◎ 歸納推理的模式
最簡單最常用的思維方式是歸納。一天的大部分時候，我們要根據直接觀察以外的經驗作出大量判斷。通過歸納我們假設宇宙是有序可循的、規律的。我們必須相信事物的規律性，必須相信以前發生的事情以後還會發生，否則就無法進行正常的活動。我們朝著正在開過來的車輛走去，因為我們根據以前的經驗知道，車輛會遵守信號燈的指示停下來。幾個晚上失眠後，我們覺得以後睡覺時不能再喝咖啡。
歸納推理依賴所收集到的大量事實推導命題。典型的推理分析如下文所述：
蘭花1沒有香味。
蘭花2沒有香味。
蘭花3沒有香味。
……
蘭花n沒有香味。
因此，很可能所有的蘭花都沒有香味。
從這種觀察到的現象中所概括得出的結論，其確切程度取決於你取樣的情況。如果你隻在溫室的角落裏聞了一朵蘭花，那麼，與你在全國各地的溫室裏聞過很多蘭花相比，前者得出一般命題的概率要小得多。
歸納得出的結論可能位於這個連貫過程的某一點：
有可能 可能 幾乎 確定
確定程度取決於進行觀察的方式和被觀察現象的數量。類似於“前兩次我到那家餐館，服務糟透了。我敢打賭他們肯定換了老板”這樣的推理太片麵。兩次現象非常少，服務很差可能還有其他原因。另一個極端的言論類似於“節育藥品可以防止懷孕”，這個結論的基礎是係統收集的大量事實。我們可以說我們有99%的把握，但是還是無法徹底確定。
在多大的概率上你可以認為歸納所得出的結論是有效的？51％的概率、75％的概率還是99％的概率？與演繹不同，演繹有約定俗成的有效性測試，而對歸納的測試在每種情況下都有變化。這個問題沒有數學或邏輯學的答案。“充分性”的問題很大程度上是個人看法。下麵我們對此加以解釋。
如果在公開演講時采用歸納，演講者的任務是說服聽眾使他們相信，他們完全可以接受到此為止得出的結論。所謂的“歸納跳躍”具有很強的靈活性。它是指你用自己掌握的材料引導聽眾達到某一點，然後帶領他們跨向你所得出的結論。這裏，就像前麵的例子一樣，“充分性”的程度取決於得出結論的風險與事件本身的利害關係之間的權衡。
◎ 因果推理的模式
因果分析在所有關於政策和問題解決方案的演講中起著基石的作用。在大多數情況下，如果一個人說，“我不讚成你的政策”（或項目或解決方案），他實際上是說“我不同意你的看法，認為X產生Y”。這意味著你必須對兩件事情之間的關聯做認真考察，首先得說服自己兩者間確實存在著因果關係，接著你也必須詳盡地將你如何徹底檢驗這種關係的信息告訴聽眾。
當然，在解決問題或闡述政策的演講中，隻有單一原因的情況非常少見。斷言隻有一個原因可能會使問題過於簡單化，你的結論可能難以被人接受。如果你斷言存在純粹的因果關係，就必須把自己的條件加以嚴格的驗證——也就是說“某種原因不可避免地導致某種結果”。
一、檢驗因果關係的有效性
因果關係比一般的關聯更突出。它不是共存關係——兩件事情可以同時發生或先後發生，一件事情並不是導致另一件事情發生的原因。比如，早上嘔吐犯困和體重增加常常同時出現，但是兩者之間沒有因果關係；它們是第三個條件的結果，妊娠反應。為了確定這樣的因果關係，就要采用這樣的驗證方式。
1. 原因和結果是否伴隨發生
為了證明存在因果關係，必須在主控群體和受控群體之間至少進行兩種正式的比較。否則不能排除單純的巧合或關聯關係。僅僅說明具有某一原因的條件下會出現某一結果還不夠，還必須說明如果沒有這一原因，可能的結果就不會出現。
有三組人患有風濕病，都與如年齡、性別、飲食和一般的健康狀況等重要的特點相伴隨。A組患者得到止痛劑，B組得到安慰劑，C組沒有得到治療。A組患者的症狀大大減緩，而B組和C組患者的情況沒有改變。這說明止痛劑可以緩減風濕病的症狀。
為了證明因果關係，你必須證明兩者同時產生，同時消失。嚴格遵守這一法則，為了證明某種因果關係不成立，你隻要舉一個例子，說明具有假定原因的情況下沒有產生既定的結果，或者反過來有結果沒有原因即可。所以，如果你發現自己沒有吃西紅柿的情況下也會偶爾出疹子，或者有一次你吃了西紅柿而沒有出疹子，那麼西紅柿與出疹子兩者之間就不存在純粹的因果關係。