目錄
第1章 緒論
1.1 多元統計分析簡介
1.1.1 多元統計分析的含義
1.1.2 各章內容安排
1.2 矩陣代數回顧
1.2.1 矩陣及其基本運算
1.2.2 矩陣拉直和Kronecker積
1.2.3 矩陣的分解
1.2.4 二次型
1.2.5 矩陣的導數
1.3 R簡介
1.3.1 為什麼用R
1.3.2 R的安裝與運行
1.3.3 如何獲取R的幫助
1.3.4 R的基本原理
1.3.5 本書相關的R程序包和函數
本章小結
習題1
參考文獻
第2章 多元線性模型
2.1 多元正態分佈
2.1.1 多元正態分佈的定義
2.1.2 多元正態分佈的性質
2.2 多元線性模型
2.2.1 模型定義
2.2.2 回歸模型的參數估計
2.2.3 回歸方程和係數的檢驗
2.3 變數選擇
2.4 回歸診斷
2.4.1 殘差分析和異常點探測
2.4.2 回歸診斷的一般方法
2.5 回歸預測
本章小結
習題2
參考文獻
第3章 廣義線性模型
3.1 指數族分佈的定義
3.2 常見的指數族分佈
3.3 指數族分佈的性質
3.4 廣義線性模型
3.5 二元變數和logistie模型（probit模型）
3.6 分類變數和名義及有序logit模型
3.6.1 名義logit模型
3.6.2 有序logit模型
3.7 計數變數和Poisson對數線性模型
3.8 列聯表和對數線性模型
本章小結
習題3
參考文獻
第4章 聚類分析
4.1 相似性度量
4.2 系統聚類法
4.3 k均值聚類法
4.4 EM聚類法
本章小結
習題4
參考文獻
第5章 判別分析
5.1 距離判別
5.1.1 距離判別簡介
5.1.2 兩個總體的距離判別
5.1.3 多個總體的距離判別
5.2 Fisher判別
5.2.1 兩總體的Fisher判別
5.2.2 多總體的Fisher判別
5.3 Bayes判別
5.3.1 兩總體的Bayes判別
5.3.2 多總體的Bayes判別
5.4 二次判別
5.5 案例分析與R實現
本章小結
習題5
參考文獻
第6章 主成分分析
6.1 主成分分析的基本思想
6.2 總體主成分
6.2.1 主成分的含義
6.2.2 主成分的計算
6.2.3 主成分的主要性質
6.2.4 主成分個數的確定
6.2.5 變數的標準化及意義
6.3 樣本主成分
6.3.1 樣本主成分的性質和計算
6.3.2 主成分分析的步驟和相關R函數
6.4 案例分析與R實現
本章小結
習題6
參考文獻
第7章 因子分析
7.1 因子分析模型的設定
7.2 常用估計方法
7.2.1 主成分法
7.2.2 迭代主因子法
7.2.3 最大似然估計法
7.3 因子旋轉
7.4 因子得分的預測
7.4.1 加權最小二乘法
7.4.2 回歸法
本章小結
習題7
參考文獻
第8章 對應分析
8.1 對應分析的×2檢驗
8.2 對應分析方法的原理
8.2.1 對應分析的數據轉換方法
8.2.2 對應分析的理論依據
8.2.3 對應分析的計算步驟
8.3 案例分析與R實現
本章小結
習題8
參考文獻
第9章 典型相關分析
9.1 典型相關分析基本理論和方法
9.1.1 總體典型相關變數的概念及其解法
9.1.2 典型相關變數的性質
9.1.3 原始變數與典型相關變數的相關係數
9.1.4 簡單相關、復相關和典型相關之間的關係
9.1.5 分量的標準化處理
9.2 樣本典型相關分析方法
9.2.1 典型相關係數的顯著性檢驗
9.2.2 被解釋樣本方差的比例
9.3 案例分析與R實現
本章小結
習題9
參考文獻
附錄
第10章 多維標度法
10.1 多維標度法的基本思想
10.2 古典多維標度法
&nbs
[