两个变量之间的负相关性意味着一个变量随其他变量的减少而增加。 这种关系可能代表也可能不代表两个变量之间的因果关系，但它确实描述了现有的模式。 完美的负相关性意味着一个直接的关系始终存在，一个变量的减少总是与另一个变量的相应增加相遇。 统计人员将负值分配给负相关，并在存在正相关时分配正值。
当两个变量相关时，它们可能具有相似或相同的原因。 一个变量的增加呈负相关，可以表示直接导致另一因素减少的因素的增加。 例如，如果小鼠和猫的室内种群数量负相关，那么猫数量的增加可能直接导致小鼠数量的减少。 但是，相关性可能不相关。 如果另一个不相关的因素正在减少室内小鼠的数量，例如新的老鼠陷阱，那么更多猫的存在可能不会直接减少小鼠的数量。
应该调查相关性以确定原因。 作为市场分析的一部分，业务计划人员可以查看变量之间的现有关系，例如消费者支出和对产品的需求。 但是，相关性不应解释为一个变量导致另一变量发生变化的证据。 复杂的业务环境通常会表现出许多复杂的原因和相关数据，而相关性缺乏因果关系。 例如，消费者支出和收入的增加可能与积极的媒体报道同时发生，但可能有不同的原因，例如进入新兴市场。
