擬似相関

二つのデータに強い相関があるように見えても、実際は共通の別の要因（第三の変数）によって生じている見かけ上の相関。相関があることを因果関係と早合点しないための注意点として問われる。

直接の因果関係がない2つの変数の間に、共通の第三の要因があるために見かけ上生じる相関。アイスの売上と水難事故が「気温」を介して相関する例が有名。相関があっても因果があるとは限らない。

2つの変数の間に直接の因果関係がないのに、両方に影響する第三の変数（交絡因子）があるために見かけ上生じる相関。アイスクリームの売上と水難事故の件数が、ともに気温の影響で連動する例が知られる。相関があるからといって因果関係があるとは判断できない。

2つの変数の一方が変化すると、他方も一定の傾向で変化する関係。一方が増えると他方も増える正の相関と、一方が増えると他方が減る負の相関があり、直線的な関係の強さは−1から1の値をとる相関係数で表す。相関があっても因果関係があるとは限らず、散布図で外れ値や非線形な関係も確かめる。

原因と考える要因と結果の両方に影響する第3の要因（交絡因子）があるために、両者の関係が実際より強く、または弱く見えること。広告を見た人ほど購入が多くても、もともと関心の高い人ほど広告を見ていれば、広告の効果は過大に評価される。無作為化、層別、回帰分析による調整、傾向スコアなどで交絡因子の影響を取り除く。