相关系数衡量的是两个变量间的线性关系强度。在实际应用中，我们常用样本相关系数（r）和总体相关系数（ρ）来描述这种关系。相关系数的数值范围限于-1到1之间，其中，值接近1意味着强烈的正相关，而值接近-1则指示强烈的负相关。当相关系数为0时，表明两个变量间不存在线性关系。

为了计算相关系数，通常需要足够大的样本量。最常用的相关系数计算方法是皮尔逊相关系数，用希腊字母γ表示。γ大于0表示正相关，小于0表示负相关。γ的绝对值越大，表示相关性越强。

两个现象的相关程度通常分为四级，根据皮尔逊相关系数（r）的值来判断。当r为正且接近1时，表示完全正相关；当r为负且接近-1时，表示完全负相关。完全正相关或负相关的情况下，所有数据点都会落在直线回归线上。如果数据点在直线回归线上下分布较广，则r的绝对值较小，表示相关性较弱。

当r=0时，表明两个变量间不存在线性关系。相关系数的绝对值越接近1，表示相关性越密切；越接近0，表示相关性越不密切。

相关系数的计算公式如下：

\[ r = \frac{\sum_{i=1}^{n} (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum_{i=1}^{n} (x_i - \bar{x})^2 \sum_{i=1}^{n} (y_i - \bar{y})^2}} \]

其中，\( x_i \) 是自变量的观测值，\( \bar{x} \) 是自变量的平均值，\( y_i \) 是因变量的观测值，\( \bar{y} \) 是因变量的平均值，\( n \) 是观测值的数量。

对于单变量分组表的资料，相关系数的计算公式稍有不同，考虑了各组的频数（fi）。

在现代统计软件和电子计算器中，可以快速准确地计算相关系数，无需手动列出计算表。这些工具能够直接处理数据并输出相关系数以及其他相关统计量。