多变量分析multivariate analysis

回归分析中的一种常用的方法。是指考察几个变量之间的关系，这其中通常是有一个因变量和几个自变量。如在失业率决定分析中，失业率是因变量，把影响失业率的教育水平、年龄、以往工作经历作为自变量，对它们之间的关系进行回归就是多变量分析。

多变量分析

多变量分析或称多元分析，是研究多因素和多指标问题的一种统计分析方法。医学是研究人的生理、病理现象及疾病发生发展规律和防治措施的一门应用科学。影响人的生理、病理变化和疾病发生发展过程的因素很多，而这些因素之间常有交互作用。某种疾病是否发生，取决于致病源、环境条件及机体状况等许多因素；疾病的诊断要根据病人的很多症状、体征及检验结果；疾病的预后视治疗情况及机体状况而定，某些医学和生物学现象的分类要根据许多生物学特征，等等。这些问题在统计学上可应用多变量分析法来处理。用多变量分析法研究医学问题，不仅可以同时考虑多个因素对人体生理、病理变化及疾病发生发展的影响，还可以分析各因素间的交互作用。多变量分析的方法很多，医学统计上常用的有多元线性回归、多元线性相关、逐步回归、判别分析、聚类分析、因子分析等。
多元线性回归 、多元线性相关和逐步回归是研究变量间关系的一类统计分析方法，可用于病因分析、计量诊断及疾病的预测预报等。
判别分析和聚类分析是研究事物分类的一类统计分析方法。前者是根据已总结出的类别来判断新的观察单位应属于哪一已知类别，可用于计量诊断及预测；后者是在尚不知事物的类别时对它进行分类，可用于生物及医学现象的分类研究。
因子分析是用较少的综合的主要“因子”来取代为数较多的原始变量，并使其相关信息的损失尽量地少。它可利用综合因子揭示大量数据中所蕴藏着的某种医学信息(如生理意义、临床意义)，从而作出合理的解释。
多变量分析涉及的数学知识较多，计算也比单变量的统计分析复杂得多，一般要用电子计算机来处理。医务人员要应用这些方法时，可与有关的医学统计、数理统计及计算机专业人员协作进行。

多变量分析

对两个以上变量间关系的研究和解释。在舆论调查资料的分析中，首先要理解一个变量的分布，然后分析其与另一个变量的相关关系。但是，社会现象是错综复杂的，两个变量之间的关系常可能受到其他变量的影响，因此，舆论研究要将舆论现象的深层结构更确切地揭示出来，就必须进行多变量分析。多变量分析主要分为三大类：（一）详细分析；（二）多因分析；（三）多项相互关系分析。详细分析所关心的是两个变项(X与Y)的关系，而引进其他变项(W、T等)的目的是为了加深了解这两个变项的相关性质。多因分析的目的是要理解多个自变量(X1,X2,X3等)对某个因变量(Y)的共同影响与相对效应。多项相互关系分析的目的则是为了力求简化众多变量(X1,X2,X3,X4等)之间的相互关系，对主要致变因素进行筛选等。

多变量分析multivariate analysis

亦称“多元分析”。即分析两个以上变量之间差异程度的统计方法。共有两种： (1)揭示几个独立变量之间相互作用的模式，如方差分析、协方差分析等； (2)检验大量变量之间的相关模式，并提取主要的基本维度或因素，如多维度分析、因素分析、复相关等。

多变量分析

即“多元分析”。