FormulaCompiler.jl 与 Margins.jl：Julia 语言中高效边际效应计算
统计计算
2026-01-13 v1
摘要
边际效应分析是解释统计模型的基本方法，但现有实现存在计算限制，限制了大规模数据的分析。我们介绍两个 Julia 包以解决这一问题。Margins.jl 提供简洁的两函数 API，围绕“评估上下文（总体 vs 概率）”和“分析目标（效应 vs 预测）”的 2×2 框架进行组织。该包通过二阶差分、弹性系数、分类混合物（用于代表性概率）以及鲁棒标准误实现交互分析。FormulaCompiler.jl 提供计算基础，将统计公式转换为零分配、类型专门化的评估器，从而实现与数据集大小无关的 O(p) 每行计算。与 R 的 marginaleffects 包相比，这些包实现了 622 倍平均加速和 460 倍内存降低，并成功计算了在 50 万观测值上的平均边际效应和 delta 方法标准误，而 R 因内存耗尽而无法完成，从而为 Julia 的统计生态系统提供了首个全面且高效的边际效应实现。
引用
@article{arxiv.2601.07065,
title = {FormulaCompiler.jl and Margins.jl: Efficient Marginal Effects in Julia},
author = {Eric Feltham},
journal= {arXiv preprint arXiv:2601.07065},
year = {2026}
}
备注
25 pages, 4 figures, 8 tables