本文基于贝叶斯统计的基本理论,在有序Probit模型中引入随机扰动变量并假设该随机扰动的先验分布为Dirichlet过程,利用非参贝叶斯的方法来确定其后验分布,从而能更好地模拟实际数据中存在的异质性。关于Dirichlet过程涉及到的参数,文中给出了详细的贝叶斯后验分布的推导过程。同时,本文利用MCMC算法将有序Probit模型的非参贝叶斯估计编写为Stata工具包,补充了此软件中估计有序Probit模型的非参估计方法。在模拟测试部分,通过两组模拟数据对比了非参贝叶斯方法与Stata中已经实现的极大似然估计和半参估计方法的结果,验证了当数据存在异质性(双峰问题、尖峰胖尾现象)时本文提出的模型及算法的有效性。另外,实证分析部分采用英国家庭调查数据(BHPS)分析工作满意度的影响机制,进一步检验了模型的应用效果并得出了一些具有实际意义的结论：工作满意度与相对收入成反比,与绝对收入成正比,与年龄成U形关系等。