डेटा नमूनों के बीच संबंधों की जांच करने के लिए द्विचर और बहुभिन्नरूपी विश्लेषण सांख्यिकीय तरीके हैं। द्विचर विश्लेषण दो युग्मित डेटा सेटों को देखता है, यह अध्ययन करता है कि उनके बीच कोई संबंध मौजूद है या नहीं। बहुभिन्नरूपी विश्लेषण दो या दो से अधिक चरों का उपयोग करता है और विश्लेषण करता है जो, यदि कोई हो, एक विशिष्ट परिणाम के साथ सहसंबद्ध हैं। बाद के मामले में लक्ष्य यह निर्धारित करना है कि कौन से चर परिणाम को प्रभावित करते हैं या परिणाम का कारण बनते हैं।
द्विचर विश्लेषण दो डेटा सेटों के बीच संबंध की जांच करता है, जिसमें एक नमूने या व्यक्ति से ली गई टिप्पणियों की एक जोड़ी होती है। हालांकि, प्रत्येक नमूना स्वतंत्र है। आप टी-टेस्ट और ची-स्क्वेर्ड टेस्ट जैसे टूल का उपयोग करके डेटा का विश्लेषण करते हैं, यह देखने के लिए कि डेटा के दो समूह एक दूसरे के साथ सहसंबंधित हैं या नहीं। यदि चर मात्रात्मक हैं, तो आप आमतौर पर उन्हें स्कैटरप्लॉट पर ग्राफ़ करते हैं। द्विचर विश्लेषण भी किसी भी सहसंबंध की ताकत की जांच करता है।
द्विचर विश्लेषण का एक उदाहरण एक शोध दल है जो एक ही विवाह में पति और पत्नी दोनों की आयु को रिकॉर्ड करता है। यह डेटा जोड़ा जाता है क्योंकि दोनों उम्र एक ही शादी से आती हैं, लेकिन स्वतंत्र हैं क्योंकि एक व्यक्ति की उम्र दूसरे व्यक्ति की उम्र का कारण नहीं बनती है। आप एक सहसंबंध दिखाने के लिए डेटा की साजिश रचते हैं: बड़े पतियों की पत्नियाँ बड़ी होती हैं। एक दूसरा उदाहरण व्यक्तियों की पकड़ शक्ति और हाथ की ताकत का मापन रिकॉर्ड कर रहा है। डेटा जोड़ा जाता है क्योंकि दोनों माप एक ही व्यक्ति से आते हैं, लेकिन स्वतंत्र होते हैं क्योंकि विभिन्न मांसपेशियों का उपयोग किया जाता है। आप सहसंबंध दिखाने के लिए कई व्यक्तियों के डेटा की साजिश रचते हैं: उच्च पकड़ शक्ति वाले लोगों में हाथ की ताकत अधिक होती है।
बहुभिन्नरूपी विश्लेषण यह देखने के लिए कई चरों की जांच करता है कि क्या उनमें से एक या अधिक एक निश्चित परिणाम की भविष्यवाणी कर रहे हैं। भविष्य कहनेवाला चर स्वतंत्र चर हैं और परिणाम आश्रित चर है। चर निरंतर हो सकते हैं, जिसका अर्थ है कि उनके पास कई प्रकार के मान हो सकते हैं, या वे द्विभाजित हो सकते हैं, जिसका अर्थ है कि वे हां या ना के प्रश्न के उत्तर का प्रतिनिधित्व करते हैं। डेटा सेट के बीच सहसंबंध खोजने के लिए बहुभिन्नरूपी विश्लेषण में उपयोग की जाने वाली सबसे आम विधि एकाधिक प्रतिगमन विश्लेषण है। अन्य में लॉजिस्टिक रिग्रेशन और विचरण के बहुभिन्नरूपी विश्लेषण शामिल हैं।
बहुभिन्नरूपी विश्लेषण का उपयोग शोधकर्ताओं द्वारा 2009 के जर्नल ऑफ पीडियाट्रिक्स अध्ययन में किया गया था ताकि यह जांच की जा सके कि नकारात्मक जीवन की घटनाएं, पारिवारिक वातावरण, पारिवारिक हिंसा, मीडिया हिंसा और अवसाद युवा आक्रामकता के पूर्वसूचक हैं और बदमाशी। इस मामले में, नकारात्मक जीवन की घटनाएं, पारिवारिक वातावरण, पारिवारिक हिंसा, मीडिया हिंसा और अवसाद स्वतंत्र भविष्यवक्ता चर थे, और आक्रामकता और बदमाशी निर्भर परिणाम थे चर। ६०० से अधिक विषयों, जिनकी औसत आयु १२ वर्ष है, को प्रत्येक बच्चे के लिए भविष्यवक्ता चर निर्धारित करने के लिए प्रश्नावली दी गई थी। एक सर्वेक्षण ने प्रत्येक बच्चे के लिए परिणाम चर भी निर्धारित किया। डेटा सेट का अध्ययन करने के लिए एकाधिक प्रतिगमन समीकरण और संरचनात्मक समीकरण मॉडलिंग का उपयोग किया गया था। नकारात्मक जीवन की घटनाओं और अवसाद को युवा आक्रामकता के सबसे मजबूत भविष्यवक्ता के रूप में पाया गया।