Multivariate Analyse (engl.: Multivariate Analysis)

M.A. bezeichnet allgemein Verfahren, in denen mindestens drei Merkmale (Variablen) statistisch analysiert werden. Man kann unterscheiden zwischen datenreduzierenden Verfahren (z. B. Cluster- oder Faktorenanalyse), die dazu dienen, den Merkmalsraum zu komprimieren, und hypothesentestenden Verfahren, in denen die Einflüsse mehrerer Variablen auf eine oder mehrere zu erklärende Variablen untersucht werden. In den hypothentestenden Verfahren heißen die Variablen, von denen Einflüsse auf die zu erklärenden Variablen vermutet werden, unabhängige Variablen, manchmal auch Prädiktoren oder Kovariaten. Die zu erklärenden Variablen werden auch als abhängige Variablen oder Zielvariablen bezeichnet. Die Konzeptionalisierung von Variablen als abhängige oder unabhängige ist im allgemeinen relativ zum Untersuchungszweck und der statistischen Modellierung zu sehen; Variablen sind nicht »an sich« abhängig oder unabhängig.

Manchmal bezeichnet man heute in der statistischen Literatur nur solche Verfahren als »multivariat«, in denen mehrere abhängige Variablen simultan analyisiert werden. Modelle mit nur einer abhängigen Variablen werden dann als »multiple« Analyseverfahren bezeichnet (etwa in der »multiplen Regressionsanalyse«).

In den Sozialwissenschaften sind die wichtigsten Verfahren der hypothesentestenden M.A. die Regressionsanalyse, die logistische Regression oder das Probitmodell, die Mehrebenenanalyse, die Verlaufsdatenanalyse sowie die Panelanalyse.

Siehe auch Allgemeines Lineares Modell

Literatur:

Backhaus, Klaus et al.: Multivariate Analysemethoden. Berlin: Springer, versch. Auflagen (z.B. 10. Aufl. 2003)
Fahrmeir, Ludwig/Tutz, Georg: Multivariate Statistical Modelling Based on Generalized Linear Models, New York u.a.: Springer 1994
Tabachnick, Barbara G./Fidell, L. S.: Using Multivariate Statistics. Versch. Auflagen, Boston u.a.: Allyn and Bacon, 2001 (4. Auflage) (oder neuere Auflage).