北京大学数字普惠金融指数 （2011-2020年）.pdf

北京大学北京大学数字普惠金融指数数字普惠金融指数（2011-2020 年）北京大学数字金融研究中心课题组 课题组顾问课题组顾问 黄益平 北京大学数字金融研究中心主任 李振华 蚂蚁集团研究院院长 课题组成员课题组成员 郭峰、王靖一、王雪、程志云、李勇国、王芳 技术支持团队技术支持团队 陈前进、邓中华、傅志斌、郭亮、刘朋、刘晓辉、聂正军、王纪东、王强、袁胜雄、周卫林、郑明 2021 年 4 月 本指数是国家社会科学基金重大项目“数字普惠金融的创新、风险与监管研究”（课题号：18ZDA091）的阶段性成果，在指数编制和分析过程中，课题组得到了北京大学数字金融研究中心和蚂蚁集团各位领导和同事的大力支持和帮助，特此致谢。本指数不代表北京大学数字金融研究中心和蚂蚁集团的观点，所有问题由课题组负责。ii 北京大学北京大学数字普惠数字普惠金融金融指数指数（20112011-20202020）http:/ iiii 20212021 年年 4 4 月月 目录目录 一、内容提要.1 二、数字普惠金融发展最新趋势.5（一）数字普惠金融的增长情况.6（二）数字普惠金融的地区差异.8（三）数字普惠金融地区排行榜变化.13 三、数字普惠金融发展空间格局专题分析.16（一）数字普惠金融南北差异.16（二）数字普惠金融城乡差异.18 四、结论.23 参考文献.25 附录 1：省级数字普惠金融指数（2011-2020）.26 附录 2：数字普惠金融指标体系与指数计算方法.36 附录 3：使用数字普惠金融指数的代表性学术成果.43 附录 4：北京大学数字金融研究中心简介.45 1 北京大学北京大学数字普惠数字普惠金融金融指数指数（20112011-20202020）http:/ 1 1 20212021 年年 4 4 月月 一、内容提要 普惠金融（financial inclusion）可以定义为能有效和全方位地为社会所有阶层和群体提供服务的金融体系，其初衷意在强调通过金融基础设施的不断完善，提高金融服务的可得性，实现以较低成本向社会各界人士，尤其是欠发达地区和社会低收入者提供较为便捷的金融服务。这一概念最初被联合国用于“2005 年国际小额信贷年”的宣传中，后被联合国和世界银行大力推广。到 2014 年世界银行已在全球 70 多个国家和地区与公私合作伙伴联手开展普惠金融项目，全世界 50 多个国家和地区设立了改善普惠金融的目标（世界银行集团，2015）。2005年后，普惠金融的概念引入中国，并得到中国政府的认可。2013 年 11 月，党的十八届三中全会通过中共中央关于全面深化改革若干重大问题的决定，正式提出发展普惠金融的理念。2015 年底，国务院发布 推进普惠金融发展规划（2016-2020），对普惠金融事业进行了更具体的部署，并在其中明确了普惠金融的定义：普惠金融是指立足机会平等要求和商业可持续原则，通过加大政策引导扶持、加强金融体系建设、健全金融基础设施，以可负担的成本为有金融服务需求的社会各阶层和群体提供适当的、有效的金融服务。无论是在国际上还是在中国国内，普惠金融的概念、理论和实践都经历了一个逐步深化的过程：从最初重点关注银行物理网点和信贷服务的可获得性，到广泛覆盖支付、存款、贷款、保险、信用服务和证券等多种业务领域（焦瑾璞等，2015）。在实践层面，中国普惠金融实践已经从最初的公益性小额信贷逐步扩展为支付、信贷等多业务的综合金融服务，并由于网络和移动通讯等技术的广泛应用而得到长足发展。当前，中国普惠金融的实践与创新型数字金融显示出很强的关联性，以互联网科技企业提供金融服务为代表的新型数字金融业务，通过信息化技术及产品创新，降低金融服务产品的成本，扩大金融服务的覆盖范围，因此新型数字金融模式已经成为普惠金融的重要源动力和增长点。具体而言，从覆盖的区域来看，由于传统金融业务需要通过设置机构网点来提高覆盖面，但机构网点的高成本导致传统金融业务难以渗透到经济相对落后地区。而数字技术与金融服务的跨界融合克服了这种弊端，一些地区即便没有银行网点、ATM 等硬件设施，客户仍能通过电脑、手机等终端设备获得所需的金融服务。与传统金融机构将主要资源分布于人口、商业集中地区的状况相比，数字金融使得金融服务更直 2 北京大学北京大学数字普惠数字普惠金融金融指数指数（20112011-20202020）http:/ 2 2 20212021 年年 4 4 月月 接，客户覆盖面更广泛。从覆盖的社会群体来看，数字金融的产品创新降低了客户准入门槛，使得金融服务平民化趋势更加显现。与传统金融机构的排他性对比，数字金融可以满足那些通常难以享受到金融服务的中小微企业和低收人群的需求，从而体现了普惠金融的应有之义。过去数年，中国数字金融取得了长足发展，在全球都产生了很大影响力（黄益平和黄卓，2018），但却一直缺乏一个衡量其总体发展水平的指标体系。为此，北京大学数字金融研究中心和蚂蚁集团研究院的研究团队自 2016 年开始，利用蚂蚁集团关于数字普惠金融的海量数据，编制了一套“北京大学数字普惠金融指数”（The Peking University Digital Financial Inclusion Index of China，PKU_DFIIC），并在 2019 年对指数进行了更新，本报告是该指数的第三次更新（郭峰等，2016，2019，2020）。在现有文献和国际组织提出的传统普惠金融指标基础上，结合数字金融服务新形势、新特征与数据的可得性和可靠性，课题组从数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度等 3 个维度来构建数字普惠金融指标体系。目前数字普惠金融指数一共包含上述 3 个维度，33 个具体指标。基于上述指标体系和类似文献中常用的指数编制方法“层次分析法”，课题组最终编制了中国内地 31 个省（直辖市、自治区）、337 个地级以上城市（地区、自治州、盟等），以及约 2800 个县（县级市、旗、市辖区等）三个层级的“北京大学数字普惠金融指数”。本次更新后，本指数包括了 2011-2020 年的省级和城市级指数，2014-2020 年的县域指数。指数同时具有纵向和横向上的可比性。在总指数基础上，课题组还提供了数字金融覆盖广度指数、数字金融使用深度指数和普惠金融数字化程度指数，以及数字金融使用深度指数下属的支付、保险、货币基金、信用服务、投资、信贷等分类指数。编制这套指数的目的是在不泄露金融消费者个人隐私和金融机构商业机密的前提下，为各界提供一套反映数字普惠金融发展现状和演变趋势的工具性数据。本报告旨在以指数编制的形式对中国的数字普惠金融实践进行定量刻画。这一努力至少具有三方面的重要意义：第一，从理论上看，本指数将为国内创新性普惠金融研究以及统计指标体系设计提供重要参考。国内现有关于普惠金融的研究主要集中于从传统金融服务的角度来研究普惠金融的概念、意义、指标构造和作用等，尚无一套从创新性数字金融角度来科学、全面地概括中国现阶段数字普惠金 3 北京大学北京大学数字普惠数字普惠金融金融指数指数（20112011-20202020）http:/ 3 3 20212021 年年 4 4 月月 融的理论和指标体系。本报告通过梳理目前国内外关于普惠金融指标体系和指数的研究，并结合现阶段国内创新性数字金融快速发展的实际情况，构建数字普惠金融指数体系，推动普惠金融研究的深化。第二，从实践意义上看，基于构建的指标体系，本报告编制各省份、各城市以及县域级的数字普惠金融指数，反映中国创新性数字金融趋势下数字普惠金融发展程度和地区均衡程度。这将有助于政策制定者和从业者更好地了解中国数字普惠金融的发展现状，识别数字普惠金融发展面临的瓶颈与障碍，为相关政策的制定提供依据，促进数字普惠金融健康可持续发展。第三，从实际效果上看，指数自 2016 年第一次发布，2019 年、2021年两次更新，已经成为在中国金融科技、普惠金融的研究者中颇具影响力的数据产品，一方面许多学者研究成果以不同角度分析了数字普惠金融的发展成因与影响，另一方面，愈发蓬勃的发表、工作论文与公开报告吸引越来越多的学者与博士生加入到数字普惠金融的研究之中。在本次报告中，我们基于该指数的最新数值（2011-2020），对中国数字普惠金融的最新发展趋势进行了分析，并重点讨论了数字普惠金融在南北区域和城乡之间的问题，得到如下几个主要结论：第一，经历了早期的高速发展后，数字普惠金融发展速度近几年有所放缓，但仍然维持了一个可观的增速，特别是新冠肺炎疫情之后，数字普惠金融服务依然增长，近十年来数字普惠金融的实践初步证明了这种模式的可行性、商业可持续性和可复制性。第二，与前几年的指数相比，最近几年指数增长的驱动力发生了非常明显的变化，数字金融使用深度的增长已经成为数字普惠金融指数增长的重要驱动力，这与第一期 2011-2015 年的指数形成鲜明对照，证明中国的数字普惠金融事业已经走过了粗放式的圈地时代，进入了深度拓展的新阶段。第三，前几年数字普惠金融区域间差异收敛速度明显，但近两年有所放缓，未来差异能否进一步缩小，主要取决于使用深度的地区差异能否进一步缩小。第四，中国北方和南方的数字普惠金融发展水平的差距由前两年的快速缩小，转为近两年的速度放缓，北方地区和南方地区的数字普惠金融发展差异，主要体现在使用深度上。第五，在城乡层面，总体而言，城市化水平与数字金融发展正相关，但具体到比较核心、发展水平已经比较高的都市区内部，其人口集中度与数字金融发展是负相关关系。本报告剩余部分的结构安排如下：第二部分对数字普惠金融指数反映出的 4 北京大学北京大学数字普惠数字普惠金融金融指数指数（20112011-20202020）http:/ 4 4 20212021 年年 4 4 月月 中国数字普惠金融发展的最新趋势进行分析，同时也重点讨论了2020年新冠肺炎疫情爆发后，中国数字普惠金融指数的特别变化；第三部分侧重于南北和城乡的视角，对数字普惠金融反映出的中国区域经济格局及其变化进行了分析；第四部分简要总结了本报告得到的核心结论。同时在报告最后，我们也整理了省级数字普惠金融指数的数值、数字普惠金融指数的指标体系和指数编制方法以及使用本指数发表的一些代表性学术成果，方便大家参考。最后需要说明的是，我们在本报告中所分析的只是数字普惠金融指数特征的一些直观特征，这套指数更重要的价值在于与其他经济社会特征匹配起来进行更深入的分析。本指数最早于 2016 年发布第一期，2019 年和 2021 年分别发布第二期和第三期，截至目前已有上千人向课题组索取过该指数。使用本数据开展的研究，已经基本实现了对经济研究、经济学（季刊）、管理世界、金融研究、财贸经济 等中文权威经济学期刊的全覆盖（详见报告附录 3）。因此，我们欢迎各界人士使用这套指数，指数全部数据可向课题组免费索取：pku_。如有使用本数据，请注明所用数据为“北京大学数字普惠金融指数”，同时烦请按照以下文献引用方式引用我们的成果：郭峰、王靖一、王郭峰、王靖一、王芳、孔涛、张勋、程志云，测度中国数字普惠金融发展芳、孔涛、张勋、程志云，测度中国数字普惠金融发展:指数编制与空间特征，指数编制与空间特征，2020 年第年第 19 卷第卷第 4 期，第期，第 1401-1418 页。页。5 北京大学北京大学数字普惠数字普惠金融金融指数指数（20112011-20202020）http:/ 5 5 20212021 年年 4 4 月月 二、数字普惠金融发展最新趋势 在这套指数中，我们编制了全国内地 31 个省（直辖市、自治区，简称“省”）、337 个地级以上城市（地区、自治州、盟等，简称“城市”），以及约 2800 个县（县级市、旗、市辖区等，简称“县域”）三个层级的数字普惠金融指数，省级和城市级指数时间跨度为 2011-2020 年，县域指数时间跨度为 2014-2020 年。在总指数基础上，我们还从不同维度编制了数字普惠金融的覆盖广度、使用深度和数字化程度指数，以及支付、保险、货币基金、信用服务、投资、信贷等分类指数。2011 年-2020 年 31 个省的数字普惠金融指数如表 1 所示。表表1 1：20112011年年-20202020年省级数字普惠金融指数年省级数字普惠金融指数 省份省份 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 北京市 79.41 150.65 215.62 235.36 276.38 286.37 329.94 368.54 399.00 417.88 天津市 60.58 122.96 175.26 200.16 237.53 245.84 284.03 316.88 344.11 361.46 河北省 32.42 89.32 144.98 160.76 199.53 214.36 258.17 282.77 305.06 322.70 山西省 33.41 92.98 144.22 167.66 206.30 224.81 259.95 283.65 308.73 325.73 内蒙古 28.89 91.68 146.59 172.56 214.55 229.93 258.50 271.57 293.89 309.39 辽宁省 43.29 103.53 160.07 187.61 226.40 231.41 267.18 290.95 311.01 326.29 吉林省 24.51 87.23 138.36 165.62 208.20 217.07 254.76 276.08 292.77 308.26 黑龙江省 33.58 87.91 141.40 167.80 209.93 221.89 256.78 274.73 292.87 306.08 上海市 80.19 150.77 222.14 239.53 278.11 282.22 336.65 377.73 410.28 431.93 江苏省 62.08 122.03 180.98 204.16 244.01 253.75 297.69 334.02 361.93 381.61 浙江省 77.39 146.35 205.77 224.45 264.85 268.10 318.05 357.45 387.49 406.88 安徽省 33.07 96.63 150.83 180.59 211.28 228.78 271.60 303.83 330.29 350.16 福建省 61.76 123.21 183.10 202.59 245.21 252.67 299.28 334.44 360.51 380.13 江西省 29.74 91.93 146.13 175.69 208.35 223.76 267.17 296.23 319.13 340.61 山东省 38.55 100.35 159.30 181.88 220.66 232.57 272.06 301.13 327.36 347.81 河南省 28.40 83.68 142.08 166.65 205.34 223.12 266.92 295.76 322.12 340.81 湖北省 39.82 101.42 164.76 190.14 226.75 239.86 285.28 319.48 344.40 358.64 湖南省 32.68 93.71 147.71 167.27 206.38 217.69 261.12 286.81 310.85 332.03 广东省 69.48 127.06 184.78 201.53 240.95 248.00 296.17 331.92 360.61 379.53 广西 33.89 89.35 141.46 166.12 207.23 223.32 261.94 289.25 309.91 325.17 海南省 45.56 102.94 158.26 179.62 230.33 231.56 275.64 309.72 328.75 344.05 重庆市 41.89 100.02 159.86 184.71 221.84 233.89 276.31 301.53 325.47 344.76 四川省 40.16 100.13 153.04 173.82 215.48 225.41 267.80 294.30 317.11 334.82 2014-2015 年的县域指数仅包括县和县级市等地区，不包括市辖区，2016-2020 年县域指数则包含市辖区。本次指数更新基于之前的编制方法，详见附录。报告正文仅讨论该指数反映出的中国数字普惠金融发展的最新趋势，基于前两期指数对数字普惠金融的更全面分析也可以参阅我们课题组之前的报告和论文（郭峰等，2016，2019；2020；王靖一等，2019），以及附录 3 中基于该指数和其他外部数据匹配后进行研究得到的更丰富的研究发现。分类指数详见附件，城市和县域指数可通过联系课题组获取（pku_）获取。6 北京大学北京大学数字普惠数字普惠金融金融指数指数（20112011-20202020）http:/ 6 6 20212021 年年 4 4 月月 贵州省 18.47 75.87 121.22 154.62 193.29 209.45 251.46 276.91 293.51 307.94 云南省 24.91 84.43 137.90 164.05 203.76 217.34 256.27 285.79 303.46 318.48 西藏 16.22 68.53 115.10 143.91 186.38 204.73 245.57 274.33 293.79 310.53 陕西省 40.96 98.24 148.37 178.73 216.12 229.37 266.85 295.95 322.89 342.04 甘肃省 18.84 76.29 128.39 159.76 199.78 204.11 243.78 266.82 289.14 305.50 青海省 18.33 61.47 118.01 145.93 195.15 200.38 240.20 263.12 282.65 298.23 宁夏 31.31 87.13 136.74 165.26 214.70 212.36 255.59 272.92 292.31 310.02 新疆 20.34 82.45 143.40 163.67 205.49 208.72 248.69 271.84 294.34 308.35 数据来源：北京大学数字普惠金融指数 （一）数字普惠金融的增长情况（一）数字普惠金融的增长情况 以省级数据为例，如表 1 和图 1 所示，中国的数字普惠金融业务在 2011-2020 年间实现了跨越式发展，2011 年各省数字普惠金融指数的中位值为 33.6，到 2015 年增长到 214.6，2020 年进一步增长到 334.8。2020 年省级数字普惠金融指数的中位值是 2011 年的 10 倍，指数值平均每年增长 29.1%，由上可以看出中国数字普惠金融的快速发展趋势。从增速来看，最近几年数字普惠金融指数增速有所放缓，一定程度上表明随着数字金融市场的发展越来越成熟，该行业开始由高速增长阶段向常态增长过渡。2020 年，我国经济社会各方面均受到新冠疫情的严重冲击，全年经济增速较往年显著下降，但数字普惠金融指数仍然比 2019年增长 5.6%。而且，进一步的分析也显示，即便是疫情最严重的武汉市和湖北省，虽然曾经封城数十天，数字普惠金融指数仍然维持正的增长，显示了数字金融在疫情时代的独特优势和强大韧性。实际上，中国发达的数字金融和数字经济，在中国抗击防疫，包括缓解疫情对经济的冲击中发挥了非常重要的作用（郭峰，2021）。例如，最早从 2020 年2 月起，杭州市就在全国最早启用了“健康码”防控措施。根据 Xiao（2020）的研究，健康码对中国在做好防疫工作的同时推动经济活力的恢复，发挥了非常重要的作用，具体而言，该研究估算，“健康码”背后的大数据技术为中国疫情期间 GDP 增长做出了 0.5-0.75 个百分点的贡献。2020 年 2 月，我们课题组也基于本套数字普惠金融指数的底层数据和支付宝“码商”数据，研究了数字金融对于缓解疫情冲击的贡献。疫情对线下微型商户造成了严重的短期冲击，但全国总体而言，基于数字技术精准释放的信贷每增长 1%，疫情的冲击幅度就下降 2.57%。浙江省市场监督管理局，传染病防控人员健康码管理规范，浙江省地方标准，DB33/T 2242-2020，2020年 2 月 29 日。7 北京大学北京大学数字普惠数字普惠金融金融指数指数（20112011-20202020）http:/ 7 7 20212021 年年 4 4 月月 为了对金融科技的该影响有更直观的感受，我们比较了基于数字技术精准发放的信贷发展水平较好的代表性城市杭州市与全国平均发展水平之间的发展差异，据此可以得到如下结论：如果一个地区基于数字技术精准发放的信贷发展水平可以从全国平均水平上升到杭州市的发展水平，则可以使得疫情冲击幅度下降约 51%，即疫情的冲击减弱约一半（王靖一等，2020）。图图1 1：20112011-2012019 9年年省级省级数字普惠金融指数的数字普惠金融指数的均值均值、中位值中位值和增速（和增速（%）数据来源：北京大学数字普惠金融指数 从分指数来看，在 2016 年对 2011-2015 年的第一期指数的分析中，我们曾发现 2011-2015 年当中，数字普惠金融的数字化程度增长最快，数字普惠金融的覆盖广度次之，使用深度增长最慢。但在对 2016-2018 年第二期指数的分析中我们又发现，2016 年后指数增长情况发生了一些变动，数字金融使用深度指数增长有超过数字金融覆盖广度指数的趋势。最新的数据也进一步确认了这一趋势：2020 年数字金融使用深度指数较上年增长 7.3%，快于数字金融覆盖广度指数和数字技术支持程度指数 7.2%和-0.1%的增速。2016-2020 年 5 年间，有 4 年使用深度指数增速超过了覆盖广度指数，数字金融使用深度已经是数字普惠金融指数增长的重要驱动力。对此，图 2 和图 3 中也有非常直观的展示。随着数字普惠金融的覆盖广度和数字支持程度达到一定程度，其进一步拓展的空间有限，目前各分指数近几年的增长趋势显示，未来数字金融的发展，将主要依赖于使用深度的增长空间。通过分析 2018 年使用深度数据，其增速下降的原因主要是在政策限制等因素影响下，货币基金指数和投资指数有所下降，其他几个使用深度指标依然保持增长趋势。0204060801001201401601802000501001502002503003504002011201220132014201520162017201820192020省份均值（左轴）省份中位值（左轴）增速（右轴）8 北京大学北京大学数字普惠数字普惠金融金融指数指数（20112011-20202020）http:/ 8 8 20212021 年年 4 4 月月 图图2 2：20112011-20202020年数字普惠金融指数及分指数的省级中位值年数字普惠金融指数及分指数的省级中位值 数据来源：北京大学数字普惠金融指数 图图3 3：20112011-20202020年数字普惠金融指数及分指数的省级中位值年数字普惠金融指数及分指数的省级中位值增长率增长率 数据来源：北京大学数字普惠金融指数 （二）数字普惠金融的地区差异（二）数字普惠金融的地区差异 在之前两期报告中，我们都重点讨论数字普惠金融指数反映出的地区间数字普惠金融发展差距问题，本次数据更新亦延续此前的分析。从图 4 中可以看出，上海市、北京市以及数字经济活跃的浙江省，数字普惠金融指数明显比其他几个地区更高，处于第一梯队；而指数在西藏之后的省份均是地处西部地区或东北地区的省份，数字普惠金融发展水平明显较低；其他东部和中部省份则处于上述两 9 北京大学北京大学数字普惠数字普惠金融金融指数指数（20112011-20202020）http:/ 9 9 20212021 年年 4 4 月月 个梯队之间。图图4 4：20202020年各省数字普惠金融指数分布年各省数字普惠金融指数分布 数据来源：北京大学数字普惠金融指数 就具体分指数的地区差异而言，如图 5 所示，普惠金融的数字支持程度的地区差距最小、数字金融覆盖广度次之，数字金融使用深度地区差异最大。具体而言，数字金融的覆盖广度、使用深度和数字支持程度 2020 年指数最高的地区与最低的地区之比分别为 1.36、1.89 和 1.24。虽然相较于前几年，数字金融使用深度地区间差异已经大幅缩小，但仍然驱动了数字普惠金融指数的地区差距。在使用深度上，落后地区与发达地区相比，还有一定的差距。而在具体业态方面，互联网投资的地区差异明显高于其他几个业态。这跟数字金融的特性有很大关系，让更多的人接触、使用上数字金融服务，是相对容易的一件事，但促进既有用户对各类数字金融产品的广泛使用，以及提升用户对数字金融服务的依赖度，尚有较大的增长空间。10 北京大学北京大学数字普惠数字普惠金融金融指数指数（20112011-20202020）http:/ 1010 20212021 年年 4 4 月月 图图5 5：20202020年各省数字普惠金融分类指数分布年各省数字普惠金融分类指数分布 数据来源：北京大学数字普惠金融指数 另一个值得关心的问题是，地区之间数字普惠金融发展水平差距是否在逐步缩小？图 6 给出了城市层面的数字普惠金融指数排序：2011 年、2015 年和 2020年的梯队分类标准以当年指数最高的城市指数值为基准，将排序在基准值 80%范围内的城市列为第一梯队，在图中标记为红色；70%-80%范围内为第二梯队，在图中标记为橙色；60%-70%为第三梯队，在图中标记为黄色；60%之后的城市列为第四梯队，在图中标记为绿色。从图 6 中我们可以发现，在 2011 年，城市之间发展存在较大的差距，第一梯队集中在上海邻近地区与大城市，且二三梯队十分单薄，大部分地区处于第四梯队；在 2015 年，第一梯队扩展至东南沿海与区域级重点城市，同时二三梯队发展壮大；而发展到 2020 年，绝大部分城市处于一二梯队，即绝大多数城市的数字普惠金融指数都在当年最高地区的 70%以内，地区之间的差距进一步缩小。不过，对比 2020 年和 2018 年的数据，也可以发现，在 2020 年处于第三、第四梯队的城市数量（74 个）比 2018 年的数量（63个）还要多，这表明近期数字普惠金融的地区差异缩小的趋势可能有所放缓。200250300350400450500550上海北京浙江江苏福建广东天津湖北安徽山东重庆海南陕西河南江西四川湖南辽宁山西广西河北云南西藏宁夏内蒙古新疆吉林贵州黑龙江甘肃青海数字普惠金融分指数覆盖广度使用深度数字化程度 11 北京大学北京大学数字普惠数字普惠金融金融指数指数（20112011-20202020）http:/ 1111 20212021 年年 4 4 月月 图图6 6：20112011、20152015和和20202020年城市数字普惠金融总指数相对排序年城市数字普惠金融总指数相对排序 数据来源：北京大学数字普惠金融指数 注：台港澳地区和部分省直辖县市缺少数据，因此为白色。2019 年 9 月，我们曾撰写研究报告数字经济助力中国东西部经济平衡发展（王靖一等，2019），以地理经济学当中著名的“胡焕庸线”为东西部地区的划分标准，计算了数字金融触达性、覆盖广度等层面的东西部地区差异，发现这种差异有明显的下降趋势：数字经济跨越“胡焕庸线”，即以移动支付为代表的数字金融，为西部偏远地区的居民接触、使用先进的数字金融服务创造了条件，进而为中国区域经济的平衡发展创造了更多机遇。同时，我们基于数字普惠金融发表在经济学（季刊）上的论文（郭峰等，2020）对于使用深度在胡焕庸线两侧表现出的发展趋势也进行了分析。总指数的结论相对而言较不明晰，如果我们将覆盖广度与使用深度分别绘图，结果就相对更为直观。图图7 7：20112011、20152015和和20202020年城市数字普惠金融年城市数字普惠金融覆盖广度（覆盖广度（上上列）使用深度（列）使用深度（下下列）列）相对排序相对排序 数据来源：北京大学数字普惠金融指数 注：台港澳地区和部分省直辖县市缺少数据，因此为白色。如图 7 所示，数字金融覆盖广度在 2011-2020 年间保持了跨越胡焕庸线发展的趋势，但就使用深度而言，优势发展地区仍在东南集中。从图中我们可以看出深度与广度发展的一个重要区别是，广度的增长具有一定的跨越性，即部分中西部地区在相对水平与绝对水平上都实现了跨越式发展，在后期实现了对东南地区 12 北京大学北京大学数字普惠数字普惠金融金融指数指数（20112011-20202020）http:/ 1212 20212021 年年 4 4 月月 的的大幅追赶，而深度的发展则是渐进式、绝对水平意义上的：虽然相较而言东南地区仍然具有明显的优势，中西部地区依旧相对落后，但绝对水平上，中西部地区与东部地区的差距仍在缩小。我们认为一个可能的原因是，覆盖广度衡量的是一种机会上的公平，即是否能够获得相关技术与服务的支持，而使用深度则体现着结果上的均衡，即最终发展情况位于何种水平，该结果取决于支持数字金融服务在当地发展的各种软硬环境。数字技术由于其脱离地理空间束缚、边际成本近乎为零的特点，在分布上促进了落后地区、人口稀疏地区的发展，让不同地区的居民可以共享普惠结果。而数字金融的本质仍是金融，金融服务的发展仍不能脱离经济活动生产生活而存在，由于集聚效应和网络效应，东部人口集中地区的发展水平、使用活跃程度仍将保持优势。数字金融的发展利用技术达到了获取服务的机会公平，而其服务实体的金融本质依然遵从相对集中的发展结果。为了更严谨地论证地区数字普惠金融发展差距的时间趋势，我们也借助经济学中关于地区经济收敛性的论证方法进行讨论（Barro and Sala-i-Martin，1992；Sala-i-Martin，1996）。相关文献中，经济收敛的主要验证方法是收敛模型和收敛模型。我们这里仅讨论其收敛趋势。收敛是针对存量水平的刻画，反映的是地区数字普惠金融偏离整体平均水平的差异以及这种差异的动态过程，即如果这种差异越来越小，则可以认为地区数字普惠金融存在收敛性。具体而言，收敛模型可以定义为：=1(1=1)2=1 (3)其中，i 代表地区（省、地市和县域等），n代表地区数量，t 代表年份，代表 t 年 i 地区的数字普惠金融指数对数值，代表 t 年数字普惠金融指数的收敛检验系数。如果+1 则可以认为t+1年的数字普惠金融较 t 年更趋收敛。在图8当中，我们分别汇报了2011-2020年省级和城市级数字普惠金融指数的收敛系数，从中可以看出，中国地区数字普惠金融在前几年的确有非常明显的收敛趋势，且收敛速度较快。具体来看，中国省级和城市级数字普惠金融指数的收敛系数分别从2011年的0.44和0.34下降到2017年的0.08和0.09。但最近几年，地区收敛速度有所放缓。为了考察近两年地区收敛速度有所放缓的具体原因，我们在图9当中也汇出了几个分指数的收敛系数，从中可以看出数字金融覆盖广度和普惠金融数字支持程度两个分指数的收敛系数在最近几年维持下降趋势，但是 13 北京大学北京大学数字普惠数字普惠金融金融指数指数（20112011-20202020）http:/ 1313 20212021 年年 4 4 月月 数字金融使用深度指数收敛系数则有所反弹，这是数字普惠金融地区间收敛速度放缓的主要原因。在指数发展高度依赖于触达性、覆盖广度时，数字金融的地区间差异收敛较快，但当数字金融发展进入使用深度驱动的新阶段时，我们发现地区的使用深度差异依然存在较大的弥合空间，很大程度上可以解释地区间总指数的收敛速度为什么会逐步放缓。图图 8 8:20112011-20202020 年省级和城市级数字普惠金融收敛系数年省级和城市级数字普惠金融收敛系数 数据来源：北京大学数字普惠金融指数 图图 9 9:2011:2011-20202020 年城市级数字普惠金融分年城市级数字普惠金融分指数指数收敛系数收敛系数 数据来源：北京大学数字普惠金融指数 （三三）数字普惠金融）数字普惠金融地区排行榜地区排行榜变化变化 14 北京大学北京大学数字普惠数字普惠金融金融指数指数（20112011-20202020）http:/ 1414 20212021 年年 4 4 月月 就 2020 年各省份的数字普惠金融的排行榜而言，可以发现该榜单与 2018 年相比，大多数地区排名变化不大，例如 31 个省（直辖市、自治区）中，有 17 个省排名不变或者仅上升（下降）1 位，说明了本指数的稳定性。不过也有个别地区在 2020 年排名变化稍大，内蒙古自治区排名较 2018 年上升 4 位，而贵州省和黑龙江省排名则分布下降 5 位和 4 位，是排名上升（下降）较多的几个省份。如果把时间窗口拉长，可以发现不同地区数字普惠金融指数排名还是有较大的变化。从表 2 中可以看出，黑龙江省、吉林省和辽宁省这三个东北省份的 2020 年指数较 2015 和 2011 年下降幅度较大。而地处中部地区的安徽、江西、河南等省份，排名则上升较多。表表2 2：20202020年省份总指数年省份总指数排名及变化情况排名及变化情况 省份名称省份名称 20202020 年指数年指数 排名排名 较较 20182018 年变化年变化 较较 20152015 年变化年变化 较较 20112011 年变化年变化 上海 431.93 1 0 0 0 北京 417.88 2 0 0 0 浙江 406.88 3 0 0 0 江苏 381.61 4 1 1 1 福建 380.13 5-1-1 1 广东 379.53 6 0 0-2 天津 361.46 7 1 0 0 湖北 358.64 8-1 1 5 安徽 350.16 9 1 8 9 山东 347.81 10 2 2 4 重庆 344.76 11 0 0-1 海南 344.05 12-3-4-4 陕西 342.04 13 1 0-2 河南 340.81 14 1 11 10 江西 340.61 15-2 4 7 四川 334.82 16 0-2-4 湖南 332.03 17 2 5 2 辽宁 326.29 18-1-8-9 山西 325.73 19 2 4-2 广西 325.17 20-2 1-5 河北 322.70 21 1 7-1 云南 318.48 22-2 4 3 西藏 310.53 23 3 8 8 宁夏 310.02 24 3-9-3 内蒙古 309.39 25 4-9-2 新疆 308.35 26 2-2 1 吉林 308.26 27-3-7-1 贵州 307.94 28-5 2 1 15 北京大学北京大学数字普惠数字普惠金融金融指数指数（20112011-20202020）http:/ 1515 20212021 年年 4 4 月月 黑龙江 306.08 29-4-11-13 甘肃 305.50 30 0-3-2 青海 298.23 31 0-2-1 数据来源：北京大学数字普惠金融指数 在城市层面，从表 3 当中可以看出，排名靠前的城市基本上都属于东部沿海省份，特别是江浙沪地区，扎堆现象明显。排名变化上，2020 年排名前 10 的城市和 2018 年相比，变化不是很明显。不过，如果跟 2011 年相比，有些城市会显示出明显的排名变化，比如深圳市和广州市的 2020 年排名，比 2011 年要提高很多，当然这种提升并不是近年才发生的，因为这两个城市的 2020 年排名，较 2015年并没有太大变化。表表3 3：20202020年城市排名前年城市排名前1010及变化情况及变化情况 城市名称城市名称 20202020 年指数年指数 排名排名 较较 20182018 年变化年变化 较较 2015201