本文对有序多分类回归模型的构造和适用条件进行了初步探讨,并将该模型应用于2014年西安市空气质量的影响因素分析,通过运用有序多分类回归的思想和方法,剔除不显著的变量,得到西安市空气质量等级关于SO2、PM10、O38小时、PM2.5、最低气温的有序回归模型。得出了如下结论：西安市空气质量等级与SO2、PM10、O38小时、PM2.5、最底气温之间存在显著的相关关系。本文研究的意义主要表现在以下几个方面：(1)利用空气质量等级相关的原始数据,透彻认识有序回归的本质。(2)利用有序回归模型给出的结果,对西安市空气质量模型提供了一个更为简单易行的计算方法。(3)事实上,很多污染物的指标是我们找不到的,我们可以用这些“不完全,,的指标来预测空气质量。(4)在进行空气质量预报的同时,我们能够根据当地污染物的情况和未来气象条件的变化,预测未来的空气质量状况,适时适度减少或降低污染物的排放,从而达到从被动的空气污染监测到主动应对空气污染物的控制。我们发现只需用较少的变量即可描述西安市空气质量的变动情况,这具有一定的参考意义和实用价值。