Korelasi Pearson Product Moment adalah korelasi yang digunakan untuk data kontinu dan data diskrit. Korelasi pearson cocok digunakan untuk statistik parametrik. Ketika data berjumlah besar dan memiliki ukuran parameter seperti mean dan standar deviasi populasi. Korelasi Pearson menghitung korelasi dengan menggunakan variansi data. Keragaman data tersebut dapat menunjukkan korelasinya. Korelasi ini menghitung data apa adanya, tidak membuat ranking atas data yang digunakan seperti pada korelasi Rank Spearman. Ketika kita memiliki data numerik seperti nilai tukar rupiah, data rasio keuangan, tingkat pertumbuhan ekonomi, data berat badan dan contoh data numerik lainnya, maka Korelasi Pearson Product Moment cocok digunakan.

Sebaliknya, Koefisien Korelasi Rank Spearman digunakan untuk data diskrit dan kontinu namun untuk statistik nonparametrik. Koefisien korelasi rank spearman lebih cocok untuk digunakan pada statistik non parametrik. Statistik nonparametrik adalah statistik yang digunanakan ketika data tidak memiliki informasi parameter, data tidak berdistribusi normal atau data diukur dalam bentuk ranking. Berbeda dengan Korelasi Pearson, korelasi ini tidak memerlukan asumsi normalitas, maka korelasi rank spearman cocok juga digunakan untuk data dengan sampel kecil. Korelasi Rank Spearman menghitung korelasi dengan menghitung ranking data terlebih dahulu. Artinya korelasi dihitung berdasarkan orde data. Ketika peneliti berhadapan dengan data kategorik seperti kategori pekerjaan, tingkat pendidikan, kelompok usia, dan contoh data ketegorik lainnya, maka Korelasi Rank Spearman cocok digunakan. Korelasi Rank Spearman pun cocok digunakan pada kondisi dimana peneliti dihadapkan pada data numerik (kurs rupiah, rasio keuangan, pertumbuhan ekonomi), namun peneliti tidak memiliki cukup banyak data (data kurang dari 30).

Kedua koefisien korelasi baik Korelasi Pearson Product Moment maupun Korelasi Spearman ini memiliki nilai antara nilai -1 sampai dengan 1. Semakin mendekati 1 maka korelasi semakin kuat sedangkan semakin mendekati nol maka korelasi antara dua variabel semakin rendah. Sedangkan tanda koefisien korelasi menunjukkan arah hubungan. tanda negatif (-) menunjukkan hubungan yang berkebalikan. Tanda (+) menunjukkan hubungan yang searah. Berkebalikan artinya semakin meningkat nilai suatu variabel maka variabel lainnya semakin menurun. Searah artinya semakin meningkat nilai suatu variabel maka variabel lainnya ikut meningkat.

Sebagai contoh, Kita ingin mengetahui hubungan antara nilai kurs rupiah dengan perubahan IHSG. Misalnya data yang dikumpulkan adalah data harian selama 100 hari. Untuk menghitung hubungan antara kedua variabel di atas Korelasi Pearson Product moment cocok digunakan. Setelah dilakukan perhitungan misalnya diperoleh nilai koefisien korelasi sebesar 0,6. Nilai tersebut menunjukkan hubungan antara kurs rupiah dengan IHSG cukup kuat dengan arah yang positif. Artinya ada kecenderungan nilai IHSG semakin menguat seiring dengan penguatan nilai kurs rupiah.

Contoh lain misalnya kita ingin mengetahui hubungan antara tingkat pendidikan dengan tingkat awareness masyarakat terhadap kebijakan pemerintah. Setelah dilakukan penghitungan dengan menggunakan Korelasi Spearman diperoleh nilai koefisien korelasi sebesar 0,3. Angka tersebut menunjukkan bahwa hubungan antara tingkat pendidikan dengan awarenss masyarakat terhadap kebijakan adalah rendah. Artinya walaupun ada keterkaitan antara semakin tingginya pendidikan seseorang dengan kepedulian mereka terhadap kebijakan pemerintah, namun hubungannya rendah.

Koefisien korelasi, baik Korelasi Pearson Product Moment maupun Korelasi Sspearman,  menunjukkan tingkat hubungan antara kedua variabel. Tingkat hubungan berbeda dengan tingkat pengaruh. Hubungan adalah keterkaitan antara dua variabel yang arahnya tidak terlalu jelas. Mana variabel yang mempengaruhi dan mana variabel yang dipengaruhi. Sedangkan pengaruh sudah jelas arahnya, mana variabel yang mempengaruhi dan mana variabel yang dipengaruhi. Misalnya peneliti ingin mengetahui apa penyebab meningkatnya berat badan seseorang. Pola konsumsi adalah salah satu penyebabnya. Untuk menganalisis pola hubungan kausalitas seperti ini, pengaruh lebih cocok digunakan dibandingkan korelasi.