1.打开一个数据文件
2.模型回归
（1）首先，生成水平变量。在stata里面生成水平识别变量的命令如下：
nlogitgen newvar = alvar(branchlist) [, nolog]
解释：newvar为生成新变量的名称，alvar表示被分类的变量名称，branchlist表示各水平都包含怎样的取值，nolog表示窗口不显示生成的水平识别变量结果。
branchlist的形式为：branch [, branch]
branch的形式为： [label:] alternative [| alternative [ | alternative......]]

（2）在设置了水平变量之后，可以显示树状结构
nlogtitree altervarlist [if] [in] [weight] [, choice(y) nolabel nobranches]
顾名思义，nlogittree表示显示树状结构，altervarlist为各层次变量的名称，但一定是底层变量名称在前面然后依次向后；if和in 表示显示的条件和范围，weight表示对观测值加入的权重；choice（y）表示先是被解释变量在各个水平下出现的频数。nolabel和nobranches是对显示出图形形式的要求。

（3）嵌套logit模型的回归
语法格式：
nlogit y x1 x2...[if] [in] [weight]  [||lev1_equation [||lev2_equation...] ] ||
altvar : [byaltvarlist] case(varname), [options]
if 、in 条件，范围； weight 权重， case（varname）表示个体识别变量。
levn_equation形式如下： altvar: [byaltvarlist] [,base(#|label) estconst].
altvar为每个水平上决策者选择的识别变量。
byaltvarlist设定不同水平上的解释变量。在一个水平上，每一个解释变量都有n个回归系数，n为类别个数，即每一个选择都有一个回归系数。如果变量为常数，基础选择的回归系数是不能识别的。通过base（）选项设定每个水平的基础类别，默认选项为频数最高的类别。
estconst除了底层水平之外的某一个水平。作用：在设定的水平上，除了基础的类别外，其他选择都带有常数项。由于只能在一个水平上存在常数项，stata默认是地层水平带有常数项（除了基础类别）。如果设定了这个选项，那么地层水平必须通过noconstant选项设定不能含常数项。

（4）预测
预测的命令格式：
predict [type] newvar [if] [in] [, statistics hlevel (#) altwise]
predict [type] {stub* | newvarlist} [if ] [in] , scores
第一个命令：type表示预测出这个新变量newvar的类型，hlevel（#）表示在水平#上的预测概率，altwise表示当存在缺失值时候，根据预测的替代选择删除观测值。
第二个命令：预测每一个水平的概率。这个命令里面，type表示预测设定新变量的类型，{stub* | newvarlist}表示预测的新变量名称，score表示对数似然函数对每一个方程的一阶导数。

选项	说明
pr	概率预测
xb	指数预测
condp	条件预测
iv	计算hlevel（#） 设定水平的包含值，区别于工具变量的“iv”

总结：
生成水平识别变量：
nlogiten newvar = altvar（branchlist）
显示树状结构：
nlogittree altervarlist [,choice(y)]
嵌套模型估计：
nlogit y [x1 x2...]  [|| lev1_equation  [||lev2_equation...]]  ||
altvar: [byaltvarlist] case (varname)
预测地层水平的各个选择的概率：
predict pr
预测每个水平的概率：
predict p* ， pr