用途：marginaleffects 是 R 和 Python 的软件包手册，同时是配套书《Model to Meaning: How to Interpret Statistical Models in R and Python》（作者 Vincent Arel-Bundock，2026，CRC Press）的指南。主要信息源为 https://marginaleffects.com，提供免费书籍、案例与 vignettes。适用于用户询问预测值、比较、斜率或边际效应，选择估计量（ATE、ATT、CATE、风险差、优势比），函数语法与参数，解释模型结果或检验假设，以及反事实分析、G-computation 或因果推断等场景。
核心框架：每个分析可分解为五个问题——Quantity（估计量：预测、比较、斜率或检验）、Predictors/Grid（在何处评估：观测值、反事实情景、平衡网格）、Aggregation（对谁聚合：单元级、by= 分组均值、加权平均）、Uncertainty（推断方法：delta 法、稳健标准误、bootstrap、贝叶斯）、Test（假设：零假设检验、等价性、成对对比）。
主要能力：R 端核心函数包括 predictions()、comparisons()、slopes()、hypotheses() 及 avg_* 变体，datagrid() 构造网格，plot_predictions()、plot_comparisons()、plot_slopes() 绘图，另有 posterior_draws()、inferences()、get_dataset()。Python 端提供 predictions、avg_predictions、comparisons、avg_comparisons、slopes、avg_slopes、hypotheses、datagrid、plot_* 以及 fit_statsmodels、fit_sklearn、fit_linearmodels 等模型拟合辅助。
使用方式：先判断请求属于概念类（读 chapters/）、实现类（读 man/r/ 或 man/python/）还是混合类；再读取对应源文件，如 chapters/framework.qmd、predictions.qmd、comparisons.qmd、slopes.qmd、hypothesis.qmd、interactions.qmd、categorical.qmd、experiments.qmd、gcomputation.qmd、uncertainty.qmd、mrp.qmd、ml.qmd、challenge.qmd，以及 man/r/ 与 man/python/ 下的函数参考。回答时按五问框架组织，并给出对应语言的代码示例。示例：R 中 avg_slopes(mod)、predictions(mod, newdata = datagrid(hp = c(100,150,200), wt = 3))、avg_comparisons(mod, variables = list(hp = c(100,150)))、avg_comparisons(mod, variables = list(hp = 50), comparison = "ratio")；Python 中 me.avg_slopes(mod)、me.predictions(mod, newdata=me.datagrid(mod, hp=[100,150,200], wt=3))、me.avg_comparisons(mod, variables={"hp": [100,150]})。
限制：资料未提供具体收费、价格、平台支持范围或性能效果等信息，暂未提供。用户未指定 R 或 Python 时应先询问偏好再给代码。