「相関は因果を意味しない」という言葉はデータサイエンスの定番ですが、多くの人が相関の正確な意味を誤解しています。相関は単なる「なんとなく関係がある」という感覚ではなく、二つの変数が平均値の周りでどのように一貫して動くかを数値化した厳密な測定結果です。具体的には、一方の値が平均より上（または下）にある時、他方の値も同様に平均より上（または下）になる傾向があるかどうかを示します。 この測定を定量化するのがピアソン相関係数で、その値はマイナス 1 からプラス 1 の範囲で表されます。プラス 1 は完全な正の相関、ゼロは線形な関係がない状態、マイナス 1 は完全な負の相関を意味します。重要なのは、この数値が二つの事象の直接的な因果関係や、なぜそうなったかの理由を説明するものではないという点です。例えば、アイスクリームの売上と水難事故の発生件数には明確な正の相関がありますが、これはアイスクリームが事故を引き起こしているわけではなく、気温という共通の要因が両方を増加させているためです。 また、相関には重要な限界があります。これは直線的な関係のみを捉えるため、変数間に強い曲線的な関係（例えば y が x の二乗に比例する場合）が存在しても、相関係数はゼロに近い値を示す可能性があります。そのため、相関は単に「何か興味深い関係が潜んでいるかもしれない」という初期のシグナルとして機能します。 一般的に相関から生じる誤解としては、第一に相関を見ても因果関係を仮定しないこと、第二に両方を動かす第三の要因（隠れた変数）を考慮すること、第三に線形以外の関係を軽視しないことが挙げられます。相関自体が誤解を招くのではなく、その結果を因果関係の証拠として過剰に解釈することに問題があります。相関分析は研究の第一歩として有用ですが、その先にある「なぜ」という理由を明らかにするには、さらに詳細な調査と分析が必要です。