文摘

作为发展的基本方向包括金融、数字金融包容突破时间和空间限制的包容性的金融发展,并广泛的不同区域之间的联系。但是,没有研究模型的网络连接和角色和位置不同的数字金融包容性发展区域。本研究构建的空间协会网络中国数字金融包容性发展和使用网络分析方法和二次分配过程(QAP)方法研究结构和区位属性和网络的影响因素。我们发现(1)尽管网络密度相对较低,其连通性和稳定优秀,和网络结构不分层;(2)一些快速发展的中部和西部省份的中心是比一些发达的东部省份;(3)发达的东部省份净溢出作用,推动数字金融包容性发展的中部和西部省份;(4)空间协会是受PC互联网和经济发展水平,产业结构和空间邻接。本研究丰富了数字金融包容性和研究提供了科学依据政策的制定和实施,促进数字金融包容的进一步发展。

1。介绍

最近的信息技术的快速发展,数字技术的集成和包容性金融继续深化1,2),进一步提高包容性的金融服务的可访问性和负担能力和扩大覆盖范围3]。因此,数字金融包容性金融包容(正逐渐成为一个重要方向4]。根据数字技术,数字金融包容逐渐消除了时间和空间的限制发展包括金融,从而能够提供24小时和完全覆盖金融服务世界的任何角落。这一趋势的发展需要一个全面的方法来探索数字金融包容。与现有文献中使用的方法不同,我们采用一个全面的方法来构造和分析数字金融包容性发展的网络。

类似金融包容(5),现有数字金融包容的研究主要集中在它对经济发展的影响(6- - - - - -10],减贫[11- - - - - -13),和金融稳定14,15]。这些研究只关注数字金融包容的影响和不考虑数字金融包容性发展地区之间的连接。这很重要因为包容性金融的发展有明显的空间溢出效应(16),更加明显的数字金融包容性,数字技术的发展。郭et al。17)研究开发数字金融包容的城市在中国。他们发现数字金融包容性发展的城市之间有重大的积极的空间自相关,也就是说,一个重要的积极的空间溢出效应。此外,这种效果显示了逐年增加的趋势。同样,沈et al。18)花了101个国家为研究对象,发现更高层次的数字金融包容的国家将会影响数字金融包容性的发展周边国家通过溢出效应。

现有证据表明,数字化的发展金融包容广泛连接在不同的地区。因此,它应该被视为一个数字服务网络,提供不间断的和完全覆盖金融服务学习的时候。然而,我们所知,没有研究明确模型的网络连接和角色和位置不同的数字金融包容性发展区域。因此,本研究需要中国,世界上最大的数字金融包容市场(19)为研究对象,试图填补这一空缺通过构造空间协会的数字网络金融包容性发展。同时,我们使用网络分析方法和二次分配过程(QAP)方法研究结构和区位特性和网络的影响因素以确定的空间特征和关键影响因素的发展数字金融包容。所有的发现提供了一个重要科学依据的政策制定和实施进一步发展数字金融包容,这是实现包容性金融的可持续发展至关重要。

2。方法和数据

2.1。建筑空间协会的网络

中国空间协会发展的网络数字金融包容包括数字金融包容性发展省份之间的关系。在网络中,节点是省、和边缘的关系。构建空间关联网络的关键是描述空间关系省份。根据研究意义(20.),我们定义了一个空间度量通过相关系数的函数,然后使用这个空间度量(在本研究欧氏距离)距离建立这些关系。适当的函数是 在哪里我,j= 1,2,…N代表任何两个不同的省份在31个省(市、自治区统称为“省”,不包括香港、澳门和台湾);D_ij是省之间的欧几里得距离吗我和j;C_ij是两个向量之间的相关系数,具体由以下公式: 在哪里x_它= (x_我1,x_我2、…x_它、…x_它),x_jt= (x_j1,x_j2、…x_jt、…x_jT),分别表示中国数字金融包容指数的省份我和j从t= 1,t=T。

出于研究的杨和刘21),我们可以获得省之间的空间关联矩阵根据方程(3)在获得欧几里得距离矩阵。 在哪里问(我,j)代表省份之间的空间相关性我和j;问_ij代表的倒数D_ij;和空间关联矩阵问(我,j)= (问_ij)_N×N。考虑到计算空间关联矩阵是不对称的,空间协会网络数字金融包容性的发展我们构建方向。此外,与传统的网络施工方法相比,我们的方法消除了不利的重力模型和VAR格兰杰因果模型易受多种因素(21]。

2.2。特征空间协会的网络

2.2.1。整个网络

在这项研究中,我们用四个指标,也就是说,网络密度、网络连通性、网络层次结构,和网络效率,衡量整个网络的结构特性的数字金融包容性发展(22]。

网络密度是一个指标,反映了各省在网络的互联性(23]。它可以被定义为实际的比率关系总可能的关系,及其计算公式如下: 在哪里l表示的实际数量关系;N代表了网络的规模。

网络连通性是用来衡量网络中省份之间的可达性。如果不能互相访问一些省份,那么网络的连通性必须很小,如果省可以直接和间接地互相访问,必须大网络的连通性。因此,网络连通性可以计算如下: 在哪里V代表的数量不可到达的节点对网络中;N代表了网络的规模。

网络层次结构可以测量网络中每个省的程度不对称连接,从而反映出每个省的等级地位。具体地说,其计算公式如下: 在哪里P表示对称可及节点数对网络中;max (P)表示对称可及节点的最大数量。

网络效率是指在多大程度上存在于网络冗余连接。空间协会在我们的网络,网络效率越低,越是省份之间的关系和空间溢出渠道的发展数字金融包容。网络效率的计算公式如下: 在哪里问表示网络中多余的连接的数量;max (问)代表冗余连接的最大数量。

2.2.2。中心

的区位特征空间中的每个省协会的数字网络金融包容性发展,我们关注三个方面,即学位中心,中间性中心,亲密中心(24),可以用来测量连接,中介和可访问性(25网络中不同的省份。

学位中心措施的程度是直接接触或一个省与网络中其他省份毗邻。它可以被定义为的省份数量的比例直接连接到一个省的省最有可能直接连接到省。学位中心可以计算如下: 在哪里C_度(我的学位中心)表示我;n(我)表示的数量直接连接到省省我在网络;N代表网络的大小。

中间性中心措施的程度是一个省的网络中其他省份,反映了一个省的程度的控制其他省份之间的互连。其计算公式如下: 在哪里 在哪里C_{顺便说一句}(我)代表省的中间性中心我;d_jk代表省份之间的最短路径的数量j和k;d_jk(我)代表的最短路径的数量通过省我并连接省j和k;N代表网络的大小。

亲密关系网络中的中心措施省份之间的亲密和代表一个测量不受其他省份的控制。如果网络中的一个省接近其他省、省高亲密中心。靠近中心的计算公式如下: 在哪里C_关闭(我)表示亲密的中心省份我;d_ij代表省份之间的最短路径我和j;N代表网络的大小。

2.2.3。块模型

块模型分析首次提出了白色,布尔曼,Breiger更好地分析每个省的角色和位置在网络空间协会(26]。这种方法的基础上,31个省可以分为四块:第一个是“主要有益”。其成员有更多的关系在外面的块和更少的关系。第二个是“净溢出”。其成员主要发送关系到其他模块。然而,很少有关系收到其他块。第三个是“双向溢出”块,其中成员发送块内外的关系。第四个是“代理”。其成员收到的成员关系外块,送他们到另一块成员;然而,内部成员的联系相对较少。

因此,我们使用UCINET软件和CONCOR方法划分空间的31个省协会网络数字金融包容性发展到上面提到的四个街区在这项研究。

2.3。二次分配过程

2.3.1。理论模型

一方面,数字金融理论突破传统的地理空间的限制,为人们提供金融服务在偏远地区廉价和方便;另一方面,许多企业的推广数字金融仍然取决于地理因素及其发展也显示了一个健壮的空间聚类(17]。因此,我们推测地理相邻的概率会增加之间建立空间数字金融包容性发展协会的省份。此外,作为金融发展的新形式,数字金融仍然是金融发展的基本规律;,其发展仍然依赖于实体经济和传统金融(27]。与此同时,数字金融的发展也在很大程度上取决于信息技术的发展(28)和移动技术(1,6,11]。此外,第三产业比第一和第二产业有更多的数字金融需求时考虑到产业结构。因此,我们推测,各省之间的差异在经济发展水平方面,传统金融和互联网(PC互联网和移动互联网)和产业结构也会影响空间的建立协会数字金融包容性发展的省份。

总之,我们认为五种因素的影响因素研究空间数字金融包容性发展的协会。这些因素的具体信息和他们的代表指标如表所示1。

因此,我们建立如下模型:

方程(12)表示关系数据之间的关系,这些关系数据由一系列的矩阵。因变量R是空间协会网络数字金融包容性发展;相应的空间关联矩阵直接代表它。独立的变量年代是空间邻接矩阵由地理位置决定的。如果相邻的两个省的空间邻接矩阵,然后值为1;否则,该值为0。剩下的变量,我们把每个省的相应指标的平均值在样本期间,然后使用这些平均值的绝对差构造矩阵的区别。

2.3.2。QAP分析方法

鉴于我们的经验数据关系,它包含属性信息和关系结构(29日),不满足“变量独立”的假设在传统统计数据。因此,大多数多元统计方法不能使用。在这项研究中,我们采用一种非参数QAP方法,可用于假设检验在关系层面,研究影响因素的空间关联网络。QAP分析包括QAP相关分析和QAP回归分析。

QAP相关分析,基于矩阵的替代数据,是一个比较网格的相似度值的方法在两个方阵,与此同时,执行一个非参数检验(30.]。具体做法有以下三个步骤:首先,长向量之间的相关系数由已知的矩阵计算。接下来,相对应的行和列的矩阵同时随机替换,然后取代之间的相关系数矩阵和矩阵计算。重复这个过程数百甚至数千次获得相关系数的分布。最后,通过比较实际的相关系数计算的第一步与相关系数的分布计算随机重排,我们可以看到实际的相关系数是否落入拒绝域或接受域,然后做出判断。

QAP回归分析的原理是一样的,QAP相关性分析。QAP回归分析的目的是研究多个矩阵和一个矩阵之间的回归关系和评价确定系数的意义R²。具体的计算有两个步骤。首先,普通多元回归分析是进行相对应的长向量独立和依赖的变量矩阵。其次,因变量的相对应的行和列矩阵同时随机改变,然后重新回归。这一步是重复数百甚至数千次估计的标准误差统计数据。

2.4。数据源

在这项研究中使用的核心数据是“北京大学数字中国金融包容指数”,这是编译的基础上数以亿计的微数据从一个数字代表在中国金融机构;这个数据反映了横截面和穿越时间的采集和使用数字的变化在中国的金融服务(31日]。该指数涵盖31个省,337个地市级城市(地区、自治州和联盟共同被称为“城市”),和近2800个县(县级市、横幅和市辖区统称为“县”)。省级和地市级指数跨度从2011年到2018年,和县级指数跨度从2014年到2018年。除了整体指数,“北京大学数字中国金融包容指数”还包括覆盖广度分指数,使用深度分指数和数字化程度分指数[32]。因此,“北京大学数字中国金融包容指数”可以全面描述数字金融包容性的发展趋势在中国的不同地区。然而,以反映中国数字金融包容性发展的空间协会从总体来看,我们在研究中只考虑省级总体指数。其他QAP分析数据来自《中国统计年鉴》”和“中国金融统计年鉴。“此外,消除时间趋势,我们也处理数据对数。

3所示。分析的结果

3.1。实证结果与分析空间协会的网络

研究结构和区位的属性空间协会的数字网络金融包容性发展直觉,显然,我们使用NetDraw软件画一个图,如图1。从图中,我们可以看到,31个省之间的关联是稠密的。与此同时,发达的东部省份主要是位于网络的权利,而中部和西部省份交织在中间左右区域网络。

3.1.1。整个网络分析

整个网络分析的重点是空间的结构特点协会网络数字金融包容性的发展及其对发展的影响的省份内的网络。

网络密度描述了网络空间关联的数量。在空间协会网络数字金融包容性发展,最大程度的31个省之间的联系是930,和实际现有协会359;因此,根据公式(4),网络密度是0.386。这个结果反映了关于数字金融包容性发展的省份之间的互联性程度相对较低。的情况可以看出,直接和全面的交流和互利合作的数字之间的金融包容的省份在网络中并不乐观。

网络连通性、网络层次结构和网络效率描述网络中的空间关联的模式。根据公式(5)- (7)、网络连通性、网络结构和网络效率的空间关联网络数字可以计算金融包容性发展。网络连通性是1,这表明网络关系程度高和良好的连接。换句话说,这个结果意味着各省在网络可以直接或间接的访问在很大程度上。网络层次结构为0,表示没有层次结构之间的空间关系和空间溢出效应的省份网络;即空间关联和空间溢出效应与不同省份之间也可能存在数字金融包容性的发展水平。网络效率为0.577,表明存在的多个重叠的溢流通道数字金融包容性发展的省份之间的网络;因此,网络结构相对稳定。总的来说,目前的空间关联模式高连通性,nonhierarchy,和强大的稳定性是非常有利于之间的信息交换和共享资源省份关于数字金融包容性的发展。

3.1.2。中心分析

中心分析是描述和测量每个省的区位特征的空间协会网络数字金融包容性的发展。省份更重要的或突出的连接,中介和可访问性占据了更多的中心和网络中的重要位置。

基于公式(8学位中心),计算结果表明,省中心程度大于50个最可观的影响其他省份发展的数字金融包容。除此之外,在连接方面,这些省份是中国空间协会的核心网络的数字金融包容性发展。在这些省份中,迅速发展的中部和西部省份(山西、河南、湖北、四川、湖南、重庆、内蒙古、安徽、江西、广西、陕西、宁夏)占85%以上。这些省份在直接接触或靠近许多其他省份和可以被其他省份主要通道传输数字金融包容性发展的信息。然而,学位中心的东部沿海省份,如上海、江苏、浙江、广东、福建,相对较低,这表明这些经济发达省份直接或间接有限空间连接与其他省份而言,数字金融包容性发展;因此,这些省份处于相对边缘位置对网络的连通性。这种现象的部分原因在于这样一个事实,即前面提到的中部和西部省份位于中国地理空间的中间。因此,依靠连接东西和南北的地理优势,这些省份可以加强与更多省份发展的数字金融包容性,从而建立更多空间关联。相比之下,受地理条件限制,上述东部省份有更多的连接与中部省份和更少的连接西部省份。因此,这些省份只有建立数字金融包容的空间关联较少的省份。

结果显示中间性中心计算公式的基础上(9)和(10),31个省的平均中间性中心是29.548;15个省份的中间性中心是高于平均水平。其中,陕西,四川,山西最关键的节点,因为他们有最高的中间性中心。这三个相对快速发展的中部和西部省份发挥重要作用在邻近省份和有很强的能力来控制省与省之间的数字金融包容性发展。换句话说,这些省份在中央位置对中介和发挥关键的“中介”和“桥梁”作用的空间关联网络,连接数字金融包容性发展的东部和西部省份。这种现象可能是离不开这些省份的地理优势。这些省份位于不仅在中国的地理空间,也包括在Heihe-Tengchong线代表中国的人口,地理和经济界限。因此,依靠“中介”和“桥梁”的优势在地理位置,这些省份占据中心位置的调解和控制其他省份之间的数字金融包容的合作网络。的中间性中心贵州、甘肃、江苏、浙江、青海、福建、广东、新疆都小于5。其中,一半的省份都在东部发达地区,而另一半在欠发达的西部地区。 However, these provinces all have relatively limited influence on neighboring provinces in the development of digital financial inclusion. This phenomenon may be caused by these provinces being located at the edge of China’s geographic space; hence, they are not dominant geographically. This is also reflected in their location in the spatial association network; that is, these provinces are at the edge of the network, so they have weak abilities to control the digital financial inclusion cooperation between other provinces.

根据计算结果接近中心基于公式(11),31个省的平均值是60.055;15个省份价值高于平均水平。其中,快速发展的中部和西部省(山西、湖南、湖北、四川、广西、重庆、湖南、陕西、宁夏、黑龙江、安徽、江西、青海)占86%以上。这些省份相对接近其他省份在空间协会网络;也就是说,它们可以快速地与其他省份有关数字金融包容性发展。因此,这些省份占据中心位置对空间协会的可访问性的网络数字金融包容性发展和中央演员。值得注意的是,这些省份几乎一样的中部和西部省份与学位中心大于50。因此,这些省份占据中心位置的空间协会网络也可以归因于他们的优越位置连接东西和南北。由于这种区位优势,这些省份可以建立更紧密的空间关联与其他省份而言,数字金融包容性发展。过去的十省是北京、上海、新疆、吉林、贵州、浙江、江苏、广东、甘肃、福建。 Among these provinces, the eastern provinces account for 60%, and the central and western provinces account for 40%. However, they are all marginal actors in the spatial association network and may need to rely on other provinces to relay digital financial inclusion development information. This may also be because these provinces are located at the edge of China’s geographic space (i.e., eastern and western regions). Therefore, they need to rely on the central provinces to establish spatial associations with other provinces.

从上面的分析可以看出,一些快速发展的中部和西部省份占据中心位置的连接,中介和可访问性的空间协会网络中国数字金融包容性发展。除了受地理因素的影响,我们认为,这种空间关联网络的区位特征在一定程度上也受政策因素影响。2015年底,中国政府发布了“促进包容性金融发展计划(2016 - 2020),“包容性的金融发展做更具体的安排。相应地,中国财政部于2016年开始实施的计划分配包容性发展的财政专项资金对所有省份。如图2,从2016年到2018年,中国财政部主要专项资金分配等省云南、河南、陕西、湖北、江西、湖南、贵州、甘肃、四川和安徽。这些省份都位于中国的中西部地区,反映出中国政府大力支持发展的包容性金融在中部和西部省份。自数字金融包容性金融包容是一个重要的方向,数字金融包容性的发展在中部和西部省份加速因此,这有助于这些省份与其他省份建立更多的空间关联。总体而言,中西部省份中占据了中心位置的空间关联网络中国数字金融包容性发展主要是由于其优越的地理位置和政府的大力支持。

3.1.3。块模型分析

块模型分析的重点是识别和确定每个省的角色和位置在空间协会发展的网络数字金融包容,发现网络中的“子”。使用UCINET软件和设置的最大分割深度和收敛性判据2和0.2,分别四个数字金融包容性发展块可以获得(如图1)。块1有八个成员,位于经济发达的东部地区,包括北京、天津、江苏、广东、浙江、海南、福建、上海。块2有四个成员,都是相对快速发展的西部省份,即广西、重庆、四川、陕西。块3有9个成员,包括省和强劲的经济增长(河北、山东、河南、湖北、辽宁)和省经济增长相对较慢(青海、山西、黑龙江、宁夏)。块4有十名成员,主要在中西部地区相对落后的省份,也就是说,吉林、内蒙古、湖南、云南、西藏、贵州、甘肃、江西、安徽、新疆。

359年实际协会在网络空间协会,协会在四个街区内的数量是198,和四个街区之间的关联的数量是161,展示空间的存在协会和块之间的溢出效应。具体来说,根据表中2,我们可以观察到1发送24块与其他模块之间的关系,但只收到9块2的关系。的数量关系,块1发送到另一块大约是三倍的数量关系,是收到另一块。因此,块1可以被视为一个“净溢出”块。从其他块和块2收到55关系同时发送40与其他模块之间的关系;然而,只有几块2的内部成员之间的关系。因此,块2是一个典型的“经纪人”。块3发送60与其他模块之间的关系和接收69从其他块之间的关系;预期的比率是26.67%,内部关系和实际的内部关系比率是48.72%。因此,块3符合条件的“主要受益者”。块4块内发送75关系和37与其他模块之间的关系。 The expected internal relation ratio is 30.00%, and the actual internal relation ratio is 66.96%. Thus, Block 4 meets the condition of a “bidirectional spillover” block.

根据分配的块之间的关联,密度矩阵(如表所示3)可以反映的分布计算块之间的溢出效应。整个网络密度是0.386,将会有一个倾向于集中在块当一个块的密度大于0.386。因此,通过分配一个值大于0.386的密度矩阵为1,否则,分配为0,图像矩阵如表所示4可以获得。图像矩阵可以清楚地显示块之间的溢出效应。根据表3和4,我们可以观察到块1的溢出效应主要反映在本身和2块,2块,主要是反映在自身和3块,3块,主要是反映在自身和块2。相比之下,块4的溢出效应只是反映在本身。

图像矩阵还清楚地显示了传导机制发展的数字在中国金融包容。图3表明,首先,中国数字金融包容性的发展有一个明显的“俱乐部”的效果。这表明丰富协会存在于每一块;也就是说,块内的成员彼此是密切相关的。第二,块1是发动机的发展中国数字金融包容和传输发展的势头块2。第三,作为一个重要的“桥梁”和“链接”,2块传输发展的势头块3。发展的势头,部分是回到块2块3。因此,可以看出,这一传导机制的特点梯度溢出和双向溢出。总的来说,成员1块(北京、天津、江苏、广东、浙江、海南、福建、上海)担任发动机都位于东部发达地区与快速的经济增长和金融发展。因此,这些省份会导致其他省份数字金融包容性发展的基于他们的经济和金融发展的优势。然而,块1块3的驾驶效果(经济发达地区、经济落后地区)不是直接实现,而是间接地通过块2(相对快速发展的西部省份)。

3.1.4。方法的有效性分析

在图论中,最小生成树(MST)是使用一个标准的方法来描述网络结构。网络构建基于MST方法可以直观地反映出最关键的连接和信息网络中节点之间以最简单的结构(20.,33,34]。因此,我们指的是杨和刘的工作21),验证了我们的方法的有效性建设上述网络基于MST方法通过建立一个网络。网络的基础上,构建基于MST方法,也是相关系数。计算相关系数后按照方程(2),我们可以将它转换成欧氏距离按照方程(1)。然后,我们可以使用的算法构建MST [35]。

简洁的数字网络金融包容性发展在中国建立基于MST方法如图4。图4提供了一些令人信服的信息。除了重庆,其他省份的角色和位置在网络构建基于MST方法基本上是相同的。在这个树结构中,8个发达的东部省份(即。,Guangdong, Jiangsu, Fujian, Beijing, Zhejiang, Shanghai, Tianjin, and Hainan) are clustered in Block 1 on the upper right. Block 2 connected to Block 1 includes three relatively fast-developing western provinces, that is, Shaanxi, Guangxi, and Sichuan. Their structure of association is relatively simple. As a critical node, Hebei is connected to Blocks 3 and 4. Compared with the previous network, besides five provinces with strong economic growth (Hebei, Shandong, Henan, Hubei, and Liaoning) and four provinces with relatively slow economic growth (Qinghai, Shanxi, Heilongjiang, and Ningxia), Block 3 also includes Chongqing which used to belong to Block 2. Block 4 is the same as before and mainly includes Jilin, Inner Mongolia, Hunan, Yunnan, Tibet, Guizhou, Gansu, Jiangxi, Anhui, and Xinjiang, which are relatively underdeveloped central and western provinces. Moreover, Block 1 and Block 3 are not directly connected but indirectly connected through Block 2.

总之,通过比较网络构建基于我们基于MST与网络构建方法的方法,我们发现的角色和位置的省份网络基本上是一样的。因此,我们的网络施工方法的有效性确认。

3.2。空间关联网络的影响因素

3.2.1之上。QAP相关分析

我们使用UCINET软件并选择5000随机排列测试空间关联矩阵和矩阵之间的相关性的影响因素和结果如表所示5。在表5,“价值”代表了实际空间协会之间的相关系数矩阵和矩阵的影响因素;“意义”代表了显著性水平;“平均”和“性病。dev”代表的平均值和标准差计算相关系数从5000年随机排列;“最小值”和“Max”表示的最小值和最大值的随机计算相关系数;“道具≧0”和“道具≦0”表明这些随机的相关系数计算的概率不少于不超过实际的相关系数,分别。

QAP相关分析结果显示空间关联矩阵之间的显著正相关R和空间邻接矩阵年代,相关系数为0.123。这个结果表明,地理相邻省份之间有显著积极影响省份之间的空间关联和空间溢出。空间协会之间的相关系数矩阵R和其他差异矩阵反映了经济发展水平,传统金融和互联网(PC互联网和移动互联网)和产业结构都是显著负的。这个结果意味着这四种关键因素也会影响省份之间的空间关联和空间溢出。

此外,我们执行一个QAP相关分析矩阵的影响因素。结果在表6表明,矩阵的影响因素高度相关,具有统计学意义。因此,这些影响因素的影响对空间关联矩阵R可能会重叠,这是一个关系数据的特征。因此,我们必须使用QAP方法来处理这些关系数据之间的“多重共线性问题。

3.2.2。QAP回归分析

我们使用UCINET软件并选择5000随机排列测试矩阵的各种影响因素的影响在空间关联矩阵R,结果如表所示7和8。model-fitting结果表7表明,决定系数为0.142,其调整值是0.137。这一结果表明,当一个空间关联矩阵之间存在线性关系R和影响因素矩阵,我们认为在这项研究中,影响因素有重大影响的矩阵可以解释13.7%的变异的空间关联矩阵R。

每个变量的回归系数和测试指标如表所示8。在表8、“Unstandardized系数”和“标准化系数”代表变量的Unstandardized和标准化回归系数矩阵;“意义”代表了显著性水平;“道具≧0”和“道具≦0”表明这些随机的概率计算回归系数不少于不超过实际的回归系数,分别。结果表明,回归系数矩阵的区别N和E−−0.236和0.171,均显著负在1%的显著性水平,表明不同的PC互联网和经济发展水平降低了1%,建立两个省之间空间关系的概率可以增加0.236%和0.171%,分别。回归系数的差别矩阵我是0.195和重要的在1%的显著性水平,表明产业结构的差异增加了1%,建筑两个省的空间关联的概率可以增加了0.195%。回归系数的空间邻接矩阵年代0.062和重要在10%的显著性水平,表明如果相邻的两个省,建立的概率空间这两个省之间的联系可以增加了0.062%,而回归系数矩阵的区别吗米和F无关紧要,它指示的不同移动互联网和传统金融的发展水平几乎没有影响省份之间的空间相关性。

4所示。结论和启示

本研究构造空间协会的数字网络金融包容性发展和使用网络分析方法和QAP方法分析网络的结构和区位特性和影响因素。具体地说,我们首先建立一个空间协会网络基于欧氏距离;然后,我们研究网络的结构和区位特性和各省的角色和位置在网络中通过分析整个网络的中心,并阻止模型;最后,我们探索影响因素的空间协会通过QAP方法。根据研究结果,我们得出以下结论:(1)空间协会中国数字金融包容性发展具有较高的网络连接,nonhierarchy,稳定性强;然而,它的密度相对较低。因此,各省之间的进一步交流与合作开发数字仍然可以提升金融包容。一些快速发展的中部和西部省份的中心位于中国的中间的地理空间是相对较高的。相比之下,一些发达的东部省份的中心地位相对较低。我们相信这个结果主要是受到地理因素和政策因素的影响。一方面,基于连接东西和南北的地理优势,这些快速发展的中部和西部省份能够与更多的省份建立空间关联数字金融包容性的发展。另一方面,依靠中国政府的大力支持,数字金融包容在中部和西部省份有了长足的进步,也促进了空间关联的建立更多的省份。(2)省空间关联网络的中国数字金融包容性发展大致可以分为四个街区。作为一个净溢出块,块1包括8个发达的东部省份:北京、天津、江苏、广东、浙江、海南、福建、上海。块2扮演中间人的角色,由四个相对快速发展的西部省份,位于中国的中间的地理空间(即。、广西、重庆、四川和陕西)。块3块是主要的受益者,包括与强劲的经济增长(即省。,Hebei, Shandong, Henan, Hubei, and Liaoning) and provinces with relatively slow economic growth (i.e., Qinghai, Shanxi, Heilongjiang, and Ningxia). Block 4 consists of relatively backward provinces in the central and western regions (i.e., Jilin, Inner Mongolia, Hunan, Yunnan, Tibet, Guizhou, Gansu, Jiangxi, Anhui, and Xinjiang) and plays the role of bidirectional spillover in the network. Among the four blocks, Block 1 is the engine that promotes the digital financial inclusion development in China, and its driving effect on Block 3 is not directly realized but indirectly realized through Block 2.(3)相似的PC互联网和经济发展水平,产业结构的差异,和空间邻接的主要影响因素是中国的省与省之间的空间关联的数字金融包容性发展。相反,省与省之间的空间协会中国数字金融包容性发展并不影响移动互联网和传统金融的发展水平。在这些影响因素中,值得注意的是,首先,空间邻接影响空间协会仍然是一个重要因素。这反映出,尽管数字金融包容可以突破时间和空间的限制,其发展仍然受到地理因素在某种程度上的影响。第二,传统金融的发展水平几乎没有影响空间协会表示,尽管数字金融包容仍然是金融发展的本质,其发展并不主要依赖传统金融的发展水平。

结论的政策含义如下:首先,基于低密度的特点,高连通性,nonhierarchy,和强大的稳定空间协会网络中国数字金融包容性发展,政策制定者可以进一步加强省之间的沟通和对接,积极建立磋商与合作机制,以有效地促进信息交流和资源共享数字金融包容性发展的省份之一。第二,政策制定者可以强调中央的位置迅速发展的中部和西部省份由山西、四川、湖南和湖北的连通性、中介和可访问性的空间协会网络中国数字金融包容性发展。一方面,政策制定者可以充分挖掘潜在的这些省份在传输数字金融包容性发展的信息。另一方面,政策制定者可以充分发挥这些省份的角色作为“桥”和“链接”在促进数字金融包容的协调发展中省份。第三,政策制定者可以带来的辐射和主角东部发达省份的空间协会网络发挥中国数字金融包容性发展。宝贵的经验和可行路径的传播发展中数字金融包容在发达的东部省份的中部和西部省份,它将推动和帮助中西部省份发展数字金融包容。最后,为了增加的概率建立省份之间的空间联系和放大省与省之间的空间溢出效应,决策者可以在几个方面作出努力,包括全面提高国家PC互联网普及率,促进区域经济的协调发展,形成一个省与省之间的差异化的产业结构。

虽然我们进行一个相对全面的分析,我们的研究仍然在某些方面有一定的局限性。首先,数据的限制,我们没有调查的进化特征空间协会网络从动态的角度来看,只有仅仅描述了静态特征。因此,我们将进行动态演化研究空间协会网络在未来。除了欧几里得距离,我们可以考虑使用其他空间指标作为构建网络连接的距离。我们可以比较和分析网络与不同空间指标进一步理解数字金融包容性发展的空间。

数据可用性

核心数据用来支持这个研究的发现是“北京大学数字中国金融包容指数”,这是数字金融协会编制的北京大学。可以从访问的数据https://idf.pku.edu.cn/yjcg/zsbg/485016.htm。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

本研究在中国国家自然科学基金的支持下,“金融市场网络特性理论整合空间语义分析大数据环境下”(没有。71671180)。