关联与关联
关联和相关是解释两个统计变量之间关系的两种方法。关联指的是一个更广义的术语，关联可以看作是关联的一个特例，其中变量之间的关系本质上是线性的。
什么是联想？
统计术语关联被定义为两个随机变量之间的关系，使它们在统计上相互依赖。它指的是一种一般的关系，没有具体的关系被提及，也没有必要是一种因果关系。
许多统计方法被用来建立两个变量之间的关联。皮尔逊相关系数、优势比、距离相关、古德曼和克鲁斯卡尔的Lambda和Spearman的rho（ρ）是几个例子。
什么是相关性？
相关性是两个变量之间关系强度的度量。相关系数根据另一个变量的变化来量化一个变量的变化程度。在统计学中，相关性与相关性的概念有关，即两个变量之间的统计关系
皮尔逊相关系数或仅相关系数r是-1和1之间的值（-1≤r≤+1）。它是最常用的相关系数，仅对变量之间的线性关系有效。如果r=0，则不存在关系；如果r≥0，则关系成正比；一个变量的值随另一个变量的增加而增加。如果r≤0，则关系成反比；一个变量随着另一个变量的增加而减少。
由于线性条件，相关系数r也可用于建立变量之间的线性关系。
Spearman的秩相关系数和Kendrall的秩相关系数度量关系的强度，不包括线性因素。他们考虑一个变量随另一个变量的增减程度。如果两个变量同时增加，系数将为正，如果一个变量增加而另一个变量减少，则系数值将为负。
秩相关系数只是用来确定关系的类型，而不是像Pearson的相关系数那样进行详细的研究。它们还用于减少计算，使结果更独立于所考虑的分布的非正态性。
关联和关联有什么区别？
•关联是指两个随机变量之间的一般关系，而相关性是指随机变量之间或多或少的线性关系。
•关联是一个概念，但相关性是关联的度量，并提供数学工具来度量相关性的大小。
•皮尔逊积矩相关系数确定了线性关系的存在，并确定了关系的性质（无论是成比例还是反比例）。
