以提升统计学、经济学等领域学生和相关人才数据认知能力，加速推进计算机网络大数据的应用为目标。该教材基于统计理论方法和计算机技术的有机结合，将多元统计分析、时间序列分析、结构方程模型合并为连续型数据分析技术导论课程。课程更多是研究连续型数据问题，依然保留多元统计分析、时间序列分析、结构方程模型三门统计课程的完整性，但课程内容只包括多元统计分析概述、主成分分析、判别分析、聚类分析、因子分析、结构方程模型、时间序列模型概述、平稳时间序列模型。对各种统计方法强调原理的介绍以及提供具体操作训练。本书的读者包括统计学专业本科生和研究生，非统计学专业的本科生和研究生，以及利用统计方法进行大数据分析，指导业务或直接进行业务操作，或提出大数据应用需求的数据工程师。
章 多元统计分析概述
1.1 多元统计分析简介
1.2 多元正态分布
1.3 多元正态分布的参数估计和假设检验
1.4 多元数据的图形展示
思考与练习
参考文献
第2章 主成分分析
2.1 主成分分析的原理与思路
2.2 总体主成分和样本主成分
2.3 主成分分析的应用
2.4 主成分分析应用案例的讨论
思考与练习
参考文献
第3章 聚类分析
3.1 聚类分析概述
3.2 亲疏程度测定
3.3 聚类分析方法介绍
3.4 聚类分析应用实例
3.5 软件操作
思考与练习
参考文献
第4章 判别分析
4.1 距离判别法
4.2 贝叶斯判别法
4.3 费希尔判别法
4.4 逐步判别法
4.5 判别分析的基本步骤
4.6 案例及软件操作
思考与练习
参考文献
第5章 因子分析
5.1 因子分析概述
5.2 因子分析模型
5.3 估计方法
5.4 因子旋转
5.5 因子得分
5.6 因子分析的主要步骤
思考与练习
参考文献
第6章 时间序列模型引论
6.1 时间序列的基本概念
6.2 时间序列的预测应用
6.3 时间序列的特征分析
6.4 时间序列的算法分析
思考与练习
第7章 平稳时间序列模型
7.1 平稳随机时间序列
7.2 AR，MA与ARMA模型
7.3 自相关函数与偏自相关函数
7.4 自回归移动平均模型的识别、估计与检验
7.5 自回归移动平均模型的定阶
7.6 自回归移动平均模型的预测与评价
7.7 案例与R软件实现
思考与练习
参考文献
第8章 非平稳时间序列模型
8.1 非平稳时间序列基本理论
8.2 协整和误差修正模型
8.3 ARIMA模型估计的R软件操作
8.4 其他非线性方法
思考与练习
参考文献
第9章 结构方程模型
9.1 结构方程模型基本概念
9.2 结构方程建模
9.3 一阶验证性因子分析模型
9.4 结构方程模型的设定
9.5 SEM的进阶应用
9.6 例子与R软件实现
思考与练习
参考文献
