a:

Korelasi, positif atau negatif, tidak pernah menyebabkan penyebabnya. Dalam statistik, korelasi istilah digunakan untuk menggambarkan hubungan antara dua atau lebih pembolehubah. Korelasi adalah positif apabila peningkatan frekuensi pembolehubah disertakan dengan peningkatan kekerapan pembolehubah yang lain. Hubungan negatif akan menjadi kebalikannya: penurunan frekuensi dalam frekuensi yang disertai oleh penurunan frekuensi pembolehubah yang lain. Korelasi boleh menjadi alat yang berharga untuk analisis statistik, tetapi ia tidak boleh membayangkan penyebabnya kerana apa yang ahli statistik memanggil pembolehubah membingungkan.

AD:

Pembolehubah membubarkan mempengaruhi hubungan antara dua atau lebih pemboleh ubah lain dalam cara yang sering tidak dapat dikesan atau tidak dapat diukur. The Guardian mengutip korelasi antara merokok dan kanser paru-paru sebagai contoh yang baik tentang bagaimana pembolehubah membingungkan dapat mengelirukan proses analisis korelatif. Dalam kes ini, terdapat korelasi positif yang jelas antara kenaikan merokok dan peningkatan kes-kes kanser paru-paru. Walau bagaimanapun, tidak ada cara untuk penganalisis menentukan secara tepat bahawa merokok sahaja adalah bertanggungjawab untuk kenaikan itu, kerana faktor lain seperti pelaksanaan prosedur diagnostik yang lebih baik dan peningkatan pencemaran yang berkaitan dengan perindustrian dan lalu lintas. Kerana semua pembolehubah ini penting dalam menentukan penyebab di sebalik peningkatan kanser paru-paru, mereka mengaitkan hubungan antara merokok dan kanser paru-paru dan menjadikannya lebih sukar untuk menentukan hubungan yang tepat.

AD:

Ini bukan untuk mengatakan bahawa korelasi tidak dapat memberi penganalisis pemahaman yang lebih baik tentang bagaimana dua pembolehubah mempengaruhi satu sama lain, tetapi jenis analisis ini tidak dapat memberikan kepastian mutlak. Dalam kes merokok dan kanser paru-paru, ia mengambil alih lebih daripada 40,000 doktor dan beberapa tahun kajian intensif untuk memastikan dengan tahap kepastian yang tinggi hubungan sebenar antara kedua-dua pembolehubah. Semua ini dikatakan, semakin kuat korelasi antara dua pembolehubah, positif atau negatif, semakin besar kemungkinannya terdapat sekurang-kurangnya beberapa sebab penyebabnya. Jika menganalisis korelasi untuk tujuan kewangan, cuba penyelidikan cara institusi kewangan profesional melakukannya.

AD: