相关分析的适用范围很广，理论上讲，凡是考察两个变量的相关性，都可以叫做相关分析。但通常说的相关分析，一般指的是两个定量数据之间的简单相关分析，判断两组数据的变化是否相关。比如用户体验得分与用户留存率是否有关、新增用户与推广费用是否有关。
散点图
询问了10名20多岁的小姐姐近1个月内的化妆品费用和置装费用数据，数据如下
通过Excel图表功能可以画出化妆品费和置装费的散点分布图，很明显花较多钱在化妆品上的小姐姐也愿意花更多钱买衣服。这说明化妆品费和置装费两个变量具有很强的相关性。
那么相关性到底有多强呢？
相关系数
相关系数可以反应变量之间线性关系的强弱程度。相关系数的数学计算公式如下，对于非数学专业/数据从业者来说较为复杂，这里只列出公式不做深入说明
但是用Excel可以快速求出他们的相关系数。使用数据菜单-数据分析-在分析工具中选择相关系数即可。化妆品费和置装费的相关系数为0.968。
若两个变量的相关性越强，则相关系数就会越接近±1；相关性越弱，则相关系数就会越接近0。由于这个结果非常接近1，则化妆品费和置装费的相关性非常强。
不同相关系数对应的散点图大概长这样，可以由散点图大概判断相关性强弱。
其他
以上主要是接受数值变量的线性相关关系，也有非线性相关关系。比如以下情况，从相关系数上看完全不相关，但是从散点图分布上看也有很强的相关性。
