ما ضریب همبستگی را برای دو متغیر محاسبه می‌کنیم تا نه تنها تعیین کنیم که آیا دو متغیر در یک جهت حرکت می‌کنند یا نه، بلکه همچنین میزان قوی‌بودن رابطه‌شان را نیز مشخص کنیم. با این حال، همانطور که یک عبارت معروف به ما می گوید، همبستگی به معنای علیت نیست. به عبارت دیگر، ممکن است دو متغیر واقعاً در یک جهت حرکت کنند و رابطه‌شان ممکن است کاملاً قوی باشد، اما این بدان معنا نیست که ما می‌توانیم یک نتیجه‌گیری علت و معلولی بگیریم، یعنی لزوماً تغییرات یک متغیر «باعث» تغییر در متغیر دیگر نشده است. به عبارت دیگر، ضریب همبستگی می‌تواند به ما بگوید که دو متغیر به وضوح در یک جهت حرکت می کنند اما دلیل آن را به ما نمی‌گوید. یک مثال معروف، رابطه آمار فروش بستنی با قتل در نیویورک است. بله، ممکن است آماردانان به خوبی متوجه شده باشند که وقتی فروش بستنی افزایش می‌یابد، قتل‌ها زیاد می‌شود و زمانی که فروش بستنی کاهش می‌یابد، قتل کاهش می‌یابد. اما این بدان معنا نیست که بستنی باعث می شود مردم یکدیگر را بکشند. پس خیلی وقت‌ها ما صرفاً در مورد اتفاقات تصادفی صحبت می‌کنیم، حتی اگر ضریب همبستگی قوی باشد. یا البته، ممکن است عوامل پنهانی در بازی وجود داشته باشد. در مثال ما، اگر یک قدم به عقب برداریم، متوجه می‌شویم که آب و هوا عامل پنهانی است که هم بر فروش بستنی و هم بر قتل تأثیر می گذارد. به زبان ساده، از یک طرف وقتی هوا آفتابی است، افراد بیشتری بستنی می خرند و از طرف دیگر وقتی هوا آفتابی است، افراد بیشتری از خانه بیرون می‌روند و در نهایت قربانیان احتمالی قتل می‌شوند. به بیان دیگر، فروش بستنی و قتل ممکن است با هم مرتبط باشند، اما هیچ رابطه علّی میانشان وجود ندارد، در حالی که بین آب‌وهوا و فروش بستنی و همچنین بین آب‌وهوا و قتل‌ها رابطه علّی وجود دارد. منطقی است، نه؟