相關系數可用來衡量兩個變量之間的相關性大小，根據數據滿足的不同條件，選擇不同的相關系數進行計算分析。
兩種常用的相關系數：皮爾遜person和斯皮爾曼spearman。
總體和樣本：
皮爾遜相關系數：（要求數據要都是符合正態分布的數據，而且數據需線性相關）
必須先確認兩個變量時線性相關的（畫樣本散點圖先觀察是否線性），然后此系數才能告訴他們相關程度如何。如果計算的相關系數為0，只能說明非線性相關。
不能說協方差大的兩個變量比協方差小的兩個變量更相關，因為沒有消除變量的量綱的影響。皮爾遜相關系數就是協方差消除量綱后的結果。
樣本皮爾遜相關系數同總體皮爾遜相關系數：
由於皮爾遜相關系數只是衡量已知線性相關的兩個變量的相關程度，其他情況不適用：
對相關性大小的解釋：
根據具體事情具體分析，沒有標准大小的閾值規定。比起相關系數大小，我們更關注其顯著性。（假設檢驗）
對皮爾遜相關系數進行假設檢驗：
如：求出相關系數r=0.3，問是否和0（非線性相關）有顯著差異?
經假設檢驗求出03與0有顯著差異的，就可說明變量的相關性是顯著的；若求出0.3和0沒有顯著差異，可說明變量並不相關，相關系數不顯著。
步驟：
對皮爾遜相關系數構造統計變量，知道統計量的分布，就可以畫出統計變量的概率密度函數。將計算出的皮爾曼相關系數帶入統計變量，得到一個檢驗值，根據置信水平畫出統計變量接受域和拒絕域，看檢驗值是否落在接受域。
除了根據表格找接受域拒絕域的臨界值之外，更好用的方法：
對皮爾遜相關系數假設檢驗的條件：
檢驗數據是否是正態分布：
①JB檢驗：
②夏皮洛-威爾克檢驗
③QQ圖（要求數據量要非常大）
斯皮爾曼相關系數：
小樣本情況：
大樣本情況：
總結：
