Statistické testy se používají k určení, zda předpokládaný vztah mezi proměnnými má statistickou významnost. Test obvykle měří míru, do jaké proměnné buď korelují, nebo se liší. Parametrické testy jsou ty, které se spoléhají na centrální tendence proměnných a předpokládají normální rozdělení. Neparametrické testy nevytvářejí předpoklady o distribuci populace.
T-test je parametrický test, který porovnává průměr zúčastněných vzorků a populací. Existuje několik druhů t-testů. T-test s jedním vzorkem porovnává průměr vzorku s předpokládaným průměrem. Nezávislý t-test vzorků zkoumá, zda mají prostředky dvou různých vzorků podobné hodnoty. Spárovaný t-test vzorku se používá, když existují dvě pozorování k porovnání pro každý subjekt ve vzorku. T-test je určen pro číselná data, která mají normální rozdělení.
Pořadová data jsou odvozená data, která popisují relativní hodnoty každé jednotky ve vzorku. Například pořadová data výšek 10 studentů ve třídě by byla jednoduše čísla 1 až 10, kde 1 může představovat nejkratší student a 10 může představovat nejvyšší student. Žádní studenti by neměli stejnou hodnotu, pokud by neměli přesně stejnou výšku. Míry centrální tendence nemají s řadovými daty smysl.
T-testy nejsou vhodné pro použití s řadovými daty. Protože pořadová data nemají centrální tendenci, nemají také normální rozdělení. Hodnoty pořadových dat jsou rovnoměrně rozloženy, nejsou seskupeny kolem středu. Z tohoto důvodu by t-test ordinálních dat neměl žádný statistický význam.
Existují tři testy statistické významnosti, které je vhodné použít s řadovými daty. Spearmanovu korelaci v pořadí je vhodné použít, pokud jsou zahrnuty pouze dvě proměnné a jejich vztah je monotónní, i když ne nutně lineární. V monotónních vztazích, jak se zvyšuje první proměnná, nedochází ke změně směru druhé proměnné. Test Kruskal-Wallis je určen pro případy, kdy existují více než dva vzorky a data nejsou normálně distribuována. Je to podobné jako jednosměrná analýza rozptylu. Friedmanovu analýzu rozptylu podle řad lze použít, pokud existují tři nebo více pozorování jedné proměnné v jedné skupině.