做贸易数据的朋友，应该都听过CEPII吧。
就是那个BACI数据库，还有那个著名的Gravity Model。
很多人刚上手的时候，都懵圈。
特别是那个dist和geo，看着都差不多。
都是算距离嘛，有啥区别？
今天我就结合我这几年的踩坑经验，聊聊这个。
不整那些虚头巴脑的理论，只说大白话。
先说结论，别急，听我慢慢讲。
dist，其实就是大圆距离。
它是基于经纬度，算两点之间的直线距离。
就像飞机飞的那种，球面上的最短路径。
这个数据，CEPII给得很全。
它是基于城市或者省份的中心点算的。
比如北京到上海，它算的是这两个点之间的球面距离。
这个dist，有个好处，就是通用。
不管你是算国家间，还是城市间，都能用。
但是，它有个大坑。
它忽略了很多实际因素。
比如，你从北京去上海，真的只飞直线吗？
不是啊，还得看有没有直飞航班，还得看物流路线。
而且，dist只考虑了地理距离。
它没考虑政治、文化、语言这些。
这就是为什么，有时候dist算出来的结果，跟实际贸易流量对不上。
这时候，你就得看看geo了。
geo，全称是Geographical Dummies。
它不是算一个具体的数字。
它是一个虚拟变量，或者说是一组分类变量。
它把地理关系分成了几类。
比如，是否接壤？
是否隔海相望？
是否在同一大陆？
还有，是不是殖民地关系？
这个geo，更侧重于“关系”。
它捕捉的是那些因为地理位置近，而产生的特殊联系。
比如，接壤的国家，贸易成本肯定低。
因为陆路运输方便，不用过海关那么麻烦。
隔海相望的，可能有传统的海运路线。
这些，dist是算不出来的。
dist只告诉你，你们俩有多远。
geo告诉你，你们俩关系有多“近”。
在实际应用中，怎么选？
这得看你的研究目的。
如果你是在做引力模型回归。
通常，dist和geo会一起放进模型里。
dist作为连续变量，控制物理距离的影响。
geo作为分类变量，控制地缘政治和文化的影响。
这样模型才稳健。
如果你只放dist，可能会遗漏重要信息。
比如，中国和蒙古接壤，dist不远，但贸易量可能受政策影响大。
这时候，geo里的“接壤”变量就能捕捉到这个效应。
再说说数据获取。
dist的数据，CEPII直接给了一个csv文件。
叫distances.csv。
里面全是经纬度，你拿软件算一下就行。
或者直接用他们算好的。
geo的数据，也在同一个包里。
叫geo.dta或者geo.csv。
里面有很多列，都是0和1。
0表示没有这个关系，1表示有。
比如，contiguity就是接壤。
landlocked是内陆国。
这些变量，直接导入Stata或者R就能用。
我当初做论文的时候，就犯过一个错。
我以为dist和geo是二选一的。
结果模型跑出来，R平方特别低。
后来导师提醒我，这两个是互补的。
一个是硬距离，一个是软关系。
都得加上，才能解释清楚贸易流量。
还有一点要注意。
dist是基于中心点的。
如果一个国家很大，比如俄罗斯。
它的中心点可能在乌拉尔山脉那边。
但它的贸易中心可能在莫斯科或者圣彼得堡。
这样算出来的dist，误差就大了。
这时候，geo里的“首都距离”或者“经济中心距离”可能更准。
CEPII也提供了其他距离数据。
比如基于首都的，基于经济中心的。
大家可以根据自己的研究重点选。
总之，dist和geo，不是非此即彼。
它们是引力模型里的好搭档。
dist负责量化物理障碍。
geo负责捕捉地缘红利。
搞懂了这点，你的模型会漂亮很多。
别光看代码，多想想背后的经济学含义。
数据是死的，人是活的。
希望这点分享，能帮到正在头疼的你。
如果有其他问题，欢迎评论区聊。
咱们一起进步，少踩坑。
毕竟，做研究不容易，尤其是处理这种微观数据。
每一步都得走得稳。
好了，今天就聊到这。
记得点赞收藏，下次找数据不迷路。
