评估数据的一些线索
当你遇到统计数字的时候，一定要记得问一问：“缺少了什么相关信息？”
1）尽量找出关于数据如何获得的信息，越多越好。问一下：“这位写作者或发言者是怎么知道的？”在立论者想要用很大的数字来让你动心或者让你惊心的时候，你尤其要警惕。
当你遇到听起来让人动心的数字或者百分比时，一定要当心！你可能需要其他信息来判定这些数字到底多值得人动心！当只有绝对数值摆在眼前的时候，问一问知道百分比是否可能帮你做出更好的判断；当只有百分比出现在眼前的时候，问一问绝对数值是否会丰富它们的含义。
2）要对论证中描述的平均值类型感到好奇，分析一下知道事件的数值全距和数值分布是否能为你提供一个有用的视角。
第二个例子展示了我们社会中一种常见的情况：试图通过聚焦全国范围内受折磨的总人数，以引起公众对某个社会问题的关注。尽管有很多人受艾滋病折磨显然是个亟待解决的问题，但当我们将54 000除以美国的总人口约3亿人，我们只得到一个大概0.02%的数值。
3）如果数据使用者拿指向一件事的数据来证明另一件事，你就要特别当心。
在第一个例子中，75%这个数字很吸引眼球，但是缺少了一些信息：这个百分比所依据的绝对数值。假如我们知道这种增长是从4家增长到7家，而不是从12家增长到21家，我们还会如此惊讶吗？在第二个例子里，我们倒是有数字了，但是不知道比率。难道我们不需要知道这一数字对感染艾滋病的人所占人口百分比来说意味着什么吗？
4）先不看写作者或发言者使用的数据，把所需的统计证据和实际提供的数据做比较。
2）艾滋病预防项目需要较大的资金增幅。2009年，有54 000人饱受艾滋病的折磨。
5）从数据中得出你自己的结论。如果得出的结论和写作者或发言者的结论不一致，那么很可能论证中有什么地方出错了。
1）大公司正在将市中心地带的小镇气息破坏殆尽。就在去年，城里的大公司数目增长了75%。
6）判断缺少了什么信息。对于误导性的数字和百分比以及缺少的比较，你要特别当心。
统计数据经常因为不完整而欺骗我们。因此，还有一种在数据论证中找到缺陷的非常有用的策略就是问一问：“在判断数据的影响力之前，还需要什么进一步的信息？”让我们先看看下面的例子，这些例子展示了这个问题所起的作用。