2. 西北大学 经济管理学院, 西安 710127
2. School of Economics and Management, Northwest University, Xi'an 710127, China
县域一直是金融服务的短板、金融普惠的薄弱环节,呈现出金融资源空间分布差异较大、服务模式单一、成本高昂等特征。近年来,基于信息通讯技术的运用,数字金融以其信息化、网络化、智能化优势,在提升金融服务便捷化、拓展信贷融资渠道等方面发挥了积极作用。与传统金融不同,数字金融缓解了金融供给对物理网点的依赖,有效拓展了服务半径,对于降低县域金融成本,拓宽金融固有地理供给边界提供了有利的契机。2021年,中央一号文件首次明确提出要“发展农村数字普惠金融,支持现代农业设施和乡村建设”,在政策层面为数字普惠金融发展提供助力。西北地区是我国人口密度较低的地区,经济基础相对薄弱,金融空间排斥明显,亟需抓住中央及其国家相关政策机遇,利用好数字金融空间穿透性较强的优势,有效提升金融服务供给。在此背景下,深入解析数字金融在县域空间扩散规律及其内在作用机制,对促使数字金融在县域的发展,使之释放出最大化的普惠效应、推动金融业供给侧结构性改革、促进金融服务空间均衡发展均具有重要的理论与实践价值。
2 文献综述 2.1 金融资源空间集聚与扩散金融是国民经济的命脉,是塑造经济地理格局的重要驱动力。在追逐利润与财务可持续的影响下,金融业空间布局呈现出明显的集聚性,从而不可避免的对偏远县域形成空间排斥,强化了空间发展不均衡[1, 2]。因此在一定程度上,推动金融资源的空间扩散不但是个经济地理命题,也涉及区域均衡发展的价值导向。一般认为:提高金融机构地理空间可达性、改善金融服务获取便捷性是缓和金融排斥的首选路径[3-7]。但从中国发展实践看,金融业空间布局的市场导向突出,中心城市集聚化表现明显[8-10],大量金融机构网点因运营成本与金融风险等因素在县域开展业务的意愿不强,引起金融资源向县域进一步扩散的路径受阻,导致金融排斥、资金外流等问题长期难以解决[11-13]。为了更好促进县域的金融供给,从中央到各部门,各地区都先后出台相关政策推动金融机构服务下沉。早在2006年,银监会就通过降低准入门槛,鼓励在中西部、东北和海南省的县(市)及县(市)以下地区,其他省(区、市)的国定贫困县和省定贫困县等农村地区设立村镇银行、贷款公司和资金互助社等三类新型农村金融机构。人民银行、农业部、财政部等相关部门先后通过定向降准、费用减免、税收优惠等政策杠杆,鼓励各类资本进入中西部乡村地区的金融市场,以此来提升金融服务的区域与城乡空间均衡。从经济地理学视角看,距离衰减律在金融业中有显著的体现,传统金融发展难以满足县域经济社会发展需要,其内在原因是金融资源的供给呈现出典型的空间集聚,而其需求则更为分散,供求双方的空间分离导致了信息损耗,引发的信息不对称增加了交易成本与风险,而资金需求者往往提供的又是非标准化信息与缄默信息,更加剧了这一矛盾。随着信息技术的广泛运用,以互联网信息技术为手段的数字金融服务不再局限于物理网点,能够迅速实现远距离金融供需对接,为缓解县域金融空间排斥提供了契机,也为金融资源由聚集地向外扩散提供了新的动力。
2.2 数字金融近年来,通讯信息技术的突飞猛进促进了数字金融的蓬勃发展。凭借交易便捷、低成本等优势,数字金融被各界人士认为是缓解金融排斥,提升金融包容性的重要抓手[14, 15]。学术界也就数字金融发展路径与内在机制等方面展开了相关研究。已有研究基于技术更替的路径依赖理论、信息不对称理论、资源诅咒理论以及信贷理论阐释数字金融和互联网金融的变迁路径与发展现状[13, 16-18]。部分学者也实证分析了县域数字金融发展现状、分布动态趋势、地区差异以及影响因素,认为在考察期内,数字金融发展水平明显上升,地区差异逐步缩小,呈现收敛趋势[19, 20]。但张龙耀和邢朝辉、张天和刘自强利用北京大学数字普惠金融指数探究其差异演化趋势,发现后期也存在增长乏力的现象,呈现微弱发散趋势[13, 21]。数字金融经发展受诸多因素的影响,已有研究也证实了城镇化水平、经济结构的转型升级、传统正规金融、民间金融、数字基础设施和政府干预等都是影响数字金融服务拓展的重要因素[22-24]。
能提供低成本和高空间穿透性的服务是数字金融空间扩散得以实现的前提,但市场发育、金融生态环境、以及社会、文化、教育等因素也影响着数字金融在地方发展的实际成效。已有研究认为数字金融在乡村实现了快速发展,但在发展效应,尤其是普惠性实现方面还有待提升。部分学者认为数字金融能够作为传统正规金融的补充,其服务能够拓展至偏远乡村,能够惠及偏远农户与低收入群体[25-27]。但也有文献表明,数字金融服务的受众以教育、收入水平相对较高的群体为主,与传统金融大部分客户重合,主要表现出替代效应,现阶段难以有效延伸至更偏远落后的地区,仅起到“锦上添花”的作用[16, 28]。
发展数字金融是改善金融可达性,提升偏远农村地区金融服务能力的有效途径。现有文献多从经济学、金融学视角展开分析,从人文与经济地理学固有的区域与空间视角研究还比较缺乏。已有研究显示数字金融(一些早期文献也称之为互联网金融)存在明显区域差异[29, 30],但对其空间扩散路径规律的认识仍然不够深入,尤其在县域,发展数字金融被认为是“互联网+”的技术逻辑和“社会网+”的社会逻辑共同作用的结果[17],因此还需要从更多元的学科视角阐释其发展规律及内在动力机制。本文尝试从金融地理学以及新经济地理所强调的人文与经济相结合的视角考察县域数字金融空间扩散规律及其动力机制,并用县域样本数据进行实证检验。贡献之处主要在:第一,数字金融是典型的从金融机构较为集聚、科技实力较强的大城市,通过信息化技术向县域扩散的服务业态,深入考察数字金融在县域空间扩散路径所遵循的规律,并从理论与实践两个层面进行检验,能有效扩展现有金融地理学的理论体系。第二,本文以西北五省县域为研究对象,考察农村数字金融发展空间辐射的影响因素,有助于厘清当前欠发达地区农村数字金融发展的障碍,为更好实现数字金融所具有的地理渗透性,提升其普惠性和服务可得性提供理论支撑。
3 理论分析数字普惠金融是指一切通过数字技术促进普惠金融的行动,2016年9月,在G20峰会上被首次提出后,引起了学术界极大关注,被认为是能够实现金融资源向偏远县域辐射以解决普惠金融“最后一公里”问题最有可能的路径。因此,本文将首先在理论层面探讨数字金融在县域(即县级行政区,既包括县域内的城镇地区,也包括辖区内的乡村地区,本文统称为“县域”)空间扩散的动力机制,具体路径如图 1所示。
在ICT及互联网普及性的背景下,金融地理学作为一门边缘交叉学科,焕发出新的生命力[31]。在实践层面,数字金融作为一种新兴业态,其普惠性主要体现在具有较强的地理穿透性和空间可达性,成为实现空间扩散最重要的内在动力。具体作用机制如下:首先,互联网信息技术有效缓解了因地理距离而产生的信息不对称。基于线上社交网络平台,在云计算、移动互联和数字加密等新兴技术的驱动下,数字金融将部分非表格化的“软信息”转化成消费、还款记录等可以有效传递的“硬信息”。凭借人工智能等数字化技术,高效、实时的全流程金融风险控制模型的建立,更精准的对用户进行实时动态监测,提高了风控效率。因此远距离客户的网上甄别、筛选和评估有效降低了信贷等核心业务中的信息不对称问题,削弱了地理距离在金融供给中的重要性;其次,互联网信息技术有效缓解了因金融服务供给与需求的空间分离而导致的金融排斥。相比于依赖物理网点的传统金融供给,基于手机银行、app等途径提供服务的新兴模式,数字金融极大降低了金融供给的场所和人工等费用,显著减少了因地理距离增加而提升的经营成本,提升了金融供给的能力。以上作用机制均表明数字金融具有传统金融难以实现的低成本、远距离空间扩散的能力。
与此同时,作为数字金融发展的重要基础,地方社会经济环境的作用不言而喻,能从多方面影响数字金融远距离辐射内生动力的有效发挥,具体体现在以下几个方面:
第一,宽带网络通达等基础设施的完善是数字金融扩展服务的前提,是提升服务精准度、提高服务质量的关键,是实现空间扩散的重要助推器。具体的作用机制如下:首先,基础设施的完善是数字金融服务远距离延伸的先决条件。乡村4G、5G网络覆盖范围的拓展与信息服务质量的提升是数字金融供求双方有效对接的前提,智能手机等农村移动终端设备的普及是服务有效扩散的必要条件。其次,数字金融优势凸显依赖于数据的获取和规整,而这主要取决于基础设施的建设与完善。现阶段,乡村地区征信监管体系的建设略显滞后、数据获取与高效便捷传输尚未完全实现、信息基础设施的维护制度规程仍不健全,这些都制约着数字金融服务的扩散进程。随着偏远乡村基础设施逐步完善,基于互联网信息技术运用,乡村数字金融内生扩散动力的作用会进一步显现。低服务成本、便捷的数字金融产品会延伸至更偏远县域。
第二,高素质数字金融人才和较高金融素养的服务受众是影响数字金融在县域实现空间扩散的重要因素。教育水平的提升,能够有效提高数字金融服务供求双方远距离对接的效率,是促进其空间扩散的重要推动力。具体作用机制如下:首先,数字金融得以快速发展的核心之一便是拥有高素质人才[18]。传统金融机构数字化转型,服务质量与效率的提升,互联网金融公司研发适合当地的数字金融产品,延伸服务供给范围等均离不开拥有大数据分析能力和掌握金融业务知识高素质劳动力的参与。其次,数字金融产品的使用对需求方金融素养与学习能力提出了更高的要求。已有研究表明参与数字金融要求农户具有一定的知识储备,例如基础的数字技能和金融素养[32]。农户受教育水平较低、使用终端设备的熟练度不足、金融知识的相对匮乏等都会阻碍数字金融需求转化为实际的服务,形成的“教育鸿沟”不利于金融资源向这些地区的扩散。
综上,互联网信息技术的运用是县域数字金融空间扩散最重要的内生动力。基础设施的完善和教育水平的提升是数字金融向传统金融基础相对薄弱地区辐射的重要助推力,也是激发其内生动力的重要因素。
4 研究设计 4.1 模型构建 4.1.1 空间权重矩阵设定空间权重矩阵是进行空间自相关和回归分析的前提和基础,因此构建邻接矩阵(公式1)、逆距离矩阵(公式2)和经济距离矩阵(公式3)进行实证分析,计算公式如下:
(1) |
(2) |
(3) |
其中,Wij为矩阵的元素;dij表示区域i和区域j之间的地理距离;xi和xj分别表示第i个县域和第j个县域的人均GDP水平,以二者差异表示县域经济发展水平的差距;由此元素组成矩阵,并对矩阵做标准化处理。
4.1.2 空间相关性检验检验空间相关性一般选用Moran's I指数,其定义如下:
(4) |
其中,zi为xi-x,表示地区i的变量x观测值与均值的偏差,n为地区总数,wij是地区i和j之间的空间权重矩阵。
4.1.3 计量模型设定数字技术的广泛运用促进了地区间经济的密切交往,也使得数字金融在空间上表现出的相关性越来越明显。而在实证研究中若忽视区域之间的空间关联性,回归结果可能缺乏科学性,因此本文综合考虑变量间的空间相关性,构建空间面板计量模型进行实证检验。首先考察县域数字金融发展趋势,即检验其在传统金融发展水平较好的县域是否存在较好发展。基于2014年—2018年的样本数据,构建的模型如下:
(5) |
式中,被解释变量yit表示西北地区第i个县域第t年的数字金融发展水平,xit为第i个县域第t年传统金融发展水平,z表示控制变量,分别为:经济发展水平、地区产业结构、地区人口密度和政府干预程度,ε为误差项,W为空间权重矩阵。
本文进一步实证检验基础设施的完善和教育水平的提升这两个重要助推力,是否能显著助推数字金融向传统金融相对薄弱县域辐射。参考式(5),基于样本数据构建如下模型:
(6) |
其中,tjit为调节变量,分别为第i个县域第t年基础设施水平和教育水平,并引入二者与核心解释变量的交乘项,考察推动效应是否能显现。
4.2 变量设定及数据来源 4.2.1 被解释变量本文被解释变量为数字金融发展水平,采用北京大学数字金融研究中心刻画的北京大学数字普惠金融指数,从覆盖广度(反映服务触达用户的程度)、使用深度(反映实际使用数字金融服务情况,具体包括支付服务、货币基金服务、信贷服务、保险服务、投资服务和信用服务)和数字化程度(反映服务便利性、成本和信用化程度)三个维度,较好的衡量县域数字金融发展水平。
4.2.2 核心解释变量本文的核心解释变量为传统金融发展水平,采用县域银行网点空间分布作为传统金融发展水平的代理变量,具体以县域金融机构网点数量的对数化形式加以衡量。县域内金融网点数量越多,其分布越集中,表明该地区传统金融发展水平越好。若系数显著为正,则意味着数字金融内生动力在传统金融发展水平较好的县域能够充分发挥作用,反之则相反。
4.2.3 调节变量本文的调节变量是推动数字金融向偏远县域扩散的因素,即基础设施水平和教育水平。基于数据可得性并参考王雪和何广文的做法,以电话用户占县总人口的比重”作为基础设施水平的代理变量,以“中小学生总数占县域人口比重作”为教育水平的代理变量,考察二者的完善与发展是否是扩展数字金融服务地理边界的有效推动力[24]。
4.2.4 控制变量① 经济发展水平。经济发展是推动数字金融发展的基础,其发展程度深刻影响着数字金融业务的开展,本文以人均GDP考察二者关系。②地区产业结构。产业结构是地区经济结构的重要维度,对数字金融发展有着不可忽视的影响,因此本文用地区二三产业增加值占GDP的比重作为衡量指标加以考察。③地区人口密度。人口分布是金融服务供给的重要依据,也会显著影响数字金融服务的推广[24],以单位面积人口数量衡量人口稠密程度。④政府干预程度。数字金融服务在县域的延伸离不开政府支持与良好的政策环境,本文将一般公共预算支出占GDP的比重作为代理变量实证考察二者的关系(具体描述性统计见表 1)。
考虑数据可获得性,本研究选取2014—2018年西北地区(包括陕西省、甘肃省、宁夏回族自治区、新疆维吾尔自治区和青海省)131个县(市)的面板数据进行实证检验,共获得655个样本。其中,数字金融发展指数及其覆盖广度、使用深度和数字化程度三个维度的数据来源于北京大学数字金融研究中心。县域金融机构空间分布的相关数据来自中国银行保险监督管理委员会中金融许可证信息库。地区产业结构、教育水平、地区人口密度和政府干预程度的原始数据来自历年《中国县域统计年鉴》。
5 实证分析 5.1 空间自相关性分析在进行空间相关性分析前,首先对县域传统与数字金融发展差异进行概述。2014—2018年西北地区131个县域数字金融发展迅速,其指数年均增长率为44.71%,但发展差异显著,如表 1所示,最大值为126.92,平均值为77.17,最小值为15.49。同时,县域数字金融三个维度也呈现出差异化发展趋势。此外传统金融发展水平变量的极差为118,各县域传统金融资源空间分布不均衡。
Moran's I指数能够展现数字金融发展空间依赖程度的变化,反映其集聚分散变化趋势。这种变化趋势作为发展态势的一种表征,能从一定程度上描述其发展走向背后的空间扩散规律。因此,本文进一步运用逆距离权重矩阵,采用全局Moran's I指数揭示西北地区县域数字金融发展与传统金融发展水平的空间自相关性(见表 2)。检验结果显示,2014—2018年Moran's I指数均通过了1% 的显著性检验,表明存在较强的空间相关性,呈现出空间集聚特征,即县域数字金融发展与传统金融机构分布会受到其邻近地区的影响。
在全局空间自相关检验的基础上,图 2从左到右从上到下依次给出了2014年和2018年数字金融发展和传统金融发展水平的局部莫兰指数分布图,进一步检验其在不同县域的空间差异程度和空间集聚性。可以看出,大多数县域集中在一、三象限,总体呈现出高高集聚和低低集聚态势。此外从变化趋势看,数字金融发展呈现“低低”发展水平的县域,即第三象限内的样本由2014年的57个下降到2018年的37个,呈现“高高”发展水平的县域,即第一象限内的样本由2014年的38个上升到2018年的42个。存在第三象限向第一象限集中的趋势,说明随着时间的推移,西北地区数字金融发展较好的县域能够带动周边县域数字金融的发展,呈现明显的扩散现象。
表 3报告了三种权重矩阵下,基于时空固定效应的SDM模型,以县域银行机构数衡量的传统金融发展水平对数字金融发展的回归结果。研究发现:传统金融基础对县域数字金融发展有促进作用,且在不同空间矩阵下,系数都通过了1%的显著性检验。这表明县域数字金融的空间扩散受传统金融地理结构支撑,金融基础较好的县域,数字金融发展发水平较高。为了更准确的反映空间效应,进一步分解得到直接效应、间接效应和总效应(见表 4)。
效应分解的结果显示三种空间权重矩阵下,传统金融发展水平的直接效应均显著为正。这表明乡村数字金融会沿着传统金融发展路径,率先在传统金融基础较好的地区快速拓展业务。间接效应方面,传统金融发展水平的系数为正,但均未通过显著性检验。这进一步说明传统金融基础有利于当地数字金融内生动力的有效发挥,有利于促进当地数字金融服务的发展,但无法支持其在周边县域发展,说明仅依赖其内生动力无法推动其向周边地区扩散。
5.3 稳健性检验由于在变量选取中遗漏其他变量以及可能存在的反向因果问题,文本的回归结果可能存在偏误。为了解决可能存在的内生性问题,本文参考邹新月和王旺的做法,分别使用系统GMM模型、工具变量法(具体参照汪亚楠等做法,选择传统金融的滞后一期作为工具变量)进行稳健性检验(见表 5)[33, 34]。第1列使用系统GMM方法进行估计,银行网点数量的系数为1.405,在10%的显著性水平下显著为正。第2列报告了工具变量的回归结果,系数在1% 的显著性水平下显著为正,表明数字金融会率先在传统金融机构分布较密集即传统金融发展较好的地区发展,其内生动力尚不能显著推动服务扩散到传统金融发展水平较低的地区。在一定程度上,数字金融目前还处于“锦上添花”的发展阶段,难以实现“雪中送炭“,难以解决金融服务双方空间排斥的问题,其普惠性还需不断提升。
本文进一步考察数字金融不同维度在县域的发展路径,运用时空固定效应的空间杜宾模型估计的效应分解结果见表 6。可以看出,银行网点数量作用于覆盖广度和使用深度的系数分别为4.918和2.371,且分别在1%和10%的水平下显著为正,而数字化程度的直接效应不显著。这表明数字金融覆盖广度的延伸和扩散及其服务程度的深化均受到金融地理结构的影响。数字金融发展的内生动力率先推动其在金融基础较好的地区拓展服务覆盖范围,并在这些地区推广信贷、保险等核心业务。但数字化程度维度在考察期内一直处于较低水平,回归结果也侧面反映出数字金融服务的便捷化、普惠化并未在西北地区的县域凸显。
上文表明县域数字金融空间辐射受制于传统金融地理结构,仅依靠其内生动力难以显著推动服务向金融机构数较少地区扩散。传统金融基础较薄弱县域往往是社会经济环境有待改善的地区,提升这些县域基础设施和教育水平,改善经济基础的边际效应可能是数字金融向偏远县域辐射的重要动力,因此本节重点考察数字金融空间扩散驱动力的作用程度。
乡村基础设施的完善是数字金融服务实现远距离对接的必要前提,本文基于式(6)检验基础设施的完善是否是扩展数字金融服务地理边界的推动力。表 7效应分解的结果表明,数字金融与基础设施交互项的直接效应显著为负。这意味着基础设施水平落后是重要的制约因素,完善县域基础设施将推动数字金融服务向偏远欠发达地区辐射。表 7第(2)—(4)列分别列出基础设施建设对不同发展维度作用的回归结果,可以看出,其与覆盖广度的交互项显著为负,说明基础设施的改善能显著促进数字金融服务覆盖范围延伸至传统金融供给不足的地区,但难以促进核心服务突破传统金融服务半径,也难以推动其实惠、便捷特性在地理距离上的延伸。
从经验事实看,中国乡村数字金融发展尚处于初级阶段,服务深度不足与便捷化程度不高是主要问题,以适当的成本将核心服务如信贷、保险等推广至传统金融资源不足的地区也需要具有良好教育水平农户的参与。基于此,本文进一步实证检验教育水平的推动作用,从表 8显示的回归结果可以看出,数字金融与教育水平交互项的直接效应显著为负。这表明提升农户教育水平,填补“教育鸿沟”是促进数字金融向偏远地区扩散的重要驱动力。从教育水平和不同发展维度交互项的回归系数可以看出,其驱动力显著的体现在覆盖广度和使用深度两个维度,这意味着教育水平的提升能够推动数字金融的深入发展,推动核心服务向更偏远地区一步扩散,但无法促进其普惠化、便利程度同步扩散。
综合来看,互联网信息技术的运用是数字金融在乡村地区发展的内生动力,但仅依靠其内生动力无法显著促进服务的进一步延伸,因此实现数字金融空间扩散需要借助完善基础设施和提高教育水平的有效助推。但从数字金融指数的细分维度看,两种推动力均无法有效推动乡村数字金融数字化维度向偏远县域辐射。可能的原因是,县域数字金融空间辐射还需要良好的金融生态环境的支撑,西北地区经济社会发展相对落后,社会信用体系不健全和法律环境较差等均会制约基础设施、教育水平调节作用的发挥,阻碍数字金融数字化维度拓展地理边界。
6 结论与讨论研究发现:第一,西北县域数字金融发展存在空间相关性,且呈现从低低集聚向高高集聚区间集中的趋势,显现明显的扩散现象。第二,互联网技术的广泛运用是县域数字金融发展与扩散的内生动力,但其有效发挥会受传统金融地理结构的影响。第三,基础设施和教育水平是有效的推动力,会促进数字金融服务拓展地理边界,有助于向偏远欠发达地区扩散。第四,基础设施的作用仅体现在覆盖广度维度,教育水平的作用显著表现在覆盖广度与使用深度两个层面,但进一步促进数字金融便捷化和普惠特性向传统金融基础较差地区的扩散还需要优化当地的金融生态环境。
基于上述研究结论,为更好的促使数字金融服务向传统金融薄弱地区扩散,本文提出以下政策建议:第一,深入推进西北偏远农村地区数字金融发展。本文的回归结果显示,数字金融使用深度与数字化程度维度无法随着基础设施的改善扩散至更偏远的地区,因此要着力引导更加便民、惠民化的数字金融核心服务进一步下沉。第二,推动县域数字基础设施建设,持续改善农村地区金融环境。完善的基础设施以及良好的金融环境是数字金融深入发展的必要前提,因此,中央、地方政府一方面应当与基础电信企业开展合作,加大农村数字基础如网络光纤设施的投入力度,提高智能手机等移动终端的普及率;另一方面应当促进“有效市场”与“有为政府”作用的协同发挥,共同完善农村征信体系、数字金融风险防范体系与相关的法律法规,促进农村数字金融良好健康发展。第三,提升西北农户的教育水平与金融素养水平。延伸农村数字金融服务离不开农户的参与,而农户接受如信贷等核心数字金融服务的前提是有较好的金融素养水平。政府与数字金融机构应当加强偏远地区数字金融的宣传与教育。
[1] |
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[J]. 地理研究, 2014, 33(12): 2299-2311. [Zhang Guojun, Zhou Chunshan, Xu Xueqiang. Study on the provincial differences and influencing factors of financial exclusion in China[J]. Geographical Research, 2014, 33(12): 2299-2311.] |
[2] |
化祥雨, 杨志民, 叶娅芬. 金融空间联系与经济增长关系——基于江苏省县域的实证研究[J]. 经济地理, 2016, 36(3): 32-40. [Hua Xiangyu, Yang Zhimin, Ye Yafen. Spatial linkages of finance and economic growth: Research on counties of Jiangsu province[J]. Economic Geography, 2016, 36(3): 32-40.] |
[3] |
Knyazeva A, Knyazeva D. Does being your bank's neighbor matter?[J]. Journal of Banking and Finance, 2012, 36(4): 1194-1209. DOI:10.1016/j.jbankfin.2011.11.011 |
[4] |
张国俊, 周春山, 边艳, 等. 国外金融排斥研究进展评述——基于金融地理学视角[J]. 人文地理, 2015, 30(6): 19-26. [Zhang Guojun, Zhou Chunshan, Bian Yan, et al. A review of recent progress in financial exclusion researches abroad: From the persective of financial geography[J]. Human Geography, 2015, 30(6): 19-26. DOI:10.3969/j.issn.1673-6974.2015.06.011] |
[5] |
Bellucci A, Borisov A, Zazzaro A. Do banks price discriminate spatially? Evidence from small business lending in local credit markets[J]. Journal of Banking and Finance, 2013, 37(11): 4183-4197. DOI:10.1016/j.jbankfin.2013.06.009 |
[6] |
宋昌耀, 李涛, 李国平. 地理距离对中国民营企业银行贷款的影响[J]. 地理学报, 2021, 76(8): 1835-1847. [Song Changyao, Li Tao, Li Guoping. The impact of geographical distance on bank loans for China's private enterprises[J]. Acta Geographica Sinica, 2021, 76(8): 1835-1847.] |
[7] |
程惠霞, 杨璐. 中国新型农村金融机构空间分布与扩散特征[J]. 经济地理, 2020, 40(2): 163-170. [Cheng Huixia, Yang Lu. The study of spatial distribution and diffusion of new rural financial institutions: Based on Arcgis software[J]. Economic Geography, 2020, 40(2): 163-170.] |
[8] |
李小建, 周雄飞, 卫春江, 等. 发展中地区银行业空间系统变化——以河南省为例[J]. 地理学报, 2006, 61(4): 414-424. [Li Xiaojian, Zhou Xiongfei, Wei Chunjiang, et al. Locational changes of banking services in the less developed region of China since 1980: The case of Henan province[J]. Acta Geographica Sinica, 2006, 61(4): 414-424. DOI:10.3321/j.issn:0375-5444.2006.04.008] |
[9] |
茹乐峰, 苗长虹, 王海江. 我国中心城市金融集聚水平与空间格局研究[J]. 经济地理, 2014, 34(2): 58-66. [Ru Lefeng, Miao Changhong, Wang Haijiang. Research on the level and spatial pattern of financial agglomeration on central cities in China[J]. Economic Geography, 2014, 34(2): 58-66. DOI:10.3969/j.issn.1000-8462.2014.02.009] |
[10] |
刘丙章, 高建华, 陈名, 等. 中国外资银行空间网络演化的结构特征及其影响因素[J]. 人文地理, 2020, 35(2): 84-92, 111. [Liu Bingzhang, Gao Jianhua, Chen Ming, et al. Structure characteristics and influencing factors of spatial net work evolution of eoreign banks in China[J]. Human Geography, 2020, 35(2): 84-92, 111.] |
[11] |
粟芳, 方蕾. 中国农村金融排斥的区域差异: 供给不足还是需求不足?——银行、保险和互联网金融的比较分析[J]. 管理世界, 2016(9): 70-83. [Su Fang, Fang Lei. Regional differences in China's rural financial exclusion: Insufficient supply or insufficient demand: Comparative analysis of banking, insurance and Internet finance[J]. Management World, 2016(9): 70-83.] |
[12] |
莫媛, 沈坤荣. 县域银行网点布局与农村信贷资金流动[J]. 华南农业大学学报(社会科学版), 2020, 19(3): 11-23. [Mo yuan, Shen Kunrong. County bank outlets layout and rural credit capital flow[J]. Journal of South China Agricultural University(Social Sciences Edition), 2020, 19(3): 11-23.] |
[13] |
张龙耀, 邢朝辉. 中国农村数字普惠金融发展的分布动态、地区差异与收敛性研究[J]. 数量经济技术经济研究, 2021, 38(3): 23-42. [Zhang Longyao, Xing Chaohui. Distribution on dynamics, regional difference and convergence of digital inclusive finance in rural China[J]. The Journal of Quantitative and Technical Economics, 2021, 38(3): 23-42.] |
[14] |
Suri T, Jack W. The long-run poverty and gender impacts of mobile money[J]. Science, 2016, 354(6317): 1288-1292. |
[15] |
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[J]. 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[J]. Journal of Financial Research, 2018(11): 68-84.] |
[16] |
姚耀军, 施丹燕. 互联网金融区域差异化发展的逻辑与检验——路径依赖与政府干预视角[J]. 金融研究, 2017(5): 127-142. [Yao Yaojun, Shi Danyan. Exploring regional differences in development of internet finance: Perspectives of path dependence and government interference[J]. Journal of Financial Research, 2017(5): 127-142.] |
[17] |
罗兴, 吴本健, 马九杰. 农村互联网信贷: "互联网+"的技术逻辑还是"社会网+"的社会逻辑?[J]. 中国农村经济, 2018(8): 2-16. [Luo Xing, Wu Benjian, Ma Jiujie. Rural internet credit: A technical logic of the "Internet Plus" or a social logic of the "Social Network Plus"?[J]. Chinese Rural Economy, 2018(8): 2-16.] |
[18] |
董晓林, 张晔. 自然资源依赖、政府干预与数字普惠金融发展——基于中国273个地市级面板数据的实证分析[J]. 农业技术经济, 2021(1): 117-128. [Dong Xiaolin, Zhang Ye. Dependence on natural resources, government intervention and development of digital inclusive finance: An empirical analysis based on panel data of 273 prefecture cities[J]. Journal of Agricultural Economy, 2021(1): 117-128.] |
[19] |
星焱. 农村数字普惠金融的"红利"与"鸿沟"[J]. 经济学家, 2021(2): 102-111. [Xing Yan. "Dividend" and"gap"of rural digital inclusive finance[J]. Economist, 2021(2): 102-111.] |
[20] |
李明贤, 郑洲舟, 陈铯. 县域数字普惠金融发展的空间格局演化与影响因素分析——以湖南省为例[J]. 经济地理, 2021, 41(8): 136-143. [Li Mingxian, Zheng Zhouzhou, Chen Se. Development level of county digital inclusive finance: Spatial pattern evolution and influencing factors analysis: Take Hunan province as an example[J]. Economic Geography, 2021, 41(8): 136-143.] |
[21] |
张天, 刘自强. 数字普惠金融发展的县域差异及其影响因素研究[J]. 武汉金融, 2021(7): 27-34, 61. [Zhang Tian, Liu Ziqiang. Study on county differences and influencing factors of digital inclusive financial development[J]. Wuhan Finance, 2021(7): 27-34, 61.] |
[22] |
Nasri W, Charfeddine L. Factors affecting the adoption of Internet banking in Tunisia: An integration theory of acceptance model and theory of planned behavior[J]. Journal of High Technology Management Research, 2012, 23(1): 1-14. |
[23] |
王瑶佩, 郭峰. 区域数字金融发展与农户数字金融参与: 渠道机制与异质性[J]. 金融经济学研究, 2019, 34(2): 84-95. [Wang Yaopei, Guo Feng. Regional digital finance development and peasant households' participation in digital finance: Channel mechanism and heterogeneity[J]. Financial Economics Research, 2019, 34(2): 84-95.] |
[24] |
王雪, 何广文. 中国县域普惠金融发展的空间非均衡及收敛性分析[J]. 现代经济探讨, 2020(2): 41-49. [Wang Xue, He Guangwen. Analysis on spatial disequilibrium and convergence of inclusive financial development in China's counties[J]. Modern Economy Research, 2020(2): 41-49.] |
[25] |
刘澜飚, 沈鑫, 郭步超. 互联网金融发展及其对传统金融模式的影响探讨[J]. 经济学动态, 2013(8): 78-83. [Liu Lanbiao, Shen Xin, Guo Buchao. Discussion on the development of internet finance and its impact on traditional financial model[J]. Economic Perspectives, 2013(8): 78-83.] |
[26] |
孙继国, 赵俊美. 普惠金融是否缩小了城乡收入差距?——基于传统和数字的比较分析[J]. 福建论坛(人文社会科学版), 2019(10): 179-189. [Sun Jiguo, Zhao Junmei. Has inclusive finance narrowed the income gap between urban and rural areas? Comparative analysis based on traditional and digital[J]. Fujian Tribune, 2019(10): 179-189.] |
[27] |
周利, 冯大威, 易行健. 数字普惠金融与城乡收入差距: "数字红利"还是"数字鸿沟"[J]. 经济学家, 2020(5): 99-108. [Zhou Li, Feng Dawei, Yi Xingjian. Digital inclusive finance and urban-rural income gap: "Digital dividend" or "digital divide"[J]. Economist, 2020(5): 99-108.] |
[28] |
郭峰, 王瑶佩. 传统金融基础、知识门槛与数字金融下乡[J]. 财经研究, 2020, 46(1): 19-33. [Guo Feng, Wang Yaopei. Traditional financial basis, knowledge threshold and digital finance for farmers[J]. Journal of Financial and Economics, 2020, 46(1): 19-33.] |
[29] |
葛和平, 朱卉雯. 中国数字普惠金融的省域差异及影响因素研究[J]. 新金融, 2018(2): 47-53. [Ge Heping, Zhu Huiwen. Research on provincial differences and influencing factors of digital inclusive finance in China[J]. New Finance, 2018(2): 47-53.] |
[30] |
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[J]. 当代经济管理, 2020, 42(12): 88-96. [Zhang Degang, Zhu Xusen. Spatiotemporal differences and dynamic evolution of digital financial inclusion in China's nine major city clusters[J]. Contemporary Economic Management, 2020, 42(12): 88-96.] |
[31] |
田霖. 互联网金融视域下金融地理学研究的新动态述评[J]. 经济地理, 2016, 36(5): 9-16, 25. [Tian Lin. New developments of financial geography from the perspective of Internet finance[J]. Economic Geography, 2016, 36(5): 9-16, 25.] |
[32] |
彭澎, 徐志刚. 数字普惠金融能降低农户的脆弱性吗?[J]. 经济评论, 2021(1): 82-95. [Peng Peng, Xu Zhigang. Can digital inclusive finance reduce the vulnerability of peasant households?[J]. Economic review, 2021(1): 82-95.] |
[33] |
邹新月, 王旺. 数字普惠金融对居民消费的影响研究——基于空间计量模型的实证分析[J]. 金融经济学研究, 2020, 35(4): 133-145. [Zou Xinyue, Wang Wang. The impact of digital financial inclusion on household consumption: An empirical analysis based on a spatial econometric model[J]. Financial Economics Research, 2020, 35(4): 133-145.] |
[34] |
汪亚楠, 谭卓鸿, 郑乐凯. 数字普惠金融对社会保障的影响研究[J]. 数量经济技术经济研究, 2020, 37(7): 92-112. [Wang Yanan, Tan Zhuohong, Zheng Lekai. The impact of digital inclusive finance on social security[J]. The Journal of Quantitative and Technical Economics, 2020, 37(7): 92-112.] |