描述统计是通过图表或数学方法，对数据资料进行整理、分析，并对数据的分布状态、
数字特征和
随机变量之间关系进行估计和描述的方法。描述统计分为集中
趋势分析和离中趋势分析和
相关分析三大部分。
集中趋势分析主要靠平均数、中数、众数等统计指标来表示数据的
集中趋势。例如被试的平均成绩多少？是正偏分布还是负偏分布？
离中趋势分析主要靠全距、
四分差、
平均差、方差、标准差等统计指标来研究数据的离中趋势。例如，我们想知道两个教学班的语文成绩中，哪个班级内的成绩分布更分散，就可以用两个班级的四分差或百分点来比较。
相关分析探讨数据之间是否具有统计学上的关联性。这种关系既包括两个数据之间的单一相关关系——如年龄与个人领域空间之间的关系，也包括多个数据之间的多重相关关系——如年龄、
抑郁症发生率、个人领域空间之间的关系；既包括A大B就大(小)，A小B就小(大)的直线相关关系，也可以是复杂相关关系（A=Y－B*X）；既可以是A、B变量同时增大这种
正相关关系，也可以是A变量增大时B变量减小这种
负相关，还包括两变量共同变化的紧密程度——即
相关系数。实际上，
相关关系唯一不研究的数据关系，就是数据协同变化的内在根据——即因果关系。获得相关系数有什么用呢？简而言之，有了相关系数，就可以根据
回归方程，进行A变量到B变量的估算，这就是所谓的回归分析，因此，
相关分析是一种完整的统计研究方法，它贯穿于提出假设，数据研究，数据分析，数据研究的始终。
例如，我们想知道对监狱情景进行什么改造，可以降低囚徒的暴力倾向。我们就需要将不同的囚舍颜色基调、囚舍绿化程度、囚室人口密度、放风时间、探视时间进行
排列组合，然后让每个囚室一种
实验处理，然后用
因素分析法找出与囚徒
暴力倾向的
相关系数最高的因素。假定这一因素为囚室人口密度，我们又要将
被试随机分入不同人口密度的十几个囚室中生活，继而得到人口密度和暴力倾向两组变量（即我们讨论过的A、B两列变量）。然后，我们将人口密度排入X轴，将暴力倾向分排入Y轴，获得了一个很有价值的图表，当某典狱长想知道，某囚舍扩建到N人/间囚室，暴力倾向能降低多少。我们可以当前人口密度和改建后人口密度带入相应的
回归方程，算出扩建前的预期暴力倾向和扩建后的预期暴力倾向，两数据之差即典狱长想知道的结果。
推论统计是统计学乃至于心理统计学中较为年轻的一部分内容。它以统计结果为依据，来证明或推翻某个命题。具体来说,就是通过分析样本与
样本分布的差异，来估算样本与总体、同一样本的前后测成绩差异，样本与样本的成绩差距、总体与总体的成绩差距是否具有
显著性差异。例如，我们想研究教育背景是否会影响人的智力测验成绩。可以找一100名24岁大学毕业生和100名24岁初中毕业生。采集他们的一些智力测验成绩。用推论统计方法进行数据处理，最后会得出类似这样儿的结论：“研究发现，大学毕业生组的成绩显著高于初中毕业生组的成绩，二者在.01水平上具有显著性差异，说明大学毕业生的一些智力测验成绩优于中学毕业生组。”