单变量、二变量和多变量数据及其分析

1.单变量数据- 这类数据包括 只有一个变量 因此，单变量数据分析是最简单的分析形式，因为信息只涉及一个变化量。它不涉及原因或关系，分析的主要目的是描述数据并找到其中存在的模式。单变量数据的示例可以是高度。

假设记录了一个班级七名学生的身高（图1），只有一个变量是身高，它不涉及任何原因或关系。通过使用中心趋势度量（平均值、中值和模式）、数据分散或扩散（范围、最小值、最大值、四分位数、方差和标准偏差），以及使用频率分布表、直方图、饼图、频率多边形和条形图，可以对这类数据中发现的模式进行描述。

2.双变量数据- 这类数据包括 两个不同的变量 .对这类数据的分析涉及原因和关系，分析的目的是找出这两个变量之间的关系。双变量数据的例子可以是夏季的温度和冰淇淋销售。

假设温度和冰淇淋销售额是双变量数据的两个变量（图2）。从表中可以看出，温度和销售额成正比，因此是相关的，因为随着温度的升高，销售额也会增加。因此，双变量数据分析涉及比较、关系、原因和解释。这些变量通常绘制在图形的X轴和Y轴上，以便更好地理解数据，其中一个变量是独立的，而另一个是依赖的。

3.多元数据- 当数据涉及 三个或更多变量 ，它被归类为多变量。这类数据的一个例子是，假设一个广告商想要比较一个网站上四个广告的受欢迎程度，那么他们的点击率可以测量男性和女性，然后可以检查变量之间的关系。

它类似于二元变量，但包含多个因变量。对这些数据进行分析的方法取决于要实现的目标。其中一些技术包括回归分析、通径分析、因子分析和多元方差分析（MANOVA）。