1.相关分析的主要内容

相关分析是研究两个或两个以上的变量之间相关程度大小的一种统计方法。其主要内容包括：

（1）确定现象之间有无相关关系存在，以及相关关系呈现的形态

确定现象之间是否存在相关关系，是相关分析的基础。只有确认现象之间确实存在相关关系，才有必要进行相关分析。此外，还要对相关现象的表现形态做出正确的判断，即判断其是直线相关还是曲线相关，以确定应该采用什么方法做进一步的分析。若把曲线相关当作直线相关进行分析，则会使认识发生偏差。

（2）确定相关关系的密切程度

这是相关分析的目的之一。现象之间的相关关系是一种不严格的数量关系，相关分析就是从这种松散的数量关系中判断其相关关系的方向和密切程度，判断的主要方法就是把自变量和因变量的数据资料编制成相关图或相关表，以帮助我们做一般分析，判断相关的密切程度，进而计算出相关系数。

（3）相关系数的检验

相关系数多是根据样本数据计算出来的，并以其推断变量总体的相关性。为了判别这种推断的可靠程度，就需要对相关系数进行显著性检验，检验变量之间是否真的存在这样的关系。

2.回归分析的主要内容

回归分析是寻找具有相关关系的变量间的数学表达式并进行统计推断的一种统计方法。其主要内容包括：

（1）建立相关关系的数学模型

依据现象之间的相关形态，建立适当的数学模型，通过数学模型来反映现象之间的相关关系，从数量上近似地反映变量之间变动的一般规律。

（2）依据回归方程进行回归预测

由于回归方程反映了变量之间的一般性关系，因此当自变量发生变化时，可依据回归方程估计因变量可能发生相应变化的数值。因变量的回归估计值虽然不是一个必然的对应值，但至少可以从一般性角度或平均意义角度反映因变量可能发生的数量变化。(www.daowen.com)

（3）计算估计标准误差

通过估计标准误差这一指标，可以分析回归估计值与实际值之间的差异程度以及估计值的准确性和代表性，还可利用估计标准误差对因变量估计值进行一定程度的区间估计。

3.相关分析与回归分析的关系

相关分析与回归分析是研究变量之间相关联系的两种统计方法，它们相互联系但又有区别。

（1）二者的区别

1）分析的内容不同。相关分析的主要内容是确定现象之间的相关关系所呈现的形态或类型、度量关系的密切程度。回归分析则是根据相关关系的具体形态，选择合适的数学模型，以近似地表达现象间的相互依存规律。

2）研究目的和研究方法不同。相关分析的目的在于研究现象之间关系类型、方向及关系的密切程度。在研究时，变量之间的地位是平等的，即在进行相关分析时，不一定要确定哪个是自变量，哪个是因变量，且研究的变量可以都是随机变量。而回归分析的研究目的在于确定变量之间相互依存的具体形式，即确定反映现象相互关系的数学方程式，并根据这个方程式由已知量推测未知量，为预测和估算提供一种重要的方法。因此，回归分析必须确定变量中哪个是自变量，哪个是因变量；且一般来说，回归分析中的自变量是非随机变量，因变量是随机变量。

（2）二者的联系

尽管相关分析与回归分析研究的内容、目的和方法不同，但有着密切的联系。

1）相关分析是回归分析的基础和前提。如果缺少相关关系，没有从定性上说明现象间是否具有相关关系，没有对相关关系的密切程度做出判断，就不能进行回归分析，即使勉强进行了回归分析也没有实际意义。

2）回归分析是相关分析的深入和继续。仅仅说明现象之间有密切的相关关系是不够的，只有进行回归分析，拟合了回归方程，才能表明现象数量相关的具体形式。

因此，如果仅有回归分析而缺少相关分析，就会缺少必要的基础和前提，进而影响回归分析的可靠性；如果仅有相关分析而缺少回归分析，就会降低相关分析的意义。只有把二者结合起来，才能达到统计分析的目的。