Bivariata och multivariata analyser är statistiska metoder för att undersöka sambandet mellan dataprov. Bivariat analys analyserar två parade datamängder och studerar om det finns en relation mellan dem. Multivariat analys använder två eller flera variabler och analyser som, om någon, är korrelerade med ett specifikt resultat. Målet i det senare fallet är att avgöra vilka variabler som påverkar eller orsakar resultatet.
Bivariatanalys undersöker förhållandet mellan två datamängder, med ett par observationer tagna från ett enda urval eller individ. Varje prov är dock oberoende. Du analyserar data med hjälp av verktyg som t-test och chi-squared-test för att se om de två datagrupperna korrelerar med varandra. Om variablerna är kvantitativa ritar du dem vanligtvis på en scatterplot. Bivariatanalys undersöker också styrkan i eventuell korrelation.
Ett exempel på bivariatanalys är ett forskargrupp som registrerar åldern för både man och fru i ett enda äktenskap. Dessa data är ihopkopplade eftersom båda åldrarna kommer från samma äktenskap, men oberoende eftersom en persons ålder inte orsakar en annan persons ålder. Du plottar uppgifterna för att visa en korrelation: de äldre makarna har äldre fruar. Ett andra exempel är att registrera mätningar av individers greppstyrka och armstyrka. Uppgifterna är ihopkopplade eftersom båda mätningarna kommer från en enda person, men oberoende eftersom olika muskler används. Du plottar data från många individer för att visa en korrelation: personer med högre greppstyrka har högre armstyrka.
Multivariat analys undersöker flera variabler för att se om en eller flera av dem är förutsägbara för ett visst resultat. De prediktiva variablerna är oberoende variabler och resultatet är den beroende variabeln. Variablerna kan vara kontinuerliga, vilket innebär att de kan ha ett värdeintervall, eller de kan vara dikotoma, vilket innebär att de representerar svaret på en ja eller nej-fråga. Multipel regressionsanalys är den vanligaste metoden som används i multivariat analys för att hitta korrelationer mellan datamängder. Andra inkluderar logistisk regression och multivariat variansanalys.
Multivariat analys användes av forskare i en 2009 Journal of Pediatrics studie för att undersöka om negativ livshändelser, familjemiljö, familjevåld, medievåld och depression är förutsägare för ungdomsaggression och mobbning. I detta fall negativa livshändelser, familjemiljö, familjevåld, medievåld och depression var de oberoende prediktorvariablerna, och aggression och mobbning var det beroende resultatet variabler. Över 600 försökspersoner, med en medelålder på 12 år, fick frågeformulär för att bestämma prediktorvariablerna för varje barn. En undersökning bestämde också resultatvariablerna för varje barn. Flera regressionsekvationer och strukturell ekvationsmodellering användes för att studera datamängden. Negativa livshändelser och depression visade sig vara de starkaste förutsägarna för ungdomsaggression.