Bivariate und multivariate Analysen sind statistische Methoden, um Zusammenhänge zwischen Datenstichproben zu untersuchen. Die bivariate Analyse betrachtet zwei gepaarte Datensätze und untersucht, ob eine Beziehung zwischen ihnen besteht. Die multivariate Analyse verwendet zwei oder mehr Variablen und Analysen, die, falls vorhanden, mit einem bestimmten Ergebnis korreliert sind. Das Ziel im letzteren Fall besteht darin, zu bestimmen, welche Variablen das Ergebnis beeinflussen oder verursachen.
Die bivariate Analyse untersucht die Beziehung zwischen zwei Datensätzen mit einem Paar von Beobachtungen, die aus einer einzelnen Stichprobe oder einem einzelnen Individuum stammen. Jede Probe ist jedoch unabhängig. Sie analysieren die Daten mit Tools wie T-Tests und Chi-Quadrat-Tests, um zu sehen, ob die beiden Datengruppen miteinander korrelieren. Wenn die Variablen quantitativ sind, werden sie normalerweise in einem Streudiagramm grafisch dargestellt. Die bivariate Analyse untersucht auch die Stärke einer Korrelation.
Ein Beispiel für eine bivariate Analyse ist ein Forschungsteam, das das Alter von Ehemann und Ehefrau in einer einzigen Ehe erfasst. Diese Daten werden gepaart, da beide Altersgruppen aus derselben Ehe stammen, aber unabhängig voneinander, da das Alter einer Person nicht das Alter einer anderen Person beeinflusst. Sie zeichnen die Daten auf, um eine Korrelation zu zeigen: Die älteren Ehemänner haben ältere Frauen. Ein zweites Beispiel ist die Aufzeichnung von Messungen der Greifkraft und der Armstärke von Personen. Die Daten sind gepaart, da beide Messungen von einer einzigen Person stammen, aber unabhängig, weil unterschiedliche Muskeln verwendet werden. Sie zeichnen Daten von vielen Personen auf, um eine Korrelation aufzuzeigen: Menschen mit einer höheren Griffkraft haben eine höhere Armkraft.
Die multivariate Analyse untersucht mehrere Variablen, um zu sehen, ob eine oder mehrere von ihnen ein bestimmtes Ergebnis vorhersagen. Die prädiktiven Variablen sind unabhängige Variablen und das Ergebnis ist die abhängige Variable. Die Variablen können kontinuierlich sein, d. h., sie können einen Wertebereich aufweisen, oder sie können dichotom sein, d. Die multiple Regressionsanalyse ist die am häufigsten verwendete Methode in der multivariaten Analyse, um Korrelationen zwischen Datensätzen zu finden. Andere umfassen die logistische Regression und die multivariate Varianzanalyse.
Die multivariate Analyse wurde von Forschern in einer Studie des Journal of Pediatrics aus dem Jahr 2009 verwendet, um zu untersuchen, ob negativ Lebensereignisse, familiäres Umfeld, familiäre Gewalt, Mediengewalt und Depression sind Prädiktoren für jugendliche Aggression und Mobbing. In diesem Fall negative Lebensereignisse, familiäres Umfeld, familiäre Gewalt, Mediengewalt und Depressionen waren die unabhängigen Prädiktorvariablen, und Aggression und Mobbing waren die abhängigen Ergebnisse Variablen. Über 600 Probanden mit einem Durchschnittsalter von 12 Jahren erhielten Fragebögen, um die Prädiktorvariablen für jedes Kind zu bestimmen. Eine Umfrage ermittelte auch die Ergebnisvariablen für jedes Kind. Mehrere Regressionsgleichungen und Strukturgleichungsmodellierung wurden verwendet, um den Datensatz zu untersuchen. Negative Lebensereignisse und Depressionen erwiesen sich als die stärksten Prädiktoren für jugendliche Aggression.