统计分析方法可以分为以下几类：

描述性统计

对数据的基本特征进行总结，包括频数分析、集中趋势分析、离散程度分析、分布以及一些基本的统计图形。常用指标有均值、中位数、众数、极差、方差、标准差、偏度和峰值等。

推断性统计

依据样本数据对总体参数进行估计和假设检验。包括参数估计（如点估计和区间估计）和假设检验（如t检验、F检验、卡方检验等）。

相关性分析

探究变量之间的关联程度，判断其线性或非线性关系，以及关系的强弱和方向。常用方法有皮尔逊相关系数、斯皮尔曼等级相关系数等。

回归分析

通过建立模型，研究变量之间的关系。主要包括一元线性回归、多元线性回归、逻辑回归等。

方差分析（ANOVA）

用来分析一项实验的影响因素与相应变量的关系，同时考虑多个影响因素之间的关系。包括单因素方差分析、多因素方差分析等。

时间序列分析

对具有时间顺序的数据进行分析，包括趋势分析、季节性分析、周期性分析等。

因子分析

通过降维技术，将多个相关变量归化为少数几个无关变量（因子）。包括主成分分析、因子载荷矩阵等。

聚类分析

通过对样本进行分类，发现潜在的数据结构。包括k-means聚类、层次聚类等。

判别分析

通过建立模型，对未知样本进行分类。包括决策树、支持向量机等。

关联分析

通过挖掘数据中的关联规则，发现数据之间的联系。包括Apriori算法、FP-growth算法等。

其他分析方法

包括信度分析、列联表分析、生存分析、典型相关分析、ROC分析等。

这些方法可以根据研究目的和数据类型进行选择和组合，以揭示数据背后的规律和趋势。在实际应用中，通常需要先进行描述性统计分析以了解数据的基本特征，然后根据研究问题选择合适的推断性统计方法进行进一步的分析。