Le analisi bivariate e multivariate sono metodi statistici per studiare le relazioni tra campioni di dati. L'analisi bivariata esamina due set di dati associati, studiando se esiste una relazione tra di loro. L'analisi multivariata utilizza due o più variabili e analisi che, se presenti, sono correlate a un risultato specifico. L'obiettivo in quest'ultimo caso è determinare quali variabili influenzano o causano il risultato.
Analisi bivariata
L'analisi bivariata indaga la relazione tra due set di dati, con una coppia di osservazioni tratte da un singolo campione o individuo . Tuttavia, ogni campione è indipendente. Analizzi i dati usando strumenti come t-test e test chi-quadrato, per vedere se i due gruppi di dati sono correlati tra loro. Se le variabili sono quantitative, di solito le rappresentate graficamente su un diagramma a dispersione. L'analisi bivariata esamina anche la forza di ogni correlazione.
Esempi di analisi bivariata
Un esempio di analisi bivariata è un gruppo di ricerca che registra l'età di marito e moglie in un unico matrimonio. Questi dati sono accoppiati perché entrambe le età provengono dallo stesso matrimonio, ma indipendenti perché l'età di una persona non causa l'età di un'altra persona. Tracci i dati per mostrare una correlazione: i mariti più anziani hanno mogli più grandi. Un secondo esempio è la registrazione delle misurazioni della forza di presa e della forza del braccio degli individui. I dati sono accoppiati perché entrambe le misurazioni provengono da una sola persona, ma indipendenti perché vengono utilizzati muscoli diversi. Tracci dati da molti individui per mostrare una correlazione: le persone con una maggiore forza di presa hanno una maggiore forza del braccio.
Analisi multivariata
L'analisi multivariata esamina diverse variabili per vedere se una o più di esse sono predittive di un certo risultato. Le variabili predittive sono variabili indipendenti e il risultato è la variabile dipendente. Le variabili possono essere continue, nel senso che possono avere un intervallo di valori, oppure possono essere dicotomiche, nel senso che rappresentano la risposta a una domanda sì o no. L'analisi di regressione multipla è il metodo più comune utilizzato nell'analisi multivariata per trovare correlazioni tra set di dati. Altri includono la regressione logistica e l'analisi multivariata della varianza.
Esempio di analisi multivariata
L'analisi multivariata è stata utilizzata dai ricercatori in uno studio del Journal of Pediatrics del 2009 per indagare se eventi di vita negativi, ambiente familiare, violenza familiare, media la violenza e la depressione sono predittori di aggressività e bullismo da parte dei giovani. In questo caso, gli eventi di vita indipendenti, l'ambiente familiare, la violenza familiare, la violenza nei media e la depressione erano le variabili predittive indipendenti e l'aggressività e il bullismo erano le variabili di risultato dipendenti. Oltre 600 soggetti, con un'età media di 12 anni, hanno ricevuto questionari per determinare le variabili predittive per ciascun bambino. Un sondaggio ha anche determinato le variabili di risultato per ciascun bambino. Per studiare il set di dati sono state utilizzate equazioni di regressione multiple e modelli di equazioni strutturali. Gli eventi negativi della vita e la depressione sono stati trovati per essere i più forti predittori di aggressione giovanile.
