《可以量化的经济学》之力量F的属性与分类

简介: 《可以量化的经济学》之力量F的属性与分类保罗•萨缪尔森在《经济学》开篇引用埃德蒙•伯克的名言:“骑士时代已经过去;随之而来的是智者、经济学家和计算机天才的世界。

《可以量化的经济学》之力量F的属性与分类

保罗•萨缪尔森在《经济学》开篇引用埃德蒙•伯克的名言:“骑士时代已经过去;随之而来的是智者、经济学家和计算机天才的世界。”说明社会的核心力量从骑士时代的暴力向信息时代的知识过渡。未来学家阿尔文•托夫勒说人类的终极力量有三种,分别为暴力,财富和知识,暴力为低质量的力量,知识为最高质量的力量。所以社会是从以暴力(体力)为核心的力量的农业时代,向以财富为核心力量的工业时代,最后向以知识为核心力量的信息时代过渡。暴力和知识是社会最根本的力量,财富是暴力和知识的存储。英国14、15世纪的圈地运动就是以暴力为核心力量的。

1979年诺贝尔经济学奖获得者威廉·阿瑟·刘易斯在《经济增长理论》“知识”那章的开篇写道:“经济增长的直接原因是致富的努力、知识的增长和资本的积累。”他的书中对努力、知识和资本进行了详细的论述。这三者和暴力,知识和财富几乎是一一对应的。

要素市场

在萨缪尔森等人的《经济学》教科书中,要素市场包括劳动,土地和资本,在马歇尔的《经济学原理》中将生产要素分成4种,包括劳动,土地,资本和组织。劳动包括体力劳动和脑力劳动,或者可以说是暴力和知识。土地泛指自然资源。资本指资金,设备,工具和材料等。组织是人们为了完成特定目标,成员之间进行的分工与合作。诺贝尔奖获得者赫尔伯特•西蒙在《管理行为》中对组织有很深刻的论述,他说组织通过权威,沟通,培训,效率和认同(组织忠诚)5种手段来影响个人的决策,使个人的行为符合组织的总体模式。

从广义动量定理Fαt=MV角度来说,劳动对应着力量F,土地对应着作用点,资本对应着间接的作用点和劳动的驱动力(工资),而组织对应着方向α,管理各种力量,以产生更大的成果。以弗雷德里克•泰勒的《科学管理原理》中的铲运工作为例,工作内容就是铲运工人通过铁锹将特定的物料从一地铲运到另一地。科学原理通过作业测定等方法得到对于不同的物料应该采用什么样的铁锹,每次铲运多少,工作多久进行休息的科学方法指导铲运工人在不过度劳累的情况下,每一天铲运最多的物料。铲运每天每人完成的铲运量从16长吨上升到59长吨,日工资从1.15美元上升到1.88美元。在铲运这个工作中,铲运工人在管理人员的方法α的指导下,将自己的劳动力量F作用于铁锹(直接作用点),铁锹作用于需铲运的物料(间接作用点),使物料从一地移动到另一地。在这项工作中,铁锹是资本,支付给铲运工人的工资也是资本。土地这个泛指的自然资源在这项工作中没有起作用。在种植玉米的工作中,从玉米发育成熟的过程中,土地是发挥自然力量的作用。

由于四种生产要素在产生成果的过程中都付出了自己的作用,所以相应的都有着对应回报。劳动对应着工资,土地对应着地租,资本对应着利息和租金,而组织对应着利润。每一种要素所能获得回报多少取决于每种要素的需求与供给。

层级机构

威廉•阿瑟•刘易斯在《经济增长理论》中描述的“纵向流动性”是一种权利的层级结构,这一点与管理学中领导力的层级结构类同。他写道:“经济增长通常联系到更大程度的社会纵向的流动性,由下而上,或者由上而下。……如果商业、政府、科学和其他领域的上层社会不能持续地从底层吸收新的成员,从生物学的角度或文化意义上,它们就会退化。……一个生物意义上健康的上层社会,必须允许它的弱势成员流向下层社会,并且,在每个时期也要招募下层社会的成功人士进入自己所在的阶层。……无论如何,即使特权阶级保持活力和进取心,由于使自己不能充分利用下层成员的聪明才智,社会作为一个整体必然会失败。在其他条件相同的情况下,与一个拒绝给予大部分成员以机会的社会相比,消除了流动障碍的社会肯定可以展现出更快的增长速度。”从系统思考的角度来说,速度最慢的环节影响整个系统的产出,一个不能进化的上层结构肯定会成为速度最慢的环节,从而成为影响整个系统产出的瓶颈。


《可以量化的经济学》全书结构

摘自《可以量化的经济学》

目录
相关文章
|
4月前
|
机器学习/深度学习 Python
贝叶斯分析与决策理论:用于确定分类问题决策点的应用
在分类问题中,一个常见的难题是决定输出为数字时各类别之间的切分点
63 9
贝叶斯分析与决策理论:用于确定分类问题决策点的应用
|
6月前
|
机器学习/深度学习 数据采集 算法
R语言、WEKA关联规则、决策树、聚类、回归分析工业企业创新情况影响因素数据
R语言、WEKA关联规则、决策树、聚类、回归分析工业企业创新情况影响因素数据
|
5月前
|
机器学习/深度学习 数据采集 数据可视化
基于聚类和回归分析方法探究蓝莓产量影响因素与预测模型研究
k均值聚类模型多元线性回归模型随机森林模型在数据分析项目中,选择合适的模型是至关重要的。本项目中,我们采用了三种不同的模型来分析蓝莓的生长条件和产量,以确保从不同角度全面理解数据。一、K均值聚类模型K均值聚类模型是一种无监督学习方法,用于根据数据的相似性将样本分成不同的组。在这个项目中,我们使用K均值聚类模型来识别具有相似特征的蓝莓品种。通过聚类分析,我们将蓝莓分为4个类别,每个类别代表了不同的生长条件和产量特性。这种分类有助于我们理解在不同环境条件下,哪些因素对蓝莓产量有显著影响。
|
6月前
|
机器学习/深度学习 传感器 自然语言处理
时间序列预测的零样本学习是未来还是炒作:TimeGPT和TiDE的综合比较
最近时间序列预测预测领域的最新进展受到了各个领域(包括文本、图像和语音)成功开发基础模型的影响,例如文本(如ChatGPT)、文本到图像(如Midjourney)和文本到语音(如Eleven Labs)。这些模型的广泛采用导致了像TimeGPT[1]这样的模型的出现,这些模型利用了类似于它们在文本、图像和语音方面获得成功的方法和架构。
124 1
|
6月前
|
供应链 监控 数据挖掘
高质量决策是伪命题吗?拨开迷雾,回归决策价值
高质量决策是伪命题吗?拨开迷雾,回归决策价值
97 1
|
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)
108 0
运筹学基础——预测
运筹学基础——预测
117 0
|
机器学习/深度学习 传感器 算法
北大&北航团队揭示电子转移规律,深度学习定量预测96种元素在任意压力下的电负性
北大&北航团队揭示电子转移规律,深度学习定量预测96种元素在任意压力下的电负性
165 0
|
机器学习/深度学习 人工智能 数据库
结构生物学没失业!深度评估AlphaFold 2:「蛋白质功能预测」水平不足|NeurIPS 2022
结构生物学没失业!深度评估AlphaFold 2:「蛋白质功能预测」水平不足|NeurIPS 2022
186 0
|
存储 机器学习/深度学习 算法
用图机器学习探索 A 股个股相关性变化
在本文中我们将介绍如何使用图机器学习探索 A 股的行业个股的相关性随时间的变化情况。
815 0
用图机器学习探索 A 股个股相关性变化