Los análisis bivariados y multivariados son métodos estadísticos que lo ayudan a investigar las relaciones entre las muestras de datos. El análisis bivariado analiza dos conjuntos de datos emparejados, estudiando si existe una relación entre ellos. El análisis multivariado usa dos o más variables y análisis que, de haber alguno, se correlacionan 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 emparejados. Los dos conjuntos de datos están emparejados porque se toman un par de observaciones de una sola muestra o individuo, pero cada muestra es independiente. Los datos se analizan utilizando herramientas tales como las pruebas t y las pruebas chi-cuadrado para ver si los dos grupos de datos se correlacionan entre sí y, si las variables son cuantitativas, generalmente se grafican en un diagrama de dispersión. El análisis bivariado también examina la solidez de cualquier correlación.

Ejemplos de análisis bivariante

Un ejemplo de análisis bivariado es un equipo de investigación que registra la edad de ambos cónyuges en un matrimonio único. Esta información se empareja porque ambas edades provienen del mismo matrimonio, pero son independientes porque la edad de una persona no causa la edad de otra persona. Los datos se trazan, mostrando una correlación en los datos: los esposos mayores tienen esposas mayores. Un segundo ejemplo es registrar mediciones de la fuerza de agarre y la fuerza del brazo de individuos. Los datos están emparejados porque ambas mediciones provienen de una sola persona, pero son independientes porque se usan diferentes músculos. Los datos se trazan de muchos individuos, mostrando una correlación: las personas con mayor fuerza de agarre tienen mayor fuerza en el brazo.

Análisis multivariado

El análisis multivariante analiza varias variables para ver si una o más de ellas son predictivas de un cierto resultado. Las variables predictivas se consideran 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 utilizado en el análisis multivariado para encontrar correlaciones entre los conjuntos de datos, pero también se utilizan muchos otros, como la regresión logística y el análisis de varianza multivariante.

Ejemplo de análisis multivariante
< Los investigadores utilizaron el análisis multivariante en un estudio del Journal of Pediatrics de 2009 para investigar si los eventos vitales negativos, el entorno familiar, la violencia familiar, la violencia en los medios y la depresión son predictores de agresión e intimidación entre los jóvenes. Los eventos negativos de la vida, el ambiente familiar, la violencia familiar, la violencia en los medios y la depresión fueron las variables predictoras independientes. La agresión y la intimidación fueron las variables de resultado dependientes. Más de 600 sujetos, con una edad promedio de 12 años, recibieron cuestionarios que determinaron las variables de predicción para cada niño. También se realizó una encuesta que determinó las variables de resultado para cada niño. Se usaron ecuaciones de regresión múltiple y modelos de ecuaciones estructurales para estudiar el conjunto de datos. Los eventos negativos de la vida y la depresión fueron los predictores más fuertes de la agresión juvenil.