李楚海，林 娟,b，盧嘉新，伍世代,b

（1.福建師范大學(xué) a.文化旅游與公共管理學(xué)院；b.智慧旅游福建省重點(diǎn)實(shí)驗(yàn)室，福州 350117；2.海南大學(xué) 旅游學(xué)院，?？?570228）

近年來(lái)，在信息化發(fā)展、金融改革與銀行競(jìng)爭(zhēng)主體多元化的背景下，中國(guó)經(jīng)歷了一場(chǎng)聲勢(shì)浩大的銀行網(wǎng)點(diǎn)關(guān)停潮（Fraisse et al., 2018；鄒小華 等，2019）。不少學(xué)者認(rèn)為，移動(dòng)手機(jī)的廣泛應(yīng)用與數(shù)字化時(shí)代的到來(lái)，既對(duì)傳統(tǒng)線下銀行服務(wù)模式發(fā)起挑戰(zhàn)（Gupta et al., 1997；李依憑，2002；孫娜，2018），也帶動(dòng)了第三方支付平臺(tái)的廣泛使用，使傳統(tǒng)實(shí)體銀行面臨巨大的經(jīng)營(yíng)壓力（Deyoung et al.,2004; Zhao, 2018；劉孟飛 等，2021）。銀行網(wǎng)點(diǎn)經(jīng)營(yíng)與處理小額交易成本過(guò)高時(shí)，可通過(guò)減少網(wǎng)點(diǎn)數(shù)量降低運(yùn)營(yíng)成本，提高盈利能力來(lái)提供支撐（Shahrokhi，2008；王修華 等，2014）。然而，部分學(xué)者認(rèn)為商業(yè)銀行當(dāng)前的核心地位（劉忠璐，2016）、數(shù)字鴻溝背景下老齡人口的需求（赫國(guó)勝 等，2015）以及商業(yè)銀行客戶服務(wù)的供需（徐志宏，2007）均使傳統(tǒng)銀行在數(shù)字化轉(zhuǎn)型過(guò)程，仍需保留實(shí)體營(yíng)業(yè)點(diǎn)，并不會(huì)加速其退出。

近年來(lái)，金融地理學(xué)日趨注重金融要素在空間差異、過(guò)程及相互作用上的探析，而銀行網(wǎng)點(diǎn)作為金融機(jī)構(gòu)的重要組成部分，其與地理空間的相互關(guān)系已成為金融地理學(xué)的重要研究?jī)?nèi)容（張國(guó)俊 等，2015；馬學(xué)廣 等，2017）。早在20世紀(jì)80年代，國(guó)外金融地理學(xué)者發(fā)現(xiàn)，隨著金融環(huán)境的變化，金融機(jī)構(gòu)因產(chǎn)品服務(wù)盈利性降低等緣由，便開(kāi)始呈現(xiàn)對(duì)已開(kāi)發(fā)區(qū)、弱勢(shì)群體等逐步縮減供給的態(tài)勢(shì)，致使小城市與農(nóng)村偏遠(yuǎn)地區(qū)的金融機(jī)構(gòu)紛紛關(guān)閉，形成“金融排斥”現(xiàn)象（Leyshon et al., 2008；馬學(xué)廣等，2017）。該現(xiàn)象最初廣受關(guān)注是因?yàn)榻鹑跈C(jī)構(gòu)具有明顯地理分布特征，分析區(qū)域內(nèi)銀行網(wǎng)點(diǎn)的撤并，及其對(duì)微觀主體與金融機(jī)構(gòu)的聯(lián)系所造成的影響，具有較強(qiáng)的地理指向性，由此發(fā)現(xiàn)金融機(jī)構(gòu)的退出有著農(nóng)村偏遠(yuǎn)地區(qū)高于城市發(fā)達(dá)區(qū)域的空間差異性特征（Osei, 2009; Joassart et al., 2010；馬學(xué)廣，2017），這加劇了社會(huì)不公與區(qū)域經(jīng)濟(jì)發(fā)展的邊緣性現(xiàn)象（Simpson et al., 2009）。從國(guó)內(nèi)現(xiàn)有研究看，金融地理學(xué)仍處于初步發(fā)展階段（蘇曦 等，2013），“金融排斥”概念的引入和研究到目前雖只有10余年，卻已有諸多學(xué)者從銀行業(yè)的空間系統(tǒng)變化等多方面展開(kāi)相應(yīng)探討，其中，多以農(nóng)村地區(qū)為主要研究對(duì)象，基于現(xiàn)有銀行網(wǎng)點(diǎn)或新增銀行機(jī)構(gòu)的空間分布數(shù)據(jù)，從不同性質(zhì)等級(jí)銀行的角度出發(fā)進(jìn)行論述。從理論視角看，已有研究既介紹了金融地理學(xué)在銀行網(wǎng)點(diǎn)領(lǐng)域的研究進(jìn)展，又推動(dòng)了獨(dú)具中國(guó)特色的“金融排斥”分析研究框架的構(gòu)建（李小建等，2006a；董曉林 等，2012；馬學(xué)廣，2017；武毅 等，2020）。

綜上所述，已有研究對(duì)金融銀行網(wǎng)點(diǎn)的空間特征、驅(qū)動(dòng)因素及其“金融排斥”進(jìn)行相應(yīng)探討，但對(duì)于銀行網(wǎng)點(diǎn)的關(guān)停現(xiàn)象存在怎樣的時(shí)空格局及其相應(yīng)影響因素還需進(jìn)一步探究。中國(guó)獨(dú)特的經(jīng)濟(jì)體系、居民對(duì)銀行服務(wù)的偏好、對(duì)直接人工服務(wù)的習(xí)慣性以及對(duì)網(wǎng)商銀行的排斥性，或?qū)?dǎo)致銀行退出網(wǎng)點(diǎn)在時(shí)空分布上與西方國(guó)家具有較大特征差別（李小建 等，2006b），以中國(guó)為案例，既可以觀察銀行退出網(wǎng)點(diǎn)在區(qū)域之間的空間差異以及與經(jīng)濟(jì)社會(huì)等因素的關(guān)聯(lián)，也可揭示中國(guó)城鄉(xiāng)之間所存在的金融服務(wù)不均衡問(wèn)題，為促進(jìn)均衡、可持續(xù)的銀行網(wǎng)點(diǎn)發(fā)展提供借鑒與參考。因此，本研究在現(xiàn)有銀行網(wǎng)點(diǎn)的研究議題上，對(duì)中國(guó)銀行退出網(wǎng)點(diǎn)的空間分布特征進(jìn)行解析，探討其發(fā)展趨勢(shì)以及影響因素。

1 數(shù)據(jù)來(lái)源與方法

1.1 數(shù)據(jù)來(lái)源

中國(guó)銀行保險(xiǎn)監(jiān)督委員會(huì)①中國(guó)銀行保險(xiǎn)監(jiān)督委員會(huì).http://www.cbirc.gov.cn/cn/view/pages/index/index.html的金融許可證平臺(tái)記錄了迄今為止過(guò)去兩年時(shí)間范圍的銀行退出網(wǎng)點(diǎn)的相關(guān)信息，具有較強(qiáng)的權(quán)威性，從中獲取2019-01-01—2021-12-31的銀行退出網(wǎng)點(diǎn)共計(jì)10175條數(shù)據(jù)。結(jié)合2019—2021年部分地級(jí)市農(nóng)村商業(yè)銀行的合并，及2020 年包商銀行的破產(chǎn)等非正常退出現(xiàn)象，剔除農(nóng)村商業(yè)銀行933 家，破產(chǎn)銀行316 家，最后納入研究的銀行網(wǎng)點(diǎn)共計(jì)8 626 條。根據(jù)清單名錄，通過(guò)愛(ài)企查與企查查獲取網(wǎng)點(diǎn)具體地址，并在空間上進(jìn)行可視化。

1.2 研究方法

1.2.1 地理集中指數(shù) 地理集中指數(shù)可用來(lái)衡量不同區(qū)域上金融銀行退出數(shù)量的集中程度，公式為（王兆峰 等，2020）：

式中：G為地理集中指數(shù)；xm為第m個(gè)省份銀行退出網(wǎng)點(diǎn)數(shù)量；k為區(qū)域省份數(shù)量；T為該年內(nèi)銀行退出網(wǎng)點(diǎn)數(shù)量。若銀行退出網(wǎng)點(diǎn)在三大經(jīng)濟(jì)地帶②根據(jù)國(guó)家統(tǒng)計(jì)局（2000）《中國(guó)統(tǒng)計(jì)年鑒》分類(lèi)標(biāo)準(zhǔn)，將中國(guó)劃分為東、中、西部三大地區(qū)，其中東部包括遼寧、北京、天津、河北、山東、江蘇、上海、浙江、福建、廣東、廣西、海南12個(gè)省市；中部包括山西、內(nèi)蒙古、黑龍江、吉林、安徽、河南、江西、湖北、湖南9個(gè)省區(qū)；西部包括陜西、甘肅、青海、寧夏、新疆、四川、重慶、云南、貴州、西藏10個(gè)省區(qū)。的地理集中指數(shù)大于分布于全國(guó)各省市的地理集中指數(shù)，則說(shuō)明各經(jīng)濟(jì)帶內(nèi)金融銀行退出網(wǎng)點(diǎn)呈集中分布的態(tài)勢(shì)，反之呈分散分布（王兆峰 等，2020）。

1.2.2 核密度分析 核密度分析用于計(jì)算每個(gè)輸出柵格像元周?chē)狞c(diǎn)要素密度，通?？梢员容^直觀的體現(xiàn)分析目標(biāo)在空間上的集聚情況，其計(jì)算公式為（黃銳 等，2022）：

式中：∫(Xi)為核密度估計(jì)量；k為核函數(shù)；n為樣本的數(shù)量；h為寬帶；Xi-Xj為點(diǎn)Xi到樣本點(diǎn)Xj處的距離。

1.2.3 DBSCAN算法 借助于基于密度的聚類(lèi)算法對(duì)單一城市內(nèi)銀行退出網(wǎng)點(diǎn)的集群熱點(diǎn)區(qū)域及分布特征進(jìn)行識(shí)別。DBSCAN 聚類(lèi)算法最早由Ester 等（1996）提出，能在不預(yù)先設(shè)置形成聚類(lèi)的情況下，較為快速地發(fā)現(xiàn)空間中任意形狀的聚類(lèi)，并且能快速識(shí)別出空間數(shù)據(jù)的噪聲，即離群數(shù)據(jù)（馬小賓等，2021）。算法主要包含2 個(gè)重要的參數(shù)——Eps和Minpts，其中，Eps指鄰域距離，主要根據(jù)對(duì)象之間的歐式距離和降序K的距離確定；Minpts指Eps鄰域內(nèi)至少包含的最小樣本數(shù)目（李江蘇 等，2018；張亞 等，2020）。DBSCAN參數(shù)的選擇對(duì)于結(jié)果有較大影響，為了減少人工干預(yù)的影響，李文杰等（2019）提出一種自適應(yīng)的優(yōu)化算法，根據(jù)數(shù)據(jù)集本身的統(tǒng)計(jì)特性，多次迭代試驗(yàn)選取最優(yōu)Eps 和Minpts的參數(shù)值。

1.2.4 空間計(jì)量模型 為探討信息化背景下，各影響因素與銀行退出網(wǎng)點(diǎn)數(shù)量之間的關(guān)系，在空間計(jì)量模型中，用最小二乘法（OLS）進(jìn)行回歸估計(jì)的基礎(chǔ)上，結(jié)合拉格朗日乘數(shù)計(jì)量標(biāo)準(zhǔn)（Anselin et al., 1991），選取空間誤差模型（SEM）進(jìn)行綜合分析。其模型形式設(shè)定為：

式中：Y為被解釋變量；c為常數(shù)項(xiàng)；βi為待估計(jì)的常數(shù)回歸系數(shù)；Ai為解釋變量；Wμ為擾動(dòng)項(xiàng)的空間滯后項(xiàng)，λ為誤差項(xiàng)的空間自回歸系數(shù)；ε為隨機(jī)擾動(dòng)項(xiàng)。

2 銀行退出網(wǎng)點(diǎn)的類(lèi)型特征與空間格局

2.1 類(lèi)型間差異

為統(tǒng)計(jì)各年份不同類(lèi)型銀行退出數(shù)量情況，參考車(chē)冰清等（2017）對(duì)銀行網(wǎng)點(diǎn)類(lèi)型的劃分方法，將銀行劃分為4個(gè)類(lèi)別：五大商業(yè)銀行（中國(guó)工商銀行、中國(guó)農(nóng)業(yè)銀行、中國(guó)銀行、中國(guó)建設(shè)銀行和交通銀行）、農(nóng)業(yè)金融機(jī)構(gòu)（主要包括：農(nóng)村信用合作社、農(nóng)村商業(yè)銀行和信用合作社儲(chǔ)蓄所等）、外資銀行（主要包括：渣打銀行、匯豐銀行、恒生銀行和東亞銀行）以及中小商業(yè)銀行（主要包括：郵政儲(chǔ)蓄銀行、招商銀行、中信銀行、民生銀行、光大銀行和華夏銀行等）。

通過(guò)統(tǒng)計(jì)2019—2021 年銀行退出網(wǎng)點(diǎn)數(shù)量發(fā)現(xiàn)，不同類(lèi)型銀行的退出特征存在較大的數(shù)量比例差異（圖1）。2019年銀行退出數(shù)量最多的類(lèi)型為五大商業(yè)銀行，占比達(dá)40.32%，2020 年其數(shù)量與占比仍占據(jù)首位，但已呈明顯減少的態(tài)勢(shì)，到2021年，五大商業(yè)銀行的數(shù)量和占比分別為833 家和31.37%，在四大類(lèi)型銀行中位居第三位。上述變化趨勢(shì)緣于五大商業(yè)銀行的基數(shù)較大，多分布在東部、即信息化最為發(fā)達(dá)的地區(qū)，受沖擊程度較深；又由于五大商業(yè)銀行具有跨區(qū)域經(jīng)營(yíng)和創(chuàng)新能力較強(qiáng)等特征，能夠較好地應(yīng)對(duì)信息化所帶來(lái)的沖擊效應(yīng)（劉孟飛 等，2021）。農(nóng)村金融機(jī)構(gòu)的退出數(shù)量雖呈倒“U”型，但占比卻從21.66%逐漸遞增到32.62%，說(shuō)明農(nóng)村金融銀行面臨著巨大的經(jīng)營(yíng)壓力，一方面是因?yàn)殡S著中國(guó)城鎮(zhèn)化水平提高，農(nóng)村金融銀行市場(chǎng)的規(guī)模逐漸縮??；另一方面，隨著互聯(lián)網(wǎng)的普及，農(nóng)村的信息化水平得以快速提升，信息化對(duì)銀行網(wǎng)點(diǎn)的沖擊力向農(nóng)村地區(qū)滲透。此外，2020年在新冠疫情的影響下，農(nóng)村金融銀行資產(chǎn)利潤(rùn)率降幅也最為明顯，其受影響的程度最深（琚亞利，2022），從而使得2020 年農(nóng)村金融機(jī)構(gòu)退出數(shù)量占比呈現(xiàn)較大的漲幅。中小商業(yè)銀行的退出數(shù)量雖也呈逐漸遞減的趨勢(shì)，2020 年占比相較2019 年下降了2.94%，但在2021年略有上浮，除了總體基數(shù)原因外，中小商業(yè)銀行盤(pán)整速率較慢，仍是當(dāng)前退出銀行的主要部分。2019—2021年外資銀行網(wǎng)點(diǎn)的退出數(shù)量則變化不大。

圖1 2019—2021年中國(guó)四類(lèi)銀行退出網(wǎng)點(diǎn)數(shù)量、占比及其變化Fig.1 The number, proportion, and changes of bank outlets withdrawn among four types in China from 2019 to 2021

2.2 地帶間差異

通過(guò)統(tǒng)計(jì)發(fā)現(xiàn)，各年份銀行退出網(wǎng)點(diǎn)在不同經(jīng)濟(jì)地帶上的數(shù)量占比也具有較大的差異性，總體呈由東往西逐漸遞減的規(guī)律（表1）。東部地區(qū)金融銀行退出數(shù)量占比雖顯現(xiàn)逐年遞減的態(tài)勢(shì)，但仍占全國(guó)銀行退出網(wǎng)點(diǎn)數(shù)量的一半左右；西部地區(qū)銀行退出數(shù)量較少，占比也呈逐漸下降的態(tài)勢(shì)；中部地區(qū)銀行退出數(shù)量占比逐漸提升；比較發(fā)現(xiàn)，各經(jīng)濟(jì)地帶的退出數(shù)量占比與區(qū)域經(jīng)濟(jì)發(fā)展水平具有正相關(guān)性。

表1 中國(guó)2019―2021年各經(jīng)濟(jì)帶銀行退出網(wǎng)點(diǎn)地理集中指數(shù)和數(shù)量占比Table 1 Geographical concentration index and proportion of bank outlets withdrawn in different economic zones in China from 2019 to 2021

地理集中指數(shù)顯示，銀行退出網(wǎng)點(diǎn)皆呈集中分布的態(tài)勢(shì)，并且，西部經(jīng)濟(jì)帶的地理集中指數(shù)最高。經(jīng)濟(jì)環(huán)境是銀行網(wǎng)點(diǎn)布局最直接的考慮因素，而經(jīng)濟(jì)水平又是影響地區(qū)信息化水平的重要因素（劉曉陽(yáng) 等，2019）。西部經(jīng)濟(jì)發(fā)達(dá)的城市數(shù)量較少，銀行退出網(wǎng)點(diǎn)主要聚焦于信息化水平較高、經(jīng)濟(jì)較發(fā)達(dá)的地區(qū)，從而使得西部經(jīng)濟(jì)帶銀行退出網(wǎng)點(diǎn)的地理集中指數(shù)高于東中部經(jīng)濟(jì)帶。

2.3 城市間差異

借助核密度估計(jì)分析銀行退出網(wǎng)點(diǎn)的市級(jí)尺度空間集聚特征，由圖2可知，2019—2021年銀行退出網(wǎng)點(diǎn)在空間分布上存在以下特征：

圖2 中國(guó)2019、2020、2021年銀行退出網(wǎng)點(diǎn)核密度分布Fig.2 Kernel density distribution of bank outlets withdrawn in 2019,2020, and 2021 of China

1）大型城市群是銀行退出網(wǎng)點(diǎn)的主要集聚區(qū)域。東部以長(zhǎng)三角、珠三角和京津冀城市群為典型分布區(qū)域，中部地區(qū)集中于中原城市群和長(zhǎng)江中游城市群，西部地區(qū)則以成渝城市群為代表。在各個(gè)城市群范圍內(nèi)，形成以核心城市為中心、由內(nèi)向外密度值逐漸遞減的中心—外圍結(jié)構(gòu)。

2）核心區(qū)域集聚效應(yīng)增強(qiáng)，集聚組團(tuán)間的斷裂帶逐漸消失。2019—2021年，各經(jīng)濟(jì)帶發(fā)達(dá)城市群銀行退出網(wǎng)點(diǎn)的集中態(tài)勢(shì)顯著增強(qiáng)，核心范圍明顯擴(kuò)張，同時(shí)，核心區(qū)域不斷由內(nèi)向外逐漸延伸，由塊狀分散格局轉(zhuǎn)變?yōu)槿簣F(tuán)狀分布格局，該特征在各經(jīng)濟(jì)分區(qū)城市群地帶較為明顯。隨著中西部地帶網(wǎng)絡(luò)基礎(chǔ)設(shè)施環(huán)境等條件的改善，銀行退出網(wǎng)點(diǎn)的影響效應(yīng)在中西部地帶也日趨擴(kuò)散。

2.4 城市內(nèi)部差異

中國(guó)自改革開(kāi)放以來(lái)，區(qū)域之間及區(qū)域內(nèi)部所存在的經(jīng)濟(jì)發(fā)展條件差異較為明顯，受銀行股權(quán)性質(zhì)及地方居民習(xí)性影響（李小建，2006a），城市邊緣地區(qū)的銀行退出現(xiàn)象反而不顯著，故此金融熱點(diǎn)現(xiàn)象仍需結(jié)合區(qū)域特殊情況加以探索。為從微觀尺度作進(jìn)一步佐證，將研究范圍鎖定在單一城市內(nèi)部，并采用Python語(yǔ)言開(kāi)發(fā)環(huán)境Spyder，進(jìn)行DBSCAN聚類(lèi)算法編寫(xiě)，統(tǒng)計(jì)各地級(jí)市2019—2021年銀行退出網(wǎng)點(diǎn)數(shù)量，對(duì)三大經(jīng)濟(jì)帶中銀行退出網(wǎng)點(diǎn)數(shù)量占比最多的其中4個(gè)城市進(jìn)行分析，探討其微觀集聚特征。

利用自適應(yīng)算法，結(jié)合實(shí)際密度分布效果，觀察不同系數(shù)下的差異性，通過(guò)判定集群結(jié)果與核密度分析所得的熱點(diǎn)區(qū)域是否存在較高的一致性，最終確定4個(gè)城市的相關(guān)參數(shù)（表2）。

表2 城市銀行退出網(wǎng)點(diǎn)DBSCAN聚類(lèi)參數(shù)選取Table 2 DBSCAN clustering parameter selection for bank outlets withdrawn in the cities

通過(guò)算法所得的聚類(lèi)情況，結(jié)合自然間斷分級(jí)法，最終選擇聚類(lèi)個(gè)數(shù)＞25 為一級(jí)聚類(lèi)中心，11～25為二級(jí)聚類(lèi)中心，6～10為三級(jí)聚類(lèi)中心，＜6個(gè)為四級(jí)聚類(lèi)中心。將各個(gè)城市的分級(jí)結(jié)果可視化（圖3）。

圖3 中國(guó)銀行退出網(wǎng)點(diǎn)占比最多的4大城市內(nèi)部聚類(lèi)結(jié)果Fig.3 Clustering results of bank outlets withdrawn with the highest proportion in four major cities in China

為探討聚類(lèi)等級(jí)與城市中心區(qū)域之間的相互聯(lián)系，以各市域政府為核心，建立半徑分別為4、8和10 km 的緩沖區(qū)?？梢园l(fā)現(xiàn)，一級(jí)聚類(lèi)中心大體位于距離市中心4或8 km的區(qū)間內(nèi)，除重慶受行政區(qū)面積較小的原因影響以外，其余城市在距離市中心10 km 的范圍，基本囊括了所有的聚類(lèi)等級(jí)，參考曹義等（2019）的劃分標(biāo)準(zhǔn)，這些區(qū)域均歸屬于城市建成區(qū)地帶。

從單一城市內(nèi)部看，1）北京市2019—2021 年銀行退出網(wǎng)點(diǎn)數(shù)量共計(jì)287 個(gè)，規(guī)模最大的前5 個(gè)集中區(qū)域呈現(xiàn)“兩主三副”的空間結(jié)構(gòu)，其中，主中心分別位于海淀區(qū)和朝陽(yáng)區(qū)，前者是北京科技和教育中心，后者是金融中心，3 個(gè)副中心分別大致位于遠(yuǎn)洋萬(wàn)和城、北京高新創(chuàng)業(yè)服務(wù)中心和中關(guān)村附近，擁有完善交通設(shè)施、良好商圈環(huán)境亦或高新產(chǎn)業(yè)密集的條件。2）廣州形成“二主一副”的分布格局。一級(jí)聚類(lèi)位于越秀區(qū)建設(shè)街道和天河珠江新城，屬于廣州傳統(tǒng)和現(xiàn)代的經(jīng)濟(jì)中心，布局眾多的政務(wù)機(jī)構(gòu)和商業(yè)圈。二級(jí)聚類(lèi)位于白云區(qū)棠景街的機(jī)場(chǎng)路，是典型的現(xiàn)代交通樞紐。3）武漢市在聚類(lèi)結(jié)果中形成“一主一副”分布格局，一級(jí)聚類(lèi)中心主要集聚于江漢路附近，其為老漢口最重要的商業(yè)交通干道，二級(jí)聚類(lèi)中心位于武昌區(qū)水果湖街道與中南路附近，擁有楚河漢街以及眾多商業(yè)性廣場(chǎng)。4）重慶無(wú)副中心聚集區(qū)，一級(jí)聚集區(qū)位于渝中區(qū)，屬于重慶市中心所在地，既具有眾多商業(yè)中心，也凝聚較多的高新技術(shù)企業(yè)。

綜上，銀行退出網(wǎng)點(diǎn)主要集中于城市資本、人口和技術(shù)密集區(qū)。區(qū)位優(yōu)勢(shì)條件較好的地區(qū)無(wú)疑會(huì)增加銀行的線下經(jīng)營(yíng)成本，若銀行效益得不到改善，易造成銀行線下網(wǎng)點(diǎn)的經(jīng)營(yíng)壓力。區(qū)域人口素質(zhì)化水平聚集，意味著該地居民對(duì)移動(dòng)通信等設(shè)備具有較高的學(xué)習(xí)能力。一方面，居民不再依托銀行傳統(tǒng)線下經(jīng)營(yíng)網(wǎng)點(diǎn)置辦業(yè)務(wù)，實(shí)體銀行業(yè)務(wù)收入也因此不斷減少；另一方面，應(yīng)用程序的發(fā)展，也使居民在支付手段上有更多選擇權(quán)，分割了傳統(tǒng)銀行網(wǎng)點(diǎn)的利益收入與金融市場(chǎng)。

此外，4 個(gè)案例地城市之間也存在聚類(lèi)差異，網(wǎng)點(diǎn)聚類(lèi)核心數(shù)量存在由中國(guó)東部向西部遞減的規(guī)律。從上述提及的銀行布局拉力因素及城市信息化程度看，東部城市相較于中西部城市而言更為發(fā)達(dá)，銀行退出網(wǎng)點(diǎn)數(shù)量占比較高，故識(shí)別獲取的聚類(lèi)等級(jí)數(shù)量多于中西部地區(qū)。

3 地市級(jí)尺度的銀行退出網(wǎng)點(diǎn)空間分布的驅(qū)動(dòng)因素

銀行退出網(wǎng)點(diǎn)在全國(guó)分布具有明顯的空間異質(zhì)性，其緣于多種影響因素綜合作用的結(jié)果。為探討銀行退出網(wǎng)點(diǎn)空間分布的驅(qū)動(dòng)因素，綜合考慮所選指標(biāo)，基于數(shù)據(jù)可獲取的最小尺度，利用2020年各地級(jí)市的統(tǒng)計(jì)數(shù)據(jù)，通過(guò)空間計(jì)量模型進(jìn)行實(shí)證分析。因港澳臺(tái)、海南及新疆直轄縣級(jí)市的相關(guān)指標(biāo)數(shù)據(jù)獲取較難齊全，故未并入研究區(qū)域，其余部分地級(jí)市指標(biāo)獲取不齊全則參考陳依曼等（2020）的方法，運(yùn)用插值法進(jìn)行補(bǔ)齊校正。

3.1 指標(biāo)選取

以往有關(guān)于信息化發(fā)展水平的研究，一般選取互聯(lián)網(wǎng)普及率作為衡量區(qū)域信息化發(fā)展水平的指標(biāo)（謝俊貴，2018）。本研究考慮到移動(dòng)電話已成為所有網(wǎng)絡(luò)平臺(tái)、操作終端與線上支付的集合背景下，能對(duì)線下銀行網(wǎng)點(diǎn)造成影響的重要因素，借鑒辛大楞等（2020）選取方法，采用移動(dòng)電話普及率（Mobile），即移動(dòng)用戶數(shù)占地區(qū)總?cè)丝诒戎?，作為衡量信息化發(fā)展水平的核心解釋變量。綜合已有研究，將互聯(lián)網(wǎng)背景下銀行退出網(wǎng)點(diǎn)的影響因素分為信息化環(huán)境、經(jīng)營(yíng)成本、經(jīng)營(yíng)效應(yīng)和市場(chǎng)競(jìng)爭(zhēng)4個(gè)類(lèi)別（表3）。已有研究認(rèn)為，專利授權(quán)數(shù)量是城市創(chuàng)新能力的體現(xiàn)，是城市信息化環(huán)境創(chuàng)新發(fā)展的支撐，而人口素質(zhì)則可視為城市的教育指數(shù)，是信息化環(huán)境發(fā)展的知識(shí)支撐，也可反映信息化的應(yīng)用水平（孫媛媛，2016；劉曉陽(yáng) 等，2019；吳代龍 等，2021）。銀行作為服務(wù)型網(wǎng)點(diǎn)，其選址一般以追求利潤(rùn)與效益最大化為原則，而人工與地租作為經(jīng)營(yíng)成本的重要支出，也需進(jìn)行相應(yīng)考慮。類(lèi)同于理，人口數(shù)量與存貸款經(jīng)濟(jì)比，可反映銀行作為金融機(jī)構(gòu)的經(jīng)營(yíng)效應(yīng)，在信息化條件下，其與銀行網(wǎng)點(diǎn)的退出是否具有關(guān)聯(lián)性仍需開(kāi)展探討。王杏芬等（2016）指出，銀行市場(chǎng)競(jìng)爭(zhēng)越激烈，網(wǎng)點(diǎn)退出的概率越大，當(dāng)區(qū)域金融銀行分布過(guò)于集聚時(shí)，銀行之間為尋求存貸款的客源群體而角逐，利潤(rùn)收益不斷被分割，進(jìn)而影響銀行的生存。

表3 中國(guó)銀行退出網(wǎng)點(diǎn)空間分布的影響因素變量選取及描述Table 3 Variable selection and description of factors influencing the spatial distribution of bank outlets withdrawn in China

綜上，選取移動(dòng)電話普及率（Mobile）、創(chuàng)新能力（Patent）和人口素質(zhì)（Quality）作為信息化環(huán)境因素的量化指標(biāo)；選取土地成本（Landprice）和人力成本（Salary）作為經(jīng)營(yíng)成本要素的量化指標(biāo)；選擇人口數(shù)量（POP）及存貸款經(jīng)濟(jì)比（DNL）為經(jīng)營(yíng)效益要素的統(tǒng)計(jì)指標(biāo)；市場(chǎng)競(jìng)爭(zhēng)量化指標(biāo)則依附于銀行聚集度（Compete）。部分?jǐn)?shù)據(jù)取對(duì)數(shù)處理，為防止受到多重共線性影響，進(jìn)行方差膨脹性因子檢驗(yàn)（VIF<10），表明不存在共線性問(wèn)題。

3.2 空間計(jì)量分析

統(tǒng)計(jì)相關(guān)指標(biāo)數(shù)據(jù)，運(yùn)用GeoDa軟件進(jìn)行綜合分析，以空間鄰接為空間權(quán)重矩陣。結(jié)合空間依賴性檢驗(yàn)等判定準(zhǔn)則得出，在模型的擬合程度上，SEM 模型要優(yōu)于OLS 模型（表4），對(duì)銀行推出網(wǎng)點(diǎn)的影響因素評(píng)估效果更優(yōu)。

表4 中國(guó)銀行退出網(wǎng)點(diǎn)空間影響因素計(jì)量分析Table 4 Spatial factors quantitative analysis of bank outlets withdrawn in China

據(jù)SEM的回歸結(jié)果可知（見(jiàn)表4），人口數(shù)量、人力成本、銀行網(wǎng)點(diǎn)集聚度和存貸款經(jīng)濟(jì)比與銀行退出網(wǎng)點(diǎn)數(shù)量均呈正相關(guān)。線下金融銀行網(wǎng)點(diǎn)的經(jīng)營(yíng)困境，一方面由于其本身缺少對(duì)大數(shù)據(jù)的積累與運(yùn)用，另一方面則是在移動(dòng)互聯(lián)網(wǎng)的背景下，傳統(tǒng)金融銀行的經(jīng)營(yíng)成本過(guò)高的問(wèn)題逐漸被突顯出來(lái)（任靜 等，2016）。

在信息化環(huán)境中，移動(dòng)電話普及率和人口素質(zhì)提升是引起線下銀行網(wǎng)點(diǎn)退出的重要原因。手機(jī)等移動(dòng)設(shè)備的普遍使用，支撐了線上支付行為與互聯(lián)網(wǎng)金融的興起，在業(yè)務(wù)領(lǐng)域形成與傳統(tǒng)商業(yè)銀行的競(jìng)爭(zhēng)態(tài)勢(shì)，從而給銀行網(wǎng)點(diǎn)線下機(jī)構(gòu)造成生存困境甚至導(dǎo)致其退出市場(chǎng)。人口素質(zhì)要素通過(guò)了顯著性檢驗(yàn)，印證了教育中心也是銀行退出網(wǎng)點(diǎn)的集聚中心之一。高素質(zhì)人口對(duì)移動(dòng)互聯(lián)網(wǎng)的應(yīng)用程度較深，銀行的離柜業(yè)務(wù)率也大幅提升，銀行網(wǎng)點(diǎn)的使用率大量降低，易遭到市場(chǎng)淘汰。而創(chuàng)新能力并沒(méi)有通過(guò)顯著性檢驗(yàn)，說(shuō)明較好創(chuàng)新能力在一定程度上幫助傳統(tǒng)銀行數(shù)字化轉(zhuǎn)型，對(duì)銀行是否退出影響不明顯。

在經(jīng)營(yíng)成本上，銀行的主要成本壓力主要來(lái)自勞動(dòng)力成本，而非土地成本。根據(jù)城市地租理論，土地租金高的地區(qū)具有較好的區(qū)位優(yōu)勢(shì)，可形成“宣稱效應(yīng)”，帶來(lái)較高收益，而相關(guān)人員需配套對(duì)應(yīng)的薪酬和五險(xiǎn)一金，往往增加了銀行的支出成本，影響其運(yùn)營(yíng)效益。經(jīng)營(yíng)效應(yīng)的2個(gè)指標(biāo)均通過(guò)了顯著性檢驗(yàn)，說(shuō)明良好的經(jīng)營(yíng)效應(yīng)下同樣有大量的銀行網(wǎng)點(diǎn)退出，銀行網(wǎng)點(diǎn)并非全因經(jīng)營(yíng)不善而退出，側(cè)面驗(yàn)證了銀行網(wǎng)點(diǎn)受到信息化沖擊轉(zhuǎn)為線上經(jīng)營(yíng)是線下銀行網(wǎng)點(diǎn)退出的重要原因。同時(shí)，銀行網(wǎng)點(diǎn)間的競(jìng)爭(zhēng)加劇了銀行網(wǎng)點(diǎn)的退出。而銀行網(wǎng)點(diǎn)過(guò)于集聚預(yù)示區(qū)域布局存在過(guò)剩與不足并存的問(wèn)題，迫使各家銀行對(duì)原有銀行網(wǎng)點(diǎn)布局進(jìn)行調(diào)整。

4 結(jié)論與討論

基于2019—2021 年的中國(guó)銀行退出網(wǎng)點(diǎn)數(shù)據(jù)，結(jié)合地理空間分析方法、DBSCAN算法和空間計(jì)量模型，探討中國(guó)銀行退出網(wǎng)點(diǎn)空間分布格局與驅(qū)動(dòng)因素，得出以下結(jié)論：

1）2019—2021 年，銀行退出網(wǎng)點(diǎn)在全國(guó)及各經(jīng)濟(jì)帶內(nèi)均呈集聚分布的狀態(tài)，各類(lèi)型銀行網(wǎng)點(diǎn)在應(yīng)對(duì)信息網(wǎng)絡(luò)沖擊時(shí)，呈現(xiàn)不同的資源優(yōu)劣勢(shì)和反應(yīng)機(jī)理，因而也具有不同的變化規(guī)律。

2）從地帶上看，銀行退出網(wǎng)點(diǎn)的數(shù)量存在由東向西遞減的規(guī)律，但西部地區(qū)的地理集中度卻高于中部和東部。在市域尺度上，銀行退出網(wǎng)點(diǎn)主要集中在大型城市群，并形成以核心城市為中心的中心—外圍結(jié)構(gòu)。通過(guò)對(duì)中國(guó)東中西部4個(gè)典型城市的內(nèi)部分析可知，銀行退出網(wǎng)點(diǎn)聚類(lèi)核心數(shù)量按東—中—西依次遞減，且退出網(wǎng)點(diǎn)主要分布在城市內(nèi)資本、人口和技術(shù)的密集區(qū)。

3）線下銀行網(wǎng)點(diǎn)的退出是由各種影響因素綜合作用的結(jié)果，其中，移動(dòng)互聯(lián)網(wǎng)加速了銀行網(wǎng)點(diǎn)的消亡，經(jīng)營(yíng)效益?zhèn)让骝?yàn)證了銀行網(wǎng)點(diǎn)的退出受到市場(chǎng)外部的影響。此外，勞動(dòng)力經(jīng)營(yíng)成本和市場(chǎng)競(jìng)爭(zhēng)也對(duì)銀行的退出產(chǎn)生顯著影響。

過(guò)往研究更多關(guān)注銀行機(jī)構(gòu)的空間擴(kuò)張，而銀行退出網(wǎng)點(diǎn)數(shù)量的劇增可能成為一個(gè)新的金融發(fā)展轉(zhuǎn)折點(diǎn)，應(yīng)引起更廣泛的關(guān)注與探討。本研究從時(shí)間和多維度空間的視角探討了金融銀行退出網(wǎng)點(diǎn)的發(fā)展特征，豐富了金融地理學(xué)的研究，并在此基礎(chǔ)上，考慮了市場(chǎng)競(jìng)爭(zhēng)、經(jīng)營(yíng)效應(yīng)和經(jīng)營(yíng)成本對(duì)銀行線下經(jīng)營(yíng)網(wǎng)點(diǎn)生存所帶來(lái)的影響，對(duì)后續(xù)開(kāi)展相關(guān)研究具有一定的借鑒意義。但本研究也存在不足之處：首先，由于銀保監(jiān)網(wǎng)站對(duì)數(shù)據(jù)獲取有所限制，僅對(duì)2019—2021年的樣本進(jìn)行分析，缺少長(zhǎng)時(shí)間的發(fā)展規(guī)律探討。其次，移動(dòng)互聯(lián)網(wǎng)要素的衡量標(biāo)準(zhǔn)較為單一，未來(lái)將盡可能采用更豐富的數(shù)據(jù)進(jìn)行更精細(xì)的研究。本研究關(guān)注的銀行退出網(wǎng)點(diǎn)僅占銀行總數(shù)的一小部分，但其所呈現(xiàn)的空間特征卻與已有（車(chē)冰清 等，2017）有關(guān)銀行機(jī)構(gòu)空間分布的特征較為相似，說(shuō)明銀行網(wǎng)點(diǎn)在擴(kuò)張與收縮之間存在一定程度上的動(dòng)態(tài)平衡。雖然移動(dòng)互聯(lián)網(wǎng)發(fā)展十分迅速，但銀行網(wǎng)點(diǎn)的退出卻需經(jīng)歷較長(zhǎng)時(shí)間的決策與行動(dòng)，互聯(lián)網(wǎng)及相應(yīng)技術(shù)發(fā)展對(duì)銀行網(wǎng)點(diǎn)退出的影響也存在時(shí)間滯后性，未來(lái)還需針對(duì)長(zhǎng)時(shí)間樣本進(jìn)行細(xì)致觀察與驗(yàn)證。