La maggior parte dei problemi statistici richiedono l’ osservazione e l’analisi di più di una variabile . Analisi multivariata applicata consente di completare tali compiti con una moltitudine di tecniche statistiche . Questi metodi sono applicabili a problemi in una varietà di impostazioni aziendali e di settore , ricerche di mercato , le scienze naturali e sociali , e la ricerca e lo sviluppo . Identificazione

analisi multivariata applicata si riferisce all’applicazione di una tecnica statistica multivariata ( tecniche per l’analisi di più variabili alla volta ) per problemi che richiedono analisi statistica . Commercio e industria analisti, ricercatori di mercato , fisici, economisti , ricercatori educativi e altri usano tecniche di analisi multivariata per analizzare i fenomeni nei loro rispettivi campi .

Tipi

Molti metodi e esistono tecniche di analisi multivariata , e possono essere applicate in molti contesti . Alcune delle procedure più analitiche comprendono analisi multiple della varianza ( MANOVA ) , regressione lineare , regressione logistica , analisi fattoriale e analisi del percorso .

MANOVA

MANOVA è un’estensione multivariata dell’analisi della procedura varianza ( ANOVA ) . ANOVA è una tecnica per determinare se i risultati medi su una variabile di interesse tra due o più gruppi differiscono in modo significativo . Un esempio di una domanda di ricerca mediante ANOVA è se esiste una differenza significativa nella pressione media del sangue tra i tre gruppi di persone .

MANOVA estende ANOVA studiando due o più correlati variabili dipendenti , mentre il controllo per le loro somiglianze . Se le variabili dipendenti multipli non sono correlati , non vi è alcun punto nel fare una MANOVA . Un esempio di uno studio MANOVA sarebbe quello di analizzare la pressione arteriosa media , frequenza cardiaca e la frequenza respiratoria tra i tre gruppi di persone . Queste variabili correlate fanno una MANOVA appropriato .

Regressione lineare

Spesso , un dato variabile dipendente ( reddito , per esempio) è influenzato da diverse variabili indipendenti . L’analisi di regressione ci aiuta ad analizzare tali situazioni , concentrandosi sul cambiamento di una variabile dipendente associata con i cambiamenti in due o più variabili indipendenti . Ad esempio , si supponga di avere una serie di dati sugli stipendi dei lavoratori e sono stati interessati dalla misura in cui l’età , l’istruzione , l’esperienza , etnia e genere prevedono il reddito di una persona . L’analisi di regressione è uno strumento utile per questo tipo di ricerca . La tecnica è popolare tra gli economisti , politologi e analisti di business .

Regressione logistica

Conosciuto anche come il modello Logit , regressione logistica è un tipo di analisi di regressione in cui la variabile dipendente è una variabile dicotomica , che significa che ha un valore di zero o 1 regressione logistica è spesso utilizzato per prevedere se qualcosa accadrà . Ad esempio , un modello di regressione logistica potrebbe aiutare a predire se una persona diploma di scuola superiore .

Factor Analysis

Gli analisti usano l’analisi fattoriale quando il loro problema di ricerca richiede loro di individuazione di modelli di relazioni tra più variabili . I ricercatori spesso usano l’analisi fattoriale quando hanno tra 10 e 100 variabili . L’analisi fattoriale aiuta un ricercatore determinare se le variabili osservate possono essere spiegate da un minor numero di variabili non osservate , note come fattori . Un uso comune di analisi dei fattori è in ricerca di indagine .

Analisi Path

analisi del percorso , basato sulla regressione , fornisce una rappresentazione visiva delle relazioni tra le variabili utilizzando grafici . Questi display grafici, detti diagrammi di percorso , rappresentano la forza delle relazioni tra un insieme di variabili . Analisi del percorso assume che il valore di una variabile dipendente è causato da i valori delle variabili indipendenti .