ตัวอย่างหนึ่งเช่น สมมุติว่า การบริโภคไอศกรีมมีความสัมพันธ์ทางสถิติกับจำนวนผู้จมน้ำตายในช่วงเวลาหนึ่ง ๆคือตัวแปรสองตัวนี้มีสหสัมพันธ์เชิงบวกต่อกันและกันผู้ประเมินเหตุการณ์ อาจจะอธิบายค่าสหสัมพันธ์โดยอนุมานความเป็นเหตุผลของตัวแปรสองตัวว่า ไอศกรีมทำให้จมน้ำตาย หรือเหตุการณ์จมน้ำตายทำให้มีการบริโภคไอศกรีมแต่ว่า คำอธิบายที่เป็นไปได้มากกว่าก็คือ ความสัมพันธ์ระหว่างการบริโภคไอศกรีมกับการจมน้ำตายเป็นเรื่องเทียม แต่มีตัวแปรที่สามซึ่งเป็นตัวแปรกวน (เช่นฤดู) ที่มีอิทธิพลต่อตัวแปรสองตัวแรก คือในช่วงฤดูร้อน อุณหภูมิที่สูงเพิ่มการบริโภคไอศกรีม และก็เพิ่มจำนวนคนที่ไปเล่นน้ำแล้วจมน้ำตายด้วย

อีกตัวอย่างหนึ่งเช่น ถ้าเราศึกษาความสัมพันธ์ระหว่างลำดับการคลอด (ความเป็นลูกคนที่เท่าไร) และการมีกลุ่มอาการดาวน์ ในกรณีนี้ อายุของคุณแม่จะเป็นตัวแปรกวน คือพบว่า

1. อายุคุณแม่ที่มากกว่า สัมพันธ์โดยตรงกับอาการดาวน์ในเด็ก
2. อายุคุณแม่ที่มากกว่า สัมพันธ์โดยตรงกับอาการดาวน์ในเด็ก ไม่ว่าจะเป็นลูกคนที่เท่าไร คือ คุณแม่อายุ 50 จะเสี่ยงเท่ากันไม่ว่าจะเป็นลูกคนแรกหรือคนที่สาม
3. อายุคุณแม่สัมพันธ์โดยตรงกับลำดับการคลอด เช่น ยกเว้นในกรณีลูกแฝด ลูกคนที่สองจะเกิดเมื่อคุณแม่อายุมากกว่าเมื่อคลอดลูกคนที่หนึ่ง
4. แต่อายุคุณแม่ไม่ได้เป็นผลของลำดับการคลอด คือ การมีลูกคนที่สอง ไม่ได้เปลี่ยนอายุของคุณแม่

ในการประเมินความเสี่ยง ปัจจัยเช่น อายุ เพศ ระดับการศึกษา บ่อยครั้งมีผลต่อสุขภาพ ดังนั้น จึงต้องควบคุมปัจจัยเหล่านั้นแต่ว่า นักวิจัยอาจจะไม่ได้พิจารณาหรือไม่มีข้อมูลเกี่ยวกับปัจจัยอื่น ๆ อีกที่เป็นเหตุตัวอย่างอย่างหนึ่งก็คือการศึกษาผลของการสูบบุหรี่ต่อสุขภาพการสูบบุหรี่ การดื่มสุรา และการเลือกทานอาหาร ล้วนแต่เป็นกิจกรรมชีวิตที่เกี่ยวเนื่องกันดังนั้น การประเมินความเสี่ยงของการสูบบุหรี่ ที่ไม่ได้ควบคุมการดื่มสุราหรือการเลือกทานอาหาร อาจจะทำให้ประเมินความเสี่ยงการสูบบุหรี่สูงเกินจริง[10] มีการประเมินความเสี่ยงของการสูบบุหรี่พร้อมกับตัวกวนในอาชีพต่าง ๆ เช่น พนักงานในเหมืองถ่านหิน[11] แต่ว่า ถ้าจำนวนตัวอย่างของผู้ไม่สูบบุหรี่หรือผู้ไม่ดื่มสุราน้อยเกินไปในอาชีพนั้น ๆ ค่าประเมินความเสี่ยงอาจจะมีความเอนเอียงว่า การสูบบุหรี่ไม่มีผลเสียต่อสุขภาพในอาชีพนั้น ๆ