علاوه بر مواردی که به آنها پرداخته شد، آزمون‌های آماری دیگری نیز هستند که نمی‌توان آنها را به سادگی در یکی از دسته‌های بالا طبقه‌بندی کرد. این آزمون، سطح پیچیده‌تری از روابط را مشخص می‌کنند که جزء هیچ‌کدام از دسته‌های بالا نیست. در ادامه به برخی از این آزمون‌ها اشاره خواهد شد.

تحلیل عاملی (Factor Analysis): از تحلیل عاملی معمولاً برای آگاهی از متغیرهای زیربنایی پدیده یا مفهومی خاص بهره‌برداری می‌شود. به طور خلاصه، می‌توان گفت روشی است برای تحلیل واریانس بین چند متغیر وابسته به‌واسطه توصیفشان بر اساس تعداد اندکی متغیر (یا عامل) نهان جزئی. بنابراین، از طریق تحلیل عاملی مفاهیم پیچیده در قالب متغیرهای جزئی‌تر ساده‌سازی خواهند شد. تحلیل عاملی در دو مورد می‌تواند به پژوهشگر کمک کند: 1) اکتشاف عوامل و 2) تأیید عوامل.

• تحلیل عاملی اکتشافی (Exploratory factor analysis): در این روش، پژوهشگر هیچ ایده‌ای درباره عوامل موجود در یک مفهوم یا پدیده ندارد. بنابراین، او به دنبال بررسی داده تجربی به منظور کشف و شناسایی شاخص‌ها و روابط میان آنها است. طبیعی است که حجم نمونه در این روش باید بزرگ باشد.
• تحلیل عاملی تأییدی (Confirmatory factor analysis): برخلاف تحلیل عامی اکتشافی، پژوهشگر در روش تحلیل عاملی تأییدی مفاهیم یا پدیده‌ها را به شاخص‌ها و عوامل جزئی‌تر شکسته، اما نیازمند تأیید نمونه است. بنابراین، او به دنبال ارائه مدلی مفروض برای تبین یا توضیح داده تجربی بر اساس شاخص‌های گوناگون است.

تحلیل واریانس چند عاملی (Factorial ANOVA): زمانی که پژوهش به دنبال مقایسه تغییرات یک یا چند متغیر وابسته بین یک یا چند گروه است (که مقیاس گردآوری داده آنها اسمی یا طبقه‌ای است) از این آزمون استفاده می‌کند. برای مثال، زمانی که پژوهشگر نیاز به مقایسه ارتباط میان سن و تعداد مقالات در دو گروه زن و مرد دارد.