表述方式不同效果更加动人
每天吃太多高脂肪含量的肉食品使患肠癌的概率增加了25%。
新的癌症药物的效果令人失望，数据显示乳腺癌减少的绝对值只有0.5%。
统计数据在论证中的常见用法（尤其是关于健康风险类的论证）就是报告作为某种医疗干预后的风险降低情况。这里的报告很可能具有欺骗性。同样数量的风险减低可以用多种不同的形式报告，例如用相对方式而不是绝对方式进行表述，这些不同形式可以极大影响到我们对于实际的风险降低数值的认识。
想象一个65岁的女性刚患了中风，和她的医生一起商量治疗的方法。医生引用了三种治疗方法的相关统计数据：
（1）甲种疗法可以减少33%的未来再次患中风的可能；
（2）乙种疗法可以减少3%的绝对风险，从6%降低到3%；
（3）丙种疗法，有94%的女性在十年里不会再患第二次中风，而没有接受这种疗法的病人有91%的人十年里不再患中风。
她该选择哪种疗法呢？我们猜想要是你的话，你会选择第一种治疗方法。但是所有这些选择都指向同样的治疗效果，只不过是以不同的方式来表达风险而已。第一种（33%）是相对危险度降低率，如果一种疗法将心脏病的风险从100例中的9例减少到100例中的6例，风险就降低了1/3，或者33%，也就是9减去6再除以9，或者说不治疗的风险减去治疗的风险再除以不治疗的风险。但是绝对风险的变化，从9%到6%，却只有区区3%，而疗效好的结果只是从91提升到94，也仅仅只是提高了3个百分点。关键问题是以相对方式，而不是绝对方式来表达风险减低值，可以让疗效显得比实际情况好得多，而当一种疗法其好处是以相对方式而不是以绝对方式表达时，个人更愿意使用这种疗法。正如你所期望的那样，医药公司通常在他们的广告中使用相对风险，媒体报道也倾向于关注相对风险。
在你知道了肠癌绝对发病率是从4%增长到5%，癌症绝对发病率是从1%降低到0.5%以后，现在你明白了该怎样给本部分一开始提到的那两个事关风险的例子提供不同的答案了吧。当你遇到使用这样的统计数字的论证，一定要判断这些风险降低是怎样判定的，如果用绝对方式进行表达这些结果会有怎样的不同，会变得更加动人还是褪色不少。
轮到你自己写时，可得吸取教训
我们希望你将统计数字吸纳到自己的写作中。如果运用得当，它们会是极有价值的工具。它们帮助我们描述和理解那些不同的趋势和类型。它们可以帮助我们进行预测。统计数据还可以强化我们的论证。即便这样，本章也说明了在论证中引用数据可能存在的一些非常严重的风险。对于没有受过训练的读者而言，统计数据看起来像是权威事实，但是你知道事实是多么容易被人操纵。作为一个关心批判性思维的写作者，你面临着一个重要的平衡举动。你必须尽量避免欺骗手法，但同时以一种明白易懂的方式呈现出那些常常是复杂万分的数据。
你有没有注意到看起来最容易理解的数据常常都是质量最低劣的？想一想《美丽佳人》（Marie Claire）、《今日美国》和《纽约时报》杂志上的那些读者调查，或者是亚马逊网站或在线旅游网站（Priceline）上的用户调查。这些统计数字当然是容易阅读了。比如说，《时代周刊》杂志报道了2010年年度人物评选的读者投票情况：“维基解密的朱利安·阿桑奇狂揽382 020票，轻轻松松拔得头筹。比银牌获得者，土耳其总理埃尔多安领先148 383票。”又如，2010年12月，亚马逊网站152名评论员当中有101人认为《欢乐合唱团：第一季完整版》（Glee：The Complete First Season）是五星级产品。这些数据看上去是不是像老生常谈？现在你更加明白了。你知道这些事实缺少了一些相关信息。我们不知道一个人可以为年度人物投多少次票。我们知道这两个样本里哪个都不是随机抽取的——这个投票是基于网络的，所以很可能它排除了很多年长的、不懂电脑技术的读者，而是有利于那些更年轻的、精于电脑的读者。
要想小心对待带有数据的论证，你可能要从论证中专门拿出点时间来解释这些数据是怎么产生的，数据的含义，以及数据存在的局限。这样做会增加你在读者中的可信度。你在向他们表明你并不是在偷偷摸摸地向他们灌输东西。你同时也在鼓励他们成为批判性思考的人，让他们自己对数据的质量得出结论。你可以决定将这些解释包含在论证的文本当中，或者你可以选择将它们放到脚注、尾注或者附录里面，这个决定很可能要基于你的研究领域的通行做法和你写作的正式程度。
评估数据的一些线索
（1）尽量找出如何获得数据的相关信息，越多越好。问一下：“这位作者或演说者是怎么知道的？”持论者想要用大量的数字来让你动心或者让你惊心的时候，你尤其要警惕。
（2）要对描述的平均值的类型感到好奇，分析一下知道事件的全距和数值分布是不是会对数据多了一个有用的视角。
（3）数据使用者拿一件事的结论来证明另一件事时你要特别当心。（4）先不去看作者或演说者使用的数据，把所需的数据证据和实际提供的数据做比较。
（5）从数据中得出你自己的结论。如果这结论和作者或演说者的结论不一致，那么很可能其中有什么地方出错了。
（6）判断有什么信息缺失了。对于误导性的数字和百分比以及缺失的比较，你要特别当心。
