Stata空间杜宾模型实操指南：从权重矩阵到效应分解全流程

空间计量这几年在实证圈子里热度一直往上走，尤其是做区域经济、产业集聚、环境规制这类带地理属性的题目，审稿人越来越不满足于普通面板回归，总会追问一句"考虑空间溢出了吗"。空间杜宾模型（SDM）就是应对这类追问的主力工具之一，它同时纳入了解释变量的空间滞后项和被解释变量的空间滞后项，能刻画"本地解释变量影响本地被解释变量""邻居的解释变量影响本地被解释变量""邻居的被解释变量影响本地被解释变量"这三条通道。听起来复杂，但落到Stata操作上，其实是一条相当固定的流水线：设定空间权重、做空间自相关检验、跑LM检验选模型、估计SDM、分解直接效应与间接效应、最后解读。这篇就把我平时带新手走这条流水线的完整过程摊开讲，重点放在那些教程里不写、但实操中一定会卡住的地方。

1. 开工前的整体设计与思路拆解

1.1 为什么是SDM而不是SAR或SEM

很多人一上来就问该用哪个空间模型，其实这个问题不该由偏好决定，而该由检验结果决定。空间滞后模型（SAR）只放被解释变量的空间滞后项，假设空间溢出只通过被解释变量的传导发生；空间误差模型（SEM）则把空间相关性塞进误差项，认为溢出源于遗漏的、具有空间结构的不可观测因素。SDM把两者合到一起，同时放入WY和WX，形式上最"贪心"。

选SDM的底层逻辑是：如果你不确定溢出到底走哪条通道，SDM是一个相对稳健的起点，因为它嵌套了SAR和SEM（在参数约束下可退化）。更实际的一点是，LeSage和Pace那套观点影响很深——他们主张直接估计SDM，再用似然比检验看能否简化成SAR或SEM，而不是先做一堆LM检验再二选一。我个人的习惯是两条路都走一遍：LM检验用来给审稿人一个交代，LR检验用来确认SDM是否真的有必要保留WX项。这样无论审稿人偏好哪套流程，你都有对应的结果垫底。

需要提醒的是，SDM不是万能药。它对权重矩阵设定非常敏感，权重一换结论可能就变；而且它参数多，小样本下估计不稳。所以整个流程里，权重矩阵的构造和稳健性检验，重要性一点不亚于模型本身。

1.2 整条流水线的骨架

把流程拆成可执行的步骤，大致是这样一条链：

1. 数据准备：面板结构、地理坐标或邻接关系、缺失值处理
2. 构造空间权重矩阵：邻接型或距离型，标准化处理
3. 空间自相关检验：全局Moran's I，看被解释变量有没有空间聚集
4. 模型选择检验：LM-lag、LM-error、稳健版本，必要时加LR检验
5. 估计SDM：固定效应还是随机效应，用Hausman定夺
6. 效应分解：直接效应、间接效应、总效应
7. 稳健性：换权重、换估计方法、缩尾处理

这条链里，第2步和第6步是最容易出问题的地方。权重矩阵构造错了，后面全盘皆输；效应分解不做，SDM的系数解读就是错的——这是新手最常犯的硬伤，后面会专门讲。

1.3 工具与命令的选型考量

Stata里做空间计量，主流是两条命令线：官方的spregress系列（Stata 15以后内置）和第三方老牌的spatreg、spmat、xsmle。我一般推荐新手先用spmat管权重、xsmle跑估计，原因是xsmle对面板SDM支持成熟、效应分解直接输出、文档案例多，社区里问问题也容易找到答案。spregress虽然官方维护、语法干净，但早期版本对面板固定效应的效应分解支持不如xsmle顺手。

提示：命令选型没有绝对对错，关键是团队内部统一、结果可复现。如果你所在的环境只能用官方命令，那就把spregress的用法吃透，逻辑是一样的。

选xsmle还有一个现实理由：它输出的结果表里直接带直接效应、间接效应、总效应，省去手工用nlcom算偏导的麻烦。手工算不是不行，但矩阵求逆那一步很容易抄错，尤其变量一多，出错概率陡增。

2. 核心细节解析与实操要点

2.1 空间权重矩阵：整个模型的地基

权重矩阵W是空间计量的灵魂，它定义了"谁是谁的邻居"。常见两类：邻接型（contiguity）和距离型（distance）。邻接型里又分Rook（共边算邻居）和Queen（共边或共点都算）。距离型一般用地理距离的倒数、倒数平方，或者设一个距离阈值内的反距离。

构造邻接矩阵，Stata里常用spmat配合spmat contiguity，需要先有shapefile或者邻接关系表。如果没有地理信息文件，也可以手工维护一张"地区-邻居"对照表，用spmat的from选项导入。距离型则用spmat的idistance或vinverse，需要经纬度坐标。

这里有个关键操作：行标准化。做法是把每行的元素除以该行之和，使每行加起来等于1。为什么必须做？因为不标准化的话，一个邻居多的地区，其WY项的量级会天然偏大，系数估计会被邻居数量"污染"，解释起来毫无意义。行标准化之后，WY的含义变成"邻居被解释变量的加权平均"，这才有经济解释力。

* 假设已有邻接关系文件，构造邻接矩阵并行标准化 spmat use W using "contiguity_matrix.spmat", replace spmat summarize W * 行标准化 spmat normalize W, row

注意：行标准化会让矩阵不再对称，这会影响某些检验的渐近性质，但实践中绝大多数文献都这么做，属于行业惯例。如果你坚持用对称矩阵，需要在文中说明理由。

2.2 全局Moran's I：先看有没有空间聚集

在跑模型之前，先确认被解释变量本身存在空间自相关。全局Moran's I是最常用的指标，取值大致在-1到1之间，大于0表示正相关（高值聚集高值、低值聚集低值），小于0表示负相关，接近0表示随机分布。

Stata里用spatgsa或estat moran（配合spregress）。用spatgsa的话：

spatgsa y, weights(W) moran

输出会给Moran's I值、期望值、标准差和p值。p值显著且I为正，说明存在空间正相关，做空间模型有依据。如果I不显著，理论上普通回归也能接受，但审稿人可能仍会要求你报告空间模型作为稳健性。

实操心得：Moran's I对权重矩阵很敏感。同一份数据，邻接矩阵和距离矩阵算出来的I可能差不少。我的做法是主回归用一种权重，稳健性检验换另一种，两种都报告，结论一致才踏实。

2.3 LM检验与模型选择：给审稿人一个交代

LM检验分四个：LM-lag、LM-error、Robust LM-lag、Robust LM-error。经典判据是Anselin那套：先看两个非稳健LM，哪个显著选哪个；如果都显著，再看两个稳健版本，稳健LM-lag显著选SAR，稳健LM-error显著选SEM。

* 用spregress做LM检验（需先设定空间权重） spregress y x1 x2, gs2sls dvarlag(W) ivarlag(W: x1 x2) estat moran

不过说实话，LM检验在SDM语境下有点尴尬——它本质是帮你在SAR和SEM之间二选一，而SDM是"两个都要"。所以更贴合SDM流程的做法是：先估计SDM，再用LR检验看WX项是否联合为零（能否退化为SAR），以及看WY项是否为零（能否退化为SEM）。两个约束都不被拒绝，才说明SDM是合适的。

* 估计SDM xsmle y x1 x2, wmat(W) model(sdm) fe type(both) nolog * 检验WX项是否联合为零（退化为SAR） test [Wx]x1 [Wx]x2

提示：LR检验需要嵌套模型，xsmle估计后可以用lrtest对比SDM与SAR、SDM与SEM。记得保存两次估计结果。

2.4 固定效应还是随机效应

面板SDM同样面临FE和RE的选择。Hausman检验是标准做法，但空间面板下的Hausman实现起来各家命令略有差异。xsmle支持hausman选项直接输出。经验上，区域经济类数据几乎都选固定效应，因为个体效应（比如某地固有的资源禀赋）大概率与解释变量相关，RE的 orthogonality 假设很难成立。

选FE之后还有个小问题：个体固定还是双向固定（个体+时间）。如果样本期较长、存在共同冲击（比如宏观政策周期），双向固定更稳妥。xsmle里用type(both)指定双向。

3. 实操过程与核心环节实现

3.1 数据准备与面板设定

先确保数据是平衡或非平衡面板，地区ID和时间ID齐全。空间权重矩阵的维度必须和截面单位数严格对应，顺序也要一致——这是新手翻车的高发区。矩阵里第3行对应的是地区A，你的面板数据里第3个地区也必须是A，错位一位，结果全废。

* 设定面板 xtset region_id year * 检查面板结构 xtdescribe

缺失值处理要格外小心。空间模型对缺失敏感，因为WY项需要邻居的值，邻居缺失会传导。我的习惯是先做完整案例筛选，把关键变量缺失的观测删掉，再构造权重矩阵，确保矩阵维度和清洗后的截面数一致。

3.2 权重矩阵与数据的对齐

这一步我单独拎出来讲，因为踩过太多次坑。假设你有30个省份，权重矩阵是30×30。构造矩阵时，spmat会按它读入的顺序排列。而你的面板数据里，region_id的排序未必和矩阵一致。解决办法是：构造一个"地区-矩阵序号"对照表，用merge把矩阵序号贴到面板数据上，再按序号排序，确保xtset后的截面顺序与矩阵一致。

* 假设W已构造好，导出其行列标签 spmat export W, format(full) replace * 核对标签顺序与数据中的地区编码是否一致

如果实在对不齐，一个笨但可靠的办法是：把权重矩阵导出成Excel，手工核对行列标签，再在Stata里用matrix命令重新录入。慢，但不会错。

3.3 SDM估计的完整命令与参数说明

* 主回归：双向固定效应SDM xsmle y x1 x2 x3, wmat(W) model(sdm) fe type(both) nolog * 效应分解（xsmle默认输出，若需单独提取） xsmle y x1 x2 x3, wmat(W) model(sdm) fe type(both) effects nolog

参数逐个说：wmat(W)指定权重矩阵；model(sdm)指定模型类型；fe固定效应；type(both)双向；effects要求输出直接、间接、总效应；nolog压掉迭代日志。

估计方法上，xsmle默认用拟极大似然（QML）。样本量不大时QML表现尚可，但如果截面数很少（比如20个以下），可以考虑gs2sls（广义空间两阶段最小二乘）作为稳健性对照。两种方法结论一致，说服力更强。

3.4 效应分解：SDM解读的核心

这是全文最该划重点的地方。SDM的回归系数不能直接解读为边际效应。因为模型里有WY项，一个地区解释变量变动，会通过"本地→邻居→本地"的反馈回路影响自身，也会通过"本地→邻居"影响邻居。所以系数要分解成：

• 直接效应：本地x变动对本地y的平均影响（含反馈回路）
• 间接效应（空间溢出）：本地x变动对邻居y的平均影响
• 总效应：两者之和

xsmle的effects选项会直接给出这三组结果。如果没有，可以用nlcom基于系数和W矩阵手工算，但矩阵求逆那步极易出错，强烈建议用命令自带输出。

注意：直接效应不等于原始系数。很多人直接把xsmle主表里的系数当边际效应写进论文，这是硬伤。审稿人一眼就能看出来。务必报告效应分解表。

效应分解的显著性检验也要报告。xsmle输出的效应表带标准误和p值，直接引用即可。间接效应显著，才谈得上"存在空间溢出"，否则只能说"未发现显著溢出"。

3.5 稳健性检验的三板斧

第一板斧：换权重矩阵。邻接换距离，或者距离阈值调一调，看核心结论是否稳定。第二板斧：换估计方法。QML换GS2SLS。第三板斧：缩尾处理。对连续变量做1%或5%缩尾，排除极端值驱动结论的可能。

* 缩尾示例 winsor2 y x1 x2, cuts(1 99) replace * 重新估计 xsmle y x1 x2, wmat(W) model(sdm) fe type(both) nolog

三板斧砍完结论还在，基本可以放心写。如果某一板斧下去结论翻了，那要老实交代，并在文中讨论原因，而不是藏起来。

4. 常见问题与排查技巧实录

4.1 报错与不收敛的排查

xsmle最常见的报错是矩阵奇异或不收敛。原因通常有三：权重矩阵有全零行（某个地区没有任何邻居，比如岛屿地区），或者矩阵维度与数据不匹配，或者解释变量存在完全共线。

全零行的处理：要么把该地区从样本中剔除，要么给它人为指定一个最近邻居。我一般选后者，并在文中注明处理方式。矩阵维度不匹配，回到3.2节对齐。共线问题用corr或vif先排查。

不收敛的话，试试调大迭代次数iterate(500)，或者换初始值。有时候是数据量级差异太大，先做标准化再估计。

4.2 效应分解结果与主表系数"对不上"

新手常问：为什么直接效应和主表系数不一样？这不是bug，是SDM的数学性质决定的。主表系数是偏效应的一部分，直接效应包含了反馈回路，两者本就不等。只要效应分解表逻辑自洽（直接+间接=总效应），就没问题。

4.3 常见问题速查表

4.4 几个容易忽略的细节

第一，时间固定效应的加入会改变WY的解读。双向固定下，WY捕捉的是剔除共同时间趋势后的空间依赖，解释时要相应调整措辞。第二，非平衡面板下，权重矩阵仍是截面维度的，不随时间变，这点要在方法部分写清楚。第三，报告结果时，权重矩阵的构造方式、标准化方法、距离阈值（如果用了）必须交代到能让别人复现的程度，这是审稿人必查项。

我在实际带新手的过程中发现，卡住人的往往不是模型本身，而是权重矩阵对齐和效应分解这两步。前者靠细心和对照表，后者靠记住"系数不等于边际效应"这一条铁律。把这两关过了，SDM这条流水线跑起来其实很顺。后续如果要做动态空间面板或者空间门槛模型，也是在这套地基上往上搭，权重矩阵和效应分解的逻辑一脉相承。