各地区空间自相关性分析

对各年度省际广义综合金融排斥指标chaallit进行全局Moran's I计算，结果如图5．1所示。在地理空间权重矩阵下，各年度的全局Moran's I变化不大，基本上处于［0．31，0．37］范围内，并且z统计值均在2．5以上，这表明地理空间权重矩阵条件下，中国各省际金融排斥呈现显著的正相关性。在经济空间权重矩阵条件下，全局Moran's I值更大，处于［0．65，0．77］范围内，也高度的显著。因此，中国各省际金融排斥呈现显著的正相关性。

进一步，对平均的广义综合金融排斥指标和狭义综合金融排斥指标进行全局Moran's I分析，结果如表5．1所示，也均体现出显著的正相关性。同时，对各维度的检验也表明，无论是地理空间权重矩阵，还是经济空间权重矩阵，地理渗透性排斥指数、使用效用性排斥指数和产品接触性排斥指数均显著正相关，尤其是地理渗透性排斥指数，其在地理空间权重矩阵下全局Moran's I达到0．46，表现出金融机构的布局有很强的空间相关性。从服务对象看，储蓄服务排斥指标、信贷服务排斥指标和基本保险的排斥指标的空间分布也体现出显著的正相关性，但相比较于储蓄服务和基本保险服务，信贷服务的金融排斥性空间相关性相对要弱些。总体上而言，两种空间权重矩阵下各指标均体现出显著的空间相关性，并且在经济空间权重下相关值更大些。

图5．1 地理空间权重与经济空间权重下金融排斥的全局Moran's I

表5．1 两种空间权重矩阵下金融排斥各指标值的全局Moran's I

注释：表中的数据是全局Moran's I统计值，W‐geo表示地理空间权重，W‐gdp表示经济空间权重。其中，Z为检验空间自相关性的统计值，Z（d）＝I））。***表示在1％的水平上显著，**表示5％水平上显著，*表示在10％水平上显著。

为进一步考察各地区间的局部空间相关性，运用Local Moran's I散点图进行分析。其中W＿chaall表示地理空间权重下的Local Morans Ⅰ值， W1＿chaall表示经济空间权重下的Local Morans Ⅰ值，结果如图5．2所示。在地理空间权重矩阵下，中西部地区平均的综合金融排斥指数分布均处于Local Moran's I的第一象限，处于金融排斥的HH状态，即本身金融排斥的程度比较高，而周边地区的金融排斥程度也比较高，呈现正的空间依赖性，具有相似的高金融排斥增长趋势，于是容易陷入金融排斥的高聚集区状态。

图5．2 w＿chaall（左）以及w1＿chaall（右）的Local Moran's I散点图

东部地区的分布情况相对比较复杂，北京、天津、上海、江苏、浙江等省市基本上位于第二象限，属于金融排斥的LH状态，即自身金融排斥程度较低，而周边地区的金融排斥程度较高，具有负的空间依赖性，这主要表现为这些东部沿海地区与中部地区接邻的几个省份间的负空间依赖性。而辽宁、广东等地属于第三象限，即属于LL状态，表明自身金融排斥程度较抵，周边地区金融排斥程度也较低，呈现正空间依赖性；而福建、河北、海南等地也呈现出负的空间依赖性，本身金融排斥程度相对较高，但周边地区的金融排斥相对较低，属于HL状态；当然，山东和广西陷入了HH状态，即处于与中西部地区同方向的空间依赖状态。

和地理空间权重矩阵相比，尽管经济空间权重矩阵下，Local Moran's I值较小，其空间依赖性大幅度下降，但仍然呈现出一致的空间依赖分布性，如图5．2所示。因此，下文将主要集中于对地理空间权重矩阵下的Local Moran's I的分析。

对各年度综合金融排斥的空间依赖性进行演化分析可发现，如上体现出的平均空间依赖性，实际上是体现了HH状态不断向中西部地区聚集这一分布趋势（图5．3）。

在1993年，中西部地区的黑龙江、西藏、重庆等地区还处于LL状态，即自身的金融排斥程度较抵，周边的金融排斥程度也较低；然而到1997年，这些地区逐渐以被高金融排斥地区的集聚环境所包围，也呈现出了HH状态，但吉林则呈现出了LL状态；到了2006年，中西部地区基本上均处于了HH状态，陷入了金融排斥的“高地”。

图5．3 w＿chaall在1993、1997、2006年的Local Moran's I散点图

进一步，对金融排斥各维度的空间依赖性进行分析，如图5．4。对于地理渗透性排斥维度，中西部地区大多数处于HH状态，呈现较强的正的高金融排斥空间依赖性；但也有诸如陕西、吉林、重庆等省市处于LL状态，呈现出正的低金融排斥依赖空间性，而江西和安徽则处于了自身金融排斥程度高、但周边地区金融排斥程度低的HL状态。而东部地区的北京、天津、上海、山东、江苏、浙江、福建等省市均呈现LH状态，即位于低金融排斥的聚集区。对于使用效用性，中西部地区也基本上处于HH状态，但也有诸如新疆、宁夏、山西等地区呈现出LL状态；相对与地理渗透性排斥维度，使用效用性排斥维度下，东部地区的一些省份金融排斥的空间依赖性有较大的变化，例如江苏、福建等地区处于了散点图的第四象限，体现出了与周边地区呈现负的空间依赖性关系。对于产品接触性维度，呈现出与综合金融排斥指标类似的空间依赖性，但是中部地区的黑龙江和吉林则呈现出了正的低金融排斥空间依赖性。

图5．4 w＿chageo，w＿chauti，w＿chause的Local Moran's I散点图

从服务产品对象看，中西部地区的空间依赖性基本上类似，大多数处于HH状态，少数省份处于LL状态，但均表现出了正的空间依赖性（图5．5）；而东部地区对于储蓄服务排斥和信贷服务排斥维度上基本相似，北京、天津、上海、浙江等作为金融排斥的低聚集区，河北、江苏、福建则处于金融排斥的相对较高集中区，辽宁、广东则体现出了较低金融排斥的正空间依赖性，而山东则表现出了HH状态；唯一的差异是海南，对于储蓄服务排斥维度而言，其位于LH状态，而对于信贷服务而言，其又陷入了HL状态，表现出相对于储蓄而言，海南的信贷服务排斥性相对较弱。对于基本保险服务排斥性维度，福建、广东和海南则陷入了高排斥的积聚区，表现出显著的正空间依赖性。

因此，整体上而言，无论是综合金融排斥指标、还是各维度指标，中西部地区基本上处于HH状态，即陷入了高金融排斥的聚集区，而东部地区的北京、天津、上海、浙江等则处于LH状态，发挥了一定的低金融排斥程度的集聚作用。

图5．5 w＿chadepo，w＿chaloan，w＿chainsu的Local Moran's I散点图