《应用多元统计分析》为北京大学数学科学学院概率统计系“应用多元统计分析”课程使用多年的教材，它主要介绍一些实用的多元统计分析方法的理论及其应用，并列举了各方面的应用实例，同时还以国际上有名的统计分析软件SAS系统作为典型工具，通过实例介绍如何处理数据分析中的各种实际问题。
《应用多元统计分析》共分十一章。首章为绪论；第二、第三章介绍多元统计分析的理论基础——多元正态分布及其参数的估计和检验问题；第四章重点介绍多因变量的多元线性回归的有关问题，包括模型、参数的估计及其性质、假设检验、变量筛选，以及双重筛选逐步回归问题；第五、第六章介绍分类问题（判别与聚类）；第七到第九章介绍降维的多变量方法（主成分分析、因子分析和对应分析方法）；第十章讨论两组相关变量的典型相关分析；第十一章介绍近年来发展的偏最小二乘回归分析方法；并且在每一章内都配有适量的习题。“附录”中介绍了本课程所需的矩阵代数的有关内容；书末附有“部分习题参考解答或提示”，这些都将更便于读者自学。
《应用多元统计分析》可作为综合大学、工科大学或高等师范学院数学系、应用数学系、经济学等相关专业的本科生或研究生教材或教学参考书；对于其他领域中从事应用统计的工作人员也是一本极好的学习参考书。

第一章绪论
1.1引言
1.2多元统计分析的应用
1.3多元统计数据的图表示法
习题一
第二章多元正态分布及参数的估计
2.1随机向量
2.2多元正态分布的定义与基本性质
2.3条件分布和独立性
2.4随机阵的正态分布
2.5多元正态分布的参数估计
习题二
第三章多元正态总体参数的假设检验
3.1几个重要统计量的分布
3.2单总体均值向量的检验及置信域
3.3多总体均值向量的检验
3.4协方差阵的检验
3.5独立性检验
3.6正态性检验
习题三
第四章回归分析
4.1经典多元线性回归
4.2回归变量的选择与逐步回归
4.3多因变量的多元线性回归
4.4多因变量的逐步回归
4.5双重筛选逐步回归
习题四
第五章判别分析
5.1距离判别
5.2贝叶斯（Bayes）判别法及广义平方距离判别法
5.3费希尔（Fisher）判别
5.4判别效果的检验及各变量判别能力的检验
5.5逐步判别
习题五
第六章聚类分析
6.1聚类分析的方法
6.2距离与相似系数
6.3系统聚类法
6.4系统聚类法的性质及类的确定
6.5动态聚类法
6.6有序样品聚类法（很优分割法）
6.7变量聚类方法
习题六
第七章主成分分析
7.1总体的主成分
7.2样本的主成分
7.3主成分分析的应用
习题七
……
第八章因子分析
第九章对应分析方法
第十章典型相关分析
第十一章偏最小二乘回归分析
附录矩阵代数
部分习题参考解答或提示
参考文献
主要符号说明
索引