采用空间误差模型（SEM）对各省际金融排斥的收敛性进行分析，结果发现：我国省际金融排斥发展差异呈现稳健的收敛性。
所以，我国各省际金融排斥差异的收敛发展演化趋势较好地体现了金融地理学关于不断缩小各地区金融排斥差异这一“空间过程”。该结论不仅仅是系统（我国各地区金融排斥的复杂系统）内在演化的结果；同时也具有一定的实际意义，例如随着金融和经济的发展，各地区的发展差异将逐步减少（不少研究已经证明我国区域经济发展之间存在收敛性），因此，各地区享受和接受金融服务产品的能力差距将逐渐减少，同时各金融机构开发出适合各群体的金融服务产品的能力也会有一定的趋同，这些势必会在一定程度上减少各地区金融排斥的差距；此外，随着政府、各研究机构以及人们对金融排斥问题的广泛关注，也会通过采取一定的措施来缓解和降低各地区金融排斥的差距。因此，在如此的背景下，我国各地区金融排斥的发展将呈现不断趋同的“空间过程”这一特征。
各省际金融排斥的收敛性实证结果还显示，上述收敛性不仅仅受到了周边地区等整个金融排斥系统的影响，同时也受到自身初期程度的影响，而且在考虑了空间的相互作用后，收敛性变得更为突出。也就是说，在我国各地区金融排斥的演化过程中，“空间交互作用”起到了重要作用。基于各地区间的紧密空间相关性，集聚和扩散这两种力量可能在我国省际金融排斥的长期发展中发挥了一定的作用。
所以，需要针对各地区金融排斥的长期演化趋势进行具体地分析，既要看到金融排斥发展的长期“空间过程”，同时也要主要到各地区金融排斥不同的“空间交互作用”，从而更好地为制定降低金融排斥程度的政策提供有益的参考。
[1] 对于σ‐收敛的检验主要是看各年度的σt的走势，相对而言比较简单，因此文中未报告；而对于“俱乐部”收敛性，通常的做法是将其分成东、中、西三部分，分别看其是否收敛（赵伟等，2006），但是该方法导致了空间权重矩阵的分割，所以并不是很适合进行空间分析，故此处也未进行具体研究。
[2] 该部分内容主要参考林光平等（2005）中相关方法介绍部分的内容。
[3] 实际上，例如Geoda等软件已经提供了高阶的运算，例如Geoda软件中提供的高阶模型LM‐SARMA，但对其的运用往往只局限于当LM‐Error和LM‐Lag均不显著时才会采用，而这种情况相对而言较少。
[4] 笔者对MA以及ARMA形式均进行了检验，发现结果还是AR最好，因此，这里以AR形式进行SEM的设定。
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。
