Une analyse statistique permettant de comparer trois ensembles de données ou plus dépend du type de données collectées. Chaque test statistique a certaines hypothèses qui doivent être remplies pour que le test fonctionne correctement. En outre, quels aspects des données que vous allez comparer affecteront le test. Par exemple, si chacun des trois ensembles de données comporte deux mesures ou plus, vous aurez besoin d'un type différent de test statistique.

ANOVA

Un des tests statistiques les plus courants pour trois ou plus les ensembles de données sont l'analyse de variance, ou ANOVA. Pour utiliser ce test, les données doivent répondre à certains critères. Premièrement, les données doivent être numériques. Les données ordinales - telles que les échelles à 5 points, appelées échelles de Likert - ne sont pas des données numériques, et l'ANOVA ne donnera pas de résultats précis s'il est utilisé avec des données ordinales. Deuxièmement, les données doivent être normalement distribuées dans une courbe en cloche. Si ces hypothèses sont satisfaites, le test ANOVA peut être utilisé pour analyser la variance d'une seule variable dépendante sur trois échantillons ou ensembles de données ou plus. Rappelez-vous que la variable dépendante est le facteur que vous mesurez dans l'étude.

MANOVA

Dans les cas où les hypothèses pour ANOVA sont remplies mais que vous voulez mesurer plus d'une variable dépendante, vous allez: besoin de l'analyse multivariée de la variance, ou MANOVA. Les variables dépendantes sont les facteurs que vous mesurez et que vous souhaitez examiner. La variable indépendante ou les variables affectent la variable dépendante. Par exemple, supposons que vous mesuriez les effets de l'exercice intense sur la pression artérielle, la perte de poids et la fréquence cardiaque. La variable indépendante est l'exercice, et les variables dépendantes sont la pression artérielle, la perte de poids et la fréquence cardiaque. Dans cette situation, vous utiliseriez MANOVA. Ce test statistique est très compliqué à calculer et nécessitera l'utilisation d'un ordinateur et d'un logiciel spécial.

Statistiques inférentielles non paramétriques

Il existe de nombreux tests non paramétriques, mais généralement des tests non paramétriques. les statistiques paramétriques sont utilisées lorsque les données sont ordinales et /ou non distribuées normalement. Les tests non-paramétriques incluent le test du signe, le khi-deux et le test médian. Ces tests sont souvent utilisés lorsque vous analysez des données d'enquête où les répondants ont dû noter différents énoncés; par exemple, une échelle de «fortement en désaccord, en désaccord, d'accord, fortement d'accord» serait qualifiée de données ordinales. Ces tests sont souvent faciles à calculer à la main, bien qu'une feuille de calcul aide.

Statistiques descriptives

En plus des tests inférentiels, vous pouvez également utiliser des statistiques descriptives simples pour donner un aperçu rapide et simple du ensembles de données. Vous pouvez indiquer la moyenne, les écarts-types et les pourcentages pour chacun des trois ensembles de données. Les statistiques descriptives aident à donner un aperçu rapide des données, mais ne peuvent pas être utilisées pour tirer des conclusions. Par exemple, si l'un des trois ensembles de données a une variable supérieure de 20% aux deux autres, vous ne pouvez pas dire que la différence est «statistiquement significative» sans utiliser un test statistique inférentiel, tel que ANOVA, MANOVA ou un test non paramétrique.