Stata实现空间面板数据模型：从权重矩阵到效应分解

空间面板数据模型这几年在国内计量经济学实证里几乎成了“标配”。不管是区域经济、城市经济、环境经济，还是创新管理、数字金融，论文评审一看到你用普通面板回归，大概率会追问一句：不考虑空间溢出效应吗？很多朋友一听到“空间面板”就头大，觉得要学GeoDa、要学MATLAB，或者要折腾一堆地理信息处理软件。其实在Stata里完全可以实现，而且从数据准备到模型估计再到结果解读，链路比想象中清爽。这篇博文就用我的实际经验，把用Stata实现空间面板数据模型的完整流程、命令代码、模型选择逻辑和踩过的坑，一次性讲清楚。内容适合刚接触空间计量的硕博生，也适合想在论文里补充空间分析的实务研究者。

1. 空间面板数据模型到底在解决什么问题

1.1 为什么普通面板回归不够用

传统的面板数据模型假设不同地区之间是相互独立的，也就是某个地区的解释变量只会影响本地区的被解释变量，不会跨地区传导。这个假设在真实世界里经常站不住脚。举一个非常直白的例子：某个城市加大了对科技创新的财政补贴，周边的城市可能因为人才流动、产业配套、知识溢出等原因，创新产出也会跟着变化。这种“邻居”之间的相互影响，就是空间依赖性。

这种依赖关系在统计上带来两个直接后果。第一个后果是遗漏变量问题：如果你没把空间相互作用放进模型，残差里就藏着空间结构，导致估计结果有偏。第二个后果是信息浪费：普通面板只告诉你“本地要素对本地产出”的影响，但政策制定者往往更关心本地政策能不能辐射到周边，也就是空间溢出效应。空间面板数据模型的核心价值，就是同时解决这两个问题，让研究者能够既控制空间依赖，又识别空间溢出的方向和强度。

我经常用一个生活化类比来帮助理解：普通面板模型像是在只观察自己的院子，空间面板模型则会去关注邻居家的草长得怎么样、邻居用的除草剂是什么牌子，因为这两者很可能互相影响。理解了这一点，你就知道空间面板不是“炫技”，而是对现实空间相互作用的一种建模逼近。

1.2 三类主流模型：SAR、SEM、SDM怎么选

空间面板模型的基本框架是在普通面板回归的基础上，加入空间结构。核心模型主要有三个：

• 空间自回归模型（SAR），也叫空间滞后模型。它假设被解释变量之间存在空间依赖，即本地的Y会受到邻近地区Y的影响。模型形式可以写成：( Y_{it} = \rho W Y_{it} + X_{it}\beta + \mu_i + \varepsilon_{it} )，其中W是空间权重矩阵，ρ是空间自回归系数。
• 空间误差模型（SEM）。它假设空间依赖发生在误差项中，也就是一些不可观测的因素存在空间传导。模型形式为：( Y_{it} = X_{it}\beta + \mu_i + u_{it} )，其中 ( u_{it} = \lambda W u_{it} + \varepsilon_{it} )。
• 空间杜宾模型（SDM）。它在SAR的基础上进一步假设解释变量X也存在空间溢出，也就是说周边的X也会影响本地的Y。模型形式是：( Y_{it} = \rho W Y_{it} + X_{it}\beta + W X_{it}\theta + \mu_i + \varepsilon_{it} )。

选哪个模型，最稳妥的思路是从“一般到特殊”开始。先估计SDM，然后通过LR检验或Wald检验，检验两个原假设：( H_0: \theta = 0 )（退化为SAR）和 ( H_0: \theta + \rho\beta = 0 )（退化为SEM）。如果两个原假设都被拒绝，就保留SDM；如果其中一个不能被拒绝，就选择对应的简化模型。这个流程在后面实操部分会详细展示。

1.3 固定效应还是随机效应：空间面板的“老问题”

面板模型绕不开固定效应和随机效应的选择，空间面板同样如此。普通面板一般用Hausman检验来决定，空间面板里也有对应的做法。不过在空间计量里，很多文献会直接选择双向固定效应，也就是同时控制个体效应和时间效应，理由是空间单元之间往往存在较强的异质性，固定效应更稳健。

固定效应有两个好处：一是能够吸收不随时间变化的地区特征，比如地形、气候、文化传统；二是配合时间固定效应，可以吸收共同的宏观冲击，比如经济周期。代价是自由度损耗和无法估计那些不随时间变化的变量。随机效应则更有效率，但需要较强的假设条件。

我在实际操作中的体会是：如果样本覆盖面比较广，比如全国地级市、全国省份，首选时空双向固定效应；如果样本是特定行业或者特定区域的小样本，再考虑随机效应，并用空间Hausman检验来支撑结论。用Stata做空间面板时，无论选哪种效应，命令层级的差异并不大，但解释时要特别注意。

2. 用Stata实现空间面板的完整流程

2.1 数据准备：从数据整理到面板结构设定

用Stata做空间面板数据模型，第一步是确保数据本身就是面板结构。每一条观测必须唯一对应一个“空间单元+时间”的组合，比如一个城市在某一年的数据只能有一行。常见的问题是ID变量重复、年份变量缺失、数据类型不一致，这些都会在后续报错时让人崩溃。

数据清洗完成后，用xtset命令设定面板结构。假设你的数据里有id（地区代码）和year（年份）两个变量：

xtset id year

执行后Stata会告诉你面板类型，是平衡面板还是非平衡面板。如果数据不是按id和year排序，xtset会自动帮你排序。这一步完成后，我建议顺手跑一条xtdescribe，检查每个id有多少个时间观测。经常有人的数据在某一年缺失，如果不处理，后面做空间矩阵匹配时会出现“空间权重矩阵与观测不匹配”的报错，这点务必提前排查。

2.2 空间权重矩阵的构建：三类主流方式与标准化

空间权重矩阵是整个空间面板分析的地基，它刻画了地区之间的空间关系。Stata 15及以上版本提供了官方的spmatrix命令，可以直接创建、查看、标准化权重矩阵。比较常见的权重矩阵有三种：

• 邻接矩阵：两个地区有共同边界就取1，否则取0。
• 距离矩阵：基于地理距离的倒数或者距离阈值的倒数。
• 经济距离矩阵：基于GDP、贸易流、人口流动等经济变量的差距。

其中邻接矩阵最常用，也最容易解释。用Stata官方命令创建邻接矩阵时，需要先设置空间数据。如果你的数据里含经纬度坐标变量（比如经度long、纬度lat），可以用spset把数据设定为空间数据：

spset id, coord(long lat)

如果手头有shapefile文件，可以用spset配合shp文件路径来设定。设定好空间数据后，创建邻接矩阵：

spmatrix create contiguity W

创建完成后，可以用spmatrix summarize W查看矩阵的基本信息，用spmatrix export导出，也可以直接在下文的空间面板回归中使用。很多教程会提醒：空间权重矩阵要“行标准化”（row-standardization），也就是让每行的权重之和等于1。这个操作的意义在于让权重具有“平均化”解释，使得空间滞后项可以被理解为邻居变量的加权平均。在Stata里，创建矩阵时加一个选项即可：

spmatrix create contiguity W, standardize

我强烈建议做空间分析时养成“创建后立即标准化”的习惯。不标准化带来的一个常见问题是：当某个地区的邻居数量非常多时，空间滞后项的值会被放大很多倍，回归系数变得难以解释，甚至导致收敛失败。

2.3 核心估计命令与选项说明

Stata官方提供的空间面板估计命令是spxtregress，它在Stata 15之后被引入，支持固定效应、随机效应和极大似然估计。语法结构大致是：

spxtregress depvar indepvars, fe dvarlags(W) [ivarlags(W: varlist)]

其中：

• fe表示固定效应，re表示随机效应，ml表示极大似然。
• dvarlags(W)表示在模型中加入被解释变量的空间滞后项，对应SAR模型。
• ivarlags(W: varlist)表示加入解释变量的空间滞后项，配合dvarlags(W)使用时就是SDM模型。
• 如果要估计空间误差模型SEM，可以加入error(W)选项。不同版本对error支持情况略有差异，如果报错，可以把spxtregress更新到最新版，或者用外部命令xsmle配合spatwmat构建的矩阵来估计SEM。

需要留意的是，spxtregress需要权重矩阵存在当前Stata的内存里，也就是通过spmatrix create创建的矩阵对象。不是所有外部命令生成的矩阵都能直接被spxtregress识别。如果你的空间权重矩阵是用ArcGIS、GeoDa等软件导出的，先导入Stata并转换成spmatrix格式，再回归。这个转换可以借助spmatrix import等方式完成。

3. 一个完整案例：数字经济对区域创新的空间溢出效应

3.1 案例设定与基本模型形式

为了把上面的流程串起来，我构造一个典型的实证场景：研究数字经济对区域创新的影响。被解释变量是区域创新能力（patent，取对数），核心解释变量是数字经济发展指数（digi），另外加入控制变量：经济发展水平（pgdp，取对数）、人力资本（hum）、城市化率（urban）。数据是虚构的200个地区10年面板，已经整理成一个名为spdata.dta的文件。

研究目标是回答三个问题：

• 本地数字经济是否显著提高本地创新能力？
• 数字经济是否产生了空间溢出，即周边地区的数字经济是否影响本地的创新能力？
• 创新本身是否存在空间正向相关，即“强强联合”还是“虹吸效应”？

理论预期上，数字经济具有网络外部性和知识溢出特征，空间溢出很可能是正向的。基础模型从SDM设定开始。

3.2 空间自相关检验：Moran's I和LM检验怎么做

在正式跑空间面板回归之前，需要先验证数据里是否真的存在空间自相关。最常见的指标是莫兰指数（Moran's I）。在Stata里，有两种常用方式：

• 方式一：在spxtregress估计后，用estat moran直接检验残差的空间自相关。
• 方式二：先对变量做普通面板回归（不考虑空间项），再用spatdiag等外部命令计算Moran's I。

如果你还没有建立任何回归模型，只是先看看某个变量本身是否存在空间聚集，可以用spmatrix配合绘图和自相关统计量来观察，不过更常规的做法还是做回归后的残差检验。我的习惯是：先估计一个不含空间项的普通面板模型，然后立刻检验残差：

xtreg patent digi pgdp hum urban, fe estat moran

如果Moran's I显著为正，说明残差存在正向空间依赖，值得进一步使用空间面板模型。随后进行LM检验，判断遗漏的是空间滞后项还是空间误差项。常见的LM检验命令组合是把普通面板回归残差与空间权重矩阵结合，用spatdiag来实现：

reg patent digi pgdp hum urban spatdiag, wmat(W)

注意，spatdiag里的权重矩阵W需要用spatwmat或spmat的方式生成。如果手头只有spmatrix格式的W，可以先导出再导入到spatwmat能识别的格式。这一步在不同Stata版本里会有些绕，但逻辑是一致的：利用LM检验的稳健公式判断SAR还是SEM更合适。经验法则是：如果稳健LM-lag比稳健LM-error更显著，优先考虑SAR/SDM；反之则考虑SEM。

3.3 模型估计与比较：从SDM出发做LR检验

在确认存在空间依赖后，开始估计空间面板模型。首先估计SDM固定效应模型，同时加入被解释变量和核心解释变量的空间滞后项：

spxtregress patent digi pgdp hum urban, fe dvarlags(W) ivarlags(W: digi pgdp hum urban) est store sdm_fe

然后估计SAR模型，去掉解释变量的空间滞后项：

spxtregress patent digi pgdp hum urban, fe dvarlags(W) est store sar_fe

再估计SEM模型，使用误差项的空间滞后：

spxtregress patent digi pgdp hum urban, fe error(W) est store sem_fe

接下来用LR检验判断SDM是否会退化为SAR或SEM。这个检验可以直接用lrtest，将估计结果存储在同一个模型框架下：

lrtest sdm_fe sar_fe lrtest sdm_fe sem_fe

如果lrtest因为模型嵌套设置问题无法执行，也可以手动计算LR统计量：两倍的对数似然值之差，再与卡方临界值比较。自由度等于SDM相比简化模型多出来的参数个数。实际操作中，我经常看到LR检验结果两个原假设都被拒绝，说明SDM是更合适的模型；偶尔遇到不能拒绝SAR的情况，那就可以转用更简洁的SAR。

3.4 直接效应、间接效应与总效应：别只盯着系数看

空间面板模型里的回归系数不能直接当成边际效应解释，这一点是所有新手最容易翻车的地方。因为空间滞后项的存在，某个地区解释变量变化会通过空间传导链条影响所有地区，再反作用于本地，形成“反馈效应”。比如digi的系数β_digi只表示“本地数字经济发展对本地创新的直接路径”，但digi的空间滞后项和空间自回归项会让这个边际效应发生变化。

Stata里计算正确边际效应的命令是estat impact。它可以分别输出短期和长期的平均直接效应、平均间接效应（溢出效应）、平均总效应：

spxtregress patent digi pgdp hum urban, fe dvarlags(W) ivarlags(W: digi pgdp hum urban) estat impact

解读时的核心是看间接效应。如果digi的间接效应显著为正，说明周边地区的数字经济提升会显著促进本地区的创新产出，这就是空间溢出的证据。如果间接效应为负，可能是虹吸效应，比如资源向数字经济发展好的地区集中。记住：主回归表里的系数只是“局部效应”，论文里要汇报效应分解的结果，这才是空间计量的“卖点”。

3.5 稳健性与内生性处理的补充思路

空间面板模型同样面临内生性问题，如果核心解释变量与误差项相关，估计结果不可靠。常用的应对方法是用iv选项加入工具变量，或者改用空间两阶段最小二乘方法。在Stata里，spxtregress对工具变量也有支持，配合iv()选项实现。

工具变量的选取思路和普通IV回归一致，要满足相关性和外生性。空间计量里经常使用解释变量的空间滞后项作为工具变量，比如用周边地区的数字经济指数作为本地数字经济的工具变量。背后的逻辑是：周边地区的数字经济发展水平会影响本地数字经济发展，但同时一般不直接决定本地的创新能力。这种做法虽然常见，但需要谨慎论证外生性。

4. 常见问题与排查技巧实录

4.1 收敛失败：多数时候是权重矩阵的锅

spxtregress在估计时偶尔会报“convergence not achieved”或者迭代不收敛。根据我的经验，最常见的原因是空间权重矩阵没有标准化，或者权重矩阵里有大量孤岛节点（没有任何邻居的地区）。邻接矩阵里，如果一个地区与任何其他地区都没有公共边界，它的行全是0，行标准化时会出问题。解决办法：一是检查spmatrix summarize W的输出，看有没有全零行；二是对孤岛节点做处理，比如改为距离权重，或者直接把这些样本排除在分析之外。

另外，极大似然估计对初值比较敏感。如果收敛困难，可以尝试用re随机效应模型先跑通，再回到fe；或者把绝对数值过大的变量做标准化处理。数字经济的量纲如果很大，估算时容易出现数值溢出。

4.2 权重矩阵的维度匹配错误

报错“variables must be in same order”或者“matrix not found”往往是权重矩阵的行列顺序和面板数据的id顺序不一致。spxtregress要求权重矩阵的行列名称必须与面板数据里的id取值严格对应。你在用spmatrix create时，权重矩阵的标签源自spset设定的id变量。如果之前xtset id year时id编码和spset的id编码不一致，就会对不上。

我的经验是：在xtset之前，先运行spset id, coord(long lat)，让Stata把空间信息与面板id绑定，然后再xtset id year，这样内部记录是一致的。尽量别用两个不同的id变量来管理空间信息和面板信息。

4.3 结果解读里的坑：系数显著不等于溢出显著

很多初学者在主回归表里看到一个正显著的系数，就急着写“说明存在正向空间溢出效应”。这里有两个坑。

第一个坑：没有做效应分解。正如前面所说，空间面板模型的系数不能直接解释为边际效应，必须用estat impact的结果来表述。

第二个坑：混淆了“被解释变量的空间自回归系数ρ”和“解释变量的空间溢出”。ρ显著为正，只能说明区域创新本身存在空间依赖，不能说明数字经济的空间溢出；要谈数字经济的溢出，必须看digi的间接效应是否显著。

我审稿时经常看到有作者把ρ的描述写成“数字经济存在显著溢出效应”，这是不严谨的。准确的写法是：rho显著为正，说明区域创新产出存在显著的正向空间依赖；digi的间接效应显著为正，说明数字经济发展具有显著的空间溢出效应。

4.4 快速排查速查表

4.5 外部命令的版本管理问题

xsmle、spatwmat、spatdiag这些命令都是外部命令，需要提前安装。我个人在Stata 15以上版本里更推荐官方命令spmatrix和spxtregress，因为官方命令的权重矩阵管理更统一，报错信息也更明确。但如果你需要估计空间误差模型SEM，或者想用sac模型（同时包含空间滞后和空间误差），官方命令在某些版本里选择有限，这时用xsmle会更方便。

安装外部命令的方法很简单：

ssc install xsmle ssc install spatwmat ssc install spatdiag

需要特别提醒的是，这些外部命令依赖的矩阵格式与传统spmat格式不完全一样。xsmle通常要求你用spatwmat生成矩阵，再放到wmat()选项里。如果之前用官方spmatrix创建的矩阵，记得先导出，再用spatwmat导入。这个转换过程会花一点时间，但实际做完一次后就会发现规律很简单。

5. 关于这套流程的一些个人体会

用Stata做空间面板数据模型，最关键的不是记住命令，而是理解整个分析链条的每一步为什么这么做：为什么先做Moran's I，为什么从SDM出发做LR检验，为什么结果要看estat impact而不是主回归系数。把这些逻辑理顺了，换数据、换变量、换权重矩阵都不会慌。

我个人在实际操作中的一个小技巧是：在开始正式分析前，先做一遍“全流程预演”——用同一份数据，从spset、spmatrix、xtreg、spxtregress到estat impact全部跑通，哪怕结论不完美。这样能提前暴露数据污染、id不匹配、权重矩阵全零行等问题，避免在真正写论文赶结果的时候才发现错误。

最后再分享一个扩展方向：如果你后续想研究政策冲击的空间效应，可以尝试在空间面板框架里加入DID设计，即空间DID模型，检验某项政策是否不仅影响了本地、也影响了邻近地区。Stata里也可以通过交互项和空间滞后项的组合来实现。这套空间面板的基础流程跑通之后，做这些进阶模型会顺畅很多。