
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
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08