Een statistische analyse voor het vergelijken van drie of meer datasets hangt af van het type data dat wordt verzameld. Elke statistische test heeft bepaalde veronderstellingen waaraan moet worden voldaan om de test correct te laten werken. Ook zijn de aspecten van de gegevens die u gaat vergelijken van invloed op de test. Als elk van de drie datasets bijvoorbeeld twee of meer metingen heeft, hebt u een ander type statistische test nodig.
ANOVA
Een van de meest voorkomende statistische tests voor drie of meer datasets is de variantieanalyse of ANOVA. Om deze test te gebruiken, moeten de gegevens aan bepaalde criteria voldoen. Ten eerste moeten de gegevens numeriek zijn. Ordinale gegevens - zoals beoordelingen op 5-puntsschalen, Likert-schalen genoemd - zijn geen numerieke gegevens en de ANOVA levert geen nauwkeurige resultaten op bij gebruik met ordinale gegevens. Ten tweede moeten de gegevens normaal verdeeld zijn in een belcurve. Als aan deze aannames wordt voldaan, kan de ANOVA-test worden gebruikt om de variantie van een enkele afhankelijke variabele over drie of meer steekproeven of datasets te analyseren. Onthoud dat de afhankelijke variabele de factor is die u in het onderzoek meet.
MANOVA
In gevallen waarin aan de aannames voor ANOVA wordt voldaan, maar u meer dan één afhankelijke variabele wilt meten, hebt u de Multivariate Variantie-analyse of MANOVA nodig. De afhankelijke variabelen zijn de factoren die u meet en wilt onderzoeken. De onafhankelijke variabele of variabelen beïnvloeden de afhankelijke variabele. Stel bijvoorbeeld dat u de effecten van zware inspanning op bloeddruk, gewichtsverlies en hartslag meet. De onafhankelijke variabele is de inspanning en de afhankelijke variabelen zijn bloeddruk, gewichtsverlies en hartslag. In deze situatie zou u MANOVA gebruiken. Deze statistische test is erg ingewikkeld om te berekenen en vereist het gebruik van een computer en speciale software.
Niet-parametrische inferentiële statistieken
Er zijn veel verschillende niet-parametrische tests, maar over het algemeen worden niet-parametrische statistieken gebruikt wanneer de gegevens ordinaal en/of niet normaal verdeeld zijn. Niet-parametrische tests omvatten de tekentest, de chikwadraattoets en de mediaantest. Deze tests worden vaak gebruikt wanneer u enquêtegegevens analyseert waarbij de respondenten verschillende uitspraken moesten beoordelen; bijvoorbeeld een schaal van "helemaal mee oneens, mee oneens, mee eens, zeer mee eens" zou kwalificeren als ordinale gegevens. Deze tests zijn vaak gemakkelijk met de hand te berekenen, hoewel een spreadsheet helpt.
Beschrijvende statistieken
Naast inferentiële tests kunt u ook eenvoudige beschrijvende statistieken gebruiken om snel en eenvoudig de datasets te bekijken. U kunt voor elk van de drie datasets het gemiddelde, de standaarddeviaties en de percentages rapporteren. Beschrijvende statistieken helpen om de gegevens snel te bekijken, maar kunnen niet worden gebruikt om conclusies te trekken. Als een van de drie datasets bijvoorbeeld een variabele heeft die 20 procent hoger is dan de andere twee datasets, kun je niet zeggen dat de verschil is "statistisch significant" zonder gebruik te maken van een inferentiële statistische test, zoals ANOVA, MANOVA of een niet-parametrische test.