1．统计表达和描述方面存在的错误:(1)统计表中数据的含义未表达清楚，令人费解。(2)统计图方面的主要错误有2个，其一，横坐标轴上的刻度值是随意标上去的，等长的间隔代表的数量不等，在直角坐标系中，从任何一个数值开始作为横轴或纵轴上的第一个刻度值;其二，用条图或复式条图表达连续性变量的变化趋势;(3)运用相对数时，经常混淆“百分比”与“百分率”;(4)在表达多组定量资料时，即使定量资料偏离正态分布很远，仍采用“x珋±s”表达(标准差S＞x珋)，特别当表中采用标准误Sx珋取代标准差s时，前述的错误很难被察觉出来。
2．定量资料统计分析方面存在的错误:(1)当定量资料不满足参数检验的前提条件时，盲目套用参数检验方法;(2)不管定量资料对应的实验设计类型是什么，一律套用单因素2水平(或叫成组)设计定量资料的t检验或单因素多水平设计定量资料的方差分析。
3．定性资料统计分析方面存在的错误:(1)把χ2检验误认为是处理定性资料的万能工具;(2)忽视资料的前提条件而盲目套用某些定性资料的统计分析方法;(3)盲目套用秩和检验;(4)误用χ2检验实现定性资料的相关分析。
4．简单线性相关与回归分析方面存在的错误:(1)缺乏专业知识，盲目研究某些变量之间的相互关系和依赖关系;(2)不绘制反映2个定量变量变化趋势的散布图，盲目进行简单线性相关与回归分析，常因某些异常点的存在而得出错误的结论;(3)常用直线取代2定量变量之间事实上呈“S形或倒S形”的曲线变化趋势。
5．多因素或多自变量的实验资料进行分析存在的错误:(1)将原本属于多因素实验研究，拆分成一系列单因素的研究来分析，这种“化繁为简、化整为零”的处理，割裂了原先的整体设计，无法研究多因素之间的内在联系或交互作用，容易得出片面、甚至错误的结论;(2)虽然将多个自变量都包括在一个多重线性回归方程或多重Logistic回归方程之中，但整个回归方程没有统计学意义或回归方程中有很多无统计学意义的自变量，就依据这样的回归方程去下结论。