其实核心的区别在于：数据类型不一样。如果是定类和定类，此时应该使用卡方分析；如果是定类和定量，此时应该使用方差或者 T 检验。

方差和 T 检验的区别在于，对于 T 检验的 X 来讲，其只能为 2 个类别比如男和女。如果 X 为 3 个类别比如本科以下，本科，本科以上；此时只能使用方差分析。

进一步细分

三种方法的具体分类汇总

1 ）方差分析

根据 X 的不同，方差分析又可以进行细分。 X 的个数为一个时，我们称之为单因素方差； X 为 2 个时则为双因素方差； X 为 3 个时则称作三因素方差，依次下去。当 X 超过 1 个时，统称为多因素方差。

单因素方差分析 , 用于分析定类数据与定量数据之间的关系情况。在使用单因素方差分析时，需要每个选项的样本量大于 30 ，比如男性和女性样本量分别是 100 和 120 ，如果出现某个选项样本量过少时应该首先进行组别合并处理，比如研究不同年龄组样本对于研究变量的差异性态度时，年龄小于 20 岁的样本量仅为 20 个，那么需要将小于 20 岁的选项与另外一组 ( 比如 20~25 岁 ) 的组别合并为一组，然后再进行单因素方差分析。

如果选项无法进行合并处理，比如研究不同专业样本对于变量的态度差异，研究样本的专业共分为市场营销、心理学、教育学和管理学四个专业，这四个专业之间为彼此独立无法进行合并组别，但是市场营销专业样本量仅为 20 并没有代表意义，因此可以考虑首先筛选出市场营销专业，即仅比较心理学，教育学和管理学这三个专业对某变量的差异性态度，当对比的组别超过三个，并且呈现出显著性差异时，可以考虑使用事后检验进一步对比具体两两组别间的差异情况。

SPSSAU 官网 - 方差分析

双因素方差分析 , 用于分析定类数据 (2 个 ) 与定量数据之间的关系情况，例如研究人员性别 , 学历对于网购满意度的差异性 ; 以及男性或者女性时 , 不同学历是否有着网购满意度差异性 ; 或者同一学历时 , 不同性别是否有着网购满意度差异性。

SPSSAU 官网 - 双因素方差分析

多因素方差分析通常用于类实验式问卷研究。比如研究者测试某新药对于胆固醇水平是否有疗效；研究者共招募 72 名被试，男女分别为 36 名，以及男女分别再细分使用新药和普通药物；同时高血压患者对于新药可能有干扰，因而研究者将被试是否患高血压也纳入考虑范畴中。因而最终， X 共分为三个，分别是药物 ( 旧药和新药 ) 、性别，是否患高血压； Y 为胆固醇水平。因而需要进行三因素方差分析即多因素方差分析。

SPSSAU 官网 - 多因素方差分析

在方法选择上，问卷研究通常会使用方差分析，但某些专业，比如心理学、教育学或者师范类专业等涉及到实验研究时，更多会使用 T 检验进行分析，另外方差分析与 T 检验还有较多差异，在某些分析中只能使用其中一种。

2 ） T 检验

T 检验共分为三种方法，分别是独立样本 T 检验，配对样本 T 检验和单样本 T 检验。

独立样本 T 检验和单因素方差分析功能上基本一致，但是独立样本 T 检验只能比较两组选项的差异，比如男性和女性。相对来讲，独立样本 T 检验在实验比较时使用频率更高，尤其是生物、医学相关领域。针对问卷研究，如果比较的类别为两组，独立样本 T 检验和单因素方差分析均可实现，研究者自行选择使用即可。

SPSSAU 官网 -t 检验分析

独立样本 T 检验和配对样本 T 检验功能上都是比较差异，而且均是比较两个组别差异。但二者有着实质性区别，如果是比较不同性别，婚姻状况 ( 已婚和未婚 ) 样本对某变量的差异时，应该使用独立样本 T 检验。如果比较组别之间有配对关系时，只能使用配对样本 T 检验，配对关系是指类似实验组和对照组的这类关系。另外独立样本 T 检验两组样本个数可以不相等，而配对样本 T 检验的两组样本量需要完全相等。

SPSSAU 官网 - 配对 t 检验分析

T 检验的第三种分析方法为单样本 T 检验。比如问卷某题项选项表示为 1 分代表非常不满意， 2 分代表比较不满意， 3 分代表一般， 4 分代表比较满意， 5 分代表非常满意，当想分析样本对此题项的态度是否有明显的倾向，比如明显高于 3 分或者明显低于 3 分时，即可以使用单样本 T 检验。单样本 T 检验是比较某个题项的平均得分是否与某数字 ( 例子是与 3 进行对比 ) 有着明显的差异，如果呈现出显著性差异，即说明明显该题项平均打分明显不等于 3 分。此分析方法在问卷研究中较少使用，平均得分是否明显不为 3 分可以很直观的看出，而不需要单独进行检验分析。

SPSSAU 官网 - 单样本 t 检验分析

3 ）卡方分析

卡方检验用于分析定类数据与定类数据之间的关系情况。例如研究人员想知道两组学生对于手机品牌的偏好差异情况，则应该使用卡方分析。卡方是通过分析不同类别数据的相对选择频数和占比情况，进而进行差异判断，单选题或多选题均可以使用卡方分析进行对比差异分析。

（转载自）作者： SPSSAU 官方账号 https://www.bilibili.com/read/cv13951799?from=search&spm_id_from=333.337.0.0 出处： bilibili

差异研究的目的在于比较两组数据或多组数据之间的差异，通常包括以下几类分析方法，分别是方差分析、T检验和卡方检验。三个方法的区别其实核心的区别在于：数据类型不一样。如果是定类和定类，此时应该使用卡方分析；如果是定类和定量，此时应该使用方差或者T检验。方差和T检验的区别在于，对于T检验的X来讲，其只能为2个类别比如男和女。如果X为3个类别比如本科以下，本科，本科以上；此时只能使用方差分析。进一步细分三种方法的具体分类汇总1）方差分析根据X的不同，方差分析又可以进行细分 卡方 分析 是用来研究两个定类变量间是否独立即是否存在某种关联性的最常用的方法。简单地说， 卡方 分析 的方法是这样的：假设两个变量是相互独立，互不关联 的。这在统计上称为原假设；对于调查中得到的两个变量的数据，用一个表格的形式来表示它们的分布（频数和百分数），这里的频数叫观测频数，这种表格叫列联 表见例1；如果原假设成立，在这个前提下，可以计算出上面列联表中每个格子里的频数应该是多少，这叫期望 1. 卡方 检验概念 1） 卡方 检验是一种用途很广的计数资料的假设检验方法，由卡尔·皮尔逊提出。 （1）它属于非参数检验的范畴，主要是比较两个及两个以上样本率( 构成比)以及两个分类变量的关联性 分析 。 （2）其根本思想就是在于比较理论频数和实际频数的吻合程度或拟合优度问题。 （3） 卡方 值描述两个事件的独立性或者描述实际观察值与期望值的偏离程度。 卡方 值越大，表名实际观察值与期望值偏离越大，也说明两个事件的相互独立性越弱。 2）在分类资料统计推断中的... 1. 什么是 卡方 检验 卡方 检验是一种以χ2\chi^2χ2分布为基础的用途广泛的假设检验方法。是一种非参数检验方法。它的无效假设H0H_0H0​为：观察频数与期望频数没有显著性差异。 2. 独立性检验 以下面的表格为例，我们来探究喝牛奶对感冒发病率有没有影响： 卡方 检验是一种用途很广的假设检验方法，属于非参数检验的范畴。 主要是比较两个或两个以上样本率以及两个分类变量的关联性 分析 。 根本思想是在于比较理论频次与实际频次的吻合程度或拟合优度问题。 (以上简介来自网络相关文档) 2.什么是 卡方 分布 卡方 分布（chi-square distribution，χ2\chi ^2χ2-distribution）是概率统计中常用的一个分布。k个独立的标准正态分布变量的平方和服从自由度为k的 卡方 分布，即 X=∑i=1kZi2X = \sum_{i=1}^k 卡方 检验1 https://www.jianshu.com/p/807b2c2bfd9b 卡方 检验2 https://www.cnblogs.com/wzdLY/p/9649101.html 卡方 分布上侧分位数表 https://wenku.baidu.com/view/bd0b0816c281e53a5802ff63.html 0 什么是 卡方 检验 卡方 检验主要用于分类变量之间的独立...