比较优势的数学模型是什么

简介: 比较优势的数学模型是什么设1国在1产品上需要F11的劳动来生产1单位的产品,1国在2产品上需要F12的劳动来生产1单位的产品;2国在1产品上需要F21的劳动来生产1单位的产品,2国在2产品上需要F22的劳动来生产1单位的产品。

比较优势的数学模型是什么

设1国在1产品上需要F11的劳动来生产1单位的产品,1国在2产品上需要F12的劳动来生产1单位的产品;2国在1产品上需要F21的劳动来生产1单位的产品,2国在2产品上需要F22的劳动来生产1单位的产品。设1国在1产品上使用的劳动为x1,1产品的产出为x1/F11,在产品2上的劳动为F11+F12-x1,2产品的产出量为(F11+F12-x1)/F12。设2国在1产品上使用的劳动为x2,1产品的产出为x2/F21,在产品2上的劳动为F21+F22-x2,2产品的产出量为(F21+F22-x2)/F22(如表6-15所示)。

6-15基于力量分析的比较优势



上式是关于x1和x2的2维函数,当x1和x2的系数异号时,则正数的系数取最大值,负数的系数取0,则可得到函数F(x)的最大值,这是李嘉图比较优势例子的情况,此时两个各自专业化,总产出最大,并且满足帕累托最优。当x1和x2的系数同号时,此时的情况是李嘉图比较优势的反例,两国采取专业化时,不满足帕累托最优的限制。

下图给出了不同情况下的两个国家在满足帕累托限制下,为了总产出最大化,两国应该采取的策略(如表6-16所示)。

6-16优化方法下的2国策略


当两个国家的系数为不同号时,正号的国家采取在1产品上专业化,负号采取在2产品上采取专业化,两个可以达到产出最大化。

当两国的系数都是正号时,系数小的国家采取专业化,系数大的国家采取在两个产品上非专业化。当两个的系数都是负号时,系数大的国家采取专业化,系数小的国家采取在两个产品上非专业化,可以在满足帕累托最优的条件下,获得产出最大化(如表6-17所示)。

6-17优化方法下2国策略的实例


当两国系数均为正时,系数小的国家应该采取专业化,系数大的国家采用非专业化。

当有三个国家生产两种产品时,函数如下。


三国生产两种产品的例子如下(如表6-18所示)。

6-18优化方法下3国策略的实例


当有n国生产2种产品时,可以写出类似的带约束的函数,


此函数可以为几十,几百,几千上万维,没有限制,并且此函数有最优解,可以通过优化算法进行求解。

当n等于11时,即11国家生产两种产品时的例子如下(如表6-19所示)。

6-19优化方法下11国策略的实例


当多个国家生产多种商品时,也可以类似的给出有约束的函数,然后进行优化求解。比如三个国家生产三种产品。带约束的函数如下


三国生产三种产品的例子如下(如表6-20所示)。

6-20优化方法下3国生产3种产品策略的实例


在广义动量定理Fαt=nmV中,不同的力量F会产生不同的成果nmV,李嘉图的例子是一个静态的例子,没有时间因素。比如英国需要120的劳动量来生产1单位的葡萄酒,葡萄牙需要80单位的劳动来生产1单位的葡萄酒。谁更有效率或者成本更低呢?在没考虑时间的因素下,葡萄牙更有效率,劳动成本更低。而考虑时间因素,则结果就不一定了。比如英国需要120人的劳动和10天时间就能生产1单位的葡萄酒,而葡萄牙需要80人的劳动和20天才能生产1单位的葡萄酒。英国生产1单位的葡萄酒需要1200人天,葡萄牙需要1600人天,英国的付出更少。


《可以量化的经济学》全书结构


《可以量化的经济学》封面

目录
相关文章
|
4月前
|
分布式计算 Windows
高通量计算框架HTCondor(五)——分布计算
高通量计算框架HTCondor(五)——分布计算
64 0
|
7月前
|
机器学习/深度学习 数据可视化 算法
R语言贝叶斯广义线性混合(多层次/水平/嵌套)模型GLMM、逻辑回归分析教育留级影响因素数据
R语言贝叶斯广义线性混合(多层次/水平/嵌套)模型GLMM、逻辑回归分析教育留级影响因素数据
|
7月前
|
算法 数据挖掘 关系型数据库
有限混合模型聚类FMM、广义线性回归模型GLM混合应用分析威士忌市场和研究专利申请数据
有限混合模型聚类FMM、广义线性回归模型GLM混合应用分析威士忌市场和研究专利申请数据
|
7月前
R语言因子实验设计nlme拟合非线性混合模型分析有机农业施氮水平
R语言因子实验设计nlme拟合非线性混合模型分析有机农业施氮水平
|
算法
基于模态凝聚算法的特征系统实现算法的自然激励技术(Matlab代码实现)
基于模态凝聚算法的特征系统实现算法的自然激励技术(Matlab代码实现)
112 0
|
7月前
|
机器学习/深度学习 存储 人工智能
存内计算芯片研究进展及应用—以基于NorFlash的卷积神经网络量化及部署研究突出存内计算特性
存内计算芯片研究进展及应用—以基于NorFlash的卷积神经网络量化及部署研究突出存内计算特性
390 3
|
算法
基于实时迭代的数值鲁棒NMPC双模稳定预测模型(Matlab代码实现)
基于实时迭代的数值鲁棒NMPC双模稳定预测模型(Matlab代码实现)
149 0
|
机器学习/深度学习 缓存 自然语言处理
更加灵活、经济、高效的训练——新一代搜推广稀疏大模型训练范式GBA
近日,阿里巴巴在国际顶级机器学习会议NeurIPS 2022上发表了新的自研训练模式 Gloabl Batch gradients Aggregation (GBA,论文链接:https://arxiv.org/abs/2205.11048),由阿里妈妈事业部搜索广告团队和智能引擎事业部XDL训练引擎团队联合探索和研发。GBA的提出对阿里巴巴搜推广稀疏模型的训练范式带来了架构性的跨越式升级。本文将从GBA的设计思路、收敛性分析及工程实现等方面展开介绍,欢迎阅读交流。
更加灵活、经济、高效的训练——新一代搜推广稀疏大模型训练范式GBA
|
机器学习/深度学习 人工智能 算法
机器学习模型以出色的精度进行有机反应机理分类
机器学习模型以出色的精度进行有机反应机理分类
174 0
|
机器学习/深度学习 人工智能 算法
超越核方法的量子机器学习,量子学习模型的统一框架
超越核方法的量子机器学习,量子学习模型的统一框架
173 0