简介面向区域经济与空间计量研究者的STATA命令速查文档聚焦空间权重矩阵构建与空间杜宾模型实现帮助具备基础计量知识但刚接触空间分析的读者快速上手避免因命令行格式和参数设置反复报错。文档以单份DOCX形式提供压缩包约43KB内容紧凑按shp地图数据导入、空间权重矩阵生成反距离矩阵/邻接矩阵、行标准化、Morans I检验等流程编排每条命令均附注释。已有395人学习下载适合经济地理、区域科学及社科领域需要处理省际/区县面板数据并运行SDM的师生与研究者。阅读后可完整掌握从China地图数据转换、坐标提取、ID匹配、到距离权重与邻接权重矩阵的STATA写法并平滑过渡到空间杜宾模型估计与检验节省大量查阅帮助文档的时间。 空间计量模型这几年在经济学、区域规划、城市研究论文里的出镜率越来越高。很多人一打开STATA就想找“空间杜宾模型”的按钮结果发现这软件压根没有傻瓜式菜单所有操作都得靠命令一行行敲。我最早碰这套东西时也被劝退过几次权重矩阵格式搞不对、面板ID对不上号、估计出来的rho符号跟理论预期完全相反。这篇文章就把我从零跑通空间权重矩阵和空间杜宾模型全流程的实操笔记整理出来包括每一段命令怎么用、参数怎么选、出了报错怎么排照着抄能少走不少弯路。1. 空间权重矩阵的思路与选型1.1 为什么一切从权重矩阵开始先把话说透空间计量和普通面板回归最本质的区别就是要在模型里引入“邻居”的信息。普通回归假设每个地区的观测值相互独立空间计量则认为相邻地区的Y会互相影响X也会跨地区传导。这个“邻居关系”用什么量化答案就是空间权重矩阵W。W矩阵是个n×n的方阵n是样本地区数。矩阵里每个元素w_ij表示地区j对地区i的影响权重。你把它想象成一张“地理社交网络”A和B接壤权重就大A和C相隔几千公里权重就小甚至为0。权重矩阵怎么构造直接影响后面所有估计结果。同一个模型换一套权重矩阵回归系数和显著性可能完全变样。所以在跑空间杜宾模型之前先花时间把权重矩阵设计明白绝对值。很多论文被审稿人质疑问题就出在权重矩阵选得随意、缺乏理论依据。1.2 三款常用权重矩阵与适用场景STATA里可以用的权重矩阵类型很多但实务中最常用的就三类邻接矩阵、距离倒数矩阵、K近邻矩阵。我用一个表把它们的逻辑和适用场景说清楚。权重类型构造逻辑适用场景优点缺点邻接矩阵两地区有公共边界取1否则取0行政区划研究如省、市、县直观、简单、好解释岛屿或边界复杂区域容易出错距离倒数矩阵w_ij 1/d_ij 或 1/d_ij²城市经济联系、溢出效应研究体现距离衰减规律连续性好距离阈值需要人为设定敏感K近邻矩阵每个地区选最近的K个邻居赋权非对称区域、样本分布不均保证每个地区都有固定数量邻居K值需要尝试不同K值结果差异大我自己的经验是如果你研究的是省级面板数据先从邻接矩阵入手最稳因为省界关系清晰、理论依据好写如果是地级市或企业层面的微观数据更推荐距离倒数矩阵因为行政边界在企业层面意义不大地理距离才是核心传导机制。1.3 标准化帮你省掉后面一堆麻烦权重矩阵构造出来之后强烈建议做“行标准化”。所谓行标准化就是把每一行的权重都除以该行权重之和让每一行加起来等于1。数学表达是w_ij^std w_ij / Σ_j w_ij行标准化之后空间滞后项Wy的含义变得非常自然它相当于“邻居们Y的平均值”。这个解释在论文里太好用了审稿人也爱看。如果你不做标准化Wy就会变成“邻居Y的加权和”数值大小受邻居数量影响回归系数解释起来很别扭。STATA里做行标准化有两种方式一是在创建权重矩阵时就加normalize(row)选项二是用spmatrix standardize命令单独处理。我建议优先用第一种一步到位省得后续忘记处理。2. 用STATA创建空间权重矩阵的完整流程2.1 数据准备从shp文件到可分析面板权重矩阵的本质是地理关系所以第一步是把你手头的数据跟地图文件关联起来。常用的地图文件是shapefile.shp。如果你做的是省级分析可以从公开地理数据源下载中国省级行政边界shp文件如果做地级市要确保shp里的地区编码跟你数据表里的ID能对上。我习惯的操作流程分三步。先把shp转换成STATA能读的dta格式使用官方命令spshape2dta 省界.shp, saving(省界) replace这条命令会生成两个文件省界_shp.dta包含多边形坐标信息和省界.dta包含属性表。注意看生成文件中有一个_ID变量作为每个地区的唯一标识。接着把你的实证数据跟这个属性表合并。假设你的经济数据是data.dta里面有变量id省份编码、year、y、x1、x2use 省界, clear merge 1:m _ID using 经济数据, keep(match)这里有个坑省份编码在两张表里的格式可能不一致。比如shp里是_ID从1到30你数据里id是“110000”这种行政区划代码直接merge肯定失败。我一般先把数据里的省份编码按shp的_ID顺序重新编码确保一一对应。合并完成且面板均衡后用spset告诉STATA你的数据结构xtset id year spset id, panel(year) coords(_X _Y)coords(_X _Y)用的是spshape2dta生成的坐标变量。如果你的数据本身自带经纬度坐标也可以换成你自己的变量例如coords(lon lat)。spset是后面所有空间命令的前置条件相当于给数据打上“空间面板”的标签。2.2 三行命令生成常用权重矩阵数据准备就绪生成权重矩阵就很简单了。创建邻接矩阵spmatrix create contiguity W, replace normalize(row)创建距离倒数矩阵spmatrix create idistance Wd, replace power(1) normalize(row)power(1)表示权重取1/d如果经济距离衰减更明显也可以用power(2)强调近处的影响。创建K近邻矩阵spmatrix create kspatial Wk, replace k(5) normalize(row)k(5)表示每个地区取最近5个邻居。K值怎么选常见做法是尝试K3、4、5、6看回归结果对K值是否敏感作为稳健性检验的一部分。如果换了K值结果变化很大说明模型本身不够稳需要在论文里坦白讨论。2.3 权重矩阵质量检查创建完之后别急着跑回归先检查一下矩阵到底对不对。用这条命令看基本信息spmatrix summarize W输出会告诉你矩阵的阶数、非零元素个数、是否有行标准化等。我再教你一个土办法验证矩阵是否合理随便挑几个省份手动想想它们的邻居是谁然后对比矩阵里的非零元素位置。比如你是浙江正常应该跟江苏、上海、福建、安徽、江西有邻接关系如果矩阵里浙江那行的非零元素数量跟这个明显对不上说明shp文件的边界识别出了问题。还可以把权重矩阵导出成Excel或dta格式直观查看spmatrix export W using 权重矩阵, replace导出后在Excel里打开看一眼对角线是不是0自己不能是自己的邻居行和是不是都等于1行标准化是否成功。这两个检查做完权重矩阵基本就靠谱了。3. 空间杜宾模型计算命令与参数取舍3.1 SDM模型的设定逻辑现在进入核心部分空间杜宾模型。SDM的公式长这样y ρWy Xβ WXθ ε跟普通面板回归相比它多两项。第一项ρWy叫空间滞后因变量意思是本地区Y会受到邻居Y的影响ρ就是空间自回归系数。第二项WX叫解释变量的空间滞后意思是邻居的X也会影响本地区的Yθ就是对应的系数向量。为什么很多论文选SDM而不是更简单的SAR只含ρWy或SEM只含空间误差因为SDM同时容纳了内生交互效应和外生交互效应模型设定更一般化。用统计语言说SDM是SAR和SEM的一般嵌套形式只要检验一下约束条件就能判断数据到底适合哪种。所以很多实证研究的策略是先跑SDM再用LR检验或Wald检验看能不能退化成SAR或SEM。3.2 spxtregress估计SDM的两种写法STATA官方从15版本开始提供spxtregress命令专门估计空间面板模型。SDM的估计命令是spxtregress y x1 x2, fe lag(W) dvarlag(W)这里fe表示固定效应lag(W)告诉STATA模型里有空间滞后因变量ρWydvarlag(W)表示对解释变量加空间滞后项WX。固定效应和随机效应的选择逻辑跟普通面板一样——跑Hausman检验辅助判断。如果你不喜欢ML估计极大似然或者样本量太大ML跑不动STATA还提供了GMM式估计写法spxtregress y x1 x2, sd lag(W) dvarlag(W)sd是spatial GMM估计速度更快适合省市级大样本。我个人的经验是样本量在两三千以下直接用fe就够计算速度可以接受样本量上万时优先用sd否则估计时间长得让人崩溃。这里提醒一个细节不同年份的权重矩阵是否变化。如果是疫情冲击、政策辐射这类随时间改变关系的场景可以考虑时变权重矩阵但STATA的spxtregress默认权重矩阵不随时间变化。多数论文用的都是固定权重矩阵你在论文里也要写清楚这个假设。3.3 效应分解真正能写进论文的数字模型跑完STATA结果表里会给出ρ的估计值但注意SDM的系数β不能直接解释为边际效应。因为存在空间溢出X变化不仅影响本地区Y还会通过邻居传导回去影响自己。这就是为什么需要“效应分解”。用这个命令分解estat impact W输出结果会分成三列直接效应、间接效应、总效应。直接效应某地区X变化一个单位对本地区Y的平均影响包含反馈效应间接效应某地区X变化一个单位对所有其他地区Y的平均影响这就是通常说的“空间溢出效应”总效应直接效应与间接效应之和。写论文时真正进正文的是这张效应分解表而不是最初的回归系数表。很多新手犯的错就是直接在原始系数里讨论“X每增加1%Y变化多少”这在SDM里是不对的。举个例子你研究了某省数字经济对经济增长的影响如果你只看β0.05就下结论可能忽略了邻居省份数字经济对本地还有0.03的间接影响总效应其实是0.08。效应分解才能完整回答政策含义。4. 常见问题与排查技巧4.1 “no observations”或“_ID not found”报错这是我见过最多的问题。大概率是merge之后没有保留好_ID变量或者spset之前数据没有正确设定。处理办法回到merge那一步先用describe确认_ID变量还在再检查面板是否有缺失。如果面板不平衡spxtregress会直接报错。用这条命令查看spbalance它会告诉你哪些id-year组合缺失。如果缺失少量观测可以用spbalance fill填充如果缺失严重先把数据整理成平衡面板再跑。4.2 rho符号跟理论预期相反你预期的空间自回归系数是正数结果跑出来是负的而且显著。这种时候先别怀疑模型是不是跑错了去检查权重矩阵的方向和标准化。我踩过的坑是距离倒数矩阵忘记设置power(1)STATA默认可能用了power(2)导致远程地区权重微乎其微空间结构完全变了。还有一次是shp文件里的边界识别异常导致两个实际不相邻的地区产生了邻接关系。我的排查顺序是先看spmatrix summarize的汇总信息确认矩阵维度正确再导出权重矩阵抽查几个地区的邻居是否合理最后用几个不同的权重矩阵跑同一模型如果rho的符号都不对才是模型设定或数据本身的问题。4.3 官方命令与外部命令混用报错STATA空间计量有两个体系一个是15版本后的官方spmatrixspxtregress另一个是早年学者写的spatwmatspatgsaxsmle等外部命令。很多教程混着用结果权重矩阵格式对不上报“matrix W not found”或维度不匹配。我的建议是新项目一律用官方命令体系稳定、文档全、结果列表清晰。如果你只是想快速算个莫兰指数做探索性分析那么用外部命令单独算别在同一个do文件里跟官方命令混着用。权重矩阵格式不同是这两套体系的根本隔阂硬凑在一起浪费时间。4.4 要做稳健性检验一定换权重矩阵审稿人看到空间计量论文必问的一个问题你的权重矩阵是不是故意选出来的为了应对质疑稳健性检验的标准做法就是换权重矩阵。比如主回归用邻接矩阵稳健性检验分别换成距离倒数矩阵、K近邻矩阵。如果核心解释变量的系数方向、显著性和效应分解结论没有发生根本变化论文的空间结果才算立得住。K值的选择也需要说明理由。我一般在正文中报告K5的结果在附录放K3、4、6的对比表并加一句“结果对K值选择不敏感”这既展示了稳健性也堵住了审稿人的嘴。一点实操心得空间计量这部分内容光看命令文档容易觉得自己会了一上真实数据就各种报错。我建议新手先拿一份小样本省级数据按照上面流程完完整整跑通一遍再换自己的数据。第一次跑通会花的功夫不小但跑通之后会发现空间权重矩阵和空间杜宾模型其实没那么玄乎核心就是“权重矩阵构造要细致、模型参数解释要严谨”这两件事。我在实际使用中还养成了一个习惯每个权重矩阵都单独存成一个dta文件命名带上是哪一年、基于什么地理关系、是否标准化这样几个月后回看论文初稿还能想起来当时到底用了什么设定。做实证研究这些看似不起眼的记录习惯很多时候比模型本身更值钱。本文还有配套的精品资源点击获取 STATA空间杜宾模型实操指南：从权重矩阵到效应分解
简介面向区域经济与空间计量研究者的STATA命令速查文档聚焦空间权重矩阵构建与空间杜宾模型实现帮助具备基础计量知识但刚接触空间分析的读者快速上手避免因命令行格式和参数设置反复报错。文档以单份DOCX形式提供压缩包约43KB内容紧凑按shp地图数据导入、空间权重矩阵生成反距离矩阵/邻接矩阵、行标准化、Morans I检验等流程编排每条命令均附注释。已有395人学习下载适合经济地理、区域科学及社科领域需要处理省际/区县面板数据并运行SDM的师生与研究者。阅读后可完整掌握从China地图数据转换、坐标提取、ID匹配、到距离权重与邻接权重矩阵的STATA写法并平滑过渡到空间杜宾模型估计与检验节省大量查阅帮助文档的时间。 空间计量模型这几年在经济学、区域规划、城市研究论文里的出镜率越来越高。很多人一打开STATA就想找“空间杜宾模型”的按钮结果发现这软件压根没有傻瓜式菜单所有操作都得靠命令一行行敲。我最早碰这套东西时也被劝退过几次权重矩阵格式搞不对、面板ID对不上号、估计出来的rho符号跟理论预期完全相反。这篇文章就把我从零跑通空间权重矩阵和空间杜宾模型全流程的实操笔记整理出来包括每一段命令怎么用、参数怎么选、出了报错怎么排照着抄能少走不少弯路。1. 空间权重矩阵的思路与选型1.1 为什么一切从权重矩阵开始先把话说透空间计量和普通面板回归最本质的区别就是要在模型里引入“邻居”的信息。普通回归假设每个地区的观测值相互独立空间计量则认为相邻地区的Y会互相影响X也会跨地区传导。这个“邻居关系”用什么量化答案就是空间权重矩阵W。W矩阵是个n×n的方阵n是样本地区数。矩阵里每个元素w_ij表示地区j对地区i的影响权重。你把它想象成一张“地理社交网络”A和B接壤权重就大A和C相隔几千公里权重就小甚至为0。权重矩阵怎么构造直接影响后面所有估计结果。同一个模型换一套权重矩阵回归系数和显著性可能完全变样。所以在跑空间杜宾模型之前先花时间把权重矩阵设计明白绝对值。很多论文被审稿人质疑问题就出在权重矩阵选得随意、缺乏理论依据。1.2 三款常用权重矩阵与适用场景STATA里可以用的权重矩阵类型很多但实务中最常用的就三类邻接矩阵、距离倒数矩阵、K近邻矩阵。我用一个表把它们的逻辑和适用场景说清楚。权重类型构造逻辑适用场景优点缺点邻接矩阵两地区有公共边界取1否则取0行政区划研究如省、市、县直观、简单、好解释岛屿或边界复杂区域容易出错距离倒数矩阵w_ij 1/d_ij 或 1/d_ij²城市经济联系、溢出效应研究体现距离衰减规律连续性好距离阈值需要人为设定敏感K近邻矩阵每个地区选最近的K个邻居赋权非对称区域、样本分布不均保证每个地区都有固定数量邻居K值需要尝试不同K值结果差异大我自己的经验是如果你研究的是省级面板数据先从邻接矩阵入手最稳因为省界关系清晰、理论依据好写如果是地级市或企业层面的微观数据更推荐距离倒数矩阵因为行政边界在企业层面意义不大地理距离才是核心传导机制。1.3 标准化帮你省掉后面一堆麻烦权重矩阵构造出来之后强烈建议做“行标准化”。所谓行标准化就是把每一行的权重都除以该行权重之和让每一行加起来等于1。数学表达是w_ij^std w_ij / Σ_j w_ij行标准化之后空间滞后项Wy的含义变得非常自然它相当于“邻居们Y的平均值”。这个解释在论文里太好用了审稿人也爱看。如果你不做标准化Wy就会变成“邻居Y的加权和”数值大小受邻居数量影响回归系数解释起来很别扭。STATA里做行标准化有两种方式一是在创建权重矩阵时就加normalize(row)选项二是用spmatrix standardize命令单独处理。我建议优先用第一种一步到位省得后续忘记处理。2. 用STATA创建空间权重矩阵的完整流程2.1 数据准备从shp文件到可分析面板权重矩阵的本质是地理关系所以第一步是把你手头的数据跟地图文件关联起来。常用的地图文件是shapefile.shp。如果你做的是省级分析可以从公开地理数据源下载中国省级行政边界shp文件如果做地级市要确保shp里的地区编码跟你数据表里的ID能对上。我习惯的操作流程分三步。先把shp转换成STATA能读的dta格式使用官方命令spshape2dta 省界.shp, saving(省界) replace这条命令会生成两个文件省界_shp.dta包含多边形坐标信息和省界.dta包含属性表。注意看生成文件中有一个_ID变量作为每个地区的唯一标识。接着把你的实证数据跟这个属性表合并。假设你的经济数据是data.dta里面有变量id省份编码、year、y、x1、x2use 省界, clear merge 1:m _ID using 经济数据, keep(match)这里有个坑省份编码在两张表里的格式可能不一致。比如shp里是_ID从1到30你数据里id是“110000”这种行政区划代码直接merge肯定失败。我一般先把数据里的省份编码按shp的_ID顺序重新编码确保一一对应。合并完成且面板均衡后用spset告诉STATA你的数据结构xtset id year spset id, panel(year) coords(_X _Y)coords(_X _Y)用的是spshape2dta生成的坐标变量。如果你的数据本身自带经纬度坐标也可以换成你自己的变量例如coords(lon lat)。spset是后面所有空间命令的前置条件相当于给数据打上“空间面板”的标签。2.2 三行命令生成常用权重矩阵数据准备就绪生成权重矩阵就很简单了。创建邻接矩阵spmatrix create contiguity W, replace normalize(row)创建距离倒数矩阵spmatrix create idistance Wd, replace power(1) normalize(row)power(1)表示权重取1/d如果经济距离衰减更明显也可以用power(2)强调近处的影响。创建K近邻矩阵spmatrix create kspatial Wk, replace k(5) normalize(row)k(5)表示每个地区取最近5个邻居。K值怎么选常见做法是尝试K3、4、5、6看回归结果对K值是否敏感作为稳健性检验的一部分。如果换了K值结果变化很大说明模型本身不够稳需要在论文里坦白讨论。2.3 权重矩阵质量检查创建完之后别急着跑回归先检查一下矩阵到底对不对。用这条命令看基本信息spmatrix summarize W输出会告诉你矩阵的阶数、非零元素个数、是否有行标准化等。我再教你一个土办法验证矩阵是否合理随便挑几个省份手动想想它们的邻居是谁然后对比矩阵里的非零元素位置。比如你是浙江正常应该跟江苏、上海、福建、安徽、江西有邻接关系如果矩阵里浙江那行的非零元素数量跟这个明显对不上说明shp文件的边界识别出了问题。还可以把权重矩阵导出成Excel或dta格式直观查看spmatrix export W using 权重矩阵, replace导出后在Excel里打开看一眼对角线是不是0自己不能是自己的邻居行和是不是都等于1行标准化是否成功。这两个检查做完权重矩阵基本就靠谱了。3. 空间杜宾模型计算命令与参数取舍3.1 SDM模型的设定逻辑现在进入核心部分空间杜宾模型。SDM的公式长这样y ρWy Xβ WXθ ε跟普通面板回归相比它多两项。第一项ρWy叫空间滞后因变量意思是本地区Y会受到邻居Y的影响ρ就是空间自回归系数。第二项WX叫解释变量的空间滞后意思是邻居的X也会影响本地区的Yθ就是对应的系数向量。为什么很多论文选SDM而不是更简单的SAR只含ρWy或SEM只含空间误差因为SDM同时容纳了内生交互效应和外生交互效应模型设定更一般化。用统计语言说SDM是SAR和SEM的一般嵌套形式只要检验一下约束条件就能判断数据到底适合哪种。所以很多实证研究的策略是先跑SDM再用LR检验或Wald检验看能不能退化成SAR或SEM。3.2 spxtregress估计SDM的两种写法STATA官方从15版本开始提供spxtregress命令专门估计空间面板模型。SDM的估计命令是spxtregress y x1 x2, fe lag(W) dvarlag(W)这里fe表示固定效应lag(W)告诉STATA模型里有空间滞后因变量ρWydvarlag(W)表示对解释变量加空间滞后项WX。固定效应和随机效应的选择逻辑跟普通面板一样——跑Hausman检验辅助判断。如果你不喜欢ML估计极大似然或者样本量太大ML跑不动STATA还提供了GMM式估计写法spxtregress y x1 x2, sd lag(W) dvarlag(W)sd是spatial GMM估计速度更快适合省市级大样本。我个人的经验是样本量在两三千以下直接用fe就够计算速度可以接受样本量上万时优先用sd否则估计时间长得让人崩溃。这里提醒一个细节不同年份的权重矩阵是否变化。如果是疫情冲击、政策辐射这类随时间改变关系的场景可以考虑时变权重矩阵但STATA的spxtregress默认权重矩阵不随时间变化。多数论文用的都是固定权重矩阵你在论文里也要写清楚这个假设。3.3 效应分解真正能写进论文的数字模型跑完STATA结果表里会给出ρ的估计值但注意SDM的系数β不能直接解释为边际效应。因为存在空间溢出X变化不仅影响本地区Y还会通过邻居传导回去影响自己。这就是为什么需要“效应分解”。用这个命令分解estat impact W输出结果会分成三列直接效应、间接效应、总效应。直接效应某地区X变化一个单位对本地区Y的平均影响包含反馈效应间接效应某地区X变化一个单位对所有其他地区Y的平均影响这就是通常说的“空间溢出效应”总效应直接效应与间接效应之和。写论文时真正进正文的是这张效应分解表而不是最初的回归系数表。很多新手犯的错就是直接在原始系数里讨论“X每增加1%Y变化多少”这在SDM里是不对的。举个例子你研究了某省数字经济对经济增长的影响如果你只看β0.05就下结论可能忽略了邻居省份数字经济对本地还有0.03的间接影响总效应其实是0.08。效应分解才能完整回答政策含义。4. 常见问题与排查技巧4.1 “no observations”或“_ID not found”报错这是我见过最多的问题。大概率是merge之后没有保留好_ID变量或者spset之前数据没有正确设定。处理办法回到merge那一步先用describe确认_ID变量还在再检查面板是否有缺失。如果面板不平衡spxtregress会直接报错。用这条命令查看spbalance它会告诉你哪些id-year组合缺失。如果缺失少量观测可以用spbalance fill填充如果缺失严重先把数据整理成平衡面板再跑。4.2 rho符号跟理论预期相反你预期的空间自回归系数是正数结果跑出来是负的而且显著。这种时候先别怀疑模型是不是跑错了去检查权重矩阵的方向和标准化。我踩过的坑是距离倒数矩阵忘记设置power(1)STATA默认可能用了power(2)导致远程地区权重微乎其微空间结构完全变了。还有一次是shp文件里的边界识别异常导致两个实际不相邻的地区产生了邻接关系。我的排查顺序是先看spmatrix summarize的汇总信息确认矩阵维度正确再导出权重矩阵抽查几个地区的邻居是否合理最后用几个不同的权重矩阵跑同一模型如果rho的符号都不对才是模型设定或数据本身的问题。4.3 官方命令与外部命令混用报错STATA空间计量有两个体系一个是15版本后的官方spmatrixspxtregress另一个是早年学者写的spatwmatspatgsaxsmle等外部命令。很多教程混着用结果权重矩阵格式对不上报“matrix W not found”或维度不匹配。我的建议是新项目一律用官方命令体系稳定、文档全、结果列表清晰。如果你只是想快速算个莫兰指数做探索性分析那么用外部命令单独算别在同一个do文件里跟官方命令混着用。权重矩阵格式不同是这两套体系的根本隔阂硬凑在一起浪费时间。4.4 要做稳健性检验一定换权重矩阵审稿人看到空间计量论文必问的一个问题你的权重矩阵是不是故意选出来的为了应对质疑稳健性检验的标准做法就是换权重矩阵。比如主回归用邻接矩阵稳健性检验分别换成距离倒数矩阵、K近邻矩阵。如果核心解释变量的系数方向、显著性和效应分解结论没有发生根本变化论文的空间结果才算立得住。K值的选择也需要说明理由。我一般在正文中报告K5的结果在附录放K3、4、6的对比表并加一句“结果对K值选择不敏感”这既展示了稳健性也堵住了审稿人的嘴。一点实操心得空间计量这部分内容光看命令文档容易觉得自己会了一上真实数据就各种报错。我建议新手先拿一份小样本省级数据按照上面流程完完整整跑通一遍再换自己的数据。第一次跑通会花的功夫不小但跑通之后会发现空间权重矩阵和空间杜宾模型其实没那么玄乎核心就是“权重矩阵构造要细致、模型参数解释要严谨”这两件事。我在实际使用中还养成了一个习惯每个权重矩阵都单独存成一个dta文件命名带上是哪一年、基于什么地理关系、是否标准化这样几个月后回看论文初稿还能想起来当时到底用了什么设定。做实证研究这些看似不起眼的记录习惯很多时候比模型本身更值钱。本文还有配套的精品资源点击获取