相关性

有时，研究人员可能会选择以较为被动的方式观察某种现象，而不是进行干预或操控所关注的行为。

例如，某位科学家可能想了解食用植物性饮食与睡眠之间是否存在关联。在这种情况下，她会通过让参与者报告当天摄入的蔬菜量以及随后的睡眠小时数，来对这两个变量进行定量测量。

这种设计被称为相关研究——检验两个变量之间是否存在关系。

在收集完两组测量数据后，研究人员可以在一张散点图上为每个单位（在本例中为每个人）可视化数据，将变量（每日蔬菜摄入量和睡眠时长）分别置于坐标轴上。

从统计学上讲，相关性通过计算相关系数来确定，通常用r表示——这是一个介于-1和1之间的数值，用于指示关联的方向（符号）及其整体强度，即数据点的聚集程度。

此处的相关性可能是正向的，这意味着两个变量朝相同方向变化。也就是说，摄入蔬菜很少的人睡眠时间较短，而摄入较多蔬菜的人睡眠时间较长。

此外，相关性可能很强，其值接近 1，表明数据点呈线性聚集，个体间几乎无例外。

当关联性存在较多例外情况时，数据点会分散，线性模式可能消失：其绝对值趋近于零，相关性被认为很弱甚至不存在。

现在，如果两个变量朝相反方向变化，则认为其相关性为负。也就是说，人们摄入的蔬菜越多，睡眠时间就越短，反之亦然。由于数据点的分布接近线性，这种相关性强度相对较强。

重要的是，相关性并不意味着因果关系！研究人员需要进一步开展观察，以确定一个变量的变化究竟是如何引起另一个变量变化的。