是否具有批判性思维的一个重要标准是能否发现和改正一些固有的思维谬误，其中一个就是是否乱用因果关系。在为企业进行咨询服务的时候，麦肯锡团队经常会遇到一个棘手的问题，即如何向客户解释他们固有思维当中一个常见的谬误——相关性不等于因果性。
在一次咨询服务中，来自麦肯锡的休斯负责为一家保险公司做业务咨询。该保险公司存在一个严重的问题，即公司向中学生群体提供意外伤害保险的保费往往很低，但中学生群体又非常容易发生意外伤害，公司需要赔付大额的保险金。因此，公司认为，这种面向中学生的意外保险严重影响了公司的盈利能力，公司想要将这块业务砍掉。
毋庸置疑，保费低与保险激活率高之间的不合理比例会影响到一个险种的盈利率。而各险种的盈利率与企业整体的盈利能力是相关的，但这种相关的关系能否解释成为因果关系呢？
在思考的过程中，有一个致命的谬误，那就是将相关性看成因果性。这种谬误导致人们无法准确地认识到真正的原因在哪里，无法找到一条正确的逻辑线索。
从理论的角度讲，相关性是普遍的。举个例子，如果因素A与因素B在某种程度上有所关联，通过某种媒介可以联系到一起，那么它们就算是具有了相关性。比如汽车行驶在路上会造成烟尘，烟尘会影响到道路两旁植物的生长，因此汽车与道路两旁的植物就具有了相关性。
从逻辑学的角度讲，相关性分为偶然关联和固定关联。其中，偶然关联是由随机事件引起的，其发生的概率并不大。譬如，有些企业选择在某些重大节日之前申报所得税，可能会在一定程度上合理避掉一些税，但这种相关性必须建立在税务官的心情上面，这种事件发生的概率很小，因而属于偶然关联。
偶然关联无疑不可以理解为因果，你不能因为某个税务官心情好，在职权范围内为企业做了合理的避税，就认定在节日之前申报就一定能够获得避税。在为企业分析问题的时候，分清这种偶然关联并不困难，即便不是麦肯锡的咨询工作者，一般企业的管理者也很难将美国总统大选导致的就业率提升看作经济状况有所好转的标志。
在偶然关联之外，另一种相关性是固定关联。固定关联指关联关系确定，可以通过统计学计算认为在大多数时候都相关的两者，这里的大多数一般要求在百分之九十五以上。
固定关联在分析的时候，具有一定的迷惑性，有时会让人将其与因果关系相互混淆。因而，对于思考者来说，理解何为固定关联要比理解何为偶然关联更重要。
从差异上来说，固定关联可以分为虚假关联、伴随关联和因果关联三种。
其一，虚假关联，指的是事情的关联性不明确，但因为对信息的掌握不全面而导致人们认为事件之间是关联的。
1975年美国医生齐格勒组建医疗小组，对110万妇女进行了调查。他们分析这些妇女的病历（而不是直接检查所有人），最后得出服用雌激素和发生子宫内膜癌之间有关联的结论。
然而在四年之后，这个结果在医学界遭到了广泛的质疑。因为服用雌激素会刺激子宫内膜增生，容易发生子宫出血，这反而促进了求医行为，而在求医的过程中，一些人发现了自己患有子宫内膜癌。然而，有很多子宫内膜癌患者，是因为其他原因进行体检时发现自己患病的。也就是说，子宫内膜癌与服用雌性激素之间没有固定的关联。这种虚假的关联，只是因为齐格勒小组没有掌握服用雌性激素会导致妇女求医行为的信息。
这种对于信息把握不清的情况，有可能是因为人们对于某些信息的主观坚持，也可能是因为对于某些选择的主观坚持。譬如病人的家属在向医生说明病人的情况时，可能会把他们认为不合适、不喜欢、不健康的病人的生活习惯夸大，因而给人一种病人生病是因为这些不良习惯的错觉，但病人本人在说明自己的情况时，若某些家属在场则可能会掩饰某些情况，这又会导致很多信息的缺失。
其二，伴随关联，指的是某些事件具有共同的原因或结果，因为共同的原因或结果导致二者之间表现为某种关联性，但二者并非因果关系。
例如，在做咨询的过程中，麦肯锡人员发现，处于稳定期的企业，其凝聚力往往是下降的，而裁员也可能会导致同样的问题。因为同样的结果，裁员与企业进入稳定期在某种程度上实现了关联，但这种关联并非因果，因为企业稳定期并不一定会裁员。
兰尼公司是得克萨斯州一家专营农具农药的公司，该公司为得州很多农场提供灭虫药。在经营的过程中，该公司发现，使用除草剂A的农场，在播种三年的玉米之后，往往需要播种一年的牧草进行休耕，而使用其他除草剂的农场则没有这样的问题。与此同时，兰尼公司还发现，选择除草剂A的农场，其玉米的产量往往要比选用其他除草剂要高一些。在这里，因为同样的原因，玉米产量的提高与三年一休耕之间实现了伴随关联，但二者之间也是没有因果关系的。
对于伴随关联，一个重要的分辨手段是寻找这种关联性的共同点，如果这种共同点是并列顺序的，而不是前后顺序的，那么它们就不具备因果性。
在思考问题的时候，如果混淆了伴随关联，认为它具有因果性，那结果就会让头脑陷入一个逻辑悖论当中，无法寻找到问题的突破口。
其三，因果关联。
因果关联是相关性中唯一能够推导出因果的类别，也是人们在思考问题的过程中，力求找到的一种关联性。但凡问题存在，就一定能够寻找到前因后果，找到结果的关联者，就能够推导出原因，寻找到原因的关联者，就能够推导出结果。
企业的裁员导致凝聚力的下降，那么凝聚力与裁员就有着因果关联，凝聚力下降是“果”，想要解决这个“果”，就要在裁员这个“因”上面下功夫。有的时候，因果关联的两件事务之间会存在很多中间环节，这些隐藏在事件背后的中间环节会导致人们无法正确认识因果关联。
一些企业开拓新市场之后，盈利能力往往需要下降一段时间，这二者之间也存在因果关联。然而，在很多人的思维之内，这种因果关联是无法理解的。新市场、新发展空间，怎么可能会导致盈利能力下降呢？这就需要寻找到这个因果关联的中间环节。
企业开拓新市场，需要大量的基础投资，投资需要几年时间才获得盈利，大量资金被占用导致整体盈利能力下降。在这条因果关联的逻辑线中，三个中间环节被忽略掉了。
需要额外指出的是，在因果关联之下，还有一种不实关联，这种不实关联与因果关联是如此相似，以至于人们根据简单逻辑已经无法判断。譬如医学上经常使用的安慰剂，就是一种不实关联。
有调查显示，术后疼痛、心绞痛、头痛等情况，使用并无药物成分、只是外形相同的安慰剂，有百分之十五至百分之五十的缓解效果，但这种安慰剂与缓解疼痛之间，其实是没有任何关系的。
分析不实关联，需要大量样本调查、对照组实验等多种手段，这在思考问题的过程中，也是需要学习的。总而言之，在分析问题和解决问题的时候，一个重要的思考就是分清楚哪些事件是只相关的，而哪些事件是既相关又有因果关系，建立在这个逻辑思考基础上的行为，会让问题更容易被分析清楚、解决彻底。
