统计方法是在收集、整理、分析和解释数据过程中所采用的各种技术和手段，旨在更好地理解数据所包含的信息，从而为决策提供依据。以下是一些常见的统计方法：
大量观察法：
在统计活动过程中搜集数据资料阶段，即统计调查阶段的基本方法，通过观察和研究总体中的足够多数个体，以期认识具有规律性的总体数量特征。
统计分组法：
由于所研究现象本身的复杂性、差异性及多层次性，需要对所研究现象进行分组或分类研究，以期在同质的基础上探求不同组或类之间的差异性。
综合指标法：
通过统计综合指标来反映研究现象的数量方面的特征。
统计模型法：
在以统计指标来反映所研究现象的数量特征的同时，还经常需要对相关现象之间的数量变动关系进行定量研究，以了解某一（些）现象数量变动与另一（些）现象数量变动之间的关系及变动的影响程度。
统计推断法：
在统计认识活动中，所观察的往往只是所研究现象总体中的一部分单位，掌握的只是具有随机性的样本观察数据，而认识总体数量特征是统计研究的目的。这就需要根据概率论和样本分布理论，运用参数估计或假设检验的方法，由样本观测数据来推断总体数量特征。
抽样调查法：
通过从总体中抽取一部分样本进行观察和分析的方法，用于估计总体的特征，如平均值、比例等，常用的抽样方法有简单随机抽样、分层抽样和系统抽样等。
计数法：
通过对数据进行计数来描述数据分布情况的方法，主要用于计算数据的频数、频率和百分比等信息。
制表法：
通过制作表格来展示数据的分布情况和相互关系的方法，用于比较不同类别之间的数据，也可以用于表示时间序列数据。
图表法：
通过绘制图表（如柱状图、折线图、饼图等）来直观地展示数据分布和趋势的方法。
回归分析法：
用于研究两个或多个变量之间相互关系的统计方法，帮助预测一个变量的值，以及了解自变量和因变量之间的关系。
方差分析法：
用于比较多个样本均值之间差异显著性的统计方法，帮助确定一个或多个因素对结果的影响程度，以及检验各个因素是否存在显著性差异。
假设检验法：
用于评估假设成立概率的统计方法，帮助判断一个样本的统计量是否显著偏离了已知的正常范围，从而支持或拒绝某个原假设。
定性统计：
主要研究非数值数据的性质和关系，如分类、排序、描述等，常见的定性统计方法有频数分布表、条形图、饼图、树状图等。
定量统计：
主要研究数值数据的性质和关系，如均值、中位数、众数、方差、标准差等，常见的定量统计方法有平均数计算、样本标准差估计、相关系数分析、回归分析等。
时间序列分析：
研究时间序列数据的规律和预测，常见的时间序列分析方法有移动平均法、指数平滑法、自回归模型（AR）、移动平均自回归模型（MAAR）、自回归移动平均模型（ARMA）等。
多元统计分析：
在一个变量的基础上，引入多个其他变量进行分析，常见的多元统计方法有主成分分析（PCA）、因子分析（FA）、聚类分析（CA）、判别分析（DA）等。
贝叶斯统计：
基于概率论的统计方法，用于处理不确定性和模糊性问题，常见的贝叶斯方法有贝叶斯定理、全概率公式、贝叶斯抽样等。
非参数统计：
不依赖于总体分布假设的统计方法，适用于样本量较小或数据分布不均匀的情况，常见的非参数方法有核密度估计、盒式图、Kolmogorov-Smirnov检验等。
描述性统计分析：
基础的数据分析方法，对数据的集中趋势、离散程度以及数据的分布形态进行描述和概括，常用的统计指标包括均值、中位数、众数、标准差、偏度、峰度等。
推断性统计分析：
通过样本数据来推断总体数据的特征，主要包括参数估计和假设检验两个方面。
回归分析：
研究变量之间关系的统计方法，主要用于分析因变量与自变量之间的线性或非线性关系[10