京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21