经济学之方向α与斯密的专业化

简介: 经济学之方向α与斯密的专业化内容提要:本节通过广义动量定理Fαt=MV来解释亚当•斯密在《国富论》中关于分工和专业化能提高产出的理由,使其更容易理解。

经济学之方向α与斯密的专业化

内容提要:本节通过广义动量定理Fαt=MV来解释亚当•斯密在《国富论》中关于分工和专业化能提高产出的理由,使其更容易理解。

亚当•斯密在《国富论》中阐释了分工和专业化可以增加产出,他举了扣针工厂的例子——一个没有受过专门训练的劳动者,无论如何努力,一天也生产不了20枚扣针,但有了分工之后,经过前后18道工序,每人每天可以生产48000枚扣针。这体现出分工的高效率性。斯密分析的分工理论提高效率的原因:第一,分工专业化使劳动者的劳动技巧或熟练程度日益增进。第二,分工可以减少由一种工作换到另一种工作损失的时间。第三,分工使劳动简单化、专门化,从而为机械的发明和使用创造了条件。

从广义动量定理Fαt=MV的角度来分析斯密所说的原因:1)劳动技巧,熟练程度的提高和机械的发明都是增加了力量F;2)减少转换时间的损失就是增加了有效工作时间t;3)劳动简单化和专门化就是力量的作用点明确,力量的方向α偏差减少,使方向α增加,增加了力量的准确度并减少力量转变的损失。所以增加了力量F,时间t和方向α,成果MV会增加。

亚当•斯密提出分工受市场范围的限制,阿林•杨格提出“分工取决于市场规模,而市场规模又取决于分工,经济进步的可能性就存在于上述条件之中”,这是著名的“斯密-杨格定理”。从系统思考的角度来分析,这是一个市场与分工互相加强的正反馈模式,当市场足够大时出现了分工,分工增加了社会的总产出,分工需要交易才能生存和发展,所以分工也增加交易量,即增加了市场容量;市场容量的增加会增加商品的需求量,从而促进分工的发展。分工与市场是互相影响的。


广义动量定理四要素力量 F 、方向 α 、作用点和时间 t



《可以量化的经济学》全书结构
目录
相关文章
|
数据采集 人工智能 算法
AGI如何提高智力水平
AGI如何提高智力水平
89 0
|
2月前
|
人工智能 大数据
光速矩阵:开创AIGC时代的矩阵营销与就业平台
在全球数字经济迅速发展的背景下,**光速矩阵**应运而生,成为引领AIGC(人工智能生成内容)时代的矩阵营销与就业平台。依托前沿AIGC技术和人力资本大模型,光速矩阵为品牌、企业及劳动者提供全方位的数字化创作、智能化管理和高效传播服务,重新定义企业营销与人才就业模式。平台积极响应国家战略,赋能数字化就业,通过与政府、大学和企业合作,构建全国AIGC人才生态网络,免费培养数百万“光速创客”,提升乡村就业率,并助力品牌全球化。光速矩阵不仅推动了城乡经济平衡发展,还致力于构建全球数字经济生态系统,促进全球经济繁荣。
光速矩阵:开创AIGC时代的矩阵营销与就业平台
|
7月前
|
供应链 物联网 区块链
未来交织:新兴技术趋势与跨界应用探索
【5月更文挑战第30天】 随着科技的迅猛发展,新兴技术如区块链、物联网(IoT)、虚拟现实(VR)等正在逐渐渗透到我们的日常生活和工作中。这些技术不仅在各自的领域内取得了显著进展,而且开始相互融合,催生出新的应用场景和商业模式。本文将探讨这些技术的发展趋势,并分析它们在不同领域中的潜在应用,从而描绘出一个由多种技术交织而成的未来图景。
|
7月前
|
机器学习/深度学习 边缘计算 分布式计算
云计算应用方向研究
云计算应用方向研究
201 0
|
7月前
|
传感器 物联网 区块链
未来交织:新兴技术的综合趋势与跨界应用
【4月更文挑战第25天】 随着科技的迅猛发展,新兴技术如区块链、物联网(IoT)、虚拟现实(VR)等正在不断突破原有的边界,形成交互式的创新网络。本文将深入探讨这些技术的独立发展趋势以及它们如何相互融合,共同塑造未来社会的多个方面。通过对这些技术在金融、医疗、教育、娱乐等行业应用案例的分析,揭示它们如何推动产业升级,优化用户体验,并促进经济的持续增长。
|
传感器 存储 机器学习/深度学习
智慧水务未来技术发展方向预测探讨
随着科技的不断发展和城市化的加速,智慧水务作为一种新的水务模式,逐渐受到广泛关注。未来,智慧水务将会面临更多的技术挑战和商机。本博客将对智慧水务的未来技术发展方向进行预测,以探讨智慧水务未来可能的技术重点。
|
机器学习/深度学习 人工智能 编解码
视频行业的“达克效应”,AI或成下一个重要分水岭
视频行业的“达克效应”,AI或成下一个重要分水岭
视频行业的“达克效应”,AI或成下一个重要分水岭
|
安全 数据库
未来数据观丨跨越数字化分水岭
中国企业正屹立于时代风口。环顾后疫情时代,经营复杂度明显提高,数字化转型成为关乎企业生存与长期发展的重要课题。当下正是转型窗口期,是企业能否跨越“分水岭”、驶入数字化“快车道”的关键时间点。企业需以战略为核心,积极推进数据治理,以客户体验为导向,洞察市场需求,加速上云,通过智能运营提质增效,联合生态伙伴,创造多重价值。 本文依托埃森哲与国家工业信息安全发展研究中心(工业和信息化部电子第一研究所)合作的《可持续发展进行时跨域数字化分水岭:2021年埃森哲中国企业数字转型指数》,呈现了中国企业数字化转型的多角度分析。
388 0
未来数据观丨跨越数字化分水岭
|
机器学习/深度学习 数据采集 人工智能
未来3到5年内,哪个方向机器学习人才最稀缺?
未来 3 到 5 年内,哪个方向的机器学习人才最紧缺?今天我们就来梳理一下。全栈式工程师在初创公司受欢迎,领域专精的算法人才在大公司很吃香,应用型人才能够快速提升业务,而工程化是落地的重要一环。
1769 0
未来3到5年内,哪个方向机器学习人才最稀缺?