如果相關性並不意味著因果關係，那麼了解兩個變量之間的相關性有什麼價值？

假設作為企業主（或營銷人員或任何了解散點圖的人）顯示了兩個變量的散點圖：過去 5 年的廣告數量與每月產品銷售數量（或另一個時間尺度，以便您有更多的樣品。我剛做了這個）。

現在他/她看到了散點圖，並被告知相關係數 (corr) 為：

1. 1 或
2. 0.5 或
3. 0.11 或
4. 0 或
5. -0.75 或
6. -1

基本上任何有效值corr

問題：這對決策者或散點圖的任何消費者意味著什麼？僅基於此可以做出哪些決定？

即：看到任何兩個變量之間的相關性有什麼用，孤立地處理這些信息有什麼用？只是看看回歸分析中包含哪些內容而不考慮哪些內容，還是有更實際的用途？

只是好奇，我一直在使用這種技術，但有人告訴我，相關性本身並沒有多大用處——那麼“是”有什麼用呢？

一些想法：

• 關於相關性不是因果關係的古老謠言只是故事的一半。相關性可能不是因果關係，但兩個變量之間某種形式的關聯是展示因果關係的必要步驟，相關性可以幫助證明這一點。
• 它有助於指出趨勢。將其展示給企業主，他們可能會說“是的，這很有道理，您會看到 Widget X 和 Widget Y 最終都被特定的一群人使用，即使它們並不真正相關。或者他們可能會說“那是……奇怪”，此時您提示了進一步調查。
• 這樣看。相關性是一種工具。錘子本身並沒有那麼有用。它當然不會自己建造房子。但是你有沒有試過不用錘子蓋房子？

引用自：https://stats.stackexchange.com/questions/18016