本书提供了一套语言和一系列工具，帮助社会科学研究者从实验或非实验数据找到推测问题的合理范围。作者查尔斯· F .曼斯基借鉴来自犯罪学、人口学、流行病学、社会心理学、社会学以及经济学的例子，生动展示了这套语言和工具的广泛适用性。

在计量经济学、社会学和心理学中,有许多传统的方法来处理因果识别问题。其中一些基本上是统计性质的,使用的是似然函数和无差别参数估计等概念。曼斯基提出将因果识别问题从纯粹的统计概念中分离出来,并以社会和行为科学领域的广泛受众都能接受的方式展现因果识别的逻辑。本书中的很多例子都由真正具有政策重要含义的真实问题驱动。阅读本书对数学的要求不高，作者推导出了关于可识别性的推论，给出了新的见解。

本书各章讨论的主题涵盖范围非常广泛。曼斯基从一个概念性问题——从已有的人口数据推测未来人口数量——入手，深入分析了科学家试图预测干预对结果的影响时所产生的基本选择问题，并展示了如何使用这些工具来研究常见问题，如推断家庭结构对孩子受教育前景的影响以及警察对犯罪率的影响。