調查類：
- 調查不具權威性，或是本身的取樣方法未闡明－看到有調查字眼出現幾乎通用，但要慎用以防閱卷者認為你沒梗。
- 個案相對於調查研究的特殊性－全國調查結果不一定適用於某地區，同理某地區調查結果不一定適用於其他地區。
- 時間不夠長至具有意義－看到最近或是近期的統計要注意。例如飲食習慣改變可能無法在兩年內造成健康水平變動、食物療法在兩周內無法立即見效。
- 將舊方法套用在新地區不一定有相同效果－「A地用了某方法改善了問題，所以B地應該套用。」應考慮A地與B地的差異性。
推論類：
- 因果關係屬於假設，並未嚴謹證明－這也很常出現，但是同樣要慎用。
- 將不相干因素誤植入因果關係中，或是其他因素未被考慮－跟第一點有點類似，但是更容易看出推論的不足。
- 因果關係看反，倒果為因－「人們花很多錢在聽音樂，所以音樂很受歡迎。」可能是音樂受歡迎，所以售價變高。
- 跳躍式的推論－「假設吃魚能防止感冒，則魚油提煉物應當能防止感冒。」中間的推論證據不足。
- 沒被發現不代表沒有，被發現不代表獨佔－這謬誤一旦在文章中出現很容易被發現。
- 預測的不合理性－沒提供任何證據，預測未來的展望不太合理。且在這期間可能有其他更好的解決辦法或根本的改變。
比較類：
- 量多不代表質好－A公司職員比B公司多，但可能平均素質較差。
- 時間不同背景不同，比較可能失去準確度－拿現在的經濟水準去跟以前比沒有意義。通膨、人口結構等等都應當考慮。
- 過去相對於現在的標準改變－跟第二點類似，但文章中出現「標準」兩字應注意。例如現在達到政府訂定健康標準者較十年前少，但可能是十年前的標準較低。
- 最高級不代表最好，可能是其他太差－通常出現在銷售題中，例如A公司的某產品賣最好不代表他們真的做得很好，可能是其他產品太爛。就算他比其他公司同產品賣得好，也可能是競爭者太爛。
- 透過一個數字宣稱一個結論，而沒考慮比例問題－「現在每年有十萬人到A地觀光。」這並不一定很多，可能該州每年觀光人口有數千萬。
利益類：
- 新方法的代價需要評估－常出現，文章沒提到新方法的代價時須注意。縱使新方法確能增加營收，但是套用新方法的代價可能更高。
- 投資獲益比可能不足－就算有說明代價，但是收益相對於整體資產可能微不足道，可能可將心力轉移到別的方法上。
- 高低比較並未提供具體數字－A的人口比B高，具體是高多少？結構是否一樣？
- 百分比之比較並未考慮整體數字－不一定是比較物本身的數字。例如「喜歡新產品者比喜歡舊產品者高出10%」，我們可以考慮的還有新產品獲利是否比舊產品高，乘上比例後是否能抵銷不忠的顧客。
- 未考慮新做法帶來的副作用－比較難找出來的點，寫不好可能被閱卷者當作沒梗。
另外，通常在寫AWA時會用到的單字都不會太困難， 基本上只要準備過Verbal後使用這些簡單單字都不會有問題， 但是我發現有一些單字引申我在寫Argument時會用到，但是我在三千字內沒有背到。 通貨膨脹inflation、淨利net profit、獲利比cost-benefit ratio等等…… 基本上就是經濟學的基本詞彙，可以把一些自己認為會用到的背一下。 其他就是經濟健康標準、人口分布、統計採樣和因果關係等等的字眼， 其實這些應該都能從背過的單字中組合出來。
