归纳推理

📝 归纳推理从个别案例推向一般结论，从已知推向未知——它不提供确定性，但提供了人类认识世界的主要途径。科学的绝大多数结论、日常的大多数判断，本质上都是归纳性的。

归纳推理的本质

归纳推理（inductive reasoning）与演绎推理的根本区别在于：演绎论证中前提为真则结论必然为真（保真性），而归纳论证中前提为真只能使结论大概率为真（概然性）。归纳推理的前提为结论提供支持，但不提供保证——无论前提多么充分，归纳结论都有可能被新证据推翻。

归纳推理的基本形式是枚举归纳（enumerative induction）：

观察到的第 1 只天鹅是白色的。 观察到的第 2 只天鹅是白色的。 …… 观察到的第 n 只天鹅是白色的。 因此，所有天鹅（大概率）都是白色的。

这个结论在 1697 年欧洲人在澳大利亚发现黑天鹅之前被广泛接受。黑天鹅的发现成为归纳推理局限性的经典案例——无论有多少正面案例，一个反例就足以推翻全称归纳结论。

归纳推理的强度不是二元的（有效/无效），而是连续的（强/弱）。一个归纳论证的强度取决于多个因素：样本量的大小、样本的代表性、结论的谦虚程度、背景知识的支持等。

📝 案例：药物临床试验中的归纳推理。 一种新药在 III 期临床试验中对 3000 名患者进行测试，其中 70% 的用药组患者症状明显改善，而安慰剂组只有 30%。由此归纳结论"该药物对该疾病有效"。这个归纳推理较强，因为：样本量大（3000 人）、使用了随机对照设计（排除安慰剂效应）、效果量显著（70% vs 30%）。但它仍然是归纳性的——该药物在不同人群（如老年人、儿童、不同种族）中的效果可能不同，长期副作用尚不确定，未来的更大规模研究可能得出不同结论。

Mill 方法

John Stuart Mill（约翰·斯图亚特·密尔）在 19 世纪系统化了五种因果归纳方法，至今仍是实验设计和因果分析的逻辑基础。

契合法（Method of Agreement）

如果多个事例中只有一个共同因素，且都出现了同一结果，那个共同因素可能是原因。

几个人分别在不同餐厅用餐后都食物中毒，唯一共同点是都食用了同一品牌的沙拉酱。→ 该沙拉酱可能是致病原因。

契合法的弱点在于：共同因素可能只是巧合，或者存在未被注意到的其他共同因素。

差异法（Method of Difference）

两个几乎完全相同的情境，唯一不同的是某一因素的有无，如果结果也不同，则该因素可能是原因。

两块实验田的土壤、日照、水分完全一致，一块施肥一块不施肥。施肥的那块产量显著更高。→ 施肥可能是高产的原因。

差异法是对照实验的逻辑基础，是五种方法中因果推断力最强的。随机对照实验（RCT）的设计理念就来自差异法。

共变法（Method of Concomitant Variations）

两个现象同步变化——一个增加另一个也增加（或一个增加另一个减少）——暗示因果关系。

研究发现吸烟量与肺癌发病率之间存在剂量-反应关系：每天吸烟 1-9 支的人群肺癌风险是不吸烟者的 4 倍，10-19 支为 10 倍，20 支以上为 20 倍。→ 吸烟可能导致肺癌。

共变法是"剂量-反应关系"的逻辑基础，在流行病学和药理学中广泛使用。但共变本身只是相关的一种形式，仍需排除第三变量的干扰。

剩余法（Method of Residues）

从已知效果中减去已知原因的贡献，剩余部分归因于其他因素。

海王星的发现是剩余法的经典应用：天王星实际轨道与根据已知行星引力计算的理论轨道存在偏差。减去所有已知行星引力影响后的剩余偏差，被归因于一颗未知行星的引力——Adams 和 Le Verrier 据此计算出新行星的位置，1846 年海王星在预测位置附近被发现。

契合差异并用法

结合契合法和差异法：在因素存在的所有案例中结果出现（契合），在因素不存在的所有案例中结果不出现（差异），从而更有力地建立因果关联。

📝 案例：John Snow 与伦敦霍乱。 1854 年 John Snow 对伦敦霍乱的调查综合运用了 Mill 方法。通过契合法，他发现所有霍乱高发区域的共同因素是使用同一水源（Broad Street 水泵）。通过差异法，他比较了同一街区使用不同水源公司的住户——使用 Southwark and Vauxhall 公司（从泰晤士河下游取水）的住户霍乱死亡率为 1/14，而使用 Lambeth 公司（从上游取水）的住户为 1/56。通过共变法，他发现水源污染程度与霍乱发病率之间存在共变关系。这一系列归纳推理早在细菌学说确立之前就正确定位了霍乱的传播途径。

类比推理

类比推理（analogical reasoning）是归纳推理的一种特殊形式：两个事物在若干已知方面相似，因此推断它们在另一个方面也可能相似。

地球有大气层、水和适宜温度，并且有生命。火星有大气层、水的痕迹和一定温度范围。因此，火星可能也有（或曾有）生命。

类比推理的强度取决于：相似点的数量和相关性、差异点的多少和重要性、结论的谦虚程度。相似点越多、越与结论相关，类比越强；存在关键差异则严重削弱类比。

类比在科学发现中有重要的启发功能——Rutherford 的原子太阳系模型、计算机的"病毒"概念、经济学中的"市场生态系统"概念——但每个类比都暗含一个"是这样的"和一个巨大的"但不是那样的"。

统计推理

统计推理（statistical reasoning）是归纳推理的现代核心形式，从样本数据推断总体特征。

统计推理的基本结构是：在一个足够大且代表性良好的样本中，某个特征出现了特定比例，因此在总体中该特征也大约占相同比例。例如，在 1000 名随机抽取的选民中，55% 支持候选人 A，因此估计全体选民中约 55% 支持候选人 A（置信区间约为 ±3%）。

统计推理的可靠性高度依赖于抽样方法。常见的抽样偏差包括：自选样本（只有特定类型的人参与）、便利样本（只抽取容易接触的对象）、幸存者偏差（只看到"存活"下来的案例）。1936 年美国总统选举中，《文学摘要》杂志通过电话和汽车登记名录抽取了 240 万人的样本预测 Landon 将大胜 Roosevelt，结果大错特错——因为在大萧条时期，拥有电话和汽车的人群严重偏向富裕阶层，不具有代表性。

归纳问题（Hume）

David Hume（休谟）在 18 世纪提出的归纳问题（problem of induction）至今悬而未决。核心论证如下：

1. 归纳推理预设了自然一致性原则（the uniformity of nature）——未来将像过去一样，未观察到的事物将像已观察到的一样。
2. 这个原则无法被演绎证明——从逻辑上说，自然规律明天就改变是完全可能的，不存在逻辑矛盾。
3. 这个原则也无法被归纳证明——“过去自然一致性成立，因此未来也将成立"本身就是一个归纳推理，用归纳证明归纳是循环论证。
4. 因此，归纳推理没有理性的基础。

Hume 的结论并非"应该放弃归纳”——那将使科学和日常生活完全不可能。他的结论是：归纳推理的基础是习惯和本能，而非逻辑必然性。

对归纳问题的回应构成了认识论的一个核心论辩领域：

📝 案例：金融危机与归纳失败。 2008 年全球金融危机是归纳问题的现实展示。金融机构基于"过去几十年美国房价从未全国性下跌"的历史数据（归纳前提），构建了假设房价将持续上涨的风险模型。当房价实际上全国性下跌时，基于历史数据的归纳结论被彻底推翻，连锁反应导致全球性金融崩溃。Nassim Taleb 将此类事件称为"黑天鹅事件"——低概率但高影响的事件，恰恰是归纳推理最难处理的领域。

💭 延伸思考

• 科学知识大部分基于归纳推理，而归纳推理缺乏逻辑上的终极证明。这是否意味着科学知识从根本上是"不确定的"？这种不确定性是科学的弱点还是优点？
• Mill 方法在社会科学中的适用性如何？社会现象的多因性和复杂性是否使 Mill 方法的简单因果推断变得不可靠？
• 大数据时代的"数据驱动"方法是否改变了归纳推理的逻辑地位？机器学习从大量数据中发现模式，这与传统归纳有何异同？

📚 参考文献

1. Hume, D. (1739). A Treatise of Human Nature (《人性论》). 归纳问题的经典论述。
2. Mill, J. S. (1843). A System of Logic (《逻辑体系》). 系统阐述因果推理五法。
3. Salmon, W. C. (1967). The Foundations of Scientific Inference. University of Pittsburgh Press. 对归纳问题的现代哲学分析。
4. Taleb, N. N. (2007). The Black Swan (《黑天鹅》). Random House. 从归纳推理的局限性角度分析极端事件。
5. Howson, C., & Urbach, P. (2006). Scientific Reasoning: The Bayesian Approach (3rd ed.). Open Court. 贝叶斯主义对归纳问题的回应。