Korelasyon, iki değişken arasında bir ilişki olduğunu gösterir. Nedensellik, bir değişkenin diğerindeki değişikliği doğrudan etkilediğini gösterir. Korelasyon nedensellik anlamına gelse de, bu neden-sonuç ilişkisinden farklıdır. Örneğin, bir araştırma mutluluk ile çocuksuz olmak arasında pozitif bir ilişki olduğunu ortaya koyuyorsa, bu çocukların mutsuzluğa neden olduğu anlamına gelmez. Aslında, Napolyon'un kısa boyu ve iktidara yükselişi gibi korelasyonlar tamamen tesadüfi olabilir. Buna karşılık, bir deney, tahmin edilen bir sonucun mutlaka manipülasyondan kaynaklandığını gösteriyorsa Araştırmacılar, belirli bir değişkenin nedenselliğinden daha emindir, bu da korelasyon.
İstatistiksel testler, korelasyonun şans eseri mi yoksa rastgele olmayan ilişkiden mi kaynaklandığının olasılığını ölçer. Değişkenler arasında istatistiksel olarak anlamlı bir ilişkinin olduğunu bilmek birçok yönden yararlıdır. Örneğin, pazarlama araştırmacıları, reklamcılık çabaları ile satışlar arasındaki ilişkilere bakar. Çiftçiler, pestisit kullanımı ile mahsul verimi arasındaki ilişkiyi değerlendirir. Sosyal bilimciler, müdahale stratejilerini belirlemek için yoksulluk ve suç oranları arasındaki korelasyonları inceler. Korelasyonlar, bir kuraklık sırasında gıda arzı düştüğünde bakkal fiyatlarındaki artış gibi yönde de olumsuz olabilir.
Rüzgar bir ağacı devirirse, bu sebep ve sonuçtur. Diğer nedensel ilişkiler daha karmaşıktır. Örneğin, bilim adamları insan denemelerinde yeni bir ilacın uygulanmasından umut verici sonuçlar gördüklerinde, Değişikliğe, katılımcıların diyetinin değiştirilmesi veya diğer faktörlerin değil, ilacın neden olduğundan emin olun. yaşam tarzı. Kanıt nedensellik beyan etmek için zorlayıcı olmalıdır. Yetersiz kanıt, yanlış tedavi iddialarına ve nedenler hakkında yanlış inançlara yol açabilir. Orta Çağ boyunca, köylüler kıtlık ve ıstırabı büyünün varlığına bağladıkları için bir cadı avı başladı.
