相關分析與迴歸分析是統計學中兩種不同的分析方法，它們在目的、方法、應用範圍等方面有所區別：
目的不同。相關分析主要關注變量之間的相關性，通過計算相關係數來量化這種關係，相關係數用於衡量兩個變量之間的線性相關程度，但不確定因果關係；迴歸分析旨在建立一箇數學模型來描述和預測變量之間的關係，它可以根據自變量的給定值來估計和預測因變量的值，從而確定自變量對因變量的具體影響。
變量類型不同。相關分析通常適用於研究兩個或多箇連續變量之間的關係；迴歸分析可以處理連續變量和分類變量之間的關係。
分析方法不同。相關分析使用皮爾遜相關係數、斯皮爾曼秩相關係數等統計指標來衡量變量之間的相關性；迴歸分析則使用線性迴歸、邏輯迴歸、多項式迴歸等方法來建立變量之間的數學關係。
因果關係不同。相關分析不能確定因果關係的方向，它表明的是兩個變量之間的線性相關密切程度；迴歸分析可以揭示變量之間的因果關係，通過自變量的變動來預測因變量的變化。
假設條件不同。相關分析假設數據來自隨機樣本且服從正態分佈；迴歸分析對數據的分佈沒有特定要求。
簡而言之，相關分析主要關注變量之間的關聯程度，而迴歸分析則更深入地研究變量之間的因果關係，並試圖建立一箇數學模型來預測和解釋因變量的變化。