通常所關心的變量之間的關係主要是三種類型：幾個變量的影響之間是否獨立，變量之間是否相關，以及變量之間是否存在線性回歸關係。
8.4.1 變量間獨立性檢驗
市場調研人員經常會遇到所關心的變量受到兩個或兩個以上其他變量影響的情形，此時我們就需要確定這兩個或兩個以上的變量對某個所關心變量的影響是否獨立。例如：
（1）不同業務人員的業績好壞是否與他們在哪些地區開展業務活動有關？如果業務人員與不同地區，這兩個變量是相互獨立的，則營銷經理們在分派不同的業務人員到不同地區工作時就具有更大的自由度；否則，就需要考慮把每一個業務人員分派到最適合於他們工作的地區去。
（2）在研究人們對某類產品的購買行為時，我們會關心顧客的性別或收入狀況與他們對品牌的選擇是否存在聯係。如果存在某種聯係，則對於這種產品而言，顧客的人口統計特征變量與品牌之間就是不獨立的。對於某種品牌的產品，營銷重點就應該指向某些特定的人群；否則，某種品牌的產品就可以實施無差異的策略，麵向所有的消費大眾。
對於這類問題，我們都可以用χ2檢驗（chi-squaretest）中的獨立性檢驗（analysisofinterdependence）來解決。下麵我們用一個例子來說明獨立性檢驗的方法和步驟。
（3）實施χ2檢驗和決策
首先是要確定出χ2檢驗的臨界值。χ2檢驗的臨界值也就決定了原假設的接受區域與拒絕區域的位置。當χ2落在接受區域時就接受原假設，否則就拒絕原假設，接受備擇假設。χ2檢驗的臨界值可以根據檢驗的顯著性水平α和χ2的自由度查表來得到。χ2的自由度為觀察數據的（行數-1）×（列數-1），即為6.查表得到χ2的臨界值χ2=12.6.由於χ2=7.05＜12.6=χ2，我們得到的結果是，接受原假設，即在α=0.05的條件下，消費者的收入與他們所購買的品牌之間是獨立的，沒有相互影響。
8.4.2 變量間相關分析
市場調研經常需要確定兩個變量的變化之間是否存在某種相關關係的問題，即當一個變量變化時另一個變量是否也跟著相應地作某種變化。例如，為了衡量公司廣告投入的效果，需要確定某一時期內銷售量或銷售額與廣告費用之間是否存在相關關係。有時，則需要研究消費者對某類消費品的消費量與某個環境因素，如氣溫、降雨量或冰凍天數之間是否存在某種相關關係等。對於這類問題，我們可以通過相關分析來解決。
相關分析中最簡單的情形是研究兩個變量之間是否存在線性相關關係。線性相關分析所依據的是，具有線性相關關係的兩個變量之間的相關程度可以用線性相關係數來表示。線性相關分析中，最常用的是皮爾遜相關係數（Pearsoncorrelationcoefficient）。皮爾遜相關係數（r）的計算公式如下：