有序probit模型不收敛可能有几个原因：

初始值选择不当：初始参数值的选择对于迭代算法的收敛很重要。可能需要尝试不同的初始值来看是否可以改善收敛性能。

数据问题：如果数据存在异常值、缺失值或极端观测值，这可能导致模型不收敛。检查数据是否满足模型的假设，并进行必要的数据清洗和预处理。

迭代次数设置不当：增加迭代次数可能有助于提高模型收敛的机会。尝试增加迭代次数并观察结果。

模型过于复杂：有序probit模型可能比较复杂，如果模型中包含大量的变量或参数，可能导致优化算法难以找到最优解。考虑简化模型结构或使用正则化方法来减少参数数量。

优化算法选择不当：不同的优化算法对于不同类型的问题可能表现不同。尝试使用其他优化算法，如拟牛顿法或遗传算法等。

数据量不足：如果可用于拟合模型的数据量较小，这可能会导致模型不收敛。尽可能获取更多的数据以帮助模型学习。

如果以上方法都没有解决问题，可能需要进一步检查模型设定和数据是否存在其他问题，并考虑咨询领域专家或使用其他模型来解决该问题。