Loading [MathJax]/jax/output/CommonHTML/fonts/TeX/AMS-Regular.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >中微笔记 | 03_偏好

中微笔记 | 03_偏好

作者头像
PyStaData
发布于 2020-10-10 09:11:25
发布于 2020-10-10 09:11:25
3.5K0
举报
文章被收录于专栏:PyStaDataPyStaData

3.偏好

3.1 偏好关系及其公理

3.1.1 偏好关系
  • 严格偏好:
(x1,x2)(y1,y2)
  • 无差异:
(x1,x2)(y1,y2)
  • 弱偏好:
(x1,x2)(y1,y2)
3.1.2 公理

完备性:指任何两个消费束都是可比较的。反身性:任何消费束至少与本身同样好。传递性:指假如消费者认为

(x1,x2)(y1,y2)

,并且

(y1,y2)(z1,z2)

,那么可以认为

(x1,x2)(z1,z2)

这三条公理形成所谓的“理性”。一个有理性的当事人能作出选择,而且他的选择是一致的。(平新乔《微观经济学十八讲》)

3.2 无差异曲线

无差异曲线和偏好之间什么关系?

无差异曲线是描述偏好的工具。根据偏好的三条公理,使用无差异曲线来描述偏好。

弱偏好集:弱偏好于

(x1,x2)

的消费束。如上图所示,至少和消费束

(x1,x2)

一样好的所有消费束组成的集合。

无差异曲线:与

(x1,x2)

无差异的消费束。

无差异曲线的特点:

  • 任意两条曲线不能相交(违背传递性);
  • 无差异曲线上的箭头:标示更受偏好的消费束的方向。

3.3 特殊偏好的无差异曲线

3.3.1 完全替代品

完全替代品:消费者愿意以固定比率将一种商品替换为另一种。完全替代品的重要特征:

  • 无差异曲线有固定的斜率,但不一定是-1;
  • 偏好方向朝向右上方。
3.3.2 完全互补品

完全互补品:指几种商品按固定的比例被一起消费的商品。完全互补品的重要特征:

  • 无差异曲线呈 L 型,L 的顶点为左鞋和右鞋数量相等的地方;
  • 以固定的比例被消费,但比例不一定是 1: 1;
  • 偏好方向朝向右上方。
3.3.3 厌恶品

厌恶品:指消费者不喜欢的商品。于是设计一种方案:消费一种厌恶品,给予消费者喜欢的商品进行补偿。书中的例子:凤尾鱼是消费者的厌恶品,香肠是嗜好品,消费凤尾鱼的时候给予香肠进行补偿。厌恶品的特征:

  • 无差异曲线正斜率;
  • 偏好方向朝右下方。
3.3.4 中性商品

中性商品:指某种商品消费者可有可无。假设凤尾鱼是中性商品,那么:

  • 无差异曲线是垂线:消费者只关心得到多少香肠,不关心得到多少凤尾鱼;
  • 偏好增加的方向:右方,即增加香肠的消费;
  • 凤尾鱼对香肠的边际替代率为 0。
3.3.5 餍足

餍足:对于消费者而言,消费束越接近饱和点,消费者越喜欢。有最佳的消费束

(x1,x2)

,越接近

(x1,x2)

越好,则

(x1,x2)

是餍足点或最佳点。餍足的特征:

  • 当两种物品都“太少”或“太多”时,无差异线的斜率为负:
  • 当一种物品“太多”时,无差异线的斜率为正。这物品是厌恶品——减少厌恶品,更接近“最佳点”。
  • 当两种物品都太多,那么两种物品都是厌恶品,减少对两种物品,更接近最佳点。
3.3.6 离散商品

离散商品:商品的消费数量只能是整数。假设商品 1 是离散商品,与给定消费束无差异的消费束是离散点集,与给定消费束至少一样好的消费束集是一组线段。

3.4 良好性状偏好

良好性状偏好:单调的、凸的。

  • 单调的:如果
y1x1

y2>x2

或者

y1>x1

或者

y2x2

,则必有

(y1,y2)(x1,x2)

。这意味着:

  • 只能是正常商品,而非厌恶品,在达到餍足点之前“越多越好”;
  • 无差异曲线的单调性:斜率为负。

  • 凸的:如果
(x1,x2)(y1,y2)

,则对于任意

都成立。这意味着:

  • “平均消费束”至少与“端点消费束”一样好,或者受偏爱;
  • 为什么要假设良好性状的偏好是凸的?现实情况中,消费者会消费多种商品。

凹状偏好:“端点消费束”比“平均消费束”受偏爱。比如白酒和啤酒的偏好,如果把白酒和啤酒各一半混用,消费者的偏好不如分别消费白酒和啤酒。

严格凸偏好:“加权平均消费束严格好于“端点消费束”。完全替代品的偏好是凸的,但不是严格凸的。凸偏好的无差异曲线可能包含直线,但严格凸偏好的无差异曲线必须是弧形的,不能包含直线。

拟线性偏好:

,消费者的无差异曲线是由无差异曲线互相垂直移动得到。


【补充】凸函数:

判别:求二阶导数

凸函数;

严格凸函数。

性质:

在该区间上单调递减 [x_1>x_2→f(x_1)]

函数,在它的切线的上方:

如果

的最小值。


3.5 边际替代率

边际替代率(Marginal Rate of Substitution, MRS):消费者在保持相同满足程度时,愿意用一种商品替代另一种商品的比率。边际替代率等于无差异曲线在该点的斜率。偏好的单调性,决定无差异曲线斜率为负,所以,边际替代率为负。

边际替代率可以描述无差异曲线的形状:

  • 不变的边际替代率:完全替代品;
  • 边际替代率无穷大:中性物品;
  • 边际替代率为 0,或无穷大:完全互补品
3.5.1 边际替代率的其他解释

边际替代率衡量边际支付意愿。即,消费者处于交换与不交换的边际支付意愿上。边际替代率衡量一种意愿,即为多消费商品 1,而愿意放弃商品 2 的数量,就如同为多消费商品 1 而支付。为了得到某一个额外消费数量,实际付出的数量与愿意付出的数量也许不同。获得少量的额外商品,实际付出的数量取决于商品的价格,愿意付出的数量取决于偏好。获得大量的商品,实际付出的数量取决于偏好、价格。

3.5.2 边际替代率递减规律

偏好的凸性假设使得,对于严格凸的无差异曲线来说,随着

逐渐增加,无差异曲线的斜率的绝对值

会逐渐减少。因此,无差异曲线展现出边际替代率递减(diminishing marginal rate of substitution)的规律。

3.6 练习题

1.某大学橄榄球教练说,任意给定两个前锋比如 A 和 B ,他永远偏好身材更高大和速度更快的那个。他的这种偏好关系是传递的吗?是完备的吗?

完备性是指任何两个消费束都是可比较的,即假定有任意消费束 Y 和 X,若有

,或者

,或者两种情况都有,在最后这种情况下,消费者对两个消费束无差异。

传递性是指假如消费者认为 X 至少和 Y 一样好,Y 至少和 Z 一样好,那么就可以认为 X 至少和 Y 一样好。

回到上例,显然不满完备性,但是满足传递性。理由如下:

  • 非完备。可以通过反证法证明:令下标 1 和 2 分别表示身材和速度,假设是完备的,则有

并且

(或者

并且

)。但是当

,即 A 身材更高但速度更慢,而 B 的身材更矮但速度更快,这种情形下选择谁?

  • 是传递的。假设有

并且

,若

并且

,则必然有

并且

2.面值 1 元的钞票与面值 5 元的钞票,计算它们之间的边际替代率。

边际替代率(marginal rate of substitution, MRS)为 无差异曲线的斜率,

,即消费者愿意用商品 2 去替代商品 1 的比率。

因此,本题的

,即减少 5 张 1 元的钞票,要增加 1 张 5 元的钞票才能使消费者还在原来的无差异曲线上。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-10-03,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 PyStaData 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
中微笔记 | 05_选择
对于良好性状的偏好,最优消费选择是无差异曲线和预算线的切点处的商品束。也存在特殊情况,最优选择的地方,无差异曲线与预算线的切点并不相切。比如:
PyStaData
2020/10/10
2.3K0
中微笔记 | 05_选择
Notes | 微观经济学课堂笔记(一)
。如果有 60 个公寓,市场将如何定价?如果有 40 个公寓,市场将如何定价?画出需求和供给曲线。
PyStaData
2020/07/21
8490
Notes | 微观经济学课堂笔记(一)
中微笔记 | 04_效用
效用函数:是为偏好排序的一种简便方法。为每个可能的消费束指定一个数字,使具有较多偏好的消费束大于具有具有较少偏好的消费束。
PyStaData
2020/10/10
2.2K0
中微笔记 | 04_效用
中微笔记 | 02_预算约束
之外的消费者要消费的其他一切商品。用商品 2 代表除商品 1 之外的消费者要消费的其他一切东西的假设就是复合商品假说。
PyStaData
2020/10/10
1.7K0
中微笔记 | 02_预算约束
洞察|你不在乎的三四线城市,数据却看到了万亿商机
「小镇青年」听上去有些调侃意味。 星巴克、沃尔玛和 711 便利店尚未成为日常关键词,生活 在 比上不足、比下有余的地界。 关于低线城市消费升级的 4 个问题 在外闯荡多年,逢年过节返乡时,你一定听过这样的段子: 北上广深 CBD 里的 Michael 和 Mary,回家就成了亲友口中的狗蛋和翠花,成为标准的小镇青年。 本篇低线城市消费升级报告或许将让你感到意外:三线及以下城市的年轻人,很可能比大都市中的白领阶层拥有更多的可自由支配财产和更高的消费力。 他们不必面对房贷压力,日常开销低,工作压力小,拥有较
灯塔大数据
2018/04/04
2K0
洞察|你不在乎的三四线城市,数据却看到了万亿商机
智慧供应链的学习笔记(库存管理、配补货、仓间调拨、控制塔等)
笔者在公司中参与了智慧供应链的项目,由于确实与笔者之前所研究的差异较大,从而陆陆续续也对该方向做过一些学习与调研,以此做记。
悟乙己
2022/05/11
8.4K1
智慧供应链的学习笔记(库存管理、配补货、仓间调拨、控制塔等)
管理经济学 读书笔记 一
Managerial economics: The science of cost-effective management of scarce resources.
lilugirl
2019/05/26
2.8K0
借日本市场,鉴中国预制菜成长之路
日本的预制菜起源于1950s,工业化生产早于国内,由于消费习惯和饮食文化相近,日本预制菜行业的历史环境、发展阶段和企业基因对中国具备参照与学习意义。
庄帅
2022/04/14
5180
借日本市场,鉴中国预制菜成长之路
义柏说丨开源,用 To C 时代网络效应的打法做 To B 基础软件
2020年,似乎所有的投资人都开始看 To B 赛道,下行的宏观经济、新冠疫情以及未来可能出现的黑天鹅、逐渐消失的人口红利等因素给了 To B 充分被青睐的理由,但其周期长、增长慢、多数项目制等特点,也让很多周期较短的基金望洋兴叹。
开源社
2020/05/26
5390
长文:读《经济学32定律》
近期看的一本经济学原理的书,算是给我这个经济学小白入入门。书中谈到的32个经济学原理,很有收获,特分享出来。
用户5548425
2020/05/20
9060
长文:读《经济学32定律》
《斯坦福算法博弈论二十讲》学习笔记(持续更新)
纳什均衡是否可以由一种算法或者一个策略型参与者自己很快计算出来呢?部分简单的博弈中,可以使用线性规划、迭代学习等算法求解纳什均衡。这些算法的结果使得我们相信纳什均衡对于零和博弈有很好的预测能力。 但是在非零和双人博弈中,并不存在能计算纳什均衡的快速算法。计算双人博弈的纳什均衡是一个少有的、自然的且展现出中等计算困难度的问题。 只有存在有效算法快速求解均衡,均衡对于博弈的预测能力才具有意义。博弈中也可能存在多个纳什均衡,均衡的不唯一性也削弱了均衡的预测能力。对于计算机从业者来说,严格均衡的不可计算性使得我们开始研究计算可行的均衡概念,例如相关均衡、粗糙相关均衡。
全栈程序员站长
2022/11/04
1.5K0
《斯坦福算法博弈论二十讲》学习笔记(持续更新)
几何级增长的客户:客户深度运营的13个关键数据模型
宋星是数据化互联网营销与运营资深的从业者和行业意见领袖,“互联网分析在中国”博客(原“网站分析在中国”)全文作者,新南威尔士大学营销分析行业顾问委员会(UNSW Marketing Analytics Advisory Board)委员。阳狮媒体集团特聘顾问,百度集团顾问与钻石讲师,腾讯星河计划顾问,Google mLab顾问,北京航空航天大学特聘教授,前阳狮媒体集团数据、技术与创新事业部总经理,前Adobe Omniture Business Unit亚太区首席商业咨询顾问。
iCDO互联网数据官
2019/07/31
1.3K0
助农经济学
“谷贱伤农”出自出自《汉书·食货志上》,“籴甚贵,伤民;甚贱,伤农。民伤则离散,农伤则国贫。”
庄帅
2022/10/01
4950
助农经济学
英国商务部最新分享经济调查报告(下)
数据收集的建议   有关英国分享经济的信息少之又少——分享经济正在迅速增长,而在讨论和制定政策时面临信息真空是令人沮丧的。前文已经描述过英国的经济数据中存在的统计缺口,也提到了有关方面已经就收集更多关于分享经济和数字化经济的数据达成了共识。Charles Bean先生撰写的《经济统计研究》一文即将完稿,在其建议下国家统计局也将更及时地更新其经济数据。本文的最后将给统计人员一些具体的建议。   我们要认识到的关键一点是,衡量分享经济所需要的统计数据将需要从个人方面收集,而不只是利用企业数据或者平台的统计
腾讯研究院
2018/03/06
6340
因果推断笔记——数据科学领域因果推断案例集锦(九)
这部分只是抛砖引玉贴一些看到的非常好的业内方案。 因果推断在很多领域都有很有意思的应用,值得收藏。
悟乙己
2021/12/07
5K0
因果推断笔记——数据科学领域因果推断案例集锦(九)
【统计学家的故事】发明了埃奇沃思盒的:弗朗西斯·伊西德罗·埃奇沃思
弗朗西斯·伊西德罗·埃奇沃思(Francis Ysidro Edgeworth,1845-1926),是英国统计学家,数理统计学的先驱。他1845年2月8日出生于爱尔兰朗福德郡。少年时受家庭老师的影响,对数学和古典文学很有兴趣。1926年2月13日辞世,享年81岁,终身未婚。 埃奇沃思是统计学家,又是经济学家。他热心研究概率论与数理统计,并将其应用到经济学的领域中,他在统计思想上,受凯特莱(L·A·J·Quetelet,1796-1874)和高尔登(F·Galton,1822-1911)的影响。这从他早期的著作,1877年出版的《伦理学的新旧方法》一书中,就可以明显地看出来。
Ai学习的老章
2019/04/10
2.2K0
机器学习专业名词中英文对照
部分转自 知乎 部分转自 AI人工智能专业词汇集 部分转自 百度文库 可参考链接:机器之心 https://blog.csdn.net/liuxiao214/article/details/78130910
iOSDevLog
2019/06/11
2K0
5G时代的品牌营销转型:智能化、多元化、一体化​
除了大数据 ( Big Data )、人工智能 ( AI )、增强或虚拟现实外( AR/VR )、万物联网 ( IoT )、区块链(Blockchain),5G是近几年一个非常热门的话题和关注点,不同于其他技术,它离普通人群更近、更亲民,因此任何品牌都想和5G扯上“关系”。
盈鱼MA
2020/05/19
9850
5G时代的品牌营销转型:智能化、多元化、一体化​
推荐系统中的排序学习
“ 本文首先介绍排序学习的三种主要类别,然后详细介绍推荐领域最常用的两种高层排序学习算法框架:BPR和LambdaMART。因为排序学习的算法和实践大都来源于信息检索,一些理论也必须从信息检索的领域说起,所以本文也会涉及一些的信息检索、搜索方面的理论知识,但重点依然会放在推荐领域排序学习的应用思路。”
石晓文
2020/10/09
2.6K0
推荐系统中的排序学习
达观数据:推荐系统评测标准制定经验分享
推荐系统是互联网发展至今最常见也重要的技术之一。如今各类APP、网站、小程序等所有提供内容的地方,背后都有推荐系统在发挥作用。
达观数据
2020/04/01
9360
推荐阅读
相关推荐
中微笔记 | 05_选择
更多 >
LV.0
这个人很懒,什么都没有留下~
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档