上文对金融排斥的空间自相关性研究更多地是关注于横截面（也就是各地区间）的差异，而收敛性问题则更多的是关注于时间序列的发展问题。实际上，对于金融排斥收敛性问题的考察，源于对新古典经济收敛问题以及金融发展收敛问题的思考，上文研究已发现各地区的金融排斥呈现不同的发展状态，那么这种发展趋势如何，是呈现差距缩小、收敛的状态，还是呈现发散的状态呢？这不仅仅涉及到人们能否享受到金融服务的基本问题，同时也是关系到各地区能否和谐发展的重大问题。
根据新古典理论，收敛性问题主要可概括为三种假说，一是σ‐收敛，其与横截面数据相关，反映了不同系统间某一指标的离差随时间推移而趋于下降，即有σt＋1＜σt；二是β‐收敛，其与时间序列相关，表示初期发展较低的经济系统趋于比初期发展较高的经济系统以更快的速度增长，反映了增长率与初期水平负相关。因此，若β＜0，则说明该增长呈现收敛（趋同）；若β＞0，则说明该增长呈现发散（趋异）。β‐收敛又分为绝对β‐收敛以及条件β‐收敛两种形式，前者是指所有的经济系统都收敛于相同的稳态，无论各地区的其余影响该增长要素的初始值为多少；而条件β‐收敛则认为增长速度不仅与初期的水平相关，同时也受到其他一些因素的影响。三是俱乐部收敛，指在具有类似特征的地区间存在着不同的增长收敛趋势。本部分内容主要讨论β‐收敛问题[1]。
由于目前还较少有学者对各地区金融排斥进行系统研究，更何况对其发展趋势的探讨，所以对于金融排斥收敛性问题的研究还是一个空白；但是，以有不少学者对金融发展（其实就是所谓的金融深度）的收敛性问题进行了深入的研究。国内学者张杰（1995）较早地提出了金融结构的区域收敛性特征类似于经济发展的“威廉姆森倒U型假说”这一假说，并认为目前中国区域金融发展呈发散状态只是暂时现象，对经济有好处；金雪军等（2004）通过对我国区域金融1978—2002年的实证提出我国区域金融发展呈现出三次曲线波动的形态，而并不存在明显的收敛或发展趋势；而陆文喜等（2004）则运用了新古典绝对β‐收敛模型对我国1985—2002年的区域金融发展进行了实证，发现存在显著的收敛性，并且各个不同阶段体现出不同的收敛速度；赵伟等（2006a）则提出1978—2002年我国区域金融发展并不存在σ‐收敛，但存在绝对β‐收敛，并且区域金融发展还表现出了一定的“俱乐部收敛”特征。
然而上述基本上是局限于新古典的经典分析模式，未考虑到空间的相关作用，从上文的分析中，我们也发现，其实我国各地区间存在着显著的空间相关性。所以，需要将空间因素引入到对金融排斥发展的收敛性问题分析中。
根据空间计量模型的基本形式，其主要可设置成两种基本的模型结构[2]：空间滞后模型（spatial lag model，即SLM）和空间误差模型（spatial error model，即SEM）。
空间滞后模型（SLM），主要是用于研究相邻地区的行为对整个系统内其他地区的行为存在影响的情况。其基本形式为：
y＝ λWy＋Xβ＋ε
式中：y是n×l列的决策变量观察值向量；W是n×n阶的空间权重矩阵，Wy为空间一阶滞后因变量；λ是空间自回归系数，其取值在－1到l之间，表明相邻区域之间的影响程度；X是k个外生变量观察值的n×k阶矩阵；β是k×1阶回归系数向量；ε是随机误差序列向量。
而空间误差模型（SEM），主要是指地区间的相互关系通过误差项来体现。当地区之间的相互作用因所处的相对位置不同而存在差异时，往往采用该模型。根据误差的不同形式（AR，MA），空间误差模型对应地又有两种基本类型：
其一是空间误差自相关模型，即有：
y＝ Xβ＋ε
ε＝ρWε＋u
所以，y＝ Xβ＋（I－ρW）－1u
其二是空间误差移动平均模型，即：
所以，y＝ Xβ＋（I－θW）u
其中，ρ为空间误差自相关系数，θ为空间误差移动平均系数，Wε和Wu为空间滞后误差项。实际上，也可将AR和MA形式进行综合考虑组成ARMA（1，1）形式，即有：
所以，y＝ Xβ＋（I－ρW）－1（I－θW）u
当然也可以采取多阶情况下的研究，但鉴于空间经济计量估计中一系列问题有待进一步解决，多阶情况下往往十分复杂，因此，本研究也仅限于讨论一阶模型[3]。
判断地区间的空间相关存在与否，一般通过包括Moran's I检验、极大似然LM‐Error检验及最大似然LM‐Lag检验等一系列空间效应检验来进行（Anselin，1988）。其中，Moran's I的表达式为：
I＝ e′We/e′e
其中：e表示回归方程的残差估计值。Moran's I值近似服从期望值为E（I）、方差为V（I）的正态分布，其中，E（I）＝ trace（MW）/（N － K），M ＝ I －X（X′X）－1X′，V（I） ＝ ｛trace（MWMW′） ＋ trace［（MW）2］ ＋［trace（MW）］2｝/（（N－K）（N－K＋2））－E（I）2。因此，服从标准正态分布的Moran's I形式为：
Z＝ （I－E（I））/V（I）1/2～ N（0，1）
LM‐Error检验和LM‐Lag检验的表达式分别为：
LM‐Eroor＝ ［e′We/（e′e/N）］2/trace（W2＋W′W）
LM‐Lag＝ ［e′WY/（e′e/N）］2/｛［WXb）′M（WXb）/（e′e/N）］＋ trace（W2＋W′W）｝
其中b为回归方程的系数估计值，此时，LM‐Error检验和LM‐Lag检验均渐进服从自由度为1的卡方分布。
Moran's I检验结果只能说明变量是否存在空间相关性，而不能说明应该采用空间滞后模型还是空间误差模型，而对于这两种模型的选择需要进行LM‐Error和LM‐Lag及其稳健性（Robust）检验。对于上述两种模型的估计如果仍采用最小二乘法估计，系数估计值会有偏或者无效，因此，需要采用极大似然法或广义最小二乘估计等其他方法来进行估计，本部分研究将采用极大似然法。
此时，有了对空间计量学和收敛问题的基本模型，就可以考虑将空间因素引入金融排斥收敛问题中进行研究。
对于空间滞后模型（SLM），首先，将绝对β‐收敛模型作为基础模型：
ln（excluit＋k/excluit）＝α＋βln（excluit）＋εit（5．1）
将金融排斥变化率的空间滞后变量引入模型，以此来说明一地区金融排斥的变化情况可能直接与周边地区及整个系统内的金融排斥变化情况相关，所以有：
ln（excluit＋k/excluit）＝α＋βln（excluit）＋λWiln（excluit＋k/excluit）＋εit （5．2）
同时，一地区金融排斥的变化可能还与其自身的初始状态密切相关，因此可进一步引入各地区的初始金融排斥空间滞后变量，即为：
ln（excluit＋k/excluit）＝α＋βln（excluit）＋λWiln（excluit＋k/excluit）＋γWiln（excluit）＋εit（5．3）
其中，εit～nii（0，σ2）。因此，相对于（5．1），模型（5．2）、（5．3）可以称为条件β‐收敛。
同理，对于空间误差模型（SEM），考虑AR形式[4]，其所对应的条件β‐收敛模型分别为：
ln（excluit＋k/excluit）＝α＋βln（excluit）＋εit
εit＝ρWiεit＋uit，uit～ nii（0，σ2） （5．4）
ln（excluit＋k/excluit）＝α＋βln（excluit）＋γWiln（excluit）＋εit
εit＝ρWiεit＋uit，uit～ nii（0，σ2） （5．5）
因此，若（5．2）、（5．3）、（5．4）或（5．5）式中的估计系数β为负且在统计上显著，则说明各地区金融排斥的变化存在β收敛，即金融排斥程度较高地区的金融排斥程度的降低速度比金融排斥程度较低的地区更快；如果该系数为正，且从统计上来看显著，则不存在β收敛，即各地区金融排斥程度呈现发散趋势。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
