空间模型残差仍有自相关，论文怎样报告权重矩阵与检验？

一篇地区健康研究拟合回归模型后，残差图上相邻县常同号，Moran检验也显著。稿件只有一句“存在空间自相关，因此使用空间模型”，却没有说明“相邻”怎样定义。换一种邻接关系，检验对象就会变化；读者甚至不知道统计量是对原始结局还是回归残差计算的。投稿时应把地图上的关系、模型中的观测和检验输出连成一条可复核的链。

先说清地图上哪些单元被算作邻居。若用行政区多边形，共边或共点是否算邻居？若用点位，采用固定距离、最近若干邻居还是交通时间？说明坐标系统、距离单位、阈值或阶数，以及权重是否行标准化。两座岛屿或被山体隔开的样点可能没有邻居，不能在程序里默认赋零后不交代。还应报告共有多少分析单元、多少无邻居单元、是否存在不连通子图。矩阵不是一张装饰性的附图，它直接决定哪些残差被拿来比较。

第二步确认检验对象。原始结局的空间聚集与控制协变量后的残差聚集是不同问题。若模型删除了缺失观测，空间矩阵必须按同一批单元同步子集化并保持顺序一致；否则代码可能仍给出数字，却把甲县残差配到乙县邻居。写出模型版本、残差类型、纳入样本与矩阵版本。对加权回归或特殊误差结构，不能不加核对就套用只针对普通线性模型的默认检验。

Moran I的正值常被用来描述相似残差趋于相邻，但统计解释取决于所用权重、零假设和检验方式。报告统计量、预期值或标准化量、P值、单侧或双侧备择，以及采用解析近似还是置换。置换次数若参与P值计算，也应写清。单个显著P值并不告诉读者残差集中在哪些地方，更不识别其原因；可辅以残差地图，检查局部聚集是否由少数边界或异常区驱动。

显著结果提示残差仍有空间结构，需要检查模型、数据与检验设定。更准确的处置是逐层排查：地理坐标有无错配、结局单位和分母是否一致、重要的区域变量是否遗漏、线性形式是否过于简单。随后才考虑与研究问题相符的空间误差、空间效应或层级结构。不同空间模型回答的问题不完全相同，不能只因为某个模型让Moran值不显著，就宣称找到了“真正机制”。若研究主要为描述与预测，也要说明标准误和预测验证可能受空间依赖影响。

比较替代矩阵时，应预先说明为何两种邻接规则都有现实意义，而不是挑一个使P值最好看的版本。主分析可给出理论上最合适的权重构造；敏感性结果展示距离阈值变化后残差诊断和核心系数是否稳定。若地区大小差别很大，固定距离与接壤矩阵的含义差异尤其值得解释。

方法段可以按“分析单元—邻接规则—标准化—无邻居处理—模型—残差—检验”顺序写。结果段则先报实际矩阵与观测数量，再写Moran结果和后续模型变化。读者即使没有原始地理文件，也能判断这个显著结果来自怎样的空间关系，而不是一句无法复现的“考虑了空间效应”。

参考信息：R-spatial项目spdep文档《Moran's I test for residual spatial autocorrelation》与《Moran's I test for spatial autocorrelation》。