上个世纪70年代发展起来的行为经济学将行为人的心理因素及其相关心理学规律纳入经济学的研究,不仅很好地解释了主流经济学的一些“异象”,而且也大大拓展了经济学的研究视域。以噪声交易理论、前景理论、心理账户为代表的行为经济理论,主要通过心理因素来描述个体的行为选择,探求经济现象背后的作用机理,特别是探求现象背后人的行为及其对现象的作用机理与影响;同时,对不确定条件下行为人的决策展开研究,以增强经济学的解释能力。然而,由于行为人心理因素识别的障碍,致使其所涉变量的测度与样本数据的获取极其困难,理论结论难以提供相应的经验证据,这种状识一方面制约了行为经济学本身的发展,另一方面却极大的限制了行为经济学的现实应用价值。为了克服这一障碍,行为经济学家借鉴物理学或工程实验的思想与方法,构建出一套能获取单因素(包括心理因素)作用效应的科学方法,即实验经济学。实验经济学的出现不仅在一定程度上克服了行为经济学研究中心理因素样本数据获取的局限,而且通过对实验数据的观察与计算,经济学家同时也发现一系列行为人经济选择过程中的未解之谜,进一步推进了行为经济学研究的深入与发展。可是,利用实验经济学方法解决样本数据的获取也存在一些明显的不足,其中主要体现在:(1)实验设计要求高,现实的环境条件往往不易获得满足;(2)实验成本过高,实验过程控制困难;(3)实验结果(数据)可能存在较大的偏差,所获数据并不能真实反映研究对象的心理因素,就像证券投资交易中实盘交易与模拟交易那样,实验样本实质上并不能真实地反映对照样本的心理因素。大数据时代的来临为我们克服实验经济学中的上述缺陷带来了希望与机遇,大数据以其海量、完整、多样化、复杂可变的数据结构为我们提供了行为人的选择路径与结果,尤其是它提供的音频、视频、活动轨迹以及经济选择特点等能反映行为人心理因素的非结构数据为我们将其结构化造创了条件,一旦非结构数据结构化成为可能,统计学便在行为经济学的研究中就有了更大的用武之地。因此,在大数据时代,利用大数据带来的契机,构建大数据下的行为经济统计分析体系与架构对于推进行为经济学的研究与发展就具有特殊重要的意义,实现这一目标的基础在于要率先解决行为经济学中心理因素的识别与测度。众所周知,统计分析之所以能被应用于对经济问题的研究得益于它有一套科学完善的估计与推断技术,而能实现统计估计与推断的前提在于有相应的样本数据,如果说统计学的进步与发展是统计估计与推断技术的创新,倒不如说是对样本数据的适应性研究,传统的统计分析之所以在行为经济学研究中缺乏建树,并不是因为估计与推断技术的缺乏,而是无法获取能与之相匹配的样本数据(主要是心理因素数据)。对统计学研究而言,大数据时代的到来,不仅彻底改变了数据的经济内涵,而且更重要的是它带来的样本数据(结构性数据)可得性的变革,当原先不可得的行为人心理因素数据变得易得时,即便是现有的统计分析方法与技术毫无进展,统计分析的价值也会获得显著提升。本文在这种思想指导下,试图系统探讨大数据时代背景下如何获取与行为经济研究相关的心理因素结构性样本数据,并将其应用于行为经济学研究。本文在对相关研究进行系统梳理的基础上,依照行为经济学研究中所涉及心理因素的属性与内涵,密切结合数据挖掘技术与心理因素生理化的研究思路,并充分利用生理特质所提供的结构性数据特点,实现对行为经济学研究中主要心理因素的统计识别与测度,并将其纳入现有的统计分析框架,应用于居民或投资者消费决策或股价预测的研究。本文主要研究了以下几个方面的内容。1.大数据时代带给统计分析的改变。大数据时代,互联网所引爆的信息革命,层出不穷的各类低成本记录与存储设备的广泛应用,正在颠覆传统的统计数据内涵,当统计分析赖以生存的数据基础发生重大变化时,它会给统计分析和统计学科带来什么?本部分试图从分析范式、分析工具、分析方法和分析结果四个方面去寻求答案。2.大数据时代的行为经济学研究。统计分析作为实证研究的工具,实证分析又是检验经济理论的有效手段,在大数据背景下,当统计与统计分析发生重大变革时,它又会给经济理论带来什么?本部分内容试图依据统计分析的变革来论述经济行为人经济选择数据与生理特征数据的易得性,并通过对生理与心理因素相互关系的考察来论证心理因素数据的替代与转换,阐述大数据背景下统计分析与行为经济学的融合,这种融合将使行为经济学的研究可能跨越实验经济学。3.大数据背景下行为经济统计分析的实现路径。大数据背景下,实现统计分析与行为经济学的融合的路径有两条,一是开发与大数据数据特征相一致的统计分析模型,另一是将非结构性数据结构化,并将其纳入现有的统计分析体系。本文以专业分工创造效率为前提,综合经济可行与技术可行两个方面对统计学适应大数据时代的路径选择进行了论证,其论证结论为本文的后续研究奠定了理论基础。4.大数据背景下心理因素特征变量的提取与测度。基于行为经济学研究框架的视角,通过对行为经济学中基本理论(噪声交易理论、前景理论和心理账户理论)所涉及心理因素的分析,本文对应提取了如下心理因素特征变量:情绪、偏好、注意力和安全感;并通过对这些心理因素特征变量经济的内涵与特点的考察,探讨了大数据背景下这些心理特征变量的统计识别与测度,从而化解了行为经济学实证分析的样本数据障碍。5.作为对大数据背景下行为经济统计分析的应用,本文最后选择了两个与行为人心理因素密切相关的经济问题进行了研究,一个是基于网购的消费者人格识别与消费决策分析,另一个是基于网络评论数的投资者关注对股价的预测。两个实证分析案例表明,大数据背景下心理因素的识别与测度不仅可行,而且与之相关的行为经济统计分析有效。经过梳理、分析、论证与实证研究,本文得到如下基本结论:(1)大数据时代将跨越行为经济学研究中心理因素样本数据的可得性障碍,统计学,特别是数据挖掘技术将引导经济学研究范式转向数据驱动型的研究;(2)大数据时代的到来,使得统计学家有可能将诸如音频、视频乃至实时的行动轨迹等非结构性数据纳入统计分析范畴,形成更具包容性的统计分析方法与技术,这种更具包容性的统计分析方法与技术不仅能提升统计分析判断的有效性与可靠性,而且还能极大扩展它的应用范围;(3)大数据背景下,统计学家构建行为经济统计分析的路径有两条,一是开发适用于多数据结构的统计分析模型,另一则是寻求更广泛的数据来源和探寻将非结构性数据转换成结构性数据的相关方法与技术,并将其纳入传统统计分析体系。相比较而言,后者更为现实与经济;(4)行为经济学中的心理因素可以通过特征提取的方式将其转化为心理特征变量,这些变量主要包括情绪、偏好、注意力、安全感,大数据背景下,它们不仅可以识别,而且是可测的;(5)利用行为经济统计分析不仅能实现对消费者人格(投资者关注度)识别和分类,而且运用它能更准确预测消费者行为选择和证券市场股价的变动。本文的创新主要有如下四点:一是根据大数据时代的数据特点,提出了行为经济统计分析的实现路径,即适合更多数据类型的模型选择路径与非结构性数据结构化的路径;二是基于两账户心理决策模型和两状态马尔科夫链理论,从经济分析的角度论证了数据转换路径较模型选择路径的优势;三是系统分析了主要心理因素,情绪、偏好、注意力、安全感的统计识别与测度;四是从理论上构建了基于大五人格的消费决策模型和基于投资者关注的股价变化过程,并利用实证分析的方法验证了大数据背景下行为经济统计分析的可行性与有效性。