Korelacja pozorna to zjawisko, w którym trzecia zmienna, zwana zmienną zakłócającą (ang. confounder), jest powiązana zarówno ze zmienną zależną (objaśnianą), jak i niezależną (objaśniającą).

W korelacji pozornej związek między dwiema zmiennymi (np. zmienną objaśniającą i objaśnianą) jest w rzeczywistości wynikiem wspólnego powiązania z trzecią zmienną, która pełni rolę „zakłócacza” (ang. confouder), a nie jest bezpośrednią przyczyną ich związku.

Przykładowo, wyobraźmy sobie że występuje zależność między towarzyskością a zadowoleniem z życia. Zmienne te jednak nie muszą być ze sobą bezpośrednio powiązane, ich związek może być tylko pozorny i wynikać jedynie z istnienia ich wspólnego powiązania z trzecią zmienną – na przykład liczbą znajomych. W takiej sytuacji towarzyskość koreluje z liczbą znajomych, a liczba znajomych z kolei jest związana z poziomem zadowolenia z życia.

Warto wiedzieć, że korelacja pozorna, choć w pewnym stopniu podobna, jest innym efektem niż mediacja. Różnice tę zobrazowano na poniższych rysunkach.

Podsumowując, korelacje pozorne mówią nam o tym, że wysoki poziom korelacji między dwiema zmiennymi nie musi oznaczać ich bezpośredniego, silnego związku, ale może wynikać z tego, że obie zmienne są powiązane z trzecią zmienną, która warunkuje istnienie pozornej relacji między nimi. Dlatego też w analizie danych ważne jest wykonywanie analiz regresji liniowej z wieloma predyktorami, w których uwzględnione zostają ich korelacje wielokrotne oraz efekty współliniowości. Dzięki temu możliwa jest lepsza ocena rzeczywistych związków między zmiennymi, w tym ocena występowania efektu korelacji pozornej.