定序变量是一种特殊的属性变量，这种变量有大小或前后的顺序等级但却不能进行数值的计算。社会经济问题中经常会遇到这种变量，例如，汽车的大小(小型，中型，大型)，社会的等级(上层，中层，下层)，病人的身体情况(良好，严重，危急)等等。 一个定序变量Y的S个可能的取值称之为反应类别，经常感兴趣的是在什么条件下或哪些因素会使这个定序变量更可能取较高的或较低的类别的值，也就是说我们想研究其他变量和这个定序变量之间的关系，这是一个典型的回归分析问题。然而，在我国涉及处理这种定序变量的统计模型的研究文献目前并不多见。 本文讨论了对定序变量进行回归的技术，指出了经典的多元线性回归方法不适用于定序变量分析的原因。并建立了更合适更准确的统计模型(比例差异比模型、累积联系模型、相邻类别逻辑回归模型、连续比例逻辑回归模型)，这些模型既考虑了反应类别的顺序，也能够更准确地解释目标变量和预测变量的关系。 消费者信心指数是消费者对目前的经济形势所表现出来的乐观程度的一种测度，是被经济学家和政府密切关注并用于预测经济走势的一个指标。本文主要针对上海市消费者信心指数编制中的问题，应用比例差异比模型对编制指数的定序变量进行了分析研究。根据研究结果，对指数进行了结构调整，使之能够更准确地监测经济周期变化，预测未来经济的发展趋势。本文的结论来自对第一手数据的分析。论文的核心问题是定序变量的回归模型的研究和应用。