相关分析：相关分析是对客观现象具有的相关关系进行的研究分析。其目的在于帮助我们对关系的密切程度和变化的规律性有一个具体的数量上的认识，作出判断，并且用于推算和预测。其主要内容包括（1）确定现象之间有无关系（2）确定现象之间关系的密切程度（3）测定两个变量之间的一般关系值（4）测定因变量估计值和实际值之间的差异。
聚类分析：聚类分析（Cluster analysis）是根据事物本身的特性研究个体分类的方法，其原则是同一类中的个体有较大的相似性，不同类的个体差别比较大。根据分类对象的不同分为样品聚类和变量聚类。
判别分析：判别分析是根据表明事物特点的变量值和它们所属的类求出判别函数，根据判别函数对未知所属类别的事物进行分类的一种分析方法，与聚类分析不同，它需要已知一系列反映事物特性的数值变量值及其变量值。
因子分析：因子分析是将多个实测变量转换为少数几个不相关的综合指标的多元统计分析方法。在各个领域的科学研究中往往需要对反映事物的多个变量进行大量的观测，收集大量数据以便进行分析寻找规律。多变量大样本无疑会给科学研究提供丰富的信息，但也在一定程度上增加了数据采集的工作量，更重要的是在大多数的情况下，许多变量之间可能存在相关性而增加的分析问题的复杂性，由于个变量之间存在一定的相关关系，因此有可能用比较少的综合指标分别综合存在于各个变量中的各类信息，而综合指标之间彼此不相关，即各指标代表的信息不重叠。这样就可以对综合指标根据专业知识和指标所反映独特含义给予命名，这种方法成为因子分析。
回归分析：研究变量之间存在但又不确定的相互关系以及密切程度的分析叫做相关分析，如果把其中的一些因素作为自变量，而另外一些随自变量变化而变化的变量作为因变量，研究他们之间的非确定因果关系，就是回归分析。
生存分析：生存分析广泛应用于生物医学，工业，社会科学，商业等领域，例如肿瘤患者经过治疗后生存的时间、电子设备的寿命、罪犯假释的时间、婚姻持续的时间、保险人的索赔等。生存分析就是处理搜集来的数据，生存数据包括生存时间以及其相关因素。
方差分析：方差分析是检验两个或多个样本均数间差异是否具有统计意义的一种方法，例如：医学界研究几种药物对某种疾病的疗效；农业研究土壤，肥料，日照时间等因素对某种农作物产量的影响；不同饲料对牲畜体重增长的效果等，都可以使用方差分析方法来解决。其基本原理是认为：不同处理组的均数间的差别基本来源于随机误差和实验条件。
相关分析：相关分析是对客观现象具有的相关关系进行的研究分析。其目的在于帮助我们对关系的密切程度和变化的规律性有一个具体的数量上的认识，作出判断，并且用于推算和预测。其主要内容包括（1）确定现象之间有无关系（2）确定现象之间关系的密切程度（3）测定两个变量之间的一般关系值（4）测定因变量估计值和实际值之间的差异。
聚类分析：聚类分析（Cluster analysis）是根据事物本身的特性研究个体分类的方法，其原则是同一类中的个体有较大的相似性，不同类的个体差别比较大。根据分类对象的不同分为样品聚类和变量聚类。
判别分析：判别分析是根据表明事物特点的变量值和它们所属的类求出判别函数，根据判别函数对未知所属类别的事物进行分类的一种分析方法，与聚类分析不同，它需要已知一系列反映事物特性的数值变量值及其变量值。
因子分析：因子分析是将多个实测变量转换为少数几个不相关的综合指标的多元统计分析方法。在各个领域的科学研究中往往需要对反映事物的多个变量进行大量的观测，收集大量数据以便进行分析寻找规律。多变量大样本无疑会给科学研究提供丰富的信息，但也在一定程度上增加了数据采集的工作量，更重要的是在大多数的情况下，许多变量之间可能存在相关性而增加的分析问题的复杂性，由于个变量之间存在一定的相关关系，因此有可能用比较少的综合指标分别综合存在于各个变量中的各类信息，而综合指标之间彼此不相关，即各指标代表的信息不重叠。这样就可以对综合指标根据专业知识和指标所反映独特含义给予命名，这种方法成为因子分析。
回归分析：研究变量之间存在但又不确定的相互关系以及密切程度的分析叫做相关分析，如果把其中的一些因素作为自变量，而另外一些随自变量变化而变化的变量作为因变量，研究他们之间的非确定因果关系，就是回归分析。
生存分析：生存分析广泛应用于生物医学，工业，社会科学，商业等领域，例如肿瘤患者经过治疗后生存的时间、电子设备的寿命、罪犯假释的时间、婚姻持续的时间、保险人的索赔等。生存分析就是处理搜集来的数据，生存数据包括生存时间以及其相关因素。
方差分析：方差分析是检验两个或多个样本均数间差异是否具有统计意义的一种方法，例如：医学界研究几种药物对某种疾病的疗效；农业研究土壤，肥料，日照时间等因素对某种农作物产量的影响；不同饲料对牲畜体重增长的效果等，都可以使用方差分析方法来解决。其基本原理是认为：不同处理组的均数间的差别基本来源于随机误差和实验条件。