由于stata高级视频中并未涉及Logit模型，我只能根据自己的理解提供一些解答，供参考：

1. 这可以采用标准化系数来衡量，相关命令如下：
*- 标准化系数及变量组的相对解释能力
   -sheafcoef-  相对解释能力
   -lstand-     标准化系数，此前必须使用-logistic-命令估计logit模型

2.  由于Logit模型是非线性模型，在每个观测点上，x对y的边际效果都不同，这是该模型与线性回归模型的最大区别。我个人认为无法求出所谓的“顶点”，即使在线性模型中，这种处理方法也不合适。

3. 交互项有两种，一种是一个连续变量与一个虚拟变量的交互项，这个很容易解释，即虚拟变量中1和0两种情况下的边际效果之差；另一种是两个连续变量交乘，此时你可以采用偏导的方式解释交互项系数的含义。

表示自变量对因变量的影响程度
即边际影响程度，仍然可以用边际效应来衡量的，命令可以用mfx吧

Hi, Lee,
yes, mfx can be used to measure the effect of independent variables.

谢谢，连老师耐心的解答！因为在看伍德里奇第三版P519页的例子，其中工作经验加了平方项，我是想问一下这是否表示工作经验与劳动参与的概率成U型关系，如果不是，那么表示什么关系。另外，我用了与书相配套的数据，直接用logit命令就估计出与书上相同的结果，我看了原数据，并没有做标准化处理。在模型中加入了平方项，变量之间的共线性会很大，是不是要做一下“对中”处理（减均值），但书上没做，所以感到困惑，不知道怎么做才对。想再一次请教连老师，谢谢！

通常增加平方项是想捕捉模型中可能存在的非线性关系，在线性回归模型中这一方法经常使用，至于能否直接扩展到Logit模型中还不得而知。不过，很多文献中的确都这么做了。
由于Logit模型的详细解释，你可以从论坛上搜索 Long, J., J. Freese. Regression Models for Categorical Dependent Variables using Stata[M]. Stata press, 2006. 这本书，里面介绍的很详细。