Korrelation antyder en sammenhæng mellem to variabler. Årsagssammenhæng viser, at den ene variabel direkte påvirker en ændring i den anden. Selvom sammenhæng kan antyde årsagssammenhæng, er det anderledes end et årsag-virkning-forhold. For eksempel, hvis en undersøgelse afslører en positiv sammenhæng mellem lykke og at være barnløs, betyder det ikke, at børn forårsager ulykke. Faktisk kan sammenhænge være helt tilfældige, såsom Napoleons korte statur og hans fremkomst til magten. I modsætning hertil, hvis et eksperiment viser, at et forudsagt resultat ufejlbarligt skyldes manipulation af en bestemt variabel er forskere mere sikre på kausalitet, hvilket også betegner sammenhæng.
Statistiske tests måler sandsynligheden for, om korrelation skyldes tilfældighed eller ikke-tilfældig sammenhæng. At vide, at der er en statistisk signifikant sammenhæng mellem variabler, er nyttig på mange måder. For eksempel ser marketingforskere på sammenhænge mellem reklameindsats og salg. Landmænd bedømmer sammenhængen mellem anvendelse af pesticider og afgrødeudbytte. Samfundsvidenskabere undersøger sammenhænge mellem fattigdom og kriminalitet for at identificere interventionsstrategier. Korrelationer kan også være negative i retning, såsom en stigning i dagligvarepriser, når fødevareforsyningen falder under en tørke.
Hvis vinden vælter et træ, er det årsag og virkning. Andre årsagsforhold er mere komplekse. For eksempel, når forskere ser lovende resultater fra administration af et nyt lægemiddel i menneskelige forsøg, skal de være det visse stoffer forårsager ændringen, ikke andre faktorer, såsom en ændring af deltagernes diæt eller livsstil. Bevis skal være tvingende til at erklære årsagssammenhæng. Utilstrækkelig dokumentation kan føre til falske påstande om helbredelse og fejlagtig overbevisning om årsager. I middelalderen fulgte en heksejagt, fordi landsbyboere tilskrev sult og lidelse til tilstedeværelsen af trolldom.