簡單相關分析的基本步驟如下：
下面以腰圍、體重、脂肪比重為例，來說明應該怎樣進行相關分析。
- 第1步：繪制散點圖
在SPSS中，繪制散點圖非常簡單。操作步驟如下：
1）點選圖形à圖表建構程式。
2）在庫中選擇散點圖，輕按兩下簡單散點圖。
3）分别将腰圍和體重，拖入X軸和Y軸，确定即可。
觀察散點圖，可知：腰圍與體重應該是存線上性相關性的，或者說，腰圍對體重是有影響的。不過，這相關程度（或影響程度）有多大，則需要進一步計算相關系數來度量。
- 第2步：選擇系數公式
因為，Pearson相關系數要求變量服從正态分布，是以在計算相關系數之前，需要先确定兩變量是否都服從正态分布，或者近似正态分布。
如果采用其它相關系數（參考“相關系數種類”小節），則可以省略正态性檢驗。在SPSS中，判斷兩變量是否服從正态分布操作步驟如下：
1）點選分析à描述統計à探索，進入探索界面。
2）将待判斷的變量選入因變量清單。
3）打開繪制界面，選中帶檢驗的正态圖，确定。
确定後得到如下的正态性檢驗結果：
在SPSS中，采用的是K-S檢驗以及Shapiro-Wilk檢驗的結果。當Sig>0.05時，表明該變量服從正态分布，否則為非正态分布。
注：當樣本量大于50時用K-S檢驗結果，樣本量小于50時用Shapiro-Wilk檢驗結果。
如表所示，顯然腰圍和體重兩個變量都是服從正态分布的，是以可以采用Pearson相關系數。
下面在計算相關系數時，将采用Pearson相關系數。
- 第3步：計算相關系數
在SPSS中，計算相關系數的操作步驟如下：
1）打開資料文檔，點選分析à相關à雙變量，進入相關分析界面。
2）将要判斷的幾個變量全部選入變量清單，确定，即可得到相關系數矩陣。
确定後得到如下的相關系數矩陣：
顯然，相關系數矩陣是對稱矩陣，而且對角線上的相關系數全為1（即變量自身的相關系數為1）。從上表中可知，腰圍和體重的相關系數r=0.853，存在強相關；脂肪比重和體重的相關系數r=0.697，存在中度相關。
- 第4步：顯著性檢驗
在SPSS中，不但計算出變量間的相關系數，同時還進行了顯著性檢驗（即計算了統計量t，且查詢出對應的機率P值，見顯著性一行）。
在相關系數矩陣中，檢視顯著性一行，腰圍和體重對應的機率P=0.000（因精度的原因，看起來機率為0），顯然P<0.05，即根據顯著性檢驗，也可知腰圍和體重、脂肪比重和體重，都存在顯著的線性相關關系。
- 第5步：進行業務判斷
根據前面的相關分析，可得到資料分析結論：
1、根據顯著性判斷，可知腰圍與體重、脂肪比重與體重，都存在顯著線性相關性。
2、根據相關系數，可知腰圍與體重存在強相關，脂肪比重與體重存在中度相關。
然後，再從業務上對分析結果進行解讀，并給出相應的業務政策或建議：
1、業務解讀：腰圍對體重的影響很大，脂肪比重對體重的影響較大。
2、業務建議：要減輕體重，最好先減小腰圍，少吃脂肪類食物。
這樣，就實作了從資料到業務的完整的相關分析過程。