
來源:丁點幫你
作者:丁點helper
什么叫經(jīng)濟增長?最簡單的理解就是,一個經(jīng)濟體,通常是一個國家,生產(chǎn)出來越來越多的產(chǎn)品(包括服務)為人所用。
所以為了方便起見,我們就不說產(chǎn)品和服務,而是統(tǒng)稱為“產(chǎn)出”,一般用字母
表示。
因此,單單用數(shù)據(jù)來看,經(jīng)濟增長就是指經(jīng)濟中的產(chǎn)出量越來越大,同時,因為這些產(chǎn)出最終都被人消耗掉了,所以也可以理解為經(jīng)濟中被使用的產(chǎn)品和服務越來越多。
前者是從“供給”的角度在描述,后者是從"需求“的角度來說。所以,研究經(jīng)濟增長,實際上可以從供給和需求兩個角度分別切入:
從供給側來看經(jīng)濟的生產(chǎn)能力是如何擴大的;從需求側來看經(jīng)濟人的需求是如何得到越來越多的滿足的。
從供給面來分析經(jīng)濟增長,核心問題是:經(jīng)濟中的產(chǎn)出為什么會越來越多?
要解答這個問題,我們需要引入一個數(shù)量分析的框架——生產(chǎn)函數(shù)(production function)。
這里我們先不從數(shù)學的角度來關心這個函數(shù)具體長什么樣子,而是把它看做一個整體,或者說一個”魔盒“。
可以說,正是這個盒子將我們經(jīng)濟活動中投入的生產(chǎn)要素與產(chǎn)出聯(lián)系起來了。
我們都知道,談到函數(shù),首先想兩個問題:自變量和因變量。
對于這里的生產(chǎn)函數(shù),因變量就是"產(chǎn)出",用Y表示;自變量就是K和L,分別代表了資本(如廠房、機器、設備等)和勞動力兩大類。
用數(shù)學公式來表示就是:
Y即產(chǎn)出(可以理解為GDP),K表示資本存量,L表示勞動力投入,
就是所謂的”生產(chǎn)函數(shù)“。
這是最簡單的生產(chǎn)函數(shù)的形式,很好理解。
比如,我們要生產(chǎn)面包,當然需要面包機(資本K),還需要面包工人(勞動力L),只有將兩者有機地整合在一起,才可能生產(chǎn)出面包(產(chǎn)出Y)。
除了資本和勞動力之外,還有一種要素會影響面包的產(chǎn)出,即技術的進步,一般用A表示。
注意:這里的技術并非僅是大家一般以為的科學技術,它實際還包括管理水平等”軟實力“,是一個十分寬泛的概念。
引入技術之后,生產(chǎn)函數(shù)可變?yōu)椋?
在這種生產(chǎn)函數(shù)下,A被稱作全要素生產(chǎn)率(total factor productivity,簡稱TFP)。
這里的”全“字意味著,技術的進步會同時提升資本和勞動力的產(chǎn)出效率。
雖然我們現(xiàn)在沒有具體的分析生產(chǎn)函數(shù)的具體形式,但有一個性質是我們必須要談的:生產(chǎn)要素的邊際產(chǎn)量遞減(diminishing marginal product)。
前面說了,資本和勞動力是最常見的兩種生產(chǎn)要素,所以生產(chǎn)要素的邊際產(chǎn)量遞減,就意味著勞動的邊際產(chǎn)量遞減、資本的邊際產(chǎn)量也遞減。
邊際產(chǎn)量英文為:Marginal Production;
進而勞動的邊際產(chǎn)量就表示為:Marginal Production of Labor, 簡寫為 MPL;
資本的邊際產(chǎn)量即為 Marginal Production of Capital, MPK。
用簡單的數(shù)學式子表示就是:
這里一連出了好幾個”邊際“,估計同學們都搞暈了。
什么叫邊際?其實我們可以直接理解為”新增“:勞動的邊際產(chǎn)量就是:新增的勞動力帶來的新增的產(chǎn)出。
比如,新開的面包店,雇用第一名工人時,他每天可以生產(chǎn)20塊面包;此時再雇用第二名工人(新增的勞動力),就會帶來面包總數(shù)的增加,比如現(xiàn)在一共可以生產(chǎn)35塊面包。
35是總數(shù),可是因為新雇用的第二名工人帶來的面包產(chǎn)量的增加是多少呢?
就是35-20=15;也就是說,新增一名工人帶來的新增的面包是15,這就是第二名工人的邊際產(chǎn)量。
對比第一個工人,當只有他一個人的時候,他能制作的面包是20塊,即20就是第一個工人的邊際產(chǎn)量。
很明顯,15小于20,意味著雇用的第二名工人的邊際產(chǎn)量小于第一名工人。這就是所謂的勞動力邊際產(chǎn)量遞減的規(guī)律。
剛開始接觸經(jīng)濟學時可能會覺得這個不可思議,這里往往是跟規(guī)模效應弄混了。
實際上,邊際產(chǎn)量遞減是經(jīng)濟學中少有的所謂的”鐵律“,即幾乎不管在什么情況下都會成立的規(guī)律。
我們可以嘗試從反面解釋一下,即如果邊際產(chǎn)量遞增會怎樣?
邊際產(chǎn)量遞增意味著你每次多雇用一名工人,他所帶來的面包的產(chǎn)量(也就是他的邊際產(chǎn)量)會增加,也就是說比他上一名工人生產(chǎn)的還多,
這意味著,只要我們不斷的雇用工人,面包就會越來越多。
這顯然是不符合實際的!
因為如果邊際產(chǎn)量遞增,那我們只需無止境地雇用勞動,就可以生產(chǎn)出越來越多的產(chǎn)品,而不需要做任何其他的改善。
可是現(xiàn)實是,一個工廠所能容納的工人一定是有限的,超出了這個限度,產(chǎn)量不會增加,甚至會下降。
這里我們引入這個規(guī)律后就會明白,雖然每種要素投入越多,產(chǎn)出就越多,但隨著要素的增加,新增所帶來的產(chǎn)出的增量其實是越來越少的。
如果用數(shù)學的語言來描述可能會更直接和準確:
因為Y是K和L的函數(shù),所以我們可以把Y對K和L求導:
求導出來,一階導是正的,意味著隨著K或者L的增加,Y增加;但是其二階導就是負的,即新增帶來的新增是下降的。
用圖形來表示:
上述這條曲線表示,當資本量不變的情況下(
),產(chǎn)出如何取決于勞動投入,即勞動的邊際產(chǎn)量(MPL)。隨著勞動量的增加,生產(chǎn)函數(shù)變得更加平坦,表明勞動邊際產(chǎn)量遞減。
當然,資本有這樣一致的規(guī)律。
以上就是從供給面分析經(jīng)濟需要掌握的兩個入門的內容,后續(xù)的分析就需要在此基礎上進行,這便是我們下一期文章的內容。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10