Korrelation er ikke det samme som kausalitet. Selvom to ting ændrer sig i samme takt, betyder det ikke automatisk, at den ene forårsager den anden. Der kan være tale om en fælles bagvedliggende faktor, der styrer begge dele, eller alternativt kan der være tale om rent tilfælde, hvor en statistisk sammenhæng opstår uden nogen reel afhængighed. En ren statistisk korrelation er altså ikke nok til at bevise en årsagssammenhæng.
Som et klassisk eksempel på det første kan nævnes isspisning og drukneulykker, som korrelerer, men ingen af delene forårsager den anden; i stedet er den fælles bagvedliggende faktor, der styrer begge dele, det varme vejr.
Som et eksempel på det andet kan man se på denne graf fra Spurious Correlations: Popularity of the first name Sunny correlates with Salesforce's stock price (CRM) (r=0.985)
For det tredje, selvom der har været en årsagssammenhæng historisk set, kan vi ikke være sikre på dens fortsættelse, hvis f.eks. den enhed, der er ansvarlig for tilbagekøbene, er ændret, retningslinjerne er ændret osv.
Dette er nu sådan et selskabsuvedkommende “nulpist”, men man bør være forsigtig med, hvilke konklusioner man drager, når man laver analyser baseret på ufuldstændige oplysninger.