1. $\color{green}{原假设}$ 的不同

卡方检验：样本总体的分布与假设的分布(也称期望分布或者理论分布) $\color{orange}{无相关性}$

t检验：两组总体均值相等， $\color{orange}{无显著性差异}$

方差分析：各水平下观测变量的总体均值 $\color{orange}{无显著差异}$

★ 卡方检验和t检验的原假设是对立的

2. $\color{green}{数据类型}$ 和 $\color{green}{功能}$ 的不同

卡方检验：用于分析 $\color{orange}{定类数据}$ (X)与 $\color{orange}{定类数据}$ (Y)之间的关系情况（2组及以上）
$\$ $\$ $\$ $\$ $\$ eg: $\$ 药物治疗组和外用膏药组在治疗效果上的差异情况

t检验：用于分析 $\color{orange}{定类数据}$ (X)与 $\color{orange}{定量数据}$ (Y)之间的关系情况（仅2组）
$\$ $\$ eg: $\$ 两种不同的鸢尾花（setosa和versicolor）在花萼长度上是否有差异

方差分析：用于分析 $\color{orange}{定类数据}$ (X)与 $\color{orange}{定量数据}$ (Y)之间的关系情况（2组及以上）
$\$ $\$ $\$ $\$ $\$ eg: $\$ 不同气缸数量（cyl)对油耗（mpg）是否有差异

分析方法	分类	功能说明
卡方检验	\	通过分析不同类别数据的相对选择频数和占比情况，进行差异判断
t检验	单样本T检验独立样本T检验配对样本T检验	比较样本数据与一个特定数值之间是否的差异情况和单因素方差分析功能上基本一致，但是只能比较两组选项的差异分析配对定量数据之间的差异对比关系。与独立样本t检验相比，要求样本是配对的，两个样本的样本量相同；样本先后的顺序也是一一对应的。
方差分析	单因素方差分析双因素方差分析多因素方差分析	用于分析定类数据与定量数据之间的关系情况(每个选项的样本量大于30) 分析定类数据(2个)与定量数据之间的关系情况通常用于类实验式问卷研究