两个相邻的县，资源禀赋相近，用同一套产业集群理论做规划，一个做成了配套基地，一个建起了厂房却招不来企业。类似的反差在地方规划里并不罕见。问题通常不在理论错，而在数据被读成了理论想要的样子。

先看分母，再看分子

地方数据里最常见的问题是分母不稳。比如“规上企业数量增长”，分子是新增入库企业，分母却随着统计门槛和行政区划调整在变。一个县合并了邻镇，工业产值自然跳升，这不是增长，是范围变化。读数据的第一步应当是核对统计范围是否连续，把区划调整、园区代管、企业库轮换这几件事列出来，逐项确认，再谈增速。

三类常被误读的数据

第一类是人均指标。人口流出地的人均GDP上升，可能只是分母变小，产业并未变强。第二类是比值类指标，如研发投入强度，小基数地区的比值波动极大，一年的高值不足以说明结构升级。第三类是排名类指标。同一指标在不同榜单里名次相差十几位，往往只是口径与权重不同。看到排名先问三句：谁统计的、样本多大、权重怎么给。

两个县的差别在哪儿

做成配套基地的那个县，主导产业与邻近中心城市的主导产业是同一链条上的上下游，运输半径在两小时以内，本地还有一批做模具和表面处理的小厂。另一个县引进的是整机项目，配套要靠外地运，招工要靠高薪挖，投产之后成本一直压不下来。理论说的是集聚带来外部性，但外部性来自具体的共享：模具、检测、物流、技工。这些不落在数据表里，却决定了理论是否成立。

该怎么读，别怎么读

该怎么读：把数据分成“结果类”和“条件类”两组。产值、税收是结果，技工数量、配套企业密度、货运成本是条件。先看条件是否具备，再看结果是否兑现，两者背离时以条件为准。别怎么读：不要用单个年度的增幅论证趋势，不要用总产值论证竞争力，也不要把相邻地区的经验直接套用，除非先确认两地的条件类指标接近。

理论给出的是机制，数据给出的是现象，两者之间隔着一层具体的产业条件。地方经验真正可迁移的部分，是识别条件的办法，而不是结论本身。一份县域产业报告如果只写了增速和排名，没有写清楚这些数字是怎么算出来的、覆盖了谁、漏掉了谁，那它的参考价值大约只到读完标题为止。