•当两个变量一起变化时，统计学家称之为有许多协变量或相关性。

•相关系数r可以量化相关性的方向和大小。

•当测量两个变量（通常是X和Y）时，使用相关性。如果其中一个变量作为实验的一部分进行操纵或控制，则相关性不合适（X值通常符合此描述：例如，剂量反应实验中使用的特定浓度是控制值）。

•两个变量的值几乎总是实数（不是整数，不是类别，不是计数）。

•相关分析报告相关系数值。其不创建回归线。如果希望设定一条拟合度最佳的线，则选择 线性回归。

•注意，相关性与线性回归不同。 审查差异。 特别要注意的是，相关性分析不适合或绘制一条线。

•相关性计算相关系数及其置信区间。其值范围为-1（理想的逆相关关系；随着一个变量的值上升，另一个变量的值下降）至1（理想的正相关关系；随着一个变量的值上升，另一个变量的值也上升）。相关系数为零意味着两个变量的值之间完全不相关。

•此外，相关性分析还会报告一个P值，该值可用于检验零假设，即从两个变量之间不相关的总体中抽取数据（换言之，零假设是r=0）。

•Pearson和Spearman相关性的区别在于，只有假设两个变量值均取自具有高斯分布的群体，才能够解读Pearson相关性的置信区间和P值。Spearman修正并未做出此假设。

•如果变量只有两个可能值，则Pearson相关性的结果与点 - 双列相关的结果相同。