生产者理论概述

先前介绍了消费者理论,本文将简要介绍生产者理论。 通过模型去拟合消费者和生产者的行为,然后在市场的大背景下去分析市场行为,这些构成了微观经济学的基本骨架。

公司模型

‘ 基本假设:

  1. 公司追求利益最大化
  2. 公司的生产受到技术因素的限制
  3. 公司的销售(经济活动)受到市场的限制
  4. 静态模型,确定性的模型,不考虑创新和管理因素

技术限制

生产函数

公司的生产考虑输入和输出。输入包括:k,lk,l,输出是F(k,l)F(k,l),函数如下:

F(k,l)=q

F(k,l) = q

  1. k=capitalk=capital,包括必要的机器建筑
  2. l=laborl=labor,包括必要的劳动力

生产函数的特点

定义几个概念:

  • isoquants:F(k,l)=qF(k,l) = q中qq不同的等高线
  • Margin Product of capital:MPK=∂F∂kMPK=\frac{\partial F}{\partial k}
  • Margin Product of labor: MPL=∂F∂lMPL = \frac{\partial F}{\partial l}

下面说下性质:

  1. MPL,MPK>0MPL,MPK>0,这个性质很直观,增加capital或者增加labor都会增加产量。
  2. eventually decreasing return to scale (DRS): 用数学表达是如果kk足够大,那么∂∂kMPK<0\frac{\partial}{\partial k} MPK<0,对于ll亦然。也就是说在生产规模足够大的前提下,如果继续增加生产要素,那么所获得的产量的增长速度越来越慢。这一条保证了最优产量的存在

生产函数的分类

生产函数,具体分为以下几类:

  1. CRS,constant return to scale,对于λ>0\lambda >0,对于所有的(k,l)(k,l),都有F(λk,λl)=λF(k,l)F(\lambda k, \lambda l) = \lambda F(k,l)。
  2. DRS,decrease return to scale,对于λ>1\lambda >1,对于所有的(k,l)(k,l),都有F(λk,λl)<λF(k,l)F(\lambda k, \lambda l) < \lambda F(k,l)。
  3. IRS,increase return to scale,对于λ>1\lambda >1,对于所有的(k,l)(k,l),都有F(λk,λl)>λF(k,l)F(\lambda k, \lambda l) > \lambda F(k,l)。
  4. 上面这些分类都是全局的性质,是对于所有的(k,l)(k,l)。但是也有生产函数并不属于上面这些类型。

常用的生产模型

柯布道格拉斯生产函数

Cobb-Douglas在应用经济学领域用的很多。

s.t.F(k,l)=AkαlβA,α,β>0

\begin{split} &F(k,l) = Ak^{\alpha} l^{\beta} \\ s.t. &A,\alpha,\beta>0 \end{split}

并且其有下面的独特性质:

  • 如果α+β=1\alpha+\beta=1,那么CRSCRS。
  • 如果α+β<1\alpha+\beta<1,那么DRSDRS。
  • 如果α+β>1\alpha+\beta>1,那么IRSIRS。

最小生产函数

在某个生产要素(比如ll)小于规定的阈值时,这时候的F(k,l)=0F(k,l)=0。 这点在经济生活中也很常见,比如一项工作的进展需要大家协力,不够一定的人数是开展不了工作没有办法生产的。

经济限制

谈完技术限制,我们来继续谈经济限制。 根据生产函数生产出来的东西,我们总需要放到市场上去卖吧。

那么,公司面对的问题就是:

s.t.maxq,k,l≥0qp−(rk+wl)q=F(k,l)

\begin{split} &\max_{q,k,l \ge 0} qp-(rk+wl) \\ s.t. \quad &q = F(k,l) \end{split}

通过这个问题,在p,w,rp,w,r这些价格条件下可以解出:

  • q∗(p,w,r)q^*(p,w,r):最优产量
  • k∗(p,w,r)k^*(p,w,r):最优资本要素投入
  • l∗(p,w,r)l^*(p,w,r):最优人力要素投入

关于上面公司面临的问题,有两种解法:

从输入解起

从输出解起

利润最大化要求损失最小

损失函数

损失最小问题的解

上面说了如果利润最大化,那么损失肯定是最小的。 当isocostisoquant相切的话,损失最小。

所以,有:

损失函数的性质

未完待续

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏量子位

换了马甲也能认出“你” | 有了这个数据集,AI有望揪出变种勒索软件

去年5月,恶意勒索软件WannaCry大面积爆发,全球不少国家机构、企业、个人终端电脑中招,电脑文件被锁。

781
来自专栏人工智能LeadAI

k-means算法原理及实战

K-means算法是输入聚类个数k,以及包含 n个数据对象的数据库,输出满足方差最小标准k个聚类的一种算法。

722
来自专栏用户3246163的专栏

4.2 期权估值

标准差越高,股票涨跌的离差(dispersion)就越高,因此在二叉树里评估each time period股票的价格时,就可以捕获波动率。

3222
来自专栏思影科技

利用健康大脑的经颅磁刺激识别能够预测中风后语言能力是否异常的大脑损伤区域

伦敦大学学院神经病学研究所(Instituteof Neurology, UCL)的DietgoL. Lorca-Puls等人在BRAIN期刊上发表的一项研究使...

4435
来自专栏龙行天下CSIEM

科学瞎想系列之七十三 电机的体积与基本参数的关系

【图片来自网络如有侵权敬请邮箱联系。欢迎原文转发到朋友圈,未经许可的媒体平台谢绝转载,如需转载或合作请邮件联系。联系邮箱laolicsiem@126.com】...

2913
来自专栏量子位

Facebook开源看图问答模型Pythia:拿下VQA比赛冠军就靠它

看图回答这些问题,对我们人类来说再简单不过了,但是要让AI熟练掌握这项技能,还需要探索。

1030
来自专栏书山有路勤为径

第二~三天-评估指标

精度可以帮助回答在所有预测为P的点中,有多少是是真正的P。 Precision = TP/(TP+FP)

703
来自专栏数据科学学习手札

(数据科学学习手札12)K-means聚类实战(基于R)

上一篇我们详细介绍了普通的K-means聚类法在Python和R中各自的实现方法,本篇便以实际工作中遇到的数据集为例进行实战说明。 数据说明: 本次实战样本数据...

2525
来自专栏磐创AI技术团队的专栏

AI医疗开创性研究:深度学习进行病变检索和匹配(31 PPT)

1223
来自专栏云时之间

学术初行:了解下期刊

有时候我们看一些论文期刊,经常会发现一些期刊有国家级期刊、省级期刊、核心期刊这样的标志,那国家级期刊、省级期刊、核心期刊有什么区别?”是时候了解一下了

1734

扫码关注云+社区