定义：模型把假设和因果机制结合在一起，据此来推导结论。在前文提到的石油业的例子中，企业供给和市场价格的关系是一个关键机制：当石油企业限制供给时，市场价格上升；当供给增加时，市场价格下降（请注意，模型并不假设现实就是如此，这只是可以从模型中推导出来的含义）。
在石油业的例子中，这是个相当平淡无奇的机制，很容易得到验证。供给量和价格之间的这一关系符合直觉，也有很多现实例证说明供给冲击给价格造成的影响符合模型假设的方向，如1973—1974年的石油危机。但在其他情况下，模型的机制可能源于更复杂的行为，也许需要更有力的证据。如果证据很脆弱，我们就应该考虑这样的模型是不是真的适用。
案例：我们来“荷兰病”模型的例子。该模型解释了自然资源的发现可能以某种特殊方式损害一国的经济表现。
20世纪60年代，荷兰发现了大量的石油和天然气，在资源繁荣的影响下，荷兰开始大力发展石油和天然气产业，出口量大幅增加，国际收支出现顺差，该国的汇率会升值，这导致荷兰的劳动者薪水也随之上涨，工业产品成本变高，最终导致荷兰的工业产生国际竞争力急剧下滑，制造业的利润率下降，造成经济恶化。
分析：经济学家通常认为对整个经济来说，制造业是技术动态变化的重要来源（用经济学家的行话来说是“正面溢出效应”），所以制造业遭受的冲击会转变为更大的损失。在这个模型中，实际汇率和制造业健康之间的联系很关键。如果我们想用该模型来解释某个资源富饶国家的情况，就必须让自己确信，该国制造业的境况的确恶化了。
建议：如果该模型的运行机制无法得到现实证据的支持，我们恐怕就难以用它来理解现实，也许就需要换一个模型来解释“为什么自然资源繁荣可能对一个国家是件坏事情”。
例如，也许有另一个更好的模型：它描述了自然资源带来的财政收入如何激发了相互竞争的精英之间的冲突，造成内部争斗与不稳定。在这种情况下，因果机制是截然不同的，但新机制仍然需要验证。
定义：许多模型就是人们为了解释常见的现象而构建的，所以，从模型中推导出来的直接结果，必然与现实相符。
案例：一些经济学家转向“田野实验”，即通过类似于社会学和人类学家进行田野调查的方法一样，经济学家通过与地方组织合作，随机地把人或社群分为“实验组”和“对照组”，然后观察实验所要验证的具体模型的预测是否与现实中的结果相符。
墨西哥在1997年启动的一项减贫项目（Progresa，后改名为Prospera）中就使用了田野实验的方法来测试政策效果。该项目旨在通过转移支付的方式提高贫困家庭子女的上学率，规定贫困家庭只要让子女上学并定期接受健康体检，就能获得收入补助。
参与并设计该项目的经济学家圣地亚哥·莱维设计了一个检验政策有效性的实验。他随机挑选了在该项目早期就参与其中的不同社群，分别建立了实验组和对照组。这样一来，两组实验结果的差异就可以归因于Progresa 的影响。后续的评估发现， Progresa使生活在贫困线以下的人数减少了10%, 使男孩的中学入学率上升了8% 女孩的上升了14%, 使幼童的疾病发生率降低了约12％。这些积极效果证明该项目的设计思维是对的。
建议：还有一些模型使用了一些源自理论或数学的基本建模要素，它们也许在数学上很精妙，并与时下流行的建模惯例相符，但并不因此而必然更有用。
为了让模型变得更易处理，经济学家往往会忽略很多现实的重要特征。具体而言，他们会假设劳动力、资本和商品市场的不完美和摩擦是不存在的。经济的周期波动被归因于科技和消费者偏好受到模糊的外部“冲击”。在他们看来，失业者不是想找却找不到工作的人，而是代表了劳动者在闲暇与工作之间做出的最优权衡。也许毫不奇怪的是，这些模型在预测通胀、增长率等重要宏观经济变量方面表现很差。另外，学者对特定建模方式（特定理论）的依恋，如理性、前瞻性的个人与运转良好的市场等，经常使他们忽视模型与现实的明显冲突。
