Forskellige former for sammenhænge bruges i statistikker til at måle måderne på, hvornår variabler er relateret til hinanden. For eksempel ved at bruge to variabler - high school class rang og college GPA - kan en observatør tegne en sammenhæng med, at studerende med en over gennemsnittet high school-rang typisk opnår en college over gennemsnittet GPA. Korrelationer måler også styrken af forholdet, og om sammenhængen mellem variabler er positiv eller negativ. Den udførte korrelation afhænger af, om variablerne er ikke-numeriske eller intervaldata, såsom temperatur.
Pearson Product Moment Correlation
Pearson Product Moment Correlation blev opkaldt efter Karl Pearson, grundlægger af disciplinen matematisk statistik. Det betragtes som en simpel lineær korrelation, hvilket betyder, at forholdet mellem to variabler afhænger af, at de er konstante. Pearson bruges med intervaldata til at måle styrken af en korrelation, som er repræsenteret af bogstavet r i ligningen. Denne sammenhæng viser også, om forholdet er positivt eller negativt; repræsenteret af tal, der er værdiansat mellem +1 og -1. Jo tættere værdien på r kommer til -1.00 eller +1.00, jo stærkere er korrelationen. Jo tættere værdien på r kommer til tallet 0, jo svagere er korrelationen. For eksempel, hvis r svarede til -.90 eller .90 ville det indikere et stærkere forhold end -.09 eller .09.
Spearmans rangkorrelation
Spearman's Rank Correlation blev opkaldt efter statistikeren Charles Edward Spearman. Spearmans ligning er enklere og bruges ofte i statistikker i stedet for Pearson, selvom den er mindre afgørende. Socialforskere kan også bruge Spearmans til at beskrive sammenhængen mellem kvalitative data, såsom etnicitet eller køn, og kvantitative data, såsom antallet af forbrydelser begået. Korrelationen beregnes ved hjælp af en nulhypotese, der efterfølgende accepteres eller afvises. En nulhypotese består normalt af et spørgsmål, der skal besvares; for eksempel om antallet af begåede forbrydelser er det samme for mænd og kvinder.
Kendall Rank-korrelation
Kendall Rank Correlation, opkaldt efter den britiske statistiker Maurice Kendall, måler afhængighedsstyrken mellem sæt af to tilfældige variabler. Kendall kan bruges til yderligere statistisk analyse, når en Spearmans korrelation afviser nulhypotesen. Det opnår en sammenhæng, når den ene variabels værdi falder, og den anden variabels værdi stiger; denne sammenhæng omtales som uoverensstemmende par. En korrelation kan også forekomme, når begge variabler stiger samtidigt, kaldet et konkordant par.