差異研究的目的在於比較兩組數據或多組數據之間的差異，通常包括以下幾類分析方法，分別是方差分析、T檢驗和卡方檢驗。
三個方法的區別
- 其實核心的區別在於：數據類型不一樣。如果是定類和定類，此時應該使用卡方分析；如果是定類和定量，此時應該使用方差或者T檢驗。
- 方差和T檢驗的區別在於，對於T檢驗的X來講，其只能爲2個類別比如男和女。如果X爲3個類別比如本科以下，本科，本科以上；此時只能使用方差分析。
進一步細分
1）方差分析
根據X的不同，方差分析又可以進行細分。X的個數爲一個時，我們稱之爲單因素方差；X爲2個時則爲雙因素方差；X爲3個時則稱作三因素方差，依次下去。當X超過1個時，統稱爲多因素方差。
單因素方差分析，用於分析定類數據與定量數據之間的關係情況。在使用單因素方差分析時，需要每個選項的樣本量大於30，比如男性和女性樣本量分別是100和120，如果出現某個選項樣本量過少時應該首先進行組別合併處理，比如研究不同年齡組樣本對於研究變量的差異性態度時，年齡小於20歲的樣本量僅爲20個，那麼需要將小於20歲的選項與另外一組(比如20~25歲)的組別合併爲一組，然後再進行單因素方差分析。
如果選項無法進行合併處理，比如研究不同專業樣本對於變量的態度差異，研究樣本的專業共分爲市場營銷、心理學、教育學和管理學四個專業，這四個專業之間爲彼此獨立無法進行合併組別，但是市場營銷專業樣本量僅爲20並沒有代表意義，因此可以考慮首先篩選出市場營銷專業，即僅比較心理學，教育學和管理學這三個專業對某變量的差異性態度，當對比的組別超過三個，並且呈現出顯著性差異時，可以考慮使用事後檢驗進一步對比具體兩兩組別間的差異情況。
SPSSAU分析界面-單因素方差分析
雙因素方差分析，用於分析定類數據(2個)與定量數據之間的關係情況，例如研究人員性別,學歷對於網購滿意度的差異性;以及男性或者女性時,不同學歷是否有着網購滿意度差異性;或者同一學歷時,不同性別是否有着網購滿意度差異性。
SPSSAU分析界面-雙因素方差分析
多因素方差分析，通常用於類實驗式問卷研究。比如研究者測試某新藥對於膽固醇水平是否有療效；研究者共招募72名被試，男女分別爲36名，以及男女分別再細分使用新藥和普通藥物；同時高血壓患者對於新藥可能有干擾，因而研究者將被試是否患高血壓也納入考慮範疇中。因而最終，X共分爲三個，分別是藥物(舊藥和新藥)、性別，是否患高血壓；Y爲膽固醇水平。因而需要進行三因素方差分析即多因素方差分析。
SPSSAU分析界面-多因素方差分析
在方法選擇上，問卷研究通常會使用方差分析，但某些專業，比如心理學、教育學或者師範類專業等涉及到實驗研究時，更多會使用T檢驗進行分析，另外方差分析與T檢驗還有較多差異，在某些分析中只能使用其中一種。
2）T檢驗
T檢驗共分爲三種方法，分別是獨立樣本T檢驗，配對樣本T檢驗和單樣本T檢驗。
獨立樣本T檢驗和單因素方差分析功能上基本一致，但是獨立樣本T檢驗只能比較兩組選項的差異，比如男性和女性。相對來講，獨立樣本T檢驗在實驗比較時使用頻率更高，尤其是生物、醫學相關領域。針對問卷研究，如果比較的類別爲兩組，獨立樣本T檢驗和單因素方差分析均可實現，研究者自行選擇使用即可。
SPSSAU分析界面-t檢驗
獨立樣本T檢驗和配對樣本T檢驗功能上都是比較差異，而且均是比較兩個組別差異。但二者有着實質性區別，如果是比較不同性別，婚姻狀況(已婚和未婚)樣本對某變量的差異時，應該使用獨立樣本T檢驗。如果比較組別之間有配對關係時，只能使用配對樣本T檢驗，配對關係是指類似實驗組和對照組的這類關係。另外獨立樣本T檢驗兩組樣本個數可以不相等，而配對樣本T檢驗的兩組樣本量需要完全相等。
SPSSAU分析界面-配對t檢驗
T檢驗的第三種分析方法爲單樣本T檢驗。比如問卷某題項選項表示爲1分代表非常不滿意，2分代表比較不滿意，3分代表一般，4分代表比較滿意，5分代表非常滿意，當想分析樣本對此題項的態度是否有明顯的傾向，比如明顯高於3分或者明顯低於3分時，即可以使用單樣本T檢驗。單樣本T檢驗是比較某個題項的平均得分是否與某數字(例子是與3進行對比)有着明顯的差異，如果呈現出顯著性差異，即說明明顯該題項平均打分明顯不等於3分。此分析方法在問卷研究中較少使用，平均得分是否明顯不爲3分可以很直觀的看出，而不需要單獨進行檢驗分析。
3）卡方分析
卡方檢驗用於分析定類數據與定類數據之間的關係情況。例如研究人員想知道兩組學生對於手機品牌的偏好差異情況，則應該使用卡方分析。卡方是通過分析不同類別數據的相對選擇頻數和佔比情況，進而進行差異判斷，單選題或多選題均可以使用卡方分析進行對比差異分析。
相關資料
本文章中涉及的所有分析方法介紹可在SPSSAU中進行學習和使用，包括案例數據下載、具體案例說明和理論。