logit模型和简单的线性模型不同，自变量的边际效应并不是简单等于其系数。
x_j对于y的边际效应一般来讲计算方法如下
\[\frac{\partial E(y_i|x_i,\beta)}{\partial x_{ij}}=f(-x_i'\beta)\beta_j\]
EViews本身并没有直接求边际效应的程序。不过，可以通过EViews的预测功能求得边际效应。如果简单的样本内预测值是XB，那么@dlogistic(-xb)乘以x的系数就是边际效应了。
下面是一个实例。
首先，估计我们需要的logit模型。被解释变量是foreign，解释变量是price和mpg。我们一会儿来求mpg的边际效应。
模型估计好之后，记下mpg的系数。
然后，我们来进行样本内的预测。记得要预测index，不是probability。
预测之后就可以生成边际效应了。
这个序列的均值就是我们要求的平均边际效应(average marginal effect)。
我们可以在Stata里进行同样的回归并求mpg的边际效应作为验算。命令和结果如下：
扫码加好友，拉您进群
全部版块
我的主页
收藏
