Bivariate og multivariate analyser er statistiske metoder til at undersøge forholdet mellem dataprøver. Bivariatanalyse ser på to parrede datasæt og undersøger, om der er et forhold mellem dem. Multivariat analyse bruger to eller flere variabler og analyser, som, hvis nogen, er korreleret med et specifikt resultat. Målet i sidstnævnte tilfælde er at bestemme, hvilke variabler der påvirker eller forårsager resultatet.
Bivariatanalyse 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-squared tests for at se, om de to datagrupper korrelerer med hinanden. Hvis variablerne er kvantitative, tegner du dem normalt på et scatterplot. Bivariat analyse undersøger også styrken af enhver sammenhæng.
Et eksempel på bivariate analyser er et forskergruppe, der registrerer alderen for 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 for at vise en sammenhæng: de ældre mænd har ældre koner. 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 der bruges forskellige muskler. Du plotter data fra mange individer for at vise en sammenhæng: mennesker med højere grebstyrke har højere armstyrke.
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 todelt, hvilket betyder at de repræsenterer svaret på et ja eller nej-spørgsmål. Multipel regressionsanalyse er den mest almindelige metode, der anvendes i multivariat analyse for at finde sammenhænge mellem datasæt. Andre inkluderer logistisk regression og multivariat variansanalyse.
Multivariat analyse blev brugt af forskere i en 2009 Journal of Pediatrics-undersøgelse for at undersøge, om den var negativ livshændelser, familiemiljø, familievold, medievold og depression er forudsigere for ungdoms aggression og mobning. I dette tilfælde negative livsbegivenheder, familiemiljø, familievold, medievold og depression var de uafhængige forudsigelsesvariabler, og aggression og mobning var det afhængige resultat variabler. Over 600 forsøgspersoner med en gennemsnitsalder på 12 år fik spørgeskemaer til at bestemme forudsigelsesvariablerne for hvert barn. En undersøgelse fastlagde også resultatvariablerne for hvert barn. Flere regressionsligninger og strukturel ligningsmodellering blev brugt til at studere datasættet. Negative livsbegivenheder og depression viste sig at være de stærkeste forudsigere for ungdoms aggression.