1.相关性分析        相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度。相关性的元素之间需要存在一定的联系或者概率才可以进行相关性分析。简单来说就是变量之间是否有关系。        相关性可能是正相关，也可能是负相关，需要根据相关系数决定。相关系数的大小表示相关程度的强弱。

2.相关性衡量指标        Pearson相关系数、Spearman相关系数、Kendall相关系数、偏相关系数、多分格(polychoric)相关系数和多系列(polyserial)相关系数。

       和独立性检验不同，相关性当中每种方法都没有独立的函数，这里计算相关系数都使用同一个函数cor。cor函数可以计算三种相关系数：pearson、kendall、spearman。具体使用哪种方法，可以通过函数中的method参数指定。函数中的use参数表示如何处理缺失值，是不处理还是删除等等。

3.实例（使用数据集state.x77）

cor(state.x77)

       cov函数：计算协方差，衡量两个变量的总体误差，在计算偏相关的时候需要用到协方差的结果。

cov(state.x77)

       如果只想计算一组变量与另一组变量之间的关系，而不想将两两变量之间都计算一次，cor函数也可以很方便的实现。

x