事实是中立的。
01 你喜欢拉布拉多吗？
最严重的思维错误之一，就是相信事实、数据能够支持自己的观点。这被称为“认知偏误”，也就是在搜索支持自身论点的信息，或者呈现能够支持自己观点的事实时出现的认知偏差。这种事情做起来很舒服——会让你感觉自己正确无误，也能帮助你节省精力，或者免于因为改变主意而颜面尽失。又简单又好，对不对？
可如果你是法则思考者，你就不会这么认为了。聪明的思考并不会总让人感到舒服或美好。有时那意味着重新评估自身的信仰，或者改变自己对待问题的常用方式。这就是作为顶级思考者必须付出的代价。对你来说，世界上不再有“美好与舒服”。
听我说，事实没兴趣帮助你。事实不想做你的后盾、不想支持你、证明你的想法。它们只是事实，好吗？有时它们只是恰好支持你的观点，有时它们也会驳斥你的观点。
这就是事实。你要做的，就是不带偏见地了解事实的真正含义，因为事实并不会主动做出什么倾向性的表达，那不是它们的工作。
假设我调查了 1000 个人，询问他们最喜欢哪种狗。假设最多的人（8%）投票选择了拉布拉多。这是事实（是我想象的事实），这个事实并没有试图对你说什么，它们只是事实。
得知更多的人喜欢这种狗，一个拉布拉多爱好者会感到开心，但并不会感到特别意外。他们向来就是这么想的——拉布拉多肯定是最好的。但其他人又是什么情况呢？一个讨厌拉布拉多的人看着这个数据（我知道没有这种人，我只是打个比方），也会认为自己的观点完全得到了证实。有 92% 的人没有把拉布拉多放在第一位。
到底谁的看法正确？一方面，两个人都对，他们都正确地阅读了数据。他们的解读却有着显著的差别，这是因为他们都掉入了认知偏误的陷阱。看看认知偏误怎么简化他们的思考——他们不需要了解自己的认知是否有错，没有必要反思其他人是否认同他们对拉布拉多的看法，也不会在其他拉布拉多爱好者面前丢脸（或者讨厌拉布拉多的人，没错，也包括他们）。
听着，想了解真相，你就需要质疑自己对事实的解读，审查自身的思考过程。也许过程并不总让人开心，但这是你必须要做的事。
02呵呵，统计数据！数据有欺骗性
《多维度思考》一书提出一个事实是，87% 的统计数据是临时拼凑的。不过，有时候我会说这个比例是 56%。
若你不理解其他人为了让你认同他们的思维方式而操控数据这个现实，你就不能真正理解统计数据。数据是最有力的支持某个论点的方式，因为数据具有欺骗性，它们看上去仿佛和事实一样。我们当然有可能以数据形式完美呈现真正的事实，但千万不要做出这种假设，除非自己已经彻底审查了所有的数据。你是认真的批判性思考者，不会被任何人蒙骗。
首要的一点是，永远记住考察信息的出处，以及背后的出资人。你敢确定信息是中立的吗？样本规模有多大？是调查了 10000 个人还是调查了 8 个人？他们都是些什么人？
如果是调查问卷，具体提了什么问题？假设你听到以下两个问题：
· 你相信选择自由吗？
· 你认为政府应当阻止民众过度饮酒吗？
我觉得大部分人对第一个问题给出的肯定回答会比第二个问题更多。这其实取决于调查人希望留在问卷上哪些选项，以上两个问题都有可能出现在人们对酒精态度的调查中。
我还能举出一个常见的扭曲事实的例子。
假设你拥有一家书店，去年有 10 个客人，现在客人人数达到了 20 个人；你可以说，客人人数实现了翻倍。话虽没错，可你只新增了 10 个客人，其实你的这家书店遇到了大麻烦。与此类似，如果客人数量从 100 个增加到 150 个，你既可以说去年客人人数只有今年的 2/3，也可以说今年顾客数量增加了 50%。
两种说法都是对的，但却给人完全不同的印象。
图表会使这些让人讨厌的数据更具误导性。最典型的例子就是图表左边的数字不以零为起点。想象一组柱状图，一个柱子的数据为 155，另一个柱子为 160。二者高度应该差不多，对不对？现在想想柱状图左下角的起点，数字不是 0，而是 150，柱状图因此只能显示两个数字的一小部分。其中一个显示 5 个单位的图形，而另一个则是 10 个，高度相当于前一个的两倍。这种手法以及由此演绎出的各种变体，其目的都是欺骗你，所以不要掉入这种陷阱。
还有一点，没有人会呈现与他们的论点相矛盾的统计数据。你需要不断思考并进行研究，了解是否存在能让人形成完全不同观点的数据。当然，这些数据也会以具有误导性的方式呈现出来。
03 了解因果关系，确认其中联系
有时其他人会试图说服你，让你认为两个数据存在关联，他们甚至会拿出图表证明自己的观点。很多时候他们是正确的，但绝不是 100% 正确。作为经验丰富的批判性思考者，你不会仅从表面做出判断，对吗？你会拆解分析，确认两者真正存在关联。
讨论的第二阶段就是论证，如果两者具有相关性，那么它们之间一定存在因果关系：一个原因必定导致一个结果。要举例的话，我们可以说，一个团体中吸烟的人越多，这个团体肺癌的发病率就越高。因为我们都知道，吸烟可以导致肺癌。
美国缅因州的离婚率与人均消耗人造黄油的数量紧密相关，这个事实大概会让你惊讶不已。这绝对是事实，但完全是巧合。明白我的意思了吧？即便原始数据准确，你也不能推断两者之间存在关联。
当两组数据（假设为 A 和 B）存在相关性时，你需要考虑四种可能性：
· A 导致 B；
· B 导致 A；
· 两者完全不存在因果关系；
· 其他情况同时导致了 A 和 B。
我来举一个经典案例。
夏天时，冰淇淋的销售量和谋杀案的发生率会出现相似比例的上升。然而，如果你认为其中一个导致另一个出现，这个认知显然就是错的。事实上是高温这个外部因素导致了两种情况的出现。
假设你确定了某款汽车的碰撞事故率最低。为了方便讨论，假设你是个 20 多岁的男性，如果买下这辆车，你发生事故的可能性就比较低。这看似很理想对不对？你大概会这样想。我来告诉你为什么这款车的事故率更低，因为这款车尤其受中年女性的偏爱（统计数据表明女性事故率低，事实如此，请放下刻板印象）。因此，这款车的事故数据才会这么漂亮。
这也是你需要调查数据来源、质疑数据调查者或实验参与者的原因之一。在很长一段时间里，人们注意到接受生育治疗的女性更有可能出现卵巢癌，而治疗中使用的激素可能是罪魁祸首。医生们现在认为，导致卵巢癌的更有可能是不孕本身，而非治疗，这是由统计数据得出的结论。
当然，研究小组都是接受治疗的女性，这一点也需要考虑。
总之，尽管事实和信息十分重要，可没有批判性思考，它们的作用就存在局限。正是
有了批判性思考，你才能运用事实、利用信息，去批评或构建自己的独有创意。能做到这一点，你就能为自己和他人做出更多贡献，让自己的思考更有价值。
联系客服
