多元变量分析
 | 此条目需要扩充。 (2016年4月18日) |
多元变量统计分析（英语：Multivariate Statistical Analysis），简称多元变量分析，又称多元统计分析，为统计学的一支，常用于管理科学、社会科学和生命科学等领域。
多元变量分析的基础是多元变量统计，也就是同时／一次观察与分析超过一个变量。多元变量分析一般用于一个实验中有多个测量结果时，探讨资料彼此之间的关联性或是厘清资料的结构。分类大致如下：[1]
- 正态多变量分布理论与模型
- 研究与测量变量之间的关系
- 多维度概率计算
- 探讨资料构造与模式
常见分析方法
- 主成分分析（Principal Component Analysis, PCA）
- 因素分析（Factor Analysis）
- 判别分析（Discriminant Analysis）
- 聚类分析（Cluster Analysis）
- 典型相关分析（Canonical Correlation Analysis, CCA）
- 结构方程式模式（Structural Equation Model, SEM）
- 线性结构相关模式（Linear Structure Relation, LISREL）- 为SEM成员
- Multivariate hypothesis testing
- 降维（Dimensionality reduction）
- 结构发现（Latent structure discovery）
- 多变量回归分析（Multivariate regression analysis）
- 统计分类（Classification and discrimination analysis）
- 变量选择（Variable selection）
- 多维标度缩放（Multidimensional Scaling）
- 资料挖掘（Data mining）
常用工具
由于多元变量分析方法需要复杂且大量的计算，常须借助电脑，常用的软件或编程语言如下：
参考资料
- ^ Olkin, I.; Sampson, A. R., Multivariate Analysis: Overview, Smelser, Neil J.; Baltes, Paul B. (编), International Encyclopedia of the Social & Behavioral Sciences, Pergamon: 10240–10247, 2001-01-01 [2019-09-02], ISBN 9780080430768, （原始内容存档于2020-05-03）
参见
 | 这是一篇与统计学相关的小作品。您可以通过编辑或修订扩充其内容。 |
