一、侦查思维中的实际枚举推理

侦查思维中的实际枚举推理也称从部分到所有的枚举推理，是从某类对象中某些成员具有某种属性推出该类对象中所有成员可能具有该属性，其结论是一个或然性全称判断。这种枚举推理的结构形式可以表示为：

S₁具有属性P；

S₂具有属性P；

S₃具有属性P；

……

S_n具有属性P；

S₁、S₂、S₃……S_n是S类对象中的部分成员；

所以，可能S类对象中的所有成员都具有属性P。

例如，某派出所刑警中队分析辖区内发生的盗窃案的案发特点，发现有几个小区的盗窃案的发案率明显高于其他小区，而这几个小区都是老旧小区。与此，侦查人员得出结论：可能老旧小区的盗窃案发案率都普遍高于其他小区。

实际枚举推理的具体程序大致是：“首先，汇集众多个别案件及经验事实；其次，对所汇集的对象进行比较、分类和概括；最后，发现或者确定归纳得以实现的案件和经验事实中那些共同的特征和属性，并形成具有普遍性的判断。”[41]

实际枚举推理的一个关键预设是：“假设人们实际上知道的部分细节或者事实正确地代表其余没有被人所知道的事情及它们所述的整个类别。”[42]它的实质是“由有些‘S具有属性P’推出可能所有‘S都具有属性P’；前提‘有些S具有属性P’是特称判断，而特称判断是直陈事件的判断，分开说，就是：这个S具有属性P，那个S具有属性P，等等”[43]。实际枚举推理的主要特征就是结论对某对象的断定范围超出了前提对该对象的断定范围。在这个过程中，很容易看出结论被扩大，超出了它所依赖的数据信息。因此，即使实际枚举推理的所有前提都是真实的，也不能确保结论真实。也就是说，其结论不是必然的，而是或然的。因为即使没有遇到反例，不代表就不存在反例，也不代表将来不会遇到反例，所以这种枚举推理的结论只是概然的、可能的（probable）。

尽管如此，不完全枚举推理在侦查思维中仍然具有重要作用。一方面它是侦查思维中经验总结的逻辑依据，而且合乎人们的一般认知进程。在侦查思维中，侦查人员首先接触到的是具体的、零散的个别对象。但是，侦查人员与生俱来的理性和概括习性使得侦查人员不会满足于此，而是追求从个别认识上升到一般认识，从部分认识扩展到整体认识，以期得到有关案件及其同类案件的具有普遍性甚至规律性、趋势性的认识。另一方面它能够扩展侦查人员的认识范围，实现知识的迁移和创新。因为不完全枚举推理结论对某类对象的断定范围超出了前提对该对象的断定范围，所以侦查人员能够通过已知去探究未知，由此及彼，举一反三，触类旁通。对此，无论是归纳逻辑的创立者培根还是恩格斯都有深刻的认识。

实际枚举推理的优势在于它在前提中仅需枚举某类对象中具有某种属性的部分成员即可进行推理。因而，它是最常用的枚举推理。密尔曾说：“事实上，枚举推理其实是借助于大脑思维的工作推断出，如果一个判断在一个或者诸多事件中被证实是成立的，那么在类似于前者的事件中，这个判断也同样被断定是成立的。换句话说，在归纳推理的过程中，我们可以总结出，如果一个类别中的某些个体的特性是成立的，那么这个类别中所有个体的特性也都是确定成立的，或者说，如果一个判断在某个时间段内是确定成立的，那么它在同样的环境下的任何时间点也都是确定成立的。”[44]一些侦查经验丰富又善于进行总结的侦查人员、法医等，往往会对自己积累的众多经验进行总结和概括，得出关于某种情况的一种规律性认识，并用这种认识来指导自己的侦查实务。例如，人们根据经验知道，触电身亡的人两臂肘部弯曲，火烧致死的人两臂肘部弯曲，雷击致死的人两臂肘部弯曲，据此得出结论：可能高温致死的人都是两臂肘部弯曲的，即所谓的“拳击家”姿势。

实际枚举推理也存在若干个方面的不足：实际枚举推理在前提中考察的是部分对象，而不是全部对象，这使得其前提对于结论的支持不是决定性的；从前提推出结论的依据主要在于已经考察的部分对象中没有出现相反的情况，并未对这部分对象何以具有某种属性的原因加以探究，它主要是在知其然而不知其所以然的情况下得出结论；实际枚举推理的结论是或然性的，其结论断定的范围势必超出前提的断定范围，这缺乏逻辑上的充分性或者逻辑保证；此外，前提中已经考察的部分对象没有遭遇反例，并不意味着反例就不存在，更不能保证将来不会出现反例。

实际枚举推理主要用于总结经验，发现规律如因果律等。实际枚举推理可以用于发现因果关系，人们应用实际枚举推理可以建立现象之间的因果链接。当一种现象的许多事例恒常地伴随以特定类型的事态的时候，人们自然倾向于得出在它们之间存在因果关系的结论。用于发现因果关系的实际枚举推理的特殊结构形式可以表示为：

现象E的事例1伴随事态C；

现象E的事例2伴随事态C；

现象E的事例3伴随事态C；

……

所以，（可能）现象E的所有事例都伴随事态C。

这里，增加列举出的事例的数量非常重要。伴随事态C的不同事例，被称为断言C引起E的因果律的确证事例。如果其他事态不变，那么确证事例越多，结论得到的支持度越高。需要注意的是，增加确证事例对于提高归纳强度的贡献最终呈现递减趋势。