近年來，由於人類對自然現象、社會現象或經濟現象的認知意識逐漸產生多元化的研判與詮釋，也因此致使人類思維數據化的概念已逐漸廣泛的被應用，對數據分析已從傳統以單一數值或平均值的分析作法，演變為考量多元化數值的分析作為。有鑑於此，在數據資料具備「模糊性」特質的現今，藉由模糊區間的演算方法，進一步探討之間的關係。傳統的統計分析，對於兩變數間線性關係的強度判斷，一般是藉由皮爾森相關係數（Pearson’s Correlation Coefficient）的方法予以衡量，同時也可以經由係數的正、負符號判斷變數間的關係方向。然而，在現實生活中無論是環境資料或社會經濟資料等，均可能以模糊的資料型態被蒐集，如果當資料型態係屬於模糊性質時，將無法透過皮爾森相關係數的方法計算。因此，本研究欲研擬一個較簡而易懂的方法，計算模糊區間資料的相關係數，據以呈現兩組模糊區間資料的相互影響程度。此外，若時間性之模糊區間資料被蒐集之際，我們亦提出利用中心點與長度之模糊自相關係數（ACF with the Fuzzy Data of Center and Length；簡稱CLACF）及模糊區間資料之自相關函數(ACF with Fuzzy Interval Data；簡稱FIACF)的方法，探討時間性模糊資料的自相關係數予以衡量。