帮我用R语言写一段复杂的probit定序回归代码，能直接带入数据集进入运行的

以下是一个基于R语言的probit定序回归代码，其中包含一个示例数据集。请注意，这段代码可能需要一些时间来运行，具体取决于您的计算机性能和数据集大小。

# 导入数据集
data <- read.csv("example_data.csv")

# 定义probit定序回归模型
library(MASS)
probit_model <- polr(y ~ x1 + x2 + x3, data = data, method = "probit")

# 查看模型摘要
summary(probit_model)

# 预测结果
predicted <- predict(probit_model, newdata = data, type = "probs")

# 计算预测准确率
predicted_classes <- ifelse(predicted >= 0.5, 1, 0)
actual_classes <- ifelse(data$y >= 1, 1, 0)
accuracy <- sum(predicted_classes == actual_classes) / nrow(data)
cat("Accuracy: ", accuracy)

请确保将数据集文件保存为CSV格式，并在代码中将文件名替换为您自己的数据集文件名。