三位经济学家首先列举了过去几年中出现或变得突出的令人印象深刻的数据源。对于历史分析，研究人员现在可以利用关联的人口普查记录、数字化的地图和目录来追踪个体和社区随时间的变化。这些工具让我们能够以前所未有的精细程度重访过去，回答关于迁移、社区变迁以及经济冲击长期影响的问题。在这之前，这些问题很难回答。

如今的数字时代出现了非常多实时、高分辨率数据。卫星提供了夜间灯光和多维度图像来测量经济活动和环境条件，而手机和社交媒体平台揭示了通勤模式、社交网络和城市互动。电子商务交易、支付卡记录，甚至政府法规的文本分析为现代城市经济提供了额外的洞察数据。三位经济学家详细概述了每种数据源的优势、劣势和使用场景，为研究人员在这个数据丰富的环境中导航提供了一个实用指南。

三位经济学家还通过文献中的历史和现代示例，展示了这些新数据源如何推动城市与区域经济学的发展。例如，通过算法将个人在几十年间的人口普查数据关联起来，揭示了代际流动和童年时期环境条件的持久影响。他们强调，数字化的历史地图如何精确定位了靠近交通网络或工业场所的影响，为我们提供了一个观察几个世纪以来城市发展的窗口。

与此同时，像卫星图像这样的现代工具彻底改变了我们实时研究经济活动的能力，特别是在数据稀缺的地区。经济学家们展示了 Henderson 等人（2012）首创利用夜间灯光数据来代表发展中国家的国内生产总值（GDP）。经济学们家还列举了文献，通过多维度卫星图像与机器学习相结合在微观空间层面预测贫困和财富。一些文献利用手机数据，如通话记录和GPS轨迹，同样改变了我们对城市内通勤、贸易和社交联系的理解。

  · 个体位置与迁移：历史人口普查数据揭示了美国大迁徙等迁移浪潮的长期影响，而智能手机数据则追踪了城市内的日常移动，提供了城市流动性的动态视图。

  · 交通网络与贸易：数字化的历史交通路线——如铁路和运河——展示了基础设施如何塑造市场一体化，而来自车辆和 Uber 等应用的当代 GPS 数据则揭示了道路网络对贸易和拥堵的实时影响。

  · 企业位置与交易：卫星图像和信用卡记录阐明了经济活动的空间分布，从农村地区的电子商务增长到城市中心的企业集群。

这些例子凸显了一个核心主题：新数据不仅仅是完善现有知识——它扩展了我们能够提出的问题范围。通过提供更精细的空间和时间分辨率，这些工具使研究人员能够发现异质性，通过自然实验追溯因果关系，并在从个体家庭到整个地区的尺度上探索现象。

他们也提出了警示。基于机器学习的人口普查链接可能以高匹配率为代价牺牲代表性，特别是对于边缘化群体。卫星数据虽然强大，但可能存在非经典测量误差，隐私问题可能限制对手机和交易记录的访问。研究人员的挑战将是平衡这些工具的潜力与严格的方法论标准。

完整论文获取地址：https://www.nber.org/papers/w33561