Una técnica multivariada llamada Análisis de Correlación de Concordancia Canónica (CCCA) es presentada. A diferencia del Análisis de Correlación Canónica clásico (CCA) que se basa en la maximización del coeficiente de correlación de Pearson entre las combinaciones lineales de dos conjuntos de variables, el CCCA maximiza el coeficiente de correlación de concordancia de Lin que tiene en cuenta no solo la correlación máxima, sino también la cercanía de los valores medios de los conjuntos y la cercanía de sus varianzas. Mientras que el CCA emplea los datos centrados con las medias de las variables excluidas, el CCCA puede entenderse como una característica más completa de similitud, o acuerdo entre dos conjuntos de datos medidos simultáneamente por la distancia de sus valores medios y la distancia de sus varianzas, junto con la máxima correlación posible entre los agregados de las variables en los conjuntos. El CCCA se expresa como un problema de autovalores generalizado que se reduce al CCA regular si las medias de los agregados son iguales, pero para medias diferentes produce una solución diferente al CCA. Se describen las propiedades y aplicaciones de este tipo de análisis multivariado. El enfoque CCCA puede ser útil para resolver varios problemas estadísticos aplicados cuando se necesitan la cercanía de las medias y varianzas agregadas, junto con las máximas correlaciones canónicas para un acuerdo general entre dos conjuntos de datos.