【文/观察者网专栏作者 汪涛】

据中国汽车工业协会统计分析，2016年9月，乘用车市场继续呈良好表现，当月销量环比和同比保持较快增长。乘用车销售226.83万辆，环比增长25.95%，同比增长28.94%。这样好的数据在近几年疲软的宏观经济数据中非常亮眼，值得肯定，同时GDP增长率也“趋稳”，两个还算不错的消息叠在一起，它们是否有某种关联呢？

汽车销售量与GDP关系分析

如果再看下2016年前9个月每个月的变化情况，似乎更有乐观的理由，高速增长并非仅仅是9月，而是在5月之后就一直同比增长在10%以上，7、8、9三个月同比增长都在25%以上的高速度。如果保持这个趋势，全年增长率可达到10%以上。

那么这个增长速度从多年发展情况来看又是处于什么水平呢？以下是2005以来中国乘用车年度发展情况分析。

由该图可见，如果2016年全年乘用车销售年增长率超过10%，的确是一个不错的成绩，尤其从2011年以来的5年多时间里，只有2013年超过10%（13.86%）。还有，目前基数已经相当高了，2015年全年销量已经是2459.76万辆，因此，如果在这个基础上增长10%以上，增长量就是250万辆左右，的确是不错的成绩。但另一方面说，这也的确算不上特别惊艳。

如果要了解中国乘用车销售增长情况与宏观经济是否有一定相关性，最简单的方法就是把两者放在一起进行一下相关分析。以下是2006至2015年GDP增长率（注意采用的是名义GDP增长率数据）与乘用车销售量增长率之间的对比分析。从该图可见，两者似乎有一点点相关性，但相关性显然很小。尤其在2009年等很多年份，两者波动方向甚至是完全相反的。

如何看经济研究的相关分析方法

分析这个问题时，正好我刚刚写完新书《实验、测量与科学》（东方出版社出版之中），其中在“误差理论”一章讨论过相关分析问题，正好可用来对解决这类问题的理论基础进行一下分析。

在大量社会领域，尤其经济领域，主要采用的是统计分析方法。这个方法里建立事物之间联系最核心的基础是相关分析，相应的方法也比较成熟全面了。如，两个因素之间简单的线性关系采用“皮尔森相关分析”，两个因素之间非线性关系采用“斯皮尔曼相关分析”。如果是多个因素之间的线性关系呢？就采用“复相关分析”，多个因素之间的非线性关系呢？就采用“肯德尔相关分析”。

但是，统计学的相关分析与大多数自然科学里的分析方法是有一些微炒差别的。在自然科学里，为了发现因果联系，也会借助相关分析，但在许多情况下，相关性往往非常高，甚至能接近1，所以计算相关系数已经很难看出测量数据之间的区别了。一般在这种情况下采用的是“误差分析”方法。

因此，当采用相关分析的时候，往往就意味着已经“不是太相关”了，因为相关系数已处于0.3到0.9之间。这个区间的相关系数到底是什么含义呢？这个问题在过去人们往往并没有去深究。这导致的结果是：计算出一个相关系数后，只要别太低，如已经到0.4甚至更低，就算“有相关性”。既然“有相关性”，往往就可以拿来进行解释了。这样一来，很多因素之间都可以算出有相关性，想怎么解释就可以怎么解释。这就是两个经济学家坐在一起可以产生3个经济学理论的重要原因之一。