因果推理是将因果关系归因于变量之间的关联的过程。统计推断是使用统计方法来表征关联的过程变量之间。因果关系是科学解释的根源，科学解释被认为是因果解释。然而，尽管在过去的几十年中取得了长足的进步，但建立因果关系却是极其困难的。统计推断就像一个黑匣子一样工作，并生成变量之间关系的最佳可能表征。统计推断提供了对变量之间关联的估计，但当然，关联并不意味着因果关系，因此统计推断几乎无法确定因果关系。这并不是说统计工具不能用于建立因果关系，但为此必须考虑一些规则。这些规则就是通常所说的覆盖法其中统计推断是用于建立科学解释的统计相关性模型中的方法。由于科学解释是因果解释，因此在统计推断和因果推断之间建立了微妙的关系。有关这些概念的回顾，请参阅 Judea Pearl 的“统计中的因果推理：概述”（http://ftp.cs.ucla.edu/pub/stat_ser/r350.pdf）。

“因果推理”是指对因果关系的推理，而“统计推理”是指用统计进行推理（它或多或少与“统计”一词本身同义）。所以，因果推理是统计推理的一个子集，除了你可以在没有统计信息的情况下进行一些因果推理（例如，如果事件 A 发生在事件 B 之前，那么 B 不可能导致 A）。反过来肯定不成立，因为许多统计方法与因果关系无关，并且可以有效地应用于数据不允许因果推断的情况。

因果推理在拟合统计模型之前使用 匹配等技术。换句话说，因果推理更强调研究设计，而统计推理更强调数学/计算部分。