Metodologia statistica che valuta l’effetto di un insieme di variabili indipendenti (o predittive) su una (o più) variabili dipendenti (o di esito).
Tra le tecniche più note la regressione multipla lineare (per esiti misurabili lungo una scala numerica) la regressione logistica multipla (per esiti espressi in forma binaria sì/no) l’analisi discriminante l’analisi dei cluster l’analisi delle corrispondenze.
Il principale vantaggio dell’analisi multivariata consiste nel poter apprezzare simultaneamente e indipendentemente gli effetti di ognuna delle variabili considerate depurati delle reciproche interferenze.
Inoltre è possibile valutare i diversi effetti delle variabili in grado di influenzarsi (interazione) positivamente o negativamente.
L’analisi multivariata è pertanto una delle tecniche più robuste di controllo a posteriori del confondimento del quale è in grado di tener conto: gli effetti stimati sono “aggiustati” considerano cioè la presenza contemporanea di tutte le altre variabili prese in esame.
Generalmente per ogni variabile inclusa in un modello di analisi multivariata vengono presentate la significatività dell’effetto espressa dal valore di un test statistico e dal relativo valore di P e la forza o intensità dell’effetto attraverso il valore dei cosiddetti coefficienti beta.
