２つのデータ（変数）が、かなりの程度の規則性をもって、同時に変化していく性質を相関という。
また、片方の変数の値が決まれば、もう一方の変数の値が確定するわけではないが、関連性が認められるとき「相関関係がある」という。相関関係があるというのは、直ちにその２つの変数間に因果関係があるというのではない！
「問題の糸口がここにあるかもしれない」ということを示しているのにすぎない。相関は、量的データ間で行うことが多いが、質的データ間や質的データと量的データの組み合わせでも行える。
相関関係の程度を表す数値に、扱うデータ（変数）の種類によって相関係数、順位相関係数、独立係数、相関比がある。これらの係数はー１から＋１までの値をとり、±１に近いほど相関関係が強くなり、０に近づくと弱くなる。
＋１に近いと正の相関で、２つのデータ（変数）が似たような変化をしていることを示している。
ー１に近いと負の相関で、２つのデータ（変数）が反対の変化をしていることを示している。相関係数が高いほど相関関係があることを示す。しかし、どんなデータ（変数）間であろうと、必ず相関係数は出る。
そこで、本当に相関関係があるのか検証するために、相関を行う際には、有意差（独立性）の検定を行う。
検定の結果、有意確率が５％未満であれば、相関関係があると考えられる。
※量的データ
１．単相関
２つの量的データ（変数）間の相関関係を検証する。
ある中学校の生徒の身長と体重の関係
身長
体重
１４６
１４５
１４７
１４９
１５１
１４９
１５１
１５４
１５３
１５５４５
４６
４７
４９
４８
５１
５２
５３
５４
５５ｒ（相関係数を意味する）＝０．９１６ ← 検定結果、１％未満で有意
身長と体重は強い正の相関関係がある。→ 身長が高いと体重も重い傾向にある。
２．偏相関
相関係数は、明らかに関係がなさそうなデータ（変数）間でも現れる。
単相関では、２つのデータ（変数）を選択するだけで、他のデータ（変数）の影響を反映しない。多くの量的データ（変数）がある場合、単相関だけでは２つのデータ（変数）間に真の相関があるかどうかを判定できない。
そこで、他のデータ（変数）の影響を一定と考えた上で真の相関を求める場合は、偏相関を使う。
ただし、多くの量的データ（変数）の中から、２つのデータ（変数）間の相関関係を見つけ出すためには、単相関よりも偏相関のほうが間違いのない結果が出ていることを示しているにすぎない。ある小学校の６年生について、１００人をランダムに選び、社会科のテスト成績、ここ１週間における社会科の学習時間、知能指数を調べた。
テスト成績と学習時間の単相関係数は０．８。
テスト成績と知能指数の単相関係数は０．５。
学習時間と知能指数の単相関係数は０．４であった。
テスト成績と知能指数の偏相関係数は？ ← 学習時間の影響を受けた相関係数が求められる。ｒ＝０．３２７ ← 検定結果５％未満で有意
テスト成績と知能指数は正の相関関係がある。しかし、単相関係数よりも低くなっている。
※順位データ
１．スピアマンの順位相関
２つのデータ（変数）が量的データ（変数）であっても、順位付けされたものである場合。
口紅に対するＡさんとＢさんの評価
口紅
Ａさんの順位
Ｂさんの順位
１
２
３
４
５
６
７
８
９
１０
１１２
１
３
３
６
８
５
７
９
９
９１
３
２
４
４
４
４
８
１０
１１
９ｒ＝０．８７０５ ← 検定結果１％未満で有意
ＡさんとＢさんの口紅に対する評価は似ている
◎３つ以上のデータ（変数）に対して順位付けをした場合は、その順位付けが一致しているかを検証する方法がある。
→ ケンドールの一致係数（ＳＰＳＳでは、ノンパラメトリック検定→Ｋ個の対応サンプルの検定の中にある）
※質的データ
１．クラメールの独立係数