Korelacja jest miarą statystyczną, która wskazuje stopień, w jakim dwie lub więcej zmiennych zmienia się w stosunku do siebie. Korelacja dodatnia wskazuje zakres, w jakim te zmienne rosną lub maleją równolegle; korelacja ujemna wskazuje zakres, w jakim jedna zmienna rośnie, gdy druga maleje.

Współczynnik korelacji jest miarą statystyczną stopnia, w jakim zmiany wartości jednej zmiennej przewidują zmiany wartości innej. Kiedy fluktuacja jednej zmiennej wiarygodnie przewiduje podobną fluktuację w innej zmiennej, często istnieje tendencja do myślenia, że oznacza to, że zmiana w jednej z nich powoduje zmianę w drugiej. Jednakże, korelacja nie oznacza związku przyczynowego. Może na przykład istnieć nieznany czynnik, który w podobny sposób wpływa na obie zmienne. Rozróżnienie pomiędzy korelacją a związkiem przyczynowym może być cenne, jeśli chodzi o wzorce danych konsumenckich, i dostarczyć cennych spostrzeżeń. Przykład piwa i pieluch jest często używany, aby podkreślić to w kontekście marketingu.

Oto jeden przykład: Wiele badań wykazuje pozytywną korelację pomiędzy ilością oglądanej przez dzieci telewizji a prawdopodobieństwem, że staną się one dręczycielami. Media często przytaczają takie badania, aby zasugerować, że oglądanie dużej ilości telewizji powoduje, że dzieci stają się dręczycielami. Jednak badania te mówią jedynie o korelacji, a nie o związku przyczynowym. Jest prawdopodobne, że jakiś inny czynnik – taki jak brak nadzoru rodzicielskiego – może mieć na to wpływ.