index 0.0200***(0.001)
W×pGDP 0.0366***(0.000)
W×Finadp 0.0267***(0.000)
W×Edu -0.0513(0.143)
W×Urban 0.0045(0.814)
sigma2_e 0.0005***
N 1790 1790 1790 1790
R2 0.0450 0.0450 0.0450 0.2360
LM_Spatial lag 436.0790***
Robust LM_Spatial lag 22.5890***
LM_Spatial error 531.1080***
Robust LM_Spatial error 117.7180***
LR_Spatial lag 67.0600***
LR_spatial error 47.8300***
Hausman test 32.9500***

注：***、*分别表示在0.01和0.1的水平上显著；括号内数字为标准误差。

纳入控制变量的实证分析表明，其效应具有显著差异（表7）。经济发展水平系数为正、但不显著，说明经济发展水平对提升城市群高质量发展水平的效果不明显，经济发展仅体现在“量”的增加，未体现“量质”双升，这与已有研究结果基本一致[48]。财政分权度系数显著为正，说明财政分权度有助于城市群高质量发展。人力资本、城市化水平的直接效应显著正相关，表明人才集聚为经济发展和技术创新提供动力；城市化水平提升，吸引更多人才流入，进而推动高质量发展，这与已有研究结果基本一致[48,49]。

5.3.2 城市群异质性分析

由于区域资源禀赋、社会环境、地方政策等方面的差异易导致数字普惠金融对高质量发展的作用出现空间异质性[26,49]，城市群尺度下是否具有相同特征需要进一步探究。本文借鉴已有文献[51]，分别探讨国家级、区域性和地区性城市群的空间效应。研究发现，不同层级城市群对高质量发展的效应存在空间异质性，其中对国家级城市群的效应最为显著，而对地区性城市群效应不显著（表8），验证了本文提出的假设2。国家级城市群依托群内庞大的市场规模和创新能力，一方面，借助数字技术不仅扩大投资业务和支付业务规模，增强了金融产品的使用深度，进而为高质量发展提供充足资金。另一方面，数字普惠金融借助数字技术打破金融可得性的“最后一公里”难题，不仅降低了交易成本，同时也拓展了金融服务覆盖广度，更有效满足小微企业和个人融资需求的多样化，缓解金融排斥，促进金融服务“脱虚向实”，促进资源不断优化配置，进而为高质量发展提供内生动力。区域性城市群在政策支持和数字技术加持下，数字普惠金融在一定程度上缓解弱势群体及边远地区的金融产品与服务供求矛盾，过程机制作用较为明显。但由于传统金融发展水平较低且金融服务数字化转型较慢，加之群体差异造成的数字鸿沟等问题，在一定程度上阻碍了地区性城市群群内普惠金融服务范围和力度，进而制约了高质量发展的结果机制作用的发挥。地区性城市群由于资金供给规模总体上相对较小，互联网消费信贷、投资等金融产品使用深度不高，导致其金融的“普惠”效应弱化，进而影响了对高质量发展的正向促进作用。
表8 不同层级城市群空间杜宾模型的效应分解

Tab. 8 Effect decomposition of spatial Durbin model in urban agglomerations at different levels

变量 国家级城市群 区域性城市群 地区性城市群
直接效应 间接效应 直接效应 间接效应 直接效应 间接效应
Index 0.129*** 0.0183 0.0576*** 0.0015 0.0053 0.0296
(0.0258) (0.0187) (0.0134) (0.0101) (0.0163) (0.0230)
pGDP -0.0019 0.0159* 0.0014 0.0112** -0.0228*** 0.0138
(0.0072) (0.0090) (0.00376) (0.0051) (0.0059) (0.0084)
Finadp 0.0150* 0.0050 0.0350*** 0.0031 0.1070*** 0.0012
(0.0089) (0.0157) (0.0113) (0.0132) (0.0156) (0.0191)
Edu 0.4480*** -0.6180*** 0.6490*** -0.1140 0.3460*** 0.0248
(0.0842) (0.1850) (0.0537) (0.1000) (0.0277) (0.0417)
Urban 0.2970*** -0.0669*** 0.0339*** -0.0347* 0.0651*** -0.1650***
(0.0201) (0.0257) (0.0119) (0.0179) (0.0127) (0.0218)
Rho 0.0861** 0.1020** 0.1190*
(0.0410) (0.0467) (0.0646)
N 760 770 260
R2 0.3530 0.3590 0.6480
LM_Spatial lag 137.1490*** 104.0220*** 28.7050***
Robust LM_Spatial lag 10.9990*** 1.461 1.966
LM_Spatial error 195.1550*** 219.7250*** 30.6640***
Robust LM_Spatial error 69.0040*** 117.1650*** 3.9260**
LR_Spatial lag 42.7900*** 67.6700*** 72.6900***
LR_spatial error 26.2100*** 67.6300*** 58.8300***
Hausman test 35.0400*** 13.8000 20.9800**

注：***、**、*分别表示在0.01、0.05和0.1的水平上显著；括号内数字为标准误差。

不同层级城市群中，控制变量对高质量发展的作用存在显著差异（表8）。国家级城市群的人力资本、城市化水平与总效应实证结果一致，即直接效应显著正相关，但间接效应显著负相关。可能的原因是国家级城市群依托良好的资源禀赋、完善的公共设施以及产业结构的优化和金融资本的集聚等优势不断吸引高端技术人才加速高质量的城市化水平以推动经济发展，而这一过程中的虹吸效应远大于辐射效应，不利于邻域城市群高质量发展。从区域性城市群来看，财政分权度、人力资本水平和城市化水平对高质量发展的影响体现在直接效应上，且正向显著。表明财政分权度、人力资本水平和城市化水平都有利于推动高质量发展的提升，这一结论与以往研究相一致[48,49]。而经济发展水平直接效应未能通过检验，可能的原因是经济发展水平提升，收入的增长未直接促进消费能力增强和内需扩大，对区域性城市群高质量发展效应未能体现。从地区性城市群看，财政分权度、人力资本水平和城市化水平的系数均通过显著性检验，且系数为正，说明通过提高地区性城市群政府财政分权度有助于加强政府职能，增强基础设施和教育支出，为经济高质量发展提供基础保障，而人力资本水平和城市化水平的提高有利于促进当地创新以及城市建设，进而推动城市群高质量发展。

6 结论与建议

6.1 主要结论

本文分析了中国城市群数字普惠金融发展的时空演化特征，在分析其与高质量发展的空间关系基础上，进一步利用空间杜宾模型探讨了城市群数字普惠金融对高质量发展的效应。本文发现：
（1）从城市群数字普惠金融总体发展水平看，呈稳步增长态势，且与城市群空间组织格局的层级正相关，呈现“国家级>区域性>地区性”城市群递减特征；从维度发展特征看，覆盖广度和数字化程度发展速度远高于使用深度；从城市群群间和群内差异看，“国家级-地区性”城市群群间差异最大，国家级城市群群内差异远高于区域性和地区性城市群；从空间特征看，城市群数字普惠金融与高质量发展均具有空间集聚特征，且集聚类型以HH型和LL型为主，空间演变趋势具有较为明显的一致性。
（2）从空间杜宾模型结果看，数字普惠金融在城市群空间尺度下对高质量发展具有显著促进效应，且使用深度作用效应最大。从空间效应的异质性看，数字普惠金融对国家级、区域性城市群高质量发展的空间效应显著，而对地区性城市群因资金供给规模较小、金融产品使用深度不高未能充分发挥数字普惠金融的作用，导致其对高质量发展的效应不显著。
（3）与已有对市级、省级或特定区域等不同空间尺度的数字普惠金融发展水平的研究相比，本文发现中国城市群数字普惠金融发展水平在时序演变上均呈上升态势，与已有不同空间尺度的研究结论具有一致性[7]。其空间格局特征也与市级、省级和个别城市群具有相似性，均表现出集聚特征[7,20,22]。与以往研究不同，本文发现城市群数字普惠金融发展水平与城市群层级正相关，国家级城市群数字普惠金融发展水平高于区域性、地区性城市群；且群内差异最大。同时，本文还发现，不同层级城市群数字普惠金融对高质量发展效应存在空间异质性，国家级城市群和区域性城市群对高质量发展具有显著的促进效应，而地区性城市群对高质量发展的促进效应不显著。

6.2 对策建议

鉴于城市群数字普惠金融对高质量发展具有正向效应，政府应积极推进城市群数字普惠金融体系建设，为其高质量发展蓄力赋能。通过进一步利用数字技术拓展金融服务的覆盖广度，尤其是要进一步提高金融产品的使用深度，加大对小微企业等弱势群体的融资支持力度，拓展金融服务的广度与深度以助力高质量发展。由于城市群数字普惠金融对高质量发展的效应具有空间异质性，因此，需要因“群”施策，根据不同层级城市群数字普惠金融发展水平，制定差别化发展策略：
（1）对于国家级城市群，一方面，继续推进传统金融的数字化转型，强化金融机构在金融科技方面的创新力度和数字化“普惠”力度，优化提升国家级城市群引领高质量发展的金融活力，增强经济韧性。另一方面，增强群内核心城市对金融资源跨区配置能力，注重空间溢出效应的发挥，带动周边城市高质量发展，着力缩小群内差异。
（2）对于区域性城市群，一方面，完善数字普惠金融服务体系，下沉服务覆盖的广度，加强金融产品与服务创新，拓展普惠金融产品使用的深度，为区域性城市群发展提供可持续的资金保障。另一方面，加大对数字金融基础设施建设，提高财政分权度，优化资金合理配置，制定优惠政策吸引高端复合型人才，促进城市化水平不断提升以推动经济高质量发展。
（3）对于地区性城市群，一方面加强基础设施建设，提高互联网普及率，增强数字普惠金融覆盖广度，同时拓展金融业务场景，加强传统金融的数字化转型，提高居民金融意识和数字化技能，逐步缩小“数字鸿沟”。另一方面，加大政策支持力度，增强财政分权度，加快推进城市化进程，畅通人力资本渠道，提高劳动力金融素质，着力缩小群间差异，助力地区性城市群高质量发展。
本文力求从城市群尺度探讨数字普惠金融的空间演化特征及其对高质量发展效应的空间异质性，但其影响效应的程度测算还有待进一步研究。另外，关于银行主导的信贷机构的投放偏好等相关研究需要重点从微观视角进行探讨，例如数字普惠金融对中小企业、农户等弱势经济主体对金融产品与服务的需求满足程度等相关研究，以及如何构建数字普惠金融服务领域广泛化、服务对象多层次化和服务机会平等化的社会金融体系有待后续进一步深入研究。

真诚感谢匿名评审专家在论文评审中所付出的时间和精力，评审专家对本文中国城市群高质量发展综合指标选取、结果分析等方面的修改意见，使本文受益匪浅。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
廖理. 金融科技任重道远. 清华金融评论, 2016, (10): 1-2.

[Liao Li. Financial technology has a long way to go. Tsinghua Financicial Review, 2016, (10): 1-2.]. DOI: 10.19409/j.cnki.thf-review.2016.10.001.

[2]
万佳彧, 周勤, 肖义. 数字金融、融资约束与企业创新. 经济评论, 2020, (1): 71-83.

[Wan Jiayu, Zhou Qin, Xiao Yi. Digital finance, financial constraint and enterprise innovation. Economic Review, 2020, (1): 71-83.]. DOI: 10.19361/j.er.2020.01.05.

[3]
张国俊, 周春山, 许学强. 中国金融排斥的省际差异及影响因素. 地理研究, 2014, 33(12): 2299-2311.

DOI

[Zhang Guojun, Zhou Chunshan, Xu Xueqiang. Study on the provincial differences of financial exclusion and their influencing factors in China. Geographical Research, 2014, (33) 12: 2299-2311.]. DOI: 10.11821/dlyj201412008.

[4]
何德旭, 苗文龙. 金融排斥、金融包容与中国普惠金融制度的构建. 财贸经济, 2015, (3): 5-16.

[He Dexu, Miao Wenlong. Financial exclusion and inclusive financial institution in China. Finance & Trade Economics, 2015, (3): 5-16.]. DOI: 10.19795/j.cnki.cn11-1166/f.2015.03.001.

[5]
尹志超, 彭嫦燕, 里昂安吉拉. 中国家庭普惠金融的发展及影响. 管理世界, 2019, 35(2): 74-87.

[Yin Zhichao, Peng Changyan, Liang Anjila. The development and impact of Chinese family inclusive finance. Management World, 2019, 35(2): 74-87.]. DOI: 10.19744/j.cnki.11-1235/f.2019.0021.

[6]
傅秋子, 黄益平. 数字金融对农村金融需求的异质性影响: 来自中国家庭金融调查与北京大学数字普惠金融指数的证据. 金融研究, 2018, (11): 68-84.

[Fu Qiuzi, Huang Yiping. Digital finance′s heterogeneous effects on rural financial demand: Evidence from China household finance survey and inclusive digital finance index. Journal of Financial Research, 2018, (11): 68-84.]

[7]
郭峰, 王靖一, 王芳, 等. 测度中国数字普惠金融发展:指数编制与空间特征. 经济学(季刊), 2020, 19(4): 1401-1418.

[Guo Feng, Wang Jingyi, Wang Fang, et al. Measuring China′s digital financial inclusion: Index compliation and spatial characteristics. China Economic Quarterly, 2020, 19(4): 1401-1418.]. DOI:10.13821/j.cnki.ceq.2020.03.12.

[8]
宋晓玲. 数字普惠金融缩小城乡收入差距的实证检验. 财经科学, 2017, (6): 14-25.

[Song Xiaoling. Empirical analysis of digital inclusive finance bridging the urban-rural residents′ income gap. Finance & Economics, 2017, (6): 14-25.]

[9]
Sarma M, Pais J. Financial inclusion and development. Journal of International Development, 2011, 23(5): 613-628. DOI: 10.1002/jid.1698.

[10]
张正平, 陈杨. 人口老龄化影响我国数字普惠金融的发展吗? 基于2011—2018年省级面板数据的实证检验. 财经论丛, 2021, (11): 47-57.

[Zhang Zhengping, Chen Yang.Does population aging affect the development of digital financial inclusion? An empirical test based on provincial panel data during 2011 to 2018. Collected Essays on Finance and Economics, 2021, (11) :47-57.]. DOI :10.13762/j.cnki.cjlc.2021.11.004.

[11]
Ambarkhane D, Singh A S, Venkataramani B. Measuring financial inclusion of indian states. International Journal of Rural Management, 2016, (1): 72-100.]. DOI: 10.1177/0973005216633940.

[12]
马连福, 杜善重. 数字金融能提升企业风险承担水平吗? 经济学家, 2021, (5): 65-74.

[Ma Lianfu, Du Shanzhong. Can digital finance improve corporate risk-taking level? Research on Financial Issues, 2021, (5): 65-74.]. DOI: 10.16158/j.cnki.51-1312/f.2021.05.008.

[13]
刘成杰, 冯婷, 李勇. 网络基础设施建设、数字普惠金融与数字鸿沟: 基于“宽带中国”示范城市创建的政策效应分析. 财经科学, 2022, (12): 103-116.

[Liu Chengjie, Feng Ting, Li Yong. Network infrastructure construction, digital inclusive finance and digital divide: A policy effect analysis based on the establishment of "Broadband China" demonstration cities. Finance & Economics, 2022, (12): 103-116.]

[14]
陈慧卿, 陈国生, 魏晓博, 等. 数字普惠金融的增收减贫效应: 基于省际面板数据的实证分析. 经济地理, 2021, 41(3): 184-191.

[Chen Huiqing, Chen Guosheng, Wei Xiaobo, et al. Effect of digital inclusive finance on increasing rural income and reducing poverty: Empirical analysis based on inter-provincial panel data. Economic Geography, 2021, 41(3): 184-191.]. DOI: 10.15957/j.cnki.jjdl.2021.03.019.

[15]
徐子尧, 张莉沙, 刘益志. 数字普惠金融提升了区域创新能力吗? 财经科学, 2020, (11): 17-28.

[Xu Ziyao, Zhang Lisha, Liu Yizhi. Does the development of digital inclusive finance enhance regional innovation capability? Finance & Economics, 2020, (11): 17-28.]

[16]
郭守亭, 金志博. 数字普惠金融对区域产业结构升级的空间溢出效应研究. 经济经纬, 2022, 39(6): 77-87.

[Guo Shouting, Jin Zhibo. A study of the spatial spillover effect of digital inclusive finance on the optimization of regional industrial structure. Economic Survey, 2022, 39(6): 77-87.]. DOI: 10.15931/j.cnki.1006-1096.20221206.001.

[17]
齐红倩, 刘倩含. 数字普惠金融发展对我国居民消费不平等的影响. 经济问题探索, 2022, (10): 161-172.

[Qi Hongqian, Liu Qianhan. The impact of the development of digital finance inclusive on consumption inequality in China. Inquiry into Economic Issues, 2022, (10): 161-172.]

[18]
马国旺, 王天娇. 数字普惠金融对就业的影响及空间效应研究. 中南大学学报(社会科学版), 2022, 28(3): 139-152.

[Ma Guowang, Wang Tianjiao. On the impact of digital inclusive finance on employment and its spatial spillover effect. Journal of Central South University(Social Sciences), 2022, 28(3): 139-152]. DOI: 10.11817/j.issn.1672-3104.2022.03. 012.

[19]
黎翠梅, 周莹. 数字普惠金融对农村消费的影响研究: 基于空间计量模型. 经济地理, 2021, 41(12): 177-186.

[Li Cuimei, Zhou Ying. Influence of digital inclusive finance on rural consumption: Based on spatial econometric model. Economic Geography, 2021, 41(12): 177-186.]. DOI: 10.15957/j.cnki.jjdl.2021.12.019.

[20]
梁榜, 张建华. 中国城市数字普惠金融发展的空间集聚及收敛性研究. 财经论丛, 2020, (1): 54-64.

[Liang Bang, Zhang Jianhua. Research on the spatial agglomeration and convergence of urban digital inclusive finance development in China. Collected Essays on Finance and Economics, 2020, (1): 54-64.]. DOI: 10.13762/j.cnki.cjlc.2020.01.005.

[21]
谭燕芝, 李云仲, 叶程芳. 省域数字普惠金融与乡村振兴评价及其耦合协同分析. 经济地理, 2021, 41(12): 188-222.

[Tan Yanzhi, Li Yunzhong, Ye Chengfang. Evaluation of provincial digital inclusive finance and rural revitalization and its coupling synergy analysis. Economic Geography, 2021, 41(12): 188-222.]. DOI: 10.15957/j.cnki.jjdl.2021.12.020.

[22]
王耕南, 张国俊, 周春山. 珠三角数字普惠金融的时空演化特征及影响因子. 地域研究与开发, 2022, 41(5): 25-31.

[Wang Gengnan, Zhang Guojun, Zhou Chunshan. Spatip-temporal evolution and influencing factors of digital financial inclusion in the Pearl River Delta. Areal Research and Development, 2022, 41(5): 25-31.]. DOI: 10.3969/j.issn.1003-2363.2022.05.005.

[23]
张德钢, 朱旭森. 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. 当代经济, 2020, 42(12): 88-96.

[Zhang Degang, Zhu Xusen. Spatio-temporal differences and dynamic evolution of digital financial inclusion in China's nine major city clusters. Contemporary Economic Management, 2020, 42(12): 88-96.]. DOI: 10.13253/j.cnki.ddjjgl.2020.12.012.

[24]
杨刚, 张亨溢. 数字普惠金融、区域创新与经济增长. 统计与决策, 2022, 38(2): 155-158.

[Yang Gang, Zhang Hengyi. Digital inclusive finance, regional innovation, and economic growth. Statistics & Decision, 2022, 38(2): 155-158.]. DOI: 10.13546/j.cnki.tjyjc.2022.02.031.

[25]
姜松, 周鑫悦. 数字普惠金融对经济高质量发展的影响研究. 金融论坛, 2021, 26(8): 39-49.

[Jiang Song, Zhou Xinyue. An empirical study of the impact of digital inclusive finance on high-quality economic development. Finance Forum, 2021, 26(8): 39-49.]. DOI: 10.16529/j.cnki.11-4613/f.2021.08.006.

[26]
王刚贞, 陈梦洁. 数字普惠金融影响经济高质量发展的渠道机理与异质特征. 财贸研究, 2022, 33(10): 45-56.

[Wang Gangzhen, Chen Mengjie. Channel mechanism and heterogeneous characteristic of digital inclusive finance affecting economic high-quality development. Finance and Trade Research, 2022, 33(10): 45-56.]. DOI: 10.19337/j.cnki.34-1093/f.2022.10.004.

[27]
宋诚, 李季刚. 金融发展影响经济高质量发展的空间效应分析: 基于中国五大城市群的面板数据. 城市学刊, 2022, 43(6): 10-16.

[Song Cheng, Li Jigang. An analysis of the spatial effect of financial development affecting high-quality economic development: Based on panel data of China′s five major urban agglomerations. Journal of Urban Studies, 2022, 43(6): 10-16.]

[28]
潘爽, 叶德珠, 叶显. 数字金融普惠了吗? 来自城市创新的经验证据. 经济学家, 2021, (3): 101-111.

[Pan Shuang, Ye Dezhu, Ye Xian. Is digital finance inclusive? Empirical evidence from urban innovation. Economist, 2021, (3): 101-111.]. DOI: 10.16158/j.cnki.51-1312/f.2021.03.011.

[29]
周申蓓, 张媛媛, 张应允. 数字金融发展对区域创新的影响路径: 基于“双循环”视域. 科技管理研究, 2022, 42(24): 31-37.

[Zhou Shenbei, Zhang Yuanyuan, Zhang Yingyun. Impact path of digital finance development on regional innovation: From the perspective of "Dual Circulation". Science and Technology Management Research, 2022, 42(24): 31-37.]. DOI: 10.3969/j.issn.1000-7695.2022.24.005.

[30]
钱海章, 陶云清, 曹松威. 中国数字金融发展与经济增长的理论与实证. 数量经济技术经济研究, 2020, 23(6): 26-46.

[Quan Haizhang, Tao Yunqing, Cao Songwei. Theoretical and empirical analysis on the development of digital finance and economic growth in China. Journal of Quantitative & Technological Economics, 2020, 37(6): 26-46.]. DOI: 10.13653/j.cnki.jqte.2020.06.002.

[31]
罗炜琳, 刘松涛, 胥烨, 等. 普惠金融发展水平影响绿色经济效率吗? 环境经济研究, 2018, 3(3): 32-55.

[Luo Weilin, Liu Songtao, Xu Ye, et al. Dose inclusive finance affect green economy efficiency? Journal of Environmental Economics, 2018, 3(3): 32-55.]. DOI: 10.19511/j.cnki.jee.2018.03.004.

[32]
刘章生, 赖彬彬, 刘桂海, 等. 地区竞争、推广数字普惠金融与绿色经济效率. 管理评论, 2023, 35(1): 40-51.

[Liu Zhangsheng, Lai Binbin, Liu Guihai. Regional competition, digital inclusive finance and green economic efficience. Management Review, 2023, 35(1): 40-51.]. DOI: 10.14120/j.cnki.cn11-5057/f.2023.01.022.

[33]
周云波, 黄祺雨. 数字普惠金融与居民社会信任: 基于经济公平和机会公平的双视角. 现代经济探讨, 2023, (1): 15-28.

[Zhou Yunbo, Huang Qiyu. Digital inclusive finance and residents' social trust: A dual perspective based on economic fairness and opportunity fairness. Modern Economic Research, 2023, (1): 15-28.]. DOI: 10.13891/j.cnki.mer.2023.01.004.

[34]
丁任重, 许渤胤, 张航. 城市群能带动区域经济增长吗: 基于7个国家级城市群的实证分析. 经济地理, 2021, 41(5): 37-45.

[Ding Renzhong, Xu Boyin, Zhang Hang. Can urban agglomeration drive regional economic growth? Empirical analysis based on seven state-level urban agglomerations. Economic Geography, 2021, 41(5): 37-45.]. DOI: 10.15957/j.cnki.jjdl.2021.05.005.

[35]
刘传明, 王卉彤, 魏晓敏. 中国八大城市群互联网金融发展的区域差异分解及收敛性研究. 数量经济技术经济研究, 2017, 34(8): 3-20.

[Liu Chuanming, Wang Huitong, Wei Xiaomin. Research on the regional differences decomposition and convergence mechanism of internet finance development of eight city group in China. Journal of Quantitative & Technological Economics, 2017, 34(8): 3-20.]. DOI: 10.13653/j.cnki.jqte.2017.08.001.

[36]
陈明华, 刘华军, 孙亚男. 中国五大城市群金融发展的空间差异及分布动态: 2003—2013年. 数量经济技术经济研究, 2016, (7): 130-144.

[Chen Minghua, Liu Huajun, Sun Yanan. Research on the spatial differences and distributional dynamic evolution of financial development of five megalopolisses from 2003 to 2013 in China. Journal of Quantitative & Technological Economics, 2016, (7): 130-144.]. DOI: 10.13653/j.cnki.jqte.2016.07.009.

[37]
齐昕, 郭薛南. 中国十大城市群金融的辐射力及其一体化发展研究. 武汉金融, 2019, (10): 74-79.

[Qi Xin, Guo Xuannan. Research on the radiation power and integrated development of finance in China′s top ten urban agglomerations. Wuhan Finance, 2019, (10): 74-79.]

[38]
赵建吉, 王艳华, 吕可文, 等. 内陆区域中心城市金融产业集聚的演化机理: 以郑东新区为例. 地理学报, 2017, 72(8): 1392-1407.

DOI

[Zhao Jianji, Wang Yanhua, Lv Kewen, et al. The evolutionary mechanism of financial industry agglomeration in central cities of inland China: A case study of Zhengdong New District in Zhengzhou. Acta Geographica Sinica, 2017, 72(8): 1392-1407.]. DOI: 10.11821/dlxb201708005.

[39]
林彰平, 闫小培. 广州市金融机构微观集聚案例. 经济地理, 2007, 119(1): 84-88.

[Lin Zhangping, Yan Xiaopei. A case analysis on the micro-agglomeration of financial institutions in Guangzhou. Economic Geography, 2007, 119(1): 84-88.]. DOI: 10.15957/j.cnki.jjdl.2007.01.020.

[40]
郭进, 徐盈之, 王美昌. 金融外部性、技术外部性与中国城市群建设. 经济学动态, 2016, (6): 74-84.

[Guo Jin, Xu Yingzhi, Wang Meichang. Financial externality, technical externality and the construction of urban agglomeration in China. Economic Perspectives, 2016, (6): 74-84.]

[41]
赵曦, 王金哲. 金融资源空间整合的城市群协调发展效应研究: 基于2005—2015年全国12个城市群面板数据的研究. 经济问题探索, 2019, (1): 66-74.

[Zhao Xi, Wang Jinzhe. Research on the coordinated development effect of urban agglomeration based on the spatial integration of financial resources: Based on the panel data of 12 urban agglomerations in China from 2005 to 2015. Inquiry into Economic Issues, 2019, (1): 66-74.]

[42]
唐文进, 李爽, 陶云清. 数字普惠金融发展与产业结构升级: 来自283个城市的经验证据. 广东财经大学学报, 2019, 34(6): 35-49.

[Tang Wenjing, Li Shuang, Tao Yunqing. The development of digital inclusive finance and industrial structure upgrading: Empirical evidence from 283 cities. Journal of Guangdong University of Finance & Economics, 2019, 34(6): 35-49.]

[43]
刘新智, 张鹏飞, 史晓宇. 产业集聚、技术创新与经济高质量发展: 基于我国五大城市群的实证研究. 改革, 2022, (4): 58-87.

[Liu Xinzhi, Zhang Pengfei, Shi Xiaoyu. Industrial agglomeration, technological innovation and high-quality economic development: Empirical research based on China's five major urban agglomerations. Reform, 2022, (4): 58-87.]

[44]
张国俊, 王运喆, 陈宇. 中国城市群高质量发展的时空特征及分异机理. 地理研究, 2022, 41(8): 2109-2124.

DOI

[Zhang Guojun, Wang Yunzhe, Chen Yu. Spatiotemporal characteristics and differentiation mechanism of high-quality development of urban agglomerations in China. Geographical Research, 2022, 41(8): 2109-2124.]. DOI: 10.11821/dlyj020210799.

[45]
方创琳, 王振波, 马海涛. 中国城市群形成发育规律的理论认知与地理学贡献. 地理学报, 2018, 73(4): 651-664.

DOI

[Fang Chuanglin, Wang Zhenbo, Ma Haitao. The theoretical cognition of the development law of China's urban agglomeration and academic contribution. Acta Geographica Sinica, 2018, 73(4): 651-664.]. DOI: 10.11821/dlxb201804005.

[46]
马海涛, 徐楦钫. 黄河流域城市群高质量发展评估与空间格局分异. 经济地理, 2020, 40(4): 11-18.

[Ma Haitao, Xu Xuanfang. High-quality development assessment and spatial heterogeneity of urban agglomeration in the Yellow River Basin. Economic Geography, 2020, 40(4): 11-18.]. DOI: 10.15957/j.cnki.jjdl.2020.04.002.

[47]
北京大学数字金融研究中心课题组. 北京大学数字普惠金融指数(2011—2021). 北京: 北京大学数字金融研究中心, 2011- 2021.

[Research Group of Institute of Digital Finance, Peking University. Peking University Digital Inclusive Finance(2011-2021). Beijing: Institute of Digital Finance, Peking University, 2011- 2021.]

[48]
牛丽娟. 数字金融与经济高质量发展:理论分析与实证检验. 西南民族大学学报(人文社会科学版), 2023, (1): 125-138.

[Liu Lijuan. Digital finance and high-quality economic development: Theoretical analysis and empirical testing. Journal of Southwest Minzu University(Humanities and Social Sciences Edition), 2023, (1): 125-138.]

[49]
马黄龙, 屈小娥. 数字普惠金融对经济高质量发展的影响: 基于农村人力资本和数字鸿沟视角的分析. 经济问题探索, 2021, (10): 173-190.

[Ma Huanglong, Qu Xiaoe. Impact of digital financial inclusion on the high-quality economic development: Based on rural human capital and digital divide perspecvtive. Inquiry into Economic Issues, 2021, (10): 173-190.]

[50]
黄华, 王晓红, 陈小龙, 等. 中国城市统计年鉴. 北京: 中国统计出版社(2011—2020).

[Huang Hua, Wang Xiaohong, Chen Xiaolong, et al. China City Statistical Yearbook(2012- 2019). Beijing: China Statistics Press, 2011-2020.]

[51]
潘辉, 尹翔硕, 陶爱元. 中国三大城市群工资差异的影响因素及其空间外溢效应. 会计与经济研究, 2022, 36(6): 97-113.

[Pan Hui, Yin Xiangshuo, Tao Aiyuan. Influencing factors and their spatial spillover effects of wage disparities in three major urban clusters in China. Accounting and Economics Research, 2022, 36(6): 97-113.]. DOI: 10.16314/j.cnki.31-2074/f.2022.06.004.

Options
文章导航

/

〈 〉