演绎推理详解：逻辑与常见错误

演绎推理是唯一一种带有确定性保证的推理形式。如果前提为真且结构正确，结论就不可能为假。这比任何其他论证形式所能提供的保证都要强，也是为什么演绎推理成为数学、形式逻辑以及科学假设检验的基础。

同时，它也是一个非常普遍的具体研究错误多发地。下文将探讨：演绎推理的本质、有效论证（valid argument）与真实论证（true argument）的区别、值得掌握的五种经典论证形式、几乎能愚弄所有人的两种无效形式，以及这一切在撰写研究结果（results section）时的具体体现。

<CTA title="构建无懈可击的论证" description="Jenni 帮助您理顺推理结构、核对文献来源，并实现精准写作" buttonLabel="免费试用 Jenni" link="https://cn.app.jenni.ai/register" />

什么是演绎推理？

演绎推理是从一般性陈述出发，推导出一个必然随之而来的特定结论。因此，它通常被称为自上而下的推理（top-down reasoning）。你从一个被公认为真理的前提开始，将其应用于特定案例，最终的结论是必然成立的。

教科书上的经典例子只有三行：

所有哺乳动物都是脊椎动物。所有鲸鱼都是哺乳动物。因此，所有鲸鱼都是脊椎动物。

结论中没有引入任何新信息。它所表达的一切已经包含在前提之中，这正是为什么该保证能够成立的原因，但同时也意味着演绎推理本身永远无法为你带来关于世界的全新知识。相比之下，归纳推理是从具体的观察出发，推导出一般性的结论，它虽然获得了新内容，却牺牲了确定性。观察到一千只白天鹅可以支持“所有天鹅都是白色”的论点，但并不能确立这一论点。

有效性（Validity）与妥当性（Soundness）并非同一概念

这一区别比本页中的任何其他概念都更为关键，而大多数在日常生活中随意使用“有效（valid）”一词的人，其用法并不准确。

当演绎论证的结构能够保证结论时，该论证就是有效的（valid）。正如《互联网哲学百科全书》所指出的，有效论证是指其形式使得如果前提为真，结论也必须为真。有效性本身完全不涉及前提在现实中是否真的为真。

当一个论证不仅有效，而且其所有前提在事实上都为真时，它就是妥当的（sound）。妥当性才是你在学术研究中真正追求的属性。

以下是一个完全有效但完全不妥当的论证示例：

所有鸟类都会飞。企鹅是鸟类。因此，企鹅会飞。

这里的逻辑是天衣无缝的。然而，第一个前提是假的，因此结论毫无价值。这在学术写作中至关重要，因为文献综述是建立在你未曾亲自验证的前提之上的论证链。如果引用的某项研究结果无法复现，即使你的推理完美无瑕，你的结论仍然会是错误的。审核前提与检查逻辑是两项独立的工作，而了解如何判断文献来源的可靠性正是你完成这项工作的方式。

<ProTip title="🗝️ 核心概念：" description="有效性（Validity）关注的是结构，而妥当性（Soundness）关注的是真实性。当有人称某个论证“有效”时，请追问他们指的是推理逻辑成立，还是结论正确，因为这是两种完全不同的诉求" />

演绎推理的日常实例

演绎法并不仅仅存在于逻辑学课堂上。大多数人在不自知的情况下频繁使用它，在日常情境中观察它有助于我们更好地掌握其形式化版本。

• 医学。 凡是感染了该病菌的患者在此项检测中均呈阳性。该患者检测结果为阴性。因此，该患者没有感染此病菌。

• 法律。 该法规适用于 2024 年 1 月之后签署的合同。本合同签署于 2022 年。因此，该法规不适用。

• 软件。 如果缺少配置文件，服务在启动时就会失败。服务成功启动了。因此，配置文件存在。

• 数学。 每一个数学证明在构建上都是演绎性的。公理是前提，定理是必然得出的结论。

• 能力倾向测试。 演绎推理题会给出一段规则，并询问哪一个结论是必然成立的，这正是在限时压力下对有效性进行的测试。

注意这些推理与你在日常生活中得出的结论有何不同，比如因为三个朋友都说好就推断某家餐厅可能很棒。后者属于归纳推理，它可能是非常合理的，但仍然有出错的可能。

最值得掌握的五种论证形式

演绎论证具有公认的结构模式。记住这些名称并非掉书袋：一旦你识别出这些形式，就可以在几秒钟内检验一个论证，而不必为此争论一个小时。

肯定前件（Modus ponens）

如果 P 则 Q。P 为真。因此 Q。如果下雨了，球场就是湿的。下雨了。所以球场是湿的。 这是假设检验中的主力军，也是几乎所有研究预测所采取的形式。

否定后件（Modus tollens）

如果 P 则 Q。Q 为假。因此 P 为假。如果药物起作用，症状就会减轻。症状没有减轻。所以药物没有起作用。 这是证伪的逻辑形式，也是阴性结果（negative results）具有说服力的力量源泉。

假言三段论（Hypothetical syllogism）

如果 P 则 Q。如果 Q 则 R。因此，如果 P 则 R。如果资金增加，人员就会增加。如果人员增加，等待时间就会缩短。因此，如果资金增加，等待时间就会缩短。 像这样的一连串条件命题，正是文献综述中构建理论论证的方式。

选言三段论（Disjunctive syllogism）

要么 P 要么 Q。非 P。因此 Q。要么是样本受到了污染，要么是试剂已过期。样本没有受到污染。所以试剂已过期。 适用于排除解释，但在备选方案列表不完整时会非常危险。

直言三段论（Categorical syllogism）

所有 M 都是 P。所有 S 都是 M。因此，所有 S 都是 P。这是最经典的论证形式，包含三个命题和恰好三个概念：作为结论谓项的大项、作为结论主项的小项，以及在两个前提中均出现但在结论中不出现的中项。

两种极易被误认为有效的无效形式

这两种形式比上述五种有效形式更值得引起关注，因为它们极具说服力、极其常见，且往往会推导出听起来言之凿凿但实际上并不成立的结论。

肯定后件（Affirming the consequent）。 如果 P 则 Q。Q 为真。因此 P。如果理论成立，分数就会上升。分数上升了。所以理论成立。 这是无效的，因为可能有其他因素导致了分数的上升。出于下一节将要讨论的原因，这是实证研究中最为严重的单一谬误。

否定前件（Denying the antecedent）。 如果 P 则 Q。P 为假。因此非 Q。如果理论成立，分数就会上升。理论不成立。所以分数不会上升。 这是无效的，因为还存在其他原因可以导致分数上升。

这两种形式之所以看起来很有说服力，是因为前提确实与结论高度相关。然而，相关性不等于必然蕴含，而二者之间的鸿沟正是许多过度断言（overclaiming）存在的地方。

<ProTip title="🧩 形式检验：" description="在评估论证之前，先将其简化为 P 和 Q。一旦剥离了具体内容，无效的形式就会一目了然，而在句子读起来权威严谨时，你很难察觉到这一点" />

演绎推理与归纳推理的对比

大多数研究在循环中交替使用这两种推理。它们的区别在于方向以及它们各自能够向你保证什么。

它们与理论的结合方式是非常值得记住的。正如 Bhattacherjee 在其开源方法学教科书中所指出的，归纳研究是构建理论的研究，而演绎研究是检验理论的研究，一个领域想要向前推进，两者缺一不可。

演绎推理在科学研究中的运行机制

其在科学研究中的学术名称是假说-演绎法（hypothetico-deductive method）：你从待测假设中演绎出可观察的结果，然后去实地寻找证据。斯坦福哲学百科全书指出，该方法没有单一的创立者，它在 19 世纪由休厄尔提出，并于 1966 年由亨佩尔给出了标准的现代系统化表述。

在实际操作中，这一流程如下运行：从一个理论出发，该理论应来源于已有文献，而非为了研究而凭空捏造。演绎出一个预测：如果该理论成立，那么在此样本群体中，我们应该能观察到这一特定结果。将其操作化，这意味着精确地阐明每个概念将如何被测量，包括变量、测量手段以及对结果的解读方式。在测量方法预先固定的情况下收集数据，以便预测真正有失败的可能。然后报告实际发生的结果——而这正是最容易出错的一步。

一个无论发生什么都必然会实现的预测，并不是从理论中演绎出来的，而是对理论的套用和描述。如果你无法预先说明什么样的数据结果会证伪你的观点，那么这项研究就没有检验任何东西。

<ProTip title="📐 句式结构：" description="将你的预测写成一个单句，格式为：如果 [某理论] 成立，那么在 [某群体] 中，我们应该观察到 [测量的结果]。如果你无法填满这三个空，说明该假设还不具备可检验性" />

导致绝大多数过度断言研究结论的推理错误

这是几乎没有人明确指出过的一个逻辑联系，也是本页中最有实用价值的内容。

你的预测具有以下形式：如果我的理论是正确的，那么我就会观察到这个结果。你进行了研究并观察到了该结果。接下来能得出什么结论？从形式逻辑上讲：什么也得不出。得出理论因此正确的结论属于“肯定后件”，即两节前提到过的无效论证形式。其他机制也完全可能产生相同的可观察结果。

这就是为什么在否定方向上，逻辑运行得顺畅得多。如果你预测了该结果，而没有得到它，这就是“否定后件”形式，而否定后件在逻辑上是有效的。卡尔·波普尔围绕这种不对称性构建了整个科学哲学体系，他在《科学发现的逻辑》中指出，通过诉诸经验来证实一个全称命题在逻辑上是不可能的，而一个真实的相反事例就足以证伪相应的全称规律。

在实际写作中，这会直接体现在句子词汇的选择上。得到证实的预测仅支持使用与……一致（consistent with）、支持（supports）以及正如……所预测的（as predicted by）等表述。它们不支持使用证明（proves）、表明该理论是正确的（demonstrates that the theory is correct）或证实了该理论（confirms the theory）。审稿人和评审会注意到这种细微差别，在此处进行准确的限制性陈述（hedging）表现出的是学术严谨，而非软弱。

一个不可回避的现实复杂性在于：真正的证伪往往也并不简单，因为当预测失败时，你同时也在检验你的测量手段、样本代表性以及实验操纵。一个否定结果告诉你的是这一整套组合中的某些环节出了问题，而不一定直接指向理论本身的失败。在讨论部分（discussion section）对此予以开诚布公的说明，是成熟研究者的标志。

<ProTip title="🚫 慢着：" description="在你的研究结果和讨论部分中，检索 prove、proves 和 proven 这类词。在演绎设计中，一个得到证实的预测永远无法“证明”理论，而这个词的选择最容易暴露论文初稿作者的稚嫩" />

定性研究中的演绎推理

演绎法通常被归为定量研究的范畴，这是一种误解。它在定性研究中也有着直接的对应，即演绎编码（deductive coding）：在接触数据之前，你根据现有的理论或框架构建出你的编码本，而不是让编码完全自下而上地从数据中涌现出来。

严谨的做法并非简单地强加已有框架。在发表于《国际定性方法杂志》的文章中，Fife 和 Gossner 将演绎定性分析描述为结合演绎和归纳工作，以检验支持、矛盾、修正和扩展所探讨理论的证据，利用引导理论中的敏感性概念，但这些概念仍需在结果中证明其合理性并牢牢根植于数据之中。

简而言之：理论告诉你应该看哪里。但它并不能预设你找到了什么。

值得养成的习惯

演绎不是一个你学过一次就可以存档的抽象概念，而是一个持续的检验程序。当论文中的某个论证听起来很有说服力时，将其简化为其基本形式，看看结论是必然得出的，还是仅具有启发性。当写下你自己的结论时，追问它是你研究所展示的内容所必然蕴含的，还是仅仅是几种合理解释中的一种。

<CTA title="撰写无懈可击的学术观点" description="让文献来源与写作同步，确保你的每一个论点都有其实际证据的坚实支持" buttonLabel="免费试用 Jenni" link="https://cn.app.jenni.ai/register" />

这种习惯体现在学术写作的方方面面：体现在如何构建学术论证、如何描述研究方法，而最重要的是，体现在研究实际观察到的现象与作者声称确立的观点之间的差距。一篇合格论文与优秀论文之间的大部分差距，就存在于这道鸿沟之中。