本书献给那些缺乏专门的高等数学知识而又需要应用较为复杂的统计分析方法的读者，譬如说，教育和心理学专业的、经济学专业的研究生和研究工作者。高年级的社会科学领域的大学生，也可以通过自学本书，并借助于计算机软件包，学会如何进行多元的数据处理和分析。当然，这并不意味着作者在写作时会跳过必要的统计思想的叙述，更不会忽略比较简单而对理解统计方法很有帮助的数学式子的推导。
本书限于讨论在应用统计领域内常用的多元描述分析方法。根据作者在华东师范大学、上海师范大学及加拿大渥太华大学多次讲述研究生的多元分析课程的经验，本书**介绍国内外教育和心理专业杂志上论文所常用的，或者是该领域内具有很大应用潜力的方法，包括多维数据的图表示和图分析、相应分析（CA）、多维标图法（MDS）和因素分析等。从这个意义上来说，本书对应用统计学工作者也有参考价值。
作者在介绍有关方法时，力求将基本思路的引进、简单数值例子的完整讨论、计算机软件包的使用和有关论文的选读有机地结合在一起，读者在学完有关章节之后，通过简单的模仿到进一步实践，完全可以正确地（甚至创造性地）在自己的研究工作中应用这些方法。

前言
**章 引言
1.1 多元统计的必要性
1.2 多元描述统计中的向量、矩阵和距离
1.3 用SPSS做矩阵运算
第二章 多维数据的图表示和图分析
2.1 概述
2.2 分数轮廓图（Score～Profile）
2.3 雷达图（Radar Chart）
2.4 星座图（Constellation GraDh）
2.5 树图（Dendrograml
2.6 三角形散点图（Triangular Scatter Plot）
2.7 脸谱图（Face GraDh）
2.8 其他方法
第三章 多维标图法（MDS）和相应分析（CA）
3.1 直觉图示（Perceptual Mapping）
3.2 ���维标图法（Multidimensional Scaling）
3.3 相应分析（Correspondenee Analysis）
第四章 聚类分析
4.1 引言
4.2 距离和相似系数
4.3 系统聚类的步骤
4.4 用SPSS聚类
4.5 聚类结果的研究
第五章 因素分析和主成分分析
5.1 引言
5.2 一个数值例子
5.3 数据的合适性、拟合优度及其他
5.4 因素得分和主成分回归
5.5 SPSS的因素分析程序
5.6 本章附录