本书共分12个章节，主要对多元统计分析知识作了介绍，具体内容包括矩阵代数、多元正态分布、多元正态总体均值向量和协方差阵的假设检验、聚类分析、对应分析等。该书可供各大专院校作为教材使用，也可供从事相关工作的人员作为参考用书使用。

第一章 绪论

 第一节 多元统计分析的作用

 第二节 主要内容安排

第二章 矩阵代数

 第一节 矩阵及基本运算

 第二节 行列式、逆矩阵和矩阵的秩

 第三节 特征根、特征向量和矩阵的迹

 第四节 正定阵和非负定阵

 第五节 矩阵代数运算的上机实现

第三章 多元正态分布

 第一节 一元统计分析中的有关概念

 第二节 多元统计分析中的基本概念

 第三节 多元正态分布的定义及基本性质

 第四节 多元正态分布的参数估计

 第五节 X和S的抽样分布

 第六节 随机向量数字特征的上机实现

第四章 多元正态总体均值向量和协方差阵的假设检验

 第一节 均值向量的检验

 第二节 协方差阵的检验

 第三节 有关检验的上机实现

第五章 聚类分析

 第一节 聚类分析的基本思想

 第二节 相似性度量

 第三节 系统聚类方法

 第四节 其他聚类法

 第五节 聚类分析的上机实现

第六章 判别分析

 第一节 距离判别

 第二节 贝叶斯(Bayes)判别

 第三节 费希尔判别

 第四节 逐步判别

 第五节 判别分析的上机实现

第七章 主成分分析

 第一节 主成分分析的基本思想及数鼍模型

 第二节 主成分分析的几何意义

 第三节 主成分的推导及其性质

 第四节 主成分分析中有关问题的讨论

 第五节 主成分分析的应用

 第六节 主成分分析的上机实现

第八章 因子分析

 第一节 因子分析的基本理论

 第二节 因子分析的数学模型

 第三节 因子载荷矩阵的估计方法

 第四节 因子旋转

 第五节 因子得分

 第六节 因子分析的应用

 第七节 因子分析的上机实现

第九章 对应分析

 第一节 对应分析的基本思想

 第二节 列联表及列联表分析

 第三节 对应分析的基本原理

 第四节 对应分析的应用

 第五节 对应分析的上机实现

第十章 典型相关分析

 第一节 典型相关分析及基本思想

 第二节 总体典型相关

 第三节 样本典型相关

 第四节 典型相关系数的显著性检验

 第五节 典型相关系数的计算步骤

第十一章 多重多元回归分析

 第一节 多重多元线性回归分析

 第二节 双重筛选逐步回归分析

第十二章 定性资料的统计分析

 第一节 定性变量数量化

 第二节 对数线性模型

 第三节 Logistic回归

 第四节 对数线性模型和Logistic回归模型的上机实现

附录一

附录二

参考文献