兩個變量之間存在確定性:關系和不確定關系（會存在一定的波動范圍），就好比你的親生母親絕對只有一個，而你的親叔叔可能有好幾個（可以在1叔—4叔之間波動）
相關性一般分為 1：強正相關關系 （一個值會隨着另一個值的增加而增加，增加幅度很明顯）
2：弱正相關關系 （一個值會隨着另一個值的增加而稍增加，增加幅度不太明顯，但是有變化趨勢）
3：負正相關關系 （一個值會隨着另一個值的增加而減少，減少幅度很明顯）
4：弱負相關關系 （同弱正相關關系一個原理）
5：非線性相關關系 （說明兩個變量之間沒有明顯的線性關系，卻存在着某種非線性關系，比如：曲線，S型，Z型等等）
6：不相關 （兩者之間，沒有相關性）
兩變量的相關性研究，相對來說，比較容易，如果是多變量之間的相關性研究，會比較復雜一些，因為要確定哪些是顯著的，哪些是不顯著的，以及相關系數的大小（強弱等），深入研究，可能會涉及：回歸分析 和 因子分析。
廢話說了一堆，下面開始進入主題，以“肺活量數據”為例，分析體重和肺活量之間是否存在相關性，以及相關性的強弱等，數據如下所示：
先對兩個變量之間的關系進行初步評估，采用“圖形構建器“進行初步評估，打開SPSS，點擊”圖形——圖標構建程序——選擇散點圖
進入如下所示界面：
選擇“簡單散點圖” 將“簡單散點圖”拖動放入 上面右側的“空白處” 將 體重變量拖入右側作為X軸， 將肺活量拖入右側作為Y軸，得到如下所示的界面：
點擊確定，會得到“相關性的散點圖”，如下所示：
從上圖可以看出，兩個變量之間，很明顯存在相關性，隨着“體重”的增加，肺活量也呈現出“增加”的趨勢 （屬於 正相關關系），下面進一步研究兩者相關性的強弱
點擊“分析——相關——雙變量，進入如下所示的界面：
將“體重”和“肺活量”兩個變量，分別拖入右側框內，在相關系數 一欄中，勾選“pearson, kendall 以及spearman 三個選項
顯著性檢驗中，隨便勾選哪一個都可以，因為我們已經確立兩者之間呈現正相關關系，所有，采用“單側檢驗”也是可以的，勾選“標記顯著性相關”點擊確定，得到如下結果：
結果分析：
1：從相關性的表格中可以看出：在0.01水平下，顯著相關，（因為0.00<0.01）並且呈現出明顯的“正相關關系”
2：從相關系數表中可以看出：kendall ，spearman 兩種方式都呈現出相關性，
pearson相關系數采用的是“參數統計方法” 后面的 kendall, spearman 采用的是“非參數統計方法”。
這三種不同的形式，得出的相關系數值也不同，分別為：0.736， 0.594， 0.744 三個值，分別代表了相關強弱