Ref：https://onlinecourses.science.psu.edu/stat464/print/book/export/html/12
前面我们考虑的情况是：response是连续的，variable是离散的。举例：如果打算检查GPA的中位数是否与学生坐在教室的位置有关，
那么GPA的中位数是连续的，是响应变量；学生坐的位置（前中后）是离散的，是解释变量。
现在考虑解释变量也是连续的情况，即检查两个连续变量之间的因果关系。其中，我们最关心的是关系的强弱和方向。
首先，我们考虑线性相关的情况，计算Pearson‘s correlation coefficient
计算Pearson‘s Correlation Coefficient
cor.test(x, y)
结果将给出系数cor，置信区间，p-value
计算斜率（最小二乘法拟合时）
> h=c(67, 62, 64, 65) > w=c(120, 172, 167, 145) > lm(w~h)
注意：这里使用的是y~x来拟合，应该是可以选用不同的公式的。结果里，斜率是-10.85
Spearman‘s Rank Correlation
使用两个变量的rank值，置换计算Pearson‘s，就是Spearman‘s
Kendall‘s Tau Rank Correlation
measuring association by counting the number of concordant and disconcordant pairs
concordant pairs
Applied Nonparametric Statistics-lec9
原文：http://www.cnblogs.com/pxy7896/p/7058591.html