年初网传拼多多女员工加班猝死的新闻让人不禁感叹现在赚钱真不容易，打工人可真拼。
996、007的工作是公司机制问题还是员工效率低下问题？什么样的工作更容易使职场人士猝死，是“权力大、责任大”的工作，还是“缺乏控制力和话语权”的工作？
其实最危险的一类工作，是对自己的工作任务“缺乏控制力”。《赤裸裸的统计学》中提到一个案例,针对数千名英国公务员的多项调查发现,那些对自己的工作没有支配能力的雇员,也就是基本上对干什么、怎么干没有话语权的人,相比起那些拥有更多决策权的雇员来说,猝死率更高。
研究人员是如何得出这种结论的?正是采用到了我们这边正在讲解的相关分析法。下面让小编为您解说。
熟话说“老鼠的孩子能打洞”，老鼠的孩子生下来天生就会打洞吗？父母不高，生出的孩子一定也不高吗？父母的身高和孩子的身高是否有相关性吗？很多时候我们分析问题，往往通过一系列调查研究才敢下定论，因为这样的定论才更有说服力。
为什么我们要使用相关分析法呢？它的好处又在哪呢？作用有以下三点：
（1）在研究两种或者两种以上数据之间的关系时，或者某个事情受到其他因素影响的问题时，可以使用相关分析；
（2）在解决问题的过程中，相关分析可以帮助我们扩大思路，将视野从一种数据扩大到多种数据；
（3）通俗易懂，便于和其他人沟通，方便得到他人的理解和认可
相关分析就需要得到相关系数，相关系数就是来衡量两者之间的相关程度。相关系数有两个作用：
（1）相关系数的数值大小可以表示两种数据的相关程度。一般相关系数的值大于0.6或者小于-0.6，表示两种数据之间高度相关；
（2）相关系数的数值正负可以反映两种数据之间的相关方向。
假如两种数据a和b，把这两种数据画在散点图上，横轴代表数据a，纵轴代表数据b。
如果相关系数=0，表明两种数据之间不是线性相关，两者为非线性关系；
如果相关系数>0，说明两种数据是正相关，是同方向变化，一种数据的值越大，另一种数据的值也会越大；
如果相关系数<0，说明两种数据是负相关，是反方向变化，也就是一种数据的值越大，另一种数据的值反而会越小；
其中，相关系数的绝对值越大，说明两种数据的相关程度越高。
通常，在做相关分析的时候，会在散点图上给出相关系数，在图中可以直观的发现异常值。
不过需要值得一提的是，相关关系不等于因果关系。那么如何判断两种数据之间是相关关系，还是因果关系呢？
“单变量控制法”就可以很好的发挥它的作用，控制其他因素不变，只改变其中一个因素，然后观察这个因素对实验结果的影响。
如果在无法找到因果关系的时候，可以利用已知的相关关系帮助我们寻找答案。先通过研究发现相关关系，然后再进一步去找出背后的原因，找出事件之间的因果关系。
