本书是一本应用多元统计教材，是多元统计分析的实践指南。书中介绍了各类多元统计分析方法，并结合SAS、SPSS和SYSTAT给出了各分析方法的实现。本书主要侧重于应用，通过使用现实数据集的丰富实例，阐明了何时、为什么以及如何使用数据集，便于读者学习理解。本书条理清晰，内容精练，言简意赅，可作为高等院校数学与应用数学、信息与计算科学等专业学生的教材，同时也可作为数学工作者和科技人员的参考书。

芭芭拉·G.塔巴尼克（Barbara G.Tabachnick）是加州州立大学北岭分校的心理学名誉教授。她发表了70多篇论文，并多次受邀发表专业演讲。她是2012年美国西部心理学协会终身成就奖和2015年美国西部心理学协会主席奖的获得者。

前言
第1章 引言
1.1 为什么选择多元统计
1.1.1 多元统计的域：自变量和因变量的个数
1.1.2 实验性和非实验性研究
1.1.3 计算机和多元统计
1.1.4 垃圾进，玫瑰出
1.2 一些有用的定义
1.2.1 连续、离散和二分数据
1.2.2 样本和总体
1.2.3 描述性和推断性统计
1.2.4 正交：标准和序贯分析
1.3 变量的线性组合
1.4 变量个数和性质
1.5 统计势
1.6 多元统计数据
1.6.1 数据阵
1.6.2 相关矩阵
1.6.3 方差协方差阵
1.6.4 平方和与叉积矩阵
1.6.5 残差
1.7 本书的结构安排
第2章 统计方法指南：使用本书
2.1 研究问题和相关方法
2.1.1 变量间的关系程度
2.1.2 群组差异的显著性
2.1.3 组成员的预测
2.1.4 结构
2.1.5 时序事件
2.2 进一步比较
2.3 决策树
2.4 统计方法的章节
2.5 数据的初步检查
第3章 一元统计和二元统计回顾
3.1 假设检验
3.1.1 单样本z检验
3.1.2 势
3.1.3 模型拓展
3.1.4 显著性检验的争议
3.2 方差分析
3.2.1 单因素组间方差分析
3.2.2 多因素组间方差分析
3.2.3 组内方差分析
3.2.4 组间组内混合方差分析
3.2.5 设计复杂性
3.2.6 特定比较
3.3 参数估计
3.4 效应大小
3.5 二元统计：相关性和回归
3.5.1 相关性
3.5.2 回归
3.6 卡方分析
第4章 数据清洗
4.1 数据清洗的系列问题
……
第5章 多重回归
第6章 协方差分析
第7章 多元方差和协方差分析
第8章 轮廓分析：重复测量的多元方法
第9章 判别分析
第10章 logistic回归
第11章 生存分析
第12章 典型相关
第13章 主成分和因子分析
第14章 结构方程模型
第15章 多层线性模型
第16章 多重列联表分析
第17章 一般线性模型概述
附录
参考文献