相关性

先看一起变的样子

在一批房屋中，面积较大的房间通常需要更多照明设备，这是一种正向联系。另一个假设例子是同一路程下，平均行驶速度较高时所需时间较短，是反向联系。

这里说“通常”，因为其他条件也会影响数据。相关关系不要求每个点都完全排成一条直线。

方向、紧密程度与原因要分开

读到两项数据相关时，可以分三层看：

• 方向：是倾向于同升同降，还是此增彼减。
• 紧密程度：这种共同变化是否明显，还是数据很分散。
• 原因：是一个影响另一个，还是有共同因素在背后推动。前两项不能自动回答第三项。

为什么一起发生，未必互相造成

假设夏天冷饮销量增加，游泳人数也增加，可能是天气变热同时推动两者。不能只凭两个数字一起升高，就说喝冷饮让人去游泳。

同样，培训参加者业绩较好，可能与培训有关，也可能因为本来更积极的人更愿报名。发现相关提供了线索，下一步还要比较其他解释。

一个相关数字装不下全部关系

有些关系是弯曲的。例如室温太低或太高都可能让人不舒服，中间比较舒适。这不是简单的“越高越好”或“越高越差”。只衡量直线关系的数字，可能漏掉这种形状。

因此读相关报告时，先看观察了谁、怎样测量、数据大致什么形状，再看有没有支持因果的额外证据。