多變量分析

此條目需要擴充。 (2016年4月18日) 请協助改善这篇條目，更進一步的信息可能會在討論頁或扩充请求中找到。请在擴充條目後將此模板移除。

多變量統計分析（英語：Multivariate Statistical Analysis），簡稱多變量分析，又称多元统计分析，為統計學的一支，常用於管理科學、社會科學和生命科學等领域。

多變量分析的基礎是多變量統計，也就是同時／一次觀察與分析超過一個變數。多變量分析一般用於一個實驗中有多個測量結果時，探討資料彼此之間的關聯性或是釐清資料的結構。分類大致如下：^[1]

• 常態多變量分布理論與模型
• 研究與測量變數之間的關係
• 多維度機率計算
• 探討資料構造與模式

• 主成分分析（Principal Component Analysis, PCA）
• 因素分析（Factor Analysis）
• 判別分析（Discriminant Analysis）
• 聚类分析（Cluster Analysis）
• 典型相關分析（Canonical Correlation Analysis, CCA）
• 結構方程式模式（Structural Equation Model, SEM）
  • 線性結構相關模式（Linear Structure Relation, LISREL）- 為SEM成員
• Multivariate hypothesis testing
• 降維（Dimensionality reduction）
• 結構發現（Latent structure discovery）
• 多變量回歸分析（Multivariate regression analysis）
• 統計分類（Classification and discrimination analysis）
• 變量選擇（Variable selection）
• 多維標度縮放（Multidimensional Scaling）
• 資料挖掘（Data mining）

由於多變量分析方法需要複雜且大量的計算，常須借助電腦，常用的軟體或程式語言如下：

• SAS
• SPSS
• Statistica
• NCSS (statistical software）
• Unscrambler® X
• SIMCA
• Python語言
• R語言
• MATLAB

这是一篇與統計學相關的小作品。您可以通过编辑或修订扩充其内容。 查 论 编