相关系数（Coefficient of Correlation）是衡量两个变量之间线性关系强度和方向的统计指标。

相关系数通常用于量化两个连续变量之间的关联程度。其值范围在-1到1之间。如果相关系数接近1，则表明两个变量之间存在强烈的正相关关系，即一个变量增加时，另一个变量也倾向于增加。相反，如果相关系数接近-1，则表明存在强烈的负相关关系，即一个变量增加时，另一个变量倾向于减少。如果相关系数接近0，则表明两个变量之间几乎没有线性关系。

例如，在研究教育程度与收入之间的关系时，可能会发现教育程度越高，收入也越高，这时两者的相关系数可能接近1，表示强烈的正相关关系。反之，如果发现教育程度越高，健康状况越差（尽管这种情况在实际中较少见），则两者的相关系数可能接近-1，表示强烈的负相关关系。

相关系数的计算通常使用皮尔逊相关系数（Pearson Correlation Coefficient）公式，该公式基于两个变量的协方差和各自的标准差。需要注意的是，相关系数只能衡量线性关系，对于非线性关系则可能无法准确反映。此外，即使相关系数较高，也不能直接推断因果关系，因为它只表明两个变量之间存在关联，并不意味着一个变量导致了另一个变量的变化。

在统计分析和数据挖掘中，相关系数是一种重要的工具，它可以帮助研究人员了解变量之间的关系，并在预测模型和其他统计分析中发挥作用。