Les analyses bivariées et multivariées sont des méthodes statistiques qui vous aident à étudier les relations entre les échantillons de données. L'analyse bivariée examine deux ensembles de données appariés, en étudiant si une relation existe entre eux. L'analyse multivariée utilise deux ou plusieurs variables et analyses qui, le cas échéant, sont corrélées avec un résultat spécifique. L'objectif dans ce dernier cas est de déterminer quelles variables influencent ou provoquent le résultat.
Analyse bivariée
L'analyse bivariée étudie la relation entre deux ensembles de données appariés. Les deux ensembles de données sont appariés car une paire d'observations est prélevée sur un seul échantillon ou individu, mais chaque échantillon est indépendant. Les données sont analysées à l'aide d'outils tels que les tests t et les tests du chi carré, pour voir si les deux groupes de données sont corrélés les uns aux autres et, si les variables sont quantitatives, elles sont généralement représentées sur un diagramme de dispersion. L'analyse bivariée examine également la force de toute corrélation.
Exemples d'analyse bivariée
Un exemple d'analyse bivariée est une équipe de recherche qui enregistre l'âge du mari et de la femme dans un seul mariage. Ces données sont jumelées parce que les deux âges proviennent du même mariage, mais sont indépendants parce que l'âge d'une personne ne cause pas l'âge d'une autre personne. Les données sont tracées, montrant une corrélation dans les données: les époux plus âgés ont des épouses plus âgées. Un deuxième exemple est l'enregistrement des mesures de la force de préhension et de la force du bras des individus. Les données sont appariées parce que les deux mesures proviennent d'une seule personne, mais indépendamment parce que différents muscles sont utilisés. Les données sont tracées à partir de nombreux individus, montrant une corrélation: les personnes ayant une force de préhension supérieure ont une force de bras plus élevée. Analyse
Analyse multivariée
L'analyse multivariée analyse plusieurs variables pour voir si une ou plusieurs d'entre elles sont prédictives d'un certain résultat. Les variables prédictives sont considérées comme des variables indépendantes et le résultat est la variable dépendante. Les variables peuvent être soit continues, ce qui signifie qu'elles peuvent avoir une gamme de valeurs, soit être dichotomiques, ce qui signifie qu'elles représentent la réponse à une question par oui ou par non. L'analyse de régression multiple est la méthode la plus couramment utilisée en analyse multivariée pour trouver des corrélations entre des ensembles de données, mais beaucoup d'autres, comme la régression logistique et l'analyse de variance multivariée, sont également utilisées.
Exemple d'analyse multivariée Les chercheurs ont utilisé une analyse multivariée dans une étude du Journal of Pediatrics de 2009 pour déterminer si les événements négatifs de la vie, l'environnement familial, la violence familiale, la violence dans les médias et la dépression sont des facteurs prédictifs d'agression et d'intimidation chez les jeunes. Les événements négatifs de la vie, l'environnement familial, la violence familiale, la violence médiatique et la dépression étaient les variables prédictives indépendantes. L'agression et l'intimidation étaient les variables dépendantes des résultats. Plus de 600 sujets, âgés en moyenne de 12 ans, ont reçu des questionnaires qui ont déterminé les variables prédictives pour chaque enfant. Une enquête a également été menée pour déterminer les variables de résultats pour chaque enfant. Des équations de régression multiple et une modélisation par équation structurelle ont été utilisées pour étudier l'ensemble de données. Les événements négatifs de la vie et la dépression sont les principaux prédicteurs de l'agression chez les jeunes.
