21世纪以来，随着信息技术快速发展，人们获取、存储、分析数据的能力不断增强，全球数据呈现爆发式增长、海量集聚的特点。相应地，推动大数据产业创新发展、构建以数据为关键要素的数字经济成为大数据时代面临的一项重大课题。新的经济发展形势必然会对经济学研究与创新产生深远影响，不仅极大拓宽了经济学研究范畴，而且冲击着传统经济学研究方法。经济学研究需要适应大数据时代要求，勇于创新与变革。

传统经济活动如农业生产、工业制造等，主要发生在物理空间，其扩张也主要表现为在物理空间的数量累加。进入大数据时代，以数据为主要生产要素的新经济活动则主要发生在数字空间或数字空间与物理空间的融合中，经济活动的扩张也不再主要表现为在物理空间的数量累加，而是通过数字技术对传统行业融合渗透、赋能引领，推动新农业、新制造业、新服务业蓬勃发展，为经济发展提供新动能。根据经济活动空间不同，数字经济可划分为两类：第一类是纯粹数字经济，即产品的设计、生产、营销、运输（传递）、消费、支付等经济活动全过程都在数字空间完成，无须依赖物理空间，如加密（数字）货币、网络银行等；第二类是融合数字经济，即经济活动主要发生在数字空间和物理空间的交互融合中，物理空间发生的经济活动过程能够在数字空间得到实时反映，如在共享经济中，订单、支付等环节是在数字空间完成的，而具体的共享服务则往往在线下的物理空间进行。由此可见，在大数据时代，“算法+算力+数据”已经成为典型的生产方式。这使人类经济活动的空间和过程发生了巨大变化，从而极大拓展了经济学研究的范围。经济学研究应把这些经济活动作为研究对象，深入研究数字经济的产生机理和运行逻辑、数字化企业的性质和发展目标、数字化企业的股权结构与治理创新以及商业模式创新等。

大数据时代经济学研究范畴和研究对象的拓展，使传统经济学研究方法表现出明显的不适应，要求对研究方法进行创新。首先，由于受到数据采集、传输、存储和分析处理能力的限制，以往统计分析往往采用少量样本进行研究，容易造成数据遗漏和分析不完整等缺陷。在大数据时代，数据采集、传输、存储和分析能力发生质的飞跃，海量数据资源可以满足经济学研究对大样本数据的需求，在某些情况下甚至可以采用全样本进行分析和研究，这大大提升了经济研究的精准性。其次，以往经济学分析的数据大多是结构化的数值数据，而大数据时代的数据除了数值数据，还有很多非结构化数据，如图片、声音、视频、文本等，但计量分析、统计分析等传统研究方法很难处理这类数据。再次，传统经济学研究往往是在事件发生后搜集相关数据，然后通过统计模型、假设检验等方法对样本数据进行研究并得出结论。这种静态、滞后的研究往往会削弱研究成果对实践的指导意义。在大数据时代，经济学研究可以运用人工智能方法对海量数据进行实时分析，甚至可以在预设环境中对经济数据进行自动智能分析，实时生成研究报告，实现精准预测，这就能够极大增强研究成果对经济活动的指导性。因此，经济学者应高度关注大数据时代经济学研究所面临的样本数据扩大、数据结构种类变化等新情况新问题，重视文本挖掘、深度学习等数据分析技术在处理分析海量异构数据（相关的多个数据的集合）方面的优势，积极推动经济学研究方法创新和变革，提高经济学研究的精准性和对经济实践的指导性。

（作者为北京师范大学经济与工商管理学院金融大数据研究中心主任）

《 人民日报 》（ 2020年03月02日 09 版）