本书深入揭示了小样本多元数据的实质和特点，对多元回归法和现代多种建模方法进行了剖析、比较、验证和拓展，提出了小样本多元数据分析的理论和方法，构建了从不同侧面克服小样本多元数据建模困难的完整的建模方法体系。
全书共8章，包括：绪论，多元线性回归分析，偏*小二乘回归分析，方差分量线性模型，自变量筛选和综合特征参数模型，贝叶斯统计分析方法，统计学习理论与支持矢量机，其他分析方法的探讨。
本书可供高等院校飞行器设计、系统工程、管理科学与工程、数量经济学和有关专业的本科生及研究生阅读，也可供研究人员、工程技术人员及有关人员参考。

第1章 绪论
1. 1 小样本多元数据分析问题的背景
1. 2 小样本多元数据分析的特点
1．2．1 小样本多元数据分析的假设条件
1．2．2 多元线性回归分析中样本容量问题的讨论
第2章 多元线性回归分析
2. 1 多元线性回归分析原理
2．1．1 多元线性模型的形式和参数估计
2．1．2 模型的假设检验
2. 2 实例分析
第3章 偏*小二乘回归分析
3．1 偏*小二乘回归方法概述
3. 2 偏*小二乘回归分析的原理
3.2.1 偏*小二乘回归分析的算法和思路
3.2.2 偏*小二乘回归的建模步骤
3.3 偏*小二乘回归的辅助分析技术
3.3.1 变量投影重要性分析
3.3.2 X和y 之间相关关系分析
3.3.3 特异样本的判别
3.4 实例分析
3.5 偏*小二乘回归与其他回归方法的比较
第4章 方差分量线性模型
4.1 问题提出的背景
4.2 方差分量线性模型的分析方法
4.2.1 方差分量��性模型的基本概念
4.2.2 方差分量线性模型的参数估计
4.3 实例分析
第5章 自变量筛选和综合特征参数模型
5.1 自变量筛选方法
5.1.1 自变量筛选方法分析
5.1.2 灰色关联度分析方法的探讨
5.2 综合特征参数模型
5.2.1 综合特征参数模型的特点
5.2.2 战斗机常用综合特征参数的构建
第6章 贝叶斯统计分析方法
6.1 贝叶斯统计分析的基本理论
6.2 贝叶斯推断
6.2.1 先验获取
6.2.2 点估计
6.2.3 可信区间
6.2.4 假设检验
6.3 贝叶斯多元数据分析模型
6.3.1 多元线性模型
6.3.2 广义线性模型
……
第7章 统计学习理论与支持矢量机
第8章 其他分析方法的探讨
参考文献