在具体的社会科学研究中，由于社会主体的异质性、现象的复杂性，研究结论往往无法达到主体间的有效性，通常只能通过抽象化或者形式化的方式对变量间的关系进行描述，然而社会科学欲求取得与自然科学同等的学科地位，以定量化的形式达到自然科学那样的精确化、客观化，无疑是一个严峻的挑战。
亨普尔的I-P模型运用了经验工具和逻辑技巧，将科学解释界定为寻求解释项与被解释项之间的客观关系，而并不是解释认知主体之关联的主观信念。但是解释者总是伴随语境的变化而相应地给出不同的解释的，科学解释的本质与解释者的背景知识、认知状态是密不可分的，因此，将解释者这一主体要素引入科学解释要素中，成为科学解释的必要前提。B-P模型将解释者的背景知识以先验概率的形式，有效地融入解释的逻辑分析之中，并且通过贝叶斯演算法则，来对不同语境下的先验概率进行修正、调整，体现出一种认识的动态性。
“在贝叶斯方法中，公认的主观性是通往客观性的路线。”[34]它首先是基于异质社会主体的意向性因素或者经验信息，以先验概率的形式将异质主体的主观性融入分析中，并且伴随证据的增加，通过贝叶斯公式对先验概率做出修正，得到的后验概率将趋于一致，从而使主观性和客观性得到统一，进而达到对社会现象量化式的说明，为社会科学的客观性及其合法性提供了有力的辩护。因此，贝叶斯方法在社会科学研究中，对于提高社会科学的客观性、精确性具有重要的方法论意义。
一、B-P模型：一种动态的认识论模型
亨普尔概率解释模型的功能在于确定解释项和被解释项之间的逻辑关系，致力于对单个事件的解释进行逻辑论证，其中统计规律起着至关重要的作用。人们普遍承认，科学解释的解释能力事实上是规律所承担的。统计规律起联结的作用，它将解释项之初始条件中提到的特定事实与被解释项中提到的特定事实联结起来。亨普尔的概率解释模型出于拒斥形而上学的目的，采用的是经验主义概率观，完全将解释的主体认识论地位排除在外，将自然科学的解释模式贯彻于社会科学，严重忽略了社会科学所具有的独特性。贝叶斯概率模型正是通过主观概率的形式，将解释主体的背景知识、认知状态有效地融入解释当中，避免了亨普尔的困境，并且给出一种适合社会科学解释的全新的解释模式。