我国大数据产业的发展势头强劲,已经成为助推经济社会转型的重点产业。与此同时,电子商务市场的快速拓展和电子支付的高度普及也让消费者们逐渐改变了消费模式,电商平台也因此积累了海量的交易数据。鉴于此,本文引入电商平台大数据来编制智能手机价格指数,以期实现大数据高效地服务于经济统计的目标。本文的研究对象——智能手机,是一种典型的异质性商品,若要使智能手机价格指数更具准确性和有效性,那么就必须确保样本能够同质可比。特征价格法就是一种较为有效的质量调整方法,可以很好地将商品质量变化所引起的价格变动对价格指数的影响剥离出来。因此,电商平台大数据和特征价格理论结合起来应用到智能手机价格指数的编制研究中是一种较为合理的方法。首先,本文细致地分析和归纳了特征价格理论和大数据理论。在特征价格理论方面,阐释了由经典消费行为理论、Lancaster消费偏好理论、Rosen供需均衡理论和Diewert特征价格理论所构建成的基本理论框架,还对比了特征函数的四种表现形式,然后从实现原理、优缺点以及适用情况等角度比较和评述了特征价格指数的不同编制方法,为后文的实证分析奠定了基础。在大数据理论及技术方面,先从定义、特征等角度对大数据做了一个初步的概述,然后展开梳理了本文所采用的网络爬虫技术,最后探讨了大数据时代给经济统计带来的挑战与创新。其次,本文利用网络爬虫从天猫电商平台采集了2021年2月一2021年9月智能手机的属性信息和交易数据。大数据天然具有数量繁多、类型复杂的特征,为了避免冗余和无效数据影响价格指数编制的准确性和有效性,本文对爬取到的大数据先进行了预处理工作,最终获得了19,578条有效交易数据,涵盖7个品牌下127款在售的智能手机款型,再通过对数据分布及特征进行详细地观测,初步推测出可能对智能手机价格产生影响的特征因素。最后,引入虚拟变量来量化所有特征因素,然后利用Lasso方法先进行初次的特征筛选,再基于Lasso法的结果结合XGBoost算法来评价特征因素的重要性,综合选择出进入特征价格模型的特征变量。对比不同函数形式下模型结果的统计指标,选择了对数线性函数。然后在此基础上分别构建包含时间虚拟变量的特征虚拟时间变量模型以及基于直接特征法的特征价格模型,并编制对应的特征价格指数,接下来分析模型结果的同时综合对比特征价格法编制的价格指数和简单算术平均价格指数,最终得出本文的研究结论并就此作出一些展望与建议。基于上述研究,本文得出以下结论:首先,各特征变量对智能手机价格的影响不同;其次,各特征变量对智能手机价格的影响作用随时间变化而不同;最后,合并特征价格指数的表现较优,能更真实地反映出这段时期天猫电商平台智能手机价格的变化情况,且在稳健性上更具优势。