Головною метою MANOVA є щоб визначити, чи значні середні значення залежних змінних відрізняються між групами, враховуючи взаємозв’язки між змінними.
Використовуються багатофакторний дисперсійний аналіз (MANOVA) і багатофакторний коваріаційний аналіз (MANCOVA). щоб перевірити статистичну значущість впливу однієї або більше незалежних змінних на набір з двох або більше залежних змінних, [після контролю коваріатів – MANCOVA].
Кореляційна структура між залежними змінними надає моделі додаткову інформацію, що надає MANOVA такі розширені можливості: Більша статистична потужність: Коли залежні змінні корельовані, MANOVA може визначити ефекти, менші за ті, які може виявити звичайний ANOVA.
Рівень і вимірювання змінних: MANOVA припускає, що незалежні змінні є категоричними, а залежні змінні є неперервними або масштабними змінними. Відсутність мультиколінеарності: залежні змінні не можуть бути занадто корельованими одна з одною.
Багатовимірна нормальність: MANOVA припускає це залежні змінні багатоваріантно нормально розподілені в межах кожної групи чи умови. Це означає, що коли ви дивитесь на всі залежні змінні разом, їхній спільний розподіл повинен наближатися до багатовимірного нормального розподілу.
Для визначення використовується односторонній багатовимірний дисперсійний аналіз (односторонній MANOVA). чи існують відмінності між незалежними групами за більш ніж однією безперервною залежною змінною. У цьому відношенні він відрізняється від одностороннього дисперсійного аналізу, який вимірює лише одну залежну змінну.