Korrelation antyder en koppling mellan två variabler. Kausalitet visar att en variabel direkt påverkar en förändring i den andra. Även om korrelation kan innebära orsakssamband, är det annorlunda än ett orsakssamband. Till exempel, om en studie avslöjar ett positivt samband mellan lycka och att vara barnlös, betyder det inte att barn orsakar olycka. Faktum är att korrelationer kan vara helt tillfälliga, till exempel Napoleons korta ställning och hans uppgång till makten. Däremot, om ett experiment visar att ett förutsagt resultat oavsiktligt härrör från manipulation av en viss variabel är forskare mer säkra på orsakssamband, vilket också betecknar korrelation.
Statistiska tester mäter sannolikheten för om korrelation beror på en slump eller en icke-slumpmässig associering. Att veta att det finns ett statistiskt signifikant samband mellan variabler är användbart på många sätt. Till exempel tittar marknadsforskare på samband mellan reklaminsatser och försäljning. Jordbrukare bedömer sambandet mellan användning av bekämpningsmedel och grödor. Socialforskare studerar samband mellan fattigdom och brottslighet för att identifiera interventionsstrategier. Korrelationer kan också vara negativa i riktning, till exempel en ökning av livsmedelspriserna när livsmedelsförsörjningen sjunker under en torka.
Om vind välter ett träd är det orsak och verkan. Andra kausala förhållanden är mer komplexa. Till exempel, när forskare ser lovande resultat från att administrera ett nytt läkemedel i mänskliga prövningar, måste de vara det vissa läkemedel orsakar förändringen, inte andra faktorer, såsom en modifiering av deltagarnas kost eller livsstil. Bevis måste vara tvingande att förklara orsakssamband. Otillräckliga bevis kan leda till falska påståenden om botemedel och felaktig tro på orsaker. Under medeltiden uppstod en häxjakt eftersom bybor tillskrivit hungersnöd och lidande till närvaron av trolldom.