técnicas de análise multivariada são métodos estatísticos que medem relações entre as variáveis. Eles tentam modelar a realidade em que cada situação, produto ou decisão envolve mais do que uma única variável. Por exemplo, a decisão de comprar um carro pode tomar em consideração preço, características de segurança, cor e funcionalidade. A sociedade moderna tem recolhido massas de dados em todos os campos, mas a capacidade de usar esses dados para obter uma imagem clara do que está acontecendo e tomar decisões inteligentes ainda é um desafio.
Que análise multivariada é usada para
técnicas de análise multivariada são usados para estudar conjuntos de dados em pesquisa do consumidor e do mercado, controle de qualidade e garantia de qualidade, otimização de processos e controle de processos, e pesquisa e desenvolvimento. Estas técnicas são particularmente importantes na pesquisa em ciências sociais, porque os pesquisadores sociais geralmente são incapazes de usar experimentos de laboratório randomizados, como os usados em medicina e ciências naturais. Aqui técnicas de análise multivariada pode estatisticamente estimar relações entre diferentes variáveis, e correlacionar a importância de cada um é o resultado final e onde existem dependências entre eles.
Por Técnicas multivariadas são usados
Como a análise a maioria dos dados tenta responder a questões complexas que envolvem mais de duas variáveis, estas questões são melhor abordados por técnicas de estatística multivariada. Existem várias técnicas de análise multivariada diferentes para escolher, com base em pressupostos sobre a natureza dos dados eo tipo de associação em análise. Cada técnica testa os modelos teóricos de uma questão de pesquisa sobre as associações contra os dados observados. Os modelos teóricos são baseadas em fatos além de novas hipóteses sobre associações plausíveis entre variáveis.
vantagens
técnicas de análise multivariada permitir que os investigadores a olhar para as relações entre as variáveis de uma forma abrangente e quantificar a relação entre variáveis. Eles podem controlar associação entre variáveis usando tabulação cruzada, correlação parcial e regressões múltiplas, e introduzir outras variáveis para determinar as relações entre as variáveis dependentes e independentes ou para especificar as condições em que a associação tem lugar. Isto dá uma imagem muito mais rica e realista do que olhar para uma única variável e fornece um poderoso teste de significância em comparação com técnicas univariadas.
desvantagens
técnicas de análise multivariada são complexos e envolvem matemática de alto nível que exigem um programa estatístico para analisar os dados. Estes programas estatísticos são geralmente caros. Os resultados da análise multivariada nem sempre são fáceis de interpretar e tendem a ser baseadas em suposições que podem ser difíceis de avaliar. Para técnicas de análise multivariada para dar resultados significativos, eles precisam de uma grande amostra de data- contrário, os resultados são sem sentido devido aos altos erros padrão. Os erros padrão determinar quão confiante você pode estar nos resultados, e você pode ser mais confiante nos resultados de uma grande amostra do que um pequeno. A execução de programas estatísticos é bastante simples, mas exige um estatístico para fazer o sentido da saída.