如何基于点数据用k最近邻与距离函数创建空间权重矩阵？

要生成指定k近邻、权重为距离逆函数（如1/dij^beta或exp(-beta*dij)）的空间权重矩阵，不能直接用nb2listw的style="W"（它会生成等权重），需要手动计算距离并自定义权重，再传入nb2listw。

实现步骤： #

1. 计算k近邻关系与对应距离
   用knearneigh可以同时获取每个点的k个近邻索引和距离，再转换为邻居对象：

   library(spdep)
   
   set.seed(1)
   x <- runif(100, 0, 1)
   y <- runif(100, 0, 1)
   coords <- cbind(x, y)
   
   # 计算k=5的近邻，同时返回距离矩阵
   knn_obj <- knearneigh(coords, k = 5)
   neighbour <- knn2nb(knn_obj)
   # 提取每个点到其近邻的距离
   dist_mat <- knn_obj$nn.dist
   

2. 自定义距离权重
   根据需求选择权重函数，以下是两种常见实现：

   • 逆距离平方权重（1/dij^beta）：

     beta <- 2
     # 遍历每个点，计算其邻居的权重，同时处理距离为0的边界情况
     weights_list <- lapply(1:nrow(dist_mat), function(i) {
       d <- dist_mat[i, ]
       d[d == 0] <- 1e-8  # 避免除以0
       w <- 1 / (d^beta)
       w <- w / sum(w)  # 行归一化，保证每行权重和为1（可选）
       w
     })
     

   • 指数衰减权重（exp(-beta*dij)）：

     beta <- 5
     weights_list <- lapply(1:nrow(dist_mat), function(i) {
       d <- dist_mat[i, ]
       w <- exp(-beta * d)
       w <- w / sum(w)  # 行归一化（可选）
       w
     })
     

3. 生成空间权重矩阵对象
   将自定义权重列表传入nb2listw的glist参数，生成目标对象：

   weights <- nb2listw(neighbour, glist = weights_list, style = "W")
   

验证结果 #

可以查看任意点的邻居权重，确认不是等权重：

# 查看第1个点的邻居权重
weights$weights[[1]]

内容的提问来源于stack exchange，提问作者Stephen Clark