
来源:丁点帮你
作者:丁点helper
什么叫经济增长?最简单的理解就是,一个经济体,通常是一个国家,生产出来越来越多的产品(包括服务)为人所用。
所以为了方便起见,我们就不说产品和服务,而是统称为“产出”,一般用字母
表示。
因此,单单用数据来看,经济增长就是指经济中的产出量越来越大,同时,因为这些产出最终都被人消耗掉了,所以也可以理解为经济中被使用的产品和服务越来越多。
前者是从“供给”的角度在描述,后者是从"需求“的角度来说。所以,研究经济增长,实际上可以从供给和需求两个角度分别切入:
从供给侧来看经济的生产能力是如何扩大的;从需求侧来看经济人的需求是如何得到越来越多的满足的。
从供给面来分析经济增长,核心问题是:经济中的产出为什么会越来越多?
要解答这个问题,我们需要引入一个数量分析的框架——生产函数(production function)。
这里我们先不从数学的角度来关心这个函数具体长什么样子,而是把它看做一个整体,或者说一个”魔盒“。
可以说,正是这个盒子将我们经济活动中投入的生产要素与产出联系起来了。
我们都知道,谈到函数,首先想两个问题:自变量和因变量。
对于这里的生产函数,因变量就是"产出",用Y表示;自变量就是K和L,分别代表了资本(如厂房、机器、设备等)和劳动力两大类。
用数学公式来表示就是:
Y即产出(可以理解为GDP),K表示资本存量,L表示劳动力投入,
就是所谓的”生产函数“。
这是最简单的生产函数的形式,很好理解。
比如,我们要生产面包,当然需要面包机(资本K),还需要面包工人(劳动力L),只有将两者有机地整合在一起,才可能生产出面包(产出Y)。
除了资本和劳动力之外,还有一种要素会影响面包的产出,即技术的进步,一般用A表示。
注意:这里的技术并非仅是大家一般以为的科学技术,它实际还包括管理水平等”软实力“,是一个十分宽泛的概念。
引入技术之后,生产函数可变为:
在这种生产函数下,A被称作全要素生产率(total factor productivity,简称TFP)。
这里的”全“字意味着,技术的进步会同时提升资本和劳动力的产出效率。
虽然我们现在没有具体的分析生产函数的具体形式,但有一个性质是我们必须要谈的:生产要素的边际产量递减(diminishing marginal product)。
前面说了,资本和劳动力是最常见的两种生产要素,所以生产要素的边际产量递减,就意味着劳动的边际产量递减、资本的边际产量也递减。
边际产量英文为:Marginal Production;
进而劳动的边际产量就表示为:Marginal Production of Labor, 简写为 MPL;
资本的边际产量即为 Marginal Production of Capital, MPK。
用简单的数学式子表示就是:
这里一连出了好几个”边际“,估计同学们都搞晕了。
什么叫边际?其实我们可以直接理解为”新增“:劳动的边际产量就是:新增的劳动力带来的新增的产出。
比如,新开的面包店,雇用第一名工人时,他每天可以生产20块面包;此时再雇用第二名工人(新增的劳动力),就会带来面包总数的增加,比如现在一共可以生产35块面包。
35是总数,可是因为新雇用的第二名工人带来的面包产量的增加是多少呢?
就是35-20=15;也就是说,新增一名工人带来的新增的面包是15,这就是第二名工人的边际产量。
对比第一个工人,当只有他一个人的时候,他能制作的面包是20块,即20就是第一个工人的边际产量。
很明显,15小于20,意味着雇用的第二名工人的边际产量小于第一名工人。这就是所谓的劳动力边际产量递减的规律。
刚开始接触经济学时可能会觉得这个不可思议,这里往往是跟规模效应弄混了。
实际上,边际产量递减是经济学中少有的所谓的”铁律“,即几乎不管在什么情况下都会成立的规律。
我们可以尝试从反面解释一下,即如果边际产量递增会怎样?
边际产量递增意味着你每次多雇用一名工人,他所带来的面包的产量(也就是他的边际产量)会增加,也就是说比他上一名工人生产的还多,
这意味着,只要我们不断的雇用工人,面包就会越来越多。
这显然是不符合实际的!
因为如果边际产量递增,那我们只需无止境地雇用劳动,就可以生产出越来越多的产品,而不需要做任何其他的改善。
可是现实是,一个工厂所能容纳的工人一定是有限的,超出了这个限度,产量不会增加,甚至会下降。
这里我们引入这个规律后就会明白,虽然每种要素投入越多,产出就越多,但随着要素的增加,新增所带来的产出的增量其实是越来越少的。
如果用数学的语言来描述可能会更直接和准确:
因为Y是K和L的函数,所以我们可以把Y对K和L求导:
求导出来,一阶导是正的,意味着随着K或者L的增加,Y增加;但是其二阶导就是负的,即新增带来的新增是下降的。
用图形来表示:
上述这条曲线表示,当资本量不变的情况下(
),产出如何取决于劳动投入,即劳动的边际产量(MPL)。随着劳动量的增加,生产函数变得更加平坦,表明劳动边际产量递减。
当然,资本有这样一致的规律。
以上就是从供给面分析经济需要掌握的两个入门的内容,后续的分析就需要在此基础上进行,这便是我们下一期文章的内容。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28