-
新的数据来源带来的挑战可能需要新的技能
大数据是指规模更大、频率更高、往往更个性化的数据集。例子包括家庭智能传感器收集的数据或Twitter上的推文聚合。在小数据集中，传统的计量经济学方法往往优于更复杂的技术。然而，在大数据集中，机器学习方法大放异域。要想在经济学中充分利用大数据，需要新的分析方法。因此，研究人员和政策制定者如果想充分利用这些新的大数据来源，就应该密切关注机器学习技术的最新发展。
更多的少
-
比定义和衡量非正式性更重要的是注重减少其有害后果
在全球范围内，非正式工人比正式工人要多，然而，是什么让工人或公司变得非正式，以及如何衡量这种程度，仍然令人困惑。非正式工作和非正式经济活动意味着巨大的效率和福利损失，从生产率低、收入低、工作条件不符合标准和缺乏社会保险覆盖方面来看。对于政策制定者来说，与其在非正式性的定义和衡量上吹毛求疵，还不如解决这些非正式性的相关问题，以减轻消极的效率和福利影响。
更多的少
-
与大多数经合发组织国家不同，以色列在过去15年的就业率和参与率都有了很大的提高
在1980年代和1990年代就业率和参与率下降之后，以色列在过去15年设法扭转了这些趋势。与此同时，失业率也大幅下降。新的劳动力参与者大多来自教育分布的低端，许多人年龄相对较大。他们加入劳动大军是为了应对福利支出的削减和强制退休年龄的提高。由于劳动收入的增长，所有人口群体的家庭净收入都有所增加;然而，家庭之间的不平等加剧了。
更多的少
-
将基因数据纳入有效的公共政策设计中有潜在价值，但也存在一些风险
包含个体分子遗传信息的数据集的可用性和数量都在快速增长。许多人认为，这些数据可以帮助识别潜在的重要社会经济结果的基因，如受教育程度和生育率。反对者经常反驳说，好处还不清楚，而且对个人隐私的威胁是严重的。本文提出的初步探索表明，有效和安全地利用遗传数据可能会对理解社会经济结果以及社会和教育政策的设计产生重大好处。
更多的少
-
面板数据提供了一种有效且具有成本效益的方法，以衡量随时间的变化和态度
稳定和变革是社会现实和经济进步的基本要素。横断面调查是在某一特定时间点提供关于具体问题的资料的一种手段，但不提供关于普遍稳定性的任何资料。通过回溯性提问可以获得关于变化的有限信息，但这通常会受到“回忆偏差”的损害。然而，关于变化的有效信息对于评估贫穷等现象是永久性的还是暂时的至关重要。小组数据分析可以解决这些问题，并为有效的政策设计提供必要的工具。
更多的少
-
需要采取一致的移民措施，以了解移民的模式及其对劳动力市场结果的影响
国际移徙改变了移徙个人和家庭以及东道国和原籍国的社会经济条件。然而，用于研究和跟踪这些运动的数据大多不足或缺失。理解这些数据限制的原因以及最近制定的克服这些限制的方法对于实施有效的政策至关重要。改进关于全球移徙模式的现有信息将带来许多广泛的好处，包括改进人口估计，并更清楚地说明某些移徙者为何选择某些目的地。
更多的少
-
有效的衡量可以帮助决策者利用企业家精神带来的各种各样的收益
政策制定者依赖企业家创造就业、提供收入、创新、纳税以支持公共收入、在产业中创造竞争等等。由于其高度异质性的性质，创业措施的选择至关重要，影响对潜力和现有政策的诊断、分析、预测和理解。衡量的一些关键方面包括如何(自主创业、新公司成立)、为什么(必要性、机会)和什么(成长)。因此，对政策制定者来说，更好地了解衡量创业精神的挑战是一项必要的、富有成效的投资。
更多的少
-
了解人们的历史有助于了解他们的现状和他们的前进方向
来自纵向调查的信息将给定时刻的快照转换为带时间维度的东西。它照亮了个人生活中的事件模式，并记录了老年人和年轻世代之间的移动性和不动。它可以通过生命课程跟踪男女和各种各样的社会经济背景的不同途径。它可以加入对人生生命，健康，教育，家庭和就业方面的数据，并展示这些域如何彼此影响。它非常适合弥合影响人们生活的不同政策的孤岛。
更多的少
-
选择正确的绩效衡量标准可以为政策和管理的决策提供信息和改进
衡量工人的生产力对于公共政策和私营部门的决策都很重要。由于缺乏可靠的方法来确定工人的生产力，企业经常使用具体的绩效指标，如不同的激励措施如何影响员工的行为。公共部门也使用这些措施来监测和评估人员，如教师。为了选择正确的绩效衡量标准，从而设计出更好的雇佣合同并提高生产率，政策制定者和管理者需要了解现有衡量标准的优缺点。
更多的少
-
“幸福数据”可能有助于评估新劳动力市场政策的福利效应，比如福利慷慨程度的变化
想象一下，政府面临着有争议的政策问题，就像它是否应该减少失业救济金额。社会福利会上升吗？有些团体会成为赢家，其他群体是输家吗？雇用和失业之间的福利差距是否会增加？“幸福数据”提供了一种制作这些评估的新方法。这些数据允许我们跟踪整个人口的福祉，以及像所采用和失业人士这样的子团体，并将结果与相关政策变更相关联。
更多的少
