在公共卫生领域，尤其是在进行流行病学研究时，分析阶段常使用的统计方法来评估变量间的关联有多种。其中最常用的几种方法包括：
1. 卡方检验（Chi-square test）：用于检查两个分类变量之间是否存在显著的关联性。例如，在研究吸烟与肺癌之间的关系时，可以使用卡方检验来判断两者是否有关联。
2. 相对风险比（Relative Risk, RR）和比值比（Odds Ratio, OR）：这两种方法主要用于衡量暴露因素与疾病发生率之间的关联强度。相对风险比适用于队列研究，而比值比则更多地应用于病例对照研究中。
3. Logistic回归分析：当因变量为二分类数据时，可以使用Logistic回归模型来评估一个或多个自变量对结果的影响程度，并计算出各个因素的独立效应大小及其置信区间。
4. Cox比例风险模型（Cox proportional hazards model）：在生存分析中常用此方法研究时间至事件发生的数据，如患者从诊断到死亡的时间。该模型可以同时考虑多种协变量的作用，评估它们对生存期的影响。
5. 相关性分析和线性回归：当需要探讨两个连续型变量之间的关系时，可以通过计算Pearson相关系数或Spearman等级相关系数来衡量两者间的关联程度；如果进一步想要了解其中一个变量如何随另一个变量的变化而变化，则可以采用简单线性回归或者多元线性回归模型。

在实际应用中，选择哪种统计方法取决于研究目的、数据类型以及样本量等因素。正确合理地选用统计工具对于得出科学准确的研究结论至关重要。