空间权重矩阵构建全解析：8类矩阵原理与实操指南

做空间计量的朋友应该都经历过这个场景：模型跑通了，显著性也出来了，审稿人一句“空间权重矩阵怎么构建的？为什么选这种矩阵？”直接把你问住。更常见的情况是，你从某个网盘下了一份邻接矩阵，兴冲冲拿去和面板数据匹配，结果发现里面是旧行政区划代码，一merge就丢掉十几个城市，想死的心都有。

我花了不少精力整理了一份覆盖285个地级市、时间跨度2003-2023年、包含8类空间权重矩阵的数据集。这篇文章不卖数据，而是把这套矩阵背后的构建思路、计算原理、实际操作和踩坑记录完整写出来。无论你是做区域经济、产业集聚、绿色发展还是城市创新，空间权重矩阵这一步绕不开，搞明白了能省掉大量重复劳动，也能让论文在方法部分经得起审稿人追问。

1. 为什么花力气整理矩阵：空间计量的第一步就藏着大坑

1.1 矩阵不是工具变量，它是模型假设本身

空间计量和普通面板回归最大的区别，在于它用空间权重矩阵把样本之间的“相互影响”显式地写进了模型。这个矩阵不只是建模时的一个插件，它本身就是模型的核心假设。同样是285个城市的碳排放数据，用邻接矩阵跑出来的莫兰指数，和用经济距离矩阵跑出来的结果，可能方向都不一样。审稿人一定会追问：为什么用这个权重？不同权重有没有做稳健性检验？

很多人正是在这一步栽了跟头。我见过不少同学，在某个网站下了一个看似完整的矩阵，不检查样本顺序，直接合并到面板数据里，等到输出结果才发现莫兰指数是负数、空间滞后项不显著，但根本不知道问题出在矩阵上。还有更隐蔽的：矩阵里用城市名做索引，而城市名称在2003到2023年间有很多次调整，比如早期的襄樊后来更名为襄阳，思茅更名为普洱，用名字做关联键，跨年合并很容易静默丢失样本。矩阵数据本身没有对错，但如果不理解它背后的构造逻辑，拿到手也只是个“黑盒”。

1.2 8个矩阵分别是什么，怎么选

这套数据里包含的8类矩阵，背后对应8种不同的空间相互作用假设。没有一个矩阵能通吃所有场景，关键是你得匹配自己的研究问题。我把整套矩阵的构成和适用场景整理如下：

这个组合基本覆盖了我这些年看文献时遇到的空间权重需求。我的建议是：主模型用一个基础矩阵，比如邻接矩阵或地理距离倒数矩阵；稳健性检验再换两到三个不同逻辑的矩阵，这样既能说明结果不依赖于特定权重设定，又不会因为矩阵太多把自己绕晕。以下是各类矩阵的适用场景补充：

• 邻接矩阵最常用，也最容易解释，但它默认只有接壤的城市才存在空间溢出，忽略非接壤但经济联系紧密的城市。
• 距离矩阵把“地理学第一定律”直接量化，即距离越近影响越大，但距离衰减速度的选择（1/d还是1/d²）会影响结果。
• 经济距离和嵌套矩阵适合研究跨区域经济联系，但构造时对GDP处理要求高，不能直接用名义GDP。
• 产业结构相似矩阵是我个人很喜欢的稳健性检验矩阵，它捕捉的是城市间“竞争—互补”关系，在做产业政策、协同发展类题目时特别好用。

2. 构建原理：8个矩阵背后的计算逻辑

2.1 邻接矩阵：Rook和Queen到底差在哪

邻接矩阵的构建逻辑不复杂：两个城市是否共享边界，共享记为1，否则为0。但这里头有个细节很多人没注意——Rook邻接和Queen邻接的差异。Rook方式只把共享边界的城市记为相邻，类似于国际象棋里车（Rook）的走法，只能横竖；Queen方式还把共享顶点的城市也算相邻，相当于皇后（Queen）的走法，还能斜着走。

这两种方式在东部平原城市密集区差异不大，但放到西部和边疆地区就明显了。因为地级市面积大，边界接壤情况复杂，用Rook算出来的邻居数量明显少于Queen，部分面积大的地级市在Rook规则下几乎没有邻居。更麻烦的是，邻接矩阵对“形状”敏感，同一个城市在不同年份的行政区划调整后，邻居集合可能发生变化。所以我在整理时特意把Rook和Queen两种版本都保留了，这样你在做稳健性检验时可以直接替换，不用自己再跑一遍拓扑计算。

2.2 地理距离矩阵：从经纬度到球面距离的完整过程

地理距离矩阵的核心是计算两个城市中心点之间的球面距离。这里不能直接拿来平面直角坐标系里的欧氏距离，因为地球是球面，纬度不同，同一经度差对应的实际距离完全不同。我使用的是Haversine公式，给定两点的经纬度，大圆距离的计算方式如下：

d = 2R · arcsin(√(sin²((lat₂−lat₁)/2) + cos(lat₁)·cos(lat₂)·sin²((lon₂−lon₁)/2)))

其中R取地球平均半径6371公里。这个公式在短距离和中距离上都保持较高精度，足够用于城市间距离计算。实际操作中有一个极其容易踩的坑：经纬度单位。从地图API或地理数据库中拿到的大多是十进制度数，但三角函数要求弧度制，必须先统一转换。我见过有人忘了这一条，算出来的距离结果直接差了一个数量级。

城市中心点的选取也有讲究。常用的有市政府驻地坐标、主城区几何中心、或者用人口加权重心。我最终选择了市政府驻地坐标，理由很简单：可复现性强，别人拿着你的数据可以核对。如果选人口加权重心，会牵扯到每个城市历年人口分布数据，数据源一旦换年份，结果就对不上了。

2.3 经济距离矩阵和嵌套矩阵：为什么不能只靠地理距离

邻接矩阵和地理距离矩阵只考虑空间物理位置，没有涉及经济系统的结构差异。但真实世界里的空间溢出，往往不是单纯由地理距离决定的。两个城市地理距离很远，但都是千万级GDP的经济强市，它们之间的技术合作、资本流动可能远远高于地理相邻但产业同质化严重的一对小城市。这就需要有经济维度的权重。

经济距离矩阵我采用的做法是：先计算2003-2023年各城市实际GDP均值，再取任意两城市GDP均值之差的绝对值，取倒数作为权重。经济水平越接近，权重越大。这个假设符合很多实证研究中的逻辑——经济结构和发展阶段相似的城市之间，更容易发生竞争效应、示范效应和资源共享。

经济地理嵌套矩阵则更复杂一些，它的构造思路是把地理邻接关系当成“骨架”，把经济权重当成“血肉”填进去。基本流程是：先构建0-1邻接矩阵，得到地理结构的0/1框架；再对每个城市i，计算其相邻城市j的GDP占比，把这个占比权重乘以邻接关系，得到嵌套矩阵。这个矩阵在解释上更丰满：既承认只有地理相邻才有直接溢出，又区分了相邻城市中哪些经济联系更强、权重更高。

2.4 矩阵标准化：行标准化是默认操作，但不是万能钥匙

矩阵构建出来之后，还有一个经常被忽略的环节：标准化。绝大多数空间计量模型默认使用行标准化，也就是把矩阵每一行的所有元素除以该行之和，使每行权重之和等于1。这样做的好处是模型参数可以解释为“来自其他样本的加权平均影响”，在莫兰指数计算、空间滞后变量构造上都很自然。

但行标准化并非没有代价。它会让小城市、邻居少的城市的权重被人为放大，而大城市、邻居多的城市反而被压缩。举个例子：一个西部地级市只有2个地理邻居，一个东部地级市有8个地理邻居，行标准化后，西部的每个邻居权重是1/2，东部的每个邻居权重只有1/8。这显然会对估计结果产生微妙影响。所以在整理时，我每一类矩阵都同时提供了原始版本和行标准化版本，具体用哪个，取决于你的研究场景和稳健性设置要求。

3. 实操记录：从原始数据到可用的矩阵

3.1 确定城市集合：为什么是285个

2003年到2023年，中国的行政区划并非一成不变。这几年里有城市更名、有撤地设市、也有地级市被整体撤并。我选择的标准非常明确：在2003-2023年这21年里，能持续匹配到完整面板数据的地级市，最终确定为285个。这个数量比当前最新的地级行政区数量略少，原因就是个别城市在窗口期内发生了撤销合并，无法保留完整的面板序列。

我用的处理规则是这样的：先以2003年行政区划代码为基准版本，逐年核对后续年份的代码变化，建立一张“历史代码映射表”。城市更名的，比如襄樊变更为襄阳，保留同一代码不变，但名称更新；城市代码发生变化的，则要查清是更名还是合并还是行政级别调整，再决定是否保留在面板中。如果某个城市在窗口期后半段被并入其他城市，那么把它整个样本删除，不强行拼接。

这个规则在论文方法部分必须写清楚。审稿人如果发现你的样本是285个城市，而不是通常说的293个左右，他会期望你给出筛选依据。说明哪些城市因为撤销合并被排除，比让读者自己去猜要妥当得多。

3.2 坐标匹配与距离矩阵的实现

我把经纬度获取和距离矩阵生成分成两步。第一步，通过地理编码接口批量获取285个市政府驻地的经纬度坐标，得到一张包含城市代码、城市名称、经度、纬度的基础表。第二步，用R语言里的geosphere包计算两两距离，核心代码如下：

r复制# coords 是数据框，包含 city_code, lon, lat
library(geosphere)
coord_matrix <- as.matrix(coords[, c("lon", "lat")])
dist_mat <- distm(coord_matrix, fun = distHaversine) / 1000  # 单位转换为公里
diag(dist_mat) <- 0

# 生成地理距离倒数矩阵
dist_inv <- 1 / dist_mat
dist_inv[is.infinite(dist_inv)] <- 0

# 生成地理距离平方倒数矩阵
dist_inv2 <- 1 / (dist_mat^2)
dist_inv2[is.infinite(dist_inv2)] <- 0

这里有一个关键细节：distm函数返回的单位是米，直接除以1000转成公里，不会影响后续取倒数的操作，但能在描述性统计部分让距离数值更直观。另一个细节是，距离矩阵的对角线元素是0，取倒数之后会出现无穷大，必须手动替换为0。

距离计算完成后，我做了三项常规检查：矩阵是否对称、是否存在NA或无穷大、城市顺序是否与主面板完全一致。这三个检查是最基础的，但不做很容易翻车。我建议无论用什么语言实现，都至少跑一遍矩阵对称性验证，用max(abs(W - t(W)))查看是不是0，不是0就说明计算过程有Bug。

3.3 GDP数据的对齐与经济矩阵构造

经济距离矩阵和嵌套矩阵必须依赖GDP数据。这里最大的坑是：构建跨年度矩阵时，GDP应该用当年价还是不变价。如果直接用当年价，年份之间的价格因素会混进来，导致经济权重在不同年份之间不可比。我的处理是以2003年为基期，用各城市所在省份的GDP平减指数对名义GDP做缩减，得到实际GDP序列，然后取样本期内的均值作为构建经济矩阵的基础。

为什么不直接用某一年的实际GDP？因为单一年份容易受短期波动影响，均值更稳定，同时面板模型里多个年份都用同一个空间权重矩阵时，理论上要求矩阵是外生的，用整个样本期的均值可以缓解内生性争议。还有一点，GDP缺失值必须在构建矩阵前处理完。某城市个别年份GDP缺失，我会用前后两年线性插值补齐；如果连续多年缺失，则考虑从样本中剔除该城市。

经济距离矩阵的构建逻辑是：任意两城市之间，实际GDP均值差额的绝对值越大，经济距离越大，权重越小，所以取倒数。经济地理嵌套矩阵则更精细，先确定地理邻居，再以GDP占比作为权重。假设城市i有K个地理邻居，则城市j的嵌套权重 = GDP_j / (GDP邻居1 + GDP邻居2 + ... + GDP邻居K)。这种做法的好处是权重之和在每行保持为1，天然做了行标准化，而且包含了地理邻近和经济结构双重信息。

3.4 矩阵文件如何导入实证模型

数据整理得再漂亮，最终还是要落到模型里跑。我用Stata的频率较高，这里说一下Stata导入外部空间矩阵的两种方式。

第一种，如果装的是Spatial Autoregressive Models模块，可以直接用spmatrix命令。需要先把矩阵文件保存为标准的矩阵格式，比如用Excel保存的csv文件，然后通过spmatrix import命令导入：

stata复制spmatrix import W_adj using "0-1邻接矩阵_Rook.csv", sheet(1) row(1) column(1)
spmatrix summarize W_adj

第二种方式是使用外部命令spmat，不过从Stata 15之后官方spmatrix已经很成熟了，我更推荐直接用官方命令，兼容性更好，而且支持多种矩阵形式的校验。导入之后一定要做一步操作：查看spmatrix summarize的输出，确认矩阵的维度是285×285、对角线为0、行标准化版本每行和为1。如果这些检查有一项不对，模型估计结果再好也不能信。

R语言用户更简单，spdep包里的mat2listw函数可以直接把矩阵对象转换成空间权重列表，然后代入lagsarlm、errorsarlm等模型估计函数。这部分我不过多展开，因为Stata和R的细节差异比较大，但底层逻辑一致：先确保矩阵格式与模型需要一致。

4. 常见问题排查：这些坑我替你踩过了

4.1 邻接矩阵里的“孤立点”怎么处理

用Rook邻接矩阵时，最尴尬的问题是有些城市一个邻居都没有，典型的是海岛城市和部分边界城市。对应行全部是0，行标准化时0/0直接变成NaN，模型估计直接报错。遇到这种情况，我先看地图确认这个城市是否真的不与其他地级市接壤，如果确实没有陆地边界相邻，最简单的办法是换成Queen邻接矩阵，让对角相邻也算邻居。绝大多数情况下，Queen能解决Rook的孤立问题。如果Queen也无法解决，那就升级到距离矩阵，用地理距离倒数权重替代邻接关系。这也印证了为什么要一次准备多套矩阵，而不是只依赖一种。

4.2 城市更名和代码变化导致merge丢样本

2003到2023年间，涉及城市名称调整的案例不少。更重要的是，有些城市不是因为更名，而是因为行政区划调整导致代码发生变化，甚至整个城市被撤销合并。如果拿城市名做匹配键，轻则匹配失败数量为0，重则同一个城市在不同年份被识别成两个样本，面板直接失衡。

我的经验是三条：第一，统一以行政区划代码作为唯一主键，城市名称仅为辅助信息；第二，建立一份历史代码映射表，逐年核对，而不是一次性合并整个面板；第三，合并之后立刻统计每年样本量，如果某年城市数量忽然减少，优先怀疑代码匹配问题。这些步骤花的时间不多，但能避免后续模型结果全盘作废。

4.3 莫兰指数出现负数或NaN，排查顺序是什么

莫兰指数算出来是负数，不一定代表数据有错误。负莫兰指数表示空间离散，即高值周围是低值，这在某些经济变量里是有实际含义的。但如果莫兰指数出现NaN、或者绝对值大于1（正常情况下莫兰指数一般在[-1,1]区间），那就要查矩阵问题了。我的排查顺序是：

• 先检查矩阵对角线是否全为0。
• 再检查矩阵是否符合标准化要求，比如行标准化版每行之和是否接近1。
• 然后检查面板数据和矩阵的行列顺序是否完全一致。很多情况下，数据排序一变，矩阵没有跟着调整，结果就乱了。
• 最后检查是否有空值。矩阵里一个NA，都会导致全局莫兰指数直接NaN。

这里特别强调“顺序一致性”。我在早期的项目里犯过这个错：面板数据用城市代码排序，矩阵却按行政区划代码排序，两者城市列表一样，但顺序不同，匹配后矩阵行列错位，计算结果全错。后来我在生成矩阵之前就把城市列表固定下来，所有面板数据和矩阵文件都按这个固定顺序输出，才彻底解决这个问题。

4.4 嵌套矩阵的构造顺序：先乘权重还是先标准化

经济地理嵌套矩阵有一个隐蔽的坑：乘权重的顺序和标准化顺序会显著影响最终矩阵元素。我的经验是，先确定地理邻接骨架，再嵌入经济权重，最后整体行标准化。先算GDP权重比例再和对角拼接，看起来差别细微，但会导致非邻居城市之间出现虚假的正权重，这在逻辑上是错误的。换个角度想，嵌套矩阵的含义是“在地理相邻的前提下，经济联系更强的邻居获得更高权重”，如果颠倒顺序，矩阵就可能对地理不相邻但经济相似的城市也分配权重，这与研究假设冲突。构造完后，还要手动验证矩阵是否非对称（标准化后非对称是正常的，但逻辑要自洽），以及每行权重分布是否符合“邻居多的城市权重更分散、邻居少的城市权重更集中”的预期。

4.5 一个额外的提醒：矩阵的年限匹配

很多空间面板论文里使用单一的非时变权重矩阵，这个做法本身可以，但要交代清楚矩阵对应的是哪个时间段的经济数据。如果研究区间是2003-2023年，却用2003年的GDP构造经济权重，那么后20年的经济联系结构就被固定在了23年前的状态，审稿人可能质疑这个假设。我的建议是：经济矩阵分别提供基于全期均值版本和基于基期版本，在稳健性检验里进行对比。至少你要知道，你用的矩阵是基于哪一段时间的GDP，不能含糊。

5. 一句话总结我自己的使用习惯

矩阵数据整理这件事，属于“不做不知道，做了才知道有多少细节”的脏活累活。我自己用这套矩阵跑项目时，形成了一个固定套路：先用Rook邻接矩阵做主回归，再用经济地理嵌套矩阵做核心稳健性检验，最后用距离平方倒数矩阵做补充。三个矩阵逻辑差异明显，覆盖了地理邻近、经济关联和距离衰减三种空间相互作用机制，这样的组合在审稿环节几乎不会被质疑“权重选择具有偶然性”。

最后再分享一个实操小技巧：所有矩阵在生成后，都保留一份原始版、一份行标准化版，文件名里标注清楚版本和生成日期。这看似多余，但在论文返修、更换模型设定时非常有用。空间权重矩阵不是一次性工具，它会在你的论文里反复出现，把数据版本管好，能给自己省下大量返工时间。