Koreliacija rodo ryšį tarp dviejų kintamųjų. Priežastingumas rodo, kad vienas kintamasis tiesiogiai veikia kito pasikeitimą. Nors koreliacija gali reikšti priežastingumą, tai skiriasi nuo priežasties ir pasekmės ryšio. Pavyzdžiui, jei tyrimas atskleidžia teigiamą laimės ir bevaikystės ryšį, tai nereiškia, kad vaikai sukelia nelaimę. Tiesą sakant, koreliacijos gali būti visiškai atsitiktinės, tokios kaip žemas Napoleono ūgis ir jo iškilimas į valdžią. Priešingai, jei atlikus eksperimentą paaiškėja, kad nuspėjamas rezultatas neišvengiamai atsiranda dėl manipuliavimo konkretaus kintamojo tyrėjai labiau pasitiki priežastiniu ryšiu, kuris taip pat žymi koreliacija.
Statistiniai testai matuoja tikimybę, ar koreliacija yra dėl atsitiktinės, ar neatsitiktinės sąsajos. Žinojimas, kad tarp kintamųjų yra statistiškai reikšmingas ryšys, yra naudingas daugeliu atžvilgių. Pavyzdžiui, rinkodaros tyrinėtojai nagrinėja koreliacijas tarp reklamos pastangų ir pardavimų. Ūkininkai vertina pesticidų naudojimo ir pasėlių derlingumo koreliaciją. Socialiniai mokslininkai tiria skurdo ir nusikalstamumo santykius, kad nustatytų intervencijos strategijas. Koreliacijos taip pat gali būti neigiamos krypties, pavyzdžiui, padidėjus maisto produktams, kai sausros metu sumažėja maisto atsargos.
Jei vėjas nuverčia medį, tai priežastis ir pasekmė. Kiti priežastiniai ryšiai yra sudėtingesni. Pavyzdžiui, kai mokslininkai mato perspektyvius naujo vaisto vartojimo bandymuose su žmonėmis rezultatus, jie taip ir turi būti tam tikras pokytis sukelia vaistas, o ne kiti veiksniai, tokie kaip dalyvių mitybos modifikavimas ar gyvenimo būdas. Įrodymai turi būti priversti deklaruoti priežastingumą. Nepakankamas įrodymas gali sukelti klaidingus teiginius apie išgydymą ir klaidingą įsitikinimą apie priežastis. Viduramžiais vyko raganų medžioklė, nes kaimo gyventojai badą ir kančią priskyrė būrimams.