Le analisi bivariate e multivariate sono metodi statistici che consentono di indagare le relazioni tra i campioni di dati. L'analisi bivariata esamina due insiemi di dati accoppiati, studiando se esiste una relazione tra di essi. L'analisi multivariata utilizza due o più variabili e analisi che, se ve ne sono, sono correlate con un risultato specifico. L'obiettivo nel secondo caso è determinare quali variabili influenzano o causare l'esito.

Analisi bivariata

L'analisi bivariata indaga sulla relazione tra due insiemi di dati accoppiati. I due set di dati sono accoppiati perché una coppia di osservazioni viene presa da un singolo campione o individuo, ma ogni campione è indipendente. I dati vengono analizzati, utilizzando strumenti come i t-test e i test chi-quadrati, per verificare se i due gruppi di dati sono correlati tra loro e, se le variabili sono quantitative, di solito sono rappresentati su un grafico a dispersione. L'analisi bivariata esamina anche la forza di qualsiasi correlazione.

Esempi di analisi bivariate

Un esempio di analisi bivariata è un gruppo di ricerca che registra l'età di entrambi i coniugi in un singolo matrimonio. Questo dato è accoppiato perché entrambe le età provengono dallo stesso matrimonio, ma indipendenti perché l'età di una persona non causa l'età di un'altra persona. I dati sono tracciati, mostrando una correlazione nei dati: i mariti più anziani hanno mogli più anziane. Un secondo esempio è la registrazione delle misurazioni della forza di presa e della forza del braccio da parte degli individui. I dati sono accoppiati perché entrambe le misure provengono da una singola persona, ma indipendenti perché vengono utilizzati diversi muscoli. I dati sono tracciati da molti individui, mostrando una correlazione: le persone con maggiore forza di presa hanno una maggiore resistenza del braccio.

Analisi multivariata

L'analisi multivariata analizza diverse variabili per vedere se una o più di esse sono predittive di un certo risultato. Le variabili predittive sono considerate variabili indipendenti e il risultato è la variabile dipendente. Le variabili possono essere continue, nel senso che possono avere un intervallo di valori o 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 i set di dati, ma vengono utilizzati anche molti altri, come 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 2009 Journal of Pediatrics per indagare se eventi di vita negativi, ambiente familiare, violenza familiare, violenza dei media e depressione sono predittori di aggressioni e bullismo giovanile. Eventi di vita negativi, ambiente familiare, violenza familiare, violenza dei media e depressione erano le variabili predittive indipendenti. Aggressione e bullismo erano le variabili di risultato dipendenti. Oltre 600 soggetti, con un'età media di 12 anni, hanno ricevuto questionari che hanno determinato le variabili predittive per ogni bambino. È stato inoltre fornito un sondaggio che ha determinato le variabili di risultato per ogni bambino. Equazioni di regressione multiple e modellazione di equazioni strutturali sono state utilizzate per studiare il set di dati. Gli eventi negativi e la depressione sono stati giudicati i più forti predittori di aggressioni giovanili.