相关(correlation)能回答这样的问题,“X和Y这两个事件在一起变化吗?也就是说变量X和Y有某种关联吗?”。表示相关程度的数值即相关系数在-1.00和+1.00之间。相关值越大(绝对值),两个事件联系就越紧密。如果X和Y完全正相关(这意味着他们一起上升或降低——即X上升时Y也上升,Y下降时X也下降),相关系数就等于+1.00.如果X和Y完全负相关(也即他们按相反的方向变化——X上升时Y下降,X下降时Y上升),相关系数就等于-1.00.如果X和Y没有任何关系,它们之间的相关系数就是0.这些相关模式的例子见图2.2.

两个事件是否一起变化,这个问题很重要也很普遍。考虑下面这个问题(第3章会解答)：具有类似的态度和价值观的人们是否倾向于喜欢彼此呢?此类问题的相关研究一般会评价伙伴们在自然条件下知觉到的相似性和吸引力,并不会对配对伙伴的行为进行任何的干预或影响。研究者会仔细测量参与者的情感,从而发现相似性和吸引力之间的可靠关联,帮助我们理解新建立的人际关系中伙伴感到满意的原因。

另一方面,即使在吸引力和知觉到的类似性之间存在相关,仍有很多信息我们并不知道。的确,很多读者经常错误地理解相关设计得出的研究结果。相关只告诉我们两个事物之间存在联系,但是它并没有告诉我们为什么它们会相关。相关并不能表明事件之间存在因果联系。当你得出相关结论时,当心不要推导出其他没有根据的结果,相关只是相关;相关的存在意味着可能有很多不同的似是而非的因果关联。这里给出三条简单明了的可能性：

●X可能引起Y——在相似性和吸引力的例子中,知觉到的相似性可能引起了更多的喜欢。

●Y可能引起X——可能是喜欢上某个人让我们认为自己与他有许多共同点。

图2.2相关模式

●其他影响因素,第三方变量可能同时引起X和Y,X和Y之所以相关的惟一原因是他们存在共同的影响因素。两个事件X和Y可能对彼此没有一点影响,而是其他影响因素,如他人的俊美长相,致使我们喜欢他们,并且认为他们和我们非常相像。

当X和Y存在相关,上述三种可能性以及许多其他更复杂的结果都有可能是正确的。如果我们得到的只有相关,我们所知道的也只是这两个事件存在关联。我们并不知道其中的因果联系涉及哪些因素。[2]