相关分析和回归分析的区别：自变量和因变量不同；相关分析和回归分析的联系：相关分析是回归分析的基础和前提，回归分析则是相关分析的深入和继续。
【区别】相关分析中涉及的变量不存在自变量和因变量的划分问题，变量之间的关系是对等的；而在回归分析中，则必须根据研究对象的性质和研究分析的目的，对变量进行自变量和因变量的划分。因此，在回归分析中，变量之间的关系是不对等的。
在相关分析中所有的变量都必须是随机变量；而在回归分析中，自变量是确定的，因变量才是随机的，即将自变量的给定值代入回归方程后，所得到的因变量的估计值不是唯一确定的，而会表现出一定的随机波动性。
相关分析主要是通过一个指标即相关系数来反映变量之间相关程度的大小，由于变量之间是对等的，因此相关系数是唯一确定的。而在回归分析中，对于互为因果的两个变量（如人的身高与体重，商品的价格与需求量），则有可能存在多个回归方程。
【联系】相关分析是回归分析的基础和前提，回归分析则是相关分析的深入和继续。相关分析需要依靠回归分析来表现变量之间数量相关的具体形式，而回归分析则需要依靠相关分析来表现变量之间数量变化的相关程度。只有当变量之间存在高度相关时，进行回归分析寻求其相关的具体形式才有意义。
相关分析的方法
相对于问题或研究主题，相关分析是一种对两个或多个变量之间关系的统计方法。相关性分析可以用来识别出变量之间的相互依存性以及它们之间的关系强度和方向。常用的相关分析方法有Pearson相关系数、Spearman秩相关系数和Kendall秩相关系数等。
这些方法基本上都是通过测量两个变量之间的线性关系及其关联程度来实现的，其值范围一般在-1到1之间，其中-1表示完全的负相关，1表示完全正相关，0表示没有关联。此外，使用相关分析可探究影响变量之间相关性的不同因素以及分析不同方面的影响，并通过相关分析结果进行数据解释和预测。
如果在没有对变量之间是否相关以及相关方向和程度做出正确判断之前，就进行回归分析，很容易造成“虚假回归”。与此同时，相关分析只研究变量之间相关的方向和程度，不能推断变量之间相互关系的具体形式，也无法从一个变量的变化来推测另一个变量的变化情况，因此，在具体应用过程中，只有把相关分析和回归分析结合起来，才能达到研究和分析的目的。