如何计算使用nnet包构建的多分类logit模型的边际效应？

你当前只拿到1个类别的边际效应属于margins包的默认参数设置问题，不是操作错误，两类可行实现方式如下： #

方案1：修正margins包调用参数 #

margins包的marginal_effects()函数处理nnet::multinom生成的多分类模型时，默认仅输出首个非参照类的边际效应，通过category参数指定目标类别即可输出对应结果：

• 单类别边际效应获取示例：

# 假设你的模型名为mod，因变量灌溉类型的类别为c("无灌溉","地面灌溉","滴灌")
me_drip <- marginal_effects(mod, category = "滴灌")

• 批量获取三类边际效应示例：

library(margins)
# 提取因变量所有类别
irr_categories <- levels(your_data$irrigation_type)
# 循环计算每个类别的边际效应
me_list <- lapply(irr_categories, function(cat) {
  marginal_effects(mod, category = cat)
})
# 给列表元素命名对应类别
names(me_list) <- irr_categories

调用后me_list的三个元素分别对应三类灌溉类型的全样本边际效应，使用summary()可输出平均边际效应结果。 #

方案2：使用marginaleffects包（更推荐） #

marginaleffects是margins包的继任维护版本，对多分类模型的支持更完善，默认直接返回所有类别的边际效应，无需额外参数设置：

library(marginaleffects)
# 获取每条观测对应三个类别的边际效应
me_observation <- marginaleffects(mod)
# 直接获取常用的平均边际效应（AME）汇报结果
me_ame <- avg_slopes(mod)

返回结果会自动通过group列区分三类灌溉类型，自带标准误、显著性检验结果，可直接用于分析汇报。 #

结果校验规则 #

多分类logit模型的边际效应天然满足：同一自变量对所有类别的边际效应之和为0，你可通过该规则快速验证计算结果是否正确。

内容的提问来源于stack exchange，提问作者Charlotte