描述性统计分析方法是指应用分类，制表，图形及概括性数据指标来概括书籍分布特征的方法，而推断性统计分析方法则是通过随机抽样应用统计方法，把样本数据得到的结论推广到总体的数据分析方法。
统计上，需要把样本数据所含信息进行概括、融合和抽象，从而得到反映样本数据的综合指标。这些指标称为统计量。描述数据特征额统计量可分为两类:一类表示数据的中心位置，如均值，中位数，众数等；另一类表示数据的离散程度，如方差、标准差、极差等用来衡量个体偏离中心的程度。
对于给定的类，落入这类的个案数称为频率，落入该类中个案数和个案综合数的比例称为相对频率频率分析主要通过频率分布表，条形图，饼图和直方图。
在频率分析中，饼图和条形图一般适用于分类变量的类别个数较少的情况，如果类别个数较多，如多于10类，建议选择直方图。
中心趋势是指一组数据向某个中心值靠拢的倾向。在统计学中，描述数据分布的中心位置的统计量称为置统计量。
对于连续变量和定序变量描述数据中心趋势的指标有均值，中位数，众数，百分之五结尾均质，对于定性变量描述数据中心趋势的指标只有众数。
把观测值按照从小到大顺序排列，剔除掉排序后的数据序列两端的部分数值计算得到的均值，称为截尾均值。
.中位数受极端值的影响较小，在具有极大或极小值的数据中，中位数比均值往往更能代表数据的集中趋势。
众数是观测值中出现次数最多的数值，其反应了这组观测值的集中趋势。
众数是定性数据，仅能使用的中心区是治标，但众数可以用于制度数据。
标准差用来度量观测值偏离平均数的大小，相当于平均偏差，可以直接描述数据偏离均值的程度。对于同质的数据，一个较大的标准差，代表大部分的数值个平均值之间差异较大，观测值之间的差异也越大，一个较小的标准差，代表这些数值较接近平均值，观测值之间的差异不大。
均值的标准误用来衡量不同样本的均值之间的差别，如果两个样本均值的差值与标准误的比值小于-二或者大于二则，可以断定两个均值有着显著的差别，进而断定这两个样本来自于两个不同的总体。
.偏度用来描述变量取值分布的偏斜方向，用于衡量分布对称与否、分布不对称的方向和程度。
spss的许多菜单均可进行描述性统计分析，提供描述性统计指标输出。在独立样本T检验、方差分析、因子分析等许多分析过程，spss自定义表模块也可以产生大部分的描述性统计指标。