在社会科学中，数学统计方法越来越被广泛运用。这种方法允许我们就给定的数据集合，确定自变量与因变量之间的关系，包括各自变量的系数。凡是能确定自变量系数的统计技术，都适用于本章的批评。注意，这一章要讨论的仍然是哲学内容。
为方便说明，本章先以下述多元线性回归方程为例，其中系数b1和b2都已经在给定的数据集合上被确定了。
Y = a + b1X1+ b2X2 + e
这个方程中的系数b有两种解释：要么是无异议(innocuous)但全然特殊的解释，要么是某种一般性的解释。第一种解释仅仅是一个事实描述，该解释下的各系数不存在任何理论意义(这里可参考物理学里的一些著名常数)，也无法建立起一个理论性原理；而对于第二种解释，它在社会科学中是不恰当的。
为什么第二种解释在社会科学中是不恰当的？假定我们已经从某一数据集合中确定了系数b。现在使用新的数据集合再一次做多元线性回归分析，若确定的系数b与第一次有明显偏离，那么按照恒常原则，原先根据第二种解释建立起的假设就被证伪了。所谓“恒常原则”，就是指可观测现象由其运作方式中恒常的和非时变的因素所决定的原则。
恒常原则无法由经验证明，亦不能由经验证伪。自休谟以来，人们就知道不存在可观测的联系联结着各事件；即便这样的联系存在，经验也无法证明这种联系是时变的还是非时变的。同时，任何没能成功复制特定结果的实践，都可以在经验上解释为只是某个特定变量没能成为另一变量的原因；否则就已经成功复制结果。至于能否真正找到任何其他变量，其运作方式对于我们所关心的因变量而言又是非时变的，那就不得而知了。
然而，恒常原则是以经验来证实或证伪任何假设的必要条件。按照回归方程的一般解释，无法重现结果就是证伪假设的体现；同时，为了解释系数b的不同值，我们不得不主张：在某一样本中，造成Y的原因的一个或多个隐含因素F在其他样本中要么不存在，要么以不同方式发生作用。因此，我们不得不假设性地解释这些因素F，并吸收进原先只假定X1和X2的初始假设，从而将旧假设替换成新假设。只有当恒常原则有效时，上述做法才是可行的。
那么恒常原则究竟是否有效？由于经验无法证实或证伪，因此只有通过逻辑依据，才能认定恒常原则究竟在什么领域下无效。
人按照恒常原则研究客观物质，通过排除例外状况、推翻旧假设并提出新假设的过程，来发现事物运作的客观规律。在这个过程中，人习得知识，并按照新知识采取行动的现象，本身就体现了恒常原则在知识领域是无效的。事实上，“人能够习得知识”是一个先验正确的陈述；因为若要反驳它，必须以习得的知识作为论据。但如果人的知识状态是由原因决定的，那么其推论就是人无法习得知识；这与前述公理是互相矛盾的。
因此，恒常原则的适用条件也就明了。在不包含个人本身知识或体现该知识之行动的客观领域中，恒常原则是有效的，因此也就可以做出事前预测；而在知识及行动领域，由于恒常原则不可能有效，所以该领域内的任何经验都属于事后决定的范畴。也许有人觉得这个“事后决定”的状况只是我们的错觉。从上帝视角来看，这种说法或许是对的。但既然我们并非上帝，那么这种“错觉”对我们凡人来说也是必要的。
最后，回到开头的回归方程：
Y = a + b1X1+ b2X2 + e
如果视Y为任一有目的的行动，并接受一般性解释，那么我们不得不做以下论断：
存在以恒常方式导致Y的一系列原因X1和X2。在特定数据集合的经验基础上，我们可以确定该运作方式(函数关系)的具体表达，并能够预测行动Y是否会成功发生(假如以0/1区分)。如果新经验要求对上述方程做出修正，那么该方程可能会改写为如下形式：
Y = a + b1X1+ b2X2 + b3X3 + e
Y = a + b1Z(X1)+ b1X1 + e
Y = a + b1logX1+ b2X2 + e
Y = a + b1X1+ b2X2 + b3X1X2 + e
不管方程形式如何，所采取的论断均与上述论断没有本质区别。而结合前面的逻辑依据，可见上述论断是根本站不住脚的。Y作为有意图的行动时，原则上是无法预测的。这个结论可用下述概括性论证得出：
(1) 我与——作为论证中的可能反对者——其他人能够习得知识。
(2) 假如能够习得知识，某个人在任何给定时间无法知道他任何以后时间的知识，以及根据这个知识的行动。（否则，习得知识是不可能的）
(3) 断言能够预测未来某个人本身和/或另一个人的知识状态以及体现该知识的相应行动，包含着矛盾。假定给定知识状态的主体或有意图行动的主体可习得知识，则对此无原因可言；然而，假如存在原因，则该主体无法习得知识。
那如果使用新数据时，发现上述方程的变量关系能够重现结果，或者近似地重现呢？这确实可以解释为偶发的历史-数学事实，而非证实某个假设；哪怕从经验主义角度来看，也可以视为巧合。因此，人的知识状态及其行动，只能被事后分析而不能事前预测。
