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3の変数（交絡因子）などのために、相関があるように見える現象。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のが典型例である。交絡因子を考慮した分析や因果推論の手法で、見かけの関係と真の因果を区別する。

2つの変数の関係を視覚化するために、データを点でプロットした図。品質特性と要因の間に相関関係があるかを分析する。正の相関、負の相関、無相関を視覚的に判断でき、回帰分析と組み合わせて定量化する。

外側のクエリの各行の値を参照する副問合せ。外側の行ごとに副問合せが評価されるため、通常の副問合せより処理コストが高い場合がある。EXISTS述語やIN述語と組み合わせて使用されることが多い。

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。

複数の変数について、すべての2変数の組合せの散布図を行列状に並べたグラフ。対角成分には各変数のヒストグラムなどを置くことが多く、変数間の相関の強さや向き、非線形な関係、外れ値をまとめて確認できる。回帰分析の前に、説明変数の候補を探したり説明変数どうしの相関を確かめたりするのに使う。