珠三角数字普惠金融的时空演化特征及影响因子

王耕南，张国俊，周春山

(1.中山大学 地理科学与规划学院，广州 510275； 2.广东财经大学 金融学院，广州 510320)

0 引言

随着以5G、大数据、云计算为代表的信息通信技术的快速发展，金融业面临全新的模式、场景、生态等变革。突如其来的新冠肺炎疫情进一步催化了数字化、线上化金融服务需求，加速了传统金融业务的数字化转型进程，数字普惠金融凭借其“无接触”优势发挥了重要作用。数字普惠金融是普惠金融的深化，它以普惠和精准为核心特性，在成本可控、模式可持续的前提下，借助于各类数字化技术，为社会各阶层尤其是现有金融体系覆盖不足的城镇低收入人群、农村或偏远地区人群、小微企业等弱势群体提供平等、便捷的金融产品和服务[1-2]。传统普惠金融具有金额小、频次高、用户分散等特点，因流程繁琐、效率低而影响银行等金融机构“支小支农”意愿。通过数字技术的赋能，传统普惠金融突破了自身的发展瓶颈，其门槛与成本进一步降低，效率大幅提高，体验不断改善[3-5]。数字普惠金融有助于扩大金融服务在经济欠发达地区的覆盖广度，增强金融服务的“普惠性”与“精准性”，缩小区域经济发展差异，实现公平与效率的统一[6]。尤其是在疫情冲击下，数字普惠金融的“无接触”优势得到更加充分的发挥，在保障群众基本生活、助力小微企业复工复产等方面扮演了重要角色。

2016年9月，《二十国集团数字普惠金融高级原则》在二十国集团领导人杭州峰会上正式发布，数字普惠金融的概念随之被正式提出。此次峰会倡导利用数字技术加速推动普惠金融的数字化转型，促进传统金融与数字金融的融合发展，为普惠金融迈向范围更广、层次更深的发展提供了路径，反映出在普惠金融发展过程中数字化、移动化等特征正逐步成为主流。在数字普惠金融成为全球金融业务重要领域的背景下，经济学、社会学、信息学、地理学等学科领域学者对数字普惠金融均开展了相关研究，成果丰富，主要表现在数字普惠金融的测度、时空特征、影响因子等方面。数字普惠金融涉及多个维度、多种指标，科学合理的指标体系具有基础性作用[7]。目前，数字金融测度指标体系存在构建指标不一、缺乏时间延续性、区域覆盖范围较小等不足[8]。比较而言，“北京大学数字普惠金融指数”涵盖覆盖广度、使用深度和数字化程度3个维度，构建了一个包含33个具体指标、时间跨度超过10年、覆盖全国省级、地级、县级三级行政区域的数字普惠金融指标体系，较好地解决了以往测度指标覆盖不足和时间断裂等问题。已有研究在构建数字普惠金融指标体系的基础上，对不同空间尺度的数字普惠金融的时空特征进行分析，证实了数字普惠金融在不同区域间存在显著的空间依赖与空间溢出效应[9-15]。普惠金融在全球范围内存在空间上的集聚效应，欧洲和北美发达国家的普惠金融发展程度高于非洲和亚洲大多数发展中国家[16]。对120个国家的普惠金融发展进行空间自相关分析表明，普惠金融发展水平在空间上具有溢出效应和异质性[17]。利用动态转移份额空间模型对中国普惠金融的研究表明，中国东部和西部地区对中部地区具有负向的空间溢出效应，中部地区在普惠金融的可获得性和使用规模方面表现良好[18]。对普惠金融发展水平的影响因子分析多从经济、需求、供给3个方面进行。经济相关因素主要表现为经济发展程度、第三产业发展水平、城市化水平、人口密度等对普惠金融发展的影响[19-20]。经济发展基础较好的地区对金融服务的需求较大，有利于数字普惠金融业务的开展。经济结构升级和第三产业发展有利于金融服务的多样化，从而推动数字普惠金融发展。城市化水平的提高伴随着经济发展和居民素质的提升，能够改善数字普惠金融发展的基础环境。需求因素表现为金融服务需求方的特征对普惠金融发展的影响，包括收入水平、教育程度等[19,21-22]。金融消费者所具备的金融素养和数字技术常识对其应用数字普惠金融的能力有重要影响。居民收入越高，获得的金融资源倾斜也越多，对数字普惠金融的促进作用越明显。供给因素表现为作为金融服务供给方的特征对普惠金融发展产生的影响，包括金融环境、金融基础设施、金融部门结构、金融风险等[16,23]。

2020年，中国人民银行、银保监会、证监会、外汇局发布《关于金融支持粤港澳大湾区建设的意见》，提出加强科技创新金融服务、大力发展金融科技等举措。数字普惠金融通过提高金融服务实体经济的覆盖范围、效率和精准度，在支持粤港澳大湾区建设中迎来新的发展机遇。对珠三角数字普惠金融的研究，有助于深化对金融支持粤港澳大湾区高质量发展的认识。鉴于此，本研究从空间视角出发，以珠三角地区县级行政单元为研究对象，剖析珠三角数字普惠金融发展的时空演变特征及其影响因子，提出数字普惠金融更高质量发展的对策建议，为金融业更好地服务粤港澳大湾区建设提供依据。

1 研究对象与数据来源

珠三角地处广东省中南部，包括广州、深圳、佛山、东莞、惠州、中山、珠海、江门、肇庆9个城市。珠三角作为我国改革开放的前沿阵地，是中国经济、金融发展水平较高的地区之一。2021年，珠三角GDP总量达10.06万亿元，占全国的8.79%,金融业增加值9 432.74亿元，占全国的10.90%,银行业机构本外币存、贷款余额分别为26.30亿元和20.27亿元，分别占全国的11.02%和10.21%。然而，区域内经济发展差异较大，金融业面临“大而不强”的困境。如何充分发挥数字普惠金融的作用以促进珠三角经济高质量发展有待于深入探讨。

有关数字普惠金融的数据来源于北京大学数字金融研究中心编制的“数字普惠金融指数”；影响因子分析所需社会经济数据来源于2021年《广东统计年鉴》及各设区市第七次全国人口普查公报等。

2 指标体系与研究方法

2.1 指标体系

数字普惠金融指标体系反映了对其概念内涵的理解，即应符合“普”“惠”“数字”的基本特征。在现有文献和国际组织提出的传统普惠金融指标基础上，北京大学数字金融研究中心结合普惠金融向数字化加速发展的趋势，将数字金融的特征纳入到指标体系，形成一套兼顾数据的可得性与可靠性、能够较好地反映我国数字普惠金融发展特征和趋势的指标体系[7]。除了反映数字普惠金融总体水平的数字普惠金融总指数外，还从覆盖广度(体现数字普惠金融“普”的特征)、使用深度(体现数字普惠金融“惠”的特征)和数字化程度(体现数字普惠金融“数字”的特征)3个维度出发编制相应指数，以反映数字普惠金融发展的维度特征。

2.2 研究方法

2.2.1探索性空间数据分析。探索性空间数据分析用以解释和衡量与空间地理位置相关的关联、相关或依赖现象，包含全局空间自相关、局部空间自相关等一系列空间分析方法。全局空间自相关可以在整体上测度区域之间的空间关联特征，由全局莫兰指数(Moran’sI)来衡量，它反映了空间上相邻区域的相似程度[21]。本研究采用全局莫兰指数进行全局空间自相关分析，以反映珠三角数字普惠金融的空间性。全局空间自相关分析反映了珠三角数字普惠金融发展的整体空间特征，但不能有效地反映可能在局部出现的空间异质性特征。本研究采用局部空间自相关的LISA统计量反映珠三角数字普惠金融发展的局部空间特征。

2.2.2地理探测器。地理探测器是一种用以研究地理要素的空间分异规律及其影响因子的空间分析方法，分为4个模块。其中，因子探测模块用来探究自变量的统计显著性以及自变量对因变量的作用力；交互作用探测模块用来进一步探究自变量之间有否存在交互作用以及交互作用的类型和方向。公式为[15]：

3 珠三角数字普惠金融时空演化特征

3.1 总体时空演化特征

2016—2020年，珠三角数字普惠金融发展水平以广州、深圳、珠海为核心向周边地区递减的总体空间格局基本保持稳定(图1)。数字普惠金融总指数的高值区主要分布在广州市、深圳市、珠海市，同时受其辐射带动作用影响，高值区有向周边地区扩展的趋势。珠三角边缘地区数字普惠金融总指数整体较低，在肇庆市、江门市和惠州市形成了范围较大的低值区，且在研究期内未有明显改观。珠三角数字普惠金融以广州市、深圳市、珠海市为核心向周边地区递减的的总体空间格局表明，数字普惠金融发展在空间上存在不平衡性。

对珠三角数字普惠金融总指数进行全局自相关分析，进一步探究其空间集聚特征。2016年和2020年珠三角数字普惠金融总指数的Moran’sI分别为0.339和0.420，通过0.001水平的显著性检验，表明珠三角数字普惠金融总指数具有空间集聚特征，且研究期内空间集聚程度有所增强。LISA集聚图(图2)表明，高-高型集聚2016年分布于深圳市西部和珠海市，2020年分布于广州市东部、东莞市和深圳市西部；2016年、2020年低-低型集聚均分布在肇庆市西北部和江门市西部。

图1 2016年、2020年珠三角数字普惠金融总指数空间分布

图2 2016年、2020年珠三角数字普惠金融总指数LISA图

3.2 各维度指数的时空演化特征

3.2.1覆盖广度维度。覆盖广度呈现出以广州市、深圳市为核心向外围地区逐渐降低的趋势，但整体差距不大(图3)。覆盖广度指数的高值区均主要分布于广州—东莞—深圳和广州—中山—珠海一带，同时表现出向北、向东扩展的趋势；低值区主要分布于珠三角西部的肇庆市、江门市。全局空间自相关分析结果显示，2016年和2020年覆盖广度指数的Moran’sI分别为0.301和0.275，通过0.001水平的显著性检验，表明覆盖广度指数具有空间集聚特征，研究期内空间集聚程度有所降低。LISA集聚图(图4)表明，覆盖广度指数的高-高型集聚主要分布于珠海市、东莞市和深圳市西部，低-低型集聚分布在肇庆市西北部和江门市西部。

图3 2016年、2020年珠三角数字普惠金融覆盖广度指数空间分布

3.2.2使用深度维度。使用深度呈现出以广州—东莞—深圳和中山—珠海为核心向周边地区逐渐降低的趋势(图5)。使用深度指数的高值区主要分布于深圳—东莞—广州—中山—珠海一带，低值区主要分布在肇庆市、江门市、惠州市。全局空间自相关分析结果显示，2016年、2020年使用深度指数的Moran’sI分别为0.503，0.606，均通过0.001水平的显著性检验，表明使用深度指数具有空间集聚特征，研究期内空间集聚程度有所增强。LISA集聚图表明(图6)，使用深度指数的高-高型集聚主要分布在广州—东莞—深圳一带；低-低型集聚主要分布在肇庆市西北部。

图4 2016年、2020年珠三角数字普惠金融覆盖广度指数LISA图

图5 2016年、2020年珠三角数字普惠金融使用深度指数空间分布

图6 2016年、2020年珠三角数字普惠金融使用深度指数LISA图

3.2.3数字化程度维度。研究期内，珠三角数字化程度的时空特征变化显著(图7)，2016年数字化程度指数的高值区和低值区混杂分布，且整体水平较低；2020年则呈现出自广州—东莞—深圳一带向周边递减的空间特征；珠三角边缘地区数字化程度指数提高明显，珠三角内部差距显著缩小。全局空间自相关分析结果显示，2016年、2020年数字化程度指数的Moran’sI分别为0.272，0.440，均通过0.001水平的显著性检验，表明数字化程度指数具有空间集聚特征，研究期内空间集聚程度有所增强。LISA集聚图表明(图8)，2016年数字化程度指数的高-高型集聚分布在珠海市金湾区，低-低型集聚分布在佛山市顺德区和广州市白云区，低-高型集聚分布在中山市；2020年高-高型集聚分布在广州—东莞—深圳一带，低-低型集聚分布在珠三角西部的肇庆市和江门市。

比较珠三角数字普惠金融各维度指数的空间分布，覆盖广度指数、使用深度指数、数字化程度指数都表现出空间差异，均大致符合数字普惠金融总指数的空间格局，即以广州、深圳为核心向周边地区递减。3个维度指数均具有空间集聚特征，高-高型集聚以广州、深圳为中心，低-低型集聚主要分布于珠三角西部。珠三角数字普惠金融发展虽然具有不平衡性，但与全国其他城市群相比，其内部差异较小，整体发展水平较高[24]。

4 珠三角数字普惠金融的影响因子分析

4.1 影响因子的地理探测结果

通过数字技术的赋能，数字普惠金融服务链条更加顺畅，在助力脱贫攻坚和乡村振兴、促进小微企业融资、推动智慧城市建设等场景下，新服务、新产品不断涌现，数字普惠金融正全面融入经济社会发展全领域、全过程。为了进一步研究数字普惠金融的影响因子，揭示经济社会各因素对数字普惠金融发展的作用方向与强度，考虑数据可得性，选择2020年珠三角各县级单元的人口密度、城市化水平、消费水平、地方财政支出、教育程度5个因子作为自变量，利用地理探测器探讨珠三角数字普惠金融的影响因子。其中，人口密度(X1)反映了人口的集中程度，人口的集中带来对金融服务的需求增加[25]；城市化水平(X2)由常住人口中城镇人口的比重来衡量，城市化水平的提高伴随着经济发展水平及居民金融素质的提升[26]，有利于数字普惠金融的发展；消费水平(X3)由社会消费品零售总额来衡量，消费与支付是数字普惠金融应用的重要场景，消费水平的提高能增加对数字普惠金融的需求；地方财政支出(X4)对信贷投放和数字普惠金融发展具有引导作用[27]；教育程度(X5)由每10万人口中拥有大学(大专及以上)文化程度的人口来衡量，反映出数字普惠金融受众的金融素养。

图7 2016年、2020年珠三角数字普惠金融数字化程度指数空间分布

图8 2016年、2020年珠三角数字普惠金融数字化程度指数LISA图

地理探测结果(表1)表明，人口密度、城市化水平、消费水平、地方财政支出、教育程度5个变量均通过了0.01水平的显著性检验；通过分析因子的解释力q值可知，5个变量的解释力均超过50%，表明珠三角数字普惠金融在县级尺度的发展水平受到上述因素的影响。其中，① 城市化水平因子的q值为0.744，解释力最强。在城市化水平较高的地区，农村人口向城市的转移有助于平衡金融资源在城乡之间的分配，缓解农村金融资源不足的弊端，从而提高普惠金融的整体水平。② 人口密度因子的q值为0.718。人口密度较大的地区，市场规模和贸易发展的潜力较大，对数字普惠金融的需求规模也较大，这与已有研究结论一致[14]。③ 地方财政支出因子的q值为0.706。一方面，财政部门通过设立专项资金，多样化地运用补贴、奖励、以奖代补、贷款贴息等方式支持金融机构加大涉农、涉小微企业贷款投放力度，引导金融资源向金融服务薄弱的地区流动；另一方面，财政支出对以数字化、智能化为特征的“新基建”具有拉动作用，能够促进网络、通信等数字普惠金融基础设施的提档升级，有利于数字普惠金融的高质量发展。④ 教育程度的q值为0.691。这与已有研究结论一致，文化教育对普惠金融发展具有促进作用[20,28]。数字普惠金融由于不完全依赖于实体金融网点，从而具备一定程度的“自服务”特征，对使用者的金融素养和操作技能提出了一定的要求。教育程度较高的地区，使用者对数字普惠金融的接受度较高，有利于数字普惠金融的推广和普及。⑤ 消费水平的q值为0.586。消费是经济循环系统中的重要环节，金融服务则充当着经济循环的枢纽。消费水平高的地区，居民与金融机构之间的交易活动较为频繁，有利于提高资金使用效率，促进数字普惠金融发展。

表1 影响因子地理探测结果

4.2 影响因子的交互作用探测结果

通过对具有显著性的因子进行交互作用探测，对各自变量之间是单独作用还是交互作用于因变量进行分析。结果表明(表2)，人口密度、城市化水平、消费水平、地方财政支出、教育程度5个自变量之间均存在交互作用。交互作用类型为双因子增强，即自变量之间交互作用后对因变量的解释力大于各自变量单独作用时对因变量的解释力。这表明珠三角数字普惠金融发展水平的空间分布受到各自变量之间的交互作用及其增强效应的影响。其中，交互作用后的解释力强度居前3位的依次是地方财政支出与城市化水平交互作用、地方财政支出与教育程度交互作用、消费水平与教育程度交互作用，表明上述因子间的交互作用对珠三角数字普惠金融发展影响较大。

表2 影响因子交互作用探测结果

5 结论与建议

5.1 结论

受益于互联网的快速普及(包括网民规模、互联网理财规模、网络支付用户规模等指标的快速增长)，2016—2020年珠三角数字普惠金融总指数及覆盖广度、使用深度、数字化程度3个维度指数均在整体上呈现增长趋势。研究期内珠三角数字普惠金融总指数及各维度指数均呈现显著的空间自相关特征；空间分布上主要呈现出以广州、深圳为核心向周边地区递减的分异格局。按作用力由大到小，城市化水平、人口密度、地方财政支出、教育程度、消费水平对珠三角数字普惠金融发展均产生正向影响。

5.2 建议

随着粤港澳大湾区建设的不断推进，珠三角数字普惠金融发展已经步入了注重均衡、提高质量的新阶段。为促进珠三角数字普惠金融发展从规模速度型向质量效益型转变，加快补齐部分地区数字普惠金融发展的短板，同时也为国内其他地区数字普惠金融的高质量发展提供借鉴，提出以下对策建议：① 注重数字普惠金融的均衡发展，缩小地区之间在数字普惠金融各维度的发展差距。通过加快农业转移人口市民化进程，促进大中小城市和小城镇协调发展，完善多层次城镇化发展格局，推动数字普惠金融在城乡、区域间的协调发展。② 发挥财政资金的引导和撬动作用，高效整合现有资源，提升资金使用效率，引导金融机构支小支农，促进数字普惠金融的使用深度提升。③ 随着数字金融产品的不断创新和数字化程度的提高，金融素养也需要相应提高。要提高珠三角边缘地区教育发展质量，加大金融知识普及力度，为数字普惠金融应用的深化扫清障碍。④ 提升消费水平尤其中低收入群体消费水平，能够有效扩大数字普惠金融的市场空间和覆盖面，也有利于构建双循环的新发展格局。此外，推动数字普惠金融高质量发展应多策并举，注重统筹协调，充分发挥各项措施的综合效益，达到“1+1>2”的政策效果。