如果数据是分类变量和连续变量，那么进行分析时，分析方法大体可以分为三类，参数检验、非参数检验以及可视化图形，其中参数检验又包括t检验、方差分析，非参数检验包括MannWhitney统计量、Kruskal-Wallis统计量。以及还可以使用可视化图形进行查看。
如果数据是连续数据和连续变量，那么进行分析时，分析方法大体可以分为四类，相关分析、参数检验、非参数检验以及可视化图形，其中相关分析一般包括皮尔逊（pearson）相关系数以及斯皮尔曼（spearman）相关系数。如果连续变量和连续变量的样本量是相同的，可以考虑使用参数检验中的配对t检验，非参数检验包括配对wilcoxon，可视化图形可以考虑使用散点图。如果数据是分类变量和分类变量，那么进行分析时，分析方法大体可以分为三类，卡方检验、可视化图形，其中卡方检验又包括pearson卡方、fisher卡方、yates校正卡方、cochran-armitage检验、线性趋势卡方，以及还可以使用可视化图形（堆积柱形图、条形图）进行查看。
不同类型的卡方检验pk：
可以使用SPSSAU进行分析：
比如想要分析如下数据：
第一组：44、55、67、45、46、56、69、34、59、78、99；
第二组：49、59、62、56、68、45、77、89、99、102、45；
分析不同组别之间的相关性（差异性）。
分析：由于是分析不同组别之间的相关性（差异性），由于组别是二分类变量，所以考虑使用t检验或者非参数检验，由于数据基本服从正态分布，所以采用t检验和可视化图形进行结合分析。
直方图（正态检验）的结果如下：
从结果中看到直方图呈现类似“倒扣的钟形”，所以认为数据基本服从正态分布。
01、分析流程
T检验的分析流程，大体可以分为四步：
整理成正确的数据格式；
验证t检验的前提条件；（前提条件：正态分布、）
进行操作；
T检验的结果分析；
Step1：
整理数据格式，组别为一列，数据为一列，所以整理的结果如下：
Step2：
T检验的前提条件：
样本独立
正态分布
方差齐性
Step3：t检验操作
上传数据后，点击通用方法的t检验，然后将分析项拖拽到对应分析框内，点击开始分析。
Step4：T检验的结果分析；
从t检验分析结果可以看出，第一组的均值为59.27、第二组的均值为68.27，从均值中可以看出来第二组数据平均水平上大于第一组数据，然后t统计量为-1.077，p值为0.294大于显著性水平，说明模型不显著，也即说明第一组数据与第二组数据之间没有差异性。与此同时我们还可以使用柱形图或者条形图进行可视化分析：
从可视化图形中可以看出第二组数据均值大于第一组数据，但是柱形图中只能看处出，两组数据的简单对比，对于模型的分析或者显著性的判断，还是需要进行假设检验。
首先，分别把这两组数据分别设为x和y，打开SPSS，点击左下角的Variable View选项卡，在Name列那里的第一行输y，第二行输x，返回Data View选项卡，输入对应的数据。
然后，进行数据分析，分别把y和x选进各自的对话框，然后按ok，在输出窗口中看到Coefficients这个表，然后看最右边的那个Sig列，看x对应的Sig值，若这个sig值比你之前所设定的a值大，则认为这两组数不存在显著性差异，若这个sig值比你之前所设定的a值小，则认为这两组数存在显著性差异。
举个例子，如果你预先设定的a=0.05，求得的sig=0.000，则0.000<0.05，故应拒绝原假设（原假设一般为设它们之间无差异），认为这两组数有显著性差异。