विषय
Bivariate और बहुभिन्नरूपी विश्लेषण डेटा नमूनों के बीच संबंधों की जांच करने के लिए सांख्यिकीय तरीके हैं। Bivariate विश्लेषण दो युग्मित डेटा सेटों को देखता है, यह अध्ययन करता है कि उनके बीच एक रिश्ता मौजूद है या नहीं। बहुभिन्नरूपी विश्लेषण दो या अधिक चर का उपयोग करता है और विश्लेषण करता है, यदि कोई हो, एक विशिष्ट परिणाम के साथ सहसंबद्ध हैं। उत्तरार्द्ध मामले में लक्ष्य यह निर्धारित करना है कि कौन से चर प्रभाव को प्रभावित करते हैं या परिणाम का कारण बनते हैं।
Bivariate विश्लेषण
Bivariate विश्लेषण दो डेटा सेटों के बीच संबंध की जांच करता है, एक एकल नमूने या व्यक्ति से ली गई टिप्पणियों की एक जोड़ी के साथ। हालांकि, प्रत्येक नमूना स्वतंत्र है। आप यह देखने के लिए डेटा का उपयोग करते हैं जैसे कि टी-टेस्ट और ची-स्क्वेर्ड टेस्ट, यह देखने के लिए कि डेटा के दो समूह एक दूसरे से सहसंबंधित हैं या नहीं। यदि चर मात्रात्मक हैं, तो आप आमतौर पर उन्हें स्कैल्पलेट पर ग्राफ़ करते हैं। Bivariate विश्लेषण किसी भी सहसंबंध की ताकत की जांच करता है।
Bivariate विश्लेषण उदाहरण
बिवरिएट विश्लेषण का एक उदाहरण एक विवाह में दोनों पति-पत्नी की उम्र को रिकॉर्ड करने वाली एक शोध टीम है। यह डेटा जोड़ा गया है क्योंकि दोनों उम्र एक ही शादी से आते हैं, लेकिन स्वतंत्र क्योंकि एक व्यक्ति की उम्र दूसरे व्यक्ति की उम्र का कारण नहीं बनती है। आप डेटा को सहसंबंध दिखाने की साजिश करते हैं: पुराने पति की पुरानी पत्नियां हैं। एक दूसरा उदाहरण व्यक्तियों की ताकत और हाथ की ताकत को माप रहा है। डेटा युग्मित है क्योंकि दोनों माप एक ही व्यक्ति से आते हैं, लेकिन स्वतंत्र हैं क्योंकि विभिन्न मांसपेशियों का उपयोग किया जाता है। आप सहसंबंध दिखाने के लिए कई व्यक्तियों के डेटा को प्लॉट करते हैं: उच्च पकड़ वाले लोगों में उच्च हाथ की ताकत होती है।
बहुभिन्नरूपी विश्लेषण
बहुभिन्नरूपी विश्लेषण यह देखने के लिए कई चरों की जाँच करता है कि उनमें से एक या अधिक एक निश्चित परिणाम के प्रतिपादक हैं या नहीं। पूर्वानुमानशील चर स्वतंत्र चर होते हैं और परिणाम आश्रित चर होते हैं। चर निरंतर हो सकते हैं, जिसका अर्थ है कि उनके पास मूल्यों की एक सीमा हो सकती है, या वे द्विगुणित हो सकते हैं, जिसका अर्थ है कि वे हां या नहीं प्रश्न के उत्तर का प्रतिनिधित्व करते हैं। मल्टीपल रिग्रेशन विश्लेषण मल्टीवेरेट विश्लेषण में उपयोग किया जाने वाला सबसे आम तरीका है जो डेटा सेट के बीच सहसंबंधों को खोजने के लिए किया जाता है। अन्य में लॉजिस्टिक रिग्रेशन और विचरण के बहुभिन्नरूपी विश्लेषण शामिल हैं।
बहुभिन्नरूपी विश्लेषण उदाहरण
2009 के बाल रोग अध्ययन में शोधकर्ताओं द्वारा बहुभिन्नरूपी विश्लेषण का उपयोग किया गया था ताकि यह जांच की जा सके कि क्या नकारात्मक जीवन की घटनाएं, पारिवारिक वातावरण, पारिवारिक हिंसा, मीडिया हिंसा और अवसाद युवा आक्रामकता और धमकाने के भविष्यवक्ता हैं। इस मामले में, नकारात्मक जीवन की घटनाएं, पारिवारिक वातावरण, पारिवारिक हिंसा, मीडिया हिंसा और अवसाद स्वतंत्र भविष्यवक्ता चर थे, और आक्रामकता और बदमाशी निर्भर परिणाम चर थे। 600 से अधिक विषयों, 12 वर्ष की औसत आयु के साथ, प्रत्येक बच्चे के लिए भविष्यवक्ता चर निर्धारित करने के लिए प्रश्नावली दी गई थी। एक सर्वेक्षण ने प्रत्येक बच्चे के लिए परिणाम चर भी निर्धारित किए। डेटा सेट का अध्ययन करने के लिए एकाधिक प्रतिगमन समीकरण और संरचनात्मक समीकरण मॉडलिंग का उपयोग किया गया था। नकारात्मक जीवन की घटनाओं और अवसाद को युवा आक्रामकता का सबसे मजबूत भविष्यवक्ता पाया गया।