化学计量学是一门将计算机与数学、统计学相结合,处理复杂的化学量测数据并最大限度地提取有关信息的一门交叉学科。它运用数学、统计学、计算机科学以及其它相关学科的理论和方法，优化化学测量过程，并从化学量测数据中最大限度地获取有关物质系统的化学信息及其它相关信息。迄今为止，化学计量学方法的不断扩充和发展已给化学学科的信息分析领域提供了各种可靠的理论依据和分析方法，它们已经深入到分析化学的各个应用领域。
电分析化学是利用物质的电学和电化学性质进行表征和测量的学科，但由于电分析化学数据具有背景电流变异性、峰电位漂移、半峰宽的非定量变宽和变速数据采集的困难，所以，化学计量学方法在电分析化学领域中的研究和应用的进展相对缓慢。随着电分析化学数据采集系统的发展和对电分析数据特点的深入研究，化学计量学方法在该领域的应用必将日益广泛。
1、多元校正分析
校正分析是化学计量学的重要组成部分，它应用多元线性回归(MLR)、因子分析(FA)、主成分分析(PCA)、主成分回归(PCR)和偏最小二乘(PLS)等多元统计方法,以化学量测数据构造多元校正模型,通过参数估计来表述分析对象的相关定量信息。
1.1 多元线性回归
如果化学量测体系的响应与组分浓度间呈现线性关系，无干扰，各组分之间无相互作用，低噪声，则可以应用多元线性回归方法。
多元线性回归(MLR)主要用于分析光谱数据，包括紫外——可见光谱、圆二色谱、荧光和红外光谱等，但在循环伏安数据的研究中应用很少。Henrion等运用MLR分析了混合物铊和铅阳极溶出伏安数据，得到了较好的测定结果。
1.2 主成分分析和偏最小二乘法
因子分析在对灰色或黑色体系的检测、测定甚至鉴定时具有显著的优点。Torres等用因子分析方法处理Cd2+和氮川乙酸(NTA体系)的电化学数据,得到其稳定常数。当形成的配合物体系比较稳定时,每一种电活性物质均可用一个因子来描述,得到的结果和传统方法一致。但如果配合物不稳定,有些型体必须用两个或两个以上的(而非一个)因子来描述,因此得到的结果也只能是近似的。Andrews把抽象因子分析后得到的因子载荷作为青铜样品中测定Cu和Zn的定量依据, 在没有进行预处理的前提下测得的结果优于标准加入法。
以因子分析为基础的主成分分析（回归）和偏最小二乘法由于能较好地解决相似组分波谱相关而引起的共线性问题，因此特别适合用于伏安分析和极谱分析。主成分分析(PCA)主要用于化学实验数据的降维、压缩、变量的选择以及去相关,常与其它方法联用进行数据处理。偏最小二乘算法(PLS)主要应用于多组分的同时分析、定量构效关系、过程建模和监控等的研究,并通过算法的不断改进取得了较好的效果。
Conny等将多元统计方法 (PCA、PLS)用于电解过程, 结果优于单变量法，且将多元时间连续分析用于了解和模拟电解金属铜的动力学过程。Albillos等利用毛细管电泳监测了从牛奶和羊奶混合物中经167d成熟得到的奶酪蛋白水解的影响；利用偏最小二乘法(PLS)和主成分回归(PCR)对奶酪的成熟期进行了预测，对于所有的预测样本，均方根误差都小于7.8d。
Herrerro等将PLS用于溶出伏安法同时测定铊和铅。Martin等用PLS-差示脉冲极谱法(DPP)用于制药过程中的有效成分分析。李华等将小波分析和偏最小二乘相结合用于示波计时电位同时测定铅和铊。Freire等运用双电流装置提出了快速估计酚类混合物（苯酚/氯酚、甲酚/氯化甲酚和苯酚/甲酚）的简单方法，该方法主要基于虫漆酶和酪氨酸酶对不同酚类化合物灵敏性之间的差异；数据通过偏最小二乘法(PLS)处理，结果表明该系统在解决酚类混合物中表现出很好的功效。Guiberteau等用极谱法研究了莠去津-西玛三嗪和去草净-扑草净两组分混合物,利用偏最小二乘法(PLS)和人工神经网络(ANN)来对信号严重重叠的极谱波进行解析,并对河水中的标准加入量进行预报,结果令人满意；对去草净-扑草净组分,使用ANN算法能获较好的预报结果。
