消费者理论概述

消费者理论是构建经济学大厦的基石。 本文先从优化问题讲起,构建经济学基本的benefit-cost模型,然后从消费者的角度阐述consumer theory,具体包括consumer demandconsumer surplusconsumer mistakerecovering preferences from data

优化问题

经济学中的很多问题都可以理解成优化问题。 针对不同的对象(消费者、公司、市场等),构造不同的目标函数,然后优化目标函数。

典型的优化问题如下:

  • 消费者最大化utility(x),通过决定买多少商品x,在给定的财富水平W和市场价格p(更广泛的市场情况θ\theta)下。
  • 公司最大化profit,通过决定卖多少商品x,在给定的科技限制还有市场价格p(更广泛的市场情况θ\theta)下。

基本模型

经济学中的优化问题有最基本的结构:

s.t. maxxT(x)=B(x)−C(x)=benefit−costx≥0T(x) is strictly concave

\begin{split} &\max_x T(x) = B(x) - C(x) = benefit- cost \\ s.t. ~~ &x \ge 0 \\ &T(x) ~~ \text{is strictly concave} \end{split}

这个最基本结构的好处是:

  1. 全局最优值存在(假设MB和MC交叉)
  2. 全局最优值独立
  3. 有很好的经济学解释

关于为什么很多经济学问题中,T(x)T(x)都是严格concave的,解释如下:

In many economic problems we have B′(x)>0,B′′(X)≤0,C′(x)>0,C′′(x)≥0B'(x)>0,B''(X) \le 0, C'(x) >0, C''(x) \ge 0 (with not bothB′′=0B''=0 and C′′=0C''=0). Then T′′(x)<0T''(x)<0。

基本模型的适用举两个例子:

  1. 公司
    • x:卖的商品数量
    • B:卖商品的收入
    • C:生产产品的花费
    • T:公司的净利润
  2. 消费者
    • x:消费商品的数量
    • B:消费商品带来的好处
    • C:消费产品付出的钱
    • T:net utility

模型的解:

T′(x)=0,易知B′(x)=C′(x),也就是MB=MCT'(x)=0,易知B'(x)=C'(x),也就是MB=MC

无约束优化

无约束优化问题参考上面的基本模型。

约束优化

有约束的优化问题,需要考虑corner solutioninterior solution

有约束的优化问题,一个比较常见的模式如下:

s.t. maxxT(x,y)=U(x)+V(y)x≥0y≥0px+qy=WU′,V′>0;U′′,V′′<0

\begin{split} &\max_x T(x,y) =U(x) + V(y) \\ s.t. ~~ &x \ge 0 \\ ~~ &y \ge 0 \\ &px+qy=W \\ & U',V'>0; U'',V''<0 \end{split}

这个模式,通过一个简单的trick,就可以转换成之前的benefit-cost的问题,然后根据解的位置,也就是是否MB和MC交叉确定最优解:

maxxT(x,y)=U(x)−(−V(W−pxq))

\max_x T(x,y) =U(x) - (- V(\frac{W-px}{q}))

小结

  1. 对于一个优化问题,确定全局最优很难,但是对于经济学问题,通过构建B-C模型,使得求解全局最优很简单很直观,一般来说需要满足下面三点
    • 优化函数可以写作B-C模式
    • x大于0
    • 满足concavitycross condition
  2. 注意解的corner solutioninterior solution

消费者理论

consumer demand

utility模型

首先,定义utility function

s.t. maxxU(x,m)=B(x)+mx≥0B′>0;B′′<0

\begin{split} &\max_x U(x,m) = B(x) +m \\ s.t. ~~ &x \ge 0 \\ & B'>0; B''<0 \end{split}

对上面的模型解释如下:

  1. xx代表感兴趣的货物,单位是units
  2. mm代表除了xx的其他消费,单位是money
  3. U(x,m)U(x,m)代表通过消费x,mx,m,获得的experienced utility(满足、高兴等),单位是money
  4. B(x)B(x)代表买xx单位的xx货物的意愿。
  5. maxxU(x,m)\max_x U(x,m)表示通过选择购买多少xx,最大化experienced utility

utility优化问题

假设财富是WW,xx商品的当前价格是pp,那么优化函数可以写作:

maxxU(x,m)=B(x)+m=B(x)+W−xp≈B(x)−xp

\begin{split} \max_x U(x,m) &= B(x) +m \\ &=B(x) +W-xp \\ &\approx B(x) -xp \end{split}

这样一来,又变成了B−CB-C的模式,直观来讲,当MB>MCMB>MC的时候,就应该不断购买xx,直到MB=MCMB=MC。

demand模型

通过求解上面的优化问题,可以得到x∗(p)x^* (p),也就是消费者购买的数量随商品价格变动的函数。

这里需要特别注意一点:

x∗(p)x^* (p),p∗(x)p^* (x),B′(x)(MB)B'(x)(MB)是一条曲线,只不过自变量和因变量不同。

关于demand模型,有几点性质:

  1. dx∗dp≤0\frac{dx^*}{dp} \le 0
  2. dx∗dW=0\frac{dx^*}{dW} =0
  3. 上面两条性质的前提是消费者消费的xx占总体消费的比重不高,以及utility functionquasi-linear

consumer surplus

前文的utility衡量了experience utility,为了衡量消费者的well-being,我们构建了consumer surplus function,简称CS(p)CS(p),或者更广泛的CS(θ)CS(\theta)。

maxxU(x,m)=B(x)+m=B(x)+W−xp≈B(x)−xp

\begin{split} \max_x U(x,m) &= B(x) +m \\ &=B(x) +W-xp \\ &\approx B(x) -xp \end{split}

CS(p)=U(x∗(p),W−px∗(p))−U(0,W)=∫x∗(p)0(B′(x)−p)dx

\begin{split} CS(p) &= U( x^*(p),W-px^*(p)) - U(0,W)\\ &= \int_0^{x^*(p)} (B'(x)-p) dx \end{split}

数据到模型

现实生活中,我们并不知道消费者的utility function以及consumer surplus function,所以很重要的一点是,如何从数据推导出上面的模型。

所幸的是,通过数据,我们可以知道:

x∗(p)

x^*(p)

然后根据p∗(x)p^*(x)和B′(x)B'(x)共曲线的性质,可以推导出:

CS(p)B(x)U(x)=∫x∗(p)0(B′(x)−p)dx=B(0)+∫x0B′(x)dx=B(x)+constant

\begin{split} CS(p) &=\int_0^{x^*(p)} (B'(x)-p) dx \\ B(x) &= B(0) + \int_0^x B'(x) dx \\ U(x) &= B(x) + \text{constant} \end{split}

同时,需要注意一点:如果U不是quasi-linear的话,这种推倒也可以generalize得很好。

consumer mistake

前面的模型都是建立在消费者是rational的情况下,也就是UDU=UEUU^{DU} = U^{EU},如果两者不相等(比如消费者受刺激addiction),那么消费者就会犯错误。

  • Experienced utility: describes well-being/hedonics,消费者的demand function是x∗(θ)x^*(\theta)。
  • Decision utility: describes objective that is maximized at decision time,消费者的demand function是xopt(θ)x^{opt}(\theta)。

例子

例1

U(x,m)=Ax√+m

U(x,m) = A\sqrt{x} +m

问: 当价格下降百分之50的时候,需求xx改变了多少?

答: 增大了44倍

例2

U(x,m)=2Ax√+m

U(x,m) = 2A\sqrt{x} +m

问: θ(0)\theta(0)情况下,自由买卖;θ(1)\theta(1)情况下,需要交百分之百的税,也就是商品p,需要实际付2p;问通过引进税,消费者的幸福感(CSCS)变化了多少?

答: −A2/(2∗p)-A^2/(2*p)

例3

研究烟酒税

UEU(x,m)=2x√+mUDU(x,m)=20x√+m

\begin{split} U^{EU}(x,m) = 2\sqrt{x} +m \\ U^{DU}(x,m) = 20\sqrt{x} +m \end{split}

问: 政府通过引入sin tax(tt,也就是每花费1,需要额外付t),希望x∗(t)=xoptx^*(t)=x^{opt},那么tt应该设置成多少?

答: 99

小结

  1. 通过x∗(θ)x^*(\theta)衡量消费者的行为,产生这种行为的动机是maxUDU(x)\max U^{DU}(x)。
  2. 通过CS(θ)CS(\theta)衡量消费者的well-being,CS(θ)=UEU(x∗(θ))−Uno tradeCS(\theta) = U^{EU}(x^*(\theta)) -U_{\text{no trade}}。
  3. 可以从消费者的行为p∗(x)p^*(x)将所有模型建立起来。

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

来自专栏机器人网

苹果也坐不住了!首次公开其 AI 报告

苹果公司近日终于不再遮遮掩掩,发布了自己的首份人工智能研究报告。业内人士称,这对苹果将来推广自己的人工智能应用大有裨益。苹果本月初曾表示,将发布自己的人工智能研...

2567
来自专栏机器人网

机器人学与人工智能的关系需要密切?

机器人学,特别是智能机器人,与人工智能有十分密切的关系。人工智能的近期目标在于研究智能计算机及其系统,以模仿和执行人类的某些智力功能,如判断、推理、理解、识别、...

2533
来自专栏FreeBuf

基于时间和地域构建一个网络诈骗形势模型

电信诈骗,网络诈骗层出不穷,花样翻新,是当前公安部重点打击的对象。本文从网络中爬取相关的新闻,通过对时域和数量的统计与分析,实现对网络诈骗模型中时间参量的优化,...

2127
来自专栏ATYUN订阅号

【业界】现在有种新算法可以检测出虚假的Facebook和Twitter账户了

以色列科学家们开发了一种基于机器学习的新型通用算法,用于检测社交网络平台(包括Facebook和Twitter在内)上的虚假账户,这在网络安全领域具有相当大的应...

763
来自专栏机器人网

机器人容易被骗?谷歌AI研究人员将改变这种状况

据外媒报道,让机器人看到不存到的东西或完全让其将图像归类错误也许是一场有趣、好玩的游戏,但如果一套汽车的自动驾驶系统将一辆白色卡车错认成一朵白云时,这一切就跟好...

33112
来自专栏AI科技评论

干货 | 魔镜魔镜告诉我,数字货币未来价格可以预测吗?

AI 科技评论按:自从比特币的价格暴涨以来,关于数字货币的炒作一直不断。每天都有新的数字货币的信息, 它们有的被证实是骗局,有些则会在几个月成为新的顶级货币。炒...

3287
来自专栏新智元

发表 NIPS 论文后,Salakhutdinov 打算如何塑造苹果的人工智能

【新智元导读】苹果公司 AI 研究主管 Russ Salakhutdinov 近日在 NIPS 2016 的一次闭门分享会上畅谈了苹果的 AI 研究现状。从其流...

39511
来自专栏机器人网

科学家想这样给人工智能“去偏”……

人工智能本来并不存在偏见,它不会因为无法通过逻辑来解释的理由而“想”某些东西是真的或假的。不幸的是,从创建算法到解释数据,机器学习中存在着人类的偏见,并且直到现...

2707
来自专栏机器人网

一张图搞懂-人工智能开发者的入门指南

自上世纪 50 年代以来,人类对人工智能前景的想象从未停止过,计算机科学家创造出更加复杂的新技术,也为普通消费者打造出一个令人向往的未来。虽然对人工智能的理解几...

652
来自专栏钱塘大数据

【钱塘号专栏】2045年人工智能超越人类靠谱么?

一场Google AlphaGo与围棋世界冠军李世石的对弈吸引了全世界的目光,也让人工智能再度成为业界讨论的热点话题。人工智能自1943年诞生以来,在几十年的发...

3286

扫码关注云+社区