Dviejų ir daugiamatės analizės yra statistiniai metodai, skirti tirti ryšius tarp duomenų imčių. Dviejų dydžių analizė nagrinėja du porinius duomenų rinkinius, tiria, ar tarp jų yra ryšys. Daugialypėje analizėje naudojami du ar daugiau kintamųjų ir analizės, kurios, jei yra, yra susijusios su konkrečiu rezultatu. Pastaruoju atveju siekiama nustatyti, kurie kintamieji daro įtaką rezultatui ar jį lemia.
Dviejų dydžių analizė tiria dviejų duomenų rinkinių ryšį, stebint porą iš vienos imties ar asmens. Tačiau kiekvienas pavyzdys yra nepriklausomas. Duomenis analizuojate naudodamiesi tokiais įrankiais kaip t testai ir chi kvadrato testai, kad įsitikintumėte, ar abi duomenų grupės koreliuoja tarpusavyje. Jei kintamieji yra kiekybiniai, juos paprastai braižote išsibarsčius. Dviejų dydžių analizė taip pat tiria bet kokios koreliacijos stiprumą.
Vienas iš dviejų variantų analizės pavyzdžių yra tyrimų grupė, fiksuojanti vyro ir žmonos amžių vienoje santuokoje. Šie duomenys susieti, nes abu amžiai yra iš tos pačios santuokos, tačiau nepriklausomi, nes vieno asmens amžius nesukelia kito žmogaus amžiaus. Duomenis pateikiate koreliacijai parodyti: vyresni vyrai turi vyresnes žmonas. Antrasis pavyzdys yra asmenų sugriebimo ir rankos stiprumo matavimų registravimas. Duomenys suporuoti, nes abu matavimai atliekami iš vieno žmogaus, tačiau nepriklausomi, nes naudojami skirtingi raumenys. Nubraižote daugelio asmenų duomenis, kad parodytumėte koreliaciją: žmonės, turintys didesnį sukibimo stiprumą, turi didesnę rankos jėgą.
Daugialypė analizė nagrinėja kelis kintamuosius, kad išsiaiškintų, ar vienas ar keli iš jų prognozuoja tam tikrą rezultatą. Prognozuojami kintamieji yra nepriklausomi kintamieji, o rezultatas yra priklausomas kintamasis. Kintamieji gali būti tęstiniai, tai reiškia, kad jie gali turėti vertybių diapazoną, arba gali būti dvipusiai, t. Y. Jie reiškia atsakymą į „taip“ arba „ne“. Daugkartinė regresijos analizė yra dažniausiai naudojamas metodas, kai atliekama daugiamatė analizė, siekiant rasti koreliacijas tarp duomenų rinkinių. Kiti apima logistinę regresiją ir daugialypę dispersijos analizę.
Daugiamatę analizę tyrėjai naudojo 2009 m. „Journal of Pediatrics“ tyrime, norėdami išsiaiškinti, ar neigiama gyvenimo įvykiai, šeimos aplinka, smurtas šeimoje, smurtas žiniasklaidoje ir depresija yra jaunimo agresijos ir patyčios. Šiuo atveju neigiami gyvenimo įvykiai, šeimos aplinka, smurtas šeimoje, smurtas žiniasklaidoje ir depresija buvo nepriklausomi prognozuojamieji kintamieji, o agresija ir patyčios buvo priklausomas rezultatas kintamieji. Daugiau nei 600 tiriamųjų, kurių vidutinis amžius buvo 12 metų, buvo pateikti klausimynai, skirti nustatyti kiekvieno vaiko prognozuojamus kintamuosius. Apklausa taip pat nustatė kiekvieno vaiko rezultatų kintamuosius. Duomenų rinkiniui tirti buvo naudojamos kelios regresijos lygtys ir struktūrinių lygčių modeliavimas. Nustatyta, kad neigiami gyvenimo įvykiai ir depresija stipriausiai prognozuoja jaunimo agresiją.