相关性可以是两件事。一方面，相关性是一种数学结构，实际上是皮尔逊相关性。相关性也是因果关系的对应物，这意味着“暴露”和“结果”之间的条件依赖关系可能由 100 个未测量的因素介导。将工作（即研究的分析/结果）称为“相关”并不会立即向我表明您的意思是他们使用偏相关总结了几个双变量关联，或者该研究是否是根据观察数据进行的。

我强烈倾向于相信您和审稿人对“相关”在这种情况下的含义持有相反的观点。这是对这种交流的其他方面没有诋毁任何人的研究/发现的想法给予了慷慨的信任。

就回归分析而言，您可以使用回归模型来分析“准实验”数据（或观察数据），其中使用对混杂变量的调整来推断假设控制（阻塞/随机）实验会产生什么结果。这导致了相关性和因果性之间的区别。只有随机对照试验才值得在因果关系中讨论结果。其他结果不是“相关的”，但您可以将发现称为“关联”。

相关性这个词令人困惑。在呈现给统计受众的文献中，我很小心地完全避免相关性，除非在 Pearson 相关性的背景下。我倾向于“经验”或“流行病学”或类似的东西来指代观察性研究的结果。

仅知道您所说的，我同意@NickCox、@AdamO，并且在很大程度上同意您的看法。如果您比您在此处所说的更深入地讨论了这项“完全错误描述”的工作，那么假设反对意见主要是因为您将其描述为“相关”可能是不安全的，除非审稿人已经明确表示了这一点。他/她的反对似乎非常强烈，所以你怀疑他/她是作家是对的。您是否可以更直接地与这位审稿人交谈，以就如何描述该作品寻求共识（或至少妥协）？我想一些审查过程可能会排除正式框架之外的授权，但如果你不能与这个人一起工作，在这种情况下似乎会适得其反。

当然，这并不是说除了你实际知道的之外，你正在与谁打交道。我只同意这似乎很可能，并附和另一个尼克的建议，以寻求这个人的澄清。从两个角度以最佳方式描述一切似乎符合你们共同的最佳利益。希望随着你们进一步交流，所有最初的咆哮都会平息。有时人们会为了确保他们引起你的注意并留下印象而开始大惊小怪，尽管这样做有明显的风险（例如，有偏见、不合理、危言耸听）。对于一些人来说，一旦他们确信沟通渠道畅通并且对方正在关注，他们就更容易保持克制和相互尊重。看来你' 你写的东西给人的第一印象是相反的，所以夸大的反应是可以理解的，即使仍然不合理。如果她/他愿意和你一起工作，澄清应该会有很大帮助。

回归在广义上确实是相关的，正如这里已经说过的那样，但最严格、最简单的相关意义可能会吸引那些对一般线性模型了解较少的人。更严格的用法也可能更吸引那些将相关分析理解为因果研究上下文中的加载术语的人，例如您的问题审阅者，似乎。如果您的意图是暗示因果证据的弱点，那么您的使用是故意加载的，并且可以预期一些防御性。你会说多元回归实际上并没有提供比双变量相关更多的因果证据（AdamO 描述的更严格的“相关”含义）——它主要使关系证据更清晰，无论这些关系是否是因果关系。因此，我怀疑您的审阅者只是反对您的表征，因为该方法涉及多元回归，而不仅仅是双变量相关性。也许审稿人认为原始设计还有其他“更复杂”的元素，可以提供“更有力的证据”。也许我给了这个人太多的信任；我一直认为永远不应该低估审稿人对相当于吹毛求疵的问题反应过度的能力。

一般来说，我不反对将回归描述为相关性，并且最初可能在您的情况下自己这样做，但鉴于这造成了明显的冒犯，我认为退缩和改写没有任何害处。如果你的意图是暗示对因果证据的批评，最好清楚而细致地陈述批评，而不是仅仅暗示它。如果您对“统计和机械关系之间的区别”的替代措辞也能抓住您的意思，也许您可​​以通过完全替换“相关”措辞来避免这个问题，但同样，如果您可以与您的审阅者协商这个替代方案，当然，您将更有可能获得良好的更改。AdamO 提供了其他一些不错的选择，你对他的回答的评论似乎更清楚地说明了你打算在你的工作和你的参考之间做出的区分。至于“经验”，我认为您会遇到相同的基本问题，即使用具有多种可能解释的单个词，其中最好用几个句子来阐明您的意图与上下文。