进行
回归分析往往要看边际影响，
对于线性模型边际影响就是其系数；
但对于许多非线性模型边际影响是不等于系数值的，特别是如：logit、probit、tobit、mlogit，ologit等模型
在stata中求边际影响的命令，早期是用mfx
但到stata11以后，命令为margins（虽然mfx命令也可以用，但是功能不如margins强大）；
margins 命令很强大，正因为强大，所以，命令也变的复杂，可以处理许多情况（手册上面有详细的例子），
对于不同的模型采用的参数也是不同的，因此，在用margins求边际影响的时候，一定要查看该命令的帮助，看看该命令可以用哪些参数。
每个模型估计的命令都有postestimation ，即估计后可以做的。
如：
mlogit 命令就有对应的 postestimation -- Postestimation tools formlogit
几个简单的例子
*例子1：线性回归模型
sysuse auto, clear
reg price weight rep78
margins, dydx(*)
margins, dydx(rep78)
margins, dydx(rep78) at(weight==2000)
*****************************************************************************
*例子2： probit 模型
sysuse auto, clear
probit foreign price weight rep78
margins, dydx(*)
margins, dydx(rep78)
margins, dydx(rep78) at(weight==2000)
*************************************************************************
*例子3： mlogit 模型
sysuse auto, clear
tab rep78
mlogit rep78 mpg displ, base(5)
*mlogit回归结果有多个方程，因此，需要计算不同方程的边际影响
*计算rep78分别等于1,2,3时的边际影响
margins, dydx(*) predict(outcome(1))
margins, dydx(*) predict(outcome(2))
margins, dydx(*) predict(outcome(3))
*****************************************************************************
*例子4;ivprobit 模型
webuse laborsup
ivprobit fem_work fem_educ kids (other_inc= male_educ)
*计算平均边际影响: 关键是后面的选项 predict(pr)
* pr calculates the probability of a positive outcome..
margins, dydx(*) predict(pr)
*****************************************************************************
*例子5;tobit 模型
sysuse auto,clear
generate wgt =weight/100
tobit mpg wgt price,ll(17) ul(24)
margins, dydx(*)
margins, dydx(*)predict(ystar(17,24))
margins, dydx(*)predict( e(17,24))
*****************************************************************************
*例子6;xtlogit 模型*
面板数据的其他命令，也是类似，一定要去查manual里面的介绍
webuse union,clear
xtlogit union age grade i.not_smsa south##c.year
margins,dydx(*) predict(pu0)