聚類分析是指將物理或抽象對象的集合分組到由相似對象組成的多個類中的分析過程。聚類是將數據分類到不同的類或簇中的過程，因此同壹簇中的對象非常相似，而不同簇中的對象則非常不同。聚類分析是壹種探索性分析。在分類的過程中，人們不必事先給出壹個分類標準，聚類分析可以從樣本數據中自動分類。聚類分析中使用的方法不同，往往會得出不同的結論。不同的研究者對同壹組數據做聚類分析，得到的聚類數不壹定壹致。
2.要素分析
因子分析是指從變量組中提取性別因素的統計技術。因子分析是從大量數據中尋找內在聯系，降低決策難度。因子分析的方法有10多種，如重心法、圖像分析法、最大似然解法、最小二乘法、alpha提取法、Rao典型提取法等等。這些方法大多是基於相關系數矩陣的近似方法。不同的是相關系數矩陣的對角線值是用不同的* * *同性□2來估計的。在社會學研究中，因子分析經常使用基於主成分分析的叠代方法。
3.相關分析
相關性分析，相關性分析是研究現象之間是否存在壹定的依賴關系，探討具有依賴關系的具體現象的相關方向和程度。相關性是壹種不確定的關系。例如，如果用X和Y分別記錄壹個人的身高和體重，或者分別記錄每公頃的施肥量和每公頃小麥的產量，那麽X和Y顯然是相關的，但並不完全達到其中壹個可以準確確定另壹個的程度。這就是相關性。
4.對應分析
對應分析又稱相關分析和R-Q因子分析，通過分析由定性變量組成的交互匯總表，揭示變量之間的關系。它可以揭示同壹變量的類別之間的差異以及不同變量的類別之間的對應關系。對應分析的基本思想是將鏈表的行和列中各元素的比例結構以點的形式在低維空間中表示出來。
5.回歸分析
研究壹個隨機變量Y對另壹個(x)或壹個群體(X1，X2，？，Xk)變量相關性的統計分析方法。回歸分析是確定兩個或多個變量之間數量關系的統計分析方法。它被廣泛使用。回歸分析根據所涉及的自變量數量可分為單變量回歸分析和多變量回歸分析。根據自變量和因變量之間的關系類型，可分為線性回歸分析和非線性回歸分析。