Відтворюваність та доброчесність досліджень є важливими принципами наукових, зокрема медико-біологічних та екологічних, досліджень, з позицій реалізації цілей сталого розвитку та принципів відкритої науки. Мета роботи. Метою роботи є довести, що застосування багатовимірного дисперсійного аналізу у медико-біологічних та екологічних дослідженнях є інструментом забезпечення доброчесності наукової діяльності. Методологія. У роботі використані результати досліджень авторів з метою ілюстрування переваг підходу MANOVA для циклічних даних у медико-біологічних та екологічних дослідженнях з позицій доброчесності. Застосований аналіз сучасних опублікованих робіт з проблеми використання статистичної обробки результатів наукових досліджень, а також використано загальнонаукові методи: абстрактно-логічний, індукції-дедукції та порівняння. Наукова новизна. Розглянуто доречність застосування того чи іншого аналізу для вирішення ситуацій у медико-біологічних та екологічних дослідженнях, що включають статистичне порівняння більше двох груп, і часто з використанням даних, отриманих шляхом застосування складних експериментальних планів. На конкретних прикладах показане, як MANOVA покращує зменшує кількість хибнопозитивних результатів, підвищує статистичну ефективність, дозволяє виявити взаємодії між незалежними та залежними змінними, забезпечуючи повне уявлення про досліджувану систему, повноцінну інтерпретацію результатів та формулювання обґрунтованих висновків. Окреслено проблеми академічної доброчесності, пов’язані з використанням MANOVA: правильність процедури post hoc – описовим дискримінантним аналізом (DDA) та недостатність повідомлень про статистичне програмне забезпечення, яке використовується для аналізу кількісних даних. Висновки. Багатовимірний дисперсійний аналіз підвищує доброчесність медико-біологічних та екологічних досліджень одночасно тестуючи кілька залежних змінних, що дозволяє контролювати рівень хибнопозитивних помилок в експерименті. Він є статистично ефективнішим, ніж виконання кількох окремих аналізів. MANOVA також дозволяє виявляти взаємодії між факторами, залежними та незалежними змінними, краще фіксуючи складність організації біологічних та екологічних систем. Це призводить до більш повних та надійних результатів, особливо при роботі з кількома пов'язаними медико-біологічними або екологічними вимірюваннями.