在统计分析和机器学习领域，多项回归模型（Multinomial Regression）是一种常用的方法，特别是在处理分类变量响应时。通过多项回归，我们可以理解多个预测变量如何影响一个分类响应变量。本文将探讨在多项回归模型中，如何计算和解释变量的边际效应（Marginal Effects），并结合实际例子进行说明。
1. 理解多项回归模型
多项回归模型用于当响应变量是分类变量且有超过两个类别时。例如，在我们的示例数据中，VERB变量有三个类别：hvt, mst, 和 ndt。模型的目的在于预测这些类别中每一个的概率。
library(nnet)
multi_mo <- nnet::multinom(VERB ~ SOURC + SITN + PRSN + AN
