Önceki bölümde, gruplar arasındaki karşılaştırmaları yapma ve farklılıkları inceleme konusunda ana parametrik ve parametrik olmayan istatistiksel analiz tekniklerini ele aldık. Şimdiyse, iki veya daha fazla değişken arasındaki ilişkinin varlığına, bu ilişkinin ne derecede olduğuna ve ilişkinin formülasyonuna veya modellemesine odaklanacağız.

İlişkileri inceleme sürecinde, hangi tekniğin en uygun olacağı, analizin amacına ve analiz edilecek verinin niteliğine bağlıdır. Örneğin, eğer sadece iki değişken arasında bir ilişki olup olmadığını belirlemek istiyorsak, en basit teknik korelasyon analizidir. Ancak, bu durum verinin en azından aralık veya oran ölçeğinde olması durumunda geçerlidir. Eğer veri nominal veya sıralı ise, en uygun analiz ki-kare analizi (nominal veri için) veya Spearman sıralama korelasyonu (sıralı veri için) olacaktır.

İlişkileri incelemek için bir dizi analiz tekniği mevcuttur. Bilgisayarların yaygınlaşmasıyla birlikte, daha karmaşık hesaplamalar gerektiren ileri düzey analiz teknikleri de kullanıma girmiştir. Bu ileri analiz tekniklerine örnek olarak çok değişkenli regresyon analizi, diskriminant analizi, kümeleme analizi, kanonik korelasyon, lojistik regresyon, probit ve logit analizleri, yapısal denklem modellemesi (SEM) ve bulanık mantık dahil olabilir.

İlişkileri incelemek için, çalışmanın amacına bağlı olarak, iki değişkenli analiz teknikleri veya çok değişkenli analiz teknikleri kullanılabilir. Ancak, çok değişkenli analiz tekniklerinin kullanılabilmesi için verinin belirli koşulları karşılaması gereklidir.

Çok değişkenli analizlerin uygulanması, çeşitli önemli noktaları dikkate almayı gerektirir. İlk olarak, araştırmanın hedefine en basit yöntemle ulaşmayı seçmek en iyisi olacaktır. Çünkü ileri düzey analiz tekniklerinin güvenilir sonuçlar vermesi için belirli koşulların karşılanması gereklidir. Yani, çok değişkenli analiz tekniklerinin uygulanmasında belirli kısıtlamalar vardır. Örneğin, diskriminant analizi, denekleri çeşitli değişkenlere dayanarak gruplara ayırma konusunda oldukça gelişmiş bir tekniktir. Ancak, uygulanabilmesi için bazı zorlu koşulların yerine getirilmesi gerekmektedir ve bu koşulların ihlali hatalı sonuçlara yol açabilir. Bu yüzden, belirli kısıtlamaların ihlal edilip edilmediğinden emin olunmalıdır.

İkinci olarak, çok değişkenli bir analiz tekniği gerekiyorsa, çok sayıda değişkeni kapsayan karmaşık bir model yerine daha az değişken içeren bir modelin benimsenmesi daha uygundur. Örneğin, bir regresyon analizinde, bağımlı değişkeni açıklamak için 10 değişkenli ve %90 açıklama gücüne sahip bir model yerine, 5 değişkenli ve %80 açıklama gücüne sahip bir model tercih edilmelidir.

Üçüncü nokta ise, seçilen tekniğin çalışmanın amacına uygun olması ve mevcut verilerin bu tekniği kullanmaya uygun olmasıdır. Bu duruma örnek olarak, yukarıda bahsedilen diskriminant analizi verilebilir. Eğer mevcut veriler diskriminant analizine uygun değilse, aynı amaca hizmet eden ve daha az kısıtlamaları olan lojistik regresyon tekniği kullanılmalıdır.