Contenido
- Análisis bivariado
- Ejemplos de análisis bivariados
- Analisis multivariable
- Ejemplo de análisis multivariante
Los análisis bivariados y multivariados son métodos estadísticos para investigar las relaciones entre muestras de datos. El análisis bivariado analiza dos conjuntos de datos emparejados, estudiando si existe una relación entre ellos. El análisis multivariado utiliza dos o más variables y análisis que, si los hay, están correlacionados con un resultado específico. El objetivo en este último caso es determinar qué variables influyen o causan el resultado.
Análisis bivariado
El análisis bivariado investiga la relación entre dos conjuntos de datos, con un par de observaciones tomadas de una sola muestra o individuo. Sin embargo, cada muestra es independiente. Usted analiza los datos utilizando herramientas como las pruebas t y las pruebas de ji cuadrado, para ver si los dos grupos de datos se correlacionan entre sí. Si las variables son cuantitativas, generalmente las grafica en un diagrama de dispersión. El análisis bivariado también examina la fuerza de cualquier correlación.
Ejemplos de análisis bivariados
Un ejemplo de análisis bivariado es un equipo de investigación que registra la edad de ambos esposos en un solo matrimonio. Estos datos se combinan porque ambas edades provienen del mismo matrimonio, pero son independientes porque la edad de una persona no causa la edad de otra persona. Traza los datos para mostrar una correlación: los esposos mayores tienen esposas mayores. Un segundo ejemplo es registrar las mediciones de la fuerza de agarre de los individuos y la fuerza del brazo. Los datos se emparejan porque ambas mediciones provienen de una sola persona, pero independientes porque se utilizan diferentes músculos. Traza datos de muchas personas para mostrar una correlación: las personas con mayor fuerza de agarre tienen una mayor fuerza del brazo.
Analisis multivariable
El análisis multivariante examina varias variables para ver si una o más de ellas predicen un resultado determinado. Las variables predictivas son variables independientes y el resultado es la variable dependiente. Las variables pueden ser continuas, lo que significa que pueden tener un rango de valores, o pueden ser dicotómicas, lo que significa que representan la respuesta a una pregunta de sí o no. El análisis de regresión múltiple es el método más común utilizado en el análisis multivariado para encontrar correlaciones entre conjuntos de datos. Otros incluyen regresión logística y análisis multivariado de varianza.
Ejemplo de análisis multivariante
Los investigadores utilizaron un análisis multivariado en un estudio de 2009 del Journal of Pediatrics para investigar si los eventos negativos de la vida, el entorno familiar, la violencia familiar, la violencia en los medios y la depresión son predictores de la agresión y el acoso juvenil. En este caso, los eventos negativos de la vida, el entorno familiar, la violencia familiar, la violencia en los medios y la depresión fueron las variables predictoras independientes, y la agresión y el acoso fueron las variables de resultado dependientes. Más de 600 sujetos, con una edad promedio de 12 años, recibieron cuestionarios para determinar las variables predictoras para cada niño. Una encuesta también determinó las variables de resultado para cada niño. Se utilizaron ecuaciones de regresión múltiple y modelos de ecuaciones estructurales para estudiar el conjunto de datos. Se descubrió que los eventos negativos de la vida y la depresión son los predictores más fuertes de la agresión juvenil.