Per analisi bivariata intendiamo l'analisi congiunta di due variabili, allo scopo di:

• descriverne l'andamento congiunto
• valutare l'esistenza, la significatività ed eventualmente la forza di una relazione fra di loro

L'analisi bivariata delle variabili categoriali o fattori parte dalla costruzione delle tabelle di contingenza, che in R possono ottenersi con i comandi Table, ftable e xtabs.

Per valutare l'associazione fra due variabili categoriali si utilizza principalmente il test del chi quadrato, ed altri coefficienti di associazione derivati da esso (quali phi e V di Cramer).

I grafici più adatti a rappresentare queste tabelle di contingenza sono i Grafici a barre raggruppati o sovrapposti.

Per le variabili ordinali o fattori ordinati, è anche possibile utilizzare diversi coefficienti di cograduazione, quali il Gamma di Goodman e Kruskal, il Tau di Kendall, o il D di Somers. Il Rho di Spearmam viene utilizzato per valutare l'associazione fra due ordinamenti di un numero elevato di casi.

Il Tau di Kendall e il Rho di Spearman, in R, sono inclusi nelle funzioni cor e cor.test (vedi: correlazione).

Anche per le variabili ordinali, come per quelle categoriali, si possono usare i Grafici a barre raggruppati o sovrapposti, così come anche i Boxplot.

Le variabili cardinali possono essere analizzate in rapporto ad altre variabili cardinali, ma anche a variabili categoriali.

Nel primo caso, la relazione viene rappresentata mediante lo Scatterplot (grafico a dispersione) o diagramma a dispersione, e studiata mediante l'Analisi di regressione lineare.

Nel secondo caso, invece, è senz'altro più adatto il Boxplot, e l'analisi dei valori caratteristici della variabile cardinale (media, dev. st. etc.) in base a sottogruppi definiti dalle modalità di una variabile categoriale, ad es.:

Vedi anche: Indice di dipendenza in media e Analisi della varianza (ANOVA) con R.

Con i pacchetti del Tidyverse, possiamo usare le funzioni group_by(), summarise(), e count().