虽然我们已经知道了两个变量存在相关关系，但是我们至今还不知道原因是什么。为了寻求这个原因，我们需要把列联表中的一些变量列为自变量（也可以称为探索性变量或预测性变量），然后把另一些变量列为因变量。自变量可能是人口统计变量（如年龄、性别、工作状态等）、地理人口统计变量（如邻居的类型）、行为变量（如上个月使用过X产品），态度变量（如对于环境问题的态度）。当我们寻求两变量间的关系，并把其中一个变量列为自变量，另外一个列为因变量时，我们就指出了影响的方向，即因变量随自变量的改变而改变。这是探索性分析的开始，但它可以提供一些有说服力的结果。

研究设计和探索性分析

探索性分析可以：

•寻求变量间的关系、协方差或相关性；

•寻求合适的时间序列；

•排除其他可能作为自变量的变量；

•得到合理且符合规范的结论。

一个横截面设计，如一次性或临时性调査，这也是在市场调研和社会调研中最常见的收集数据的方式。与横截面设计不同的是，探索性调研是通过控制自变量值去观测因变量值的变化。在实验中，还可以控制时间序列。

除了测量两变量间是否存在关联关系，我们还可以检査是否存在着一个影响方向，如r（产品A的销售量）是直接受x（a的广告投入）影响而变化，或者两个变量间存在非线性关系，如x和r都只是中间变量。例如，职业可能只是受教育程度和收入水平两个变量间的中间变量，这就涉及多元变量分析，在多元变量分析时，使用偏相关系数来衡量关联关系。如果你用实验的方法进行探索性分析，你可以通过控制变量法来排除其他变量可能对变量的影响。但是实验是人为的，不经常用于解决客户实际的商业问题。而且在实际的营销和社会问题中，也无法像实验中那样采用控制变量法。所以，在釆取实验的方法时,一定要对其解释的变量间的因果关系程度抱有谨慎态度，这样可能会帮助你排除一些变量对因果关系的影响。

现在我们关注时间序列问题。横截面设计也有局限，因为进行横截面设计收集的数据都是一个时间点的。而纵向设计会消除这些局限，因为它是在一组时间点上对同一份样本收集数据。但进行纵向设计会十分昂贵且费时，所以很难进行操作，也可能不符合客户的要求。