此条目需要扩充。 (2016年4月18日)请协助改善这篇条目，更进一步的信息可能会在讨论页或扩充请求中找到。请在扩充条目后将此模板移除。
多变量统计分析（英语：Multivariate Statistical Analysis），简称多变量分析，又称多元统计分析，为统计学的一支，常用于管理科学、社会科学和生命科学等领域。
多变量分析的基础是多变量统计，也就是同时／一次观察与分析超过一个变数。多变量分析一般用于一个实验中有多个测量结果时，探讨资料彼此之间的关联性或是厘清资料的结构。分类大致如下：[1]
常态多变量分布理论与模型
研究与测量变数之间的关系
多维度机率计算
探讨资料构造与模式
目录
1 常见分析方法
2 常用工具
3 参考资料
4 参见
常见分析方法
编辑
主成分分析（Principal Component Analysis, PCA）
因素分析（Factor Analysis）
判别分析（Discriminant Analysis）
聚类分析（Cluster Analysis）
典型相关分析（Canonical Correlation Analysis, CCA）
结构方程式模式（Structural Equation Model, SEM）
线性结构相关模式（Linear Structure Relation, LISREL）- 为SEM成员
Multivariate hypothesis testing
降维（Dimensionality reduction）
结构发现（Latent structure discovery）
多变量回归分析（Multivariate regression analysis）
统计分类（Classification and discrimination analysis）
变量选择（Variable selection）
多维标度缩放（Multidimensional Scaling）
资料挖掘（Data mining）
常用工具
编辑
由于多变量分析方法需要复杂且大量的计算，常须借助电脑，常用的软体或程式语言如下：
SAS
SPSS
Statistica
NCSS (statistical software）
Unscrambler® X
SIMCA
Python语言
R语言
MATLAB
参考资料
编辑
^ Olkin, I.; Sampson, A. R., Multivariate Analysis: Overview, Smelser, Neil J.; Baltes, Paul B. (编), International Encyclopedia of the Social & Behavioral Sciences, Pergamon: 10240–10247, 2001-01-01 [2019-09-02], ISBN 9780080430768, （原始内容存档于2020-05-03）
参见
编辑
这是一篇与统计学相关的小作品。您可以通过编辑或修订扩充其内容。查论编