就是进行变量控制。当我们控制了那些明显影响解释变量发生变化的因素后，可以近似地认为解释变量的变化是外生的，从而观察解释变量的变化如何导致被解释变量的变化。当然，由于社会现象的复杂性，我们无法控制住所有影响因素，因此总会出现遗漏，而这种“遗漏变量”导致的解释变量内生性问题，也会影响到因果推断的有效性，此时需要用到更精巧的研究设计来解决内生性问题，如上文提到的历史自然实验或者工具变量法。
因果推断的第三个假定是观测值独立(IndependenceofObservations)，或者稳定的单位处理值假定(TheStableUnitTreatmentValueAssumption,SUTVA)。这个假设要求不同样本之间不存在相互影响，也就是说，a样本中X事件是否发生，不会影响到b样本中Y事件是否会发生。<注："否则，我们无法获知，b样本中，Y事件的变化，是否是由b样本中的X事件变化导致的，还是由a样本中的X事件导致的。">这个假设实际上排除了社会互动，尽管在一些情况下这是不现实的假定，尤其是当我们想要研究的对象是不同行为主体之间的互动关系或者某事件的溢出效应时。如果我们所关心的问题不是社会互动，而只是样本内的因果效应，那么即便存在溢出效应，我们也可以通过一些统计方式来加以控制。比如，使用空间自相关稳健标准误(SpatialAutocorrelationConsistentStandardErrors)来调整空间溢出问题(Conley1999)，以及通过聚类稳健标准误来处理时间维度的自相关问题。另外一个应对策略是，我们可以选择不在同一空间的主体作为分析样本，这样就直接回避了行为主体之间互动的可能，比如，使用地理上不相邻的样本。此外，我们还可以用更高层级的单位作为我们的分析主体。比如，当我们的分析单位为县，而县与县之间存在溢出效应（学习、竞争等互动行为），那么我们可以使用市或者省为分析单位，这样不同市或者不同省之间的县互动频率相对更低，以此减弱溢出效应的影响。
五总结性评述
传统历史研究以时间序列为核心进行叙事，关注重要人物与事件的历史展开，以及对后续事件的影响，而历史社会学通过将结构与机制引入对历史事件的分析，扩展了人们对重要历史现象的解释力，也为社会学经典议题提供了新理论与新思路，在最近几十年受到了学界广泛关注(Skocpol1984)。然而，比较历史分析一个广受诟病的
