把握度分析
把握度分析可在设计试验阶段进行， 来阐明各试验设计参数之间的互变关系，尤其是在不同的显著性水平下，研究者进行样本量与把握度关系间的分析，对设计试验时选择合适的样本量大小具有极为重要的作用。
多因素方差分析（Multi-way ANOVA）
T检验是对一个变量的1或2个均值进行检验；方差分析又称F检验，单因素方差分析是对1个变量的≥3个均值检验；多因素方差分析是对2个或2个以上变量的多个均值进行检验。
多元线性回归（Mutiple Regression）
如果研究的问题受多个因素影响，需要建立多元回归方程，进行多元回归分析。例如，加拿大儿童在家和急诊室的体温差异（dif）可由其心律（hr）和（或）呼吸率（rr）预测吗（n=876）？简单回归后发现，二者的预测性均有显著意义（Phr<0.001，Prr=0.002），但多元回归的结果为Phr<0.001，而Prr=0.698，原因是，虽然hr和rr之间显著相关，但是多元回归校正了二者预测能力的相关性，否则二者预测能力间的重叠部分将会被计入两次。
判别分析（Discriminant Analysis）
判别分析的目的，是研究这对已知分类的数据建立由数值指标构成的分类规则，然后把这样的规则应用到未分类样本中进行分类。例如，如果研究者确信体质指数（BMI）和年龄可将有无腹部手术并发症患者区分开，那么将患者（484例）的BMI、年龄和有无腹部手术并发症的情况一一记录，并以BMI和年龄为变量作图，在图上发现一条直线，可在最小差错率范围内将有无并发症患者分开。这样在可控差错率范围内，我们可以籍此将新患者分类为有、无并发症的患者。
荟萃分析（Meta-Analysis）
通常会有数个小型研究来阐述同一问题，但其中任何一项研究的样本量都不够大，难以给出终局结论。荟萃分析是将多项研究的结果合并为一项大样本研究，并对结果进行分析的统计学方法。研究者须检索到所有相关文章（包括未发表文章），为了将文献数据合并，找到所有原始数据，并制定研究的纳入和排除标准。
