摘? ?要：基于修正引力模型、社會網絡分析與QAP分析方法，對中國省際金融發(fā)展的空間關聯(lián)網絡形態(tài)特征及其影響因素進行實證研究，結果顯示：（1）中國省際金融發(fā)展網絡密度低、網絡關聯(lián)度高，各省在金融發(fā)展空間網絡中不可或缺，整體網絡關聯(lián)關系有待進一步提升;（2）個體網絡特征分析表明，金融發(fā)展仍然存在較明顯的核心邊緣特征;（3）金融發(fā)展凈溢出板塊主要由湖南、河南、寧夏等15個省（自治區(qū)）構成;湖北、重慶、陜西等7?。ㄊ?、自治區(qū)）屬于典型的經紀人板塊;北京、天津、山東、福建與海南5省（市）屬于凈受益板塊;上海、浙江、江蘇和廣東4?。ㄊ校w屬于雙向溢出板塊;（4）區(qū)域經濟發(fā)展水平、金融資源稟賦、信息化水平與對外開放水平等因子差異以及地理空間相鄰與否均有效影響了中國省際金融發(fā)展空間關聯(lián)網絡。

關鍵詞：金融發(fā)展;空間網絡結構;社會網絡分析;QAP;驅動機制

中圖分類號：F830? 文獻標識碼：A? 文章編號：1674-2265（2019）10-0014-08

DOI：10.19647/j.cnki.37-1462/f.2019.10.002

一、引言

金融是經濟發(fā)展的血液和重要支撐，更是國家核心競爭力的重要體現。我國金融發(fā)展在改革開放40年來取得了輝煌的成就，特別是黨的十八大以來，金融重要領域和關鍵環(huán)節(jié)改革取得有效進展，為經濟健康發(fā)展提供了有力支撐，但我國金融發(fā)展大而不強弊端依然存在，其主要因由之一就是區(qū)域金融發(fā)展的不平衡、不充分性。黨的十九大指出：我國社會主要矛盾已經轉化為“人民日益增長的美好生活需要和不平衡不充分的發(fā)展之間的矛盾”，這里的美好生活需要包含著對高質量金融服務的需要，由此，在我國社會主要矛盾切換與金融高質量發(fā)展交匯背景下，區(qū)域金融平衡協(xié)調發(fā)展研究具有一定的實踐發(fā)展意義與學術價值。

空間結構是區(qū)域金融平衡協(xié)調發(fā)展的關鍵研究議題?，F有區(qū)域金融研究集中于區(qū)域金融中心（王力，2018;朱廣嬌，2013）、金融發(fā)展的經濟效應（曾冰等，2018;曾冰，2015;武志，2010）、區(qū)域金融發(fā)展空間格局（任會明等，2018;部慧等，2014;周再清等，2013）、區(qū)域金融集聚（張克雯，2018;魏巍等，2018;周天蕓等，2014）、區(qū)域金融生態(tài)環(huán)境（吳昊旻等，2017;劉園麗，2017）等方面。目前，從關聯(lián)網絡的角度去探討區(qū)域金融空間結構的文章尚不多見，尤其是有關個體省份在整體金融發(fā)展空間網絡結構中地位作用的研究不多，對網絡結構驅動機制研究易落入對區(qū)域金融發(fā)展空間差異結構的分析范式中，重定性描述，輕實證研究（袁野等，2018）。事實上，隨著金融市場不斷開放、金融業(yè)態(tài)不斷豐富、金融發(fā)展協(xié)同性不斷加深，區(qū)域間金融發(fā)展空間關聯(lián)結構也不斷趨向復雜化，因此，從宏觀上把握區(qū)域金融發(fā)展空間網絡結構形態(tài)，有效捕捉其空間網絡結構形態(tài)變化的驅動機制，對完善與制定區(qū)域金融網絡結構優(yōu)化政策、推動區(qū)域金融充分平衡發(fā)展具有重要意義，這也正是本研究的立論基礎。

二、研究方法和數據來源

（一）修正的引力模型

在區(qū)域金融發(fā)展的空間關聯(lián)網絡中，各省可視為網絡中的“點”，省際金融發(fā)展關聯(lián)關系是網絡中的“線”，“點”與“線”組成了省際金融發(fā)展空間關聯(lián)網絡。而省際金融發(fā)展空間關聯(lián)網絡分析離不開省際金融發(fā)展關聯(lián)強度的確定?，F有文獻關于區(qū)域間關聯(lián)關系的確定主要采用引力模型，本文借鑒王俊等（2018）、邵漢華等（2018）的處理方法，采用修正引力模型來計算省際金融發(fā)展關聯(lián)強度，即引力值通常會與各省金融規(guī)模成正比，與省際距離成反比。金融規(guī)模通常體現為金融從業(yè)人口與金融業(yè)產值。而省際金融發(fā)展聯(lián)系存在非對等性，為突出金融發(fā)展關聯(lián)網絡的有向性，本文以省域年末金融機構存貸款余額占兩聯(lián)系省份年末金融機構存貸款余額之和的比重來修正經驗常數[k]。距離衰減系數的經驗取值為2，具體表達式如下：

式中：[Mi]、[Mj]分別為[i]、[j]省年末金融機構存貸款余額，[Pi]、[Pj]分別為[i]、[j]省金融從業(yè)人員人口;[Qi]、[Qj]為[i]、[j]省金融業(yè)產值;[Tij]為[i]、[j]兩省金融發(fā)展作用距離，這里充分考慮實際交通與地理條件影響，采用兩省的省會城市之間時間成本距離來表征。依據上式的計算結果將屬性數據轉化為關系矩陣，先求出各省份兩兩之間的金融發(fā)展關聯(lián)強度矩陣，并以矩陣各行平均值為參照值，同一行中關聯(lián)強度高于該參照值則設置為1，意味著該行省份與該列省份具有金融關聯(lián)關系;否則取0，即該行省份與該列省份不存在金融關聯(lián)關系。

（二）社會網絡分析方法

空間網絡結構特征分析通常采用社會網絡分析方法，該方法主要有整體網絡特征、個體網絡特征與塊模型三大分析模塊。

反映整體網絡特征變化的指標主要有網絡密度、網絡關聯(lián)度、網絡等級度和網絡效率等。網絡密度為網絡中省際實際關系數與該網絡中最大可能關系數之比，用來表示省際金融關聯(lián)網絡的疏密程度。網絡關聯(lián)度用來評價空間關聯(lián)網絡穩(wěn)健性，數值越高，網絡穩(wěn)健性越強，各省在整體網絡中合作傾向越強。網絡等級度評價網絡中省際金融在多大程度上非對稱地可達，數值越高，等級結構越森嚴，整體金融網絡結構越易被少數省份主導與支配。網絡效率用來評價金融發(fā)展空間關聯(lián)網絡中省際連接效率，數值越高，則省際關聯(lián)連線就越少，網絡結構越疏松，各省金融發(fā)展越容易出現各自為政現象，從而難以實現區(qū)域金融平衡協(xié)調發(fā)展。

個體網絡特征主要有度數中心度、接近中心度和中介中心度等指標。其中，度數中心度測度了單個省份在整體關聯(lián)網絡中的中心地位，數值越高的省份產生的關聯(lián)連線也就越多，其在網絡中的中心地位越突出;接近中心度則測度了單個省份在整體網絡中與其他省份的直接關聯(lián)程度，數值越高的省份產生的直接聯(lián)系就越多，該省份越容易表現出中心行動者的地位;中介中心度衡量了一個省份處在其他省份金融發(fā)展傳導路徑“中間”的程度，數值越高的省份處在多對省際關聯(lián)關系的最短路徑上，越容易控制其他省份之間的關聯(lián)關系，發(fā)揮出的“中心”或“橋梁”作用也越明顯。

而塊模型分析主要用來刻畫各省份在整體金融發(fā)展空間網絡結構中的角色和地位。因各個“點”集間系統(tǒng)結構要強于點間孤立時關系結構，故可根據各節(jié)點（省份）的結構對等性將各個“點”（省份）集中到更大區(qū)域之中，進而根據位置內部關系比例與位置接收到的關系比例，將其分為4大板塊類型：雙向溢出板塊、凈受益板塊、凈溢出板塊、經紀人板塊（Wasserman等，1994）。

（三） QAP分析法

QAP分析方法是一種測量數據間關系的方法，由于空間關聯(lián)關系矩陣自身容易與自變量數據矩陣產生多重共線性等問題，傳統(tǒng)計量經濟學方法容易帶來有偏估計，而QAP方法則能有效規(guī)避這種不足，其參數估計結果比傳統(tǒng)的參數方法更加穩(wěn)健，從而被廣泛地運用于社會網絡分析中影響因素的研究（Barnett，2011）。該方法須先求出因變量關系矩陣以及自變量關系矩陣的相關系數，然后再對其中一個矩陣的行和列都加以隨機置換，進而得出置換后的矩陣與矩陣的相關系數;再進行幾千次乃至幾萬次迭代計算，得到新的相關系數分布結果，再觀察迭代計算的相關系數大于或等于首次得到的相關系數的比例;最后，將首次得到的相關系數與迭代計算出的相關系數分布情況進行比較，對相關系數加以顯著性分析（劉軍，2009）。

（四）數據來源

本文以中國31個?。ㄊ?、自治區(qū)，不含港澳臺地區(qū)）作為網絡節(jié)點，并考慮到中國省際金融發(fā)展空間關聯(lián)網絡結構的變化受宏觀經濟環(huán)境和周期性變化的影響，選取2001年、2006年、2011年與2016年等四個斷面年份，相關數據包括下文中驅動因子數據均源自相應年份的《中國統(tǒng)計年鑒》《中國金融年鑒》等，其中省會城市之間的時間距離通過百度地圖駕車時間與12306網站火車耗時綜合比較并按取小原則得出。

三、中國省際金融發(fā)展空間網絡結構特征

（一）整體網絡結構特征

從網絡密度情況來看，2001年、2006年、2011年、2016年對應的網絡密度分別為0.230、0.244、0.251、0.289，這說明中國省域之間金融發(fā)展聯(lián)系不斷加強，各省域在金融發(fā)展的空間關聯(lián)網絡中參與合作程度不斷加深。但整體密度值仍偏低，省際金融發(fā)展合作與交流還有很大的提升空間。

網絡關聯(lián)度分析顯示四個時間斷面的網絡關聯(lián)度均為1，表明中國省際金融發(fā)展聯(lián)系程度深，空間關聯(lián)和溢出效應較為顯著。而網絡等級度分析結果顯示四個時間斷面網絡等級度呈階梯下降態(tài)勢。其中，2001年、2006年網絡等級度分別為0.424、0.489，而2011年、2016年網絡等級度則依次下降到0.319、0.293，這意味著近年來我國區(qū)域金融空間關聯(lián)的等級結構有所弱化，省際金融發(fā)展交流與合作不斷密切，可能的原因是2008年金融危機使得我國區(qū)域金融發(fā)展出現了結構性調整，之前的等級較為森嚴的空間網絡結構不斷被打破，省際金融發(fā)展協(xié)同程度加深。網絡效率的測度結果顯示四個時間斷面中國省際金融發(fā)展空間關聯(lián)的網絡效率下降態(tài)勢明顯，從2001年的0.814不斷下降至2016年的0.627，這意味著省際金融發(fā)展關聯(lián)網絡中連線增多，網絡穩(wěn)定性不斷加強?？傊?，隨著市場化進程的不斷推進，尤其是市場在資源配置中的決定性作用不斷被強調，區(qū)域金融之間聯(lián)系的交易成本也有所降低，從而使得省際金融發(fā)展的關聯(lián)關系增多，尤其是后金融危機時代，我國區(qū)域金融聯(lián)系不斷加強，一定程度上破除了以往等級森嚴的區(qū)域金融空間結構，進而增強了網絡穩(wěn)定性，提升了區(qū)域金融韌性。

（二）個體網絡結構特征

考慮到各時間斷面上分析結果相似性、分析時效性，并限于篇幅，這里以2016年為代表年份來分析個體省份在金融發(fā)展空間關聯(lián)網絡中的特征，相應計算結果見表1。

1. 度數中心度。從度數中心度看，最高值為83.333，最低值為20.000，均值為44.193，度數中心度指數高于均值的省份大多位于東部沿海地區(qū)，這些省份在網絡中局部關聯(lián)關系數較多，是我國區(qū)域金融發(fā)展的空間關聯(lián)關系較為集中的地區(qū)，整體空間關聯(lián)關系網絡對這些省份的依賴程度較高。度數中心度最低的省份具有地理位置偏遠、經濟規(guī)模相對較小的特征，在網絡中處在從屬位置，較難與其他省份之間存在金融關聯(lián)關系，這也說明我國區(qū)域金融發(fā)展的不平衡性仍然較為明顯。

同時，從點出度和點入度測算結果看，度數中心度排名上游的省份點入度明顯大于點出度，是我國區(qū)域金融發(fā)展關聯(lián)關系網絡中的接受主體，排名后游的省份點入度大都小于點出度，是網絡中的發(fā)出主體。換言之，度數中心度相對較小的省份易于向較大省份發(fā)出金融關聯(lián)關系，而度數中心度較高的省份集中于我國東部沿海地區(qū)，度數中心度較低的省份則集中于西部地區(qū)，這也進一步揭示出，我國區(qū)域金融在發(fā)出關聯(lián)與接收關聯(lián)中存在著明顯的剪刀差效應，這種效應容易使得我國區(qū)域金融發(fā)展的空間網絡逐漸呈現出中心—邊緣結構。

2. 接近中心度。接近中心度最高值為86.667，最低值都達到50.000，均值為61.399，接近中心度高的省份度數中心度也高。其中，滬、蘇、浙、京、津、魯、粵、閩等8省市接近中心度高于平均值，這些省市在我國區(qū)域金融關聯(lián)網絡中能夠更快速地與其他省份產生內在連接，積極扮演著中心行動者的角色。其中，上海接近中心度更是達到最高的86.667，是整體區(qū)域金融空間關聯(lián)網絡的中心。黑、吉、冀、湘、桂、瓊、渝等7省接近中心度位于末尾，這些省份金融發(fā)展受制于其經濟發(fā)展水平與地理位置因素影響，在網絡中扮演著邊緣行動者的角色。

3. 中介中心度。中介中心度均值為2.268，處在較高的水平，這也意味著我國省際金融發(fā)展之間能夠快速有效地產生關聯(lián)關系，原因在于，隨著我國金融體制改革的推進和金融市場化進程的加快，各省開始不斷重視金融業(yè)的發(fā)展，促進了各省份之間金融聯(lián)系。其中，京、津、滬、蘇、浙、粵與魯等7省市中介中心度大于均值，這些省份在金融發(fā)展空間網絡中控制其他省份的金融發(fā)展關聯(lián)關系。而中介中心度排名下游的省份大都具有經濟欠發(fā)達、地理位置偏僻等特點，這些省份在網絡中更易于被中介中心度較大的省份改變其已有的金融發(fā)展關聯(lián)關系，難以顯現控制和支配作用。金融發(fā)展關聯(lián)網絡中各省中介中心度表現出大小不一的非均衡特征，且大部分金融關聯(lián)關系均需依靠上海、北京、廣東等經濟發(fā)達省市來完成。

（三）塊模型分析

以2016年中國省際金融空間關聯(lián)網絡為分析對象，將最大分割度與收斂標準分別設置為2與0.2，并加以迭代分析，進而將全國省域金融發(fā)展分成四大板塊，各板塊間溢出效應見表2。中國省際金融網絡關聯(lián)關系總數為269個，各板塊內部關系數為42個，板塊間關系數為227個，這也意味著各板塊間金融發(fā)展具有顯著的空間溢出效應。板塊一包含湘、豫、贛、黑、吉、蒙、晉、甘、寧、青、貴、桂、新、滇和藏等15個?。ㄗ灾螀^(qū)），發(fā)出關系數為117個，內部關系為9個，期望內部關系比例為46.667%，實際內部關系比例為7.692%，該板塊對其他板塊發(fā)出的聯(lián)系要明顯多于它接收其他板塊對該板塊發(fā)出的聯(lián)系，屬于凈溢出板塊。該板塊所屬省份大都金融附加值低、邊際報酬低，容易出現趨利外溢，難以機會均等地獲取金融產品和服務，被排斥在整體金融發(fā)展之外，出現“金融排斥”現象，甚至淪為“金融沙漠”。

板塊二包括冀、鄂、皖、遼、川、渝與陜等7省市，發(fā)出的關系數為65個，內部關系數14個，期望內部關系比例為20.000%，實際內部關系比例為21.538%，該板塊與其他板塊既發(fā)送聯(lián)系，也接收聯(lián)系，而且該板塊與其他板塊成員之間的聯(lián)系較多，這主要是因為這些省份區(qū)位具有典型的“中介”特征，如河北與北京、天津相鄰，湖北是中部地區(qū)重要的金融樞紐，安徽則是長三角與中部地區(qū)的重要承接地，四川、重慶、陜西是西部地區(qū)的金融樞紐，東北三省金融發(fā)展則以遼寧為橋頭堡，因此，該板塊表現為典型的“經紀人”特征。

板塊三包括京、津、魯、閩與瓊等5省市，發(fā)出的關系數為38個，內部關系數為11個，期望內部關系比例為13.333%，實際內部關系比例為28.947%，該板塊中的成員既接收來自其他板塊成員的關系，也接收來自板塊內部成員的關系，但接收其他板塊的聯(lián)系要遠多于它對其他板塊發(fā)送的聯(lián)系，屬于凈受益板塊，這些省份因其獨特的金融區(qū)位優(yōu)勢與政策優(yōu)勢，金融發(fā)展的受益也就更多，但未能有效發(fā)揮出輻射溢出效應。

板塊四包括滬、浙、蘇、粵等4省市，發(fā)出關系數49個，內部關系數為8個，期望內部關系比例為10.000%，實際內部關系比例為16.000%，該板塊成員既發(fā)出關系也接收其他板塊的關系，屬于雙向溢出板塊，這主要由這些省份金融地位決定，如蘇浙滬地區(qū)以上海、南京和杭州等為金融中心進行輻射，廣東則以深圳、廣東為金融中心進行輻射，這也意味著板塊四所屬省市既需要從其他省份獲得金融發(fā)展的注入，同時也需要輻射并反哺其他省份，雙向溢出效應明顯。

為了考察板塊之間金融發(fā)展的關聯(lián)關系及各板塊金融發(fā)展溢出分布情況，須求出各板塊間密度，其中大于整體網絡密度值的板塊間密度值重新賦值為1，否則賦值為0，從而得到板塊間密度矩陣與像矩陣（見表3）。從表3可以看出，板塊一主要對板塊三和板塊四產生金融溢出效應，對板塊二的溢出效應不顯著;板塊二主要對板塊三和板塊四產生金融溢出效應;板塊三主要對自身內部產生金融溢出效應;板塊四主要對板塊一、板塊三和板塊四產生金融溢出效應，從而意味著省際金融發(fā)展關聯(lián)網絡中各板塊之間發(fā)揮著比較優(yōu)勢，全國一盤棋的聯(lián)動效應愈加明顯。

塊模型研究結果較為貼合目前中國區(qū)域金融發(fā)展態(tài)勢。總體而言，經濟實力強且金融政策優(yōu)勢明顯的省市（如北京、海南等）來自其他省份金融發(fā)展溢出則更多;欠發(fā)達地區(qū)（主要為中西部省份）金融發(fā)展的外溢效果更顯著;區(qū)位優(yōu)勢明顯的省市（如湖北、重慶等）在網絡中能發(fā)揮出“經紀人”的角色，推動省際金融發(fā)展要素流動;而廣東與長三角省份既享受著其他省份金融發(fā)展的好處，也為其他省份金融發(fā)展帶來正外部性，雙向溢出作用顯著。

四、中國省際金融發(fā)展空間網絡結構的驅動機制分析

（一）驅動因子選取

區(qū)域金融網絡結構的形成和演化是區(qū)域間金融在空間維度上相互作用影響的客觀反映，各種驅動因子在相互作用后形成的輻合力推動著這一過程的發(fā)展，并借助于作用力度大小來實現網絡結構的優(yōu)化整合（李敬等，2014）。因此，如何捕捉相關驅動因子的影響效應對區(qū)域金融網絡結構優(yōu)化整合具有重要意義。借鑒已有文獻的分析（魏巍等，2018;徐海樂等，2014;馮玉梅等，2018），本文從省域間經濟發(fā)展水平、空間臨近效應、金融發(fā)展稟賦、信息化水平、對外開放水平等五個方面驅動因子來加以分析，正是省際驅動因子差異及聯(lián)系的共同作用下，促進了省際金融發(fā)展空間網絡結構形態(tài)的形成演化。由此，確定中國省際金融發(fā)展空間關聯(lián)網絡結構的驅動機制如下：

1. 經濟發(fā)展水平差異（[gdp]）。我國區(qū)域金融發(fā)展與經濟發(fā)展水平密切相關，經濟發(fā)展水平的省際差異一方面使得金融發(fā)展的環(huán)境條件有所差異化;另一方面，具有逐利特征的金融機構會根據地域背景與金融環(huán)境設置機構網點、確定業(yè)務類型和金融服務邊界，最終會影響到省際金融發(fā)展空間關聯(lián)網絡結構，該因子采用人均GDP的差異矩陣來表征。

2. 空間臨近效應差異（[bor]）。地理空間上臨近與否對省域間金融發(fā)展關聯(lián)關系有著重要影響，通常來說，相鄰省份間金融發(fā)展更容易發(fā)生關聯(lián)關系。采用省際Rook空間權重矩陣來表示該因子，兩省若鄰近則取1，反之取0。

3. 金融發(fā)展稟賦差異（[end]）。金融機構是金融市場的主體，是區(qū)域金融發(fā)展的重要稟賦，金融發(fā)展稟賦會影響金融服務滲透性乃至金融排斥度，從而進一步影響不同省份之間的金融發(fā)展關聯(lián)關系，這里以每萬人銀行機構數量差異值矩陣來表征。

4. 信息化水平差異（[inf]）。一方面，信息技術能夠提高金融系統(tǒng)的效率，對金融機構的經營方式和組織結構產生深遠的影響。另一方面，信息技術改變了貨幣的形態(tài)與職能，促進金融市場一體化，加速金融機構、金融業(yè)務等空間布局與集結，從而形成金融資源在空間配置、流動及組合的動態(tài)演變。這里以互聯(lián)網普及率差異值矩陣來表征。

5. 對外開放水平差異（[ope]）。自2001年我國加入WTO后，對外開放不可避免帶來外資銀行及其他金融機構的進入，促進國內、區(qū)內金融機構的多元格局。省份間對外開放水平差異直接影響金融發(fā)展水平的差異，從而進一步影響金融投資在不同省份之間的流動，這里以進出口總額占GDP總值比重的差異值矩陣表征。

基于此，構建如下驅動機制模型：

[R=fgdp，bor，end，inf，ope，]

式中顯示的是數據之間的關系，相應變量數據是一系列的矩陣。因變量[R]代表中國省際金融發(fā)展空間關聯(lián)關系矩陣;[bor]代表地理空間相鄰矩陣;[gdp]、[end]、[inf]、[ope]四個變量，分別取對應年份各?。ㄊ?、自治區(qū)）對應指標的平均值，然后用各?。ㄊ?、自治區(qū)）對應變量平均值的絕對差異組建差異矩陣。由于變量均為關系矩陣，宜采用QAP回歸分析的非參數方法。

（二）實證結果分析

運用構建的模型對2001年、2006年、2011年與2016年中國省際金融發(fā)展空間關聯(lián)關系矩陣與各個影響因素矩陣進行QAP回歸分析，選擇5000次的隨機置換次數，回歸結果見表4。調整后的R2均大于0.5，說明所選取的驅動機制模型可以解釋我國省際金融發(fā)展關聯(lián)關系的50%以上，且通過了1%的顯著性水平檢驗，整體擬合效果較好。需要說明的是，由于模型中變量均取以矩陣差值表示，因此表中相關系數為正，表明驅動因子差異越大，對省際金融發(fā)展關聯(lián)網絡的完善與擴展促進作用越大;相關系數為負表明差值越小，驅動因子相似性越大，越能加強省際金融發(fā)展關聯(lián)網絡關系。

從回歸結果看，四個時間斷面上的經濟發(fā)展水平差異均在5%的水平上顯著，且均為負數，說明區(qū)域經濟發(fā)展水平相似與否能夠顯著影響省際金融發(fā)展的關聯(lián)性，經濟實力較為接近的地區(qū)間更容易建立起金融關聯(lián)，這也說明加快我國區(qū)域經濟充分協(xié)調發(fā)展有利于優(yōu)化區(qū)域金融關聯(lián)網絡，弱化金融排斥程度。值得注意的是，2011年與2016年的系數絕對值較高，說明“十二五”規(guī)劃實施以來，我國區(qū)域協(xié)調發(fā)展深化了區(qū)域金融關聯(lián)網絡結構。

地理空間是否相鄰的顯著性均較高， 說明地理位置的相鄰對省際金融發(fā)展空間關聯(lián)產生重要的作用。相關系數均為正值，說明毗鄰省份之間金融發(fā)展的關聯(lián)關系較強，側面反映了我國區(qū)域金融發(fā)展帶來了一定的空間溢出效應，表示兩個省份之間鄰接會對金融發(fā)展關聯(lián)網絡產生正向的影響， 推動現有空間網絡的形成。

金融發(fā)展稟賦差異的標準化回歸系數均在5%的水平下顯著，且均為正值，意味著金融資源稟賦差異越大，省際金融聯(lián)系的比較優(yōu)勢越突出，區(qū)域間金融發(fā)展協(xié)同關系就越明顯。

信息化水平差異的標準化回歸系數除2006年以外，均在10%的水平下顯著，2016年顯著性水平達到了1%，說明省際信息化水平差異對金融空間關聯(lián)產生重要影響?；貧w系數值為負，意味著省際信息化水平相似性越高，省份之間碳排放的空間關聯(lián)越大。一方面說明信息技術的不斷發(fā)展帶來區(qū)域金融發(fā)展環(huán)境變化，對省域間金融發(fā)展空間關聯(lián)關系具有較為顯著的影響，另一方面也說明隨著信息化的改善，尤其是大數據時代下信息化發(fā)展對省際金融發(fā)展空間關聯(lián)關系的影響更為明顯。

對外開放水平標準化回歸系數均在5%的水平下顯著，說明對外開放水平對省際金融發(fā)展的關聯(lián)關系具有較為顯著的影響，其系數為正值說明對外開放水平相異越大的省份金融發(fā)展的合作與交流就越強，換句話而言，對外開放水平相似的省份金融發(fā)展的合作與交流就越弱，這可能與我國區(qū)域金融過度注重外資而抑制本土金融機構的開放有關。2011年與2016年的顯著性與系數均有所提升，這也意味著后金融危機時代，對外開放帶來的金融對內開放“擠出效應”十分明顯，未來區(qū)域金融開放應該做到“內外兼修”。

五、結論與對策

本文基于修正引力模型、社會網絡分析與QAP分析方法詳細解析了中國省際金融發(fā)展空間網絡的結構特征及其影響因素。相關結論如下：首先，中國省際金融發(fā)展空間網絡關聯(lián)程度高但網絡密度低，整體結構較為穩(wěn)健，各省在整體網絡中均發(fā)揮著作用，同時省際金融發(fā)展空間關聯(lián)強度須加以提升，區(qū)域金融一體化發(fā)展須加強網絡結構的優(yōu)化整合。其次，個體網絡結構特征研究顯示，省際金融發(fā)展的溢出與受益格局呈現東中西部階梯式差異格局，東部省份大都在區(qū)域金融發(fā)展空間網絡中扮演重要角色，其他省份處于網絡邊緣，呈現出“中心—邊緣”結構。我國整體區(qū)域金融平衡充分發(fā)展應重點考慮區(qū)域金融發(fā)展階梯式差異格局，做到對癥下藥。第三，塊模型結果顯示，不同省份在整體關聯(lián)網絡中扮演著不同的角色地位，東部省份在整體網絡結構中具有中心和支配作用;區(qū)位優(yōu)勢明顯的省份在網絡中起“橋梁”和“中介”作用，因此，應充分發(fā)揮各省所扮演的角色地位與比較優(yōu)勢。最后，QAP回歸分析結果顯示，區(qū)域經濟發(fā)展水平與信息化水平差異對中國省際金融發(fā)展空間關聯(lián)網絡帶來了顯著的負向影響效應。金融資源稟賦、與對外開放水平等因子差異以及地理空間相鄰與否具有顯著的正向影響效應。

針對上述分析結論，應采取以下對策來優(yōu)化我國區(qū)域金融空間網絡結構，促進區(qū)域金融平衡充分高質量發(fā)展：

一是優(yōu)化區(qū)域金融發(fā)展空間格局。積極應對金融發(fā)展的空間不均衡特征，中西部地區(qū)應積極培育金融增長極，充分發(fā)揮武漢、重慶、成都、西安在西部地區(qū)的金融中心作用，形成優(yōu)勢互補、錯位發(fā)展的格局，服務西部地區(qū)廣大金融腹地。全面推進東部經濟發(fā)達地區(qū)與中西部地區(qū)金融發(fā)展的互利合作，加強對中西部地區(qū)的金融反哺。

二是加快區(qū)域金融協(xié)同發(fā)展新作為。在金融發(fā)展板塊差異性作用基礎上，加強省際金融發(fā)展高效交流與協(xié)作，積極推動相應省份間金融發(fā)展對口幫扶機制建設，加強金融發(fā)展受益省份對金融發(fā)展溢出省份的反哺，充分發(fā)揮經紀人板塊與雙向溢出板塊屬性省份在整體網絡中的中介效應。

三是積極完善驅動機制。重視經濟發(fā)展對區(qū)域金融的作用，加快區(qū)域經濟規(guī)模與結構調整。堅持本土化與特色化金融發(fā)展戰(zhàn)略，在具備條件地區(qū)有針對性地開展一系列形式多樣的區(qū)域金融改革試點，積極構建功能互補、優(yōu)勢疊加、特色明顯的區(qū)域金融集聚生態(tài)圈。統(tǒng)籌規(guī)劃推進信息化互聯(lián)互通，強化省份之間金融發(fā)展關聯(lián)程度。堅持區(qū)域金融對外對內雙向互動開放，對外開放保持自主、漸進和可控的原則，對內開放要積極探索研究金融跨區(qū)域體制創(chuàng)新，推動金融市場資源共享，統(tǒng)一金融產品標準。

參考文獻：

[1]Wasserman S，Faust K. 1994. Social Network Analysis： Methods and Applications[M].Cambridge：Cambridge University Press.

[2]Barnett G A. 2011. Encyclopedia of Social Networks[M].Thousand Oaks： SAGE Publications.

[3]王力.中國金融中心城市金融競爭力評價研究[J].金融評論，2018，10（04）.

[4]朱廣嬌. 東北區(qū)域金融中心的建設研究[D].中國地質大學（北京）博士研究生論文，2013.

[5]曾冰，張艷.我國區(qū)域金融發(fā)展的經濟增長效應測度及其時空分異研究[J].經濟與管理評論，2018，34（02）.

[6]曾冰.我國區(qū)域金融發(fā)展與經濟斂散性分析——基于省級面板數據的研究[J].經濟問題探索，2015，（08）.

[7]武志.金融發(fā)展與經濟增長：來自中國的經驗分析[J].金融研究， 2010，（5）.

[8]任會明，葉明確.上海銀行產業(yè)的網絡結構特征和空間格局演化[J].經濟地理，2018，38（9）.

[9]部慧，梁小珍，皮理.我國金融業(yè)區(qū)域發(fā)展差異的空間統(tǒng)計分析[J].系統(tǒng)工程理論與實踐，2014，（5）.

[10]周再清，吳嬌，陶冶.金融地理學視角下中國農村金融省際差異研究[J].財經理論與實踐，2013，34（5）.

[11]張克雯.我國金融產業(yè)集聚與經濟增長關系的實證分析[J].統(tǒng)計與決策，2018，34（18）.

[12]魏巍，周世軍.中國區(qū)域金融集聚的空間關聯(lián)特征及影響因素研究——基于社會網絡分析方法[J].蘭州財經大學學報，2018，34（3）.

[13]周天蕓，王瑩.金融機構空間集聚與經濟增長——來自廣東省縣域的實證檢驗[J].地理研究，2014，33（6）.

[14]趙玉林，馬照寧.產業(yè)集聚視角下高技術產業(yè)發(fā)展對區(qū)域經濟增長的貢獻研究[J].財會月刊，2018，（14）.

[15]劉園麗.基于區(qū)間分析的金融生態(tài)環(huán)境評價及其實證[J].統(tǒng)計與決策，2017（11）.

[16]袁野，錢蓮芬.基于網絡分析法的中國區(qū)域金融空間關聯(lián)分析研究[J].溫州大學學報（自然科學版），2018，39（3）.

[17]王俊，夏杰長.中國省域旅游經濟空間網絡結構及其影響因素研究——基于QAP方法的考察[J].旅游學刊，2018，33（9）.

[18]邵漢華，周磊，劉耀彬.中國創(chuàng)新發(fā)展的空間關聯(lián)網絡結構及驅動因素[J].科學學研究，2018（11）.

[19]劉軍.整體網分析講義——UCINET軟件實用指南[M].上海：格致出版社， 2009.

[20]李敬， 陳澍， 萬廣華， 付陳梅.中國區(qū)域經濟增長的空間關聯(lián)及其解釋——基于網絡分析方法[J].經濟研究， 2014，（11）.

[21]馮玉梅，楊瑞桐.金融資源配置效率及其影響因素研究綜述[J].武漢金融，2018，（9）.

[22]徐海樂，杜征征.區(qū)域金融地理差異的實證分析：以安徽、浙江為例[J].現代管理科學，2014，（1）.