皮爾森二變量相關分析(bivariate correlation analysis)常常是初學統計者第一個遭遇的課題 然而二變量相關分析所使用到的概念並不"初級"

首先 二變量相關分析所使用到的假設有關二變量常態分配 這種分配已經幾倍複雜於單變量常態分配

再者 二變量相關分析的兩個變項(例如 x, y)在散點圖的縱軸與橫軸位置是可以互換的 換句話說 這種分析並不需要確認何為獨變項何為依變項 既然沒有獨變項與依變項 又怎麼確認獨變項影響了依變項諸如此類的因果效應(cause-effect)呢?

此外 這種分析是分析在一個分析單元(unit of analysis)上的兩個變項(variables) 之間的關連性(relationship) 如果一個人(i.e., unit of analysis)的身高與體重這兩個變項有正相關性 那麼我們可以說身高是影響體重的原因嗎? 很顯然的 以此例而言 影響體重的原因應該是來自於"吃"這個原因 在一個分析單元上分析兩個變項的關連性具有充足的邏輯 因為長在你身上的手與腳不是有關連就是沒有關連 但是我們能說手就是腳的原因嗎?(這樣的邏輯與關連性邏輯相比之下並不充足)

但是有相關性就一定不具備因果性嗎? 如果我們使用能論述因果性的統計程序而得到了與"相關性"統計程序一模一樣的結果 那麼這樣的相關性就不能說不具備因果性了