化學計量學是一門將計算機與數學、統計學相結合,處理復雜的化學量測數據并最大限度地提取有關信息的一門交叉學科。它運用數學、統計學、計算機科學以及其它相關學科的理論和方法，優化化學測量過程，并從化學量測數據中最大限度地獲取有關物質系統的化學信息及其它相關信息。迄今為止，化學計量學方法的不斷擴充和發展已給化學學科的信息分析領域提供了各種可靠的理論依據和分析方法，它們已經深入到分析化學的各個應用領域。
電分析化學是利用物質的電學和電化學性質進行表征和測量的學科，但由于電分析化學數據具有背景電流變異性、峰電位漂移、半峰寬的非定量變寬和變速數據采集的困難，所以，化學計量學方法在電分析化學領域中的研究和應用的進展相對緩慢。隨著電分析化學數據采集系統的發展和對電分析數據特點的深入研究，化學計量學方法在該領域的應用必將日益廣泛。
1、多元校正分析
校正分析是化學計量學的重要組成部分，它應用多元線性回歸(MLR)、因子分析(FA)、主成分分析(PCA)、主成分回歸(PCR)和偏最小二乘(PLS)等多元統計方法,以化學量測數據構造多元校正模型,通過參數估計來表述分析對象的相關定量信息。
1.1 多元線性回歸
如果化學量測體系的響應與組分濃度間呈現線性關系，無干擾，各組分之間無相互作用，低噪聲，則可以應用多元線性回歸方法。
多元線性回歸(MLR)主要用于分析光譜數據，包括紫外——可見光譜、圓二色譜、熒光和紅外光譜等，但在循環伏安數據的研究中應用很少。Henrion等運用MLR分析了混合物鉈和鉛陽極溶出伏安數據，得到了較好的測定結果。
1.2 主成分分析和偏最小二乘法
因子分析在對灰色或黑色體系的檢測、測定甚至鑒定時具有顯著的優點。Torres等用因子分析方法處理Cd2+和氮川乙酸(NTA體系)的電化學數據,得到其穩定常數。當形成的配合物體系比較穩定時,每一種電活性物質均可用一個因子來描述,得到的結果和傳統方法一致。但如果配合物不穩定,有些型體必須用兩個或兩個以上的(而非一個)因子來描述,因此得到的結果也只能是近似的。Andrews把抽象因子分析后得到的因子載荷作為青銅樣品中測定Cu和Zn的定量依據, 在沒有進行預處理的前提下測得的結果優于標準加入法。
以因子分析為基礎的主成分分析（回歸）和偏最小二乘法由于能較好地解決相似組分波譜相關而引起的共線性問題，因此特別適合用于伏安分析和極譜分析。主成分分析(PCA)主要用于化學實驗數據的降維、壓縮、變量的選擇以及去相關,常與其它方法聯用進行數據處理。偏最小二乘算法(PLS)主要應用于多組分的同時分析、定量構效關系、過程建模和監控等的研究,并通過算法的不斷改進取得了較好的效果。
Conny等將多元統計方法 (PCA、PLS)用于電解過程, 結果優于單變量法，且將多元時間連續分析用于了解和模擬電解金屬銅的動力學過程。Albillos等利用毛細管電泳監測了從牛奶和羊奶混合物中經167d成熟得到的奶酪蛋白水解的影響；利用偏最小二乘法(PLS)和主成分回歸(PCR)對奶酪的成熟期進行了預測，對于所有的預測樣本，均方根誤差都小于7.8d。
Herrerro等將PLS用于溶出伏安法同時測定鉈和鉛。Martin等用PLS-差示脈沖極譜法(DPP)用于制藥過程中的有效成分分析。李華等將小波分析和偏最小二乘相結合用于示波計時電位同時測定鉛和鉈。Freire等運用雙電流裝置提出了快速估計酚類混合物（苯酚/氯酚、甲酚/氯化甲酚和苯酚/甲酚）的簡單方法，該方法主要基于蟲漆酶和酪氨酸酶對不同酚類化合物靈敏性之間的差異；數據通過偏最小二乘法(PLS)處理，結果表明該系統在解決酚類混合物中表現出很好的功效。Guiberteau等用極譜法研究了莠去津-西瑪三嗪和去草凈-撲草凈兩組分混合物,利用偏最小二乘法(PLS)和人工神經網絡(ANN)來對信號嚴重重疊的極譜波進行解析,并對河水中的標準加入量進行預報,結果令人滿意；對去草凈-撲草凈組分,使用ANN算法能獲較好的預報結果。
