21世紀以來，隨著信息技術快速發展，人們獲取、存儲、分析數據的能力不斷增強，全球數據呈現爆發式增長、海量集聚的特點。相應地，推動大數據產業創新發展、構建以數據為關鍵要素的數字經濟成為大數據時代面臨的一項重大課題。新的經濟發展形勢必然會對經濟學研究與創新產生深遠影響，不僅極大拓寬了經濟學研究范疇，而且沖擊著傳統經濟學研究方法。經濟學研究需要適應大數據時代要求，勇于創新與變革。

[[316819]]

傳統經濟活動如農業生產、工業制造等，主要發生在物理空間，其擴張也主要表現為在物理空間的數量累加。進入大數據時代，以數據為主要生產要素的新經濟活動則主要發生在數字空間或數字空間與物理空間的融合中，經濟活動的擴張也不再主要表現為在物理空間的數量累加，而是通過數字技術對傳統行業融合滲透、賦能引領，推動新農業、新制造業、新服務業蓬勃發展，為經濟發展提供新動能。

根據經濟活動空間不同，數字經濟可劃分為兩類：第一類是純粹數字經濟，即產品的設計、生產、營銷、運輸(傳遞)、消費、支付等經濟活動全過程都在數字空間完成，無須依賴物理空間，如加密(數字)貨幣、網絡銀行等;第二類是融合數字經濟，即經濟活動主要發生在數字空間和物理空間的交互融合中，物理空間發生的經濟活動過程能夠在數字空間得到實時反映，如在共享經濟中，訂單、支付等環節是在數字空間完成的，而具體的共享服務則往往在線下的物理空間進行。

由此可見，在大數據時代，“算法 算力 數據”已經成為典型的生產方式。這使人類經濟活動的空間和過程發生了巨大變化，從而極大拓展了經濟學研究的范圍。經濟學研究應把這些經濟活動作為研究對象，深入研究數字經濟的產生機理和運行邏輯、數字化企業的性質和發展目標、數字化企業的股權結構與治理創新以及商業模式創新等。

大數據時代經濟學研究范疇和研究對象的拓展，使傳統經濟學研究方法表現出明顯的不適應，要求對研究方法進行創新。首先，由于受到數據采集、傳輸、存儲和分析處理能力的限制，以往統計分析往往采用少量樣本進行研究，容易造成數據遺漏和分析不完整等缺陷。在大數據時代，數據采集、傳輸、存儲和分析能力發生質的飛躍，海量數據資源可以滿足經濟學研究對大樣本數據的需求，在某些情況下甚至可以采用全樣本進行分析和研究，這大大提升了經濟研究的精準性。

其次，以往經濟學分析的數據大多是結構化的數值數據，而大數據時代的數據除了數值數據，還有很多非結構化數據，如圖片、聲音、視頻、文本等，但計量分析、統計分析等傳統研究方法很難處理這類數據。

再次，傳統經濟學研究往往是在事件發生后搜集相關數據，然后通過統計模型、假設檢驗等方法對樣本數據進行研究并得出結論。這種靜態、滯后的研究往往會削弱研究成果對實踐的指導意義。在大數據時代，經濟學研究可以運用人工智能方法對海量數據進行實時分析，甚至可以在預設環境中對經濟數據進行自動智能分析，實時生成研究報告，實現精準預測，這就能夠極大增強研究成果對經濟活動的指導性。

因此，經濟學者應高度關注大數據時代經濟學研究所面臨的樣本數據擴大、數據結構種類變化等新情況新問題，重視文本挖掘、深度學習等數據分析技術在處理分析海量異構數據(相關的多個數據的集合)方面的優勢，積極推動經濟學研究方法創新和變革，提高經濟學研究的精準性和對經濟實踐的指導性。