解其昌,柏定川

(山東工商學(xué)院 金融學(xué)院,山東 煙臺 264005)

一、引 言

黨中央制定的國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃強調(diào),要加快數(shù)字化建設(shè),深化數(shù)字經(jīng)濟,推動數(shù)字經(jīng)濟和實體經(jīng)濟深度融合,構(gòu)建國內(nèi)國際雙循環(huán)新發(fā)展格局。特別是黨的十九大和十九屆五中全會指出,要實施區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略,深化金融體制改革,提升金融科技水平,增強金融普惠性。近年來,借助人工智能、大數(shù)據(jù)與云計算等前沿科技發(fā)展的契機,金融與信息技術(shù)有機結(jié)合的新型普惠金融模式——“數(shù)字金融”應(yīng)運而生。數(shù)字金融具有賦能金融惠及的先天優(yōu)勢,是實現(xiàn)普惠金融的變革性創(chuàng)新。相比于傳統(tǒng)金融在經(jīng)濟活動中暴露出的屬性錯配、領(lǐng)域錯配和階段錯配等結(jié)構(gòu)性問題,數(shù)字金融在信貸審批過程中具有即時性、自動性和遠(yuǎn)程性等特征,在一定程度上能夠驅(qū)動現(xiàn)有金融體系重塑,倒逼金融部門轉(zhuǎn)型升級,提升金融機構(gòu)的資源配置效率和風(fēng)險控制能力[1-3]。這對于打破傳統(tǒng)金融邊界的約束,增強金融支持實體經(jīng)濟的可獲得性,擴大金融服務(wù)的包容性和普及性具有重要的現(xiàn)實意義[4-6]。G20峰會通過的《G20數(shù)字普惠金融高級原則》也為數(shù)字普惠金融指明了未來的發(fā)展道路。因此,從宏觀層面把握當(dāng)前數(shù)字普惠金融發(fā)展具有怎樣的分布動態(tài)及其是否存在某種收斂機制,不僅有助于合理審視當(dāng)前普惠金融發(fā)展的實施效果,還能夠為解決可能由其引發(fā)的數(shù)字鴻溝問題提供理論參考。

學(xué)者們已開始對中國區(qū)域金融發(fā)展的分布差異及其收斂性展開研究,但目前主要集中在傳統(tǒng)金融方面,只有少數(shù)研究聚焦于普惠金融[7-9]。陳銀娥等發(fā)現(xiàn)中國各省份普惠金融的發(fā)展并未表現(xiàn)出一致的收斂性,而是呈現(xiàn)出一種俱樂部收斂特征[10]。然而,胡宗義等認(rèn)為中國省域普惠金融發(fā)展整體水平低,東、西部地區(qū)不存在明顯的絕對β收斂,但呈現(xiàn)出顯著的條件β收斂[11]。與上述結(jié)果相反,孫英杰和林春發(fā)現(xiàn)中國普惠金融在東部地區(qū)沒有出現(xiàn)絕對β收斂,且中部地區(qū)不存在條件β收斂[12]。產(chǎn)生上述不一致結(jié)果的原因可能是既有文獻(xiàn)所選取的普惠金融指標(biāo)體系存在差異性,并且考察的維度還不夠全面。為彌補這一缺陷,一些學(xué)者開始采用數(shù)字普惠金融指數(shù)來探究收斂特征[13-15]。該指數(shù)由北京大學(xué)數(shù)字金融研究中心與螞蟻金服聯(lián)合編制,采用互聯(lián)網(wǎng)金融服務(wù)的覆蓋廣度、使用深度和數(shù)字化程度等3個一級指標(biāo)、12個二級指標(biāo)和33個具體指標(biāo)來構(gòu)建指標(biāo)體系,為測度中國數(shù)字普惠金融發(fā)展提供了更權(quán)威的標(biāo)準(zhǔn)。然而,這些研究僅對數(shù)字普惠金融發(fā)展的平均收斂情況進(jìn)行了分析,并未對它的異質(zhì)性收斂進(jìn)行探究。此外,現(xiàn)有文獻(xiàn)聚焦于檢驗數(shù)字普惠金融的靜態(tài)收斂特征,缺乏對時變收斂性質(zhì)的細(xì)化解析。

本文旨在探究中國城市數(shù)字普惠金融的發(fā)展是否存在收斂趨勢。首先,在當(dāng)前中國推動數(shù)字化建設(shè)、促進(jìn)金融與實體經(jīng)濟深度融合以及構(gòu)建新發(fā)展格局的背景下探討這一問題尤為重要和迫切。其次,如果數(shù)字普惠金融的發(fā)展存在這樣一種收斂趨勢,本研究就解決了如下幾個問題:數(shù)字普惠金融可否實現(xiàn)其“普”與“惠”的應(yīng)有之義?中國區(qū)域數(shù)字普惠金融發(fā)展不平衡是否存在減小之勢?欠發(fā)達(dá)地區(qū)能否實現(xiàn)普惠金融的發(fā)展趕超?再次,通過對城市數(shù)字普惠金融收斂趨勢的分析,有助于推動政府在制定相關(guān)政策和規(guī)劃時適當(dāng)考慮金融資源的合理配置,延伸和拓展金融服務(wù)的觸達(dá)能力與范圍,促進(jìn)城市數(shù)字普惠金融的區(qū)域協(xié)同發(fā)展。最后,采用具有因子結(jié)構(gòu)的面板時變分位數(shù)回歸探究數(shù)字普惠金融指數(shù)與其分指數(shù)的分位數(shù)動態(tài)收斂特征。相對于現(xiàn)有研究的均值靜態(tài)收斂,分位數(shù)動態(tài)收斂具有更顯著的優(yōu)勢和意義,一方面,分位數(shù)動態(tài)收斂源于分位數(shù)回歸,其比基于最小二乘回歸的均值收斂更穩(wěn)健,極大地提高了變量收斂估計的真實有效性;同時它能夠呈現(xiàn)出不同分位水平上的收斂結(jié)果,從而將單一的均值收斂研究向前推進(jìn)一步,且有助于探究收斂的異質(zhì)性;另一方面,分位數(shù)動態(tài)收斂從動態(tài)視角揭示了觀測周期上變量收斂的演變規(guī)律,得到了比傳統(tǒng)靜態(tài)收斂更加豐富和深刻的結(jié)果。

本文力圖在如下方面對現(xiàn)有研究進(jìn)行擴展:第一,不僅討論中國城市數(shù)字普惠金融指數(shù)的收斂性質(zhì),還檢驗其一級分指數(shù)的收斂趨勢。不同于現(xiàn)有文獻(xiàn)的靜態(tài)收斂,首次進(jìn)行數(shù)字普惠金融總指標(biāo)和分指標(biāo)動態(tài)收斂的研究,并進(jìn)一步探究這種收斂趨勢在不同發(fā)展水平上的異質(zhì)性。第二,采用最新的數(shù)字普惠金融指數(shù)且覆蓋較多的地級市層面數(shù)據(jù),運用核密度估計法考察分布動態(tài),詳細(xì)描述數(shù)字普惠金融最新發(fā)展在樣本期內(nèi)的絕對差異變化。第三,擴展基于均值的σ收斂,構(gòu)建一類新型的q-σ收斂模型來解析數(shù)字普惠金融指數(shù)在不同分位下的動態(tài)q-σ收斂特征,全面測度收斂的分布差異和時變演化。第四,應(yīng)用具有因子結(jié)構(gòu)的面板時變分位數(shù)回歸模型,來檢驗城市數(shù)字普惠金融是否存在動態(tài)q-β收斂[16]。該模型不僅能夠減小異常值對實證結(jié)果的影響、提高參數(shù)估計在非正態(tài)分布下的準(zhǔn)確性等,還能揭示出在不同分布水平上數(shù)字普惠金融發(fā)展的動態(tài)收斂性。最后,本文根據(jù)所得結(jié)論,為推動城市數(shù)字普惠金融的健康可持續(xù)發(fā)展提出政策建議。

二、文獻(xiàn)綜述

隨著全球金融體系的不斷優(yōu)化,學(xué)者們的關(guān)注從探究影響金融發(fā)展的決定因素轉(zhuǎn)向分析金融體系自身發(fā)展。在此背景下,金融發(fā)展的收斂問題也越來越受到重視。Bianco等以6個發(fā)達(dá)國家作為樣本,并未發(fā)現(xiàn)它們的金融發(fā)展存在明顯的趨同之勢[17]。Veysov和Stolbov構(gòu)建10個衡量金融發(fā)展的指標(biāo)對102個國家進(jìn)行實證分析,發(fā)現(xiàn)在樣本期內(nèi)這些國家的總體金融發(fā)展表現(xiàn)出顯著的β收斂趨勢[18]?？紤]中國各地區(qū)金融機構(gòu)的存貸和占GDP的比例作為金融發(fā)展的指標(biāo),陸文喜和李國平認(rèn)為樣本期內(nèi)各區(qū)域的金融增長水平有顯著的β收斂特征[19]。然而,李敬等證明了中國的省級區(qū)域金融發(fā)展不存在明顯的收斂趨勢[20]。這些結(jié)果表明關(guān)于金融發(fā)展是否收斂還未達(dá)成統(tǒng)一結(jié)論。導(dǎo)致這種分歧的原因可能是以上研究僅把金融發(fā)展聚焦于傳統(tǒng)金融上,并未對普惠金融的收斂性進(jìn)一步討論。

近年來,中國高度重視普惠金融的創(chuàng)新發(fā)展,已經(jīng)形成了多層次廣覆蓋的普惠金融機構(gòu)和普惠金融產(chǎn)品體系,并且一些學(xué)者也開始構(gòu)建相應(yīng)的普惠金融指標(biāo)進(jìn)行測度及研究[21]。陳銀娥等借鑒聯(lián)合國開發(fā)計劃署(UNDP)編制人類發(fā)展指數(shù)的方法,構(gòu)建了普惠金融指數(shù)的綜合評價模型[10]。胡宗義等從金融服務(wù)的滲透性、可得性、使用效用性和可承受性等角度篩選代表普惠金融發(fā)展的指標(biāo),并采用變異系數(shù)法進(jìn)行賦權(quán)得出普惠金融指數(shù)[11]。孫英杰和林春借鑒Sarma等的思路[22-24],設(shè)計了兩種普惠金融發(fā)展指數(shù)的測算公式[12]。但上述研究構(gòu)建的指標(biāo)由于數(shù)據(jù)受限,忽略了新型數(shù)字金融服務(wù)為普惠金融注入的活力。即使一些學(xué)者們考慮到傳統(tǒng)金融機構(gòu)之外的數(shù)字金融要素,但并未給予其相應(yīng)的權(quán)重,從而致使普惠金融指數(shù)中的數(shù)字金融指標(biāo)占比過低。為避免以上缺陷,北京大學(xué)數(shù)字金融研究中心與螞蟻金服聯(lián)合編制了中國數(shù)字普惠金融指數(shù),該指數(shù)對現(xiàn)有聚焦傳統(tǒng)普惠金融的相關(guān)指標(biāo)體系和指數(shù)計算進(jìn)行補充,較為客觀準(zhǔn)確地衡量了當(dāng)前數(shù)字普惠金融的發(fā)展水平[25]。

目前已有學(xué)者采用該指數(shù)對中國數(shù)字普惠金融發(fā)展的收斂性進(jìn)行研究。焦云霞通過分析2011—2018年中國31個省份的面板數(shù)據(jù),得出中國數(shù)字普惠金融發(fā)展存在絕對β收斂和條件β收斂特征,并且不同地區(qū)的收斂情況和影響要素也不同[14]。梁榜和張建華基于城市數(shù)字普惠金融2011—2015年數(shù)據(jù)的研究,認(rèn)為全國整體及東中西部的城市數(shù)字普惠金融發(fā)展均表現(xiàn)出顯著的σ收斂、絕對β收斂和條件β收斂[13]。然而這些研究仍存在一定的局限性和可拓展性。首先,只得到了區(qū)域數(shù)字普惠金融發(fā)展的平均收斂,沒有從空間視角考慮不同分布下的收斂異質(zhì)性;其次,只得出了整個樣本期內(nèi)數(shù)字普惠金融發(fā)展的靜態(tài)收斂,忽視了其動態(tài)收斂特征;最后,現(xiàn)有研究主要基于傳統(tǒng)的OLS估計方法,不能確保變量在非正態(tài)分布下估計的準(zhǔn)確性。

針對以上不足,本文通過引入一類新型的面板分位數(shù)回歸模型來探究數(shù)字普惠金融發(fā)展的收斂特征。在實證上,專注于解析2011—2019年中國地級市層面的數(shù)字普惠金融發(fā)展的收斂性,目前還少有研究對中國城市數(shù)字普惠金融到2019年的發(fā)展動態(tài)進(jìn)行深入檢驗。此外,本文除了采用數(shù)字普惠金融地級市層面總指數(shù)外,還考慮了其三個一級分指數(shù),更加全面深入地檢驗了數(shù)字普惠金融發(fā)展的收斂性。在方法上,首先采用了核密度估計技術(shù)對城市整體數(shù)字普惠金融及其子維度發(fā)展的分布動態(tài)進(jìn)行檢驗,詳細(xì)地描述出數(shù)字普惠金融發(fā)展在樣本期內(nèi)絕對差異的演變趨勢;其次,擴展了傳統(tǒng)的均值σ收斂,提出了一種新型的q-σ收斂模型來衡量數(shù)字普惠金融發(fā)展水平在不同分位下的q-σ收斂特征;最后,采用具有因子結(jié)構(gòu)的面板時變分位數(shù)回歸模型對數(shù)字普惠金融發(fā)展的q-β收斂進(jìn)行測度。相對于現(xiàn)有的靜態(tài)和平均β收斂,從時空維度綜合分析了數(shù)字普惠金融發(fā)展的分位數(shù)動態(tài)收斂特征,填補了現(xiàn)有成果在異質(zhì)性與動態(tài)性收斂方面的研究不足,彌補了現(xiàn)有文獻(xiàn)中收斂模型設(shè)定的片面性與可擴展性缺陷。因此,本研究有助于明確不同分位下城市數(shù)字普惠金融未來優(yōu)化的方向,可以為數(shù)字普惠金融的區(qū)域協(xié)同發(fā)展提供政策思路,進(jìn)而推動全國數(shù)字普惠金融的創(chuàng)新發(fā)展。

三、研究方法

(一)核密度估計模型

為了更好地觀測中國城市數(shù)字普惠金融發(fā)展的動態(tài)演變趨勢,本文采用非參數(shù)核密度估計來對樣本數(shù)據(jù)的分布進(jìn)行擬合。該方法具有穩(wěn)健性強、依賴性弱等優(yōu)勢,其公式表示為:

(1)

其中,f(x)為密度函數(shù);n為觀測值數(shù)量;xi為觀測值;x為平均值;h表示帶寬,這里使用交叉核實準(zhǔn)則來進(jìn)行選取;K[·]表示核函數(shù),本文選用高斯核函數(shù)。

(二)q-σ收斂模型

σ收斂強調(diào)了絕對收斂,用它來量化數(shù)字普惠金融發(fā)展的收斂,則意味著不同地區(qū)數(shù)字普惠金融發(fā)展的分散性隨時間的推移有減小的趨勢。本文將分位數(shù)思想融入標(biāo)準(zhǔn)差表征的σ收斂模型中,構(gòu)建了一類新型的q-σ收斂模型來測度數(shù)字普惠金融發(fā)展在不同分位下的q-σ收斂趨勢。該模型的具體公式表示如下:

(2)

(三)具有因子結(jié)構(gòu)的面板時變分位數(shù)回歸模型

本文引入具有因子結(jié)構(gòu)的面板時變分位數(shù)回歸模型來檢驗數(shù)字普惠金融發(fā)展的β收斂性[16]。該方法比傳統(tǒng)面板數(shù)據(jù)回歸更穩(wěn)健,能夠有效處理異常值對實證結(jié)果的影響,并提高了模型在變量非正態(tài)分布下計算的準(zhǔn)確性,與普通面板分位數(shù)回歸固定單一的靜態(tài)參數(shù)估計相比提供了時變多元的動態(tài)參數(shù)估計。此外,該模型通過包含高維未知因子來降低遺漏變量誤差,較好地解決了內(nèi)生性問題。因此,本文使用該模型來探究不同分位水平下數(shù)字普惠金融發(fā)展的動態(tài)q-β收斂特征。

1.絕對q-β收斂模型

絕對β收斂強調(diào)了相對收斂,用它來計量數(shù)字普惠金融發(fā)展的收斂,表示該地區(qū)最初的數(shù)字普惠金融發(fā)展水平相對較低,但在未來具有較高的增長速度。具有因子結(jié)構(gòu)的面板時變分位數(shù)回歸模型表示為:

(3)

其中,Qyit(τ|xit,ft,τ,λi,τ)表示在第τ分位水平下各地級市數(shù)字普惠金融指數(shù)的增長率;xit為第τ分位水平下各地級市數(shù)字普惠金融指數(shù)的對數(shù)一階滯后;βt,τ為在τ分位水平下第t年的絕對q-β收斂系數(shù),βt,τ<0表明在τ分位水平下第t年的數(shù)字普惠金融發(fā)展表現(xiàn)為絕對q-β收斂,反之則表現(xiàn)為發(fā)散;ft,τ為rτ×1階的不可觀測的因子向量;λi,τ表示不可觀測的因子載荷;αt代表時間固定效應(yīng)。

2.條件q-β收斂模型

在考慮區(qū)域自身特點的情況下,數(shù)字普惠金融發(fā)展可以收斂到穩(wěn)態(tài)水平,這是條件β收斂。采用的具有因子結(jié)構(gòu)的面板時變分位數(shù)回歸模型表示為:

(4)

其中,vit=(xit,zit1,zit2,…,zitp);βt,τ為在τ分位水平下第t年的條件q-β收斂系數(shù);zit為一系列控制變量(包括經(jīng)濟發(fā)展水平、人口規(guī)模、科技水平、產(chǎn)業(yè)結(jié)構(gòu)、傳統(tǒng)金融發(fā)展水平和政府干預(yù)程度);γt,τ為第τ分位水平下各控制變量的回歸系數(shù)。

上述具有因子結(jié)構(gòu)的面板時變分位數(shù)回歸模型的估計主要是通過最小化如下目標(biāo)函數(shù)來實現(xiàn)的:

(5)

其中,θt,τ=(βt,τ,γi,τ,1,γi,τ,2,…,γi,τ,p)′。為了方便表示,定義Bτ={θ1,τ,θ2,τ,…,θT,τ},Fτ=(f1,τ,f2,τ,…,f1Tτ)′和Λt=(λ1,τ,λ2,τ,…,λn,τ)′。

模型的估計算法可以簡化為以下幾個步驟:

步驟5,重復(fù)步驟2到步驟4直到結(jié)果收斂。

由于公因子的數(shù)量r是未知的,在實際應(yīng)用中需要進(jìn)行選擇。Ando和Bai給出了一種新的信息準(zhǔn)則,來選擇公因子的數(shù)量[16]。該信息準(zhǔn)則定義為:

(6)

(7)

四、數(shù)據(jù)來源及描述

(一)城市數(shù)字普惠金融代理變量

本文專注于城市數(shù)字普惠金融發(fā)展的分布動態(tài)與收斂性研究,選取2011—2019年327個地級市層面數(shù)字普惠金融指數(shù)及其一級分指數(shù)(數(shù)字金融覆蓋廣度指數(shù)、數(shù)字金融使用深度指數(shù)和普惠金融數(shù)字化程度指數(shù))作為城市數(shù)字普惠金融發(fā)展水平的代理指標(biāo)。數(shù)據(jù)來源于北京大學(xué)數(shù)字金融研究中心與螞蟻金服在2021年4月發(fā)布的《數(shù)字普惠金融指數(shù)》,它兼顧了金融發(fā)展的縱向和橫向可比性,為中國數(shù)字普惠金融的綜合測度提供了更準(zhǔn)確的指標(biāo)。

(二)經(jīng)濟特征變量

本研究通過控制相關(guān)社會經(jīng)濟特征變量來觀察城市數(shù)字普惠金融指數(shù)及其一級分指數(shù)的條件收斂趨勢變化。選取的控制變量包括:經(jīng)濟發(fā)展水平。數(shù)字金融的發(fā)展離不開經(jīng)濟基礎(chǔ)的支持,使用各地級市實際人均GDP(2010年不變價人民幣)來衡量;人口規(guī)模。一般來說人口規(guī)模較大的地區(qū),金融服務(wù)需求更高,對數(shù)字金融發(fā)展的要求也更高,采用各城市的總?cè)丝?萬人)來表示;科技水平。科技水平是數(shù)字普惠金融發(fā)展的有效驅(qū)動,使用各城市的專利授權(quán)量(個)來表示;產(chǎn)業(yè)結(jié)構(gòu)。產(chǎn)業(yè)結(jié)構(gòu)是數(shù)字金融在地區(qū)推廣的重要條件,采用第二產(chǎn)業(yè)占GDP的比重來表示;傳統(tǒng)金融發(fā)展水平。傳統(tǒng)金融發(fā)展水平是數(shù)字普惠金融發(fā)展的基礎(chǔ)和條件,以地級市金融機構(gòu)金融資產(chǎn)價值(存貸和)占GDP的百分比作為代理變量;政府干預(yù)。反映政府干預(yù)市場的程度,良好的政策環(huán)境有助于數(shù)字普惠金融的快速發(fā)展,采用政府財政支出占GDP比重作為代理變量。以上控制變量數(shù)據(jù)均來源于2012—2020年的《中國城市統(tǒng)計年鑒》。

對缺失值予以剔除后,本文最終獲得的有效樣本共包含2 616個觀測值。此外,對所有涉及變量均進(jìn)行了對數(shù)化處理以減小異方差和非平穩(wěn)性。表1給出了各變量的描述性統(tǒng)計結(jié)果。由表1可知,數(shù)字普惠金融指數(shù)及其一級分指數(shù)的最大值和最小值相差較大,說明數(shù)字金融在各個城市的發(fā)展水平是不平衡的。同時經(jīng)濟發(fā)展水平、人口規(guī)模等控制變量的最大值和最小值之間也存在明顯的差異,意味著區(qū)域發(fā)展具有顯著的異質(zhì)性。此外,各變量序列的偏度和峰度系數(shù)也表明了它們是偏離正態(tài)分布的,也證實了使用基于分位數(shù)回歸方法的適用性。

表1 描述性統(tǒng)計

五、數(shù)字普惠金融指數(shù)及其一級分指數(shù)發(fā)展演變的分布動態(tài)

由于核密度估計方法能有效分析全國城市數(shù)字普惠金融指數(shù)及其一級分指數(shù)的分布位置、形態(tài)和延展性等三方面的特征,因此本文采用該方法來探究城市數(shù)字普惠金融指數(shù)及其一級分指數(shù)絕對差異的時變趨勢,并繪制了相應(yīng)的核密度估計圖,如圖1所示。

(一)數(shù)字普惠金融指數(shù)層面分析

圖1首先展示了2012—2019年城市數(shù)字普惠金融發(fā)展的動態(tài)演進(jìn)趨勢。由圖1可知,數(shù)字普惠金融指數(shù)的核密度分布曲線隨時間變化逐步向右移動,但移動速度逐漸放緩,其高度表現(xiàn)出先下降后上升再逐步下降的變化趨勢;曲線寬度經(jīng)歷了逐漸擴大的演變進(jìn)程;曲線兩側(cè)的拖尾現(xiàn)象在后期也有所增強。這一系列動態(tài)演進(jìn)特征表明城市間數(shù)字普惠金融發(fā)展水平有明顯的差異性,但城市數(shù)字普惠金融發(fā)展水平整體趨于上升。此外,由曲線“右移減緩”“寬度擴大”等特征可知,后期數(shù)字普惠金融發(fā)展遲緩,城市間的絕對差異有略微的增加。造成這種情況的原因可能是,初期數(shù)字普惠金融憑借大數(shù)據(jù)、云計算等新興技術(shù),將金融服務(wù)以更快的速度、更低的門檻拓展至城市間的各個區(qū)域,使得城市數(shù)字普惠金融快速發(fā)展。但隨著時間的推移,客戶市場逐漸飽和、數(shù)字金融深化程度有所不足,以及全國各區(qū)域間的資源傾斜問題加重,使得城市數(shù)字普惠金融后期發(fā)展減緩、絕對差異有所增加。

圖1 全國城市整體數(shù)字普惠金融指數(shù)及其一級分指數(shù)發(fā)展水平的分布動態(tài)

(二)數(shù)字普惠金融一級分指數(shù)層面分析

圖1也給出了城市數(shù)字普惠金融三個一級分指數(shù)的核密度估計。

首先,從分布位置來看,2012—2017年數(shù)字普惠金融三個一級分指數(shù)分布曲線和變化區(qū)間右移趨勢均是非常明顯的。然而在2017年后雖然數(shù)字金融覆蓋廣度指數(shù)曲線仍有明顯的右移趨勢,但是數(shù)字金融使用深度指數(shù)曲線開始停滯不前,普惠金融數(shù)字化程度指數(shù)曲線到2018年也開始處于停滯狀態(tài),甚至部分城市的數(shù)字金融使用深度和數(shù)字化程度發(fā)展水平有一定的下降。這說明數(shù)字金融覆蓋廣度發(fā)展仍有上升空間,而使用深度和數(shù)字化程度發(fā)展則出現(xiàn)了一定的瓶頸。所以在維持使用深度和數(shù)字化程度的同時,提升覆蓋廣度是目前發(fā)展城市數(shù)字金融的重要渠道。

其次,從分布形態(tài)來看,數(shù)字普惠金融三個一級分指數(shù)的分布曲線主峰高度均表現(xiàn)為先上升后下降,主峰寬度均經(jīng)歷了先減小后增大的變化過程。其中數(shù)字金融使用深度和普惠金融數(shù)字化程度指數(shù)的核密度分布曲線的高度和寬度在2016年和2017年才開始出現(xiàn)消極變化,而數(shù)字金融覆蓋廣度指數(shù)分布曲線的高度和寬度在2014年后就開始有微弱的消極變化。這意味著城市數(shù)字金融覆蓋廣度、使用深度和數(shù)字化程度發(fā)展的絕對差異在減小后存在擴大的趨勢,但使用深度和數(shù)字化程度的變化趨勢相較于覆蓋廣度更為顯著。

最后,從分布延展性來看,三個一級分指數(shù)均存在拖尾現(xiàn)象,且左拖尾和右拖尾并存,其中使用深度和數(shù)字化程度的拖尾現(xiàn)象更為明顯。隨著時間的推移,三個一級分指數(shù)的分布延展范圍開始縮小,僅覆蓋廣度還存在微弱的左拖尾現(xiàn)象,而數(shù)字化程度仍然表現(xiàn)出顯著的右拖尾現(xiàn)象,甚至出現(xiàn)了比前期更為嚴(yán)重的右拖尾特征。這意味著各城市數(shù)字普惠金融三個子維度的發(fā)展水平都在向平均水平靠攏,尤其是使用深度和數(shù)字化程度較低的城市數(shù)量在顯著減少,呈現(xiàn)出一種向穩(wěn)態(tài)發(fā)展的態(tài)勢,但是發(fā)展水平較高城市的普惠金融數(shù)字化程度仍要遠(yuǎn)遠(yuǎn)高于平均水平。

綜合來看,全國城市整體數(shù)字普惠金融指數(shù)及其一級分指數(shù)均表現(xiàn)出逐步提升的趨同特征,但仍然存在一定的波折起伏現(xiàn)象,尤其是使用深度和數(shù)字化程度發(fā)展后期幾乎處于停滯狀態(tài),這表明城市數(shù)字普惠金融的發(fā)展仍須進(jìn)一步深化。

六、數(shù)字普惠金融指數(shù)及其一級分指數(shù)的收斂性分析

為進(jìn)一步解釋數(shù)字普惠金融指數(shù)及其一級分指數(shù)的收斂特征,本文構(gòu)建了一種新型的q-σ收斂模型和引進(jìn)了一個具有因子結(jié)構(gòu)的面板時變分位數(shù)回歸模型。這兩種方法在傳統(tǒng)的收斂概念中融入分位數(shù)思想,可以對數(shù)字普惠金融及其子維度在不同分位水平處的發(fā)展動態(tài)進(jìn)行實證檢驗。

(一)動態(tài)q-σ收斂檢驗與結(jié)果分析

表2～5分別給出了2012—2019年不同分位水平下城市數(shù)字普惠金融指數(shù)及其三個一級分指數(shù)的逐年q-σ收斂系數(shù)。從表中可以發(fā)現(xiàn),在不同分位水平下城市數(shù)字普惠金融指數(shù)及其一級分指數(shù)的q-σ收斂系數(shù)隨著時間的變化呈現(xiàn)出顯著的下降趨勢,說明城市數(shù)字普惠金融指數(shù)及其一級分指數(shù)具有明顯的動態(tài)q-σ收斂趨勢,這個結(jié)果在一定程度上與郭峰等得到的σ收斂相一致[25]。具體來看,數(shù)字普惠金融指數(shù)和數(shù)字金融使用深度指數(shù)的q-σ收斂系數(shù)在不同分位水平下都是從2012年下降到2017年,但在2018年開始略有反彈。而數(shù)字金融覆蓋廣度指數(shù)的q-σ收斂系數(shù)在不同分位水平下都是從2012年下降到2019年,每一年都有顯著收斂趨勢。相比之下,普惠金融數(shù)字化程度指數(shù)在各個分位的q-σ收斂情況要復(fù)雜一些,呈現(xiàn)出較高的波動性,但是總體上還是表現(xiàn)出一定的動態(tài)q-σ收斂特征。

表2 數(shù)字普惠金融指數(shù)動態(tài)q-σ收斂結(jié)果

此外,城市數(shù)字普惠金融指數(shù)及其三個一級分指數(shù)的q-σ收斂系數(shù)在同一年份中從0.05到0.95分位水平上總體呈現(xiàn)出一種U型的曲線模式。換言之,數(shù)字普惠金融指數(shù)及其一級分指數(shù)的q-σ收斂系數(shù)從同一時期上看在中分位處較小,而在低分位和高分位處較大。這表明數(shù)字普惠金融指數(shù)及其一級分指數(shù)在中分位處的動態(tài)q-σ收斂要強于低分位和高分位處。需要說明的是,郭峰等的研究僅得到了樣本期內(nèi)普惠金融發(fā)展的平均σ收斂,然而本文從橫向維度進(jìn)一步證實了城市數(shù)字普惠金融發(fā)展在不同分位下存在σ收斂并發(fā)現(xiàn)這種收斂趨勢呈現(xiàn)出非線性的U型形狀[25]。

表3 數(shù)字金融覆蓋廣度指數(shù)動態(tài)q-σ收斂結(jié)果

表5 普惠金融數(shù)字化程度指數(shù)動態(tài)q-σ收斂結(jié)果

(二)動態(tài)絕對q-β收斂檢驗與結(jié)果分析

本文應(yīng)用一種新的具有因子結(jié)構(gòu)的面板時變分位數(shù)回歸模型對城市數(shù)字普惠金融指數(shù)及其一級分指數(shù)的動態(tài)絕對q-β收斂特征進(jìn)行實證分析。相比于傳統(tǒng)的面板分位數(shù)回歸模型,該模型能更詳細(xì)地描述不同分位水平下數(shù)字普惠金融發(fā)展的動態(tài)收斂性。表6給出了不同分位水平下2012—2019年數(shù)字普惠金融指數(shù)動態(tài)絕對q-β收斂的估計結(jié)果。由表可知,在0.05分位到0.75分位水平下,數(shù)字普惠金融指數(shù)的滯后系數(shù)從2012—2017年在1%水平下均顯著為負(fù),說明該指數(shù)在0.05分位到0.75分位水平下的增加值在逐漸減少。這一結(jié)果意味著這段時期內(nèi)的城市數(shù)字普惠金融發(fā)展在這些分位水平下呈現(xiàn)出顯著的動態(tài)絕對q-β收斂特征。而在2018—2019年期間,0.05分位到0.75分位水平下的絕對q-β收斂系數(shù)為正,但估計系數(shù)相對較小,說明這段時期內(nèi)這些分位水平的城市數(shù)字普惠金融指數(shù)僅呈現(xiàn)出微弱的發(fā)散趨勢,故從整體來看0.05分位到0.75分位水平的數(shù)字普惠金融指數(shù)在2012—2019年中表現(xiàn)出趨同之勢。在0.9分位水平下,數(shù)字普惠金融指數(shù)的滯后系數(shù)從2012—2018年在1%水平下均顯著為負(fù),而在2019年雖不顯著,但是系數(shù)為負(fù)值;在0.95分位水平下,數(shù)字普惠金融指數(shù)滯后系數(shù)的估計與0.9分位水平處的相似,雖然在2018年處顯著為正,但系數(shù)相對較小。這說明樣本期內(nèi)城市數(shù)字普惠金融指數(shù)在不同分位水平下均呈現(xiàn)出一種顯著的動態(tài)絕對q-β收斂趨勢。事實上,梁榜和張建華從樣本期平均層面上得出了數(shù)字普惠金融發(fā)展是絕對β收斂的結(jié)論,然而本文詳細(xì)地給出了該指數(shù)在各時期的絕對q-β收斂系數(shù),更全面地展現(xiàn)出整個時期內(nèi)城市數(shù)字普惠金融的動態(tài)絕對q-β收斂趨勢[13]。從表6中還可以看出,隨著分位數(shù)的增加,數(shù)字普惠金融指數(shù)滯后系數(shù)的負(fù)效應(yīng)逐漸增強,這意味著城市數(shù)字普惠金融發(fā)展水平高的地區(qū)動態(tài)絕對q-β收斂狀態(tài)更強。這一橫向維度的比較充分說明了數(shù)字普惠金融發(fā)展收斂的分布異質(zhì)性,其與梁榜和張建華得到的不同區(qū)域存在收斂的結(jié)論一致[13]。但是,本文的結(jié)果在一定程度上不同于他們得出的數(shù)字普惠金融發(fā)展水平低的區(qū)域有更快的絕對β收斂速度。一個可能的解釋為他們只從區(qū)域?qū)用嫔峡紤]了數(shù)字普惠金融發(fā)展的靜態(tài)收斂和平均收斂,但本文更為細(xì)致地研究了不同分布水平下數(shù)字普惠金融發(fā)展的動態(tài)收斂,且樣本選取時間更長。

表6 數(shù)字普惠金融指數(shù)動態(tài)絕對q-β收斂估計結(jié)果

表7給出了不同分位水平下2012—2019年數(shù)字金融覆蓋廣度指數(shù)動態(tài)絕對q-β收斂的估計結(jié)果。由表7可知,在0.05分位水平下,數(shù)字金融覆蓋廣度指數(shù)的滯后系數(shù)只有在2016年和2019年顯著為正,且系數(shù)相對較小,其余年份都在1%水平下顯著為負(fù);在0.10分位水平下,覆蓋廣度指數(shù)的滯后系數(shù)從2012—2018年均在1%水平下顯著為負(fù),僅在2019年為正,且不顯著。所以在樣本期內(nèi)數(shù)字金融覆蓋廣度指數(shù)在這些低分位水平處展示出明顯的動態(tài)絕對q-β收斂,而在0.25分位到0.95分位水平下,數(shù)字金融覆蓋廣度指數(shù)的滯后系數(shù)在樣本期內(nèi)均為負(fù),且僅在0.25分位的2019年處不顯著,其余結(jié)果都在1%水平下顯著。這說明在0.25分位到0.95分位水平下,數(shù)字金融覆蓋廣度指數(shù)呈現(xiàn)出顯著的動態(tài)絕對q-β收斂。此外從表7中還可以看出,隨著分位數(shù)的增加,數(shù)字金融覆蓋廣度指數(shù)的收斂效應(yīng)逐漸增強,這與表6的結(jié)果相似。

表7 數(shù)字金融覆蓋廣度指數(shù)動態(tài)絕對q-β收斂估計結(jié)果

表8報告了不同分位水平下2012—2019年數(shù)字金融使用深度指數(shù)動態(tài)絕對q-β收斂的估計結(jié)果。由表8可知,在0.05分位水平下,數(shù)字金融使用深度指數(shù)僅在2013年以及2015—2017年時表現(xiàn)出絕對q-β收斂。在0.10分位水平下,使用深度指數(shù)在2013—2017年呈現(xiàn)出顯著的絕對q-β收斂。在0.25分位和0.50分位下,使用深度指數(shù)在2012—2017年呈現(xiàn)出絕對q-β收斂的趨勢。而在0.75分位和0.90分位水平下,使用深度指數(shù)的滯后系數(shù)從2012—2016年均在1%水平上顯著為負(fù),表現(xiàn)出絕對q-β收斂特征。在0.95分位下,使用深度指數(shù)在2012—2014年、2016年及2019年呈現(xiàn)出顯著的絕對q-β收斂。此外,除了在極低分位水平以外,其它分位水平處表現(xiàn)為正的使用深度指數(shù)的滯后系數(shù)估計大多都較小或者不顯著。故城市數(shù)字金融使用深度指數(shù)在各個分位水平下仍表現(xiàn)出一定的收斂趨勢,且高分位處的收斂效應(yīng)要更強。

表8 數(shù)字金融使用深度指數(shù)動態(tài)絕對q-β收斂估計結(jié)果

表9給出了不同分位水平下2012—2019年普惠金融數(shù)字化程度指數(shù)動態(tài)絕對q-β收斂的估計結(jié)果。由表9可知,除了在0.25分位、0.50分位和0.75分位下2015年處的普惠金融數(shù)字化程度指數(shù)的滯后系數(shù)表現(xiàn)為正之外,其余系數(shù)均為負(fù),且僅有個別結(jié)果出現(xiàn)不顯著。這說明城市普惠金融數(shù)字化程度指數(shù)在不同分位水平處的樣本期內(nèi)總體上呈現(xiàn)出顯著的動態(tài)絕對q-β收斂。此外,數(shù)字化程度指數(shù)的滯后系數(shù)在各個分位水平下都較小,故在不同分位水平下城市普惠金融數(shù)字化程度指數(shù)的動態(tài)絕對q-β收斂效果都較強,這與其它幾個指數(shù)報告的結(jié)果不同。

表9 普惠金融數(shù)字化程度指數(shù)動態(tài)絕對q-β收斂估計結(jié)果

以上結(jié)果表明,城市數(shù)字普惠金融指數(shù)及其一級分指數(shù)在不同分位下均表現(xiàn)出顯著的動態(tài)絕對q-β收斂趨勢,但是在其不同分位下具有一定的差異。其中數(shù)字普惠金融指數(shù)、數(shù)字金融覆蓋廣度指數(shù)和數(shù)字金融使用深度指數(shù)在高分位處的動態(tài)絕對q-β收斂趨勢要強于低分位處。此外,就收斂速度而言,各指數(shù)也呈現(xiàn)出明顯的差異。由于普惠金融數(shù)字化程度指數(shù)的滯后系數(shù)從整體來看要遠(yuǎn)小于其他幾個指數(shù)的滯后值,因此普惠金融數(shù)字化程度的收斂速度要高于其他幾個指數(shù)。而造成這一結(jié)果的原因可能是,當(dāng)前城市間的普惠金融數(shù)字化程度差距較大,部分落后地區(qū)在此方面還有較多的提升空間,致使其有更高的收斂速度。

值得關(guān)注的是,在實際生活中不同地區(qū)的社會經(jīng)濟特征會存在較大的差異,然而這些外部因素的異質(zhì)性可能會影響處于不同分位地區(qū)數(shù)字普惠金融的收斂性。因此需要在以上研究的基礎(chǔ)上控制相應(yīng)的社會經(jīng)濟因素,對城市數(shù)字普惠金融做進(jìn)一步的動態(tài)條件q-β收斂檢驗。

(三)動態(tài)條件q-β收斂檢驗與結(jié)果分析

本文采用具有因子結(jié)構(gòu)的面板時變分位數(shù)回歸模型對城市數(shù)字普惠金融指數(shù)及其一級分指數(shù)進(jìn)行動態(tài)條件q-β收斂檢驗(1)限于篇幅,本文未列出控制變量的結(jié)果,如有需要,可向作者索取。。表10給出了不同分位水平下2012—2019年數(shù)字普惠金融指數(shù)動態(tài)條件q-β收斂的估計結(jié)果。由表10可知,除了在0.05分位、0.25分位、0.75分位和0.9分位下2018年處的數(shù)字普惠金融指數(shù)的滯后系數(shù)表現(xiàn)為正之外,其余系數(shù)均為負(fù),且僅有個別情況不顯著。說明在控制了相關(guān)的社會特征因素后,數(shù)字普惠金融指數(shù)隨著時間的推移,其增加值在逐漸減小,即在2012—2019年期間城市數(shù)字普惠金融發(fā)展均呈現(xiàn)出顯著的動態(tài)條件q-β收斂趨勢。相對于焦云霞的全樣本時期平均條件β收斂,本文揭示了城市數(shù)字普惠金融發(fā)展不同時期的條件q-β收斂特征[14]。此外,從橫向數(shù)值比較來看,高分位水平處數(shù)字普惠金融指數(shù)的滯后系數(shù)大多要比低分位水平處的小。這說明高分位處的動態(tài)條件q-β收斂效應(yīng)要強于低分位處,數(shù)字普惠金融發(fā)展水平高的地區(qū)動態(tài)條件q-β收斂效果更顯著。

表10 數(shù)字普惠金融指數(shù)動態(tài)條件q-β收斂估計結(jié)果

表11給出了不同分位水平下2012—2019年數(shù)字金融覆蓋廣度指數(shù)動態(tài)條件q-β收斂的估計結(jié)果。由表11可知,覆蓋廣度指數(shù)的滯后系數(shù)除了在0.05分位水平下2019年的結(jié)果為正,其余年份結(jié)果均為負(fù),且僅在個別情況下不顯著。這說明在2012—2019年期間不同分位水平下的城市數(shù)字金融覆蓋廣度指數(shù)均具有顯著的動態(tài)條件q-β收斂趨勢。此外,隨著分位數(shù)的增加,數(shù)字金融覆蓋廣度指數(shù)滯后系數(shù)的負(fù)效應(yīng)逐漸增強,這與數(shù)字普惠金融指數(shù)的動態(tài)條件q-β收斂估計結(jié)果相同。

表11 數(shù)字金融覆蓋廣度指數(shù)動態(tài)條件q-β收斂估計結(jié)果

表12報告了不同分位水平下2012—2019年數(shù)字金融使用深度指數(shù)動態(tài)條件q-β收斂的估計結(jié)果。由表12可知,該結(jié)果與數(shù)字金融使用深度指數(shù)動態(tài)絕對q-β收斂的估計結(jié)果相近,僅在個別年份中使用深度指數(shù)的滯后系數(shù)的正負(fù)性和顯著性發(fā)生了改變。在觀測的每個分位水平下,使用深度指數(shù)在絕大多數(shù)年份上的滯后系數(shù)仍顯著為負(fù),且總體上高分位處的系數(shù)要明顯小于低分位處的系數(shù)。這說明在不同分位水平下,2012—2019年的城市數(shù)字金融使用深度指數(shù)存在顯著的動態(tài)條件q-β收斂效應(yīng),并且高分位處的收斂趨勢要強于低分位處。

表12 數(shù)字金融使用深度指數(shù)動態(tài)條件q-β收斂估計結(jié)果

表13給出了不同分位水平下2012—2019年普惠金融數(shù)字化程度指數(shù)動態(tài)條件q-β收斂的估計結(jié)果。由表13可知,在每個分位水平的樣本觀測期內(nèi),普惠金融數(shù)字化程度指數(shù)的滯后系數(shù)均為負(fù),且僅個別結(jié)果表現(xiàn)不顯著。這表明城市普惠金融數(shù)字化程度指數(shù)在不同分位水平下均呈現(xiàn)出顯著的動態(tài)條件q-β收斂。此外,與普惠金融數(shù)字化程度指數(shù)動態(tài)絕對q-β收斂的估計結(jié)果相似,不同分位下的動態(tài)條件q-β收斂效應(yīng)都較強,沒有顯著的差異性。

表13 普惠金融數(shù)字化程度指數(shù)動態(tài)條件q-β收斂估計結(jié)果

總的來說,在控制了經(jīng)濟發(fā)展水平、人口規(guī)模、科技水平、產(chǎn)業(yè)結(jié)構(gòu)、傳統(tǒng)金融發(fā)展水平以及政府干預(yù)程度等社會經(jīng)濟特征變量之后,城市數(shù)字普惠金融指數(shù)及其一級分指數(shù)在不同分位下仍表現(xiàn)出顯著的動態(tài)條件q-β收斂,且其收斂系數(shù)相對于動態(tài)絕對q-β收斂要小,有更強的動態(tài)收斂趨勢。這說明社會經(jīng)濟因素可能會在一定程度上影響到數(shù)字普惠金融及其子維度發(fā)展的收斂速度,但數(shù)字普惠金融的收斂性質(zhì)并不會受到相關(guān)社會經(jīng)濟因素的根本影響[15]。此外,不同分位地區(qū)數(shù)字普惠金融發(fā)展的收斂效果差異仍然存在,造成這種結(jié)果的主要原因是不同地區(qū)城市數(shù)字普惠金融發(fā)展的收斂趨勢受到相關(guān)社會經(jīng)濟因素的影響也存在差異。數(shù)字普惠金融的上述收斂結(jié)果具有一定的現(xiàn)實意義,說明了數(shù)字普惠金融的發(fā)展對于緩解中國現(xiàn)階段發(fā)展不平衡和不充分的矛盾可能會發(fā)揮非常重要的作用[25]。

七、穩(wěn)健性檢驗

為了確保本文研究結(jié)果的準(zhǔn)確性,采用LLC和IPS面板單位根檢驗作為穩(wěn)健性方法來進(jìn)一步分析數(shù)字普惠金融指數(shù)及其一級分指數(shù)的收斂性。若變量序列沒有通過LLC檢驗和IPS檢驗,則說明它們存在單位根,也就意味著數(shù)字普惠金融發(fā)展整體上是發(fā)散的;如果變量序列中不存在單位根,那就表示數(shù)字普惠金融發(fā)展是收斂的。

表14給出了數(shù)字普惠金融指數(shù)及其一級分指數(shù)的LLC和IPS面板單位根檢驗結(jié)果。從表14中可以看出各變量序列均在1%水平下顯著拒絕存在單位根的原假設(shè),這說明各變量序列都是平穩(wěn)的。換言之,數(shù)字普惠金融指數(shù)及其一級分指數(shù)在2012—2019年間整體上是收斂的,這與q-σ收斂模型和具有因子結(jié)構(gòu)的面板時變分位數(shù)回歸模型的估計結(jié)果一致,說明本文的研究結(jié)果是穩(wěn)健的。

表14 面板單位根收斂性分析結(jié)果

八、結(jié)論及政策建議

數(shù)字普惠金融發(fā)展的收斂性分析是當(dāng)前數(shù)字金融高速發(fā)展背景下如何實現(xiàn)區(qū)域協(xié)同發(fā)展和構(gòu)建新發(fā)展格局需要考慮的重要課題。以下四個事實督促著本文探究這個主題。第一,近年來,新興的數(shù)字金融已深刻地烙印在傳統(tǒng)金融行業(yè)沿革中,2020年“數(shù)字經(jīng)濟發(fā)展八大舉措”的提出重新引發(fā)了學(xué)者們關(guān)于數(shù)字普惠金融發(fā)展收斂趨勢的辯論。第二,現(xiàn)有文獻(xiàn)選取指標(biāo)的不同導(dǎo)致了所得結(jié)果的差異性,且相關(guān)的研究方法也比較陳舊和單一。第三,數(shù)字普惠金融這種新業(yè)態(tài)對中國區(qū)域協(xié)同發(fā)展產(chǎn)生了重大影響,因此得到一個真實準(zhǔn)確的收斂結(jié)論可以為中國現(xiàn)階段數(shù)字普惠金融是否存在不平衡不充分發(fā)展貢獻(xiàn)經(jīng)驗證據(jù)。第四,在當(dāng)前中國數(shù)字化建設(shè)的關(guān)鍵時期,金融如何有效服務(wù)實體經(jīng)濟,賦能經(jīng)濟高質(zhì)量發(fā)展,需要數(shù)字金融收斂的研究來為其提供政策依據(jù)。為此,本文基于北京大學(xué)數(shù)字金融研究中心提供的2011—2019年數(shù)字普惠金融指數(shù)地級市層面數(shù)據(jù),采用核密度估計、q-σ收斂模型和一種新的具有因子結(jié)構(gòu)的面板時變分位數(shù)回歸模型分別對中國城市數(shù)字普惠金融發(fā)展指數(shù)及其一級分指數(shù)的分布動態(tài)和收斂特征進(jìn)行實證檢驗,得到的研究結(jié)論如下:

第一,全國城市整體數(shù)字普惠金融指數(shù)及其一級分指數(shù)在樣本期內(nèi)均表現(xiàn)出逐步增加的趨同特征,但仍然存在一定程度的波折起伏現(xiàn)象,尤其是使用深度和數(shù)字化程度指數(shù)發(fā)展后期幾乎處于停滯狀態(tài)。此外,各地級市數(shù)字普惠金融指數(shù)及其一級分指數(shù)的絕對差異在減小后存在微弱擴大的現(xiàn)象。第二,城市數(shù)字普惠金融指數(shù)及其一級分指數(shù)的q-σ收斂系數(shù)在不同分位下均具有隨時間逐漸下降的趨勢,表明城市數(shù)字普惠金融及其子維度的發(fā)展在不同分位下呈現(xiàn)出典型的動態(tài)q-σ收斂。并且,城市數(shù)字普惠金融指數(shù)及其一級分指數(shù)的q-σ收斂系數(shù)在同一年份中從0.05到0.95分位水平均呈現(xiàn)出一種U型曲線模式,表明在中分位處的動態(tài)q-σ收斂趨勢要明顯強于低分位和高分位處。第三,城市數(shù)字普惠金融及其子維度的發(fā)展均表現(xiàn)出顯著的動態(tài)絕對q-β收斂趨勢;在引入經(jīng)濟發(fā)展水平、傳統(tǒng)金融發(fā)展水平和政府干預(yù)程度等社會經(jīng)濟因素后則表現(xiàn)出顯著的動態(tài)條件q-β收斂特征,且相比于動態(tài)絕對q-β收斂有更強的收斂趨勢。第四,城市數(shù)字普惠金融及其子維度發(fā)展的動態(tài)絕對q-β收斂和動態(tài)條件q-β收斂趨勢在不同分位下具有一定的差異性,其中數(shù)字普惠金融指數(shù)、數(shù)字金融覆蓋廣度指數(shù)和數(shù)字金融使用深度指數(shù)在高分位處的動態(tài)絕對q-β收斂和動態(tài)條件q-β收斂特征要明顯強于低分位處,而普惠金融數(shù)字化程度指數(shù)在各個分位水平下均表現(xiàn)出較強的動態(tài)q-β收斂趨勢。第五,穩(wěn)健性檢驗的結(jié)果也表明了在樣本期內(nèi)數(shù)字普惠金融指數(shù)及其一級分指數(shù)均表現(xiàn)出顯著的收斂趨勢。

根據(jù)以上結(jié)論,本文提出了以下政策建議:首先,考慮到城市數(shù)字金融使用深度和數(shù)字化程度達(dá)到一定高度后處于停滯狀態(tài),而覆蓋廣度指數(shù)一直處于上升趨勢,覆蓋廣度將成為城市數(shù)字普惠金融發(fā)展的主要驅(qū)動力,因此要應(yīng)用數(shù)字金融于實踐之中,提高落后地區(qū)數(shù)字金融服務(wù)的覆蓋面,推動數(shù)字金融的深入和區(qū)域數(shù)字化發(fā)展。其次,考慮到在條件q-β收斂下城市數(shù)字普惠金融及其子維度的發(fā)展會有更快的收斂速度,因此,各地政府應(yīng)結(jié)合地方社會經(jīng)濟特征出臺相應(yīng)的政策措施,因地制宜,加速城市數(shù)字普惠金融的區(qū)域協(xié)同發(fā)展,打通普惠金融服務(wù)的“最后一公里”,實現(xiàn)普惠金融的應(yīng)有之義。最后,考慮到城市數(shù)字普惠金融發(fā)展在不同分位下收斂性的差異,政府在制定相關(guān)政策時要合理分配金融資源,加強發(fā)達(dá)地區(qū)對落后地區(qū)的輻射作用,緩解中國現(xiàn)階段數(shù)字普惠金融發(fā)展不平衡不充分的矛盾,進(jìn)而實現(xiàn)最優(yōu)的社會數(shù)字化效果。