在统计学中，相关系数是用来衡量两个变量之间线性关系强度和方向的指标。最常用的相关系数是皮尔逊相关系数（Pearson correlation coefficient），它反映了两个连续变量之间的线性关系程度。计算公式为：

\[ r = \frac{\sum{(x_i - \bar{x})(y_i - \bar{y})}}{\sqrt{\sum{(x_i - \bar{x})^2}\sum{(y_i - \bar{y})^2}}} \]

其中，\(x_i\) 和 \(y_i\) 分别表示两组数据中的每个观测值，\(\bar{x}\) 和 \(\bar{y}\) 分别表示这两组数据的平均值。\(r\) 的取值范围在-1到+1之间，接近+1表示正相关，接近-1表示负相关，接近0表示没有线性相关。

除了皮尔逊相关系数外，还有斯皮尔曼等级相关系数（Spearman rank correlation）和肯德尔等级相关系数（Kendall rank correlation），它们分别用于评估非线性关系和有序数据之间的相关性。这些系数同样能够提供有价值的统计信息，帮助我们更好地理解数据间的内在联系。