Bivariate en multivariate analyses zijn statistische methoden die u helpen relaties tussen gegevensmonsters te onderzoeken. Bivariate analyse kijkt naar twee gepaarde datasets, waarbij wordt onderzocht of er een relatie tussen hen bestaat. Multivariate analyse gebruikt twee of meer variabelen en analyses die, indien aanwezig, zijn gecorreleerd met een specifieke uitkomst. Het doel in het laatste geval is om te bepalen welke variabelen de uitkomst beïnvloeden of veroorzaken.

Bivariate-analyse

Bivariate-analyse onderzoekt de relatie tussen twee gepaarde datasets. De twee gegevenssets zijn gepaard omdat een paar waarnemingen zijn gedaan van een enkele steekproef of een individu, maar elke steekproef is onafhankelijk. De gegevens worden geanalyseerd, met behulp van hulpmiddelen zoals t-tests en chikwadraattests, om te zien of de twee gegevensgroepen met elkaar correleren en, als de variabelen kwantitatief zijn, ze meestal op een scatterplot worden weergegeven. Bivariate analyse onderzoekt ook de sterkte van elke correlatie.

Bivariate-analysevoorbeelden

Een voorbeeld van bivariate analyse is een onderzoeksteam dat de leeftijd van zowel man als vrouw vastlegt in een enkel huwelijk. Deze gegevens zijn gekoppeld omdat beide leeftijden afkomstig zijn uit hetzelfde huwelijk, maar onafhankelijk omdat de leeftijd van een persoon de leeftijd van een ander niet veroorzaakt. De gegevens worden geplot en tonen een correlatie in de gegevens: de oudere mannen hebben oudere vrouwen. Een tweede voorbeeld is het opnemen van metingen van de grijpkracht en de armsterkte van individuen. De gegevens zijn gepaard omdat beide metingen afkomstig zijn van één persoon, maar onafhankelijk omdat verschillende spieren worden gebruikt. Gegevens zijn van veel individuen geplot en laten een correlatie zien: mensen met een hogere grijpkracht hebben een hogere armsterkte.

Multivariate analyse

Multivariate analyse analyseert verschillende variabelen om te zien of een of meer van deze voorspellend zijn van een bepaald resultaat. De voorspellende variabelen worden beschouwd als onafhankelijke variabelen en de uitkomst is de afhankelijke variabele. De variabelen kunnen continu zijn, wat betekent dat ze een reeks waarden kunnen hebben, of ze kunnen dichotoom zijn, wat betekent dat ze het antwoord vormen op een ja of nee vraag. Multiple-regressieanalyse is de meest gebruikte methode voor multivariate analyse om correlaties tussen datasets te vinden, maar vele andere, zoals logistische regressie en multivariate variantieanalyse, worden ook gebruikt.

Voorbeeld van multivariate analyse

Multivariate analyse werd gebruikt door onderzoekers in een studie van het Journal of Pediatrics 2009 om te onderzoeken of negatieve gebeurtenissen in het leven, familieomgeving, familiaal geweld, mediageweld en depressie voorspellers zijn van agressie en pesterij van jongeren. Negatieve levensgebeurtenissen, gezinsomstandigheden, familiaal geweld, mediageweld en depressie waren de onafhankelijke voorspellende variabelen. Agressie en pesten waren de afhankelijke uitkomstvariabelen. Meer dan 600 proefpersonen, met een gemiddelde leeftijd van 12 jaar oud, kregen vragenlijsten die de voorspellende variabelen voor elk kind bepaalden. Er is ook een enquête gegeven die de uitkomstvariabelen voor elk kind heeft bepaald. Meerdere regressievergelijkingen en structurele vergelijkingsmodellering werden gebruikt om de gegevensverzameling te bestuderen. Negatieve levensgebeurtenissen en depressies bleken de sterkste voorspellers van jeugdagressie te zijn.