Introdução à Análise Multivariada Aplicada
A maioria dos problemas estatísticos exigem a observação e análise de mais de uma variável . Análise multivariada aplicada permite concluir essas tarefas com uma infinidade de técnicas estatísticas. Esses métodos são aplicáveis a problemas em uma variedade de configurações de negócios e da indústria, pesquisa de mercado, as ciências naturais e sociais , e pesquisa e desenvolvimento. Identificação
análise multivariada aplicada refere-se à aplicação de qualquer técnica estatística multivariada ( técnicas para análise de múltiplas variáveis de cada vez) para problemas que exigem análise estatística. Negócios e analistas da indústria , pesquisadores de mercado , físicos , economistas, pesquisadores de educação e outros usam técnicas de análise multivariada para analisar os fenômenos em suas respectivas áreas .
Tipos
Muitos métodos e existem técnicas de análise multivariada , e eles podem ser aplicados em muitos contextos . Alguns dos mais procedimentos analíticos incluem análise múltipla de variância ( MANOVA ) , regressão linear , regressão logística , análise fatorial e análise do caminho .
MANOVA
MANOVA é uma extensão da análise multivariada de procedimento de variância ( ANOVA ) . ANOVA é uma técnica para determinar se os escores médios de uma variável de interesse entre dois ou mais grupos diferem significativamente. Um exemplo de uma pergunta de pesquisa utilizando ANOVA é saber se existe uma diferença significativa na pressão arterial média entre os três grupos de pessoas .
MANOVA estende ANOVA estudando duas ou mais variáveis dependentes relacionados , enquanto o controle de suas semelhanças. Se as múltiplas variáveis dependentes não estão relacionados, não há nenhum ponto em fazer uma MANOVA . Um exemplo de um estudo MANOVA seria analisar a média da pressão arterial , freqüência cardíaca e freqüência respiratória entre os três grupos de pessoas . Estas variáveis relacionadas fazer uma MANOVA apropriado.
Regressão Linear
Muitas vezes, uma determinada variável dependente ( renda, por exemplo ) é afetada por diversas variáveis independentes. A análise de regressão nos ajuda a analisar tais situações , incidindo sobre a mudança em uma variável dependente associada com alterações em duas ou mais variáveis independentes . Por exemplo , suponha que você tinha um conjunto de dados sobre os salários dos trabalhadores e estavam interessados na medida em que a idade, educação, experiência , etnia e gênero prever a renda de uma pessoa . A análise de regressão é uma ferramenta útil para este tipo de pesquisa. A técnica é muito popular entre os economistas , cientistas políticos e analistas de negócios .
Regressão Logística
Também conhecido como o modelo Logit , a regressão logística é um tipo de análise de regressão em que a variável dependente é uma variável dicotômica , o que significa que tem um valor de regressão logística zero ou 1 , muitas vezes é usado para prever se algo vai acontecer . Por exemplo, um modelo de regressão logística pode ajudar a prever se uma pessoa vai se formar no colegial .
Fator Análise
Os analistas usam análise fatorial , quando seu problema de pesquisa exige que eles descobrir padrões nas relações entre múltiplas variáveis. Os pesquisadores costumam usar análise fatorial quando têm entre 10 e 100 variáveis. A análise de fatores ajuda a um investigador determinar se as variáveis observadas podem ser explicadas por um número menor de variáveis não observadas , conhecidas como fatores. Um uso comum de análise fatorial é em pesquisa de opinião .
Path Analysis
A análise de trilha , com base em regressão , fornece uma representação visual das relações entre as variáveis por meio de gráficos . Estes displays gráficos , conhecidos como diagramas de caminho , retratam a força das relações entre um conjunto de variáveis . A análise de trilha assume que o valor de uma variável dependente é causada pelos valores das variáveis independentes.