不严谨的来说，二元Logit模型的系数表示的是'x'对一个人'效用'的边际影响，但是问题是‘效用’是一个看不见的东西，因此在logit模型中，只有系数(beta)的符号和t/P值有参考价值，系数本身的绝对值本身一般是没法解释的 (有些特殊情况时两个系数的比例可以拿来解释一些东西)。

之所以说前面说的不严谨，是因为logit模型其实只关心0，1两个选项给一个人带来效用的相对差异，因为效用的相对差异才取决了这个人选0选项还是1选项。但一个效用的相对差异是没法确定出两个选项绝对的效用的。 (比如相对差异是2， 两个效用可以是3， 1 也可以是4，2), 因此logit模型一般假设一个选项给人带来的效用是0，这样差异就是另一个选项给人带来的效用。

这就是为什么logit模型里系数没法解释的原因。(当然，没法解释不代表不放在论文里，没法解释只代表有些时候还要report边际的结果)

而logit边际的意义就是另外一个问题了。

您的解答对我很有帮助！真心感谢！

非常感谢！