《经济管理学科前沿研究报告系列丛书：企业信息管理学学科前沿研究报告2013》：

Victor(2012)在其近期著作《大数据时代——生活、工作与思维的大变革》中指出，大数据时代，思维方式要发生三个变革：及时，要分析与事物相关的所有数据，而不是依靠分析少量数据样本；要总体，不要样本。第二，要乐于接受数据的纷繁复杂，而不再追求性。第三，不再探求难以捉摸的因果关系，应该更加注重相关关系。杨华磊(2013)分析了高频数据对传统经济学研究范式的冲击，出现了“非主流经济学就是致力研究异常现象的经济学”，当然高频数据与大数据不是一回事，两者之间存在交集。那么，大数据给经济学带来了哪些影响呢？

(一)大数据研究对象变成了总体

传统经济学研究中，由于搜集数据的条件所限，人们往往对数据进行抽样，用少量样本来进行研究，这一传统一直延续至今，并且成为经济学研究的主流做法，但是抽样的质量对研究结果影响很大，如公众对政府统计部门公布的物价指数和基尼系数引发的怀疑。在大数据时代，很多场合下已经无须进行针对样本的研究，直接将总体作为研究对象，从而在很大程度上改变了数据来源方式，对数据的处理也产生了深远的影响。

(二)大数据不需要基于假设检验的研究

传统的经济学研究，往往根据研究内容提出数个假设，然后再采用数学模型基于统计检验来验证假设。但在大数据时代，由于有足够的变量、足够的数据，可以采用人工智能来进行数据挖掘和知识发现，得到的结论是成百上千的和传统经济学研究需要验证假设的数量永远不是一个数量级。在大数据时代，如果继续采用传统的假设检验方法进行研究，永远是不充分的、不完备的、无法满足需要的。大数据时代重在对数据处理的多样化结果进行分析，可以是基于经济学的，也可以是基于应用的，从而辅助人们决策。

此外，变量的完备性要求使得传统的基于假设验证的研究有时变得十分尴尬。例如，研究研发投入对企业绩效的影响，需要考虑的不仅是研发投入，还要考虑企业资本结构、竞争水平、人员素质、行业特点、管理能力等诸多因素，研究者重点关注的是研发投入的弹性系数，却得到了其他所有数十个变量的弹性系数，从而使研究重心不容易掌握。

(三)大数据使得因果关系变得不太重要

传统经济学是一门解释科学，重在对经济现象进行解释，了解它们的因果关系，但在大数据时代，这样做是远远不够的，大数据甚至可以发现事物发展潜在的规律，以供经济学家解释，具有一定的“智能性”，某种程度上超越了经济学研究的因果关系。

大数据并没有改变因果关系，但是使传统经济学的因果关系变得不太重要。如经济学家在预测房价时，无非是根据住房价格变化的影响因素来进行分析，如经济发展水平、人均收入、土地价格、宏观房产政策、地点等因素。但谷歌预测房价时，根据住房搜索查询量变化进行预测，结果比不动产经济学家的预测更为及时。IBM日本公司，通过检索关键词“新订单”、“雇员”、“生产”等来预测采购经理人指数.仅用6小时就得出结果，并且和专业的采购人指数分析师们计算的结果基本一致。大数据并没有改变因果关系，但使因果关系变得意义不大，很多时候因果关系成为“正确的废话”。

(四)传统的因果关系有时无法验证

弄清事物之间的内在联系和作用机制，一直是传统经济学研究的核心。但有时因果关系是没有办法验证的。如新产品上市，人们往往倾向于购买新产品，这样对旧产品的需求会下降，那么旧产品价格应该立即回落，这是其一。从另一个角度，如果大家都认识到这一点，就会贪便宜购买旧产品，短期内会造成旧产品供不应求，反而导致1日产品涨价。究竟是涨是跌，还要看这两种因素谁弱谁强，采用传统经济学研究方法是难以验证这两种效应的，只能验证两种效应作用的综合结果。

实际情况是，在大数据时代，西雅图Decide.comg公司分析了近400万种商品的超过250亿条价格信息，发现新产品上市时，短期内旧产品价格是上涨的，过一段时间才逐步回落。采用大数据，既可以知道多少人购买旧产品，也能知道多少人购买新产品，以及旧产品价格变化的规律。在这种情况下，我们知道所有的因果关系，却难以检验，并且没有意义，知道结果更重要。

(五)传统经济学研究具有滞后性

传统经济学对于新生事物是不敏感的，必须等事情发生并且成长到一定规模以后才能搜集到足够数据进行相关研究。在大数据时代，可以通过海量数据对经济行为进行分析，一旦有新情况、新动态立即予以关注，从而实现对新生事物的早期干预和分析，因此具有前瞻性。大数据本身就具有智能，可以辅助经济学发现知识。

……