《化学计量学实用指南（原著第二版）》是一门利用统计学或数学方法对化学体系量测值与体系状态建立联系的化学分支学科。《化学计量学实用指南》是一本面向化学尤其是分析化学领域的具有突出权威性的好书。内容包括采样、数理统计、实验设计、主成分分析、多元校正、稳健校正、非线性建模、分类及模式识别、自模式曲线分辨、多维分析及三维校正等方法、算法和大量的应用实例，突出如何利用化学计量学理论和方法去解决各类具有多元和动态特性的化学及分析化学的实际复杂问题。
    《化学计量学实用指南（原著第二版）》由浅入深，循序渐进，内容丰富，通俗易懂，可为化学及分析化学领域的高年级本科生、研究生、教师及其他科研工作者提供重要的化学信息化思路、方法及手段，既适用于开设化学计量学课程，也适宜作自学教材，同时也可供相关科研人员参考。

    第1章化学计量学引论
    1.1化学量测——决策之基础
    化学量测已成为当今社会重要决策活动的基础。例如，在对患者进行医学治疗前，需要进行大量医学化验和检查（包括血液化学分析等），这些常常构成医疗的基础，而不准确的结果常与接受医疗的个体生死相关。在工业中，安全而有效地控制和操作高能化学过程，如乙烯生产，就基于在线化学分析。乙烯生产流程中供氧量不准确会导致氧量过多，引起剧烈爆炸，危及工人和当地居民的人身安全。我们的环境保护也基于化学量测。政府政策制定者依赖可靠的量测进行损益决策，以保证现在及将来数百万人民的健康和安全。很显然，化学量测提供的信息必须是可靠的，尤其对上述这些情况，化学量测就是重要决策过程的基础。
    1.2化学量测——三支点平台
    构成许多人类重要决策过程之基础的可信化学信息，依赖于量测过程的三个关键属性，包括其化学属性、物理属性和统计属性。支持可信化学量测的这些条件就像三个支点支撑着这一平台。只有在化学量测的这三个关键属性被充分理解和控制的环境下，才可以获得可信赖的信息。
    （1）化学属性，包括化学计量、物料平衡、化学平衡等。
    （2）物理属性，包括温度、能量传递、相态转化等。
    （3）统计属性，包括量测过程中误差来源、干扰因素的控制、响应信号的校正、复杂多元信号的建模等。
    如果这三个支点中的任意一个有误或者缺失，这个平台就会不稳定，而且量测体系将不能给出可信的结果，有时甚至会导致灾难性后果。其中的第三个支点——统计属性就需要统计学和化学计量学来给出，正是这个基本的角色需求给化学计量学领域提供了发展的原始动力。可信的化学计量学方法和受过良好训练的人力对于提供用于人类决策活动的可信化学信息是必需的。在后续章节中，我们将展开对化学计量学各个主题的介绍。
    1.3化学计量学
    化学计量学一词是在1971年首次提出的，以描述在化学领域，特别是分析化学领域中，数学模型、统计原理和其他基于逻辑的方法的不断增多的使用。化学计量学是一个涉及多元统计、数学建模、计算机科学和分析化学的交叉学科。化学计量学的一些主要应用领域包括：①校正、验证和显著性检验；②化学量测和实验过程的优化；③分析数据中最大化学信息的提取。
    在许多方面，化学计量学领域是统计学、计算机和“信息时代”的产物。快速的技术进展，特别是用于分析化学的计算机化仪器的发展，使得化学计量学领域在过去的三十年有了显著的发展。对于这一时期的大部分时间来说，进展集中于多元方法。由于我们所在的世界本质上就是多元的，在任何数据分析策略中，同时处理多元量测是很有意义的。例如，当我们测量一个溶液的紫外（UV）吸光度时，相对于测定单一波长处的吸光度，快速地在低噪声水平下测定其全谱也是很简单的。通过恰当地同时考虑多元变量的分布，我们可以获得比独立考虑单个变量所获得的更多的信息。这就是所谓的“多元优势”之一。增加的信息以相关性的形式呈现给我们。当一次考察一个变量时，我们忽视了变量之间的相关性，故而丢失了整体的一部分。
    最近一篇由Bro发表的文章描述了多元方法相比于一元方法的四个额外优势［1］。当使用合适的多元方法来同时分析多变量时，降噪是可能的。例如，当使用主成分分析从数以百计的波长下测得的UV光谱中提取出少数几个有意义的因子时，就可以获得低噪声的因子。另一个重要的优势是通过使用部分选择性测量及合适的多元方法，可以摆脱干扰信号的影响，从而获得正确的结果。第三个优势是可以容易地发现假样本，例如在光谱分析中，对于任何表征良好的化学计量学方法，材料量测的部分都应该可以使用训练集或者说校正集光谱的线性组合来合理地解释。假如有新的、陌生的材料存在，而其给出与预计部分轻微不同的光谱信号，就可以在光谱残差中被检出，并且相应的部分会被标识为异常点或者“假样本”。化学计量学的这些优势常常是使用多元方法的结果。通读本书，读者将会发现这些优势和所强调的其他优势。
    1.4如何使用本书
    本书适合作为化学计量学的入门教科书或用作自学指南。每一个章节都是相对独立的，它们共同涵盖了化学计量学的许多主要领域。从第2章对基本统计学（包括假设检验）的概述开始，前面的章节为入门性内容和基本概念。第2章主要是从一元的视角来综述用于实验计划和数据分析的合适工具，涵盖的主题包括定义一个研究的假设，然后评估提出可以用来检测所做的假设是否真实的统计工具。第3章建立了一元正态分布的概念，并将其拓展到多元正态分布。给出了一个例子以表明将近红外光谱用于原材料检验的分析，其中两个降解产物被检测出处于0.5%~1%的质量分数范围。第4章讲述主成分分析（PCA）——化学计量学中的一个主要方法。这是所有的基础或入门化学计量学课程都应该包含的主题。第5章涵盖多元校正的内容，包括偏最小二乘——化学计量学中一个单一应用最广泛的领域。多元校正一般指将仪器的响应转化，以给出更信息化的化学或者物理变量之估计值的数学方法，如（检测）目标分析物。第3~5章共同构成了本书基本的核心内容。
    本书余下的章节介绍了化学计量学中一些更深层次的主题。由于这些章节涵盖了一些重要的深层次主题，所以本书的涉及面相当广泛。第6章介绍稳健多元方法。稳健方法对异常值的存在是不敏感的。第6章论述的绝大多数方法可以容忍数据集中包含上限达50%的异常值，而对结果没有破坏性影响。对多元正态分布、稳健PCA和稳健多元校正，包括稳健PLS的稳健估值，都提供了方法和例子的描述。故而，第6章是第3~5章的一个很好的延伸。
    第7章涵盖非线性多元模型估计这一深层次主题，其主要的例子来自化学动力学。第8章涵盖实验设计这一重要的内容。实验设计在本书中的位置之所以相对靠后，是因为我们认为将其安排在有关校正和非线性模型估计的章节之后，对于读者（特别是学生）来说，将更易于认识到实验设计的重要应用。第9章涵盖了多元聚类和模式识别的主题。这类方法被设计来探寻描述不同数据组之间相似性或相异性的关系，从而揭示一个数据集中对象之间的共同趋势。使用合适的多元方法策略，可以同时研究大量的特征。化学计量学在这方面的应用实例，包括污染源的鉴别、不合格原材料的检测、临床吸塑包装内未标记药物的无损聚类、人的疾病化验和食品质量检验..仅列举以上这几个例子。
    第10章信号处理和数字滤波，与意在通过降噪来增强信号的数学方法有关。在这种方式下，可以从被其他因素干扰的信号中获得“真实”信号。第11章多元曲线分辨，描述了对多元数据集——从渐进体系到表示纯组分贡献的描述性模型——进行数学分辨的方法。正确地分辨体系中各组分纯浓度轮廓和纯光谱的能力依赖于不同组分纯峰形重叠的程度和这些峰形在重叠区域的具体重叠方式。第12章描述了三维校正方法——化学计量学中一个活跃的研究领域。该章包含了诸如广义秩消（GRAM）和平行因子分析（PARAFAC）等方法的论述。三维校正方法的主要优势是它们在未知、未校正光谱干扰共存下仍能估计待分析物浓度的能力。第13章综述了化学计量学中一些最活跃的研究领域。
    1.4.1软件应用
    我们学习化学计量学和向其他人讲授化学计量学的经验一次又一次地表明：人们是通过使用新技术解决感兴趣的问题来学习新技术的。因此，本书的许多编纂者选择了使用微软＠Excel、MATLAB或其他有力的计算机应用软件，来阐述他们的化学计量学方法。对于许多化学计量学研究小组来说，MATLAB已经成为主要的研究工具，大量共享的用于化学计量学的MATLAB软件包可以在互联网上找到。MATLAB是一个交互式计算环境，摆脱了使用线性代数去解决复杂问题的繁重计算问题。它将计算机绘图、数值分析和矩阵计算整合为一个简单易用的工具包。这种工具包可以在大范围的个人计算机和工作站上使用，包括IBM和Macintosh计算机。它尤其适用于使用一个简单的类似于代数的术语来求解复杂的矩阵方程。由于一些作者已选择使用MATLAB，所以我们可以为您提供一些实例程序。使用BASIC、Pascal、FORTRAN或者C语言来表述本书中例子的等价程序可能会过于冗长复杂。通过在你自己的数据集上使用这些方法，或修改这些方法以适应你的具体需要，将更容易去尝试体会本书中的这些方法。想要学习更多MATLAB的读者可以查阅有相关程序的手册和有描述程序使用指导内容的各类网站。
    1.5化学计量学方面的一般性读物
    化学计量学方面的书籍（包括一些专门性的书籍）已越来越多。在这里作一个更通用性读本的简略小结，为读者提供一个引导。同时在每一章后面列有所引参考文献。
    ……

译者序
前言
主编介绍
编著者
第1章 化学计量学引论
1.1 化学量测--决策之基础
1.2 化学量测--三支点平台
1.3 化学计量学
1.4 如何使用本书
1.4.1 软件应用
1.5 化学计量学方面的一般性读物
参考文献

第2章 数据的统计学估计
引论
2.1 误差源
2.2 精密度和准确度
2.3 正态分布的性质
2.4 显著性检验
2.4.1 F-检验法--两个方差的比较（精密度）
2.4.2 t-检验法
2.4.3 单尾检验和双尾检验
2.4.4 样品均值和确定值的比较
2.4.5 两样品均值的比较
2.4.6 使用不同测试对象或测试样品的两种方法的比较
2.5 方差分析
2.5.1 ANOVA用于检测平均值的差异
2.5.2 批内样品方差（批内处理方差）
2.5.3 批间样品方差（批间处理方差）
2.5.4 残差分析
2.6 异常值
2.7 集中趋势和分散性的稳健性估计
2.8 软件
参考文献

第3章 采样理论、分布函数和多元正态分布
3.1 采样及采样分布
3.1.1 正态分布
3.1.2 标准正态分布
3.2 中心极限定理
3.2.1 中心极限定理的实质
3.3 小样本的分布
3.3.1 t-分布
3.3.2 χ2-分布
3.4 一元假设检验
3.4.1 均值的统计推断
3.4.2 方差的统计推断和F-分布
3.5 多元正态分布
3.5.1 广义或马氏距离
3.5.2 方差-协方差矩阵
3.5.3 使用小样本对总体参量的估计
3.5.4 关于假设的注解
3.5.5 广义样本方差
3.5.6 所选双变量分布的图示
3.5.7 χ2-分布
3.6 比较多元均值的假设检验
3.7 例子：多元距离
3.7.1 第一步：smx.mat数据文件的图示
3.7.2 第二步：变量（波长）的选择
3.7.3 第三步：变量的直方图
3.7.4 第四步：计算训练集的均值和方差-协方差矩阵
3.7.5 第五步：计算马氏距离和概率密度
3.7.6 第六步：寻找“可接受”和“不可接受”的对象
参考文献

第4章 主成分分析
4.1 引论
4.2 光谱-色谱数据
4.2.1 基向量
4.3 主成分模型
4.3.1 特征向量与特征值
4.3.2 奇异值分解
4.3.3 主成分模型的其他表达
4.4 预处理方法
4.4.1 均值中心化
4.4.2 方差尺度化
4.4.3 基线校准
4.4.4 平滑与滤波
4.4.5 一阶导数与二阶导数
4.4.6 标准化
4.4.7 多元散射校正与标准正态变量变换
4.5 PCA对数据的解析过程
4.6 影响因素
4.6.1 方差与残余方差
4.6.2 特征值中的误差分布
4.6.3 F-检验法确定因子数
4.7 基矢量
4.7.1 用PCA得分图进行聚类和分类
4.8 残余光谱
4.8.1 残余方差分析
4.9 结论
参考文献

第5章 校正
5.1 数据集
5.1.1 近红外光谱
5.1.2 振动的基本模式、倍频及和频
5.1.3 水-甲醇混合物
5.1.4 溶剂相互作用
5.2 校正引论
5.2.1 一元校正
5.2.2 非零截距
5.2.3 多元校正
5.2.4 曲线校正
5.2.5 校正样本和验证样本的选择
5.2.6 量测误差和预测误差的测定
5.3 校正应用实例
5.3.1 水-甲醇混合体系近红外数据的图形化研究
5.3.2 一元校正
5.3.3 多元校正
5.4 最小二乘校正模型的统计学估计
5.4.1 假设检验
5.4.2 最小二乘解中方差的组成
5.4.3 解释回归ANOVA表
5.4.4 回归系数的置信区间和假设检验
5.4.5 预测值的置信区间
5.4.6 杠杆力臂和影响力
5.4.7 模型偏离和异常值
5.4.8 测定系数和多元相关系数
5.4.9 灵敏度和检测限
5.4.10 干扰效应和灵敏度
5.5 变量选择
5.5.1 前向选择
5.5.2 Efroymson逐步回归算法
5.5.3 后向删减
5.5.4 连续替换算法
5.5.5 所有可能的子集
5.5.6 模拟退火算法和遗传算法
5.5.7 建议和警惕
5.6 校正的有偏方法
5.6.1 主成分回归
5.6.2 偏最小二乘
5.6.3 一些其他校正方法
5.6.4 正则化
5.6.5 例示正则化结果
5.7 标准加入方法
5.7.1 一元标准加入方法
5.7.2 多元标准加入方法
5.8 内标
5.9 预处理技术
5.10 校正标准化
5.10.1 预测值的标准化
5.10.2 仪器响应的标准化
5.10.3 使用预处理技术进行标准化
5.11 软件
参考文献

第6章 稳健校正
6.1 引论
6.2 位置与范围估计
6.2.1 均值与标准偏差
6.2.2 中位数与中位绝对偏差
6.2.3 位置与范围的其他稳健估计量
6.3 低维位置与协方差估计
6.3.1 经验均值与协方差矩阵
6.3.2 稳健极小化协方差行列式估计
6.3.3 位置和协方差的其他稳健估计
6.4 低维线性回归
6.4.1 单响应变量线性回归
6.4.2 多响应变量线性回归
6.5 主成分分析
6.5.1 经典主成分分析
6.5.2 基于稳健协方差估计的稳健PCA
6.5.3 基于投影追踪的稳健PCA
6.5.4 基于投影追踪和MCD的稳健PCA
6.5.5 异常值图
6.5.6 选取主成分数
6.5.7 实例
6.6 主成分回归
6.6.1 经典主成分回归
6.6.2 稳健PCR
6.6.3 模型校正和验证
6.6.4 实例
6.7 偏最小二乘回归
6.7.1 经典偏最小二乘回归
6.7.2 稳健PLSR
6.7.3 实例
6.8 分类
6.8.1 低维分类
6.8.2 高维分类
6.9 可用软件
参考文献

第7章 利用非线性回归进行多元量测动力学过程建模
7.1 引论
7.2 多元数据，比尔-朗伯定律，矩阵符号
7.3 浓度轮廓的计算：第Ⅰ类情况，简单机理
7.4 基于模型的非线性拟合
7.4.1 直接方法，单纯形算法
7.4.2 使用Excel的Solver工具进行非线性拟合
7.4.3 线性和非线性参数
7.4.4 牛顿-高斯-莱温伯格/马奎特方法
7.4.5 非白色噪声
7.5 浓度轮廓的计算：第Ⅱ类情况，复杂机理
7.5.1 Excel中的四阶龙格-库塔方法
7.5.2 有趣的动力学例子
7.6 浓度轮廓的计算：第Ⅲ类情况，非常复杂的机理
7.7 相关问题
7.7.1 检测技术
7.7.2 模型分析器
7.7.3 连续反应器
7.7.4 分析的全局化
7.7.5 软建模方法
7.7.6 其他方法
参考文献

第8章 响应面建模和实验设计
8.1 引论
8.2 响应面建模
8.2.1 响应面建模的一般策略
8.2.2 因子空间
8.2.3 一些与回归分析有关的术语
8.3 一次一个变量与优化设计
8.3.1 二元（多元）实例
8.3.2 一次一个变量的方法的优点
8.3.3 一次一个变量的方法的缺点
8.4 对称优化设计
8.4.1 两水平完全因子设计
8.4.2 三水平或更多水平的完全因子设计
8.4.3 中心组合设计
8.5 田口实验设计方法
8.6 非对称优化设计
8.6.1 优化准则
8.6.2 最优化与等距设计
8.6.3 设计最优性和设计效率评判标准
8.7 用于搜索可行最优实验设计的方法
8.7.1 精确D最优设计
8.7.2 序贯D最优设计
8.7.3 序贯组合D最优设计
8.8 现有可用的软件和实验设计表
8.8.1 现有可用的软件
8.8.2 实验设计表
8.9 实例：实验设计在多元校正中的应用
8.9.1 校正样本集的构建
8.9.2 从历史数据改善质量
8.10 结论
参考文献

第9章 分类和模式识别
9.1 引论
9.2 数据预处理
9.3 绘图和显示
9.4 聚类
9.5 分类
9.5.1 k-最近邻
9.5.2 偏最小二乘
9.5.3 SIMCA
9.6 实际考虑
9.7 模式识别技术的应用
9.7.1 考古学的赝品
9.7.2 燃料泄漏识别
9.7.3 分类回收利用的塑料
9.7.4 基于化学组成的生物分类学
参考文献

第10章 信号处理和数字滤波
10.1 引论
10.2 噪声去除和先验信息的问题
10.2.1 信号估计和信号检测
10.3 在新坐标上重新表示数据用以分析结构
10.3.1 基于投影的信号分析用于信号处理
10.4 频域的信号处理
10.4.1 傅里叶变换
10.4.2 采样定理与混淆
10.4.3 有限带宽和离散傅里叶变换
10.4.4 傅里叶变换的性质
10.5 频域平滑
10.5.1 平滑
10.5.2 使用设计者转换函数的平滑
10.6 时域滤波和平滑
10.6.1 平滑
10.6.2 滤波
10.6.3 多项式移动平均值滤波器（Savitsky-Golay）
10.7 基于小波变换的信号处理
10.7.1 小波函数
10.7.2 小波函数在时间和频率上的局部化
10.7.3 离散小波变换
10.7.4 使用小波的平滑和去噪
参考文献

第11章 多元曲线分辨
11.1 引论：总体概念，不唯一性，分辨理论
11.2 历史背景
11.3 局部秩和分辨：渐进因子分析及其相关技术
11.4 非迭代分辨方法
11.4.1 窗口因子分析
11.4.2 其他技术：子窗口因子分析和直观推导式演进特征投影
11.5 迭代分辨方法
11.5.1 初始估计的产生
11.5.2 约束，定义，分类：基于化学或数学性质的等性约束和不等性约束
11.5.3 迭代目标转换因子分析
11.5.4 多元曲线分辨-交替最小二乘
11.6 自模式曲线分辨到多维数据的延伸：用MCR-ALS方法对多个相关数据矩阵进行同时分析
11.7 分辨结果的不确定度、可行解的范围和分辨误差
11.8 应用
11.8.1 生物化学过程
11.8.2 环境数据
11.8.3 光谱成像
11.9 软件
参考文献

第12章 联用数据的三维校正
12.1 引论
12.2 背景知识
12.3 三维数据术语
12.4 三维模型
12.5 例子
12.6 秩消失方法
12.6.1 秩消失因子分析
12.6.2 广义秩消失方法
12.6.3 直接三线性分解
12.7 交替最小二乘方法
12.7.1 PARAFAC/CANDECOMP
12.8 三维校正的拓展
12.9 品质因子
12.10 注意事项
参考文献

第13章 化学计量学展望
13.1 化学计量学的发展简史
13.1.1 化学计量学--一门趋于成熟的学科
13.2 化学计量学的回顾与展望
13.2.1 过程分析化学
13.2.2 光谱学
13.2.3 食品和饲料化学
13.2.4 其他有趣的应用领域
13.3 化学计量学的发展动力
13.3.1 海量数据的挑战
13.3.2 化学计量学在化学和生物学交叉中的应用
13.4 结语
参考文献
索引