相关系数不能解释两变量间的因果关系

相关系数只是表明两个变量间互相影响的程度和方向，它并不能说明两变量间是否有因果关系，以及何为因，何为果，即使是在相关系数非常大时，也并不意味着两变量间具有显著的因果关系。例如，根据一些人的研究，发现抽烟与学习成绩有负相关关系，但不能由此推断是抽烟导致了成绩差。

因与果在很多情况下是可以互换的。

例如，研究发现收入水平与股票的持有额正相关，并且可以用收入水平作为解释股票持有额的因素，但是否存在这样的情况，你赚的钱越多，买的股票也越多，而买的股票越多，赚的钱也就越多，何为因？何为果？众所周知，经济增长与人口增长相关，可是究竟是经济增长引起人口增长，还是人口增长引起经济增长呢？不能从相关系数中得出结论。

什么是相关系数

相关表和相关图虽然可以直观地展现变量之间的相关关系，但对变量相关程度的描述比较模糊，无法确切地表明两个变量之间相关的程度，不够精确。对于不同类型的变量数据，我们可以采用各种不同的相关系数来具体度量变量间相关的程度。

著名统计学家卡尔·皮尔逊设计了统计指标——相关系数。相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度。

依据相关现象之间的不同特征，其统计指标的名称有所不同。

如将反映两变量间线性相关关系的统计指标称为相关系数（相关系数的平方称为判定系数）；

将反映两变量间曲线相关关系的统计指标称为非线性相关系数、非线性判定系数；

将反映多元线性相关关系的统计指标称为复相关系数、复判定系数等。