Dr. Andreas Handl lehrte über sechzehn Jahre im Bereich Statistik und Ökonometrie an der Fakultät für Wirtschaftswissenschaften der Universität Bielefeld. Seine Lehrveranstaltungen zeichneten sich durch besonders große Verständlichkeit, Anwendungsbezug, Liebe zum Detail und das ständige Bemühen aus, die Inhalte aus Sicht seiner Studenten zu sehen. Seine Lehrveranstaltungen wurden von den Hörern als vorbildlich eingeschätzt. Er verstarb 2007.

Dr. Torben Kuhlenkasper ist Professor für Mathematik, Statistik und Ökonometrie an der Hochschule Pforzheim. Seine Vorlesungen sind bei den Hörern für die klare Struktur, die Eingängigkeit sowie die Anschaulichkeit der Themen beliebt. 2016 wurde er für seine Lehrveranstaltungen mit zwei Preisen ausgezeichnet. Sein Forschungsschwerpunkt liegt in der Anwendung nicht- und semiparametrischer Verfahren in der Ökonometrie.

Dieses Buch liefert eine Einführung in die Analyse multivariater Daten, indem es eine Vielzahl klassischer und neuerer quantitativer Verfahren behandelt. Das Buch wendet sich sowohl an Studierende im Bereich Statistik als auch an Personen aus Wissenschaft und Praxis, die Datenanalyse betreiben und dabei multivariate Verfahren anwenden wollen.
Jedes Verfahren wird zunächst anhand eines realen Problems motiviert und mit kleinen Datensätzen veranschaulicht. Darauf aufbauend wird ausführlich die Zielsetzung des Verfahrens herausgearbeitet, gefolgt von einer detaillierten Entwicklung der Theorie. Praktische Aspekte runden die Darstellung des Verfahrens ab. An allen Stellen wird mit kleinen Datensätzen die Vorgehensweise veranschaulicht. Die notwendigen Berechnungen werden sowohl manuell als auch computergestützt dargestellt. Der weiteren Vertiefung des Stoffes dienen zahlreiche Übungsaufgaben. Ein geeignetes Werkzeug für die computergestützte Datenanalyse ist die Software R.Sie stellt zum einen eine Vielzahl von Funktionen zur Verfügung, zum anderen lässt sie sich leicht um weitere Funktionen ergänzen. Die Durchführung wird für jedes behandelte Verfahren ausführlich beschrieben. Vorkenntnisse in R sind nicht erforderlich.

Vorwort.- Teil 1 Grundlagen.- 1 Beispiele multivariater Datensätze.- 2 Elementare Behandlung der Daten.- 3 Mehrdimensionale Zufallsvariablen.- 4 Ähnlichkeits- und Distanzmaße.- Teil 2 Darstellung hochdimensionaler Daten in niedrigdimensionalen Räumen.- 5 Hauptkomponentenanalyse. 6 Mehrdimensionale Skalierung.- 7 Procrustes-Analyse.- Teil 3 Abhängigkeitsstrukturen.- 8 Lineare Regression.- 9 Explorative Faktorenanalyse.- 10 Hierarchische loglineare Modelle.- Teil 4 Gruppenstruktur.-  11 Einfaktorielle Varianzanalyse.- 12 Diskriminanzanalyse.- 13 Clusteranalyse.- Teil 5 Anhänge.- A Mathematische Grundlagen.- B Eigene R-Funktionen.- C Tabellen.