说实话，刚入行那会儿，我也觉得这俩玩意儿差不多，都是算距离的嘛。直到我帮一个做跨境电商的小老板跑数据，他拿着CEPII数据库里的dist和geo两个变量问我：“老张，这俩不都是算两地距离吗？我咋算出来差这么多？”我当时心里咯噔一下，心想这要是讲不清楚，我这七年白干了。
咱不整那些虚头巴脑的学术定义，直接上干货。你如果还在用geo去硬套那些需要高精度物流成本的模型，那基本就是给自已挖坑。
先说geo。这玩意儿在CEPII里，通常指的是经纬度坐标。对，就是简单的lat和lon。你拿它算距离，得自己写代码，用Haversine公式或者Vincenty公式去算大圆距离。好处是啥？灵活啊。你可以算直线距离，也可以根据实际航线、铁路线去加权。但坏处也明显，太麻烦，而且它只反映几何上的远近，不反映“心理”或“经济”上的远近。
再说dist。这是CEPII直接给你算好的距离变量。注意啊，这里的dist，很多时候指的是首都到首都的距离，或者是主要城市对之间的距离。它背后有一套复杂的计算逻辑，可能还包含了历史殖民关系、语言障碍等虚拟变量（虽然这些是单独变量，但dist本身是纯地理距离的代理）。最关键的是，dist是现成的，你直接拉进Stata或者Python里就能用，省得你自己去算经纬度差。
我举个真实的例子。去年有个做中欧班列物流的朋友，他想分析西安到柏林的贸易潜力。他用geo算的直线距离，大概7000多公里。但他用dist变量，发现数据里给的是两个主要枢纽城市的距离，而且他还忽略了中间经过的边境口岸拥堵成本。结果呢？他的模型拟合度特别差，R平方低得可怜。为啥？因为dist虽然准，但它没包含“非地理成本”。
这时候你就得明白CEPII的dist和geo区别到底在哪。geo是原材料，dist是半成品。你要是做纯地理空间分析，比如研究地形对贸易的影响，那你必须用geo自己算，因为dist可能没包含海拔、山脉这些细节。但如果你做标准的引力模型（Gravity Model），研究GDP、人口对贸易的影响，那dist就够用了，甚至更省事。
还有个坑，很多新手分不清CEPII里的dist是公里还是英里。我去查了CEPII的官方文档，好家伙，它给的距离单位是公里，但有些老版本的数据库或者第三方整理的数据，可能会转成英里，或者直接用某种标准化后的指数。你如果不仔细看变量说明，直接拿去回归，系数符号反了都不知道咋回事。
另外，dist变量在CEPII里，有时候是针对“国家对”（country-pair）的，有时候是针对“城市对”的。你要是混用了，比如用国家层面的dist去分析城市层面的贸易数据，那误差就大了去了。我之前就犯过这错，把北京到纽约的国家间距离，直接套用在深圳到洛杉矶的企业级贸易数据上，结果被导师骂得狗血淋头。
所以，总结一下。你要是求快，求标准引力模型，用dist，但一定要核对单位和对齐层级。你要是搞创新，想加入地形、气候、实际运输路线成本，那必须用geo自己算。别偷懒，别觉得dist现成就好用。
最后提醒一句，CEPII的数据更新挺慢的，有时候2020年的数据还没出来，你就得自己用最新的经纬度去算geo。这时候CEPII的dist和geo区别就体现出来了：dist是死的，geo是活的。做研究嘛，就得有点活人样，别被工具牵着鼻子走。
希望这点经验能帮你避避坑，别像我当年一样，为了一个距离变量熬了三个通宵。
