差异研究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。这三个分析方法的异同点如下：
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。
现实中还有其它的差异对经分析方法，比如非参数检验，单样本t 检验，配对t 检验等。区别如下：
比如SPSSAU的t检验：
t 检验(独立样本t 检验),用于分析定类数据与定量数据之间的关系情况.例如研究人员想知道两组学生的智商平均值是否有显著差异.t 检验仅可对比两组数据的差异,如果为三组或更多,则使用方差分析.如果刚好仅两组,建议样本较少(低于100时)使用t 检验,反之使用方差分析。
首先判断p 值是否呈现出显著性,如果呈现出显著性,则说明两组数据具有显著性差异,具体差异可通过平均值进行对比判断
SPSSAU的操作如下：
这张图里的方差分析F检验结果不显著。看显著性检验结果有两种方法。
1、根据F值判断。
SPSS输出的表格中“F”即样本的计算结果。之后考虑显著性检验的临界值α和F统计量的自由度，在F检验表中查找F的临界值（下表是α=0.1的F临界值表，如果α设定为0.05或0.01则应查找对应的F检验表）。最后，将SPSS计算出的F值与F临界值比较，若大于临界值则可以说在α的意义下结果显著，否则不显著。
2、根据Sig.判断。
SPSS输出的Sig.结果即将计算出的F值根据自由度转换为了P-Value，可以直接根据Sig.判断是否显著，若Sig.<α则结果显著，否则不显著，这一方法更方便。
在此基础上拓展一下，z检验、t检验、Chi-Square检验（卡方检验）等判断显著或进行假设检验的方式都是类似的，或者根据对应的检验表，或者根据P-Value。如果根据检验表判断，可分为三步：
第一步，计算统计量的观测值，例如此处的F值，这一步SPSS会直接输出；
第二步，查表，根据自由度和α找到临界值；
第三步，将SPSS输出的统计量观测值与查表所得临界值进行对比，得出结果。
相较之下，根据P-Value来判断则非常简单，SPSS已经根据样本计算并输出了P-Value，只需将P-Value和α对比即可。
此外在一些情况下，SPSS也会自动以星号（*）的数量对是否显著进行标记，例如做相关系数分析时，在0.01级别相关性显著会标注出“**”，在0.05级别相关性显著标注“*”等等。