•当两个变量同时变异性时，统计学家就会说这两个变量存在很大的共变性或相关性。

•相关系数 r 可以量化相关性的方向和大小。

•相关性在测量两个变量（通常是 X 和 Y）时使用，如果其中一个变量作为实验的一部分被操纵或控制，则不适合使用相关性（X 值通常符合本示例：例如，剂量反应实验中使用的特异性浓度就是控制值）。

•两个变量的值几乎总是实数（不是整数，不是类别，也不是计数）。

•相关分析报告的是相关系数的值。它不会生成回归线。如果想要拟合优度线，请选择线性回归。

•请注意，相关分析和线性回归并不相同。回顾一下两者的区别。特别要注意的是，相关分析不会拟合或绘制直线。

•相关分析计算的是相关系数及其置信区间。其值范围从 -1 （完全反向关系；一个变量的值上升，另一个变量的值下降）到 1（完全正向关系；一个变量的值上升，另一个变量的值也上升）。相关系数为 0 意味着两个变量的值之间完全没有相关性。

•相关分析还报告了一个 P 值，可用来检验零假设，即数据是从两个变量之间不存在相关性的人群中抽样得到的（换句话说，零假设是 r=0）。

•皮尔逊相关和斯皮尔曼相关的区别，在于只有假设两个变量的值都是从具有高斯分布的人群中抽样得到的，才能解读皮尔逊的置信区间和 P 值。斯皮尔曼校正法不做这种假设。

•如果任一变量只有两个可能的值，则皮尔逊相关的结果与点比值相关的结果相同。