你有没有遇到过一些“有理说不清”的时候呢？或者遇到一些“横蛮无理”的人？
当我们说出的一些观点无法让别人认同，或者别人说出的一些观点，无法让我们获得认同，争论就由此而来了。
为了印证自己话语的“真确性”，证明对方说话的“错误”，我们就必须要对此进行论证，用几乎严密的逻辑去击倒对方的观点，从而说服对方。
但问题是，怎么去进行论证，才能够让我们说出来的话，在逻辑上显得更加“严密”，获得对方的信服呢？这时我们就需要去学习如何运用“论证思维”了。
掌握“论证思维”，可以让我们更容易识别出别人的言语中，存在着哪些逻辑漏洞，也可以避免自己说出来的话存在不当之处。
想要提高自己说话的分量，掌握“论证思维”是必须的技能。
学习论证的第一步，就是想要问问自己，你想去证明什么观点，你的结论又是什么？
通常来说，一个基本的论证的形式是这样子的：
1，每个人都有不开心的时候；
2，因此，我们不必太看重自己的伤心，熬过去就行。
第一句话就是前提，也可以称为理由，而第二句话就是结论，也可以称为是观点。前提推导出后者。
记住，只有当我们对自己的观点给出作为论据的理由时，我们的这个行为，才称得上是“论证”，否则只是打“口水仗”。
例如你跟别人说“我认为混得有出息的人，都是不玩游戏的”这个观点。别人问你为什么，你却回答：“不玩游戏那些人，通常都是混得出息。”
这就不是“论证”了，因为你给出的“理由”，压根谈不上理由。如：
1，由于不玩游戏那些人，通常都是混得出息，
2，故此，我认为混得有出息的人，都是不玩游戏的。
这个论证形式就是错误的，属于“循环论证”。
换言之，一个好的论证，首先要有明确的前提，加上一个可靠的结论。前者确实能够推导出后者的。而结论可不可靠，取决于作为前提的理由，是否有足够的资本去做论据。
很明显，“不玩游戏那些人，通常是混得出息”这个理由，是没有足够的资本给“混得有出息的人，都是不玩游戏”这个结论做论据的，因为前者无法推导出后者。
你可以说这个理由是“论据不充分”，甚至也可以说这个理由根本就不是论据。
一个明确的前提，肯定可以推导出结论的，想要提高自己话语的分量，你就需要用一个明确的前提，作为自己结论的理由。
例如针对“不玩游戏的人，混得都不会太差”这个结论，你可以给出这些理由：
“首先不玩游戏人，会有更多的时间去做其他事情，那么当他们把这些时间用在工作上，就会比其他人更能够混得有出息。其次，不玩游戏的人，有更多的可能不会‘玩物丧志’，所以努力工作的几率就更大，容易变得出息。”
这两个前提，作为做论据的理由，尽管不算完美，但至少可以推导出“不玩游戏的人，混得都不会太差”这个结论。
但如果说漏洞，依然存在，因为不玩游戏的人，并不代表“不玩”其他东西，当他们浪费时间在其他东西上面，自然也就无暇顾及工作，从而无法做到“混得出息”了。
也就是说，想要得出一个可靠的结论，你必须要从可靠的前提出发。如果前提站不住脚，结论自然也就站不住脚。
如果你发现自己的前提得到的论证并不充分，那么你就需要试试其他的前提了。
所以，当你意识到自己的结论不可靠的时候，你就要想一想，你是不是用了一个不可靠的前提去论证呢？
在论证的过程中，为了让论据更加充分，我们往往会用到一些例子，去印证自己的观点。
在运用例子作为论据时，想要让自己举出来的例子具有分量和说服力，我们就必须不能犯下一些低级的错误。
例如，有时候我们出于说明的目的，我们只举出一个例子，好比你认为打游戏可以赚钱，就拿谁谁谁作为例子去说明。
但这种概括性的论断，只是单一的例子，属于“孤例”，对于用来证明观点是毫无帮助的。在对少数事物进行概括时，最有说服力的论证，应该是考虑到所有例证，或者至少是大多数的个体。
如果是对大量事物进行概括时，我们就需要提取样本了。而需要的样本量部分，取决于样本的代表性。
例如你要证明你身边的朋友都很了不起，这属于“对少数事物进行概括”，那么你可以把你身边三五个朋友的厉害事迹罗列出来，这样就可以做出说明。
可如果你要证明从你学校毕业的人都很厉害，那么这种“对大量事物进行概括”的情况，就需要提取一些有代表性的样本作为例子了。
所以，想要让例子具有分量，我们需要满足三个法则，这样才能够帮助我们运用例子去构建有说服力的论据。
法则一：提取有代表性的例子；
我们举例子时，很容易以个人经验获得的“样本”作为例子，这其实并没有任何代表性的。我们需要通过调查，找到不同情况下的样本，才可以反映到你提出的观点。
例如你说“退学创业会成功”，然后以比尔·盖茨作为，这明显没有说服力了。你需要去调查，有多少人因为退学创业而获得成功，然后从这些数据中选出较为有代表性的人作为例子，这才稍微合理。
法则二：不要忽视数据的背景率；
所谓“背景率”，就是数据是依存什么情况而得出的。你说你刚练习射箭，中靶心的成功率就有60%以上，看似很厉害，但其实只射出三支箭，那这个数据的背景率就不恰当了。
并不是所有数据都是真实的。当一个数据呈现在我们面前时，我们千万不要忽略其背景率。而我们运用数据作为论据时，也要提供相应的背景率，例如调查多少人得出来的答案等。
法则三，要考虑到相应的反例；
为了让自己举出的例子更有说服力，有时候我们需要考虑到观点的反例，然后才能够更好地去修补结论的漏洞。
既然你说“退学创业会成功”，那么“没有退学而获得成功的人”，或者“退学了而没有成功的”，其比例是多少呢？如果后者比前者多，那么你这个观点就缺乏说服力。
如果你想退学去创一番事业，那么“退学创业会成功”顶多只能作为你的信念，然后坚持去实践，但你想以此去说服别人，就很难了。
当然，也没必要非要去说服别人不可。当说服不了别人时，默默去实践自己持有的观点，才是积极的做法。
有些事实性论断显而易见，或者人尽皆是，以至于不需要专门去证明它们都能被接受。例如，中国人是说汉语，法国在欧洲，KFC是美国的连锁快餐等，我们一听就知道是事实。
但是为了说明“多吃玉米能够预防癌症”，我们就需要找到一些相关的权威资料去证明，玉米对于预防癌症确实有很大的帮助。
也就是说，我们必须以真实性为原则，通过正确的渠道去调用信息，以此作为我们阐述观点的例证。
通常在调动信息时，我们要注意两个问题：
第一，要引用权威的学术杂志或者调查公司；
这些杂志或者公司，由于经常会搜集到成千上万的数据作为样本，所以给出的例子，往往会具有代表性。当你印证这些权威资料去佐证自己的观点时，其说服力自然就会提高了。
但需要主要一点，就是别人同样都可以找到这个信息源，方便他们去核实。否则，别人很容易怀疑你这些例证都是捏造的。
当然，如果这些杂志或者公司，其背后有操纵数据的行为，那我们也要谨慎对待。
第二，来自权威人士或者可靠消息的人；
引用权威人士的言论，当然可以增强我们话语的说服力。而所谓权威的消息人士，必须具有发表相关言论的资格。例如你会相信一些自媒体发布的新闻信息，还是相信官方渠道发布的新闻信息呢？不言而喻了。
毕竟想要了解全球气候变化的可靠消息，我们应该去找气象学家，而不是住在隔壁喜欢聊家长里短的大妈。
但我们需要懂得识别，什么才是可靠的权威人士，哪些是滥竽充数的“南郭先生”。真正可靠的消息人士，通常会提供一些理由或者证据，诸如例证、事实、类比等种类的论证，去帮助解释和支持其结论。
这也是构建权威人士说服力的一个条件。否则，我们就需要批判性地审视他们了。
但无论信息源是什么，我们都需要对信息进行多方的核实。我们要善用网络，在网上通过不同渠道的搜寻，来核实这些信息。
尽管“互联网”并不是权威信息的来源，只是一种传播信息的媒介，导致在其中的信息“龙蛇混杂”，但只要我们懂得筛选和识别，通过掌握信息的正确来源，还是能够核实到信息的真实性的。
在我们开始论证某个观点时，我们都需要进行因果论证。
所谓“因果论证”，指的是两起事件或两类事情之间的一种关联——有规律的联系。原因在前，结果在后。这两种是有关联的。
例如你想印证“退学创业会容易成功”这个观点，然后举出了某些人成功的例子，那么你想让这些例证具有说服力，你就需要懂得对其进行因果论证。
那些人到底是因为退学去创业才成功，还是因为其他因素让他们的创业获得成功呢？退学与创业成功这两者，是否存在着必然的因果关系？
如果你能够对此进行到论证，那么你的观点就具有很强大的说服力，反之，这只不过是你的个人猜想而已。
因果论证的形式是这样的：
- 事件或条件A1与事件或条件A2之间存在有规律的联系；
- 因此，事件或条件A1，导致了事件或条件A2的出现。
换言之，因为A1（退学）以这种方式与A2（创业成功）产生有规律性的联系，我们就可以得出A1（退学）导致A2（创业成功）。
研究原因和结果之间的相关性，可以提高我们对观点的论证力量。但问题是，这个世界上所有事情，并不都是这么显而易见的。
因果论证就存在着某些复杂之处。因为任何关联，都可能有不止一种解释。
好比那些人的创业成功，未必都是因为退学而导致，更有可能是退学后，某些因素的出现，才让他们的创业成功了。说不定就算不退学，他们遇到这种因素，然后去创业，依然会获得成功。
单从两件事之间的关联，我们很难完全弄清楚彼此之间的因果关系。原因有三：
1，有些关联或许只是巧合；
例如你出门就下雨，然后观点“老天不喜欢你”，看似有因有果，但这种关联，只是巧合而已，未必是“老天不喜欢你”。
2，就算彼此确实存在关联，但这种关联本身也无法证明因果方向；
就算那些人退学和创业成功有关联，到底是退学导致他们创业成功，还是因为他们心理已经有一个很好的创业计划，然后才去退学呢？
如果你不搞清楚这个因果方向，贸贸然去学习他们退学，自然就弄巧反拙了。
3，一种结果的出现，可能由多种原因造成；
对方退学创业成功，其原因未必就是退学，还有可能是其他不同的原因，才最终导致这样一个结果。
一个原因，可能导致很多种结果，同样，一个结果，也可以由多种原因造成。我们在论证的时候，千万不要忽略这一点。
对于如何解决这个复杂点，最好的解决方法就是：寻求最有可能的解释。
由于一种关联通常可能有多种解释，我们唯一要做的，就是寻找可能性最大的那种解释。怎么寻找呢？其方法是：
- 补全导致结果的其他可能的原因
- 尽可能多获得相关的信息进行判定
- 梳理每种关联与结果之间的合理性
- 采取复盘的方式寻找忽略的因素
只有通过这些方式去弄清楚原因和结果之间的关系，那么我们就可以得出一个更加有说服力的观点了。
以这种方式进行因果论证，我们说出来的话，自然更是有理有据了。
,
