统计分析法主要包括以下几种：

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。例如，通过抽样推断总体消费者的行为模式和偏好，进行参数估计（如均值、比例、方差）和假设检验（如Z检验、T检验、卡方检验）。

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。这在医学、经济学等众多领域都有应用。

回归分析

研究因变量和自变量之间的关系，用于预测分析、时间序列模型以及发现变量之间的因果关系。包括线性回归、多项式回归、逻辑回归、逐步回归等。

方差分析

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。

实验设计

研究者按照一定的目的和假设，通过控制其他因素的影响，观察某一变量对结果的影响。

聚类分析

通过对样本进行分类，发现潜在的数据结构。主要方法有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。主要方法有决策树、支持向量机等。

主成分分析

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）。

因子分析

类似于主成分分析，通过因子载荷矩阵等降维技术，研究变量之间的潜在结构。

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。

生存分析

研究在一段时间内发生某一事件的概率，常用于医学研究。

典型相关分析

研究两组变量之间的相关关系，找出两组变量之间的线性组合。

ROC分析

评估分类器的性能，通过绘制ROC曲线来分析不同阈值下的真阳性率和假阳性率。

这些方法在不同的应用场景中有着广泛的应用，能够帮助我们更好地理解和解释数据，从而做出更准确的判断和决策。