当用统计方法作预报时,遇到的第一个问题是选择能表示所研究现象特点的预报因子。这些因子的选择应决定于所研究过程的物理模型和它的专门特点。统计学上有一些专门的定量判据来衡量这些预报因子的优劣。这就是相关系数或马氏(MAHALANO-BIS)距离等。但很少涉及到预报因子相关性的作用。本文探讨变量相关性在选因子时的作用,指出在少数情况下,不独立变量的组合会比独立变量组合更有利,给出了判别标准。解释了为什么经验使我们认为独立变量的组合比不独立变量的组合有利,但这又不能是普遍适用的规则。本文还用实例证实了在选因子时,合理地考虑变量相关性的作用是有利的。