经济学正在进入后统计时代和计算机模拟时代。后统计时代强调大数据、高频数据、低频数据、高阶数据以及低阶数据；高维数据、分数维数据等。计算机模拟更多强调agent-based models。agent-based models是否能够打通经济学的微观分析和宏观分析，不知道。但是很期待，因为自己一直坚信，宏观应该可以从微观中演绎出，即各个层次之间存在现实的连接，而这种联系并且一定能够通过逻辑展现出来。

  如Axtell( 2000)说，How to explain things in macro-level in the situation of microsimulation is the main

 motivation of using multi-agent simulation analysis in social sciences, including financial economy . 

什么样的过程会生成scaling laws的结果？所以寻找过程，构造过程是EP研究的一个方向。过程实质上是一个结构，结果是结构引致的功能，是否不同的过程引致不同的结果，还是存在不同的过程会存在同一结构。所以可以定义一种函数：不同的过程可是不同结果和同一种结果引致的，不是同一过程产生不同结果。当然过程不是一个数，而是一个函数，所以结果是函数的函数。根据这个意思，结果是个fonctionelle （泛函），泛函取决于函数的整体性质。所以寻找引致scaling laws的经济过程，实质是在求解泛函。

注1：泛函也是一种“函数”，它的独立变量一般不是通常函数的“自变量”，而是通常函数本身。泛函是函数的函数。函П(y(x))与可取函数y(x)有明确的对应关系。泛函的值是由一条可取曲线的整体性质决定的。

注2：用来描述为更新网络搜索索引需要同时进行批量处理或分析的大量数据集。大数据的性质有：数据量大，数据类型多且数据结构和关系不完整，数据的价值密度低，存在一秒定律，与传统数据挖掘本质还是不一样，总是处理难度大。

注3：高频数据，就是数据的时间尺度短，以分钟，甚至以秒，毫秒计量的尺度；所谓低频，就是以十年，甚至是世纪计算的尺度；所谓高阶，就是原先关注总量，现在关注速度，加速度，甚至加加速度；低阶，在高维中研究低维。