多元数据分析：英文版

　　本书介绍了多元数据分析的现代方法，主要讲解多元统计学中的最新方法及其应用。作者通过大量的示例说明每种技术的工作方式以及应用方法，还应用几何图形的方法来开发学生的直觉力，帮助读者对各种方法有一个比较形象的认识。书中大量习题和示例采用了来源于心理学，社会学和营销学等各个学科的真实数据。 因为本书提供了各种类型的应用，所以适用于很多专业的教学，不仅适合营销学、组织行为学、会计学专业，还适合工程学、教育学、经济学、心理学、社会学和统计学等专业。

　　JamesM.Lattin于曼彻斯特理工大学获得博士学位，现为斯坦福大学商学院研究生教授，自1984年以来一直在该校从事教学工作，主要教授营销管理和数据分析课程。他的主要研究方向是选择行为等数据库营销。J.DouglasCarroll于普林顿大学获得博士学位，现为罗格斯大学管理学院研究生院教授，他的主要研究方向是多维换算和数据分析技术，特别是其在营销学和心理学方面的应用.

PART 1                  
 Overview                  
 1  Introduction                  
 1.1  The Nature of Multivariate Data                  
 1.2  Overview of Multivariate Methods                  
 1.3  Format of Succeeding Chapters                  
 2 Vectors and Matrices                  
 2.1  Introduction                  
 2.2  Definitions                  
 2.3  Geometric Interpretation of Operations                  
 2.4  Matrix Properties                  
 2.5  Learning Summary                  
 Exercises                  
 3 Regression Analysis                  
 3.1  Introduction                  
 3.2  Regression Analysis: How It Works                  
 3.3  Sample Problem: Leslie Salt Property                  
 3.4  Questions Regarding the Application of Regression Analysis                  
 3.5  Learning Summary                  
 PART II                  
 Analysis of Interdependence                  
 4 Principal Components Analysis                  
 4.1  Introduction                  
 4.2  Principal Components: How It Works                  
 4.3  Sample Problem: Gross State Product                  
 4.4  Questions Regarding the Application of Principal Components                  
 4.5  Learning Summary                  
 5 Exploratory Factor Analysis                  
 5.1  Introduction                  
 5.2  Exploratory Factor Analysis: How It Works                  
 5.3  Sample Problem: Perceptions of Ready-to-Eat Cereals                  
 5.4  Questions Regarding the Application of Factor Analysis                  
 5.5  Learning Summary                  
 6 Confirmatory Factor Analysis                  
 6.1  Introduction                  
 6.2  Confirmatory Factor Analysis: How It Works                  
 6.3  Sample Problems                  
 6.4  Questions Regarding the Application of Confirmatory Factor Analysis                  
 6.5  Learning Summary                  
 7 Multidimensional Scaling                  
 7.1  Introduction                  
 7.2  Classical Metric MDS: How It Works                  
 7.3  Nonmetric MDS: How It Works                  
 7.4  The INDSCAL Model and Method for Individual Differences Scaling:                  
 How It Works                  
 7.5  Multidimensional Analysis of Preference: How It Works                  
 7.6  Learning Summary                  
 7.7  Selected Readings                  
 8 Cluster Analysis                  
 8.1  Introduction                  
 8.2  Objectives of Cluster Analysis                  
 8.3  Measures of Distance, Dissimilarity, and Density                  
 8.4  Agglomerative Clustering: How It Works                  
 8.5  Partitioning: How It Works                  
 8.6  Sample Problem: Preference Segmentation                  
 8.7  Questions Regarding the Application of Cluster Analysis                  
 8.8  Learning Summary                  
 PART III                  
 Analysis of Dependence                  
 9 Canonical Correlation                  
 9.1  Introduction                  
 9.2  Canonical Correlation: How It Works                  
 9.3  Sample Problem                  
 9.4  Questions Regarding the Application of Canonical Correlation                  
 9.5  Learning Summary                  
 10 Structural Equation Models with                  
 Latent Variables                  
 10.1   Introduction                  
 10.2  Structural Equation Models with Latent Variables: How It Works                  
 10.3  Sample Problem: Modeling the Adoption of Innovation                  
 10.4  Questions Regarding the Application of Structural Equations with                  
 Latent Variables                  
 10.5  Learning Summary                  
 11  Analysis of Variance                  
 11.1  Introduction                  
 11.2  ANOVA/ANCOVA: How It Works                  
 11.3  Sample Problem: Test Marketing a New Product                  
 11.4  Multiple Analysis of Variance (MANOVA): How It Works                  
 11.5  Sample Problem: Testing Advertising Message Strategy                  
 11.6  Questions Regarding the Application of ANOVA                  
 11.7  Learning Summary                  
 12 Discriminant Analysis                  
 12.1  Introduction                  
 12.2  Two-Group Discriminant Analysis: How It Works                  
 12.3  Sample Problem: Books by Mail                  
 12.4  Questions Regarding the Application of Two-Group Discriminant Analysis                  
 12.5  Multiple Discriminant Analysis: How It Works                  
 12.6  Sample Problem: Real Estate                  
 12.7  Questions Regarding the Application of Multiple Discriminant Analysis                  
 12.8  Learning Summary                  
 13 Logit Choice Models                  
 13.1  Introduction                  
 13.2  Binary Logit Model: How It Works                  
 13.3  Sample Problem: Books by Mail                  
 13.4  Multinomial Logit Model: How It Works                  
 13.5  Sample Problem: Brand Choice                  
 13.6  Questions Regarding the Application of Logit Choice Models                  
 13.7  Learning Summary                  
 Statistical Tables                  
 Bibliography                  
 Index                  
 particular statistical packages (e.g., SAS and SPSS). These workbooks explain                  
 how the concepts in the text are linked to the application software and show the                  
 student how to perform the analyses presented in each chapter. The program                  
 templates provided in the workbooks enable students to run their own analyses                  
 of the more than 100 data sets (most taken from real applications in the pub-                  
 lished literature) contained the CD-ROM that accompanies the text.                  
 Be able to interpret the results of the analysis. In each chapter, we raise the im-                  
 portant issues and problems that tend to come up with the application of each                  
 method. We place special emphasis on assessing the generalizability of the re-                  
 sults of an analysis, and suggest ways in which students can test the validity of                  
 their findings.