Indhold
Bivariate og multivariate analyser er statistiske metoder til at undersøge forholdet mellem dataprøver. Bivariat analyse ser på to sammenkoblede datasæt, der undersøger, om der findes et forhold mellem dem. Multivariat analyse bruger to eller flere variabler og analyser, der, hvis nogen, er korreleret med et specifikt resultat. Målet i sidstnævnte tilfælde er at bestemme, hvilke variabler, der påvirker eller forårsager resultatet.
Bivariat analyse
Bivariat analyse undersøger forholdet mellem to datasæt med et par observationer taget fra en enkelt prøve eller individ. Hver prøve er imidlertid uafhængig. Du analyserer dataene ved hjælp af værktøjer som t-tests og chi-kvadratiske tests for at se, om de to datagrupper korrelerer med hinanden. Hvis variablerne er kvantitative, grafer du dem normalt på en scatterplot. Bivariat analyse undersøger også styrken af enhver korrelation.
Eksempler på bivariatanalyse
Et eksempel på bivariat analyse er et forskerteam, der registrerer alderen på både mand og kone i et enkelt ægteskab. Disse data er parret, fordi begge aldre kommer fra det samme ægteskab, men uafhængige, fordi en persons alder ikke forårsager en anden persons alder. Du plotter dataene til at vise en sammenhæng: de ældre mænd har ældre hustruer. Et andet eksempel er registrering af målinger af individers grebstyrke og armstyrke. Dataene er parret, fordi begge målinger kommer fra en enkelt person, men uafhængige, fordi forskellige muskler bruges. Du planlægger data fra mange individer for at vise en sammenhæng: mennesker med højere grebstyrke har højere armstyrke.
Multivariat analyse
Multivariat analyse undersøger flere variabler for at se, om en eller flere af dem er forudsigelige for et bestemt resultat. De forudsigelige variabler er uafhængige variabler, og resultatet er den afhængige variabel. Variablerne kan være kontinuerlige, hvilket betyder, at de kan have en række værdier, eller de kan være dikotomme, hvilket betyder, at de repræsenterer svaret på et ja eller nej spørgsmål. Multipel regressionsanalyse er den mest almindelige metode, der bruges i multivariat analyse for at finde korrelationer mellem datasæt. Andre inkluderer logistisk regression og multivariat variansanalyse.
Eksempel på multivariat analyse
Multivariat analyse blev anvendt af forskere i en 2009 Journal of Pediatrics-undersøgelse til at undersøge, om negative livsbegivenheder, familiemiljø, familievold, medievold og depression er prediktorer for ungdomsaggression og mobning. I dette tilfælde var negative livsbegivenheder, familiemiljø, familievold, medievold og depression de uafhængige prediktorvariabler, og aggression og mobning var de afhængige resultatvariabler. Over 600 forsøgspersoner, med en gennemsnitlig alder på 12 år gammel, fik spørgeskemaer til bestemmelse af forudsigelsesvariablerne for hvert barn. En undersøgelse bestemte også resultatvariablerne for hvert barn. Flere regressionsligninger og modellering af strukturel ligning blev brugt til at studere datasættet. Negative livsbegivenheder og depression viste sig at være de stærkeste forudsigere for ungdomsaggression.