《近代实用多元统计分析》是多元统计分析的入门教科书，共分10章。主要介绍了多元统计分析的基本知识和基本方法，包括多元方差分析、回归分析、主成分分析（PCA）、经验正交函数分解（EOF）、因子分析、判别分析、典型相关分析（CCA）、聚类分析、属性数据分析。《近代实用多元统计分析》介绍了回归诊断、岭回归、主成分回归、LOGISTIC回归、LAD回归、经验正交函数、主成分分析在聚类中的应用、属性数据分析等较新内容。介绍各知识点时，采用由实际例子引入数学概念、再通过例子介绍数学模型和理论、然后介绍用电脑软件求解方法、最后介绍分析电脑输出信息的方法，便于读者掌握。《近代实用多元统计分析》可作为经济、保险、气象、环境科学、地质、农业、生物、心理、管理、化工、信息、医药等专业硕士生教材，也可作为上述领域科技工作人员的工具书。

第1章 矩阵知识补充
1.1 矩阵的谱分解
1.2 矩阵开平方与比较
1.3 矩阵的迹
1.4 矩阵微商
1.5 分块矩阵的逆
1.6 有关矩阵不等式
习题一

第2章 多元正态分布
2.1 随机向量
2.2 多元正态分布的定义及其性质
2.3 多元正态分布的参数估计
2.4 抽样分布
习题二

第3章 多元正态总体的假设检验与方差分析
3.1 一元正态总体情形的回顾
3.2 均值等于常数向量的检验
3.3 两总体均值的比较检验
3.4 多个总体均值向量的比较检验
3.5 总体协差阵相等的检验
3.6 独立性检验
习题三

第4章 多元回归分析
4.1 多元线性回归模型
4.2 多元线性回归模型参数的估计
4.3 假设检验
4.4 预报
4.5 多项式回归
4.6 多元线性回归模型的选择
4.7 回归诊断
4.8 非线性回归模型
习题四

第5章 主成分分析与经验正交分解
5.1 主成分分析数学模型
5.2 样本主成分及其计算
5.3 主成分得分
5.4 主成分聚类与主成分回归
5.5 经验正交函数分解
习题五

第6章 因子分析
6.1 因子分析数学模型
6.2 因子分析模型参数的估计
6.3 因子旋转
6.4 因子得分
习题六

第7章 判别分析
7.1 数学模型与判别方法
7.2 用DISCRIM过程实施最大概率判别和贝叶斯判别
7.3 逐步判别
7.4 典型判别
习题七

第8章 典型相关分析
8.1 典型相关分析数学模型
8.2 典型相关过程
习题八

第9章 聚类分析
9.1 引言
9.2 聚类统计量
9.3 系统聚类法
……
第10章 属性数据的统计分析
附录1 SAS软件简介
附录2 SPSS解一些多元分析的例子
参考文献