En statistisk analyse til sammenligning af tre eller flere datasæt afhænger af typen af indsamlede data. Hver statistisk test har visse antagelser, der skal være opfyldt, for at testen fungerer korrekt. Hvilke aspekter af de data, du sammenligner, vil også påvirke testen. For eksempel, hvis hvert af de tre datasæt har to eller flere målinger, skal du bruge en anden type statistisk test.
ANOVA
En af de mest almindelige statistiske tests for tre eller flere datasæt er variansanalysen eller ANOVA. For at bruge denne test skal dataene opfylde visse kriterier. For det første skal dataene være numeriske. Ordinære data - såsom 5-punkts skala-klassificeringer, kaldet Likert-skalaer - er ikke numeriske data, og ANOVA vil ikke give nøjagtige resultater, hvis de bruges sammen med ordinære data. For det andet skal dataene normalt fordeles i en bjælkekurve. Hvis disse antagelser er opfyldt, kan ANOVA-testen bruges til at analysere variansen af en enkelt afhængig variabel på tværs af tre eller flere prøver eller datasæt. Husk, at den afhængige variabel er den faktor, du måler i undersøgelsen.
MANOVA
I tilfælde, hvor antagelserne for ANOVA er opfyldt, men du vil måle mere end en afhængig variabel, skal du bruge den multivariate variansanalyse eller MANOVA. De afhængige variabler er de faktorer, du måler og vil undersøge. Den eller de uafhængige variabler påvirker den afhængige variabel. Antag for eksempel, at du målte effekten af anstrengende træning på blodtryk, vægttab og puls. Den uafhængige variabel er øvelsen, og de afhængige variabler er blodtryk, vægttab og puls. I denne situation bruger du MANOVA. Denne statistiske test er meget kompliceret at beregne og kræver brug af en computer og speciel software.
Ikke-parametrisk inferentiel statistik
Der er mange forskellige ikke-parametriske tests, men generelt anvendes ikke-parametriske statistikker, når dataene er ordinære og / eller ikke normalt distribuerede. Ikke-parametriske tests inkluderer tegn test, chi-kvadrat og median test. Disse tests anvendes ofte, når du analyserer undersøgelsesdata, hvor respondenterne skulle bedømme forskellige udsagn; for eksempel vil en skala af "stærkt uenig, uenig, enig, meget enig" kvalificere som ordinær data. Disse tests er ofte lette at beregne i hånden, selvom et regneark hjælper.
Beskrivende statistik
Ud over inferentielle tests kan du også bruge simpel beskrivende statistik til at give et hurtigt og simpelt kig på datasættene. Du kan rapportere gennemsnittet, standardafvigelser og procenter for hvert af de tre datasæt. Beskrivende statistik hjælper med at give et hurtigt kig på dataene, men kan ikke bruges til at drage konklusioner. For eksempel, hvis et af de tre datasæt har en variabel, der er 20 procent højere end de to andre datasæt, kan du ikke sige, at forskellen er "statistisk signifikant" uden brug af en inferentiel statistisk test, såsom ANOVA, MANOVA eller en ikke-parametrisk test.