相关性的概念？
相关性，是指两个变量的关联程度。一般地，从散点图上可以观察到两个变量有以下三种关系之一：两变量正相关、负相关、不相关。如果一个变量高的值对应于另一个变量高的值，相似地，低的值对应低的值，那么这两个变量正相关。
反之，如果一个变量高的值对应于另一个变量低的值，那么这两个变量负相关。如果两个变量间没有关系，即一个变量的变化对另一变量没有明显影响，那么这两个变量不相关。
显著性和相关性的区别？
一、词义不同
相关性是指两个变量的关联程度。
显著性，又称统计显著性（Statistical significance）， 是指零假设为真的情况下拒绝零假设所要承担的风险水平，又叫概率水平，或者显著水平。
二、作用不同
相关性是指企业提供的会计信息应当与财务报表使用者的经济决策需要相关，有助于财务报表使用者对企业过去、现在或者未来的情况作出评价或预测。
显著性的含义是指两个X体的态度之间的任何差异是由于系统因素而不是偶然因素的影响。我们假定控制了可能影响两个X体之间差异的所有其他因素，因此，余下的解释就是我们所推断的因素，而这个因素不能够100%保证，所以有一定的概率值，叫显著性水平（Significant level）。
相关性与回归分析的区别？
二者的区别主要体现在以下三个方面：
1．相关分析主要通过相关系数来判断两个变量之间是否存在着相互关系及其关系的密切程度，其前提条件是两个变量都是随机变量，且变量之间不必区别自变量和因变量。而回归分析研究一个随机变量（Y）与另一个非随机变量（X）之间的相互关系，且变量之间必须区别自变量和因变量。
2．相关系数只能观察变量间相关关系的密切程度和方向，不能估计推算具体数值。而回归分析可以根据回归方程，用自变量数值推算因变量的估计值。
3．互为因果关系的两个变量，可以拟合两个回归方程，且互相独立、不能互相替换。而相关系数却只有一个，即自变量与因变量互换相关系数不变。
相关性统计概念？
统计相关性是经济学中常用的一种分析工具。它能够通过数据分析出其中的关联性。
统计相关性是经济学中常用的一种分析工具。相关性是指当两个因素之间存在联系的时候，一个典型的表现是：一个变量会随着另一个变量变化。相关又分成正相关和负相关两种情况。举例说明：下雪外面就会变冷，这是正相关。出太阳就不会下雨，这是负相关。
相关系数：考察两个事物（在数据里我们称之为变量）之间的相关程度。
如果有两个变量：X、Y，最终计算出的相关系数的含义可以有如下理解：
(1)、当相关系数为0时，X和Y两变量无关系。
(2)、当X的值增大（减小），Y值增大（减小），两个变量为正相关，相关系数在0.00与1.00之间。
(3)、当X的值增大（减小），Y值减小（增大），两个变量为负相关，相关系数在-1.00与0.00之间。
相关系数的绝对值越大，相关性越强，相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱。
通常情况下通过以下取值范围判断变量的相关强度：
相关系数 0.8-1.0 极强相关
0.6-0.8 强相关
0.4-0.6 中等程度相关
0.2-0.4 弱相关
0.0-0.2 极弱相关或无相关
相关性和一致性是什么？
答：相关性是指用作审计证据的信息与审计程序的目的和考虑的相关之间的逻辑联系。一致性就是数据保持一致，在分布式系统中可以理解为多个节点中数据的值是一致的，同时一致性也是指事务的基本特征或特性相同’，其他特性或特性相类似。
相关性与关联性的区别？
相关性定义为两个变量线性关系的强度。因此，它测量的是，如果我们将某个变量增加或减少某个因素，另一个变量是否也会增加相同的因素或稍微接近的因素。相关性强度的度量是相关性。相关可以是正或负。如果它是正数，则意味着一个变量将在我们增加与其相关的另一个变量时增大，或者在我们减小另一个变量时减小–基本上，它们在同一方向上波动。负相关表示它们在相反方向上波动。如果我们增加一个，则另一个减少，反之亦然。
另一方面，关联的定义要严格得多，可以用来解释很多不同的事物。它通常用于描述具有共同原因的一X人，但也用于表达两件事之间的任何形式的联系。
