边际效应教程

回归分析

讲清楚 AME、MEM 和 Median 三种边际效应口径，以及在 STATAU 中如何打开和解读。

常用 Stata 命令margins, dydx(*)

在 STATAU 中打开此功能

边际效应margins dydxAMEMEM

这个页面解决什么问题

边际效应是把 Logit / Probit 的原始系数转成更容易解释的概率变化口径，因此它通常比原始系数更适合进入论文主体结论。

方法原理

边际效应本质上是在某个参考点或全样本上，计算解释变量变动 1 个单位对预测概率的边际影响。AME、MEM 和 Median 的区别就在于这个“参考点”怎么取。

适用数据与前提

需要先在 Logit 或 Probit 页面勾选“计算边际效应”，并完成一次离散选择模型估计。

STATAU 页面中每个位置应该放什么变量

网站位置	应放入的变量	说明
计算边际效应	是否生成边际效应表	勾选后才会输出边际效应结果。
计算方式	AME / MEM / Median	决定边际效应的口径。
输出方式	合并到主表 / 单独表格	决定展示位置，不改变计算结果。

Stata 等效代码

logit y x controls
margins, dydx(*)

Stata 代码位置	STATAU 网站对应位置	应放入什么
margins, dydx(*)	计算边际效应	对应打开边际效应开关。
AME / MEM / Median	计算方式	分别对应平均观测、均值处和中位数处的边际效应。

在 STATAU 中操作步骤

1. 先完成一次 Logit 或 Probit 回归。
2. 勾选“计算边际效应”，再选择 AME、MEM 或 Median。
3. 决定是否合并到主表后重新运行模型。
4. 优先用边际效应表解释“概率变化”，再把原始系数当作方向参考。

结果怎么看

• AME 最常用，表示全样本平均意义下的概率变化。
• MEM 适合解释“典型观测点”的变化，但不一定代表总体平均。
• 如果不同口径的边际效应差异很大，说明模型非线性较强，需要谨慎表述。

论文表述示例

• 可以写成：“平均边际效应结果表明，核心解释变量每增加 1 个单位，事件发生概率平均提高约 X 个百分点。”

常见使用误区

• 边际效应的“百分点变化”解释只适用于边际效应表，不适用于原始 Logit/Probit 系数。
• 不要同时把 AME 和 MEM 混在同一段结论里而不说明口径差异。