Zwei typische Beispiele einer Scheinkorrelation (engl. spurious correlation)
Beispiel 4-8:
Beobachtungen in einer bestimmten Region zeigten, dass es im Verlauf der letzten Jahre zu einem starken Rückgang sowohl der Zahl der Störche als auch der Anzahl der Geburten gekommen war. Berechnungen ergaben einen hohen positiven Korrelationskoeffizienten und bestätigten die Vermutung eines starken direkten Zusammenhanges zwischen den beiden Merkmalen.
Ein Zeichen dafür, dass die Störche ...? - Nein! Der Grund für die hohe Korrelation war vielmehr ein anderer. So kam es aufgrund der zunehmenden Industrialisierung in der Region einerseits zu einer starken Einengung des Lebensraumes der Störche und andererseits zur Verstädterung und damit verbunden zum Übergang von der Groß- zur Kleinfamilie. Diese beiden Faktoren waren in der Folge für die rückläufige Zahl der Störche respektive die sinkende Geburtenzahl verantwortlich.
Der hohe Korrelationskoeffizient war also nicht - wie es eine erste oberflächliche Betrachtung vielleicht vermuten ließ (?) - kausal bedingt, sondern vielmehr das Resultat wechselseitiger Beziehungen der beiden Merkmale Storchenzahl und Geburtenzahl mit einer dritten, bei der Berechnung nicht berücksichtigten Variablen, und zwar der Variablen Industrialisierung.
Beispiel 4-9:
Im Rahmen einer empirischen Untersuchung wurden neben anderen Merkmalen auch die beiden Variablen Schuhgröße und Einkommen erhoben. Mit Hilfe der Korrelationsanalyse konnte in der Folge ein starker direkter Zusammenhang zwischen diesen zwei Merkmalen festgestellt werden.
Lohnt es sich also auf „großem Fuß“ zu leben? - Nein! Der Grund für die hohe Korrelation lag nicht in einem kausalen Zusammenhang zwischen den beiden Merkmalen, sondern vielmehr darin, dass sowohl die Schuhgröße als auch das Einkommen in starkem Ausmaß vom Geschlecht einer Person abhängen. So ist nicht nur die Schuhgröße sondern auch das - für die gleiche Tätigkeit erhaltene - Einkommen von Frauen im Allgemeinen kleiner als jenes von Männern. Die im Rahmen der Untersuchung erhobenen Daten lieferten bei Männern somit die Kombination große Schuhnummer - hohes Einkommen, bei Frauen hingegen die Kombination kleine Schuhnummer - geringes Einkommen.
Die durchgeführte Korrelationsanalyse, in welche die Gesamtheit der erhobenen Daten einfloss, verwischte allerdings die geschlechtsspezifischen Unterschiede und vermittelte den Eindruck eines Zusammenhanges zwischen den Merkmalen Schuhgröße und Einkommen.