中国省际金融科技发展的空间关联网络及影响因素分析_陈红霞.pdf

经济研究【文章编号】10063862(2023)01011210112城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 2023中国省际金融科技发展的空间关联网络及影响因素分析陈红霞雷佳(中央财经大学 政府管理学院，北京，100081)【摘要】基于经济活动的空间关联角度，应用关系数据，综合运用引力模型、社会网络分析方法等，从空间分布、空间关联强度、空间关联网络等三个层面分析省际金融科技发展的空间组织规律，并对影响因素进行分析。结果表明:(1)金融科技关联网络的空间结构呈明显的东部多核、西部少核、多中心网络化发展的特征，地理临近引发的空间集聚特征明显，省际间存在明显的空间距离衰减效应;(2)近十年中，省际金融科技关联网络由单向松散型演变为多向密集型，最终形成以京津冀、长三角等城市群为核心并辐射全国的纺锤型团簇状网络;(3)网络核心边缘特征明显，北京、上海等占据主导，是重要外溢源，同时，位于网络边缘的地区增速明显，正逐渐改变传统区位、经济基础等相对比较优势的影响;(4)目前，整体关联网络以三四级联系为主，但弱联系逐年下降，有效联系网络不断扩大，正处于网络加速架构的提质增效阶段;(5)地理临近、经济基础、市场化水平、网络化水平、产业结构高级化、技术创新水平等是影响空间并联网络的主要因素。【关键词】金融科技;空间关联;城市网络;社会网络分析【中图分类号】F293【文献标识码】A基金项目:国家社会科学基金一般项目“基于区块链嵌入的京津冀创新要素的整合机制与实现路径研究”(20BJL093);教育部人文社会科学研究规划基金项目“中国三大都市圈中心城市生产性服务业的空间溢出效应比较研究”(18YJA790011)0引言经济新常态下，我国深入实施创新驱动发展战略，坚决贯彻新发展理念，经济结构不断优化，经济增长方式持续转变，经济动能加速转换。在这一背景下，传统金融服务体系已无法适配国内大循环下扩大内需的战略需求。随着信息化和新基建工程的推进，科技与经济的深度融合已成为趋势，互联网企业需求、供应链数据和产业结构升级相结合，传统金融逐渐从线下走向线上，以金融科技为核心驱动的现代金融体系逐步建立，我国开始迈向金融科技新时代。在新型城镇化和区域协调发展战略的推进下，地区金融科技的空间联系远非单纯的地理邻近关系，逐步显露出多层次的复杂网络特征。在此背景下，客观分析我国金融科技发展的空间关联结构及演变规律，探寻各地区在空间关联网络中所扮演的角色和作用，成为优化金融资源配置和推进金融供给侧结构性改革的重要前提。国内学者对金融科技的研究聚焦于三个方向，一是金融科技的概念内涵，包括技术论、商业论和系统论。其中，技术论认为金融科技本质是一种颠覆传统金融业的科学技术1，涵盖网络安全、移动支付、云计算、大数据、区块链等2，广泛影响金融支付、融资、贷款、投资和货币运营等3;商业论认为金融科技是技术驱动下的金融创新活动4，实质是互联网科技与金融业务相融合而打造出来新的金融业态、金融生态系统、金融消费市场和商业模式5;系统论认为金融科技既包括金融供应链前端的企业、产品和服务，也包括后端的技术手段6，具备可拓展性、强创新性以及高可塑性等特点。二是金融科技发展的驱动因素与实践路径方面，可归纳为三个方面。首先，金融科技初创企业利用金融科技优势，发挥技术溢出效应和竞争效应，推动传统金融机构革新升级7，实现传统金融机构的“脱媒”和金融科技的“触媒”。其次，以蚂蚁集团、京东数科、腾讯金融科技等为代表的互联网巨头，伴随业务拓展介入并加速金融科技发展，影响了金融科技的整体发展走向8。这些企业可以基于海量数据，有效挖掘业务需求，加快金融产品的创新和金融服务的提升9。最后，新一代消费者偏好助推了金融陈红霞等:中国省际金融科技发展的空间关联网络及影响因素分析经济研究城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 2023113科技创新，新生代年轻人直接成为金融科技应用的主力军，推动金融科技创新升级10。三是金融科技的风险监管。金融科技背景下业务边界趋向模糊，跨市场、跨行业的服务体系日益丰富，不同业务的跨界关联性愈来愈强，金融风险错综复杂，风险后果也会迅速蔓延到其他金融机构和金融体系11，此外，金融市场的信息不对称加剧了道德风险12。因此，有学者对转变金融监管范式进行了探讨13 14。综观已有文献，国内学者对我国金融科技展开了多层次的讨论与实证研究，然而，从空间关联角度分析金融科技发展的文献还相对较少，作为数字经济运行的关键基础，“金融科技的空间集聚和相互作用规律”尚处于“黑箱”状态。当前，城市之间空间互动的重要性进一步凸显，金融科技作为信息化时代城市经济相互作用的底层逻辑，由此架构的城市间的金融联系无疑是地区空间组织形式的基础。基于此，本文从关系数据和网络视角出发，在科学测度区域金融科技水平的基础上，从时间和空间维度分析我国金融科技的空间关联特征和网络结构演化，期冀为协同区域经济资源配置提供科学依据。1研究方法和数据1.1研究方法1.1.1引力模型采用修正后的引力模型测定各地区之间的经济联系强度，以各省会城市为空间网络节点，利用金融科技联系强度衡量网络节点之间的空间联系大小。修正后的引力模型如下:ij=Kij3PiFintiGi3PjFintjGjDij2Kij=FintiFinti+Fintj(1)式中，ij为地区 i、j 之间的金融科技联系强度;Gi、Gj为地区 i 和 j 的生产总值;Pi、Pj是地市 i、j 的常住人口;Kij是引力常量，代表地区 i 在地区 i、j 之间金融科技联系中的贡献度;Finti，Fintj分别为地区 i、j 的金融科技发展水平;Dij表示两地区间的空间地理距离。1.1.2社会网络分析采用社会网络分析法测量金融科技空间关联的网络特征，将从整体网络结构和个体网络结构两个方面进行分析。其中，整体网络结构特征采用网络密度、网络效率、网络等级度、网络关联数等指标衡量。网络密度用来描述网络中节点之间的连接程度，网络密度越大，集聚区的城市间的经济社会联系就越紧密;网络效率用来描述各节点的连接效率，其值越低，节点之间的联系越容易，网络的稳定性越高;网络等级度用来描述网络中各节点的等级结构，其值越高，网络等级越森严;网络关联数反映网络中各节点的联系数量，其越高，网络稳健性越强。个体网络结构特征通常采用中心度刻画，包括点度中心度、中介中心度、接近中心度等指标。点度中心度用来衡量一个城市与其他城市直接连接的能力，中心性程度越高，特定城市与其他城市联系越紧密，城市辐射力和吸引力也越突出。中介中心度用来衡量节点城市的控制力及其在城市间的中介作用，如果节点城市位于其他城市的最短路径上，则该城市具有较高的中介中心性。接近中心度是一个节点到其他所有节点的距离的总和，更高的接近中心性意味着一个城市可以更便捷地连接其他所有城市，并且相对不受其他城市的控制。1.1.3QAP 回归分析采用 QAP 回归方法处理关系数据，并对空间关联网络的影响因素进行系统分析。由于关系数据表示的是两个区域之间的关联矩阵，因此不可避免的会出现多重共线性问题，QAP 回归不假设解释变量的独立性，基于矩阵置换的思想通过重复抽样计算相关系数，并进行非参数检验以比较两个关系矩阵的数值。与传统的 OLS 方法相比，QAP 回归可以有效消除自变量间多重共线性导致的估计偏差，更适用于矩阵数据的参数估计。1.2指标及数据来源参考已有文献1517，应用北京大学数字金融研究中心测度的省级数字普惠金融指数表征地区金融科技发展水平。该指数由数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度等 3 个维度、33 个具体指标构成，同时具有纵向和横向上的可比性。进一步地，本文以 31 个省级行政区为研究对象，地理空间距离利用 ArcGIS 10.5 计算的各省会城市球面距离度量，其他统计数据均来自各年度中国统计年鉴，时期跨度为 20112020 年。经济研究陈红霞等:中国省际金融科技发展的空间关联网络及影响因素分析114城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 20232地区金融科技发展的时空特征2.1地区金融科技发展的空间分布特征20112020 年我国金融科技发展保持稳定增长趋势，近 10 年年均增长率达 27%，发展潜力巨大。从金融科技指数平均值空间分布看，区域差异明显，北京、上海、浙江、福建、江苏、广东等东部地区实力强劲，占金融科技发展总量的 23%。西藏、贵州、青海、甘肃、新疆等西部地区尽管在发展总量有差距，但增速较快，年均增长率处于全国前列(表 1)。表 120112020 年金融科技发展时序变化情况区域平均值总增长量年均增长率区域平均值总增长量年均增长率北京275.91338.470.20湖北227.05318.820.28天津234.88300.880.22湖南205.63299.350.29河北201.01290.280.29广东244.00310.050.21山西204.74292.320.29广西204.76291.280.29内蒙古201.76280.500.30海南220.64298.490.25辽宁214.77283.000.25重庆219.03302.870.26吉林197.29283.750.32四川212.21294.660.27黑龙江199.30272.500.28贵州190.27289.470.37上海280.96351.740.21云南199.64293.570.33江苏244.23319.530.22西藏185.91294.310.39浙江265.68329.490.20陕西213.95301.080.27安徽215.71317.090.30甘肃189.24286.660.36福建244.29318.370.22青海182.35279.900.36江西209.87310.870.31宁夏197.83278.710.29山东218.17309.260.28新疆194.73288.010.35河南207.49312.410.32全国216.24301.220.27资料来源:作者计算图 1地区金融科技发展平均水平与年均增长率资料来源:作者自绘进一步地，以金融科技发展水平均值和年均增长率两个指标构建象限图，形成四个象限区，依次为高水平高增长、低水平高增长、低水平低增长以及高水平低增长(图 1)。位于第一象限的有山东、湖北两个地区，这些地区金融科技发展势头良好，无论是整体实力还是增速都位居前列并保持优势;大部分地区位于第二象限，即尽管整体水平尚低于全国平均水平，但金融科技发展增速较快;暂时位于第三象限的只有辽宁，未来发展潜力巨大;位于第四象限的有北京、上海、浙江、广东、福建、天津、重庆等，这些地区金融科技发展实力较强，在经历高速增长后，进入提质增效的稳定发展阶段。2.2地区金融科技发展的空间集聚特征进一步，借助全局 Morans I 指数探究金融科技的空间自相关性(表 2)。20112020 年我国金融科技全局 Morans I 指数均通过 5%显著性水平的检验，意味着全局范围内金融科技发展具有较强的空间正相关性。从 Morans I 指数的变化来看，除个别年份有所下降外，整体呈现稳定增长趋势，说明金融科技的空间集聚随时间演进逐渐增强，透视出区域关联作用逐渐增加的整体趋势。表 2我国金融科技发展的全局 Moran 指数年份Morans IZ 值P 值20110.12742.12470.033620120.16052.58230.009820130.16882.70330.006920140.13192.21060.027120150.06351.29680.019420160.12642.14470.032020170.15972.59500.009520180.17882.83440.004620190.19783.08550.002020200.21633.33000.0009资料来源:作者计算陈红霞等:中国省际金融科技发展的空间关联网络及影响因素分析经济研究城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 20231153省际金融科技发展的空间关联网络特征3.1省际金融科技发展的空间联系强度及时空演变3.1.1地区金融科技的空间联系强度根据引力模型公式(1)测算我国省际金融科技城市对联系强度，得到各省会城市金融科技联系总量，利用自然间断法将其分类为四个梯队。从地区联系总量来看，存在明显的空间分异，京津冀、苏沪皖浙、鲁豫鄂的金融科技联系总量居于全国前列，经济辐射效应显著。20112020 年间，二三梯队的地区数量快速增长，第一梯队所包含地区也进一步增加，地区差异进一步缩小。值得注意的是，省际金融科技联系出现以城市群组团式集聚辐射的现象，形成了以京津冀、长三角、山东半岛、长江中游、成渝、关中平原等典型城市群为核心辐射发散的特征(图 2)。从城市间联系强度看，20112020 年，金融科技联系强度均值由 9.47 增至 23.25，极差由 84.03 升至 483.5，但极差增长幅度显著高于均值上升速度，反映出省际金融科技联系的整体水平不断提升，但资源集中和极化现象也较为明显;同时，金融科技有效联系城市对数量逐年增加，边缘地区的城市节点逐渐被纳入有效联系网络，各级交叉发生较大变化，联系网络日益复杂化，说明金融科技资源的极化效应与扩散效应相伴而生(表 1)。图 2我国各地区金融科技联系总量资料来源:作者自绘表 3我国金融科技联系强度参数表年份联系强度均值联系强度极差有效联系城市对数量各等级联系城市对数量一级联系二级联系三级联系四级联系弱联系20119.4784.0317463.45%95.17%3721.26%12270.11%787201415.52225.238282.09%225.76%4712.30%30579.84%579201719.25351.4549581.62%234.65%5811.72%40682.02%466202023.25483.5555101.80%223.96%6611.89%45782.34%406注:等级联系中有两行数字，上面表示地区对(城市对)数量，下面表示所占百分比。资料来源:作者计算综观金融科技空间联系强度及网络结构，省际空间溢出效应同时存在临近式传输和跳跃式传导两种渠道，总体看，东部多核、西部少核、中心性网络化发展的特征明显，省际间联系强度存在明显的空间距离衰减效应，绝大多数地区与临近省份的金融科技联系更紧密。目前金融科技联系以三四级为主，联系极强的地区对(城市对)有京津、京冀、苏浙、苏皖、沪浙、沪苏等;联系较强的地区对有冀鲁、晋鲁、苏鲁、湘鄂赣、川渝等。3.1.2地区金融科技空间关联网络的时空演化特征(1)地区金融科技空间关联网络的时空演化如图 3 所示 20112020 年我国金融科技的省际联系强度不断提高，网络结构由单一松散型转变为多向密集型，呈现相互交织的空间极化和结构分层特征。金融科技联系网络中的节点省份和节点间的联系逐渐增多，省际间金融科技的多重流向通道被打通叠加，非核心邻近区域及非核心非临近区域的内部经济联系愈加紧密，西部地区开始融入有效网络，空间联系的稳定性和平衡性进一步增强。(2)空间关联网络的结构核心发生显著变化，由最初的长三角单一核心辐射区演变为以京津冀、长三角双核心高层级联系为基本骨架、以二三层级联系为纽带、向南向西和东北方向辐射的纺锤型团簇状网络。值得注意的是，在区域金融科技协同发展的过程中，高层级联系始终保持稳定增长态势，经济研究陈红霞等:中国省际金融科技发展的空间关联网络及影响因素分析116城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 2023包括中原城市群、长江中游城市群等连片高强度板块区，以山东半岛、川渝等为强联系的单点集聚区，并通过三四级联系轴线辐射全国。(3)从区域板块来看，十年间，京津、京冀的联系程度明显增强，层级结构高级化，且由于地理临近效应和山东金融科技的发展，京津冀鲁之间的联系日益紧密;长三角城市群始终发挥着核心区域的辐射和协同作用，对周边地区空间溢出效应明显，辐射带动鲁豫、湘鄂赣等;长江经济带以川渝、湘鄂赣、苏浙皖沪三大区域为中心，构成东密西疏网络板块结构;西部地区以川渝为核心形成高强度联系对，并向贵州等地区辐射。(4)空间关联网络的跨区域空间衰减效应明显，东中部内部及之间的金融科技联系远高于中西部内部及之间强度。如山东、河南、山西之间建立起以二级联系为支撑、以三级联系为主体的合作网络;广东、广西、江西、福建等地建立起以三级联系为支撑、四级联系为主体的关联网络。图 3我国金融科技空间联系强度分布及网络结构演变图注:该图基于标准地图服务网站下载的审图号为 GS(2019)1822 号的标准地图制作，底图无修改。资料来源:作者自绘3.2省际金融科技空间关联网络的结构特征基于上述分析可以发现，我国金融科技发展的空间关联网络存在明显的多层次复杂性特点。为了详细剖析关联网络的结构特征，利用构建的引力联系强度矩阵，基于矩阵各行平均值进行阈值二分化处理，导入 Ucinet 软件进行系统分析。3.2.1整体网络结构特征利用 20112020 年网络密度、网络效率、网络等级度、网络关联数等指标分析省际金融科技空间关联的整体网络结构特征，结果如图 4 所示。就网络密度而言，网络密度能够反映地区之间的联系程图 4空间关联关系与网络密度、网络效率、网络等级度资料来源:作者自绘陈红霞等:中国省际金融科技发展的空间关联网络及影响因素分析经济研究城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 2023117度。研究期内我国省际金融科技空间关联网络的密度呈稳定的上升趋势，由 2011 年的 0.26 增至0.74，表明区域间金融科技的合作网络愈发密集，空间紧凑性进一步提升。这主要归因为近年来，我国深入实施创新驱动发展战略，以科技创新支撑引领金融供给侧结构性改革，中央和地方政府不断出台各项金融科技发展规划和计划方案，推动各种创新要素的整合和跨区流动，政策、市场、企业等多方力量共同增强了金融科技的空间联系。网络效率结果显示近十年省际间金融科技发展关联网络的效率处于波动下降趋势，自 0.73 降至 0.65，表明网络内部地区节点之间的关联往来渐趋便捷，说明整个网络的相互关系越来越紧密，网络稳定性进一步增强。网络等级度也呈现波动递减特征，自 2011 年的0.42 降至2020 年的0.38，进一步印证我国金融科技发展正在逐渐打破行政壁垒、市场分割和城市规模等级体系，尽管关联中极化效应与扩散效应并行，但极化特征减弱，不同地理区域的行政单位的空间互动效应逐渐增强。网络关系数指标近十年呈现稳定增长趋势，表明整个金融科技网络所覆盖的区域数量不断增加，金融科技关联存在明显的空间溢出效应，辐射范围的规模效应显著。从整体网络结构特征的各项指标看，我国省际间金融科技关联结构的演化方向是动态化、稳定化、扩张化，最终形成紧密的一体化关联网络。3.2.2个体网络结构特征利用 20112020 年点度中心度、中介中心度和接近中心度分析省际金融科技空间关联的个体网络结构特征。网络中心性能够反映各个省份在金融科技关联网络中所扮演的地位和角色，基于省际间的经济联系强度，分析其关系结构的网络中心性，从而识别出对金融资源和科技信息有更多控制权或影响力的城市(地区)，结果如表 4 所示。从点度中心度来看，全国 31 省(自治区、直辖市)的点度中心度均值为 51.18，迄今为止高于均值的地区多达 18 个，说明地区金融科技发展的程度越来越高。其中，排名靠前的地区主要有北京、上海、江苏、山东、河南、浙江、湖北、四川、陕西等，这些地区拥有优势的金融科技资源，在金融科技联系网络中与其他区域保持着密集的联结，在整个网络体系中占据主导地位，发挥较大的空间溢出效应，是金融科技发展的重要外溢源。值得注意的是，高于均值的地区除陕、川、渝外，均为东中部地区，这些地区具有金融科技发展的比较优势，对我国金融科技的协同发展具备很强的影响力。表 4省际金融科技空间关联的网络中心性分析地区点度中心度中介中心度接近中心度地区点度中心度中介中心度接近中心度北京63.33+1.81+30.3+湖北76.67+1.79+31.58+天津43.330.0428.04+湖南66.67+2.56+30.61+河北76.67+3.65+31.58+广东66.67+2.56+30.61+山西66.67+1.2430.61+广西53.33+1.54+29.41+内蒙古46.670.3328.57+海南10024.39辽宁46.670.7528.3+重庆60+0.5130+吉林20026.32四川76.67+4.75+31.58+黑龙江20026.32贵州500.0829.13+上海84.67+5.34+29.7+云南36.67028.04+江苏83.33+6.74+32.26+西藏000浙江70+0.9530.93+陕西76.67+2.04+31.58+安徽70+0.9530.93+甘肃36.671.49+27.78+福建53.33+0.0929.41+青海6.67024.79江西63.33+0.4130.3+宁夏26.670.0327.03山东83.33+4.74+32.26+新疆000河南80+2.5+31.92+均值51.181.3327.56注:指标后的符号代表与均值的比较情况，+代表高于均值，代表低于均值。资料来源:作者计算经济研究陈红霞等:中国省际金融科技发展的空间关联网络及影响因素分析118城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 2023从中介中心度来看，全国 31 省(自治区、直辖市)的中介中心度均值为 1.33，高于均值的地区达12 个，指标值由高到低依次是江苏、上海、山东、四川、河北、湖南、广东、河南、陕西、北京、湖北、广西，这些地区在较大程度上影响着金融科技网络的联系程度，在关联网络中发挥着行动支配者的连接作用。其中，江苏的中介中心度达到 6.74，网络联结中的枢纽作用十分突出，江苏九市是长三角城市群的重要组成部分，经济发展基础雄厚，金融科技发展的平台、资金、人才优势明显，此外，稳健发展的科技产业集群也为金融科技的实践试点提供了重要支撑，在多种因素的作用下，最终促使江苏在整个金融科技网络中扮演着极为重要的中介桥梁角色。接近中心度与中介中心度的区域特征相似，均值为 27.56，极值为 32.26，省际内部整体差异较大。在近十年的发展中，多数地区在金融科技关联网络中均能便捷的与其他区域产生空间关联关系，尤其是北京、上海、江苏等地，在整个网络中居于核心地位，对其他省份金融科技发展的影响较强，最终形成金融资源输入和创新技术输出的资源连接扇面。4省际金融科技空间关联网络形成的影响因素分析4.1影响因素提取与模型设定金融科技空间关联关系的形成受到诸多因素的影响，基于前人研究，本文拟从地理空间因素、经济基础、外向合作程度、市场化水平、网络化水平、产业结构、技术创新七个角度选取指标，系统分析金融科技空间关联网络的影响因素，具体包括:(1)地理空间因素。省际间金融资源的流动往往受地理位置的影响，地理距离较近的省份，开展经济活动交流的相关成本较低，各部门各地区间的金融科技资源流通性较强18，临近区域更容易产生金融联系，产生“梯度性”空间溢出19。本研究将两地区在地理位置上的相邻记为 1，不相邻记为 0，构建地理临近性矩阵(BO)来刻区域的地理位置特征。(2)经济基础。金融与经济相互促进、相互影响。一方面，金融科技能够发挥金融集聚优势，通过跨行业、跨区域、跨所有制结构的整合机制，实现产业转型升级过程中资源重新配置，在更大范围的劳动力市场、技术市场、消费市场形成规模经济效应，提高区域经济发展水平20。另一方面，经济发展水平较高的地区居民收入水平高，金融信贷等需求旺盛，带动金融业发展，吸引金融资源集聚，促进金融科 技 发 展21。本 研 究 选 取 国 民 生 产 总 值(GDP)来反映地区经济发展水平。(3)外向合作程度。在全球化背景下，经济基础较好的地区更容易吸引金融资源集聚，形成金融中心22。从金融领域来看，经济开放将导致市场驱动的金融服务贸易自由化，促进金融科技的发展。从经济开放带来的外部竞争来看，国内企业需要更多的投资来提升实力和对外的竞争能力23。本文选择外商直接投资(FDI)来反映地区开放水平。(4)市场化水平。一般认为，市场化程度较高的地区，市场充分发挥资源配置的决定性作用，从而影响金融资源的配置24。金融科技为资金供求双方提供了便捷的融资载体，为提高资产配置效率搭建了平台。本文选择进出口总量占地区国内生产总值的比重(IE)来反映市场化因素。(5)网络化水平。互联网技术改变了传统提供金融服务的方式，为金融科技的发展提供了重要的技术支撑，对推动金融科技的发展、加速行业的演进发挥了重要作用25。金融科技作为技术驱动的金融创新，利用数字技术打造低成本、可持续的金融服务生态，是一种全新的金融模式，网络化水平高的城市有利于发展数字信息技术，从而为金融科技的发展创造有利条件。本文采用地区的互联网用户数占常住人口比重(NIU)来刻画网络化水平。(6)产业结构高级化。中共“二十大”报告指出，高质量发展阶段是全面建设社会主义现代化国家的首要任务。金融科技驱动引领创新发展，为转变发展方式、优化产业结构等提供动力。同时，产业结构调整升级与增长方式转变为金融科技等新技术、新产业、新模式提供了广阔的发展空间。随着企业逐步迈向成熟期，需要更加庞大且稳定的资金供给和风险承担，通过倒逼机制刺激金融科技转化为增长潜力供给方，促进金融科技不断变革26。本文利用第三产业与第二产业的比重衡量产业结构高级化(Industry)。(7)技术创新水平。随着区块链、5G、大数据等新型基础设施的逐步完善，我国金融服务能力不断提高。底层硬件的支撑能够充分发挥区块链、大数陈红霞等:中国省际金融科技发展的空间关联网络及影响因素分析经济研究城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 2023119据等技术的应用优势，降低交易、资源匹配成本，增强金融机构的风险识别和风险管理能力，扩大金融服务的包容能力，孵化一大批金融科技产业，培育新的经济增长极27。此外，技术创新加深了企业的知识积累，产生技术溢出效应，从而使得区域金融合作强度提升。科研经费投入是衡量地区创新水平最直接、最有效的工具，本文利用各地区研究与试验发展(D)经费内部支出程度表征区域技术创新能力，并取对数处理(Innovation)。基于以上分析，构建如下模型:NET=F(BO，GDP，FDI，IE，NIU，Industry，Innovation)(2)在式 2 中，NET 表示地区金融科技空间关联关系，BO 表示地理空间变量，GDP 表示经济基础变量，FDI 表示对外开放程度，IE 表示市场化水平，NIU 表示网络化水平。由于本文采取的因变量金融科技空间关联矩阵为关系矩阵，因此自变量需转化为对称关系矩阵。其中，地理邻近矩阵本身是关系矩阵，无需转化，其他变量则转化为绝对差异矩阵。最后，由于不同矩阵有不同的度量单位，为消除这一影响，对所有变量矩阵进行标准化处理。4.2QAP 分析结果利用 UCINET 中的 QAP 模型，对省际金融科技空间关联网络的影响因素进行回归分析，具体结果(表 5)如下:地理空间因素的标准化回归系数为 0.456，在1%的水平上显著，说明省际地理距离和行政边界对金融科技资源分配有重要影响。地理上的邻近性使区域间的信息、资源等的交换更加直接，地理毗邻能够提高区域间的支付效率，实现资源的跨区域配置，降低交易成本。相邻地区往往具有相近水平的金融基础设施、金融环境政策，有利于金融机构降低经营风险促进创新发展。此外，受金融监管等影响，金融机构的金融活动有着严格的经营限制，一定程度上限制了跨区域合作，影响了金融科技资源的流动性和创新活力，金融资源更倾向于与其临近地区互动。经济基础的标准化回归系数为 0.058，在 10%的水平上显著，说明经济发展对金融科技发展的空间关联网络有一定的正向影响，即经济发展水平较高的地区更容易聚集金融科技资源。一个地区的经济发展水平不仅决定着该地区居民的收入水平，也直接影响了地区投资和储蓄水平，这些因素将直接影响该地区金融科技资源的丰富程度。外向合作程度的标准化回归系数为0.048，在10%的水平上显著，这可能与以下因素有关，即一方面，FDI 意味着经济的外向性较强，势必影响和削弱金融活动的本土联结。另一方面，FDI 更趋向于向经济环境较好的地区集聚，也间接提升了这些地区金融科技资源的集聚，加剧金融科技发展的不平衡性。市场化水平的标准化回归系数为 0.175，在 1%的显着性水平上显著，表明市场化程度越高，金融科技的关联关系越密切。这是因为市场化程度与经济互动成正比，此外，市场化程度高的地区，经济金融运行体系相对健全完善，金融创新工具较多，金融机构创新意识强，易形成紧密的金融科技关联。网络化水平的标准化回归系数为 0.240，在 1%的水平上显著，说明地区互联网发展和应用对金融科技发展的空间关联网络形成正向促进作用。金融科技融合了金融和科技，通过利用各类科技手段创新传统金融行业所提供的产品和服务，提升效率并有效降低运营成本，其本身也是一种依托互联网发展的金融服务项目，互联网的推广与应用水平无疑能促进金融科技网络的发展。产业结构的标准化系数为 0.075，在 1%的水平上显著，表明产业结构的优化升级正向促进金融科技关联网络的形成。在本文的金融科技发展空间分布分析部分，也证实了京津冀、长三角等产业结构调整升级的步伐较快，金融科技的发展水平较高，且潜力巨大。近年来，我国大力推进产业基础高级化、产业链现代化，在这一过程中，除了有形资产的流动和整合，品牌、技术、专利等无形资产也会发挥巨大的协同效应，共同推动了区域金融网络结构优化。技术创新的标准化系数为 0.212，在 10%的水平上显著，说明技术创新对金融科技网络的发展具有一定的正向影响。金融科技作为技术驱动下的金融创新，是金融领域技术变革的必然趋势。技术创新产生强大的协同辐射效应，通过赋能传统金融业务，促成金融科技并倒逼金融机构业务创新和金融机构转型。经济研究陈红霞等:中国省际金融科技发展的空间关联网络及影响因素分析120城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 2023表 5QAP 回归分析结果影响因素符号QAP 相关分析QAP 回归分析相关系数P 值标准化系数P 值地理空间因素BO0.456 0.0000.456 0.000经济基础GDP0.168 0.0000.058*0.082外向合作程度FDI0.019 0.0000.048*0.084市场化水平IE0.087 0.0000.175 0.000网络化水平NIU0.269*0.0650.240 0.020产业结构Industry0.149 0.0000.075 0.030技术创新Innovation0.187 0.0000.212 0.00020.245注:p0.01，p0.05，*p0.1资料来源:作者计算5结论与建议5.1主要结论基于省级关系数据和网络视角审视 20112020年我国金融科技的互动效应，利用修正后的引力模型分析省际金融科技的空间关联网络及演变趋势，应用社会网络分析法考察其整体和个体网络结构特征，并在此基础上，系统梳理金融科技关联网络的影响因素。主要结论包括，整体看，我国金融科技关联网络正处于网络加速架构的提质增效阶段，呈明显的东部多核、西部少核、多中心网络化发展的特征，整体网络以三四级联系为主，但弱联系逐年下降，有效联系网络不断扩大。近十年中，省际金融科技关联网络由单一松散型演变为多向密集型，最终形成以京津冀、长三角等城市群为核心并辐射全国的纺锤型团簇状网络。网络结构中，北京、上海等占据主导，是重要外溢源，而位于网络边缘地区的增速明显。空间关联网络受地理临近、经济基础、市场化水平、网络化水平、产业结构高级化、技术创新水平等多重因素的影响。5.2政策建议(1)以城市群为主要载体推进区域金融科技发展。实证研究证实，以京津冀、长三角为代表的城市群是我国金融科技关联网络的核心，并主导着网络的整体结构和发展方向。城市群是我国新型城镇化的重要载体，也是我国人才、资金、技术等高级要素最为集中的地区，在金融科技资源、金融科技投入、金融科技产出方面具有得天独厚的优势。应统筹规划，将金融科技，以及区域金融一体化作为城市群发展的重要阶段性目标，通过推动金融管理信息系统互联互通，实现金融要素资源跨区域流动，为区域经济一体化提供高质量服务。(2)打造重要“节点”城市，实现“以点带面”，提升金融科技资源集聚和扩散能力。网络分析的结果显示，核心城市具有较强的资源聚集和传播能力，在整个金融科技联系网络发展中起到桥梁和中介作用。一方面，需要进一步加强信息基础设施建设，加速推进新基建工程，增加金融资源的溢出渠道，降低要素流动成本，增加已有核心城市的辐射渠道，提高边缘地区的连接效率，构建多中心的网络发展模式。另一方面，针对目前西部地区金融科技发展水平相对较低的情况，可以适时打造“节点”城市，如利用贵州大数据中心建设的优势，推动互联网、大数据技术与金融的深度融合，并在实践中推广应用，在新一轮金融科技变革和发展中发挥“中介”作用。(3)加强政策引导，完善金融科技要素市场化配置的体制机制。对金融科技关联网络影响因素的分析显示，市场化水平、网络化水平、产业结构高级化、技术创新水平等对关联网络均产生正向影响。应进一步加强政策引导，加快统一大市场建设，强化政策协同，打破行政壁垒，促进资金、技术等要素的跨区域流动。通过金融科技实现“无纸化”“低碳式”业务办理，简化业务流程，推动资本项目收入支付便利化，优化金融要素配置。(4)科学评估并因地制宜的制定差异化的金融科技发展政策。实证研究结果显示，省际金融科技空间关联网络呈现明显的“核心边缘”分布格局，各省市在空间关联网络中的地位和作用差异较大。陈红霞等:中国省际金融科技发展的空间关联网络及影响因素分析经济研究城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 2023121不同省市应根据其在网络中的相对位置和潜在能力制定差异化的金融科技发展政策。如北京、上海、江苏等发达地区处于网络的核心，具有较强的金融科技资源要素的集聚能力，应在未来的发展中，加强对金融机构、科技公司等的引导，在金融科技创新监管等方面重点发展，更好地发挥金融科技关联网络的核心辐射作用。西藏、新疆等地区，可以着力在农业、投融资、民生等领域推广和应用金融科技，并逐步实现与全国金融科技关联网络全面对接。【注释】省会城市、直辖市为空间网络节点，用以测算省际间金融科技联系强度等指标。以两个指标的均值为象限边界。本部分利用 ArcGIS 自然间断法将各城市金融科技联系总量和城市间联系强度分别分为四个梯队和四个等级，等级划分仅表示各地区的相对发展程度，并不指代地区发展的绝对水平。由于城市对联系数量复杂庞大，本文采取统一做法，将各年份联系强度低于平均值的城市对归纳为弱水平联系，不计入有效联系，在空间关联网络中采取隐藏处理。【参考文献】1巴曙松，白海峰金融科技的发展历程与核心技术应用场景探索J 清华金融评论，2016(11):991032CHEN M A，WU Q，YANG B How Valuable Is FinTec