社会科学中的大多数社会现象具有强烈的主观性、难以验证性和不可重复性等特点，经验主义者对其方法论方面的缺陷难以做出合理的辩护，而对于主观性的形式化、客观化，经验主义者更是无所适从。然而，主观主义者主观概率的提出完满地解决了这一方法论难题，并将社会科学研究提高到一个可量化的层面上来。主观概率存在于人们的主观世界中，它反映了人们对某些事物的相信程度，是对不确定性的主观判断，与个人的、心理的等各种因素有关。贝叶斯学派所采纳的是主观主义概率思想，其统计的目的是通过贝叶斯公式依据证据来更新主观概率。贝叶斯论者把概率建立在研究者的背景知识或个体经验基础之上，是对事件发生或命题为真的可能性给出的个人信念，具有认识论的性质。
贝叶斯学派与频率学派最大的区别是，是否使用先验信息，即人们做实验之前由背景知识或个体经验所提供的信息。贝叶斯论者将先验信息转化为先验概率，将研究者的背景知识加入分析之中，并且根据经验证据，通过贝叶斯公式对先验概率不断加以修正，最终获得的后验概率将趋向于一致，先验概率，即研究者关于不确定性的先验信息的概率陈述，后验概率可以看作是经验证据对先验概率做出修正后的概率陈述。这一方法的独到之处在于使得社会科学中主观性的客观化问题迎刃而解。
综上可知，解决亨普尔概率解释模型之于社会科学的困境，就需要重新定位解释者作为解释主体的认识论地位，将解释主体的背景知识或认知状态，以及解释者对相关要素的信念度引入社会科学解释要素当中。贝叶斯方法的概率解释模型为这一引入构建了一个可行的平台。贝叶斯方法是基于贝叶斯定理发展起来的用于解决统计问题的方法，这一方法能够很好地解决解释者的不完全性和不确定性。因此，我们认为，用贝叶斯方法来刻画社会科学解释中的解释者的信念度是可行的，我把这一解释模型称作“贝叶斯概率解释模型” （Bayesian Probability Explanation Model，简称B-P模型）。这一模型一方面能够将解释者这一认识主体重新引入解释当中，另一方面能够有效消除由于不同解释主体对同一经验观察内容而给出不同解释的差异，具有重要的方法论意义。