2012年10月11日，美国联合通讯社（The Associated Press，简称“美联社”）报道，某杂志刊文称，一个国家的人均巧克力消费量和这个国家得诺贝尔奖的人数有着密切关系，人均巧克力消耗越多，获得诺贝尔奖的概率也越高。
这个看似无厘头的研究结果并不是刊登在小报或八卦杂志上，而是发表在权威的《新英格兰医学期刊》（New England Journal of Medicine）上的一篇“严肃”论文。论文的作者是纽约哥伦比亚大学（Columbia University）的弗朗兹·梅瑟利（Franz Messerli）博士，他选取了一个国家每千万人口中获得诺贝尔奖的人数作为一般国民素质指标，然后与该国每年的人均巧克力消费量进行对比。结果，他吃惊地发现二者之间有着密切的关联。梅瑟利依据23个国家的样本数据计算出来的这两个变量的相关系数高达0.791，检验的 p -值小于0.000 1。这说明二者之间存在显著的正相关关系。连梅瑟利本人都表示“不敢相信自己的眼睛”！
实际上，这并不是研究人员第一次在看似没有逻辑关系的两种事物上找出关联。在战后的德国，人口出生率和鹳的数量呈现相同的下降趋势；“裙长理论”发现，女人的裙子越短，经济越繁荣；太阳黑子活动越剧烈，医院接收的抑郁症患者人数越多。那么，基于数据所揭示出的这些事物之间的关系是什么关系？用于测度这种关系密切程度的“相关系数”是如何计算的？这种关系是因果关系吗？
梅瑟利博士强调，“当我们看到事物之间的联系时，就会想当然地想起各种因果关系。这是很普遍的思考方式。一般来说是正确的，但是也有经典案例表明，我们可能找不到两种事物紧密关联的原因。”他还打趣地指出，按照他发现的关系进一步计算，美国人每年得多吃1.25亿千克的巧克力才能多产生一位获奖者，显然这个数量是惊人的！
人们总是在尝试寻找事物之间的某种联系。吸烟和寿命之间到底有没有关系？受教育程度会不会影响收入水平？高中成绩和初中成绩有多大关联？少吃冰淇淋能不能减肥？ 相关分析（correlation analysis） 和 回归分析（regression analysis） 这两类统计方法可以帮助人们判断不同变量之间是否存在关系？如果存在，这种关系有多强？更重要的，如何用模型将变量之间的关系量化地描述出来，从而利用这种关系对感兴趣的变量进行预测？
