统计归纳推理概述
统计归纳推理是现代归纳逻辑的主要内容，通常指在研究对象的总体中随机抽取一定样本，由样本具有某属性推出总体具有某属性的思维过程。一般情况下，统计归纳推理所考察的对象并非其所有个体都具有同一属性，事实往往是：在所考察的样本中，有些个体具有P属性而另一些个体不具有P属性，这时就需要对具有P属性的样本个体进行测量，这样测得的P属性就是样本的统计属性。统计归纳推理是从样本的统计属性推出总体的统计属性的过程。例如：
大数据研究中心对10 000名大学生的行为数据进行研究，发现25%存在交际障碍，由此得出结论，现代社会中大学生有25%的人存在交际障碍。
可见，该推理结论“现代社会中大学生25%的人存在交际障碍”是否可靠，依赖于大数据中心所得的统计属性“10 000名大学生中25%存在交际障碍”是否真实，也依赖于“10 000名大学生与现代社会中大学生群体的相关性”。一般而言，推理结论可靠的条件：前提真实、前提和结论之间具有逻辑相关性。因而，统计归纳推理结论的可靠度也取决于两方面：样本的统计属性是否真实的，样本是否能够代表总体。
1.样本能够代表总体吗
样本的代表性是统计归纳推理中的核心，但也是经常出问题的方面。只有从能够代表总体的样本出发，才能得到关于总体的可靠结论。一般而言，样本的代表性可从两个方面来保证：样本的大小与抽样的广度。反过来，对于任何一个抽样统计结果，我们也可以从这些角度去质疑它的可靠性。
（1）样本大小
样本大小，常常用数量表示，它是统计样本的量的规定性。笼统地说，样本的覆盖率必须大到足以产生概括或得出结论的程度。只有达到一定量的样本，才能保证最低限度的误差。例如：
2017年高校毕业生达到795万人，在经济下行压力较大的情况下，超过一半的高校毕业生依然认为就业形势尚可接受，就业心态较为乐观。这是某招聘网站在刚刚过去的一次招聘活动中进行问卷调查后做出的报告。
一次招聘活动中的问卷调查，其调查对象有多少，是否多到足够代表795万高校毕业生的程度？这是我们在面对这份报告时要批判性思考的主要内容。
在日常生活中，不严格的统计推理常常被人们采用。如人们常常通过对一个或几个特殊个体、事件的详细描述来支持该类对象或事件的一般性结论。例如：
广州某民警在工作过程中存在暴力执法行为，社会影响恶劣，这充分暴露了中国目前的警察队伍的问题，说明警察队伍都是垃圾。
一些新闻媒体中的案例既是复杂殊情也有媒体的虚张夸大，我们应对案例保持理性的态度。从这里的角度看，该推理的问题是样本太小，根据一个民警的行为评判整个警察队伍的性质，有“以偏概全”的嫌疑。
（2）抽样的广度
抽样的广度，指作为总体代表的样本，必须在性质上是匹配的，而且总体中包括什么类型，样本中也应该包括，并且各类型比例要相当。样本的广度是统计样本的质的规定性。某种意义上看，抽样的广度比样本的数量更重要。这是我们在选取样本时的基本原则。例如：
某石油公司进行了一项“石油泄漏对环境影响”的调查，报告显示：根据石油泄漏地区附近的一家动物医院的数据，受污染的20只水鸟中只有一只死掉了。可见，石油泄漏区域的水鸟存活率为95%，这次石油泄漏对环境的影响不大。
将“石油泄漏对环境的影响”的判断交予“一家动物医院的20只水鸟的存活状况”的调查，批判性思考者主要质疑的是：这20只水鸟能否从样本广度保证样本的代表性？情况可能是，被送往动物医院救治的水鸟恰是那些看起来还能活下去的受污染的水鸟，而更大比例的水鸟可能是已经死亡了的。因而，动物医院的20只水鸟的来源限制了抽样的广度，最终影响了其代表性，它不能代表整个石油泄漏区域的水鸟存活状况。
抽样的随机性是样本广度的有力保障。抽样广度作为统计样本选取的重要原则，选样时既需要对总体进行类型分析和整体把握，以此为基础进行有意识地分类选样，也需要为避免人为因素的干扰采取随机采样。总之，在确定调查母体后采取随机抽象，才能保障样本广度可代表总体。如要调查“当代大学生的人文素养水平”，需要对“大学生”这一对象做整体分析：男生与女生，大一新生与大二、大三、大四老生，文科生与理工科学生，双一流大学的学生与普通高等院校的学生等等，在选样时注意各类型比例搭配；同时在具体的调查问卷发放、电话采访或网络调查中以随机的方式进行；最后根据调查对象的整体分析对随机调查的数据进行有效整理得出样本的统计属性。一旦违背抽象随机性原则，出现人为因素的干扰，会使得样本广度得不到保障，产生样本偏颇，推理错误。例如：
1936年，美国《文学文摘》杂志根据1000万户电话用户和该杂志订户所收到的意见，断言：兰登将以370∶161的优势战胜罗斯福，在总统竞选中胜出。但此次总统大选的实际投票结果是，罗斯福以2775万票赢得了46个州的支持，比兰登多出1107万票，最终赢得总统大选。《文学文摘》为此颜面尽失。
事后追因，这次失误主要源于《文学文摘》统计选样违背了随机性原则。此次调查样本的信息获取主要来源于杂志订阅用户的问卷调查，以及根据电话号码簿和汽车登记纪录来进行的电话采访，而1936年有能力买电话、汽车和订阅杂志的人只是美国民众的一部分，那是一个信息获取广泛、受过良好教育、高收入的群体，他们多支持兰登。但样本没有代表美国的各阶层、地区、教育、倾向的差别，尤其是排除了广大低收入人群，他们才是罗斯福的社会基础。
2.统计属性是否真实
统计归纳推理作为从样本的统计属性推出总体的统计属性的或然性推理，其结论可靠度的高低还取决于样本统计属性本身的真实性。通常情况下，获取样本统计属性的方式是问卷调查的方式，调查途径则是网络调查、电话采访和纸质问卷等。而调查问题的设计、调查途径的选择和调查方案的具体实施都是人为的，这些人为因素都会对调查结论即样本的统计属性的真实性产生影响。这也增加了统计归纳推理的或然性。批判性思考者不能想当然地认为，调查得到的数据一定是准确无误地反映调查对象的真实态度的。
一方面是主观的。在特定的场合下，被调查人可能出于各种原因，常常掩盖真相。例如，在思想政治课上，老师发放问卷调查学生对思想政治课程的态度。如果问卷调查采取实名制，学生很可能担心老师“秋后算账”而提供自认为应该提供的答案，而不是真实反映他内心想法的答案。因而，利益、荣誉、欲望等都可能成为被调查人撒谎的理由，他们可能心怀敌意，也有可能工于心计，还有可能漠不关心而敷衍了事。
另一方面，调查问卷的设计客观上制约着被调查人的答卷结果。问卷设计无疑是统计归纳推理十分基础而关键的环节。它的有效性包括：问题的内容准确，能反映被调查对象、准确引向调查目标；问题的形式清晰，措辞含糊不清的表达可以做出多重解释，从而影响调查结果的可信度；问题本身无偏见；问题的排列次序合理等等。例如：
你认为电视上有没有高质量的节目？
这是一份关于电视节目的民意调查中的一个问题。该问题的表达就是含糊的，“高质量”本身没有客观标准，以此得出的该问题的统计数据就不具有说服力。
问题的表达应尽可能理性和中立，无明显的措辞偏见或语境偏见，否则对调查对象形成有意引导从而影响结论的可信度。例如，某教授调查奥巴马的医疗改革方案的民意基础，发现：56%的在校大学生认为奥巴马的医疗改革方案是错误的。通过分析发现，在他设计的调查问卷中包含一题：
你对总统误入歧途地在全国大张旗鼓地强调推行奥巴马医改式的社会主义有什么看法？
这个问题用“误入歧途”“大张旗鼓”“社会主义”等明显导向性措辞，其实是有意操纵民意，并有意影响民意。试着转换一种表达：
你对总统的医改尝试，即要建立一套覆盖人群更广、成本更低廉、医保覆盖项目大大增加的医疗体系有什么看法？
实质上是同一个问题，但两种表达的差异可能会得到截然不同的调查结果。
此外，问卷中各个问题的排列次序也会对调查结果产生影响，因为与次序相关的是，某个问题的前后问题会成为该问题的临时语境，语境会影响问题的理解；问卷的长度同样是需要考虑的因素，在越长的调查中，人们往往对越到后面的问题失去耐心，越做越烦。