تحلیل تک متغیره، دو متغیره و چند متغیره چیست؟

هنگامی که به سطح تجزیه و تحلیل در آمار می‌رسیم، سه تکنیک تجزیه و تحلیل مختلف وجود دارد:

تحلیل تک متغیره (Univariate analysis)

تحلیل دو متغیره (Bivariate analysis)

تحلیل چند متغیره (Multivariate analysis)

انتخاب تکنیک تجزیه و تحلیل داده‌ها به تعداد متغیرها، انواع داده‌ها و تمرکز بر پرس و جوی آماری بستگی دارد.

بخش زیر سه سطح مختلف تجزیه و تحلیل داده‌ را توصیف می‌کند -

تحلیل تک متغیره (Univariate analysis)

تجزیه و تحلیل تک متغیره اساسی‌ترین شکل تکنیک تجزیه و تحلیل داده‌های آماری است.هنگامی که داده‌ تنها شامل یک متغیر باشد و با روابط علت و معلولی سر و کار نداشته باشد، از یک تکنیک تجزیه و تحلیل تک متغیره استفاده می‌شود. ​

در اینجا مثالی از تجزیه و تحلیل تک متغیره آورده شده‌است -

در بررسی از یک کلاس درس، ممکن است محقق به دنبال شمارش تعداد پسران و دختران باشد. در این مثال، داده‌ به سادگی، تعداد، یعنی یک متغیر واحد و مقدار آن را منعکس می کند. هدف کلیدی تجزیه و تحلیل تک متغیره توصیف ساده داده‌ برای یافتن الگوهای درون آن است. این کار با نگاه به میانگین، میانه، مد، پراکندگی، واریانس، دامنه، انحراف معیار و غیره انجام می‌شود. ​

تجزیه و تحلیل تک متغیره از راه های مختلفی انجام می شود که عمدتاً ماهیت توصیفی دارند –

• جداول توزیع فراوانی
• هیستوگرام
• چندبَر فراوانی
• نمودار دایره ای
• نمودار میله ای

تحلیل دو متغیره (Bivariate analysis)

تحلیل دو متغیره کمی تحلیلی تر از تحلیل تک متغیره است. هنگامی که مجموعه داده شامل دو متغیر است و هدف محققین مقایسه بین دو مجموعه داده است، تحلیل دو متغیره نوع مناسبی از تکنیک تحلیل است. ​

در اینجا یک مثال ساده از تجزیه و تحلیل دو متغیره آورده شده‌است -

در بررسی از یک کلاس درس، ممکن است محقق به دنبال تجزیه و تحلیل نسبت دانش آموزانی باشد که بیش از ۸۵ % امتیاز را مطابق با جنسیت خود کسب کرده‌اند.در این حالت، دو متغیر وجود دارد - جنسیت = X (متغیر مستقل) و نتیجه = Y (متغیر وابسته). تحلیل دو متغیره همبستگی بین دو متغیر را اندازه‌گیری خواهد کرد. ​

تجزیه و تحلیل دو متغیره با استفاده از روش های زیر انجام می‌شود:

• ضرایب همبستگی
• تحلیل رگرسیون

تحلیل چند متغیره (Multivariate analysis)

​​​​​تجزیه و تحلیل چند متغیره شکل پیچیده تری از تکنیک تجزیه و تحلیل آماری است و زمانی استفاده می‌شود که بیش از دو متغیر در مجموعه داده‌ وجود داشته باشد. ​

در اینجا مثالی از تجزیه و تحلیل چند متغیره آورده شده‌است -

​​​​یک پزشک اطلاعاتی در مورد کلسترول، فشار خون و وزن افراد جمع آوری کرده است. او همچنین داده هایی را در مورد عادات غذایی افراد مورد مطالعه جمع آوری کرده است (به عنوان مثال، چند اونس گوشت قرمز، ماهی، محصولات لبنی و شکلات مصرف شده در هفته).او می‌خواهد رابطه بین سه معیار سلامتی و عادات غذایی را بررسی کند. ​

در این مثال، یک تحلیل چند متغیره برای درک رابطه هر متغیر با یکدیگر لازم است.

​​​​​روش های متداول در تجزیه و تحلیل چند متغیره شامل:

• ​​​​​تجزیه و تحلیل عاملی (Factor Analysis)
• تجزیه و تحلیل خوشه ای (Cluster Analysis)
• تجزیه و تحلیل واریانس (Variance Analysis)
• تجزیه و تحلیل تشخیصی (Discriminant Analysis)
• مقیاس گذاری چند بعدی (Multidimensional Scaling)
• تجزیه و تحلیل مولفه های اصلی (Principal Component Analysis)
• تجزیه و تحلیل افزونگی (Redundancy Analysis)

منبع:

HotCubator.com - What is Univariate, Bivariate and Multivariate analysis?