En statistisk analys för att jämföra tre eller flera dataset beror på vilken typ av data som samlas in. Varje statistiskt test har vissa antaganden som måste uppfyllas för att testet ska fungera korrekt. Vilka aspekter av de uppgifter du ska jämföra kommer också att påverka testet. Om till exempel, om var och en av de tre dataseten har två eller flera mätningar, behöver du en annan typ av statistiskt test.

ANOVA

En av de vanligaste statistiska testerna för tre eller flera dataset är variansanalysen eller ANOVA. För att kunna använda detta test måste uppgifterna uppfylla vissa kriterier. För det första bör uppgifterna vara numeriska. Ordinära data - som 5-punktsskala betyg, kallas Likert-skalor - är inte numeriska data, och ANOVA ger inte exakta resultat om de används med ordinära data. För det andra ska uppgifterna normalt distribueras i en klockkurva. Om dessa antaganden är uppfyllda kan ANOVA-testet användas för att analysera variansen av en enskild beroende variabel över tre eller flera prov eller dataset. Kom ihåg att den beroende variabeln är den faktor du mäter i studien.

MANOVA

Om antagandena för ANOVA uppfylls men du vill mäta mer än en beroende variabel, kommer du att behöver multivariat variansanalys eller MANOVA. De beroende variablerna är de faktorer du mäter och vill undersöka. Den oberoende variabeln eller variablerna påverkar den beroende variabeln. Anta att du mäter effekterna av ansträngande övning på blodtryck, viktminskning och hjärtfrekvens. Den oberoende variabeln är övningen och de beroende variablerna är blodtryck, viktminskning och hjärtfrekvens. I denna situation skulle du använda MANOVA. Detta statistiska test är väldigt komplicerat för att beräkna och kommer att kräva användning av en dator och speciell programvara.

Icke-parametrisk inferentiell statistik

Det finns många olika icke parametriska test, men i allmänhet icke- parametrisk statistik används när data är ordinära och /eller normalt inte distribuerade. Icke-parametriska tester inkluderar teckentest, chi-kvadrat och medianprov. Dessa tester används ofta när du analyserar undersökningsdata där respondenterna måste betygsätta olika uttalanden; till exempel, en skala av "starkt oenig, oenig, överens, starkt överens" skulle kvalificera som ordinära data. Dessa tester är ofta enkla att beräkna för hand, även om ett kalkylblad hjälper.

Beskrivande statistik

Förutom inferentiella tester kan du också använda enkel beskrivande statistik för att ge en snabb och enkel titt på dataset. Du kan rapportera genomsnittet, standardavvikelser och procentsatser för var och en av de tre dataseten. Beskrivande statistik hjälper till att snabbt titta på data men kan inte användas för att dra slutsatser. Om en av de tre datasätten exempelvis har en variabel som är 20 procent högre än de andra två dataseten, kan du inte säga att skillnaden är "statistiskt signifikant" utan att använda något inferentiellt statistiskt test, såsom ANOVA, MANOVA eller en icke-parametriska test.