Baie
L'analyse discriminante permet d'identifier les variables indépendantes qui discriminent une variable dépendante d'intérêt à l'échelle nominale. La combinaison linéaire des variables indépendantes indique la fonction discriminante montrant la grande différence qui existe dans les moyennes des deux groupes. En d'autres termes, les variables indépendantes mesurées sur une échelle d'intervalle ou de rapport discriminent les groupes d'intérêt à étudier.
L'analyse factorielle permet de réduire un grand nombre de variables à un ensemble de facteurs significatif, interprétable et gérable. Une analyse en composantes principales transforme toutes les variables en un ensemble de variables composites non corrélées entre elles. Supposons que nous ayons mesuré dans un questionnaire les quatre concepts de santé mentale, de satisfaction au travail, de satisfaction de vie et d'engagement au travail avec sept questions taraudant chacune. Lorsque nous analysons ces 28 éléments, nous devrions trouver quatre facteurs avec les bonnes variables se chargeant sur chaque facteur, confirmant que nous avons mesuré correctement les concepts.
L'analyse de cluster est utilisée pour classer des objets ou des individus en groupes mutuellement exclusifs et collectivement exhaustifs avec une grande homogénéité au sein des clusters et une faible homogénéité entre les clusters. En d'autres termes, l'analyse de cluster permet d'identifier des objets similaires les uns aux autres, sur la base d'un critère spécifié. L'analyse de cluster regroupera les individus selon leurs préférences pour chacune des différentes marques.