Nicht als eigenständige Prognoserechnung, sondern „nur" als eine Art Prüfrechnung kommt die Korrelationsanalyse zur Anwendung. Sie dient dazu, geeignete unabhängige Variablen (Einflussgrößen/Grundlagen des Personalbedarfs) daraufhin zu überprüfen, ob sie als Bezugsgröße für die Prognose gut genug sind bzw. „etwas taugen". Mit ihr lässt sich also prüfen, wie stark der Zusammenhang zwischen den betrachteten Einflussgrößen (z. B. den Antragszahlen) und dem bisherigen Personalbedarf ist. Die Stärke des Zusammenhangs wird mit Hilfe des Korrelationskoeffizienten nachgewiesen. So können z. B. für eine Personalbedarfsermittlung in Betracht kommende Wirtschaftsindikatoren auf ihre Tauglichkeit für den Bedarf an Revisoren geprüft werden.

Der Korrelationskoeffizient liegt nach der einschlägigen mathematischen Gesetzmäßigkeit im Bereich zwischen 0 und 1 oder zwischen 0 und -1. Die Korrelation ist brauchbar ab (-)0,8 und bestens bei (-)1. Je mehr er zur Zahl 1 (+ oder -) tendiert, je stärker ist der Zusammenhang zwischen der Einflussgröße und dem Personalbedarf. Bei Korrelationskoeffizienten unter (-)0,8 liegt ein nicht ausreichender Zusammenhang zwischen den Variablen vor. Eine prognostische Berechnung des Personalbedarfs würde dann zu nicht brauchbaren Ergebnissen führen. Ferner müssen zur Ermittlung des Korrelationskoeffizienten Ausgangswerte von mindestens sechs Beobachtungszeiträumen[98] vorliegen.

Anhand des folgenden Beispiels soll gezeigt werden, wie mit Hilfe eines Berechnungsschemas bei einer einfachen linearen Regression der Korrelationskoeffizient bestimmt werden kann. Auf eine mathematische Ableitung der Berechnung wird hier verzichtet, da es für den beschriebenen Sachverhalt nicht erheblich ist. Auch sei angemerkt, dass vielfach andere Funktionstypen oder mathematische Ausdrücke zur Erklärung des Zusammenhangs verwendet werden.

Eine Analyse der Dokumente für die zurückliegenden neun Monate ergab folgendes Bild:

Monat	VZÄ je Monat	Anträge je Monat	Anfragen je Monat
Januar Februar März April Mai Juni Juli August September	6 8 7 6 10 9 7 10 6	250 270 300 230 320 280 250 310 290	200 210 210 180 230 220 210 250 180

_{Tabelle 22: VZÄ und Fallzahlen am Beispiel Antragsbearbeitung}
 
Berechnung des Korrelationskoeffizienten für die Einflussgröße „Anträge":

_{Tabelle 23: Schema zur Berechnung des Korrelationskoeffizienten r – hier Anträge}

Das Ergebnis zeigt, dass die Fallzahl „Anzahl der Anträge“ zur Prognose des Personalbedarfs nicht gut geeignet ist, weil das Ergebnis mit 0,70 nicht nahe genug an 1 liegt; erst bei 0,8 ist eine ausreichende Abhängigkeit gegeben.
 
Berechnung des Korrelationskoeffizienten für die Einflussgröße „Anfragen":

_{Tabelle 24: Schema zur Berechnung des Korrelationskoeffizienten r - hier schriftliche Anfragen}

Die Berechnung der Korrelationskoeffizienten zeigt hier, dass die Anzahl der Anfragen zur Berechnung der Personalbedarfsprognose herangezogen werden kann, weil sie mit einem Korrelationskoeffizienten von 0,91 nahe genug an 1 liegt.

Die Korrelationsanalyse sagt zwar etwas über den Grad des Zusammenhangs von Variablen aus. Sie bringt aber nicht zum Ausdruck, welchen Einfluss eine Ursache x auf die Wirkung y ausübt, z. B. wie sich eine Veränderung der Bearbeitungsfallzahlen auf den Personalbedarf auswirkt. Hierzu dient die nachfolgend beschriebene Regressionsanalyse.

Eine überschlägige Berechnung per Dreisatz, der eine lineare Funktion voraussetzt, ergibt einen (prognostizierten) VZÄ Bedarf von ca. zehn VZÄ:

In Bezug auf die Anwendung von Regressions- und Korrelationsanalysen ist folgende Bewertung zu treffen:

Vergangenheitsorientierung
Regressions- und Korrelationsanalysen beruhen auf der Annahme, dass in der Vergangenheit beobachtete Zusammenhänge auch in Zukunft gelten. Die Daten sind demzufolge zu gegebener Zeit zu validieren.

Fußnote

[98] definierte Zeitabschnitte, wie z. B. Woche, Monat oder Quartal