multivariaat

Multivariaat, of multivariate analyse, verwijst naar statistische methoden die meerdere variabelen tegelijk analyseren. Het doel is om relaties tussen variabelen te begrijpen en/of modellen te bouwen die meer dan één afhankelijke variabele tegelijk beschrijven. In tegenstelling tot univariate analyse (één variabele) en bivariate analyse (twee variabelen) houdt multivariaat rekening met complexe samenhang tussen vele variabelen en hun onderlinge afhankelijkheden.

Veelvoorkomende methoden binnen het multivariaat omvatten: hoofdcomponentenanalyse (PCA) en factoranalyse, die de gegevensdimensies terugbrengen tot minder factoren; multivariate regressie, waarbij meerdere afhankelijke variabelen tegelijk worden voorspeld; MANOVA, die de verschillen tussen groepen onderzoekt over meerdere uitkomstvariabelen; canonieke correlatieanalyse (CCA), discriminantanalyse en clusteranalyse; en meerdere correspondentieanalyse (MCA) voor categorische variabelen.

Toepassingen zijn wijd verspreid: psychologie en de gedragswetenschappen, geneeskunde, bio-informatica, financiën en milieuwetenschappen. Doel is vaak het samenvatten van data, het identificeren van onderliggende factoren, het voorspellen van meerdere uitkomsten en het classificeren van observaties. Let op: multivariaat vraagt vaak grotere steekproeven en heeft afhankelijkheden en aannames (zoals lineariteit en normaliteit) die zorgvuldig getoetst moeten worden. Bij ontbrekende data en bij vele variabelen kan imputatie en dimensionale reductie nodig zijn om betrouwbare conclusies te trekken.