多变量和多变量单词是同义词，两者都意味着它们包含多个变量。 根据 Weschian 字典，这两个词之间唯一的区别是多变量是一个通用词，而多变量具有很强的统计内涵。 因此，我们将这个定义作为我们工作的参考点，通常以交互方式使用这两个词。
我们的一位作者写信给我们，这个词多变量具有很强的统计意义，因为它代表了多个的存在和, 一个包含多个和的分析.但是，这种分析在作者的文章中没有使用，并且在他的文章中提到的多变量只包含多个 x（多干扰变量）。 简而言之，这项工作只分析 x 而不分析 y，所以作者不认为多变量适用于他的工作。
“多元回归应该是多元回归还是多元回归？ ”
我们的编辑团队就此主题进行了一系列研究和讨论。
基于伊达尔戈和古德曼的调查结果：大多数回归模式是根据结果变量的模式描述的。 线性回归是由连续性产生的变量。 Logistic 回归具有二分的结果，而生存分析包括不时事件的结果。 ）在统计方面，多变量分析是指具有两个或两个以上依赖变量或结果变量的统计模式，而多变量分析则指具有多个独立变量或响应变量的统计模式。
多变量模型可以被认为是一种模式，其中多个变量出现在方程的右侧。 这些统计模式可用于评估各种变量之间的关系。 您还可以在评估独立关系时调整混淆的可能性。 简单的线性回归模式由连续结果和预测变量组成，而多变量多回归或线性回归模式包含连续结果和多个预测变量。
线性回归也是如此。 Roggis 回归和比例风险回归模型可以是具有结果变量和一个或多个独立或预测变量的简单或多元模式。
相反, 多变量指的是多变量通常来自纵向研究
在这种情况下，同一个人的测量（重复测量）是在多个时间点进行的。 或者，多变量指的是池/嵌套数据，每个数据都包含多个个体。
伊达尔戈和古德曼的研究采取了一个系统的方法来统计关于广泛使用的多变量词汇。 两位学者利用图书馆和多变量关键字审查 2010 年 12 月至 2011 年 11 月期间在美国公共卫生杂志上发表的文章。 两位学者发现，在其中 30 项研究中，提到的统计方法是多变量。
对每个文件进行单独审查，以评估定义为多变量的分析模式的类型。
在这 30 篇文章中，5 篇文章使用多变量模型；5 篇文章中有 4 篇文章是从纵向数据派生的，1 个分析模型是从镶嵌数据派生的。 对于其余 25 篇文章，使用多变量分析；其中罗杰斯回归（30 篇中 21 篇，相当于 70%）是最广泛使用的模式，即序列线性回归模式（30 篇中 3 篇，相当于 10%）。 有趣的是，在 30 个文档中，有 2 个文档以交互方式使用多变量和多变量。 这一现象表明，这两个统计词之间需要保持一致。
虽然有些人认为多变量和多变量之间的互操作性只是语义学，但我们的编辑团队认为区分这两种差异非常重要。
一般来说，研究中使用的模式应该是简单或多变量，以表示预测变量的数量和结果类型（例如，连续、二进制、重复测量和时间结果预测），以及线性、rogis、多变量或比例风险模式。 本研究指出，有必要更准确地应用和阐述多变量。 这一点非常重要，许多作者仍然连续使用多变量来描述统计数据，无论多变量是否与结果或解释变量有关。 我们不仅需要避免读者之间的混淆，还要让所有研究人员知道使用它的正确方式。
我们的编辑团队非常感谢作者提出的问题，并提请注意我们没有注意到的差异。今后，我们还将对多变量和多变量的使用更加谨慎。