在对数据进行相关性分析时，通常我们是基于自己的经验，认为x与y可能相关，希望通过定量的分析证明我们的经验，但是实际上往往历史的数据并不支持我们的经验。即使不支持，这也是有价值的，也可以帮我们纠正一些错误的认识。请看下面的案例，在一家公司中搜集了37个历史项目的数据，我们想验证一下：

    1 是否项目的规模越大，工期延误的时间就越长？

    2 是否项目的规模越大，工期偏差率越大？

    3 是否项目的工期越长，工期延误的时间就越长？

    4是否项目的工期越长，工期偏差率就越大呢？

    这4个猜想主要是基于越大的事物，越不好把握，我们对它的预测能力越差，是否真的如此呢？

    基于历史的数据，我们画了散点图如下：

                                                                               图一 规模与工期偏差的散点图

    由上图可以看出，工期偏差与规模之间没有相关性。做相关性分析的检验：

    相关: 工期偏差, 总规模

    工期偏差 和 总规模 的 Pearson 相关系数 = 0.147

    P 值 = 0.387

    定量的分析也验证了我们的观察结果：工期偏差与项目的规模是无关的。

    再来看规模与工期偏差率之间是否相关：

                                                                              图二 规模与工期偏差率的散点图

    做相关性分析的检验：

    相关: 总规模, 估算工期偏差率（%）

    总规模 和 估算工期偏差率（%） 的 Pearson 相关系数 = -0.073

    P 值 = 0.668

    显然，二者也是无关的！

    那工期偏差与实际工期的是否相关呢？

                                                                      图三 工期偏差与实际工期的散点图

    直接观察不能确定上图是否存在相关性，我们可以做相关性分析的检验，结果如下：

    相关: 实际工期, 工期偏差

    实际工期 和 工期偏差 的 Pearson 相关系数 = 0.451

    P 值 = 0.005

    可以发现二者之间存在弱相关。这样就验证了我们的第3个猜想：在此公司内，项目工期越长，工期延误的时间越长。

    再来看对第4个猜想的验证：

                                                         图四 估算工期偏差率（%）与实际工期的散点图

    由上图可以看出，项目的实际工期与工期偏差率是没有相关性的！我们也做相关性分析的检验：

    相关: 估算工期偏差率（%）, 实际工期

    估算工期偏差率（%） 和 实际工期 的 Pearson 相关系数 = 0.053

    P 值 = 0.756

    可以发现二者之间是不相关的，也就是说项目的工期偏差率与项目的工期无关。

  综上所述：

    工期延误的时间与项目规模无关，与项目工期正相关。

    工期偏差率与项目规模、项目工期都无关。

  所以：

    我们需要尽早交付！增量交付！