Korelasi menunjukkan adanya hubungan antara dua variabel. Kausalitas menunjukkan bahwa satu variabel secara langsung mempengaruhi perubahan yang lain. Meskipun korelasi mungkin menyiratkan kausalitas, itu berbeda dari hubungan sebab-akibat. Misalnya, jika sebuah penelitian mengungkapkan korelasi positif antara kebahagiaan dan tidak memiliki anak, itu tidak berarti bahwa anak-anak menyebabkan ketidakbahagiaan. Faktanya, korelasi mungkin sepenuhnya kebetulan, seperti perawakan pendek Napoleon dan kenaikannya ke tampuk kekuasaan. Sebaliknya, jika eksperimen menunjukkan bahwa hasil yang diprediksi pasti dihasilkan dari manipulasi variabel tertentu, peneliti lebih yakin akan kausalitas, yang juga menunjukkan korelasi.
Uji statistik mengukur probabilitas apakah korelasi disebabkan oleh kebetulan atau asosiasi non-acak. Mengetahui bahwa ada hubungan yang signifikan secara statistik antara variabel berguna dalam banyak hal. Misalnya, peneliti pemasaran melihat korelasi antara upaya periklanan dan penjualan. Petani menilai korelasi antara penggunaan pestisida dan hasil panen. Ilmuwan sosial mempelajari korelasi antara kemiskinan dan tingkat kejahatan untuk mengidentifikasi strategi intervensi. Korelasi juga bisa negatif ke arah, seperti kenaikan harga bahan makanan ketika pasokan makanan turun selama kekeringan.
Jika angin menumbangkan pohon, itulah sebab dan akibat. Hubungan sebab akibat lainnya lebih kompleks. Misalnya, ketika para ilmuwan melihat hasil yang menjanjikan dari pemberian obat baru dalam uji coba pada manusia, mereka harus tertentu obat yang menyebabkan perubahan, bukan faktor lain, seperti modifikasi diet peserta atau gaya hidup. Bukti harus meyakinkan untuk menyatakan kausalitas. Bukti yang tidak cukup dapat menyebabkan klaim palsu tentang penyembuhan dan keyakinan yang salah tentang penyebab. Selama Abad Pertengahan, perburuan penyihir terjadi karena penduduk desa menghubungkan kelaparan dan penderitaan dengan kehadiran ilmu sihir.