安博文，劉紅衛(wèi)，李曉天，侯震梅，王曉斌

(1. 新疆理工學院 理學院，新疆 阿克蘇 843000；2. 桂林電子科技大學 數(shù)學與計算科學學院，廣西 桂林 541000；3. 新疆財經(jīng)大學 統(tǒng)計與數(shù)據(jù)科學學院，新疆 烏魯木齊 830012)

一、引言與文獻綜述

中國區(qū)域發(fā)展已經(jīng)進入新舊動力轉(zhuǎn)換階段，以城市群為主體促進區(qū)域協(xié)同發(fā)展是現(xiàn)階段總體發(fā)展戰(zhàn)略的重要組成部分[1]。2015年年末國務院印發(fā)的《推進普惠金融發(fā)展規(guī)劃(2016—2020年)》中首次提出數(shù)字普惠金融，2016年杭州G20峰會發(fā)布了《G20數(shù)字普惠金融高級原則》，數(shù)字普惠金融一時間成為社會各界的熱議話題。數(shù)字普惠金融的理念是利用數(shù)字金融服務促進普惠金融，在這一理念的驅(qū)動下，全面提高城市群數(shù)字普惠金融發(fā)展水平，對于促進城市群金融包容性發(fā)展和實現(xiàn)中國經(jīng)濟高質(zhì)量發(fā)展具有重要意義。由于歷史條件、經(jīng)濟發(fā)展、互聯(lián)網(wǎng)技術(shù)和地理位置等因素，多數(shù)學者偏向于關(guān)注省域?qū)用娴臄?shù)字普惠金融發(fā)展[2-3]，而忽略了城市群數(shù)字普惠金融發(fā)展水平的研究。2011—2018年期間，七大城市群數(shù)字普惠金融發(fā)展的平均水平為161.28，珠三角城市群數(shù)字普惠金融發(fā)展的水平最高，平均水平為182.18，最低的是哈長城市群，平均發(fā)展水平為147.00。哈長城市群低于七大城市群平均發(fā)展水平8.86個百分點，是珠三角城市群平均發(fā)展水平的80.69%。①為此，全面考察城市群數(shù)字普惠金融發(fā)展水平的空間分異特征與時空演化機制，對于縮小城市群數(shù)字普惠金融發(fā)展差距、促進區(qū)域經(jīng)濟包容性增長具有重要的理論意義與現(xiàn)實意義。

中國數(shù)字普惠金融發(fā)展的時空分布特征一直是國內(nèi)學者關(guān)注的熱點，主要的研究方法有基于基尼系數(shù)分解的區(qū)域差異性分析、基于收斂檢驗方程的斂散性分析、基于Moran指數(shù)的空間集聚性分析、基于核密度估計法的分布動態(tài)演進分析以及基于Markov鏈的狀態(tài)轉(zhuǎn)移分析。

數(shù)字普惠金融或普惠金融發(fā)展的區(qū)域差異性研究。林春等采用基尼系數(shù)對東中西三大區(qū)域普惠金融發(fā)展的差異性進行比較，結(jié)果發(fā)現(xiàn)中國普惠金融發(fā)展的區(qū)域差異性和極化程度逐漸下降，不同區(qū)域的演進趨勢有所不同[4]；陳明華等采用Dagum基尼指數(shù)分解對比中國五大城市群金融發(fā)展的空間差異性，結(jié)果發(fā)現(xiàn)城市群群間差異是總體差異的主要來源，京津冀城市群內(nèi)部差異最大，長三角和長江中游城市群的群間差異較大[5]；沈麗等通過Dagum基尼指數(shù)分解發(fā)現(xiàn)中國普惠金融發(fā)展區(qū)域間差異明顯，總體區(qū)域差距呈現(xiàn)“下降—上升—下降”趨勢[6]；王雪和何廣文通過基尼系數(shù)與泰爾指數(shù)考察了縣域?qū)用嫫栈萁鹑诎l(fā)展的空間差異性，結(jié)果發(fā)現(xiàn)中國縣域普惠金融發(fā)展總體差距逐漸縮小，省內(nèi)縣域間差異是普惠金融發(fā)展差距的主要來源[7]。

數(shù)字普惠金融或普惠金融發(fā)展的斂散性研究。孫英杰和林春通過σ收斂和β收斂檢驗方程分析普惠金融的斂散性，結(jié)果發(fā)現(xiàn)中國普惠金融發(fā)展不存在σ收斂，但全國、中部和西部存在絕對β收斂，加入政府干預、市場化進程、信息化水平和非正規(guī)金融等控制變量后，全國、東部和西部存在條件β收斂[8-9]；郭峰等通過計算σ收斂檢驗系數(shù)發(fā)現(xiàn)中國數(shù)字普惠金融發(fā)展存在明顯的收斂趨勢，并指出數(shù)字普惠金融可以有效緩解現(xiàn)階段中國發(fā)展的不充分、不平衡等問題[10]；梁榜和張建華考察了中國地級市間數(shù)字普惠金融發(fā)展的斂散性，結(jié)果發(fā)現(xiàn)東中西三大區(qū)域的城市數(shù)字普惠金融發(fā)展存在σ收斂和絕對β收斂，加入經(jīng)濟發(fā)展、傳統(tǒng)金融、數(shù)字技術(shù)應用和產(chǎn)業(yè)結(jié)構(gòu)等控制變量后依舊存在條件β收斂，但空間收斂速度有所區(qū)別[3]。

數(shù)字普惠金融或普惠金融發(fā)展的空間集聚性研究。郭峰等采用Moran指數(shù)考察互聯(lián)網(wǎng)金融發(fā)展的空間自相關(guān)性，結(jié)果發(fā)現(xiàn)中國互聯(lián)網(wǎng)金融發(fā)展存在顯著的空間集聚效應，并且不同區(qū)域間形成了較強的空間依賴性和正向空間溢出效應[11]；胡宗義等檢驗了2005—2015年中國普惠金融的全局自相關(guān)性，Moran指數(shù)介于0.269～0.319之間且通過1%水平下顯著性檢驗，說明中國省域普惠金融發(fā)展存在顯著的正向空間集聚[12]；梁榜和張建華通過計算Moran指數(shù)發(fā)現(xiàn)中國城市數(shù)字普惠金融發(fā)展具有顯著的空間集聚性，當加入?yún)^(qū)域經(jīng)濟特征控制變量后，數(shù)字普惠金融發(fā)展依舊存在正向空間集聚效應[3]；郭峰等繪制了城市數(shù)字普惠金融指數(shù)的局部Moran指數(shù)散點圖，發(fā)現(xiàn)東部沿海城市呈高高集聚、中西部地區(qū)呈低低集聚，并且數(shù)字普惠金融指數(shù)的空間集聚效應還存在加強趨勢[10]。

數(shù)字普惠金融或普惠金融發(fā)展的分布動態(tài)演進研究。陳銀娥等采用核密度估計發(fā)現(xiàn)中國普惠金融發(fā)展存在明顯的極化趨勢和俱樂部趨同現(xiàn)象，其中東部地區(qū)呈現(xiàn)發(fā)散態(tài)勢而中西部地區(qū)呈現(xiàn)收斂趨勢[13]；陳明華等采用核密度估計對中國五大城市群金融發(fā)展的分布動態(tài)演進過程進行比較，結(jié)果發(fā)現(xiàn)各大城市群金融發(fā)展具有明顯的梯度效應，呈現(xiàn)出兩極分化乃至多極分化現(xiàn)象[5]；胡宗義等運用核密度估計法研究普惠金融發(fā)展的空間動態(tài)分布，結(jié)果發(fā)現(xiàn)中國普惠金融發(fā)展水平偏低，中西部地區(qū)普惠金融發(fā)展低于東部地區(qū)，但中西部地區(qū)普惠金融發(fā)展的潛力較大、勢頭良好[12]；沈麗等通過空間核密度估計考察普惠金融發(fā)展分布動態(tài)演進過程，結(jié)果發(fā)現(xiàn)中國普惠金融發(fā)展存在俱樂部收斂，但東部地區(qū)極化現(xiàn)象嚴重而中西部地區(qū)極化現(xiàn)象逐漸消失[6]。

數(shù)字普惠金融或普惠金融發(fā)展的狀態(tài)轉(zhuǎn)移研究。沈麗和鮑建慧通過計算Markov狀態(tài)轉(zhuǎn)移概率矩陣發(fā)現(xiàn)中國金融發(fā)展水平的變動多發(fā)生在相鄰狀態(tài)，很難發(fā)生跨水平的狀態(tài)轉(zhuǎn)移[14]；陳銀娥等采用空間Markov鏈考察了中國省域間普惠金融發(fā)展水平的轉(zhuǎn)移，結(jié)果發(fā)現(xiàn)趨同俱樂部轉(zhuǎn)移大多發(fā)生在相鄰水平之間，當加入空間效應時中高水平和高水平的周邊地區(qū)對本地的普惠金融發(fā)展可以產(chǎn)生積極的輻射帶動效應[13]；沈麗等運用空間Markov鏈分析中國普惠金融發(fā)展水平的狀態(tài)轉(zhuǎn)移，結(jié)果發(fā)現(xiàn)狀態(tài)轉(zhuǎn)移僅發(fā)生在相鄰水平之間，并且相鄰地區(qū)普惠金融發(fā)展水平越高對低水平地區(qū)的帶動作用越強[6]。

上述研究成果顯示，相關(guān)學者對普惠金融發(fā)展的區(qū)域差異性、時空收斂性、空間集聚性、分布動態(tài)演進過程以及發(fā)展水平狀態(tài)轉(zhuǎn)移等問題都進行了深入研究且成果頗豐。已有的研究文獻表明，多數(shù)學者僅停留在對普惠金融區(qū)域差異與空間分布特征的研究，分析數(shù)字普惠金融的研究成果較少，也就是說數(shù)字普惠金融的區(qū)域差異與空間分布特征還有進一步的研究空間。此外，多數(shù)學者的研究偏向于省域?qū)用娴臄?shù)字普惠金融發(fā)展，研究樣本多立足于全國東中西部的省域視角，考察城市群數(shù)字普惠金融發(fā)展的成果較少。基于此，本文將研究對象設(shè)定為中國七大城市群，通過分析數(shù)字普惠金融發(fā)展的區(qū)域差異、時空演進與動態(tài)轉(zhuǎn)移以全面了解七大城市群數(shù)字普惠金融的發(fā)展情況。

本文整體布局如下：第一，基于2011—2018年七大城市群數(shù)字普惠金融發(fā)展指數(shù)，對各城市群數(shù)字普惠金融發(fā)展水平進行整體描述；第二，采用Dagum基尼系數(shù)分解測度七大城市群數(shù)字普惠金融發(fā)展的區(qū)域差異性，將區(qū)域差異細化為區(qū)域內(nèi)差異和區(qū)域間差異，并通過貢獻率量化不同差異來源對總體差異的影響；第三，采用一維核密度估計對歷年各城市群數(shù)字普惠金融發(fā)展水平的分布形態(tài)進行可視化展示，對七大城市群數(shù)字普惠金融發(fā)展水平的變化態(tài)勢和極化趨勢進行分析；第四，采用二維核密度估計展現(xiàn)各城市群數(shù)字普惠金融發(fā)展水平分布的演進過程，進而分析七大城市群數(shù)字普惠金融發(fā)展水平的動態(tài)轉(zhuǎn)移過程和俱樂部收斂性；第五，采用Markov鏈分析城市群數(shù)字普惠金融發(fā)展水平的轉(zhuǎn)移路徑，揭示七大城市群群內(nèi)、群間數(shù)字普惠金融發(fā)展差異與極化現(xiàn)象的成因；最后，基于實證分析結(jié)果得出七大城市群區(qū)域差異與分布動態(tài)演進過程的結(jié)論，為城市群數(shù)字普惠金融協(xié)同發(fā)展提出政策建議，并提供一種城市群視角下數(shù)字普惠金融發(fā)展的研究思路。

二、研究方法與數(shù)據(jù)來源

(一)Dagum基尼系數(shù)分解法

(1)

(2)

G=Gw+Gnb+Gt

(3)

Fw=Gw/G,Fnb=Gnb/G,Ft=Gt/G

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(二)核密度估計法

核密度估計是一種非參數(shù)統(tǒng)計方法，該方法對模型的依賴性較弱，常用于研究不均衡的分布問題。Quah基于核密度估計法提出了分布動態(tài)學模型[16]，通過對面板數(shù)據(jù)進行核密度估計，進而分析樣本數(shù)據(jù)分布結(jié)構(gòu)的動態(tài)演進過程。參考之前學者的研究成果將核函數(shù)取為Gaussian核[5-6]，用x表示各城市群每一年數(shù)字普惠金融的發(fā)展水平，用f(x)表示各城市群每一年數(shù)字普惠金融發(fā)展水平分布的概率密度函數(shù)，則f(x)即為一維核密度函數(shù)，估計形式見式(13)。用x1表示當年各城市群數(shù)字普惠金融的發(fā)展水平，x2表示兩年后各城市群數(shù)字普惠金融的發(fā)展水平，用f(x1,x2)表示各城市群數(shù)字普惠金融發(fā)展水平分布的二維概率密度函數(shù)，具體估計形式見式(14)。式中，N為樣本觀測值個數(shù)，h、h1和h2依次為隨機變量X、X1和X2對應的窗寬。

(13)

(14)

其中，K(x)=(2π)-1/2exp(-x2/2)

(15)

(三)Markov狀態(tài)轉(zhuǎn)移概率矩陣

(16)

(四)研究對象及數(shù)據(jù)來源

本文的研究對象為中國七大城市群，包括京津冀城市群、長三角城市群、珠三角城市群、長江中游城市群、成渝城市群、中原城市群以及哈長城市群，七大城市群共包含107個城市，各大城市群的劃分如表1所示。這里采用北京大學互聯(lián)網(wǎng)研究中心提供的數(shù)字普惠金融指數(shù)(2011—2018)作為數(shù)字普惠金融發(fā)展水平的代理變量，該指數(shù)依托螞蟻金服的海量數(shù)據(jù)平臺從數(shù)字金融覆蓋廣度、數(shù)字金融使用深度和普惠金融數(shù)字化程度3個層面綜合測度了中國數(shù)字普惠金融發(fā)展情況，在一定程度上可以反映七大城市群的數(shù)字普惠金融發(fā)展水平。

表1 七大城市群劃分

三、七大城市群數(shù)字普惠金融發(fā)展水平的區(qū)域差異及分解

(一)七大城市群數(shù)字普惠金融發(fā)展水平的總體描述

表2展示了七大城市群群內(nèi)數(shù)字普惠金融發(fā)展水平的均值與變化趨勢。七大城市群數(shù)字普惠金融發(fā)展水平的主要特征如下：第一，從各城市群數(shù)字普惠金融發(fā)展水平的高低程度來看，長三角和珠三角城市群數(shù)字普惠金融發(fā)展水平較高，其中，珠三角城市群還要略高于長三角城市群；京津冀、長江中游和中原城市群數(shù)字普惠金融發(fā)展處于中等水平，其中，京津冀城市群要高于中原和長江中游城市群，中原城市群還要略高于長江中游城市群；成渝和哈長城市群數(shù)字普惠金融發(fā)展水平較低，其中，哈長城市群數(shù)字普惠金融發(fā)展水平最低。第二，從各城市群數(shù)字普惠金融發(fā)展水平的演變過程來看，2011—2018年七大城市群數(shù)字普惠金融發(fā)展水平都呈現(xiàn)上升趨勢，但增長幅度有所不同，具體來看，首先是哈長、中原和長江中游城市群數(shù)字普惠金融發(fā)展水平的增長幅度較大，分別從2011年的44.73、48.81、49.22持續(xù)增長到2018年的147.00、155.82、155.45，年均增長率分別為27.93%、27.66%、27.36%；其次是成渝和京津冀城市群，分別從2011年的49.12、57.67持續(xù)增長到2018年的148.75、160.22，年均增長率分別為26.10%、24.03%；長三角和珠三角城市群增長幅度相對較小，分別從2011年的70.12、75.45持續(xù)增長到2018年的179.54、182.18，年均增長率分別為22.12%、20.81%。

表2 七大城市群數(shù)字普惠金融發(fā)展水平的均值

(二)基于Dagum基尼系數(shù)分解的七大城市群數(shù)字普惠金融發(fā)展水平區(qū)域差異測度

為了測度京津冀、長三角、珠三角、長江中游、成渝、中原和哈長城市群數(shù)字普惠金融發(fā)展水平的區(qū)域差異及來源，根據(jù)式(1)—(12)采用MATLAB R2016a編程計算2011—2018年七大城市群數(shù)字普惠金融發(fā)展水平的基尼系數(shù)與分解結(jié)果，如表3所示。

表3 七大城市群數(shù)字普惠金融發(fā)展水平的基尼系數(shù)與分解結(jié)果

續(xù)表3

第一，七大城市群數(shù)字普惠金融發(fā)展水平的總體區(qū)域差異及演變趨勢。表3計算結(jié)果顯示，七大城市群數(shù)字普惠金融發(fā)展水平總體基尼系數(shù)的均值為0.0787。從演變過程來看，七大城市群的總體區(qū)域差異從2011年的0.1552持續(xù)縮小到2017年的0.0511，年均縮小幅度為16.33%，2017—2018年七大城市群數(shù)字普惠金融發(fā)展水平的總體區(qū)域差異出現(xiàn)上升趨勢，上升幅度為7.83%。總體來看，七大城市群數(shù)字普惠金融發(fā)展水平的總體區(qū)域差異呈現(xiàn)下降趨勢，雖然2018年出現(xiàn)小幅上升，但與考察初期2011年相比還是下降了近65個百分點。

第二，七大城市群數(shù)字普惠金融發(fā)展水平的區(qū)域內(nèi)差異及演變趨勢。表3計算結(jié)果顯示，七大城市群數(shù)字普惠金融發(fā)展水平的區(qū)域內(nèi)差異分別處于不同水平，但波動趨勢大致相同。從整個考察期來看，哈長和京津冀城市群區(qū)域內(nèi)差異的均值較大，分別為0.0682、0.0654；然后是長三角、長江中游和成渝城市群，區(qū)域內(nèi)差異的均值分別為0.0548、0.0527、0.0512；中原和珠三角城市群區(qū)域內(nèi)差異的均值相對較小，分別為0.0477、0.0474。由此可見，哈長和京津冀城市群區(qū)域內(nèi)差異較大，中原和珠三角城市群區(qū)域內(nèi)差異較小，而其他城市群區(qū)域內(nèi)差異處于中間水平。從演變趨勢來看，整個考察期內(nèi)所有城市群都大體呈現(xiàn)下降態(tài)勢。京津冀城市群數(shù)字普惠金融發(fā)展水平的區(qū)域內(nèi)差異在2011—2017年持續(xù)下降，年均下降15.12%，在2017—2018年出現(xiàn)上升趨勢，增長了10.36%，但依舊低于2011年近60個百分點；長三角城市群數(shù)字普惠金融發(fā)展水平的區(qū)域內(nèi)差異在2011—2016年持續(xù)下降，年均下降16.41%，在2016—2018年持續(xù)上升，年均增長0.65%，但2018年依舊低于2011年近60個百分點；珠三角城市群數(shù)字普惠金融發(fā)展水平的區(qū)域內(nèi)差異在2011—2018年持續(xù)下降，年均下降8.45%，2018年低于2011年近48個百分點；長江中游城市群數(shù)字普惠金融發(fā)展水平的區(qū)域內(nèi)差異在2011—2017年持續(xù)下降，年均下降17.58%，在2017—2018年出現(xiàn)上升趨勢，增長了2.74%，但依舊低于2011年近71個百分點；成渝城市群數(shù)字普惠金融發(fā)展水平的區(qū)域內(nèi)差異在2011—2016年持續(xù)下降，年均下降22.67%，在2016—2017年出現(xiàn)上升趨勢，增長了4.78%，而2018年與2017年相比又下降了1.30%，整體來看，2018年低于2011年近73個百分點；中原城市群數(shù)字普惠金融發(fā)展水平的區(qū)域內(nèi)差異在2011—2017年持續(xù)下降，年均下降21.09%，在2017—2018年出現(xiàn)上升趨勢，增長了2.31%，但依舊低于2011年近78個百分點；哈長城市群數(shù)字普惠金融發(fā)展水平的區(qū)域內(nèi)差異在2011—2017年持續(xù)下降，年均下降17.39%，在2017—2018年出現(xiàn)上升趨勢，增長了0.95%，但依舊低于2011年近73個百分點。因此，解決京津冀城市群和哈長城市群數(shù)字普惠金融發(fā)展水平的區(qū)域內(nèi)差異尤為重要。

第三，七大城市群數(shù)字普惠金融發(fā)展水平的區(qū)域間差異及演變趨勢。表3計算結(jié)果顯示，七大城市群數(shù)字普惠金融發(fā)展水平區(qū)域間差異的均值為0.0818，珠三角、長三角和哈長城市群與其他城市群區(qū)域間差異的均值高于七大城市群總體區(qū)域差異的平均水平，長江中游城市群與其他城市群區(qū)域間差異的均值最低，為0.0730。從時間演進來看，2011年珠三角城市群與其他城市群區(qū)域間差異的均值最高，為0.1932，而長三角、京津冀城市群與其他城市群區(qū)域間差異的均值較?。?012年珠三角城市群與其他城市群區(qū)域間差異的均值最高，為0.1357，而中原、京津冀、哈長、長江中游城市群與其他城市群區(qū)域間差異的均值較??；2013年珠三角、長三角、哈長城市群與其他城市群區(qū)域間差異的均值較高，而京津冀、中原、長江中游城市群與其他城市群區(qū)域間差異的均值較小；2014年和2017年長三角、珠三角與其他城市群區(qū)域間差異的均值較高，而京津冀、中原、長江中游城市群與其他城市群區(qū)域間差異的均值較?。?015年和2016年珠三角、長三角城市群與其他城市群區(qū)域間差異的均值較高，而長江中游、中原城市群與其他城市群區(qū)域間差異的均值較??；2018年珠三角、長三角、哈長城市群與其他城市群區(qū)域間差異的均值較高，而中原、長江中游城市群與其他城市群區(qū)域間差異的均值較小。因此，解決珠三角、長三角、哈長城市群與其他城市群數(shù)字普惠金融發(fā)展水平的區(qū)域間差異是當務之急。

第四，七大城市群數(shù)字普惠金融發(fā)展水平的區(qū)域差異來源。表3計算結(jié)果顯示，整個考察期內(nèi)，區(qū)域間差異來源的貢獻率最大，介于51.36%～57.89%之間；其次是超變密度來源的貢獻率，介于29.58%～36.66%之間；區(qū)域內(nèi)差異來源的貢獻率最小，介于11.80%～12.79%之間。從整體的差異來源演變趨勢來看，區(qū)域間差異來源的貢獻率呈先波動上升再持續(xù)下降的趨勢，2015年達到高峰值；區(qū)域內(nèi)差異來源的貢獻率呈先整體上升后持續(xù)下降的趨勢，2016年達到高峰值；超變密度來源的貢獻率呈先波動下降再持續(xù)上升的趨勢，2016年達到低峰值。因此，為了實現(xiàn)七大城市群數(shù)字普惠金融的均衡發(fā)展，需要優(yōu)先解決區(qū)域間數(shù)字普惠金融發(fā)展的差異性問題。

四、七大城市群數(shù)字普惠金融發(fā)展水平分布的時空演進與動態(tài)轉(zhuǎn)移

(一)七大城市群數(shù)字普惠金融發(fā)展水平分布的時空演進

為了考察七大城市群數(shù)字普惠金融發(fā)展水平分布的演變特征，借助一維核密度估計法對歷年各區(qū)域數(shù)字普惠金融發(fā)展水平分布進行可視化呈現(xiàn)，進而分析數(shù)字普惠金融發(fā)展水平的分布位置、變化態(tài)勢、空間延展性和極化趨勢。根據(jù)式(13)采用MATLAB R2016a編程繪制2011—2018年七大城市群總體以及各城市群數(shù)字普惠金融發(fā)展水平的分布密度圖，如圖1至圖8所示。

圖1 七大城市群數(shù)字普惠金融發(fā)展水平分布的演進

圖2 京津冀城市群數(shù)字普惠金融發(fā)展水平分布的演進

圖3 長三角城市群數(shù)字普惠金融發(fā)展水平分布的演進

圖4 珠三角城市群數(shù)字普惠金融發(fā)展水平分布的演進

圖5 長江中游城市群數(shù)字普惠金融發(fā)展水平分布的演進

圖6 成渝城市群數(shù)字普惠金融發(fā)展水平分布的演進

圖7 中原城市群數(shù)字普惠金融發(fā)展水平分布的演進

圖8 哈長城市群數(shù)字普惠金融發(fā)展水平分布的演進

七大城市群總體數(shù)字普惠金融發(fā)展水平的核密度估計結(jié)果如圖1所示。從七大城市群總體數(shù)字普惠金融發(fā)展水平的分布情況來看，第一，2011—2018年，七大城市群107個城市數(shù)字普惠金融發(fā)展水平分布的密度曲線整體右移，說明各城市數(shù)字普惠金融發(fā)展水平總體呈現(xiàn)上升趨勢，這與表2的分析結(jié)果一致。第二，圖中波峰高度越來越低而波峰寬度越來越寬，說明這107個城市數(shù)字普惠金融發(fā)展水平的整體差距逐漸擴大；圖中呈現(xiàn)右偏趨勢，說明這107個城市中數(shù)字普惠金融發(fā)展水平較低的城市居多。第三，在2011—2018年期間，數(shù)字普惠金融發(fā)展水平分布中的右邊側(cè)峰逐漸消失，說明這107個城市中數(shù)字普惠金融發(fā)展水平相對較高的城市數(shù)量逐漸減少，七大城市群的極化現(xiàn)象逐步消失，內(nèi)部差距不斷縮小。

京津冀城市群數(shù)字普惠金融發(fā)展水平的核密度估計結(jié)果如圖2所示。從京津冀城市群數(shù)字普惠金融發(fā)展水平的分布情況來看，第一，2011—2018年，京津冀城市群10個城市數(shù)字普惠金融發(fā)展水平分布的密度曲線整體右移，說明各城市數(shù)字普惠金融發(fā)展水平總體呈現(xiàn)上升趨勢，這與表2的分析結(jié)果一致。第二，圖中波峰高度越來越低而波峰寬度越來越寬，說明這10個城市數(shù)字普惠金融發(fā)展水平的整體差距逐漸擴大；圖中呈現(xiàn)右偏趨勢，說明這10個城市中數(shù)字普惠金融發(fā)展水平較低的城市居多。第三，在2011—2016年期間，數(shù)字普惠金融發(fā)展水平分布中的右邊側(cè)峰逐漸明顯，2016—2018年期間分布中的右邊側(cè)峰逐漸消失，說明這10個城市中數(shù)字普惠金融發(fā)展水平相對較高的城市數(shù)量先增加后減少，京津冀城市群出現(xiàn)過極化現(xiàn)象，但后期逐漸消失，內(nèi)部差距在2011—2016年間逐漸增大，而后不斷縮小。

長三角城市群數(shù)字普惠金融發(fā)展水平的核密度估計結(jié)果如圖3所示。從長三角城市群數(shù)字普惠金融發(fā)展水平的分布情況來看，第一，2011—2018年，長三角城市群26個城市數(shù)字普惠金融發(fā)展水平分布的密度曲線整體右移，說明各城市數(shù)字普惠金融發(fā)展水平總體呈現(xiàn)上升趨勢，這與表2的分析結(jié)果一致。第二，圖中波峰高度呈“高—低—高—低”而波峰寬度呈“窄—寬—窄—寬”，說明這26個城市數(shù)字普惠金融發(fā)展水平的整體差距先擴大再縮小后又擴大；期初2011年除外，2014年波峰最高，說明該年這26個城市數(shù)字普惠金融發(fā)展水平的整體差距最??；圖中呈現(xiàn)左偏趨勢，說明這26個城市中數(shù)字普惠金融發(fā)展水平較高的城市居多。第三，在2011—2013年期間，數(shù)字普惠金融發(fā)展水平分布中的左邊側(cè)峰逐漸消失，2013—2017年期間分布中的左邊側(cè)峰逐漸明顯，2018年又逐漸消失，說明這26個城市中數(shù)字普惠金融發(fā)展水平相對較低的城市數(shù)量先減少后增加再減少，長三角城市群出現(xiàn)過極化現(xiàn)象，但最終弱化直至消失，內(nèi)部差距在2013—2017年呈擴大態(tài)勢，但最終縮小。

珠三角城市群數(shù)字普惠金融發(fā)展水平的核密度估計結(jié)果如圖4所示。從珠三角城市群數(shù)字普惠金融發(fā)展水平的分布情況來看，第一，2011—2018年，珠三角城市群9個城市數(shù)字普惠金融發(fā)展水平分布的密度曲線整體右移，說明各城市數(shù)字普惠金融發(fā)展水平總體呈現(xiàn)上升趨勢，這與表2的分析結(jié)果一致。第二，圖中波峰高度越來越低而波峰寬度越來越寬，說明這9個城市數(shù)字普惠金融發(fā)展水平的整體差距逐漸擴大；圖中呈現(xiàn)左偏趨勢，說明這9個城市中數(shù)字普惠金融發(fā)展水平較高的城市居多。第三，在2011—2018年期間，數(shù)字普惠金融發(fā)展水平分布中的左邊側(cè)峰逐漸消失，說明這9個城市中數(shù)字普惠金融發(fā)展水平相對較低的城市數(shù)量逐漸減少，珠三角城市群的極化現(xiàn)象逐步消失，內(nèi)部差距不斷縮小。

長江中游城市群數(shù)字普惠金融發(fā)展水平的核密度估計結(jié)果如圖5所示。從長江中游城市群數(shù)字普惠金融發(fā)展水平的分布情況來看，第一，2011—2018年，長江中游城市群28個城市數(shù)字普惠金融發(fā)展水平分布的密度曲線整體右移，說明各城市數(shù)字普惠金融發(fā)展水平總體呈現(xiàn)上升趨勢，這與表2的分析結(jié)果一致。第二，圖中波峰高度呈“高—低—高”而波峰寬度呈“窄—寬—窄”，說明這28個城市數(shù)字普惠金融發(fā)展水平的整體差距先擴大再縮小；2014年波峰最低，說明該年這28個城市數(shù)字普惠金融發(fā)展水平的整體差距最大；圖中呈現(xiàn)右偏趨勢，說明這28個城市中數(shù)字普惠金融發(fā)展水平較低的城市居多。第三，在2011—2016年期間，數(shù)字普惠金融發(fā)展水平分布中的右邊側(cè)峰逐漸消失，2016—2018年期間分布中的右邊側(cè)峰逐漸明顯，特別是2018年右邊側(cè)峰數(shù)量增加，說明這28個城市中數(shù)字普惠金融發(fā)展水平相對較高的城市數(shù)量先減少后增加，長江中游城市群的極化現(xiàn)象越發(fā)嚴重，內(nèi)部差距不斷擴大。

成渝城市群數(shù)字普惠金融發(fā)展水平的核密度估計結(jié)果如圖6所示。從成渝城市群數(shù)字普惠金融發(fā)展水平的分布情況來看，第一，2011—2018年，成渝城市群16個城市數(shù)字普惠金融發(fā)展水平分布的密度曲線整體右移，說明各城市數(shù)字普惠金融發(fā)展水平總體呈現(xiàn)上升趨勢，這與表2的分析結(jié)果一致。第二，圖中波峰高度呈“高—低—高—低”而波峰寬度呈“窄—寬—窄—寬”，說明這16個城市數(shù)字普惠金融發(fā)展水平的整體差距先擴大再縮小后又擴大；2016年波峰最高，說明該年這16個城市數(shù)字普惠金融發(fā)展水平的整體差距最?。粓D中呈現(xiàn)右偏趨勢，說明這16個城市中數(shù)字普惠金融發(fā)展水平較低的城市居多。第三，在2011—2018年期間，數(shù)字普惠金融發(fā)展水平分布中的右邊側(cè)峰始終存在，說明這16個城市中數(shù)字普惠金融發(fā)展水平相對較高的城市一直存在，考察期內(nèi)成渝城市群一直都存在極化現(xiàn)象，內(nèi)部差距較大。

中原城市群數(shù)字普惠金融發(fā)展水平的核密度估計結(jié)果如圖7所示。從中原城市群數(shù)字普惠金融發(fā)展水平的分布情況來看，第一，2011—2018年，中原城市群8個城市數(shù)字普惠金融發(fā)展水平分布的密度曲線整體右移，說明各城市數(shù)字普惠金融發(fā)展水平總體呈現(xiàn)上升趨勢，這與表2的分析結(jié)果一致。第二，圖中波峰高度大體呈“低—高—低”而波峰寬度呈“寬—窄—寬”，說明這8個城市數(shù)字普惠金融發(fā)展水平的整體差距先縮小再擴大；2014年波峰最高，說明該年這8個城市數(shù)字普惠金融發(fā)展水平的整體差距最小，期初2011年除外，2013年波峰最低，說明該年這8個城市數(shù)字普惠金融發(fā)展水平的整體差距最大；圖中呈現(xiàn)右偏趨勢，說明這8個城市中數(shù)字普惠金融發(fā)展水平較低的城市居多。第三，在2011—2018年期間，數(shù)字普惠金融發(fā)展水平分布中的右邊側(cè)峰越發(fā)明顯，逐漸成為第二高峰，說明這8個城市中數(shù)字普惠金融發(fā)展水平相對較高的城市數(shù)量逐漸增加，中原城市群的極化現(xiàn)象越發(fā)嚴重，內(nèi)部差距不斷擴大。

哈長城市群數(shù)字普惠金融發(fā)展水平的核密度估計結(jié)果如圖8所示。從哈長城市群數(shù)字普惠金融發(fā)展水平的分布情況來看，第一，2011—2018年，哈長城市群10個城市數(shù)字普惠金融發(fā)展水平分布的密度曲線整體右移，說明各城市數(shù)字普惠金融發(fā)展水平總體呈現(xiàn)上升趨勢，這與表2的分析結(jié)果一致。第二，圖中波峰高度呈“高—低—高”而波峰寬度呈“窄—寬—窄”，說明這10個城市數(shù)字普惠金融發(fā)展水平的整體差距先擴大再縮??；2013年波峰最低，說明該年這10個城市數(shù)字普惠金融發(fā)展水平的整體差距最大，2012年波峰最高，說明該年這10個城市數(shù)字普惠金融發(fā)展水平的整體差距最?。粓D中不具有左偏或右偏趨勢，說明這10個城市中數(shù)字普惠金融發(fā)展處于中等水平。第三，在2011—2018年期間，數(shù)字普惠金融發(fā)展水平分布中始終是一個主峰且無側(cè)峰，說明這10個城市中數(shù)字普惠金融發(fā)展水平比較均衡，哈長城市群不存在極化現(xiàn)象，內(nèi)部差距較小。

(二)基于核密度估計的七大城市群數(shù)字普惠金融發(fā)展水平分布的動態(tài)演進

為了考察七大城市群數(shù)字普惠金融發(fā)展水平分布模式的動態(tài)演進過程，借助二維核密度估計法展現(xiàn)各區(qū)域數(shù)字普惠金融發(fā)展水平分布的演進過程，進而分析數(shù)字普惠金融發(fā)展水平的動態(tài)轉(zhuǎn)移過程和俱樂部收斂性。鑒于篇幅有限，這里將時間跨度取為2年，根據(jù)式(14)采用MATLAB R2016a編程繪制七大城市群總體以及各城市群數(shù)字普惠金融發(fā)展水平的動態(tài)演進分布密度圖，如圖9至圖16所示。

圖9a 曲面圖 圖9b 等高線圖

圖10a 曲面圖 圖10b 等高線圖

圖11a 曲面圖 圖11b 等高線圖

圖12a 曲面圖 圖12b 等高線圖

圖13a 曲面圖 圖13b 等高線圖

圖14a 曲面圖 圖14b 等高線圖

圖15a 曲面圖 圖15b 等高線圖

圖16a 曲面圖 圖16b 等高線圖

數(shù)字普惠金融發(fā)展水平的俱樂部收斂趨勢。圖9至圖16中a圖為二維核密度圖，橫軸為當年的數(shù)字普惠金融發(fā)展水平，縱軸為兩年后的數(shù)字普惠金融發(fā)展水平，豎軸為二維概率密度，平行于縱軸的線表示從當年到兩年后數(shù)字普惠金融發(fā)展水平分布變化的轉(zhuǎn)移概率。從圖9至圖16中a圖可以看出，曲面主要集中在正45°對角線兩側(cè)，并且沿對角線形成1至4個不等的波峰，說明無論是七大城市群總體還是各城市群，兩年后的數(shù)字普惠金融發(fā)展水平分布與當年的數(shù)字普惠金融發(fā)展水平分布相比變動較小，存在俱樂部收斂的可能性。

數(shù)字普惠金融發(fā)展水平的狀態(tài)轉(zhuǎn)移趨勢。圖9至圖16中b圖為相應核密度圖的等高線圖，橫軸表示當年數(shù)字普惠金融發(fā)展水平，縱軸表示兩年后數(shù)字普惠金融發(fā)展水平，等高線越密集表示密度值越大，即發(fā)生概率越大。圖9至圖16中b圖等高線都對稱的分布在正45°對角線兩側(cè)，說明七大城市群總體以及各城市群數(shù)字普惠金融發(fā)展都很難發(fā)生跨水平轉(zhuǎn)移。具體來看，圖9b在0.3處的概率密度較大，說明七大城市群總體數(shù)字普惠金融發(fā)展更容易發(fā)生中等水平向中等水平的轉(zhuǎn)移；圖10b在0.1處的概率密度較大，說明京津冀城市群數(shù)字普惠金融發(fā)展更容易發(fā)生較低水平向較低水平的轉(zhuǎn)移；圖11b在0.6處的概率密度較大，說明長三角城市群數(shù)字普惠金融發(fā)展更容易發(fā)生較高水平向較高水平的轉(zhuǎn)移；圖12b在0.6處的概率密度較大，說明珠三角城市群數(shù)字普惠金融發(fā)展更容易發(fā)生較高水平向較高水平的轉(zhuǎn)移；圖13b在0.1和0.3處的概率密度較大，說明長江中游城市群數(shù)字普惠金融發(fā)展更容易發(fā)生較低水平向較低水平的轉(zhuǎn)移和中等水平向中等水平的轉(zhuǎn)移；圖14b在0.2處的概率密度較大，說明成渝城市群數(shù)字普惠金融發(fā)展更容易發(fā)生較低水平向較低水平的轉(zhuǎn)移；圖15b在0.1處的概率密度較大，說明中原城市群數(shù)字普惠金融發(fā)展更容易發(fā)生較低水平向較低水平的轉(zhuǎn)移；圖16b在0.3、0.6和0.9處的概率密度都較大，說明哈長城市群數(shù)字普惠金融發(fā)展轉(zhuǎn)移趨勢比較分散，中等水平更易向中等水平轉(zhuǎn)移，較高水平更易向較高水平轉(zhuǎn)移，高水平更易向高水平轉(zhuǎn)移。

(三)基于Markov鏈的七大城市群數(shù)字普惠金融發(fā)展水平的動態(tài)轉(zhuǎn)移

二維核密度估計雖然可以展示數(shù)字普惠金融發(fā)展水平分布的整體形狀和轉(zhuǎn)移趨勢，但無法精確計算數(shù)字普惠金融發(fā)展相對水平的動態(tài)變化和狀態(tài)轉(zhuǎn)移概率，而Markov鏈恰好能描述這一隨機過程，通過分析城市群數(shù)字普惠金融發(fā)展水平轉(zhuǎn)移路徑，進一步揭示各城市群群內(nèi)、群間數(shù)字普惠金融發(fā)展差異與極化現(xiàn)象的成因。鑒于篇幅有限，這里將時間跨度取為2年和4年，根據(jù)式(16)采用MATLAB R2016a編程計算七大城市群總體以及各城市群數(shù)字普惠金融發(fā)展水平的動態(tài)轉(zhuǎn)移概率矩陣，如表4所示。

表4 七大城市群數(shù)字普惠金融發(fā)展水平的Markov狀態(tài)轉(zhuǎn)移概率矩陣

續(xù)表4

第一，在七大城市群總體以及各城市群數(shù)字普惠金融發(fā)展水平的動態(tài)轉(zhuǎn)移概率矩陣中，主對角線上元素基本大于其他元素。七大城市群總體、長江中游城市群主對角線元素分別介于0.5926～1.0000、0.5357～1.0000，并且低水平、中低水平、中高水平和高水平維持原始狀態(tài)的概率遠大于轉(zhuǎn)移概率；京津冀、哈長城市群主對角線元素分別介于0.5000～1.0000、0.4167～1.0000，并且低水平、中高水平和高水平維持原始狀態(tài)的概率遠大于轉(zhuǎn)移概率；珠三角城市群主對角線元素介于0.1250～1.0000之間，并且低水平、中低水平和高水平維持原始狀態(tài)的概率遠大于轉(zhuǎn)移概率；長三角、成渝、中原城市群主對角線元素分別介于0.3333～1.0000、0.3750～1.0000、0.3750～1.0000，并且低水平和高水平維持原始狀態(tài)的概率遠大于轉(zhuǎn)移概率。由此可見，七大城市群數(shù)字普惠金融發(fā)展受到前期發(fā)展水平的影響，產(chǎn)生了路徑依賴性，容易造成自我發(fā)展固化。

第二，七大城市群數(shù)字普惠金融發(fā)展水平呈現(xiàn)明顯的俱樂部收斂趨勢，高水平和低水平的城市群發(fā)生狀態(tài)轉(zhuǎn)移的可能性很小。七大城市群總體以及各城市群維持低水平狀態(tài)的概率介于0.5625～0.9167之間，向上轉(zhuǎn)移的最大概率僅為0.3889，說明低水平城市群數(shù)字普惠金融發(fā)展容易陷入“貧困陷阱”。七大城市群總體以及各城市群維持高水平狀態(tài)的概率始終為1，不存在向下轉(zhuǎn)移的可能性，說明高水平城市群數(shù)字普惠金融發(fā)展呈現(xiàn)明顯的趨同現(xiàn)象。由此可見，七大城市群數(shù)字普惠金融發(fā)展水平具有很強的“馬太效應”，這是導致區(qū)域數(shù)字普惠金融發(fā)展差異性顯著的一大原因。

第三，主對角線以外元素不全為零，非零元素基本分布在主對角線兩側(cè)。七大城市群中僅有長江中游、成渝、中原和哈長城市群數(shù)字普惠金融發(fā)展發(fā)生了跨水平轉(zhuǎn)移，其中，長江中游城市群發(fā)生了低水平同中高水平之間的轉(zhuǎn)移和中低水平向高水平的轉(zhuǎn)移，成渝城市群發(fā)生了低水平同中高水平之間的轉(zhuǎn)移，中原城市群發(fā)生了中低水平向高水平的轉(zhuǎn)移，哈長城市群發(fā)生了中高水平向低水平的轉(zhuǎn)移。由此可見，數(shù)字普惠金融發(fā)展水平的轉(zhuǎn)移多發(fā)生在相鄰水平之間，而跨水平的轉(zhuǎn)移很難發(fā)生。長江中游和中原城市群都實現(xiàn)了中低水平向高水平的轉(zhuǎn)移，可見這兩個城市群數(shù)字普惠金融發(fā)展的速度較快，這與表2的分析結(jié)果相同。

第四，比較兩年后和四年后的狀態(tài)轉(zhuǎn)移概率矩陣，七大城市群維持原始狀態(tài)的概率呈下降趨勢。隨著時間推移，七大城市群的俱樂部收斂逐漸弱化，低水平向上轉(zhuǎn)移到更高水平的可能性逐漸變大，中低水平和中高水平的穩(wěn)定性逐漸變差，更容易向低一級水平或高一級水平發(fā)生轉(zhuǎn)移，但高水平依舊保持不變。由此可見，隨著時間發(fā)展，七大城市群內(nèi)部的數(shù)字普惠金融發(fā)展水平差距逐漸縮小，但高水平依舊呈現(xiàn)趨同現(xiàn)象。

五、結(jié)論與建議

本文基于京津冀、長三角、珠三角、長江中游、成渝、中原以及哈長城市群2011—2018年數(shù)字普惠金融發(fā)展水平的面板數(shù)據(jù)，首先，采用Dagum基尼系數(shù)分解測度七大城市群數(shù)字普惠金融發(fā)展的區(qū)域差異性；其次，運用一維核密度估計法分析各城市群數(shù)字普惠金融發(fā)展水平的變化態(tài)勢和極化趨勢；再次，使用二維核密度估計法考察各城市群數(shù)字普惠金融發(fā)展水平的動態(tài)轉(zhuǎn)移過程和俱樂部收斂性；最后，借助Markov鏈分析各城市群數(shù)字普惠金融發(fā)展水平的轉(zhuǎn)移路徑。實證研究發(fā)現(xiàn)：

第一，2011—2018年期間，七大城市群數(shù)字普惠金融發(fā)展水平逐年上升，平均增長率為25.14%。珠三角、長三角城市群數(shù)字普惠金融發(fā)展水平較高，成渝、哈長城市群數(shù)字普惠金融發(fā)展水平較低；哈長、中原、長江中游城市群數(shù)字普惠金融發(fā)展水平的增長速度較快，年均增長率都超過了27.3%，珠三角城市群數(shù)字普惠金融發(fā)展水平的增長幅度最小，年均僅上升20.81%。究其原因，各城市群經(jīng)濟發(fā)展水平和數(shù)字信息化水平持續(xù)上升，尤其是2015、2016和2017年國家更加重視數(shù)字普惠金融，出臺了一系列相關(guān)政策促進數(shù)字普惠金融發(fā)展。特別是，珠三角城市群和長三角城市群作為極具活力的經(jīng)濟區(qū)，在經(jīng)濟發(fā)展規(guī)模、數(shù)字信息化建設(shè)、金融包容性增長等方面都具有顯著優(yōu)勢，因此這兩大城市群的數(shù)字普惠金融發(fā)展水平較高。

第二，七大城市群數(shù)字普惠金融發(fā)展的總體差異明顯，城市群群間數(shù)字普惠金融發(fā)展差異是總體差異的主要來源。七大城市群數(shù)字普惠金融發(fā)展的平均差異在0.08左右，考察期內(nèi)城市群數(shù)字普惠金融發(fā)展水平的總體差異下降近65個百分點，說明七大城市群數(shù)字普惠金融發(fā)展的非均衡現(xiàn)象有明顯好轉(zhuǎn)。其中，哈長、京津冀城市群內(nèi)部差異較大，中原、珠三角城市群內(nèi)部差異較小；珠三角城市群與其他城市群之間的差異最大，而長江中游城市群與其他城市群之間的差異最小。究其原因，北京作為全國的政治中心，經(jīng)濟發(fā)展和信息化程度較高，其數(shù)字普惠金融發(fā)展水平也相對較高，因此拉大了京津冀城市群的內(nèi)部差異；哈長城市群剛剛建成不久，經(jīng)濟資源與信息化資源并未形成統(tǒng)一的整體，因此內(nèi)部數(shù)字普惠金融發(fā)展水平的差異較大。珠三角城市群得益于之前的改革開放與當下的粵港澳大灣區(qū)建設(shè)，城市對外開放程度較高，外資投入和先進的科學技術(shù)是珠三角城市群的一大優(yōu)勢，因此其數(shù)字普惠金融發(fā)展水平遠高于其他城市群。

第三，隨著時間推移，七大城市群數(shù)字普惠金融發(fā)展水平逐漸上升，但內(nèi)部差距也有上升趨勢，多數(shù)城市群存在不同程度的極化現(xiàn)象。其中，京津冀城市群中多數(shù)城市數(shù)字普惠金融發(fā)展水平較低，內(nèi)部出現(xiàn)過極化現(xiàn)象，但后期逐漸消失；長三角城市群中多數(shù)城市數(shù)字普惠金融發(fā)展水平較高，內(nèi)部出現(xiàn)過極化現(xiàn)象，但最終弱化直至消失；珠三角城市群中多數(shù)城市數(shù)字普惠金融發(fā)展水平較高，內(nèi)部極化現(xiàn)象逐步消失；長江中游城市群、中原城市群中多數(shù)城市數(shù)字普惠金融發(fā)展水平較低，內(nèi)部極化現(xiàn)象越發(fā)嚴重；成渝城市群中多數(shù)城市數(shù)字普惠金融發(fā)展水平較低，考察期內(nèi)一直存在極化現(xiàn)象；哈長城市群中城市數(shù)字普惠金融發(fā)展處于中等水平，不存在極化現(xiàn)象。

第四，七大城市群數(shù)字普惠金融發(fā)展呈現(xiàn)俱樂部收斂，持續(xù)性較強、流動性較差，數(shù)字普惠金融發(fā)展維持原始狀態(tài)的能力較強，狀態(tài)轉(zhuǎn)移多發(fā)生在相鄰水平之間，容易形成自我發(fā)展固化。其中，長三角和珠三角城市群數(shù)字普惠金融發(fā)展維持高水平能力較強，而京津冀、成渝和中原城市群數(shù)字普惠金融發(fā)展維持低水平能力較強；長江中游城市群多發(fā)生低水平同中高水平之間的狀態(tài)轉(zhuǎn)移和中低水平向高水平的狀態(tài)轉(zhuǎn)移，成渝城市群多發(fā)生低水平同中高水平之間的狀態(tài)轉(zhuǎn)移，中原城市群多發(fā)生中低水平向高水平的狀態(tài)轉(zhuǎn)移，哈長城市群多發(fā)生中高水平向低水平的狀態(tài)轉(zhuǎn)移。

筆者認為促進城市群數(shù)字普惠金融協(xié)同發(fā)展應該以縮小城市群數(shù)字普惠金融發(fā)展水平的差異為切入點，弱化乃至消除城市群數(shù)字普惠金融發(fā)展水平的極化現(xiàn)象。建議從以下幾個方面入手：

第一，從基礎(chǔ)設(shè)施建設(shè)出發(fā)，完善數(shù)字普惠金融發(fā)展體系。從2011—2018年期間的經(jīng)驗數(shù)據(jù)來看，七大城市群數(shù)字普惠金融發(fā)展水平仍存在較大的提升空間，因此，需要進一步加強數(shù)字普惠金融體系建設(shè)，促進數(shù)字普惠金融發(fā)展。一方面，金融機構(gòu)要重視數(shù)字普惠金融發(fā)展，設(shè)立數(shù)字普惠金融事業(yè)部，進一步推進農(nóng)村地區(qū)金融基礎(chǔ)設(shè)施建設(shè)，增加基層金融服務網(wǎng)點數(shù)量，加強金融服務人員的人才隊伍建設(shè)，特別是要重視數(shù)字金融與普惠金融相結(jié)合，依托數(shù)字信息技術(shù)發(fā)展數(shù)字普惠金融。另一方面，金融機構(gòu)可以適當降低金融服務的門限，著重解決小微企業(yè)、低收入群體融資難等問題，促進數(shù)字金融的覆蓋廣度與使用深度，真正實現(xiàn)金融之美——惠及大眾。

第二，突破以省域為主體的數(shù)字普惠金融發(fā)展方式，強化以城市群為核心的區(qū)域數(shù)字普惠金融發(fā)展模式。將數(shù)字普惠金融投入延伸到城市和城市群層面，以促進城市群金融包容性增長和經(jīng)濟高質(zhì)量發(fā)展。一方面，要充分發(fā)揮核心城市的數(shù)字普惠金融發(fā)展輻射效應，帶動周邊城市的數(shù)字普惠金融發(fā)展，例如：京津冀城市群可以將北京作為數(shù)字普惠金融發(fā)展的核心城市帶動周邊城市發(fā)展，以提高京津冀城市群數(shù)字普惠金融的發(fā)展水平。另一方面，要精確定位各城市群的數(shù)字普惠金融發(fā)展，優(yōu)化長三角和珠三角城市群數(shù)字普惠金融的發(fā)展結(jié)構(gòu)，加強京津冀、長江中游和中原城市群數(shù)字普惠金融的發(fā)展模式，大力提升成渝和哈長城市群數(shù)字普惠金融的發(fā)展水平。

第三，統(tǒng)籌七大城市群數(shù)字普惠金融發(fā)展，建立城市群數(shù)字普惠金融發(fā)展的協(xié)調(diào)聯(lián)動機制。七大城市群數(shù)字普惠金融發(fā)展的差異主要來源于城市群群間差異，并且數(shù)字普惠金融發(fā)展流動性較差，容易形成自我固化。一方面，要進一步突破省域?qū)用娴男姓趬荆苿悠叽蟪鞘腥褐g的跨區(qū)域數(shù)字普惠金融發(fā)展一體化建設(shè)，加強城市群群間的合作交流，促進數(shù)字普惠金融的流動性發(fā)展，長三角和珠三角城市群可以發(fā)揮數(shù)字普惠金融發(fā)展的城市群群間帶動效應。另一方面，以城市群為載體推動跨區(qū)域城市群群間金融資本、數(shù)字信息技術(shù)的共享，優(yōu)化數(shù)字普惠金融的發(fā)展環(huán)境，促進各城市群數(shù)字普惠金融發(fā)展，縮小城市群群間數(shù)字普惠金融的發(fā)展差異。

[注 釋]

① 測度數(shù)字普惠金融發(fā)展水平的原始數(shù)據(jù)來源于北京大學數(shù)字普惠金融指數(shù)(2011—2018)。