海外优秀数学类教材系列丛书：应用多元统计分析方法（影印版）（附光盘）

　　1.APPLIED MULTIVARIATE METHODS
　　1.1 An Overview of Multivariate Methods 1
　　Variable-and Individual-Directed Techniques 2
　　Creating New Variables 2
　　Principal Components Analysis 3
　　Factor Analysis 3
　　Discriminant Analysis 4
　　Canonical Discriminant Analysis 5
　　Logistic Regression 5
　　Cluster Analysis 5
　　Multivariate Analysis of Variance 6
　　Canonical Variates Analysis 7
　　Canonical Correlation Analysis 7
　　Where to Find the Preceding Topics 7
　　1.2 Two Examples 8
　　Independence of Experimental Units 11
　　1.3 Types of Variables U
　　1.4 Data Matrices and Vectors 12
　　Variable Notation 13
　　Data Matrix 13
　　Data Vectors 13
　　Data Subscripts 14
　　1.5 The Multivariate Normal Distribution 15
　　Some Definitions 15
　　Summarizing Multivariate Distributions 16
　　Mean Vectors and Variance-Covariance Matrices 16
　　Correlations and Correlation Matrices 17
　　The Multivariate Normal Probability Density Function 19
　　Bivariate Normal Distributions 19
　　1.6 Statistical Computing 22
　　Cautions About Computer Usage 22
　　Missing Values 22
　　Replacing Missing Values by Zeros 23
　　Replacing Missing Values by Averages 23
　　Removing Rows of the Data Matrix 23
　　Sampling Strategies 24
　　Data Entry Errors and Data Verification 24
　　1.7 Multivariate Outliers 25
　　Locating Outliers 25
　　Dealing with Outliers 25
　　Outliers May Be Influential 26
　　1.8 Multivariate Summary Statistics 26
　　1.9 Standardized Data and/or Z Scores 27
　　Exercises 28
　　2.SAMPLE CORRELATIONS
　　2.1 Statistical Tests and Confidence Intervals 35
　　Are the Correlations Large Enough to Be Useful? 36
　　Confidence Intervals by the Chart Method 36
　　Confidence Intervals by Fishers Approximation 38
　　Confidence Intervals by Rubens Approximation 39
　　Variable Groupings Based on Correlations 40
　　Relationship to Factor Analysis 46
　　2.2 Summary 46
　　Exercises 47
　　3.MULTIVARIATE DATA PLOTS
　　3.1 Three-Dimensional Data Plots 55
　　3.2 Plots of Higher Dimensional Data 59
　　Chernoff Faces 61
　　Star Plots and Sun-Ray Plots 63
　　Andrews Plots 65
　　Side-by-Side Scatter Plots 66
　　3.3 Plotting to Check for Multivariate Normality 67
　　Summary 73
　　Exercises 73
　　4.EIGENVALUES AND EIGENVECTORS
　　4.1 Trace and Determinant 77
　　Examples 78
　　4.2 Eigenvalues 78
　　4.3 Eigenvectors 79
　　Positive Definite and Positive Semidefinite Matrices 80
　　4.4 Geometric Descriptions (p = 2) 82
　　Vectors 82
　　Bivariate Normal Distributions 83
　　4.5 Geometric Descriptions (p = 3) 87
　　Vectors 87
　　Trivariate Normal Distributions 87
　　4.6 Geometric Descriptions (p > 3) 90
　　Summary 91
　　Exercises 91
　　5.PRINCIPAL COMPONENTS ANALYSIS
　　5.1 Reasons for Using Principal Components Analysis 93
　　Data Screening 93
　　Clustering 95
　　Discriminant Analysis 95
　　Regression 95
　　5.2 Objectives of Principal Components Analysis 96
　　5.3 Principal Components Analysis on the Variance-Covariance
　　Matrix 96
　　Principal Component Scores 98
　　Component Loading Vectors 98
　　5.4 Estimation of Principal Components 99
　　Estimation of Principal Component Scores 99
　　5.5 Determining the Number of Principal Components 99
　　Method 1 100
　　Method 2 100
　　5.6 Caveats 107
　　5.7 PCA on the Correlation Matrix P 109
　　Principal Component Scores 110
　　Component Correlation Vectors 110
　　Sample Correlation Matrix 110
　　Determining the Number of Principal Components 110
　　5.8 Testing for Independence of the Original Variables 111
　　5.9 Structural Relationships 111
　　5.10 Statistical Computing Packages 112
　　SASR PRINCOMP Procedure 112
　　Principal Components Analysis Using Factor Analysis
　　Programs 118
　　PCA with SPSSs FACTOR Procedure 124
　　Summary 142
　　Exercises 142
　　6. FACTOR ANALYSIS
　　6.1 Objectives of Factor Analysis 147
　　6.2 Caveats 148
　　6.3 Some History of Factor Analysis 148
　　6.4 The Factor Analysis Model 150
　　Assumptions 150
　　Matrix Form of the Factor Analysis Model 151
　　Definitions of Factor Analysis Terminology 151
　　6.5 Factor Analysis Equations 151
　　Nonuniqueness of the Factors 152
　　6.6 Solving the Factor Analysis Equations 153
　　……
　　7.DISCRIMINANT ANALYSIS
　　8.LOGISTIC REGRESSION METHODS
　　9.CLUSTER ANALYSIS
　　10.MEAN VECTORS AND VARIANCE-COVARIANCE MATRICES
　　11.MULTIVARIATE ANALYSIS OF VARIANCE
　　12.PREDICTION MODELS AND MULTIVARIATE REGRESSION
　　APPENDIX A:MATRIX RESULTS
　　APPENDIX B:WORK ATTITUDES SURVEY
　　APPENDIX C:FAMILY CONTROL STUDY
　　REFERENCES
　　INDEX

　　    《应用多元统计分析方法-影印版》设有大量的例题与练习题，实用面丰富，统计思维清晰。《应用多元统计分析方法-影印版》适用于高等院校统计学专业和理工科各专业本科生和研究生作为双语教材使用。应用多元回归分析方法，样本相关，多元数据点图，特征值和特征向量，复合分析原理，因子分析，判别分析，逻辑斯谛回归方法，聚类分析，均值向量和方差-协方差矩阵，方差多元分析，预测模型和多元回归。《应用多元统计分析方法-影印版》统计内容覆盖面广于国内的概率统计教材，内容安排颇有新意，例如，在处理回归分析时，强调了从建模的观点与需要来考虑。