当一个或几个相互联系的变量取一定的数值时，与之相对应的另一变量的值虽然不确定，但它仍按某种规律在一定的范围内变化。变量间的这种相互关系，称为具有不确定性的相关关系。相关关系虽然不是因果关系，但也是寻找原因的一个重要切口。

但是，有时两变量之间并不存在相关关系，但却可能出现较高的相关系数。

如存在另一个共同影响两变量的因素。在时间序列资料中往往就会出现这种情况，有人曾对教师薪金的提高和酒价的上涨作了相关分析，计算得到一个较大的相关系数，这是否表明教师薪金提高导致酒的消费量增加，从而导致酒价上涨呢?经分析，事实是由于经济繁荣导致教师薪金和酒价的上涨，而教师薪金增长和酒价之间并没有什么直接关系。

再看一个例子，夏天冰淇淋销量随着气温上升而相应上升，火灾数量也与气温上升呈正向相关，但如果说冰淇淋销量与火灾数量的相关关系，就属于虚假相关了。

原因的混杂也可能导致错误的结论。如有人做过计算，发现：在美国，经济学学位越高的人，收入越低；而其中有很多容易被忽略的现象是，如大量读经济学的人才都本科毕业即进入高收入的金融领域，而读经济学硕士和博士的学子则较多到高校、政府机构工作。类似的，笼统地计算学位与收入之间的相关系数会得到负值。但分别对大学、政府机构、企业各类别，计算学位与收入之间的相关系数得到的则是正值，即对同一行业而言，学位高，收入也高。

另外，注意不要在相关关系据以成立的数据范围以外，推论这种相关关系仍然保持。雨下的多，农作物长的好，在缺水地区，干旱季节雨是一种福音，但雨量太大，却可能损坏庄稼。又如，广告投入多，销售额上涨，利润增加，但盲目加大广告投入，却未必使销售额再增长，利润还可能减少。正相关达到某个极限，就可能变成负相关。这个道理似乎人人都明白，但在分析问题时却容易忽视。

把握好相关关系，对理性认识医患关系，尤其是把握具体医患纠纷中的责任边界至关重要。

（以上内容主要参考魁网 -统计师考试网）