当X和Y都是二分类虚拟变量时，计算经济意义显著性的传统方式确实不太适用。但在计量经济学中，我们可以通过边际效应分析（Marginal Effects Analysis）或通过解释系数的实际影响来进行评估。

具体来说：

1. **边际效应**：在Logit或者Probit模型中，可以计算出当X由0变为1时Y=1的概率变化量。这是对经济意义显著性的直观解释。边际效应可以在平均值点（Average Marginal Effects, AME），或每个观测值上的边际效应然后取均值（Marginal Effects at Means, MEM）进行计算。

2. **系数直接解读**：在Logit模型中，回归系数可以被理解为当自变量X由0变为1时，对数几率比的改变。虽然这并不直观，但在解释虚拟变量的影响时，你可以转化为概率的变化或百分比的变化来更好地理解经济意义。

3. **效应大小比较**：对于两个虚拟变量之间的关系，可以通过查看模型中相应的系数和其标准误来判断这个影响是否在统计上显著，并尝试将其与实际情境中的可能变化量进行对比。例如，如果一个单位的X（从0到1的变化）使得Y为1的概率增加了5%，而我们的情境分析表明这种改变是重要的，则可以认为经济意义显著。

计算具体数值时：

- 如果模型使用Logit或Probit估计，则可以通过软件包内建的边际效应命令直接获取。
- 对于线性概率模型（Linear Probability Model），系数可以直接解释为X从0变为1时，Y=1的概率变化量。

在进行这种分析时，请确保检查模型的假设条件是否满足，并对结果的稳健性进行适当的检验。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用