到目前为止的答案和评论在实践层面基本上是正确的，但为了完整起见，对基于贝叶斯统计和图论的所谓因果关系模型进行了研究。因此，尽管总体上相关性确实并不意味着因果关系，但有更复杂的模型确实试图梳理出因果关系。有关详细信息，请参阅 Judea Pearl 的《因果关系》一书，但这是非常繁重的数学，可能不是您想要的。

有许多所谓的准实验方法，即使你的数据是观察性的，你也可以用这些方法可信地争论因果关系。这些方法通常依赖于在您感兴趣的变量中找到外生变异的来源。

我认为“Mostly Harmless Econometrics”一书中给出了一个很好且易于理解的概述。它们基本上涵盖了人们（意思是：经济学家）（至少有时）相信的所有准实验方法。它们不包括例如 trb456 提到的方法（出于同样的原因：相信它们的人并不多）。

要确定因果关系，您需要进行随机化测试。你选择你的测试对象，随机选择其中一半有质量 A，一半没有它。然后，您可以查看两组之间的质量 B 是否存在统计学上的显着差异。

在进行任何测量之前进行随机化是很重要的。特别是，如果给你一个数据集$A$和$B$已经测量了，那么就不可能确定因果关系。

请注意，可能无法进行您想要进行的随机化测试。例如，您如何测试身高是否会导致体重增加？当然，身高和体重之间存在相关性，但是您不能将一组人随机分配到“高”组，而将一组人分配到“矮”组。在这种情况下，无法进行随机化测试。

Somers' d 以皮尔逊相关系数对数据集所做的方式解释序数变量之间的关系。