Bivariate Analyse

Als bivariate Analyse wird die Analyse zweier Variablen bezeichnet. Meist wird hierbei angenommen, dass eine der beiden Variablen als unabhängige oder erklärende und die andere als abhängige oder zu erklärende Variable fungiert, doch muss das nicht zwingend der Fall sein.

Die verwendeten statistischen Verfahren hängen wesentlich vom Messniveau der beiden Verfahren ab. Zum Einsatz kommen u.a.:

Kreuztabellenanalyse und die Berechnung von Assoziations- oder geeigneten Korrelationsmaßen bei nominalskalierten oder ordinalskalierten Merkmalen (die Darstellung in Kreuztabellen ist meist nur ratsam, wenn die Variablen nicht zu viele Ausprägungen haben);
Die (bivariate) Varianzanalyse, wenn die abhängige Variable metrisch, die unabhängige aber nominal- oder ordinalskaliert (i.d.R. mit wenigen Ausprägungen) ist;
Korrelations- und Regressionsanalyse bei zwei metrischen Variablen; spezielle Regressionsverfahren wie ordinale, binäre oder multinomiale Logitmodelle (und mit diesen verwandte Verfahren wie etwa Probit-Modelle, die hier nicht dargestellt werden) können auch bei niedrigeren Messniveaus eingesetzt werden.

Für die graphische Darstellung bivariater Zusammenhänge werden u.a. eingesetzt:

Bivariate Säulendiagramme oder Mosaikplots bei nominalskalierten oder ordinalskalierten Merkmalen (mit nicht zu vielen Ausprägungen);
Box-and-Whisker-Plots und (bivariate) Strip-Plots, Dotplots, Violinenplots, Beanplots, Beeswarm-Plots oder Sinaplots, wenn die abhängige Variable metrisch, die unabhängige aber nominal- oder ordinalskaliert (i.d.R. mit wenigen Ausprägungen) ist;
Streudiagramme bei zwei metrischen Variablen.