Korrelation antyder ett samband mellan två variabler. Kausalitet visar att en variabel direkt påverkar en förändring i den andra. Även om korrelation kan innebära kausalitet, är det annorlunda än ett orsak-och-verkan-samband. Till exempel, om en studie visar ett positivt samband mellan lycka och att vara barnlös, betyder det inte att barn orsakar olycka. Faktum är att korrelationer kan vara helt tillfälliga, såsom Napoleons korta kroppsbyggnad och hans uppgång till makten. Däremot, om ett experiment visar att ett förutsagt resultat ofelbart är ett resultat av manipulation av en viss variabel, är forskarna mer säkra på kausalitet, vilket också anger korrelation.
Exempel på korrelation
Statistiska tester mäter sannolikheten för om korrelation beror på till slump eller icke-slumpmässig association. Att veta att det finns ett statistiskt signifikant samband mellan variabler är användbart på många sätt. Marknadsforskare tittar till exempel på sambanden mellan reklaminsatser och försäljning. Jordbrukare bedömer sambandet mellan användningen av bekämpningsmedel och skörden. Samhällsvetare studerar sambanden mellan fattigdom och brottslighet för att identifiera interventionsstrategier. Korrelationer kan också vara negativa i riktningen, till exempel en ökning av livsmedelspriserna när utbudet av livsmedel sjunker under en torka.
Om vinden välter ett träd är det orsak och verkan. Andra orsakssamband är mer komplexa. Till exempel, när forskare ser lovande resultat av att administrera ett nytt läkemedel i försök på människor, måste de vara säkra på att läkemedlet orsakar förändringen, inte andra faktorer, såsom en ändring av deltagarnas kost eller livsstil. Bevis måste vara tvingande för att förklara kausalitet. Otillräckliga bevis kan leda till falska påståenden om botemedel och felaktiga föreställningar om orsaker. Under medeltiden följde en häxjakt eftersom byborna tillskrev svält och lidande till förekomsten av trolldom.
