Zawartość
- Analiza dwuwymiarowa
- Przykłady analizy dwuwymiarowej
- Analiza wielowymiarowa
- Przykład analizy wielowymiarowej
Analizy dwuwymiarowe i wielowymiarowe to metody statystyczne do badania związków między próbkami danych. Analiza dwuwymiarowa analizuje dwa sparowane zestawy danych, badając, czy istnieje między nimi związek. Analiza wielowymiarowa wykorzystuje dwie lub więcej zmiennych i analiz, które, jeśli występują, są skorelowane z konkretnym wynikiem. W tym drugim przypadku celem jest ustalenie, które zmienne wpływają lub powodują wynik.
Analiza dwuwymiarowa
Analiza dwuwymiarowa bada związek między dwoma zestawami danych, z parą obserwacji pobranych z pojedynczej próbki lub pojedynczej osoby. Jednak każda próbka jest niezależna. Analizujesz dane za pomocą narzędzi, takich jak testy t i testy chi-kwadrat, aby sprawdzić, czy dwie grupy danych korelują ze sobą. Jeśli zmienne są ilościowe, zwykle przedstawia się je na wykresie rozrzutu. Analiza dwuwymiarowa sprawdza również siłę dowolnej korelacji.
Przykłady analizy dwuwymiarowej
Jednym z przykładów analizy dwuwymiarowej jest zespół badawczy rejestrujący wiek zarówno męża, jak i żony w jednym małżeństwie. Dane te są sparowane, ponieważ obie grupy wiekowe pochodzą z tego samego małżeństwa, ale są niezależne, ponieważ wiek jednej osoby nie powoduje wieku innej osoby. Przedstawiasz dane w taki sposób, aby pokazać korelację: starsi mężowie mają starsze żony. Drugim przykładem jest rejestracja pomiarów siły uścisku i siły ręki. Dane są sparowane, ponieważ oba pomiary pochodzą od jednej osoby, ale są niezależne, ponieważ używane są różne mięśnie. Wykresy danych od wielu osób pokazują korelację: osoby o większej sile chwytu mają większą siłę ramienia.
Analiza wielowymiarowa
Analiza wielowymiarowa bada kilka zmiennych, aby sprawdzić, czy jedna lub więcej z nich prognozuje określony wynik. Zmienne predykcyjne są zmiennymi niezależnymi, a wynikiem jest zmienna zależna. Zmienne mogą być ciągłe, co oznacza, że mogą mieć zakres wartości, lub mogą być dychotomiczne, co oznacza, że reprezentują odpowiedź na pytanie tak lub nie. Analiza regresji wielokrotnej jest najczęstszą metodą stosowaną w analizie wielowymiarowej w celu znalezienia korelacji między zestawami danych. Inne obejmują regresję logistyczną i wielowymiarową analizę wariancji.
Przykład analizy wielowymiarowej
W badaniu Journal of Pediatrics z 2009 r. Naukowcy wykorzystali analizę wielowymiarową w celu zbadania, czy negatywne wydarzenia życiowe, środowisko rodzinne, przemoc w rodzinie, przemoc w mediach i depresja są predyktorami agresji i zastraszania wśród młodzieży. W tym przypadku negatywne zdarzenia życiowe, środowisko rodzinne, przemoc w rodzinie, przemoc w mediach i depresja były niezależnymi zmiennymi predykcyjnymi, a agresja i zastraszanie były zmiennymi zależnymi od wyniku. Ponad 600 osób w średnim wieku 12 lat otrzymało kwestionariusze w celu ustalenia zmiennych predykcyjnych dla każdego dziecka. Badanie określiło również zmienne wyników dla każdego dziecka. Do badania zestawu danych zastosowano równania regresji wielokrotnej i modelowanie równań strukturalnych. Stwierdzono, że negatywne wydarzenia życiowe i depresja są najsilniejszymi predyktorami agresji wśród młodzieży.