布莱恩·埃弗里特;托尔斯滕·霍霍恩 介绍应用R。 （英语） Zbl 1306.62010年 使用R！纽约州纽约市：施普林格出版社（ISBN 978-1-4419-9649-7/pbk；978-1-44109-9650-3/电子书）。xiv，273页。(2011). 本书涵盖了R中多元数据分析的基本方法和高级方法。本书分为八章，首先介绍多元数据和多元分析。在简要介绍了多元分析的发展历史之后，作者讨论了可能涉及的变量类型以及缺失数据的处理。接下来，给出协方差、相关性和距离，并以多元正态密度函数的描述结束本章。第二章描述了可视化多元数据的方法。讨论了散点图，如二元盒图、二元数据的凸壳和chi-plot。接下来，给出气泡图和字形图，然后使用估计的二元密度（如核密度）增强散点图。本章最后介绍了三维图、网格图和钟乳石图的概念。第三章是主成分分析。本章首先简要介绍和概述了识别主要成分的方法。接下来，作者提出了用相关系数（r）识别二元数据的主成分，以及选择成分数量和计算成分得分的策略。本章最后给出了用于描述典型相关分析的主成分分析示例。第四章讨论了多维标度，并从描述多维标度的理论方面开始，并附有实例。接下来，以众议院投票和二战领导人的判断为例，介绍了非度量多维标度。第五章围绕探索性因素分析展开，并以一个简单的因素分析模型为例（斯皮尔曼的经典、法语和英语儿童考试成绩示例）。接下来，介绍了（k）因子分析模型，并讨论了其尺度不变性和参数估计，重点讨论了主因子分析和最大似然因子分析。本章继续估计因子的数量及其相应的分数。本节最后给出了两个关于寿命期望和药物使用的例子，并对因子分析和主成分分析进行了比较。第六章介绍了聚类分析，并用理论、实例和R代码详细描述了层次聚类和均值聚类。接下来，作者讨论了基于模型的聚类，使用有限混合密度和具有多元正态分量的有限混合密度中的最大似然估计。本章最后介绍了聚类显示的方法，如邻域图和条纹图。第七章着重于验证性因子分析和结构方程模型。本章首先对验证因子模型和结构方程模型的适用性的估计、识别和评估进行了理论描述，然后以探索性示例继续。本书以第八章结尾，重点分析了重复措施。作者提出了线性混合效应模型、预测随机效应的方法，最后讨论了纵向数据中的缺失。所有章节都以总结和练习结束，使本书成为应用统计学课程的优秀补充。该方法、大量示例和代码片段使本科生和研究生以及研究人员都可以使用它（然而，假设假设已经知道假设检验、置信区间、回归和相关性等介绍性统计概念）。审核人：Irina Ioana Mohorianu（诺维奇） 引用于8文件 MSC公司： 62-01 与统计有关的介绍性说明（教科书、辅导论文等） 62-04 统计相关问题的软件、源代码等 62华夏 多变量分析 关键词：多元分析;协方差;相关性;多元数据的可视化;主成分分析;典型相关分析;多维缩放;探索性因素分析;最大似然因子分析;聚类分析;层次聚类;\（k）-表示聚类;基于模型的聚类;验证性因素分析;结构方程模型;重复测量分析;线性混合效应模型;随机效应预测;纵向数据中的缺失 软件：GGobi公司;科恩平滑;弗莱克斯集群;RLR模拟;R（右）;MVA公司;扫描电镜;麦克卢斯特;ISwR公司;fastICA（快速ICA） PDF格式BibTeX公司 XML格式引用 \textit{B.Everitt}和\textit{T.Hothorn}，R.纽约应用多元分析简介，纽约：Springer（2011；Zbl 1306.62010） 全文： 内政部