相关系数越大，说明两个变量之间的相关性越强。
相关分析用于研究定量数据之间的关系情况,包括是否有关系,以及关系紧密程度等.此分析方法通常用于回归分析之前;相关分析与回归分析的逻辑关系为:先有相关关系,才有可能有回归关系。
pearson 法则是一种经典的相关系数计算方法，主要用于表征线性相关性，假设2个变量服 从正态分布且标准差不为0，他的值介于-1到1之间，pearson相关系数的绝对值越接近于1，表明 2个变量的相关程度越高，即这2个变量越相似。其相关系数计算如下：
SPSSAU操作如下：
结果如下：
上表可以看出二者的相关系数约为0.94，并且p值小于0.05，所以说明薪资与购买意愿具有相关关系。
相关系数越大，说明两个变量之间的关系就越强。
样本的简单相关系数一般用r表示，计算公式为：
r 的绝对值越大表明相关性越强，要注意的是这里并不存在因果关系。若r=0，表明两个变量间不是线性相关，但有可能是其他方式的相关（比如曲线方式）。
利用样本相关系数推断总体中两个变量是否相关，可以用t 统计量对总体相关系数为0的原假设进行检验。若t 检验显著，则拒绝原假设，即两个变量是线性相关的；若t 检验不显著，则不能拒绝原假设，即两个变量不是线性相关。
扩展资料
一些实际工作者用非居中的相关系数（与Pearson系数不相兼容）。
例如：
假设五个国家的国民生产总值分别是1、2、3、5、8（单位10亿美元），又假设这五个国家的贫困比例分别是11%、12%、13%、15%、18%。
则有两个有序的包含5个元素的向量x、y：x = (1, 2, 3, 5, 8) 、 y = (0.11, 0.12, 0.13, 0.15, 0.18) 使用一般的方法来计算向量间夹角（参考数量积）。
上面的数据实际上是选择了一个完美的线性关系：y
= 0.10 + 0.01 x。因此皮尔逊相关系数应该就是1。
把数据居中（x中数据减去 E(x) = 3.8 ，y中数据减去E(y) =
0.138）后得到：x = (−2.8, −1.8, −0.8, 1.2, 4.2)、 y = (−0.028, −0.018, −0.008,
0.012, 0.042)。
参考资料来源：百度百科-相关系数