做引力模型的人迟早要用到双边距离。CEPII 的 GeoDist 是最常用的免费来源：它不只用首都之间的距离，而是用城市级人口分布加权，算出一组能反映"人口实际分布"的双边距离。数据库页面标注的许可为 Etalab 2.0，属于可自由再利用的开放许可。

它给两个文件：国家层面的 geo_cepii 与国家对层面的 dist_cepii。真正做回归用的是后者。

geo_cepii 是国家清单：ISO 代码、国名、面积、国内距离、是否内陆、所属大洲、主要城市、首都经纬度、语言与殖民者等字段。实际打开是 238 行 × 34 列，中国那一行给出 iso2 = CN、iso3 = CHN、cnum = 156、面积 9,572,378 平方公里、国内距离 1,163.7 公里、非内陆、首都北京、纬度 39.91667、经度 116.4333。

dist_cepii 是国家对：50,176 行 × 14 列，正好是 224 × 224 的完整对阵，也就是每两个国家之间都有一条记录，包含自己对自己的那条。做中国出发的分析，筛 iso_o = CHN 可以得到 224 行。

这里有个细节要留意：数据库页面写"225 个国家"，而下载到的 dist 文件是 224 × 224，geo_cepii 是 238 行。三个数字不一致，原因通常是版本与统计口径（是否含属地、是否含已解散实体）。以文件里的实际行为准，不要按页面描述去凑数。

四个距离变量不是替代关系，而是不同口径。dist 最简单，取两国主要城市；distcap 只看首都，适合制度或政治中心相关的分析；distw 用城市人口做权重，更接近"经济活动之间的距离"；distwces 在加权时排除了人口稀少的地区，避免大片荒漠把距离拉偏。

引力模型里最常见的是用 distw 或 distwces，因为贸易发生在人和企业之间，不是发生在首都之间。但如果你的机制涉及政治决策或行政中心，distcap 更合适。

用 dist_cepii.xls 直接筛起点列即可，注意三点：一是筛 iso_o = CHN，得到 224 行；二是其中有一行是 CHN 对 CHN，dist 为 1,163.707 公里，等于该国的国内平均距离（小国的这一行会小到几公里，比如阿鲁巴约 5.2 公里），做跨国回归时要剔掉；三是目的地里既包含中国的贸易伙伴，也包含一些属地与非主权地区，是否保留取决于你的样本定义。

在 R 里读 xls 需要 readxl，在 Python 里用 pandas 的 read_excel 即可。若要做面板，把 dist 表按国家对与年份合并到贸易流数据上，注意国家对的方向：引力模型通常假设对称，但 dist_cepii 是双向都列了，合并时要么只用 iso_o 小于 iso_d 的那一半，要么保留双向并加对称性约束。

自距离行。每个国家对表里都有 i 对 i 的记录（dist 为国内距离），做跨国回归必须剔除，否则会污染距离系数。

单位。四个距离变量都是公里，建模时通常取对数；如果论文里用的是英里，记得换算，别在文字里写公里、代码里用英里。

接壤变量的分布。全表 contig = 1 的记录只有 616 条，占 1.2% 左右，样本里如果只剩几十个国家对，接壤的观测可能个位数，系数不稳。

版本。GeoDist 的方法论文是 Mayer 与 Zignago 的 2011 年工作论文，之后数据有更新；引用时写清下载时间与文件版本，否则复现会对不上。

数据库页面标注许可为 Etalab 2.0，这是法国的开放数据许可，允许复制、分发、改编与商业使用，条件是注明来源与更新时间。对学术使用来说，按规范署名即可。

引用建议：Mayer, Thierry, and Soledad Zignago. 2011. "Notes on CEPII's Distances Measures: The GeoDist Database." CEPII Working Paper 2011-25. 数据：CEPII GeoDist 数据库（入口见币区，访问日期按自身著录规范填写）。

GeoDist 只给地理与历史联系变量，不给贸易流、GDP、关税。做引力模型还要另找贸易数据（如 BACI、UN Comtrade）与宏观数据。它也不给国内区域之间的距离（除了一个全国平均的国内距离），做省际或城市间分析要另找来源。

两个文件的直达地址、14 个变量的完整说明、中国样本的筛选代码与行数、许可条款与引用格式，回复本帖即可见。