相关性是指两个变量之间关系的强度的术语，其中强或高相关性表示两个或多个变量相互之间具有强关系，而弱或低相关性则表示变量几乎不相关。关联分析是利用可用的统计数据研究这种关系的强度的过程。

社会学家可以使用SPSS之类的统计软件来确定两个变量之间是否存在关系，以及它之间可能存在多强关系，然后统计过程会产生一个相关系数来告诉您该信息。

相关系数最广泛使用的类型是Pearson r。该分析假定被分析的两个变量至少在间隔尺度上进行测量，这意味着它们在一个递增值范围内进行测量。通过将两个变量的协方差除以它们的标准偏差的乘积来计算系数。

了解相关分析的优势
相关系数的范围从-1.00到+1.00，其中-1.00的值表示完美的负相关，这意味着随着一个变量的值增加，另一个变量减小，而+1.00的值则代表完美的正相关，这意味着当一个变量的价值增加时，另一个变量的价值也增加。

像这样的值表示两个变量之间具有完美的线性关系，因此，如果将结果绘制在图形上，它将形成一条直线，但是值0.00表示被测试的变量之间没有关系，并且将其绘制成图形作为单独的行。

以伴随着图像的教育和收入之间的关系为例。这表明，受教育程度越高，他们将在工作中赚到更多的钱。换句话说，这些数据表明教育和收入之间存在相关性，并且两者之间存在很强的正相关性-随着教育程度的提高，收入也是如此，并且教育与财富之间也存在着相同的相关性。

统计相关分析的效用
诸如此类的统计分析非常有用，因为它们可以向我们展示社会内部不同的趋势或模式之间如何联系在一起，例如失业和犯罪。他们可以揭示经验和社会特征如何塑造一个人的生活。相关分析使我们可以放心地说，两个不同模式或变量之间存在或不存在关系，这使我们能够预测所研究人群中结果的可能性。

最近对婚姻和教育的研究发现，教育水平与离婚率之间存在很强的负相关性。全国家庭增长调查的数据显示，随着妇女受教育程度的提高，初婚的离婚率下降。

不过，请务必牢记，相关性与因果关系不同，因此，尽管教育程度与离婚率之间存在很强的相关性，但这并不一定意味着女性离婚率的下降是由受教育程度引起的。