中國金融科技發展的動態演進、區域差異與收斂性研究

王榮 葉莉 房穎

［摘?要］?基于金融科技內涵，借助文本挖掘構建中國省際金融科技指標體系，通過全局主成分分析對金融科技指數進行測度，并利用Kernel密度估計、Theil指數及分解、變異系數與空間收斂模型刻畫金融科技發展的動態演進、區域差異與時空收斂性特征。結果表明：中國金融科技發展可分為2011—2015年與2016—2020年兩個階段，呈現穩步增長態勢，絕對差異逐步擴大，存在輕微的極化現象；各地區金融科技發展存在較大的區域差異，且差異不斷擴大，區域內差異是造成金融科技發展總體差異的主要來源，貢獻率呈上升態勢，區域內差異呈現東、西、中部遞減趨勢；全國以及東、中、西部區域層面金融科技發展水平與其均值的差距均未呈現下降趨勢，但考慮空間效應后發現，金融科技落后地區對先進地區存在一定的“追趕效應”，人力資本水平、經濟發展水平以及金融發展水平是助力金融科技協調發展的重要因素。此外，金融科技發展具有顯著的空間集聚效應，呈現出“高-高”集聚與“低-低”集聚的分布特征。

［關鍵詞］金融科技；全局主成分分析；Kernel密度估計；Theil指數；收斂性

［中圖分類號］??F832.1［文獻標識碼］??A［文章編號］?1673-0461（2023）04-0083-14

一、引言

伴隨著IT技術的進步，“金融科技（Fintech）”應運而生。世界經濟論壇評價金融科技為“顛覆性的”“革命性的”的數字武器，能夠模糊金融機構邊界，破除金融機構壁壘。近年來，在云計算、區塊鏈、大數據與人工智能等數字技術驅動下，金融科技迎來了爆發式增長。2022年1月，央行印發《金融科技（Fintech）發展規劃（2022—2025年）》，進一步指出了數據要素在增強金融服務質量與效率中的重要地位，并強調了深化數字技術在金融領域應用的重要性?！吨泄仓醒腙P于制定國民經濟和社會發展第十四個五年規劃和2035年遠景目標的建議》中也指出，要“構建金融有效支持實體經濟的體制機制，提升金融科技水平”。金融科技本質上屬于技術驅動的金融創新，通過創造新的商業模式、技術應用、業務流程或服務產品等，促進新興數字技術與金融業不斷融合，提升金融體系對實體經濟的服務質效。隨著人工智能、大數據與區塊鏈等數字技術的不斷進步，其與金融領域的融合程度也不斷加深，金融科技應用場景不斷豐富，數據要素的引入不僅提升了金融業服務效率，也為實體企業的創新發展提供了契機［1］。數字經濟背景下，準確把握各地區的金融科技發展水平與相關特征對系統性規劃金融科技發展布局至關重要。因此，本文主要對以下問題進行探究：如何準確測度我國金融科技發展水平？各地區金融科技發展水平的動態演進特征如何？各地區金融科技發展是否均衡，是否存在顯著差異，差異來源如何？各地區金融科技發展空間分布特征如何，是否具有收斂態勢？前述問題的解答，不僅有助于全面掌握我國金融科技發展格局，推動我國各地區金融科技協同發展，更有助于為金融科技經濟后果的分析提供實證依據。

二、文獻綜述

“金融科技”一詞是由對英文“Fintech”的翻譯而得。Fintech是“Financial?technology”的縮寫，通常被視為金融服務與信息技術的結合［2］。金融科技的研究最早可追溯至20世紀90年代，花旗集團董事長（JOHN?REED）在“Financial?Services?Technology?Consortium”項目中首次關注了科技在銀行業發展中的作用［3］。此后，隨著相關數字技術的興起以及金融業態的不斷發展，“Fintech”一詞于2011年被正式提出并賦予新內涵，成為學界與業界關注的焦點。相應地，Fintech對應的中文名詞“金融科技”也受到我國學術界與實務界的重點關注?，F有關于金融科技的相關研究主要集中在三個方面。

一是金融科技內涵的界定。學者們基于不同的視角給出了不同的結論，可主要歸納為以下三個方面。其一，側重于對技術的強調，認為金融科技的本質是技術創新。CHEN等（2019）研究提出金融科技可以代指一切能夠助力金融服務的技術［4］。MA和LIU（2017）提出金融科技是一系列能夠廣泛影響金融交易和金融服務的技術［5］。其二，側重于對金融的強調，認為金融科技是科技企業或者傳統金融機構利用數字技術提供的金融服務。THAKOR（2020）認為金融科技的主要目標是利用技術改善金融服務［6］。朱太輝（2018）提出從狹義角度看金融科技指科技企業利用自身的技術優勢提供的金融服務［7］。其三，側重于“金融+技術”的融合，認為金融科技的本質是技術驅動的金融創新。在此類觀點中，金融科技普遍被認為是一種技術驅動的金融創新，能夠推動新的金融商業模式、業務流程和創新產品的發展。金融穩定理事會（FSB）提出“金融科技是指由技術驅動的金融創新，它能夠創造新的業務模式、應用、流程或產品，從而對金融市場、金融機構或提供金融服務的方式造成實質性影響”。皮天雷等（2018）認為金融科技是一種以新興技術為后端支撐的金融創新，革新了傳統金融的業務模式［8］。近年來，金融與技術相融合的觀點愈發得到學者們的肯定［3，9］。

二是金融科技經濟后果的研究。金融科技的發展不僅賦能了傳統金融業的發展，提升了傳統銀行業金融服務效率，也為經濟增長、產業結構升級以及實體企業技術創新等提供了驅動力［10-13］。謝治春等（2018）指出金融科技發展能夠有效賦能傳統金融業數字化轉型［14］。NARAYAN（2019）研究了1998—2018年金融科技在推動印度尼西亞經濟增長中的作用，發現金融科技發展與印尼的經濟增長呈正相關［15］。李春濤等（2020）利用新三板上市公司數據驗證了金融科技對企業技術創新產出的影響效應與機制［16］。金融科技經濟后果的研究進一步證明了金融科技發展的重要性。

三是金融科技測度的相關研究。金融科技作為一個新興產業，仍未有統一的測度方式。梳理現有金融科技相關研究，其指標的測算主要有兩種方式。一種是選用相關機構公布的金融科技測度指數［9］。在學術研究中，學者們采用北京大學數字金融研究中心構建的“中國數字普惠金融指數”作為金融科技指數的代理指標，該指數基于螞蟻金服的底層交易數據，刻畫了數字普惠金融的發展水平［17］。另一種是借鑒沈悅和郭品（2015）提出的互聯網金融指數的測度方法，基于金融科技相關關鍵詞詞頻或互聯網搜索數據構建金融科技指數［18］。李春濤等（2020）直接采用“關鍵詞+地區”的檢索方式，選取檢索的新聞數量作為金融科技指數代理變量［16］。盛天翔和范從來（2020）選取專門針對小微企業信貸業務的關鍵詞，通過熵值法從小微企業信貸的角度構建了金融科技指數［19］。LEE等（2021）通過構建金融科技指標體系，并利用傳統主成分分析構建了金融科技指數，進一步分析了其對銀行效率的影響［20］。

綜上，國內外學者對金融科技發展的研究如火如荼，為金融科技的量化研究提供一定支撐，但仍存在有待完善的空間。首先，從金融科技指數測度層面來看，現有研究多依據自身的研究需求構建特定的金融科技指數，仍未形成一致的測度標準，且存在一定的局限性。一方面，特定機構編制的數字普惠金融指數是基于特定的企業微觀交易數據編制，主要表征數字普惠金融發展現狀，更多地強調了金融科技的普惠屬性，難以全面刻畫金融科技發展的趨勢。另一方面，相較于直接采用數字普惠金融指數，基于金融科技關鍵詞詞庫的指標合成法能夠更好地反映金融科技整體發展水平，但對于金融科技相關關鍵詞的選取，現有研究仍較多地依賴于互聯網金融關鍵詞詞庫，對金融科技關鍵詞詞庫的更新力度較弱，數字經濟時代，金融科技的含義與特點在不斷演化，準確、全面的選取能夠表征我國金融科技發展的關鍵詞是測度金融科技發展水平的基礎。同時，在指數合成中，現有研究多采用熵值法、層次分析法以及傳統主成分分析，在指標的一致性與無偏性層面仍有待完善。其中，熵值法忽視了各指標間的相關性［21］，層次分析法依賴于主觀權重賦值，結果具有一定的非一致性與有偏性［21-22］。相較于熵值法與層次分析法，主成分分析法能夠依據數據特征進行客觀權重賦值，不僅能夠避免指標權重賦值的主觀性，也能夠避免指標間高相關性的影響。然而傳統的主成分分析法局限于對截面數據的降維分析忽視了時間的動態演進特征，而現實中數據多是不斷積累變化的。其次，從金融科技發展特征剖析層面來看，現有研究多集中在對金融科技影響后果的分析，對金融科技自身發展特征的研究仍相對缺乏，尤其缺乏對金融科技發展區域差異及其差異來源的剖析以及對金融科技發展空間斂散性特征的刻畫。

基于此，本文以2011—2020年我國各省份為研究樣本，通過文本挖掘法完善金融科技關鍵詞詞庫，并利用兩步全局主成分分析在獲得金融科技各維度指數基礎上合成金融科技總指數。此外，利用Kernel密度估計、Theil指數及分解剖析金融科技發展的分布動態演進特征、區域差異及其來源，同時，引入空間權重矩陣通過MoranI的計算以及空間收斂模型的構建進一步刻畫金融科技發展的空間集聚特征與收斂特征。本文的主要貢獻在于：①從金融科技指數測度來看，利用文本挖掘法對金融科技相關關鍵詞進行完善與補充，能夠更為全面地表征金融科技發展特點與趨勢，彌補了現有文獻關于金融科技相關關鍵詞的選取仍主要依賴互聯網金融相關關鍵詞詞庫的局限性。進一步地，利用兩步全局主成分分析能夠在有效避免變量間的相關性以及指標權重選擇的主觀性的同時，確保各指標在時間維度的一致性和可比性。②從金融科技發展特征剖析來看，首先，通過Kernel密度估計對全國層面以及東、中、西部區域層面金融科技發展的動態演進特征進行刻畫；其次，通過Theil指數及其分解對我國各地區金融科技發展的不均衡程度進行剖析，并進一步分析其差異來源，揭示金融科技發展的時空異質性及異質性來源；最后，通過空間權重矩陣的引入、Morans?I的計算以及空間收斂模型的構建，從金融科技發展的空間及集聚性與收斂性層面刻畫金融科技發展的空間分布特征。本文研究結論對宏觀層面金融科技發展的戰略規劃具有重要意義，有助于為深入認識金融科技發展現狀、優化金融科技發展布局規劃以及推動金融體系健康、均衡的發展提供借鑒。

三、測度思路、指標體系與數據來源

（一）測度思路

明確金融科技的內涵是量化金融科技發展水平的基礎。本文基于DING等（2022）、PUSCHMANN（2017）、皮天雷等（2018）的研究，采用接受較高的金融穩定理事會對金融科技的定義，認為“金融科技是指由技術驅動的金融創新，它能夠創造新的業務模式、應用、流程或產品，從而對金融市場、金融機構或提供金融服務的方式造成實質性影響”［3，8-9］。從現實層面來說，金融科技既可以表征相應的數字技術，又能夠表征通過數字技術的運用所發揮的金融業務職能。金融科技業務職能是學術界以及實務界關注的重點，基于吳曉求（2014）、沈悅和郭品（2015）等研究，本文認為金融科技基于底層數字技術支撐，與金融功能相結合，能夠在資源配置、支付清算、風險管理與服務渠道四個方面發揮重要作用，而底層技術支撐維度是金融科技得以創新發展的核心驅動力［18，23］。

基于金融科技的內涵以及指標構建原則，一方面，金融科技指數應具有時空可比性，既能體現同一地區時間維度的趨勢變化，也能體現不同地區同一時間空間維度的分布特征。另一方面，金融科技指數應具有多層次特征，其內涵顯示金融科技發展是技術驅動的金融創新，其不僅包括底層支撐技術，更包含其對金融業務功能的影響。因此，本文從金融科技技術支撐以及各金融業務功能維度分層刻畫金融科技發展水平，提升金融科技指數的綜合性與層次性，金融科技指數測度流程如圖1所示。

（二）指標體系與數據來源

本文金融科技關鍵詞詞庫構建邏輯是通過文本挖掘提取出金融科技相關新聞報道與行業報告中的熱點關鍵詞對金融科技關鍵詞詞庫進行補充，以能夠更為全面地表征數字經濟時代我國金融科技發展特征。具體而言，首先，通過網絡爬蟲技術收集“和訊網”與“新浪財經”?①網站發布的金融科技主題新聞，并將其文本內容與金融科技行業報告合并，組建初始語料庫。其次，利用PYTHON進行分詞、去停用詞與添加詞典列表等處理，獲取出現頻率較高的金融科技相關關鍵詞內容。最后，基于文本挖掘結果與相關文獻研究，從技術支撐、支付清算、資源配置、風險管理與服務渠道五個維度確定能夠表征金融科技發展水平的相關關鍵詞［16，19］。同時，考慮百度指數的可得性，對關鍵詞進行篩選，確定最終各維度金融科技指數關鍵詞列表，如表1所示。為滿足數據指標構建的時空可比要求，同時提升指標的及時性與客觀性，本文借鑒盛天翔和范從來（2020）的研究，采用“PC端+移動端”百度搜索指數之和作為各關鍵詞搜索數量的指標［19］。百度索引數據庫基于公眾對相關關鍵詞的搜索頻率統計匯總，有效反映了公眾對這一領域的關注度，能夠一定程度反映其發展水平［19］。

四、研究方法

（一）全局主成分分析

全局主成分分析又稱為時序全局主成分分析（GPCA），是傳統的主成分分析法與時間序列分析法的有效融合，確保了各指標在時間維度的一致性和可比性［24-26］。本文借鑒呂丹和汪文瑜（2018）的研究，利用兩步全局主成分分析對金融科技指數進行合成，選用提取的主成分綜合得分作為衡量金融科技發展水平的指標［27］。第一步，運用全局主成分分析對金融科技五個維度下的具體關鍵詞指數進行分析，獲得金融科技技術

支撐指數、金融科技支付清算指數、金融科技風險管理指數、金融科技資源配置指數與金融科技服務渠道指數。第二步，以各維度綜合得分作為原始變量，重復全局主成分分析過程，以獲得金融科技總指數。

（二）核密度估計

核密度估計主要基于概率密度函數，并通過連續平滑的曲線描述相關變量的分布特征，對模型依賴性較小，穩定性較強。因此，本文通過核密度估計從全國層面與區域層面對金融科技指數核密度曲線的形態特征進行分析，以進一步探討我國2011—2020年金融科技發展的動態演進特征。核密度估計計算公式如下：

f（x）=1Nh∑Ni=1K（xi-xh）（1）

K（x）=12πexp（-x22）（2）

其中，f（x）為隨機變量X的密度函數；N表示觀測樣本數量；xi指代一系列獨立同分布的觀測值；x表示觀測值的均值；h表示帶寬；K（·）表示核函數，本文選用高斯核函數。

（三）泰爾指數

泰爾指數能夠通過對樣本的劃分來探究不同區域間差異以及區域內部差異對總差異的貢獻度，剖析我國金融科技指數的差異及來源。參考相關研究，泰爾指數計算公式如下［28］：

T=1n∑ni=1FINiFINln（FINiFIN）（3）

其中，T為測度金融科技差距程度的泰爾指數；n是研究總單元數，即總的地區數量；FINi代表第i個地區的金融科技指數；FIN為所有地區的金融科技指數平均值。

進一步地，泰爾指數在分析金融科技指數區域差異時具有可分解的特點，其能夠分別計算組內與組間差異對總差異的貢獻度，剖析金融科技區域差異的來源。在本文中，假設所有地區樣本被分為k個區域，每個區域可表示為gk?（k=1，2，?…，?K），區域k中的樣本數量為nk，所有區域內樣本數量的總和為n。FINk表示k區域內個體的金融科技指數總和。用TW代指組內差異，TB代指組間差異，泰爾指數分解如下：

T=TW+TB（4）

TW=∑Kk=1FINk（∑i∈gkFINiFINklnFINi/FINk1/nk）（5）

TB=∑Kk=1FINklnFINknk/n（6）

（四）收斂性分析

1.σ收斂

金融科技指數的σ收斂表示不同區域金融科技發展水平與其平均值間的偏離程度隨時間而下降的過程。本文選用研究中較為常見的變異系數表征金融科技σ收斂的過程，公式如下：

σj=∑Nji（FINij-FINij）2/NjFINij（7）

其中，j表示區域，主要包括全國、東部地區、中部地區與西部地區；i表示區域j內的省份；Nj表示區域j內的省份數；FINij表示省份i的金融科技指數；FIN為樣本期內區域j的金融科技指數平均值。變異系數的變化趨勢一定程度上表征了金融科技發展的收斂趨勢，若變異系數隨時間呈下降趨勢，說明各地區金融科技發展差距逐步降低，且向均值收斂，金融科技發展σ收斂顯著。

2.空間自相關

莫蘭指數通常用來反映某一事物的發展是否在空間范圍內存在相關性?；谥袊‰H金融科技發展水平計算的莫蘭指數能夠刻畫中國各省份金融科技發展的空間分布特征。式（8）為全局莫蘭指數計算公式，該指數總體取值范圍為［-1，1］，依金融科技發展全局莫蘭指數取值的不同，可分為空間正相關（集聚型，Morans?I>0）、空間負相關（離散型，Morans?I<0）與空間不相關（隨機分布型，Morans?I接近0）。

Morans?I=∑ni=1∑nj=1wij（xi-x）（xj-x）S2∑ni=1∑nj=1wij（8）

其中，s2表示金融科技指數的方差；x表示金融科技指數均值；n為省份數量；i、j分別表示省份i與省份j；wij表示空間權重，通過空間是否鄰接構建?②，為二值矩陣，wij=1代表省份i與省份j相鄰，否則，wij=0。xi與xj分別表示i省份與j省份的金融科技指數值。

此外，鑒于全局莫蘭指數只能從全國層面反映金融科技發展的空間相關性特征，不能清楚地反映各區域間的相關性情況。而局部莫蘭指數能夠從區域層面刻畫各個省份金融科技發展的空間相關性與集聚性特征，計算公式如下：

Morans?Ii=xi-xS2∑nj=1wij（xi-x）（9）

其中，Morans?Ii表示省份i的局部莫蘭指數，其他變量符號含義與式（8）相同。

3.β收斂

β收斂基于經濟趨同思想，表示隨著時間變化，金融科技發展落后的地區會具有較高的增長率，對金融科技發展水平較高的地區存在“追趕效應”，最終使得各地區金融科技發展趨于同一均衡水平。β收斂依據是否加入控制變量分為絕對β收斂與條件β收斂，絕對β收斂未納入控制變量，表示其他因素不變的情況下，各地區金融科技發展會逐漸趨同，條件β收斂表示在考慮各地區其他因素的影響下，各地區金融科技發展趨同的收斂特征?；诮鹑诳萍及l展空間自相關性的存在，本文通過空間β收斂模型分析金融科技發展的β收斂特征，基于地理相鄰矩陣，構建空間滯后模型（SAR）與空間誤差模型（SEM）對金融科技發展的空間β收斂特征進行刻畫。模型構建如下：

ln（FINitFINi，t-1）=α+βlnFINi，t-1+ρ∑jWijln（FINitFINi，t-1）

+κXit+θi+ηt+μit（10）

ln（FINitFINi，t-1）=α+βlnFINi，t-1+κXit+θi+ηt

+μit，μit=λ∑jWijμjt+εit（11）

其中，FINit為地區i在t年的金融科技指數，FINi，t-1為上一期的金融科技指數，ρ為空間自回歸系數，λ為空間誤差系數，Xit為控制變量，θi為空間固定效應，ηt為時間固定效應，εit為隨機擾動項。本文主要觀察系數為β，若β系數顯著為負，說明金融科技發展存在β收斂趨勢，若β為正且顯著說明金融科技發展存在發散趨勢。

進一步地，計算β收斂速度如式（12）所示，表征金融科技落后地區對發展水平較高地區的追趕速度。

v=－ln（1-|β|）/T（12）

五、實證分析

（一）基于GPCA的金融科技指數測度結果分析

考慮到金融科技各維度指標因子均由多個具體關鍵詞指標構成，本文借鑒周江燕和白永秀（2014）、呂丹和汪文瑜（2018）的研究利用兩步全局主成分分析對金融科技總指數進行合成［27，29］。具體來說，第一步，運用全局主成分分析對五個維度下的具體關鍵詞指數進行分析，獲得金融科技技術支撐指數（Tech）、金融科技支付清算指數（Pay）、金融科技風險管理指數（Risk）、金融科技資源配置指數（Arrange）與金融科技服務渠道指數（Channel）。第二步，以各維度最后得分作為原始變量，重復全局主成分分析過程，以獲得金融科技總指數。對多層次指標實施兩步全局主成分分析既便于分析金融科技總指數，也便于探究各維度指數的發展趨勢以及各維度對金融科技總指數的貢獻度。本文基于SPSS?22.0軟件對31省份?③金融科技相關指標進行全局主成分分析，過程及結果如下。

第一步，對各維度數據表分別進行全局主成分分析，以支付清算維度（F1）為例列示相關過程。首先，運用KMO檢驗對標準化后數據進行主成分分析的適用性檢驗，可以發現，數據KMO值為0.794，數據表中各變量間相關性較高。Bartletts?球型檢驗值對應概率的顯著性小于0.01，表明數據進行主成分分析的適用性較高。其次，通過模型的方差分解結果進一步提取相關主成分。依據特征根數量與累計方差貢獻率發現，特征根大于1的主成分有兩個，且累計方差貢獻率達89.722%，超過85%，說明前兩個主成分有較強的代表性，能夠表征原始指標變量的多數信息，分別表示為F11與F12。

在上述分析基礎上，將提取的前2個主成分由原變量表示出來。各主成分系數向量如表2所示，由成分矩陣中每列的系數與其成分相對應的特征根計算而得。將各指標標準化后的數據帶入各主成分系數向量可計算各主成分得分，如下式所示：

由式（15）得到支付清算維度綜合得分，其中W1與W2是各主成分的權重。同理，分別用相同的過程處理技術支撐、風險管理、資源配置與服務渠道指數全局數據表，分別得到各個維度的綜合得分F2、F3、F4、F5完成第一步全局主成分分析。

第二步，將上一步分析獲得的各維度綜合得分F1、F2、F3、F4、F5作為指標變量，將各地區指標變量依舊按時間順序縱向排列，各省份樣本數據按年份順序縱向依次排列，構建金融科技指數立體數據庫。變量為F1、F2、F3、F4、F5，進行主成分分析，步驟與前述相同，按F1、F2、F3、F4、F5各自貢獻率作為權重，得到金融科技指數綜合得分F，同時，計算獲得各維度指數在金融科技總指數中的權重如表3所示?？梢园l現五個維度指數對金融科技總指數的貢獻均為正，且均發揮了較為重要的作用，其中技術支撐維度的權重最高，表明底層技術支持是金融科技發展的重要驅動力。

最后，鑒于各維度指標得分以及金融科技總指數得分具有負值難以在后續特征分析及實證分析中使用，本文參考韓先鋒等（2014）的研究，通過式（16）對各指數綜合得分進行標準化處理，處理后數據范圍集中在［0，1］區間［30］。

其中，Indexi代表所計算指數，包括金融科技總指數與各維度指數；Scorei表示各維度或總指數綜合得分；max（Scorei）表示綜合得分最大值；同理，min（Scorei）表示綜合因子得分最小值。

基于前述全局主成分分析方法和數據處理，獲得我國2011—2020年31個省份金融科技指數測度結果。圖2顯示了我國2011—2020年度全國層面以及東部、中部與西部?④區域層面金融科技指數均值的變化趨勢，可以發現，整體來看，無論是全國層面還是區域層面，金融科技自2011年在我國被正式提出以來，便呈現高速增長的態勢，2015年以后金融科技增長態勢放緩，但仍保持持續穩定的增長?？赡艿脑蚴侵袊嗣胥y行于2015年7月聯合其他部分正式頒布了《關于促進互聯網金融健康發展的指導意見》，意味著對金融科技的監管正式啟動，而后金融科技監管的布局進一步完善，監管的強化使得金融科技呈現平穩增長態勢。從區域差異層面來看，金融科技的發展呈現出東部-中部-西部的階梯型發展特征，東部區域金融科技發展水平最高，其次是中部地區，最后是西部地區。此外，對各地區主要年份金融科技指數進行分析，如圖3所示?？梢园l現，廣東、北京、上海、浙江、江蘇等省份一直占據中國金融科技發展領跑者地位，2015年以來，山東、天津、河南、河北、湖北、湖南、江西與遼寧等地不斷追趕，成為金融科技發展追趕者，而其余省份金融科技發展仍處于相對落后的地位。

（二）金融科技發展動態演進特征

基于獲得的核密度曲線的相關特征（位置、形態與延展性等），從全國層面和地區層面分析2011—2020年金融科技發展的動態演進特征。

1.全國層面金融科技發展的核密度估計

圖4顯示了2011—2020年全國金融科技發展的動態分布情況。從曲線分布位置來看，金融科技發展的各個時段的分布曲線呈現逐漸右移的趨勢，說明金融科技的發展水平在逐年提升。樣本期內，中國金融科技增長速度大致可分為兩個階段，分別為2011—2015年與2016—2020年，其中，2011—2015年金融科技呈現出較快的增長趨勢，增長速度持續增大，2016年發展速度開始相對平穩，增長速度有所減緩但仍保持穩步的增長態勢。

進一步地，通過圖5a、5b深入分析各時段金融科技分布曲線的形態特征。從波峰高度與寬度變化來看，樣本期內分布曲線主峰高度呈現“大幅下降-小幅下降”的趨勢，主峰寬度呈現“明顯擴大-小幅擴大”的變化趨勢，說明在2011—2015年樣本期內金融科技發展的絕對差異高速增加，2016—2020年隨著金融監管等政策的推進，金融科技發展的絕對差異仍呈現擴大趨勢，但擴大速度有所放緩，金融科技的發展呈現顯著的擴展效應，金融科技領先的地區能夠帶動金融科技落后的地區發展；從曲線的分布延展性來看，分布曲線呈現“明顯拓寬-輕微拓寬”的變化趨勢，2011—2015年金融科技分布曲線的延展性明顯拓寬，右拖尾現象凸顯，說明樣本期內地區間金融科技發展水平差異在不斷增加，2016—2020年分布曲線的延展性呈現輕微拓寬趨勢，金融科技發展水平高的地區與發展水平低的地區間差距擴大的速度有所降低。從分布曲線的波峰形態與數量來看，金融科技分布曲線呈現“雙峰-單峰-多峰”的波動特征，2011—2015年金融科技分布曲線呈現多峰向單峰過渡，極化現象逐步減弱，2016—2020年主要呈現單峰演化趨勢，存在少量側峰，表明隨著金融科技的不斷發展，金融科技發展出現輕微的多極化現象，少數地區金融科技達到較高的發展水平。

2.區域層面金融科技發展的核密度估計

圖6a、6b列示了東部、中部與西部地區2011—2020年金融科技發展的核密度估計曲線?？梢园l現，各個區域金融科技發展階段與全國金融科技發展階段相似，大概可分為兩個階段，階段一是2011—2015年高速增長階段，階段二是2016—2017穩定增長階段。具體而言，從曲線分布位置來看，東、中、西部區域的金融科技分布曲線均呈現右移趨勢，說明各個區域金融科技發展的趨勢與全國金融科技發展趨勢相似，呈逐步增長的態勢。從主峰高度與寬度變化趨勢來看，東部地區金融科技發展的兩個階段中，主峰高度呈現“顯著降低-基本不變-小幅降低”的趨勢，主峰寬度呈現“明顯擴大-基本不變-小幅擴大”的趨勢，表明在金融科技發展初期東部地區金融科技發展絕對差異呈現顯著的擴大趨勢，而后有所穩定，近年來又呈現小幅增加的趨勢。中部地區兩階段曲線主峰高度呈現“明顯降低-小幅降低”的變化趨勢，主峰寬度呈現“明顯擴大-小幅擴大”的變化趨勢，說明2011—2015年中部地區金融科技發展的絕對差異增長迅速，而2016—2020年各地區金融科技發展協調程度有所上升，各地區間絕對差異的增加速度有所放緩。西部地區主峰高度呈現“明顯降低-小幅降低”的波動趨勢，主峰寬度呈現“明顯拓寬-輕微拓寬”的變化趨勢，說明近年來西部地區金融科技發展的絕對差異呈現顯著增加到小幅增加的轉變。從分布延展性看，東部地區呈正態分布，未呈現顯著的右拖尾現象，2011—2015年呈現顯著的拓寬現象，表明各地區金融科技發展水平較高的地區與發展水平較低的地區間的差異不斷增加，2016—2020年差距擴大速度有所減緩。中部地區呈現出明顯的右拖尾現象，說明中部區域存在金融科技發展相對領先的地區，且其發展速度也相對較快。西部地區分布曲線呈現“明顯拓寬-輕微拓寬”的趨勢，表明區域內金融科技發展水平較高的地區和發展水平較低的地區間的差距擴大速度有所降低。從金融科技發展極化特征來看，東部地區呈現“多峰-單峰-多峰”的變化趨勢，說明東部地區存在極化現象，但各峰值的高度差有所降低，金融科技發展的梯度效應有所緩解。中部地區呈現多峰現象，說明存在極化特征，金融科技發展存在一定的梯度效應。西部地區呈現多峰向不明顯多峰的轉變，說明西部地區極化現象有所減弱。整體而言，東部地區的分布曲線跨度最大，其次是西部地區，最后是中部地區，初步表明東部區域內的金融科技發展差異最高，其次是西部地區，中部地區的金融科技發展差異最低。

（三）金融科技發展區域差異及來源

1.全國層面泰爾指數測算

泰爾指數一定程度上能夠反映各地區金融科技發展的差異大小與變動趨勢?；谔栔笖涤嬎阍砼c公式，本文獲得了2011—2020年中國省際金融科技發展的地區差異指數（如圖7所示）。樣本期內，泰爾指數整體上呈上升趨勢，各地區

間金融科技發展水平差異不斷擴大，中國各地區金融科技發展呈現出較高的非平衡特征。這可能與地區的經濟發展水平、金融基礎設施以及人力資本水平等有關。具體而言，在金融科技發展前期，各地區金融科技發展差異迅速擴大，金融科技發展領先地區迅速超越落后地區。而后，隨著各地區金融科技發展水平的不斷提升，落后地區逐步追趕，各地區間差距擴大的速度逐漸降低。2017年以后，隨著金融科技的深入發展，各地區間的差距擴大速度又逐漸增強，金融科技發展的不均衡性又逐步提升。

2.全國層面泰爾指數分解

為進一步探究我國省際金融科技發展地區差異的來源，本文基于泰爾分解原理，利用式（4）～式（6），將全國層面樣本分為東部、中部與西部三個群組，計算各個群組間的差異和各個群組內的差異對金融科技總差異的貢獻，進而剖析金融科技發展區域差異的來源結構。表4為泰爾指數分解結果。整體而言，樣本期內，金融科技發展的區域內差異與區域間差異均呈現擴大趨勢，貢獻度進一步刻畫了區域間差異與區域內差異對金融科技發展總差異的貢獻。樣本期區域內差異對金融科技發展總差異的貢獻率的平均值為61.15%，區域間差異的平均貢獻率為38.85%，說明區域內差異是我國金融科技總體差異的主要來源。從差異來源的動態變化來看，樣本期區域內差異呈現波動上升的趨勢，由2011年的0.0003上升至2020年的0.0039，對總差異的貢獻率由54.97%上升至61.15%，說明區域內差異在不斷擴大，同時其對總差異的貢獻也在不斷增加。樣本期區域間差異也在不斷增加由2011年的0.0003上升至2020年的0.0023，但其對總差異的貢獻率呈現下降趨勢，由2011年的45.03%下降至2020年的38.85%，說明政府所實施的區域經濟協調發展戰略取得一定成效。

3.東、中、西部區域內泰爾指數分析

圖8展示了東、中、西部區域內金融科技發展泰爾指數的動態變化趨勢。從各個區域間差異的對比來看，2011—2020年樣本期內，東部地區泰爾指數的區間為0.0004～0.0095、中部地區泰爾指數的區間為0.0001～0.0025、西部地區泰爾指數區間為0.0004～0.0062，東部地區2011—2020年樣本期內泰爾指數的均值為0.0056，中部地區均值為0.0015，西部地區均值為0.0038。由此可以判斷，東部區域內金融科技發展差異最高，其次是西部地區，中部地區相對均衡，差異最小，一定程度上印證了核密度曲線的分析結果。從各區域泰爾指數的波動趨勢來看，東部地區泰爾指數在樣本期內呈現“N”型波動上升趨勢，2011—2016年呈現高速上升趨勢，于2017年泰爾指數有所下降，而后2018—2020年泰爾指數又呈現上升趨勢，增長趨勢相較于2011—2016年期間有所下降但仍呈現逐步上升趨勢，說明我國東部區域的金融科技發展差異仍在不斷擴大。中部地區泰爾指數在樣本期內呈現由強至弱的波動上升趨勢，2011—2015年呈現高速增長的趨勢，而2016—2020年泰爾指數增長趨勢逐漸趨于平穩，未表現出顯著的增長，中部地區的金融科技發展逐步趨于均衡。西部地區泰爾指數在樣本期內也呈現出增長的趨勢，2011—2015年是高增長階段，于2016—2020?年期間邊際增長降低，呈現窄幅上升趨勢，說明西部地區金融科技發展差異的增加速度雖有所減緩，但仍呈現差異不斷擴大的趨勢。因此，監管機構在推動各區域間金融科技協調發展的同時，也應注重各區域內金融科技發展的協調性。

（四）金融科技發展空間分布特征

1.σ收斂

圖9描述了2011—2020年樣本期內金融科技指數變異系數的發展趨勢。從全國層面看，金融科技變異系數整體呈現“高速增長-小幅上升”的態勢，2015年后金融科技變異系數增速有所放緩，但仍呈現小幅增長趨勢，說明全國層面金融科技發展不具有σ收斂的特征。從區域層面看，東、中、西部區域金融科技變異系數的波動趨勢存在差異，整體而言東部金融科技變異系數最高，其次是西部地區，最后是中部地區。東部地區變異系數呈現“高速增長-穩定發展-小幅上升”的變化趨勢，2011—2015年變異系數呈高速擴大態勢，2016—2017年變異系數未有顯著增加，2017年以后又呈現小幅增加的趨勢，不具有顯著的σ收斂特征。中部地區與西部地區變異系數均呈現“高速增長-小幅上升”的變化態勢，以2015年為分界點，前期增速較快，后期呈小幅增長趨勢，但變異系數整體呈上升趨勢，也不具有顯著的σ收斂特征。綜上，樣本期內，無論是全國層面還是東、中、西部區域層面金融科技發展均未不存在顯著的σ收斂趨勢，金融科技發展差異呈擴大態勢。

2.空間相關性分析

本文基于地理鄰接權重矩陣，利用STATA?16.0分別計算2011—2020年金融科技發展的全局莫蘭指數以反映空間相關性變動趨勢，結果如表5所示?？梢园l現，各地區金融科技指數的莫蘭值在1%統計水平顯著為正，表明我國金融科技發展具有空間正相關的特征，空間集聚性較高。進一步地，通過莫蘭指數趨勢變動，可以發現，不同于傳統金融發展遞增的空間相關特征，我國金融科技發展的集聚性整體上呈下降趨勢［31］。具體來看，具有先下降后上升的“U”型特征，前期隨著各地區金融科技的飛速發展，金融科技的集聚性逐步降低，分散性上升，后期隨著金融科技較強的地區的發展速度加快，集聚性又逐步上升，但仍低于發展前期集聚性水平。整體而言，各省份金融科技的發展呈現出顯著的集聚性特征。

全局莫蘭指數雖然能夠分析我國金融科技發展的空間相關性，但不能詳細刻畫各地區間的關聯特征，因此，為深入探究我國金融科技發展的空間集聚特征，明晰各地區的空間集聚模式，本文利用局部空間自相關檢驗，通過繪制各年份的局部莫蘭散點圖來刻畫各地區局部空間集聚模式變化。通過各地區在莫蘭散點圖中各象限的位置判斷該地區金融科技發展的集聚特征。莫蘭散點圖共分為四個象限：第一象限表征高-高集聚，即地區金融科技發展水平較高，同時其周邊地區金融科技發展水平也較高；第二象限表示低-高集聚，即地區金融科技發展水平較低，而周圍地區金融科技發展水平較高；第三象限與第一象限相對，表征低-低集聚，即金融科技發展水平較低的地區周圍地區指數發展水平仍較低；第四象限與第二象限相對，表征高-低集聚，即自身金融科技發展水平較高，而周邊地區發展水平較低。圖10為主要年份金融科技發展局部莫蘭散點圖，可以發現，多數省份處于第一象限與第三象限，具有高-高集聚或低-低集聚的特征。東部發達地區省份（如浙江、江蘇等）多處于在第一象限，自身金融科技發展水平較高，而其周邊地區金融科技發展也處于較高的水平。第三象限中多為西部省份地區，具有低-低集聚的特征。少數省份處于第二象限或第四象限。隨著時間的推移，各象限地區變動較為穩定。整體來說，我國金融科技發展“高-高”集聚與“低-低”集聚的特征較為明顯，也進一步為推動金融科技的發展提供了方向，基于金融科技發展的溢出特征，能夠進一步針對性帶動落后地區金融科技發展。

3.β收斂分析

絕對β收斂結果。表6報告了基于鄰接矩陣，并通過LM檢驗、Hausman檢驗等篩選確定的空間計量模型計算的金融科技絕對β收斂結果。從模型選擇與構建來看，全國與西部地區依據LM檢驗結果選擇了空間誤差模型（SEM），東部地區與中部地區依據LM檢驗結果選擇了空間滯后模型（SAR）。同時，依據Hausman檢驗結果，各樣本均選擇固定效應模型進行分析。從收斂系數來看，全國層面與東、中、西部地區β系數均為負值，且統計水平顯著，說明全國與各區域層面均存在絕對β收斂特征，落后地區的金融科技增長率高于金融科技發展水平較高的地區，各區域內均存在一定的“追趕效應”。從收斂速度來看，全國層面的金融科技發展的β收斂速度為17%，呈現較快的收斂速度。東、中、西部區域的收斂速度呈現出一定程度的差異，金融科技發展水平較低的西部地區收斂速度最快，其次是東部的地區，最后是中部地區。綜上，中國金融科技發展存在顯著的絕對β收斂的態勢，其中西部地區的金融科技絕對β收斂速度最高。收斂速度的差異一定程度上拉大了各個區域間金融科技發展水平的差距，使得區域間金融科技發展差異不斷擴大。

條件β收斂結果。條件β收斂是分析在納入一系列控制變量后金融科技發展的β收斂態勢。本文將經濟發展水平、金融發展水平、人力資本水平以及產業結構水平作為控制變量納入空間計量模型，以分析金融科技發展的條件β收斂態勢。經濟發展水平（GDP）通過各地區人均GDP進行測度，經濟發展水平不僅能夠影響底層數字技術的創新發展，也能夠優化金融科技服務環境，進而影響金融科技發展。金融支持水平（Finance）通過各地區金融機構存貸款余額占地區GDP的比重衡量，地區的金融科技發展基礎也是影響金融科技推進的重要因素。人力資本水平（HC）采用教育存量法，通過就業人員平均受教育年限進行測度，理論上人力資本水平的提升應能驅動金融科技發展［32］。產業結構水平（Istr）通過第三產業增加值占GDP的比重測度。

表7為金融科技發展條件β收斂分析結果。結果顯示，整體來說，全國層面金融科技發展存在顯著的條件β收斂，β系數均顯著為負。從各區域來看，東、中、西部地區均存在顯著的條件β收斂態勢，中部地區的條件β收斂速度最快，其次是東部地區，最后是西部地區。相較于絕對β收斂，中部地區的條件β收斂速度呈現較快的提升，說明經濟發展水平、人力資本、產業結構以及金融發展水平等有助于推動其協調發展。從控制變量來看，人力資本水平、經濟發展水平以及金融發展水平對金融科技的協調發展具有正向影響，產業結構水平在各樣本中未發揮顯著的作用。

六、結論及政策建議

基于金融科技內涵以及金融功能觀理論，本文從技術支撐、支付清算、風險管理、資源配置與服務渠道五個維度構建中國省際金融科技發展指標體系，并依據2011—2020年百度搜索指數數據庫，利用兩步全局主成分分析測度金融科技發展指數。進一步地，利用Kernel密度估計剖析中國金融科技發展的動態演進特征，通過Theil指數的測算與分解對中國金融科技發展的差異進行測算，并剖析其差異來源，并利用σ收斂、Morans?I以及β收斂模型對中國省際金融科技發展的空間收斂特征進行刻畫。具體結論如下：

第一，整體來看，無論是全國層面還是區域層面，金融科技自2011年在我國被正式提出以來，便呈現高速增長的態勢，尤其2013年增速急速增加，2015年以后仍保持持續穩定的增長。其中，廣東、北京、上海、浙江、江蘇等省份一直占據中國金融科技發展領跑者地位，2015年以來，山東、天津、河南、河北、湖北、湖南、江西與遼寧等地不斷追趕，成為金融科技發展追趕者，而其余省份金融科技發展仍處于相對落后的地位。

第二，全國層面金融科技發展水平呈現上升態勢，絕對差異逐步擴大，存在輕微的極化現象。東、西部地區金融科技發展水平絕對差異較大，中部地區金融科技發展絕對差異相對較小。中部地區金融科技發展存在多級化特征，東部、西部地區極化現象較弱。

第三，樣本期內，泰爾指數呈波動上升趨勢，金融科技發展具有顯著的區域差異，且差異不斷擴大。區域內差異是造成金融科技地區差異的主要來源，其貢獻率呈現逐步增加趨勢。分區域結果顯示，東部地區的泰爾指數高于西部地區與中部地區，東部地區差異最高，其次是西部地區，中部地區差異最低。

第四，樣本期內全國層面以及東、中、西部區域層面金融科技發展均不存在顯著的σ收斂，中國金融科技發展空間自相關性顯著，整體呈下降趨勢，存在“高-高集聚”與“低-低集聚”的特征，考慮空間效應后，全國層面與東、中、西部區域層面金融科技發展均呈現顯著的絕對β收斂與條件β收斂態勢，金融科技落后地區存在一定的“追趕效應”，且東、中、西部區域的收斂速度呈現出一定程度的差異。

基于前述研究結論，本文認為政府在推動金融科技發展過程中應重視金融科技的發展特征，重視不同區域間的金融科技發展差異，針對性地制定金融科技發展戰略與政策規劃，具體政策建議列示如下：

第一，政府應考慮金融科技的發展不平衡特征及動態演進趨勢，一方面，加強對金融科技領先地區的持續激勵機制，通過金融科技領先地區的發展帶動落后地區金融科技水平的提升，以最終實現均衡發展，另一方面，對于金融科技發展落后的地區，應借助我國集中力量辦大事的制度優勢，通過針對性的政策優勢，提升金融科技發展水平較差的地區的發展水平。

第二，金融科技發展戰略的規劃，應在統籌東部、中部與西部區域間金融科技的協調發展的同時，注重區域內的各地區間的差異。例如，制定區域內不同地區間的金融科技發展的協作機制，通過金融科技發展水平較高地區帶動金融科技發展水平較低的地區發展，通過縮小區域內的金融科技發展差異，實現國家整體金融科技水平的提升。

第三，政府在制定金融科技發展規劃中應考慮金融科技的空間溢出特征，增強不同地區間的金融科技發展交流，充分利用地區輻射效應，實現跨區域金融科技發展合作，通過共享相關技術與發展經驗，縮小不同地區間的金融科技發展差距。同時，金融科技發展水平較低的地區不應只關注金融科技的發展，還應推動地區經濟發展、提升人力資本水平、優化金融發展環境，實現多方位助力金融科技發展，進而提升對金融科技發展水平較高地區的“追趕效應”，最終實現金融科技的均衡發展。

［注?釋］[KH*2D]

①

考慮到網站的專業性以及網站對爬蟲的限制，選取和訊網與新浪財經新聞網站具有一定的可行性。

②?鑒于海南省沒有毗鄰省份，參考相關研究，將距離最近的廣東省作為其鄰接省份。

③?鑒于香港、澳門特別行政區和臺灣省數據特殊，且難以獲取，故未進行計算。

④?東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南；中部地區包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南；西部地區包括內蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆。

［參考文獻］

［1］萬佳彧，?周勤，?肖義.?數字金融、融資約束與企業創新［J］.?經濟評論，?2020，?41（1）：?71-83.

［2］ARNER?D?W，?BARBERIS?J?N，?BUCKLEY?R?P.?The?evolution?of?Fintech：?a?new?postcrisis?paradigm？［J］.?Georgetown?journal?of?international?law，?2016，?47（4）：?1271-1319.

［3］PUSCHMANN?T.?Fintech［J］.?Business?&?information?systems?engineering，?2017，?59（1）：?69-76.

［4］CHEN?M?A，?WU?Q，?YANG?B.?How?valuable?is?Fintech?innovation？［J］.?The?review?of?financial?studies，?2019，?32（5）：?2062-2106.

［5］MA?Y，?LIU?D.?Introduction?to?the?special?issue?on?crowdfunding?and?Fintech［J］.?Financial?innovation，?2017，?3（1）：?1-4.

［6］THAKOR?A?V.?Fintech?and?banking：?what?do?we?know？［J］.?Journal?of?financial?intermediation，?2020，?41（1）：?100833.

［7］朱太輝.?我國?Fintech?發展演進的綜合分析框架［J］.?金融監管研究，?2018，?7（1）：?55-67.

［8］皮天雷，?劉垚森，?吳鴻燕.?金融科技：內涵、邏輯與風險監管?［J］.?財經科學，?2018，?62（9）：?16-25.

［9］DING?N，?GU?L，?PENG?Y.?Fintech，?financial?constraints?and?innovation：?evidence?from?China［J］.?Journal?of?corporate?finance，?2022，?73（4）：?102194.

［10］FANG?Y，?YE?L，?WEN?G?F，?et?al.?Do?commercial?banks?benefit?from?bankFintech?strategic?collaboration？：?evidence?from?Chinese?city?banks［J］.?International?journal?of?ecollaboration，?2022，?18（1）：?1-18.

［11］巴曙松，?白海峰，?胡文韜.?金融科技創新、企業全要素生產率與經濟增長——基于新結構經濟學視角［J］.?財經問題研究，?2020，?42（1）：?46-53.

［12］李睿.?金融科技是否推動了我國產業結構優化——基于空間效應和門檻效應的分析［J］.?經濟與管理，?2021，?35（5）：?53-62.

［13］葉莉，?王榮.?金融科技，?銀行業競爭與企業技術創新［J］.?現代經濟探討，?2021，474（6）：49-57.

［14］謝治春，?趙興廬，?劉媛.?金融科技發展與商業銀行的數字化戰略轉型［J］.?中國軟科學，?2018（8）：?184-192.

［15］NARAYAN?S?W.?Does?Fintech?matter?for?Indonesias?economic?growth？［J］.?Bulletin?of?monetary?economics?and?banking，?2019，?22（4）：?437-456.

［16］李春濤，?閆續文，?宋敏，?等.?金融科技與企業創新——新三板上市公司的證據［J］.?中國工業經濟，?2020，?38（1）：?81-98.

［17］郭峰，?王靖一，?王芳，?等.?測度中國數字普惠金融發展：指數編制與空間特征［J］.?經濟學（季刊），?2020，?19（4）：?1401-1418.

［18］沈悅，?郭品.?互聯網金融、技術溢出與商業銀行全要素生產率［J］.?金融研究，?2015，?58（3）：?160-175.

［19］盛天翔，?范從來.?金融科技、最優銀行業市場結構與小微企業信貸供給［J］.?金融研究，?2020，?63（6）：?114-132.

［20］LEE?C?C，?LI?X，?YU?C?H，?et?al.?Does?Fintech?innovation?improve?bank?efficiency？?evidence?from?Chinas?banking?industry［J］.?International?review?of?economics?&?finance，?2021，?74（3）：?468-483.

［21］葉永剛，?李林，?舒莉.?中非法郎區銀行風險預警研究——基于層次法和熵值法的組合分析［J］.?國際金融研究，?2018，?35（4）：?66-75.

［22］吳韡.?農村金融生態環境的評估及優化——以湖北省為例［J］.?農業經濟問題，?2013，?34（9）：?51-57.

［23］吳曉求.?中國金融的深度變革與互聯網金融［J］.?財貿經濟，?2014，?35（1）：?14-23.

［24］周江燕，?白永秀.?中國城鄉發展一體化水平的時序變化與地區差異分析?［J］.?中國工業經濟，?2014，?32（2）：?5-17.

［25］BONZO?D?C，?HERMOSILLA?A?Y.?Clustering?panel?data?via?perturbed?adaptive?simulated?annealing?and?genetic?algorithms［J］.?Advances?in?complex?systems，?2002，?5（4）：?339-360.

［26］李舒沁，?王灝晨，?汪壽陽.?人工智能背景下工業機器人發展水平綜合動態評價研究——以制造業為例［J］.?系統工程理論與實踐，?2020，?40（11）：?2958-2967.

［27］呂丹，?汪文瑜.?中國城鄉一體化與經濟發展水平的協調發展研究?［J］.?中國軟科學，?2018，?33（5）：?179-192.

［28］劉波，?洪興建.?中國產業數字化程度的測算與分析［J］.?統計研究，?2022，?39（10）：?3-18.

［29］周江燕，?白永秀.?中國城鄉發展一體化水平的時序變化與地區差異分析［J］.?中國工業經濟，?2014，?32（2）：?5-17.

［30］韓先鋒，?惠寧，?宋文飛.?信息化能提高中國工業部門技術創新效率嗎［J］.?中國工業經濟，?2014，?32（12）：?70-82.

［31］杜家廷.?中國區域金融發展差異分析——基于空間面板數據模型的研究［J］.?財經科學，?2010，?54（9）：?33-41.

［32］岳書敬，?劉朝明.?人力資本與區域全要素生產率分析［J］.?經濟研究，?2006，?52（4）：?90-96，?127.

Study?on?the?Dynamic?Evolution，?Regional?Differences?and?Convergence

of?Fintech?Development?in?China

Wang??Rong，??Ye??Li，??Fang??Ying

（School?of?Economics?and?Management，?Hebei?University?of?Technology，?Tianjin?300401，?China）

Abstract：??Based?on?the?connotation?of?Fintech，?the?interprovincial?Fintech?index?system?of?China?is?constructed?with?the?help?of?text?mining.?The?Fintech?index?is?measured?by?global?principal?component?analysis.?The?dynamic?evolution，?regional?differences?and?spatial?convergence?characteristics?of?Fintech?development?are?portrayed?by?using?Kernel?density?estimation，?Theil?index?and?decomposition，?coefficient?of?variation?and?spatial?convergence?model.?The?results?show?that：?Chinas?Fintech?development?can?be?divided?into?two?stages，?2011?to?2015?and?2016?to?2020，?showing?steady?growth，?with?a?gradual?increase?in?absolute?differences?and?a?slight?polarisation?phenomenon.?There?are?large?regional?differences?in?Fintech?development?across?regions，?and?the?differences?are?expanding，?with?intraregional?differences?being?the?main?source?of?overall?differences?in?Fintech?development，?and?the?contribution?rate?is?increasing.?The?differences?within?regions?show?a?decreasing?trend?in?the?east，?west?and?central?regions.?The?gap?between?the?level?of?Fintech?development?and?its?average?value?at?the?national?level?as?well?as?at?the?east，?central?and?western?regional?levels?does?not?show?a?decreasing?trend.?However，?after?considering?the?spatial?effects，?it?is?found?that?there?is?a?certain?“catching?up?effect”?of?Fintech?lagging?regions?on?advanced?regions，?and?the?level?of?human?capital，?the?level?of?economic?development?and?the?level?of?financial?development?are?important?factors?contributing?to?the?coordinated?development?of?Fintech.?In?addition，?Fintech?development?has?a?significant?spatial?agglomeration?effect，?showing?a?“highhigh”?agglomeration?and?a?“lowlow”?agglomeration.

Key?words：Fintech;?GPCA;?Kernel?density?estimation;?Theil?index;?convergence

（責任編輯：蔡曉芹）