我们中的大多数都听说过：犯罪和失业之间的关系，食用蔬菜和更小的癌症风险间的关系。我们也都曾被警告过，压力和健康问题间的关系，我们可能还听说过，一个母亲有越多的男孩，下一个孩子是同性恋的可能性就越大（Purcell,Blanchard,and Zucker,2000）。很多的这种信息都来自于关联研究。
关联研究方法和事后回溯研究很相似。在这两种设计中，调查者都发现调查中的变量，并不是研究者创造的。然而，与事后回溯研究不同的是，关联研究寻找两个或更多变量之间的关系程度，而不是考察组与组之间的差别。能被研究的变量种类是无数的：从人的压力和幸福，再到太阳磁场和地球温度。如果两个变量之间存在一种关系，那么一个变量变动的话，另一个也会随着变动。例如，我们能够从一大群人中，收集一周之内他们食用多少肉食的数据。同时，我们实施一个估测他们血液中的铁含量水平的测试。如果那些食用更多肉食的人也往往有更高的血液含铁量，那么我们就能建立起一个积极的关联。如果我们发现食用更多肉食的人有更低的血液含铁量，那么我们就建立了一个消极的关联。可我们必须总是要问的问题是：“这两个变量之间的关系有多强？”如果在食肉和铁含量之间只有一个非常弱的积极关联，那就几乎没有理由要改变一个人的饮食习惯。另一方面，如果关联是强的，那么如果一个人想提高血液含铁量的话，多吃肉就会是一个很好的建议。
如果两个变量之间没有关联，我们就可以确定它们之间也没有因果关系，因为所有的因果关系都是有关联的。但是如果发现了一个关联，一般来说对于因果的方向，甚至是否一个因果关系存在，还是存在疑问的，就像在事后回溯研究中那样，因为关联设计不是用来确定因果的！比方说，如果我们在攻击性和看暴力电视之间发现了强关联，那就意味着看暴力电视导致了攻击性行为吗？或者是攻击性人格选择看更暴力的电视？还是两者都是？还是两者都不是？我们可以对这些可能性中的任何一种都有一个好的关联。比如，也许更暴力的父母比更不暴力的父母让孩子看更多的暴力电视，这样，就是暴力导致了攻击性，而不是电视。从这个简单的例子中，可以看到关联研究如何显明变量间的关系但很少能确定任何因果关联。在暴力电视这个话题上，几十年来的大量研究，使用了各种研究设计，显示出在看暴力电视和攻击性行为之间，存在一种因果关系，而且因果方向在两种形式上都存在。
常识和高级统计方法有时能帮助澄清方向问题。在上面的一个例子中，我们很可能排除血液铁含量导致食用肉食这种可能性。我们就能推论出，如果在吃肉和铁含量之间发现了一种强关联，那么吃肉提高铁含量？不一定，因为就如我们在事后回溯研究中看到的，第三个变量可能会解释这种关系。如果出于某种原因，食用肉食和食用土豆、体力活动、吸烟或者饮酒有关联，那就可能是这些变量中的某一种而不是食肉要对铁含量的变化负责。
考虑到关联研究中的所有这些问题，为什么我们还要有这种研究？一个理由是，关联研究产生出关于两个变量关系程度的统计，也就是说，它们相互关联的强度。关联程度越高，如果我们知道一个变量，精确地预测另一个变量的可能性就越大。我们不用知道任何相关的因果关系就能做到这一点。例如人寿保险公司，当它们评估新投保者的性别和健康习惯时使用关联，来决定死亡潜质和保险风险。大学招生委员会使用ACT和SAT分数，因为它们把这些分数和学术成就相关联。另一个使用关联研究的理由和使用事后回溯研究一样：它避免了使用实验方法会产生的伦理和实践问题。
思考
能用一个可控实验来决定吃肉是否提高了血液中的含铁量吗？
