世界是一个有机联系的统一整体，现象之间客观上存在某种有机联系，一种现象的发展变化必然受到与之相联系的其他现象发展变化的制约与影响。这种依存关系可分成两类：相关关系和回归函数关系。
1、相关关系（不确定）
定义：先关关系是指现象之间存在着非严格的、不确定的依存关系
特点：某一现象在数量上发生变化会影响另一现象数量上的变化，并且这种变化在数量上具有一定的随机性。
如影响销售额的因素除了价格，还有产品质量，渠道，推广费用等
2、回归函数关系（数学表达式）
定义：回归函数关系是指现象之间存在着依存关系。
特点：某一个变量的数值都有另一个变量与之相呼应，这种依存关系可以用数学表达式反映出来。
如在一定条件下，身高和体重存在依存关系。
先关分析的目的是研究变量之间的相关关系，通常与回归分析等高级分析方法一起使用。
先关关系分为线性相关和非线性相关。
皮尔逊系数 r 是反应连续变量之间线性先关强度的度量值表，取值范围是【-1，1】
0<= |r|<0.3 低相关度
0.3<=|r|<0.8 中相关度
0.8<=|r|<=1 高相关度
r的正负只表示相关的方向，即正相关还是负相关，|r|的大小反应线管的程度强弱，r=0表示不存在线性关系。
在进行相关分析之前，通常需要绘制散点图来观察变量间的相关性
举个例子
从散点图可以看出：
“广告费用”“销售额”两个变量之间存在明显的线性正相关关系，“销售额”随着“广告费用”的增加而相应增加。
散点图帮助我们初步实现了对变量关系的可视化直观判断，如果继续了解先关程度的大小，需要继续进行相关分析。
一定要勾选皮尔逊系数，其他可以默认
皮尔逊相关系数r=0.816>0.8，为高度正相关关系
显著性P=0.00<0.01，极具显著的统计学意义。
