通常所关心的变量之间的关系主要是三种类型：几个变量的影响之间是否独立，变量之间是否相关，以及变量之间是否存在线性回归关系。
8.4.1 变量间独立性检验
市场调研人员经常会遇到所关心的变量受到两个或两个以上其他变量影响的情形，此时我们就需要确定这两个或两个以上的变量对某个所关心变量的影响是否独立。例如：
（1）不同业务人员的业绩好坏是否与他们在哪些地区开展业务活动有关？如果业务人员与不同地区，这两个变量是相互独立的，则营销经理们在分派不同的业务人员到不同地区工作时就具有更大的自由度；否则，就需要考虑把每一个业务人员分派到最适合于他们工作的地区去。
（2）在研究人们对某类产品的购买行为时，我们会关心顾客的性别或收入状况与他们对品牌的选择是否存在联系。如果存在某种联系，则对于这种产品而言，顾客的人口统计特征变量与品牌之间就是不独立的。对于某种品牌的产品，营销重点就应该指向某些特定的人群；否则，某种品牌的产品就可以实施无差异的策略，面向所有的消费大众。
对于这类问题，我们都可以用χ2检验（chi-squaretest）中的独立性检验（analysisofinterdependence）来解决。下面我们用一个例子来说明独立性检验的方法和步骤。
（3）实施χ2检验和决策
首先是要确定出χ2检验的临界值。χ2检验的临界值也就决定了原假设的接受区域与拒绝区域的位置。当χ2落在接受区域时就接受原假设，否则就拒绝原假设，接受备择假设。χ2检验的临界值可以根据检验的显著性水平α和χ2的自由度查表来得到。χ2的自由度为观察数据的（行数-1）×（列数-1），即为6.查表得到χ2的临界值χ2=12.6.由于χ2=7.05＜12.6=χ2，我们得到的结果是，接受原假设，即在α=0.05的条件下，消费者的收入与他们所购买的品牌之间是独立的，没有相互影响。
8.4.2 变量间相关分析
市场调研经常需要确定两个变量的变化之间是否存在某种相关关系的问题，即当一个变量变化时另一个变量是否也跟着相应地作某种变化。例如，为了衡量公司广告投入的效果，需要确定某一时期内销售量或销售额与广告费用之间是否存在相关关系。有时，则需要研究消费者对某类消费品的消费量与某个环境因素，如气温、降雨量或冰冻天数之间是否存在某种相关关系等。对于这类问题，我们可以通过相关分析来解决。
相关分析中最简单的情形是研究两个变量之间是否存在线性相关关系。线性相关分析所依据的是，具有线性相关关系的两个变量之间的相关程度可以用线性相关系数来表示。线性相关分析中，最常用的是皮尔逊相关系数（Pearsoncorrelationcoefficient）。皮尔逊相关系数（r）的计算公式如下：
∑（xr=i-珋x）（yi-珋y）∑（xi-珋x）槡2∑（yi-珋y）槡2其中：xi、yi分别为变量X与Y的观察值，珋x、珋y分别为变量X与Y的观察值均值。
按上述公式计算得到的相关系数r落在一定的范围内：-1≤r≤1.r的数值大小决定了两变量之间相关程度的大小，r的正负决定了两个变量变化的方向。相关系数r的绝对值越接近于1，就说明两个变量之间的相关性越强；否则，变量之间的相关性就越弱；当r接近或等于0时，两个变量就完全不相关。当r＞0时，两个变量正相关，当一个变量增加（或减少）时，另一个变量也增加（或减少）。当r＜0时，两个变量负相关，当一个变量增加（或减少）时，另一个变量则减少（或增加）。
[例8-9]“百合花”礼品集团公司在为集团的连锁店选址过程中发现，其所属专业礼品店的年销售额似乎与周边的客流量有关。为了确定究竟是否存在某种相关关系，公司组织力量对所属礼品连锁店的年销售额和周边客流量进行调查，获得第一手资料。请问该专业礼品店的年销售额和周边客流量之间是否确实存在线性相关关系？
利用皮尔逊相关系数的计算公式，可以得到：
r=0.989这说明该专业礼品店的年销售额和周边客流量之间确实存在很强的线性正相关关系。对于周边客流量大的专业礼品店来说，它们的年销售额也相应地较大。因此，“百合花”礼品集团就可以根据某地客流量的大小来大致推测出计划新开设专业礼品店的年销售额情况。
8.4.3 变量间回归分析
如果在确认两个变量之间存在相关关系之后，还想要继续找出这两个变量之间是否存在某种具体的线性关系的话，那就需要进行回归分析了。不过，应当注意到，与相关分析不同，回归分析（regressionanalysis）是一种因果分析。
2.判别系数
判别系数（coefficientofdetermination）即相关系数R的平方，记做R2，也可以用来检验变量间的总体相关关系。判别系数越接近1，回归方程的效果就越好。
对于例8-9，R2=0.979，说明两个变量之间确实存在很强的线性相关关系，也说明回归方程是有效的。
3.t检验
回归方程到底是否有效，还取决于自变量的系数究竟是否等于零。若自变量系数确实不等于零，或与零之间有明显的差异，就表明方程是有效的，否则，回归方程就是无效的。所以，要检验方程是否有效也可以用t检验，来检验自变量X的系数是否确实不为零。这样一来，回归方程有效性的检验也就变为如下的假设检验问题：
H0：b=0；H1：b≠0.
