| Faktör Analizi | Soruların kategorilere uygunluğunu doğrulamak veya keşfetmek | Sayısal / Ölçek | Çok sayıda soru ve faktör | Rotated Component Matrix incelenmelidir |
| Ki-Kare Uygunluk Testi | Tek değişkenli kategorik frekansların beklenenle uyumunu test etmek | Kategorik / Nominal | Tek değişken, farklı kategoriler | p < 0,05 ise oranlar anlamlı farklıdır |
| Ki-Kare Bağımsızlık Testi | İki kategorik değişken arasındaki ilişkiyi incelemek | Nominal veya Ordinal | İki kategorik değişken | Örn: Eğitim düzeyi ile gazete tercihi |
| Mann-Whitney U Testi | Bağımsız iki grubun medyanlarını karşılaştırmak | Parametrik olmayan veriler | İki bağımsız grup | Bağımsız Örneklem T-Testinin non-parametrik karşılığıdır |
| Wilcoxon Testi | Öncesi-sonrası veya ilişkili iki ölçümü karşılaştırmak | Parametrik olmayan veriler | İlişkili iki örneklem / ölçüm | Deney öncesi ve sonrası görüşleri karşılaştırır |
| Kruskal-Wallis H Testi | İkiden fazla bağımsız grubun ölçümlerini karşılaştırmak | Parametrik olmayan veriler | İkiden fazla bağımsız grup | Tek Yönlü ANOVA'nın non-parametrik karşılığıdır |
| Friedman Testi | İkiden fazla ilişkili örneklemin tekrarlı ölçümlerini karşılaştırmak | Parametrik olmayan veriler | İkiden fazla ilişkili ölçüm | Farklı eğitim yöntemlerine dair görüşleri inceler |
| Tek Yönlü ANOVA | İkiden fazla bağımsız grubun ortalamalarını karşılaştırmak | Normal dağılımlı sayısal veriler | İkiden fazla bağımsız grup | Hangi gruplar arası fark olduğunu bulmak için Tukey testi yapılır |
| İki Yönlü ANOVA | Birden fazla bağımsız değişkenin ortak etkisini ölçmek | Normal dağılımlı sayısal veriler | Birden fazla bağımsız değişken | Örn: Cinsiyet ve yaşın performans üzerindeki ortak etkisi |
