接下来，研究需要把判断拆得更细：事实告诉我们发生了什么，价值判断说明我们希望什么，二者不能在一句政策结论里互相偷渡。面对遗漏变量、坏控制和选择偏差，研究者要说明处理组和对照组为何可比；面对随机试验，还要理解每个人只能观察到一种结果，随机化为何珍贵，以及不服从、外溢和事后挑选指标会怎样扭曲效应。课程把这些抽象规则放进培训、补贴、就业等经济场景中，帮助你从“有差异”走到“差异能否归因于干预”。
现实世界很少愿意按骰子分组，因此经济学家也会借助制度留下的裂缝。工具变量、双重差分和断点回归并不是三把万能钥匙：它们分别依赖排除限制、平行趋势和阈值附近不可操纵等条件。与此同时，尺子本身也可能骗人——电话样本漏掉谁、贫困和就业如何定义、控制变量和样本切法改变结论多少，都决定一项估计值是否值得相信。本课程强调，不把一条显著曲线当终点，而要追问它的样本框、度量、稳健性和适用范围。
最后，方法论不止于找到一个系数。人力资本、信号和理性假设提醒我们，理论需要保留可检验的硬核，也要诚实处理无法解释的反常；一份研究设计则必须写清对象、干预、结果、识别策略、伦理边界与失败条件。我们还会检查发表偏差、局部效应被过度外推以及“应该”伪装成证据的时刻。学完这些内容，我们得到的不是一套背诵术语，而是一张可复用的工作图：提出问题、画出机制、寻找比较、检验测量、报告限制，并在证据不足时克制下结论。