Tecniche di analisi multivariata sono metodi statistici che misurano le relazioni tra le variabili. Tentano di modello reality dove ogni situazione, il prodotto o la decisione coinvolge più di una singola variabile. Ad esempio, la decisione di acquistare un'auto può prendere in considerazione prezzo, caratteristiche di sicurezza, colore e funzionalità. Società moderna ha raccolto masse di dati in ogni campo, ma la capacità di utilizzare tali dati per ottenere un quadro chiaro di ciò che sta succedendo e prendere decisioni intelligenti è ancora una sfida.
A cosa serve l'analisi multivariata
Tecniche di analisi multivariata sono utilizzati per studiare il DataSet in consumatore e ricerche di mercato, controllo di qualità e garanzia della qualità, ottimizzazione dei processi e controllo di processo e ricerca e sviluppo. Queste tecniche sono particolarmente importanti nella ricerca nelle scienze sociali, perché i ricercatori sociali sono generalmente impossibile utilizzare esperimenti di laboratorio randomizzato, come quelli utilizzati in medicina e scienze naturali. Qui tecniche multivariate statisticamente possono stimare le relazioni tra variabili diverse e correlare quanto sia importante ogni uno è il risultato finale e dove esistono dipendenze tra di loro.
Perché vengono utilizzate tecniche di analisi multivariata
Perché la maggior parte delle analisi dei dati cerca di rispondere a domande complesse che coinvolgono più di due variabili, queste domande sono meglio indirizzate dalle tecniche di statistiche multivariate. Ci sono diverse tecniche a più variabili da scegliere, basate su ipotesi relative alla natura dei dati e il tipo di associazione sotto analisi. Ogni tecnica test i modelli teorici di una domanda di ricerca sulle associazioni contro i dati osservati. I modelli teorici si basano su fatti più nuove ipotesi sulle associazioni plausibile tra le variabili.
Vantaggi
Tecniche di analisi multivariata consentono ai ricercatori di guardare alle relazioni tra le variabili in modo globale e per quantificare la relazione tra le variabili. Possono controllare l'associazione tra variabili utilizzando cross tabulazione, correlazione parziale e regressioni multiple e introdurre altre variabili per determinare i legami tra le variabili indipendenti e dipendenti o per specificare le condizioni in cui avviene l'associazione. Questo dà un quadro molto più ricco e realistico che guardando una singola variabile e fornisce un potente test di significatività rispetto alle tecniche di analisi univariata.
Svantaggi
Tecniche di analisi multivariata sono complesse e coinvolgono matematica di livello elevato che richiedono un programma statistico per analizzare i dati. Questi programmi statistici sono generalmente costosi. I risultati di analisi multivariata non sono sempre facili da interpretare e tendono a basarsi su ipotesi che potrebbero essere difficile da valutare. Per tecniche di analisi multivariata dare risultati significativi, hanno bisogno di un grande campione di dati; in caso contrario, i risultati sono insignificanti a causa di errori di standard elevati. Gli errori standard determinare come può essere fiducioso nei risultati, e si può essere più fiducioso nei risultati da un ampio campione di un piccolo. Esecuzione di programmi statistici è abbastanza semplice ma richiede uno statistico di dare un senso dell'output.