• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  •  science >> Ciência >  >> Outros
    A diferença entre análises bivariadas e multivariadas

    As análises bivariadas e multivariadas são métodos estatísticos para investigar as relações entre amostras de dados. A análise bivariada examina dois conjuntos de dados emparelhados, estudando se existe um relacionamento entre eles. A análise multivariada usa duas ou mais variáveis e análises que, se houver, estão correlacionadas com um resultado específico. O objetivo no último caso é determinar quais variáveis influenciam ou causam o resultado.
    Análise bivariada

    A análise bivariada investiga a relação entre dois conjuntos de dados, com um par de observações tiradas de uma única amostra ou indivíduo . No entanto, cada amostra é independente. Você analisa os dados usando ferramentas como testes t e testes qui-quadrado, para verificar se os dois grupos de dados se correlacionam. Se as variáveis forem quantitativas, você geralmente as representa graficamente em um gráfico de dispersão. A análise bivariada também examina a força de qualquer correlação.
    Exemplos de análises bivariadas

    Um exemplo de análise bivariada é uma equipe de pesquisa que registra a idade do marido e da esposa em um único casamento. Esses dados são pareados porque as duas idades vêm do mesmo casamento, mas independentes porque a idade de uma pessoa não causa a idade de outra pessoa. Você planeja os dados para mostrar uma correlação: os maridos mais velhos têm esposas mais velhas. Um segundo exemplo é registrar medições da força de preensão e força do braço dos indivíduos. Os dados são emparelhados porque as duas medidas são de uma única pessoa, mas independentes, porque diferentes músculos são usados. Você plota dados de muitos indivíduos para mostrar uma correlação: pessoas com maior força de preensão têm maior força no braço.
    Análise multivariada

    A análise multivariada examina várias variáveis para verificar se uma ou mais delas são preditivas de uma certa resultado. As variáveis preditivas são variáveis independentes e o resultado é a variável dependente. As variáveis podem ser contínuas, o que significa que podem ter uma faixa de valores ou podem ser dicotômicas, o que significa que representam a resposta para uma pergunta de sim ou não. A análise de regressão múltipla é o método mais comum usado na análise multivariada para encontrar correlações entre conjuntos de dados. Outros incluem regressão logística e análise multivariada de variância.
    Exemplo de análise multivariada

    A análise multivariada foi usada por pesquisadores em um estudo do Journal of Pediatrics de 2009 para investigar se eventos negativos da vida, ambiente familiar, violência familiar, mídia violência e depressão são preditores de agressão e bullying na juventude. Nesse caso, eventos negativos da vida, ambiente familiar, violência familiar, violência na mídia e depressão foram as variáveis preditoras independentes e agressão e bullying foram as variáveis dependentes do resultado. Mais de 600 indivíduos, com idade média de 12 anos, receberam questionários para determinar as variáveis preditoras de cada criança. Uma pesquisa também determinou as variáveis de resultado para cada criança. Equações de regressão múltipla e modelagem de equações estruturais foram usadas para estudar o conjunto de dados. Eventos negativos da vida e depressão foram os preditores mais fortes de agressão juvenil.

    © Ciência https://pt.scienceaq.com