高级宏观经济学公式整理
高级宏观经济学——高教版
- 单期
- 静态模型
- 消费者最优化行为
- 厂商最优化行为
- 竞争均衡
- 帕累托最优
- 比较静态分析
- 政府行为
- 消费者与厂商最优化行为
- 竞争均衡与比较静态分析
- 两期
- 纯两期
- 消费者最优化行为
- 市场均衡
- 考虑资本
- 消费者最优化行为
- 厂商最优化行为
- 市场均衡
- 计划最优
- 考虑资本和劳动
- 消费者最优化行为
- 厂商最优化行为
- 市场均衡
- 计划最优
- 三期
- 计划最优
- 第三期
- 第二期
- 第一期
- 无限期
- 动态规划
- 竞争均衡
- 计划最优
- 贝尔曼方程
- 计划经济下的最优
- 贝尔曼方程推导欧拉方程
- 动态模型学
- c的动态学
- k的动态学
- 稳定均衡解
- 拉格朗日方法推导欧拉方程
- 分散经济下的最优
- 消费者
- 厂商
- 竞争均衡
- 索洛增长模型
- 离散时间
- 人均分析
- 总量分析
- 连续时间
- 动态学
- 比较静态分析
- 对产出
- 对消费
- 对产出影响的定量分析
- 对产量影响的速度分析
- 经验应用
- 趋同性
- 待更新
单期
静态模型
偏好: 稻田条件
技术: 一次齐次
消费者最优化行为
maxc,lu(c,l)s.t.c=w(h−l)+(1+r)k0+π,0≤l≤hu2u1=w\max\limits_{c,l}\quad u(c,l)\\ {s.t.}\quad c=w(h-l)+(1+r)k_0+\pi,0\leq l \leq h\\ \frac{u_2}{u_1}=w c,lmaxu(c,l)s.t.c=w(h−l)+(1+r)k0+π,0≤l≤hu1u2=w
消费与闲暇的边际替代率等于工资率
厂商最优化行为
π=zf(kd,nd)−(1+r)kd+(1−δ)kd−wnd,δ=1maxkd,nd[zf(kd,nd)−(1+r)kd−wnd]zf1=1+rzf2=w\pi = zf(k_d,n_d)-(1+r)k_d+(1-\delta)k_d-wn_d,\delta = 1\\ \max\limits_{k_d,n_d}\quad [zf(k_d,n_d)-(1+r)k_d-wn_d]\\ zf_1=1+r\\ zf_2=w π=zf(kd,nd)−(1+r)kd+(1−δ)kd−wnd,δ=1kd,ndmax[zf(kd,nd)−(1+r)kd−wnd]zf1=1+rzf2=w
当生产函数为一次齐次时,欧拉定律:
zf(k,n)=zf1k+zf2nzf(k,n)=zf_1k+zf_2n zf(k,n)=zf1k+zf2n
规模报酬不变时,最大化利润为零:
zf(k,n)−(1+r)k−wn=0zf(k,n)-(1+r)k-wn=0 zf(k,n)−(1+r)k−wn=0
竞争均衡
始终满足:
c−y+w[nd−(h−l)]+(1+r)(kd−ks)c-y+w[n_d-(h-l)]+(1+r)(k_d-k_s) c−y+w[nd−(h−l)]+(1+r)(kd−ks)
劳动市场、消费品市场和资本租赁市场:
h−l=nd(1)c=y(2)ks=k0=kd(3)h-l=n_d\quad (1)\\ c=y\quad (2)\\ k_s=k_0=k_d\quad (3) h−l=nd(1)c=y(2)ks=k0=kd(3)
瓦尔拉斯定理:(1)、(2)、(3)中任两个出清,另一个也出清。
帕累托最优
万能的计划者:
maxc,lu(c,l)s.t.c=zf(k0,(h−l))zf2=u2u1\max\limits_{c,l}\quad u(c,l)\\ {s.t.}\quad c=zf(k_0,(h-l))\\ zf_2=\frac{u_2}{u_1} c,lmaxu(c,l)s.t.c=zf(k0,(h−l))zf2=u1u2
消费者预算约束线 / 消费可能性曲线
比较静态分析
设生产技术:y=zny=zny=zn
最优化问题:maxlu[z(h−l),l]\max\limits_l\quad u[z(h-l),l]lmaxu[z(h−l),l]
一阶条件:−zu1[z(h−1),l]+u2[z(h−1),l]=0-zu_1[z(h-1),l]+u_2[z(h-1),l]=0−zu1[z(h−1),l]+u2[z(h−1),l]=0
均衡工作:w=∂y∂n=zw=\frac{\partial{y}}{\partial{n}}=zw=∂n∂y=z
dldz=u1+z(h−l)u11−(h−l)u21z2u11−2zu12+u22\frac{dl}{dz}=\frac{u_1+z(h-l)u_{11}-(h-l)u_{21}}{z^2u_{11}-2zu_{12}+u_{22}} dzdl=z2u11−2zu12+u22u1+z(h−l)u11−(h−l)u21
分母小于0,分子不确定
政府行为
假设政府将其购买的消费品全部销毁
政府预算约束:g=τg=\taug=τ
生产函数:y=zny=zny=zn
w(c,l,g)=u(c,l)+v(g)v(g)=0w(c,l,g)=u(c,l)+v(g)\\ v(g)=0 w(c,l,g)=u(c,l)+v(g)v(g)=0
消费者与厂商最优化行为
消费者:
maxc,lu(c,l)s.t.c=w(h−l)−τ−wu1+u2=0\max\limits_{c,l}\quad u(c,l)\\ {s.t.}\quad c=w(h-l)-\tau\\ -wu_1+u_2=0 c,lmaxu(c,l)s.t.c=w(h−l)−τ−wu1+u2=0
厂商:
maxn(z−w)nw=z\max\limits_n (z-w)n\\ w=z nmax(z−w)nw=z
竞争均衡与比较静态分析
−zu1[(z(h−l)−g),l]+u2[(z(h−l)−g),l]=0dldg=−zu11+u12z2u11−2u12+u22<0dcdg=zu12−u22z2u11−2u12+u22<0-zu_1[(z(h-l)-g),l]+u_2[(z(h-l)-g),l]=0\\ \frac{dl}{dg}=\frac{-zu_{11}+u_{12}}{z^2u_{11}-2u_{12}+u_{22}}<0\\ \frac{dc}{dg}=\frac{zu_{12}-u_{22}}{z^2u_{11}-2u_{12}+u_{22}}<0 −zu1[(z(h−l)−g),l]+u2[(z(h−l)−g),l]=0dgdl=z2u11−2u12+u22−zu11+u12<0dgdc=z2u11−2u12+u22zu12−u22<0
两期
实际利率:rrr
贴现利率:ρ\rhoρ
贴现因子:β=11+ρ\beta=\frac{1}{1+\rho}β=1+ρ1
ttt期债券购买数:btb_tbt
纯两期
偏好:ν(c1,c2)=u(c1)+βu(c2)\nu(c_1,c_2)=u(c_1)+\beta{u(c_2)}ν(c1,c2)=u(c1)+βu(c2)
禀赋:∑i=1Ny1i=Y1,∑i=1Ny2i=Y2\sum\limits_{i=1}^N y_{1i}=Y_1,\sum\limits_{i=1}^N y_{2i}=Y_2i=1∑Ny1i=Y1,i=1∑Ny2i=Y2
消费者最优化行为
maxc1,c2,b1u(c1)+βu(c2)s.t.c1+b1=y1,c2=y2+b1(1+r)\max\limits_{c_1,c_2,b_1}\quad u(c_1)+\beta u(c_2)\\ {s.t.}\quad c_1+b_1=y_1,c_2=y_2+b_1(1+r) c1,c2,b1maxu(c1)+βu(c2)s.t.c1+b1=y1,c2=y2+b1(1+r)
欧拉方程:u′(c1)u′(c2)=β(1+r)\frac{u'(c_1)}{u'(c_2)}=\beta{(1+r)}u′(c2)u′(c1)=β(1+r)
取 u(ct)=ln(ct)u(c_t)=ln(c_t)u(ct)=ln(ct):
c1=y2+y1(1+r)(1+β)(1+r)c2=[y2+y1(1+r)](β1+β)b1=y1−y2+y1(1+r)(1+β)(1+r)c_1=\frac{y_2+y_1(1+r)}{(1+\beta)(1+r)}\\ c_2=[y_2+y_1(1+r)](\frac{\beta}{1+\beta})\\ b_1=y_1-\frac{y_2+y_1(1+r)}{(1+\beta)(1+r)} c1=(1+β)(1+r)y2+y1(1+r)c2=[y2+y1(1+r)](1+ββ)b1=y1−(1+β)(1+r)y2+y1(1+r)
比较静态分析:
∂c2∂r=y1β1+β>0\frac{\partial{c_2}}{\partial{r}}=\frac{y_1\beta}{1+\beta}>0 ∂r∂c2=1+βy1β>0
市场均衡
资本市场与商品市场条件
∑i=1nb1i=0∑i=1nc1i+∑i=1nc2i=Y1+Y2Y2Y1=1+g\sum\limits_{i=1}^{n}{b_{1i}}=0\\ \sum\limits_{i=1}^{n}{c_{1i}}+\sum\limits_{i=1}^{n}{c_{2i}}=Y_1+Y_2\\ \frac{Y_2}{Y_1} = 1+g i=1∑nb1i=0i=1∑nc1i+i=1∑nc2i=Y1+Y2Y1Y2=1+g
得到:
b1i=y1i−y2i+y1i(1+r)(1+β)(1+r)r∗=Y2βY1−11+r∗=(1+ρ)(1+g)r∗≈ρ+gb_{1i}=y_{1i}-\frac{y_{2i}+y_{1i}(1+r)}{(1+\beta)(1+r)}\\ r^*=\frac{Y_2}{\beta{Y_1}}-1\\ 1+r^*=(1+\rho)(1+g)\\ r^*\approx\rho+g b1i=y1i−(1+β)(1+r)y2i+y1i(1+r)r∗=βY1Y2−11+r∗=(1+ρ)(1+g)r∗≈ρ+g
比较静态分析
∂r∗∂Y2=1βY1>0\frac{\partial{r^*}}{\partial{Y_2}}=\frac{1}{\beta{Y_1}}>0 ∂Y2∂r∗=βY11>0
考虑资本
偏好:ν(c1,c2)=u(c1)+βu(c2)\nu(c_1,c_2)=u(c_1)+\beta{u(c_2)}ν(c1,c2)=u(c1)+βu(c2)
技术:y=zf(k)y=zf(k)y=zf(k),稻田条件
禀赋:k0k_0k0
消费者最优化行为
预算约束方程:
c1+s1=(1+r1)k1s+π1c2=(1+r2)s1+π2c_1+s_1=(1+r_1)k_1^s+\pi_1\\ c_2=(1+r_2)s_1+\pi_2 c1+s1=(1+r1)k1s+π1c2=(1+r2)s1+π2
效用最大化:
maxc1,c2,s1u(c1)+βu(c2)s.t.c1+s1=(1+r1)k1s+π1,c2=(1+r2)s1+π2u′(c1)u′(c2)=β(1+r2)\max\limits_{c_1,c_2,s_1}\quad u(c_1)+\beta u(c_2)\\ {s.t.}\quad c_1+s_1=(1+r_1)k_1^s+\pi_1,c_2=(1+r_2)s_1+\pi_2\\ \frac{u'(c_1)}{u'(c_2)}=\beta (1+r_2) c1,c2,s1maxu(c1)+βu(c2)s.t.c1+s1=(1+r1)k1s+π1,c2=(1+r2)s1+π2u′(c2)u′(c1)=β(1+r2)
厂商最优化行为
maxk1π1=zf(k1d)−(1+r1)k1d+(1−δ)k1dmaxk2π2=zf(k2d)−(1+r2)k2d+(1−δ)k2ds.t.δ=1zf′(k1d)=1+r1zf′(k2d)=1+r2\max\limits_{k_1}\quad\pi_1=zf(k_1^d)-(1+r_1)k_1^d+(1-\delta)k_1^d\\ \max\limits_{k_2}\quad\pi_2=zf(k_2^d)-(1+r_2)k_2^d+(1-\delta)k_2^d\\ {s.t.}\quad \delta = 1\\ zf'(k_1^d)=1+r_1\\ zf'(k_2^d)=1+r_2 k1maxπ1=zf(k1d)−(1+r1)k1d+(1−δ)k1dk2maxπ2=zf(k2d)−(1+r2)k2d+(1−δ)k2ds.t.δ=1zf′(k1d)=1+r1zf′(k2d)=1+r2
市场均衡
k1s=k0=k1dk2s=s1=k2dc1+c2=k0+[zf(k1d)−k1d]+[zf(k2d)−k2d]k_1^s=k_0=k_1^d\\ k_2^s=s_1=k_2^d\\ c_1+c_2=k_0+[zf(k_1^d)-k_1^d]+[zf(k_2^d)-k_2^d]\\ k1s=k0=k1dk2s=s1=k2dc1+c2=k0+[zf(k1d)−k1d]+[zf(k2d)−k2d]
可得:
c1+c2=zf(k1d)+zf(k2d)−k2dc_1+c_2=zf(k_1^d)+zf(k_2^d)-k_2^d c1+c2=zf(k1d)+zf(k2d)−k2d
由瓦尔拉斯定理可忽略第三个市场(商品市场)出清条件
计划最优
maxc1,c2,k2u(c1)+βu(c2)s.t.c1=zf(k0)−k2,c2=zf(k2)−u′[zf(k0)−k2]+zβu′[zf(k2)]f′(k2)=0\max\limits_{c_1,c_2,k_2}\quad u(c_1)+\beta u(c_2)\\ {s.t.}\quad c_1=zf(k_0)-k_2,c_2=zf(k_2)\\ -u'[zf(k_0)-k_2]+z\beta u'[zf(k_2)]f'(k_2)=0 c1,c2,k2maxu(c1)+βu(c2)s.t.c1=zf(k0)−k2,c2=zf(k2)−u′[zf(k0)−k2]+zβu′[zf(k2)]f′(k2)=0
考虑资本和劳动
偏好:(c1,c2,l1,l2)=u(c1,l1)+βu(c2,l2)=u(c1)+u(l1)+βu(c2)+βu(l2)(c_1,c_2,l_1,l_2)=u(c_1,l_1)+\beta u(c_2,l_2)=u(c_1)+u(l_1)+\beta u(c_2)+\beta u(l_2)(c1,c2,l1,l2)=u(c1,l1)+βu(c2,l2)=u(c1)+u(l1)+βu(c2)+βu(l2)
技术:y=zf(k,n)y=zf(k,n)y=zf(k,n),稻田条件
禀赋:k0,hk_0,hk0,h
消费者最优化行为
maxc1,c2,l1,l2u(c1)+u(l1)+βu(c2)+βu(l2)s.t.c1+s1=w1(h−l1)+(1+r1)k1s+π1c2+s2=w2(h−l2)+(1+r2)k2s+π2k1s=k0k2s=s1s2=0n1s+l1=hn2s+l2=h\max\limits_{c_1,c_2,l_1,l_2}\quad u(c_1)+u(l_1)+\beta u(c_2)+\beta u(l_2)\\ {s.t.}\quad c_1+s_1=w_1(h-l_1)+(1+r_1)k_1^s+\pi_1\\ c_2+s_2=w_2(h-l_2)+(1+r_2)k_2^s+\pi_2\\ k_1^s=k_0\\ k_2^s=s_1\\ s_2=0\\ n_1^s+l_1=h\\ n_2^s+l_2=h c1,c2,l1,l2maxu(c1)+u(l1)+βu(c2)+βu(l2)s.t.c1+s1=w1(h−l1)+(1+r1)k1s+π1c2+s2=w2(h−l2)+(1+r2)k2s+π2k1s=k0k2s=s1s2=0n1s+l1=hn2s+l2=h
得到:
u′(c1)u′(c2)=β(1+r2)u′(l1)u′(c1)=w1u′(l2)u′(c2)=w2\frac{u'(c_1)}{u'(c_2)}=\beta (1+r_2)\\ \frac{u'(l_1)}{u'(c_1)}=w_1\\ \frac{u'(l_2)}{u'(c_2)}=w_2 u′(c2)u′(c1)=β(1+r2)u′(c1)u′(l1)=w1u′(c2)u′(l2)=w2
厂商最优化行为
π1=zf(k1d,n1d)−w1n1d−(1+r1)k1d+(1−δ)k1dπ2=zf(k2d,n2d)−w2n2d−(1+r2)k2d+(1−δ)k2d\pi_1=zf(k_1^d,n_1^d)-w_1 n_1^d-(1+r_1)k_1^d+(1-\delta)k_1^d\\ \pi_2=zf(k_2^d,n_2^d)-w_2 n_2^d-(1+r_2)k_2^d+(1-\delta)k_2^d π1=zf(k1d,n1d)−w1n1d−(1+r1)k1d+(1−δ)k1dπ2=zf(k2d,n2d)−w2n2d−(1+r2)k2d+(1−δ)k2d
得到:
zf1(k1d,n1d)=1+r1zf2(k1d,n1d)=w1zf1(k2d,n2d)=1+r2zf2(k2d,n2d)=w2zf_1(k_1^d,n_1^d)=1+r_1\\ zf_2(k_1^d,n_1^d)=w_1\\ zf_1(k_2^d,n_2^d)=1+r_2\\ zf_2(k_2^d,n_2^d)=w_2 zf1(k1d,n1d)=1+r1zf2(k1d,n1d)=w1zf1(k2d,n2d)=1+r2zf2(k2d,n2d)=w2
市场均衡
k1s=k0=k1dk2s=s1=k2dn1s=h−l1n2s=h−l2c1+c2=zf(k1d,n1d)+zf(k2d,n2d)−k2dk_1^s=k_0=k_1^d\\ k_2^s=s_1=k_2^d\\ n_1^s=h-l_1\\ n_2^s=h-l_2\\ c_1+c_2=zf(k_1^d,n_1^d)+zf(k_2^d,n_2^d)-k_2^d k1s=k0=k1dk2s=s1=k2dn1s=h−l1n2s=h−l2c1+c2=zf(k1d,n1d)+zf(k2d,n2d)−k2d
计划最优
maxc1,l1,c2,l2,k2u(c1)+u(l1)+βu(c2)+βu(l2)s.t.c1+k2=zf[k0,(h−l1)],c2=zf[k2,(h−l2)]\max\limits_{c_1,l_1,c_2,l_2,k_2}\quad u(c_1)+u(l_1)+\beta u(c_2)+\beta u(l_2)\\ {s.t.}\quad c_1+k_2=zf[k_0,(h-l_1)],c_2=zf[k_2,(h-l_2)] c1,l1,c2,l2,k2maxu(c1)+u(l1)+βu(c2)+βu(l2)s.t.c1+k2=zf[k0,(h−l1)],c2=zf[k2,(h−l2)]
得到:
u′(c1)βu′(c2)=zf1[k2,(h−l2)]u′(l1)u′(c1)=zf2[k0,(h−l1)]u′(l2)u′(c2)=zf2[k2,(h−l2)](欧拉方程)\frac{u'(c_1)}{\beta u'(c_2)}=zf_1[k_2,(h-l_2)]\tag{欧拉方程}\\ \frac{u'(l_1)}{u'(c_1)}=zf_2[k_0,(h-l_1)]\\ \frac{u'(l_2)}{u'(c_2)}=zf_2[k_2,(h-l_2)] βu′(c2)u′(c1)=zf1[k2,(h−l2)]u′(c1)u′(l1)=zf2[k0,(h−l1)]u′(c2)u′(l2)=zf2[k2,(h−l2)](欧拉方程)
三期
偏好:v(c1,c2,c3)=u(c1)+βu(c2)+β2u(c3)v(c_1,c_2,c_3)=u(c_1)+\beta u(c_2)+\beta^2 u(c_3)v(c1,c2,c3)=u(c1)+βu(c2)+β2u(c3)
技术:y=f(k)y=f(k)y=f(k),稻田条件
禀赋:k0k_0k0
计划最优
maxc1,c2,c3,k1,k2u(c1)+βu(c2)+β2u(c3)s.t.c1+k1=f(k0),c2+k2=f(k1),c3+k3=f(k2)\max\limits_{c_1,c_2,c_3,k_1,k_2}\quad u(c_1)+\beta u(c_2)+\beta^2 u(c_3)\\ {s.t.}\quad c_1+k_1=f(k_0),c_2+k_2=f(k_1),c_3+k_3=f(k_2) c1,c2,c3,k1,k2maxu(c1)+βu(c2)+β2u(c3)s.t.c1+k1=f(k0),c2+k2=f(k1),c3+k3=f(k2)
因为活动只为三期,k3=0k_3=0k3=0 一定成立
第三期
maxu(c3)s.t.c3+k3=f(k2)\max\quad u(c_3)\\ {s.t.}\quad c_3+k_3=f(k_2) maxu(c3)s.t.c3+k3=f(k2)
k2k_2k2在第二期已经确定
政策函数:
k3=g(k2)=0k_3=g(k_2)=0 k3=g(k2)=0
得到:
c3∗=f(k2)−g(k2)=f(k2)c_3^*=f(k_2)-g(k_2)=f(k_2) c3∗=f(k2)−g(k2)=f(k2)
间接效用函数(值函数):
v3(k2)≡u(c3∗)=u(f(k2))v_3(k_2)\equiv u(c_3^*)=u(f(k_2)) v3(k2)≡u(c3∗)=u(f(k2))
求导:
∂v3∂k2(k2)=u′(f(k2))f′(k2)\frac{\partial v_3}{\partial k_2}(k_2)=u'(f(k_2))f'(k_2) ∂k2∂v3(k2)=u′(f(k2))f′(k2)
第二期
maxc2,k2u(c2)+βv3(k2)s.t.c2+k2=f(k1)\max\limits_{c_2,k_2}\quad u(c_2)+\beta v_3(k_2)\\ {s.t.}\quad c_2+k_2=f(k_1) c2,k2maxu(c2)+βv3(k2)s.t.c2+k2=f(k1)
一阶条件:
u2′(c2)=β∂v3∂k2(k2)⇒u′(c2)=βu′(c3)f′(k2)u_2'(c_2)=\beta \frac{\partial v_3}{\partial k_2}(k_2)\Rightarrow u'(c_2)=\beta u'(c_3)f'(k_2) u2′(c2)=β∂k2∂v3(k2)⇒u′(c2)=βu′(c3)f′(k2)
政策函数:
k2=g(k1)k_2=g(k_1) k2=g(k1)
间接效用函数(值函数):
v2(k1)=u(c2∗)+βv3(k2∗)v_2(k_1)=u(c_2^*)+\beta v_3(k_2^*) v2(k1)=u(c2∗)+βv3(k2∗)
求导:
∂v2∂k1(k1)=u′(c2∗)[f′(k1)−∂k2∗∂k1]+β∂v3∂k2(k2∗)∂k2∗∂k1=u′(c2∗)f′(k1)\frac{\partial v_2}{\partial k_1}(k_1)=u'(c_2^*)[f'(k_1)-\frac{\partial k_2^*}{\partial k_1}]+\beta \frac{\partial v_3}{\partial k_2}(k_2^*)\frac{\partial k_2^*}{\partial k_1} =u'(c_2^*)f'(k_1) ∂k1∂v2(k1)=u′(c2∗)[f′(k1)−∂k1∂k2∗]+β∂k2∂v3(k2∗)∂k1∂k2∗=u′(c2∗)f′(k1)
第一期
maxc1,k1u(c1)+βv2(k1)s.t.c1+k1=f(k0)\max\limits_{c_1,k_1}\quad u(c_1)+\beta v_2(k_1)\\ {s.t.}\quad c_1+k_1=f(k_0) c1,k1maxu(c1)+βv2(k1)s.t.c1+k1=f(k0)
一阶条件:
u′(c1)=β∂v2∂k1(k1)⇒u′(c1)=βu′(c2)f′(k1)u'(c_1)=\beta \frac{\partial v_2}{\partial k_1}(k_1)\Rightarrow u'(c_1)=\beta u'(c_2)f'(k_1) u′(c1)=β∂k1∂v2(k1)⇒u′(c1)=βu′(c2)f′(k1)
政策函数:
k1=g(k0)k_1=g(k_0) k1=g(k0)
间接效用函数(值函数):
v1(k0)=u(c1∗)+βv2(k1∗)v_1(k_0)=u(c_1^*)+\beta v_2(k_1^*) v1(k0)=u(c1∗)+βv2(k1∗)
无限期
偏好:∑t=0∞βtu(ct)\sum\limits_{t=0}^\infin\beta^tu(c_t)t=0∑∞βtu(ct)
技术:yt=F(kt,nt)y_t=F(k_t,n_t)yt=F(kt,nt),稻田条件,kt+1=(1−δ)kt+itk_{t+1}=(1-\delta)k_t+i_tkt+1=(1−δ)kt+it
禀赋:k0k_0k0
资源约束:ct+it≤ytnt≤1c_t+i_t\leq y_t\quad n_t\leq 1ct+it≤ytnt≤1
动态规划
竞争均衡
max{ct,nt,it,kt+1}t=0∞∑t=0∞βtu(ct)s.t.ct+it≤F(kt,nt)(1)kt+1=(1−δ)kt+it(2)nt≤1(3)limt→∞kt(1+ρ)t=0(4)0≤ct,0≤kt,0≤k0,给定\max\limits_{{\{c_t,n_t,i_t,k_{t+1}\}}_{t=0}^\infin}\quad\sum_{t=0}^\infin\beta^tu(c_t)\\{s.t.}\quad c_t+i_t\leq F(k_t,n_t)\quad(1)\\ k_{t+1}=(1-\delta)k_t+i_t\quad(2)\\ n_t\leq 1\quad(3)\\ \lim_{t\rightarrow\infin}\frac{k_t}{(1+\rho)^t}=0\quad(4)\\ 0\leq c_t,0\leq k_t,0\leq k_0,给定 {ct,nt,it,kt+1}t=0∞maxt=0∑∞βtu(ct)s.t.ct+it≤F(kt,nt)(1)kt+1=(1−δ)kt+it(2)nt≤1(3)t→∞lim(1+ρ)tkt=0(4)0≤ct,0≤kt,0≤k0,给定
1、3:资源约束条件,取等
2:资本累积方程
4:横截性条件
计划最优
max{ct,kt+1}t=0∞∑t=0∞βtu(ct)s.t.kt+1+ct=f(kt)\max\limits_{{\{c_t,k_{t+1}\}}_{t=0}^\infin}\quad\sum_{t=0}^\infin\beta^tu(c_t)\\ {s.t.}\quad k_{t+1}+c_t=f(k_t) {ct,kt+1}t=0∞maxt=0∑∞βtu(ct)s.t.kt+1+ct=f(kt)
贝尔曼方程
v(kt)=maxct,kt+1{u(ct)+βv(kt+1)}s.t.kt+1+ct=f(kt)v(k_t)=\max_{c_t,k_{t+1}}\{u(c_t)+\beta v(k_{t+1})\}\\ {s.t.}\quad k_{t+1}+c_t=f(k_t) v(kt)=ct,kt+1max{u(ct)+βv(kt+1)}s.t.kt+1+ct=f(kt)
求解靠猜,解不一定唯一
5.11加max
计划经济下的最优
v(k1)=maxct,kt+1[u(ct)+βv(kt+1)]s.t.kt+1+ct=f(kt),limt→∞kt(1+ρ)t=0v(k_1)=\max\limits_{c_t,k_{t+1}}[u(c_t)+\beta v(k_{t+1})]\\ {s.t.}\quad k_{t+1}+c_t=f(k_t),\lim\limits_{t\rightarrow\infin}\frac{k_t}{(1+\rho)^t}=0 v(k1)=ct,kt+1max[u(ct)+βv(kt+1)]s.t.kt+1+ct=f(kt),t→∞lim(1+ρ)tkt=0
贝尔曼方程推导欧拉方程
v(kt)=maxkt+1{u[f(kt)−kt+1]+βv(kt+1)}v(k_t)=\max\limits_{k_{t+1}}\{u[f(k_t)-k_{t+1}]+\beta v(k_{t+1})\}\\ v(kt)=kt+1max{u[f(kt)−kt+1]+βv(kt+1)}
一阶条件(对 kt+1k_{t+1}kt+1 求导):
−u′[f(kt)−kt+1]+βv′(kt+1)=0-u'[f(k_t)-k_{t+1}]+\beta v'(k_{t+1})=0 −u′[f(kt)−kt+1]+βv′(kt+1)=0
对贝尔曼方程两边求关于 ktk_tkt 的偏导,并应用包络定理:
v′(kt)=u′[f(kt)−kt+1][F1(kt,1)+(1−δ)]v'(k_t)=u'[f(k_t)-k_{t+1}][F_1(k_t,1)+(1-\delta)] v′(kt)=u′[f(kt)−kt+1][F1(kt,1)+(1−δ)]
其中:f(k)=F(k,1)+(1−δ)kf(k)=F(k,1)+(1-\delta)kf(k)=F(k,1)+(1−δ)k
将上式往后挪一期:
v′(kt+1)=u′[f(kt+1)−kt+2][F1(kt+1,1)+(1−δ)]v'(k_{t+1})=u'[f(k_{t+1})-k_{t+2}][F_1(k_{t+1},1)+(1-\delta)] v′(kt+1)=u′[f(kt+1)−kt+2][F1(kt+1,1)+(1−δ)]
将上式代入一阶条件:
−u′(ct)+βu′(ct+1)[F1(kt+1,1)+1−δ]=0-u'(c_t)+\beta u'(c_{t+1})[F_1(k_{t+1},1)+1-\delta]=0 −u′(ct)+βu′(ct+1)[F1(kt+1,1)+1−δ]=0
动态模型学
约束方程:
kt+1=f(kt)−ct=F(k,1)+(1−δ)kt−ct≡H(kt,ct)k_{t+1}=f(k_t)-c_t=F(k,1)+(1-\delta)k_t-c_t\equiv H(k_t,c_t) kt+1=f(kt)−ct=F(k,1)+(1−δ)kt−ct≡H(kt,ct)
代入欧拉方程:
kt+1=H(kt,ct)ct+1=P(kt,ct)k_{t+1}=H(k_t,c_t)\\ c_{t+1}=P(k_t,c_t) kt+1=H(kt,ct)ct+1=P(kt,ct)
c的动态学
当 ct+1=ctc_{t+1}=c_tct+1=ct 时:
F1(kk+1,1)=ρ+δF_1(k_{k+1},1)=\rho+\delta F1(kk+1,1)=ρ+δ
所以存在唯一 k∗k^*k∗ 使上式成立
kt+1<k∗⇔δ+ρ<F1(kt+1)⇔1+ρ<F1(kt+1)+1−δ⇔1<β[F1(kt+1)+1−δ]⇔u′(ct)[F1(kk+1)+1−δ]<βu′(ct)⇔βu′(ct+1)<βu′(ct+1)⇔ct+1>ctk_{t+1}<k^*\\ \Leftrightarrow \delta+\rho<F_1(k_{t+1})\\ \Leftrightarrow 1+\rho<F_1(k_{t+1})+1-\delta\\ \Leftrightarrow 1<\beta[F_1(k_{t+1})+1-\delta]\\ \Leftrightarrow \frac{u'(c_t)}{[F_1(k_{k+1})+1-\delta]}<\beta u'(c_t)\\ \Leftrightarrow \beta u'(c_{t+1})<\beta u'(c_{t+1})\\ \Leftrightarrow c_{t+1>c_t} kt+1<k∗⇔δ+ρ<F1(kt+1)⇔1+ρ<F1(kt+1)+1−δ⇔1<β[F1(kt+1)+1−δ]⇔[F1(kk+1)+1−δ]u′(ct)<βu′(ct)⇔βu′(ct+1)<βu′(ct+1)⇔ct+1>ct
k的动态学
当 ct+1=ctc_{t+1}=c_tct+1=ct 时:
ct=F(kt,1)−δktdcdk=F1(k,1)−δc_t=F(k_t,1)-\delta k_t\\ \frac{dc}{dk}=F_1(k,1)-\delta ct=F(kt,1)−δktdkdc=F1(k,1)−δ
kt+1>kt⇔F(kt,1)+(1−δ)kt−ct>kt⇔ct<F(kt,1)−δktk_{t+1}>k_t\\ \Leftrightarrow F(k_t,1)+(1-\delta)k_t-c_t>k_t\\ \Leftrightarrow c_t<F(k_t,1)-\delta k_t\\ kt+1>kt⇔F(kt,1)+(1−δ)kt−ct>kt⇔ct<F(kt,1)−δkt
稳定均衡解
拉格朗日方法推导欧拉方程
max{ct,kt+1}t=0∞∑t=0∞βtu(ct)s.t.ct+kt+1=f(kt)k0>0,给定(FOCct)∂l∂ct=βtu′(ct)−λt(FOCkt+1)∂l∂kt+1=−λt+λt+1f′(kt+1)=0\max\limits_{{\{c_t,k_{t+1}\}}_{t=0}^\infin}\quad\sum\limits_{t=0}^\infin\beta^tu(c_t)\\ {s.t.}\quad c_t+k_{t+1}=f(k_t)\\ k_0>0,给定\\ {(FOC_{c_t})}\quad\frac{\partial l}{\partial c_t}=\beta^tu'(c_t)-\lambda_t\\ {(FOC_{k_{t+1}})}\quad\frac{\partial l}{\partial k_{t+1}}=-\lambda_t+\lambda_{t+1}f'(k_{t+1})=0 {ct,kt+1}t=0∞maxt=0∑∞βtu(ct)s.t.ct+kt+1=f(kt)k0>0,给定(FOCct)∂ct∂l=βtu′(ct)−λt(FOCkt+1)∂kt+1∂l=−λt+λt+1f′(kt+1)=0
得:
f(k)=F(k,1)+(1−δ)ku′(ct)=βu′(ct+1)[F1(kt+1,1)+1−δ]f(k)=F(k,1)+(1-\delta)k \\u'(c_t)=\beta u'(c_{t+1})[F_1(k_{t+1},1)+1-\delta] f(k)=F(k,1)+(1−δ)ku′(ct)=βu′(ct+1)[F1(kt+1,1)+1−δ]
分散经济下的最优
消费者
max{ct,kt+1}t=0∞∑t=0∞βtu(ct)s.t.ct+kt+1=f(kt)limt→∞kt+1∏t=0t(1+rt)=0\max\limits_{{\{c_t,k_{t+1}\}}_{t=0}^\infin}\quad\sum\limits_{t=0}^\infin\beta^tu(c_t)\\ {s.t.}\quad c_t+k_{t+1}=f(k_t)\\ \lim_{t\rightarrow\infin}\frac{k_{t+1}}{\prod_{t=0}^t(1+r_t)}=0 {ct,kt+1}t=0∞maxt=0∑∞βtu(ct)s.t.ct+kt+1=f(kt)t→∞lim∏t=0t(1+rt)kt+1=0
贝尔曼方程求解:
v(k1)=maxct,kt+1[u(ct)+βv(kt+1)]s.t.ct+kt+1=wt+(1+rt)ktlimt→∞kt+1∏t=0t(1+rt)=0v(k_1)=\max\limits_{c_t,k_{t+1}}[u(c_t)+\beta v(k_{t+1})]\\{s.t.}\quad c_t+k_{t+1}=w_t+(1+r_t)k_t\\ \lim_{t\rightarrow\infin}\frac{k_{t+1}}{\prod_{t=0}^t(1+r_t)}=0 v(k1)=ct,kt+1max[u(ct)+βv(kt+1)]s.t.ct+kt+1=wt+(1+rt)ktt→∞lim∏t=0t(1+rt)kt+1=0
得欧拉方程:
−u′(ct)+βu′(ct+1)(1+rt+1)=0-u'(c_t)+\beta u'(c_{t+1})(1+r_{t+1})=0 −u′(ct)+βu′(ct+1)(1+rt+1)=0
与计划最优欧拉方程对比,若 rt=F1(kt,1)−δr_t=F_1(k_t,1)-\deltart=F1(kt,1)−δ ,消费变动路径一致
厂商
maxkt,ntF(kt,nt)−wtnt−(1+rt)kt+(1−δ)kt\max_{k_t,n_t}\quad F(k_t,n_t)-w_tn_t-(1+r_t)k_t+(1-\delta)k_t kt,ntmaxF(kt,nt)−wtnt−(1+rt)kt+(1−δ)kt
一阶条件:
F1(kt,nt)=rt+δF2(kt,nt)=wtF_1(k_t,n_t)=r_t+\delta\\ F_2(k_t,n_t)=w_t F1(kt,nt)=rt+δF2(kt,nt)=wt
竞争均衡
索洛增长模型
**基本环境:**经济封闭,市场、生产唯一、时间离散
技术:
Yt=F(Kt,AtNt)At+1=(1+g)At=(1+g)t+1A0Y_t=F(K_t,A_tN_t)\\A_{t+1}=(1+g)A_t=(1+g)^{t+1}A_0Yt=F(Kt,AtNt)At+1=(1+g)At=(1+g)t+1A0
生产函数严格准凹、二次可微、一次齐次、对每一个变量严格递增:F(λK,λAN)=λF(K,AN)F(\lambda K,\lambda AN)=\lambda F(K,AN)F(λK,λAN)=λF(K,AN)
密集形式的生产函数:F(KAN,1)=1ANF(K,AN)F(\frac{K}{AN},1)=\frac 1{AN}F(K,AN)F(ANK,1)=AN1F(K,AN)
k=K/AN,y=Y/AN,f(k)=F(k,1)⇒y=f(k),Y=ANf(k)k=K/AN,y=Y/AN,f(k)=F(k,1)\Rightarrow y=f(k),Y=ANf(k)k=K/AN,y=Y/AN,f(k)=F(k,1)⇒y=f(k),Y=ANf(k) ,满足稻田条件
人口:Nt+1=(1+n)Nt=(1+n)t+1N0N_{t+1}=(1+n)N_t=(1+n)^{t+1}N_0Nt+1=(1+n)Nt=(1+n)t+1N0
禀赋:k0k_0k0
离散时间
Kt+1=(1−δ)Kt+ItKt+1=(1−δ)Kt+sYtKt+1AtNt=(1−δ)KtAtNt+sf(KtAtNt,1)(1+g)(1+n)Kt+1At+1Nt+1=(1−δ)KtAtNt+sf(KtAtNt,1)kt+1=(1−δ)kt+sf(kt)(1+g)(1+n)⇔kt+1=g(kt),g(k)=(1−δ)k+sf(k)(1+g)(1+n)K_{t+1}=(1-\delta)K_t+I_t\\ K_{t+1}=(1-\delta)K_t+sY_t\\ \frac{K_{t+1}}{A_tN_t}=(1-\delta)\frac{K_t}{A_tN_t}+sf(\frac{K_t}{A_tN_t},1)\\ \frac{(1+g)(1+n)K_{t+1}}{A_{t+1}N_{t+1}}=(1-\delta)\frac{K_t}{A_tN_t}+sf(\frac{K_t}{A_tN_t},1)\\ k_{t+1}=\frac{(1-\delta)k_t+sf(k_t)}{(1+g)(1+n)}\Leftrightarrow k_{t+1}=g(k_t),g(k)=\frac{(1-\delta)k+sf(k)}{(1+g)(1+n)}\\ Kt+1=(1−δ)Kt+ItKt+1=(1−δ)Kt+sYtAtNtKt+1=(1−δ)AtNtKt+sf(AtNtKt,1)At+1Nt+1(1+g)(1+n)Kt+1=(1−δ)AtNtKt+sf(AtNtKt,1)kt+1=(1+g)(1+n)(1−δ)kt+sf(kt)⇔kt+1=g(kt),g(k)=(1+g)(1+n)(1−δ)k+sf(k)
- g(0)=0g(0)=0g(0)=0
- 函数严格递增,g′(k)>0g'(k)>0g′(k)>0
- 严格凹函数,g’’(k)<0
- 满足修正稻田条件
人均分析
稳定状态:平衡增长路径
定义:kt‾=ktAt\overline {k_t}=k_tA_tkt=ktAt,人均资本增长率 γ\gammaγ ,技术进步速率 ggg
稳定时:kt≡kt‾/At=k∗,kt=kt+i=k∗,i∈[1,+∞]k_t \equiv \overline{k_t}/A_t=k^*,k_t=k_{t+i}=k^*,i\in[1,+\infin]kt≡kt/At=k∗,kt=kt+i=k∗,i∈[1,+∞]
得:
kt+i=kt+i‾At+i=(1+γk‾)i(1+g)ikt‾Atkt‾At=k∗=kt+ik_{t+i}=\frac{\overline{k_{t+i}}}{A_{t+i}}=\frac{(1+\gamma_{\overline k})^i}{(1+g)^i}\frac{\overline{k_{t}}}{A_{t}}\\\frac{\overline{k_t}}{A_t}=k^*=k_{t+i} kt+i=At+ikt+i=(1+g)i(1+γk)iAtktAtkt=k∗=kt+i
即:γk‾=g\gamma_{\overline k}=gγk=g
所有人均层面得变量以外生给定得技术进步速率 ggg 增长
总量分析
稳定状态:平衡增长路径
定义:${k_t}=K_t/A_tN_t $,人均资本增长率 γ\gammaγ ,技术进步速率 ggg
稳定时:kt≡Kt/AtNt=k∗,kt=kt+i=k∗,i∈[1,+∞]k_t \equiv K_t/A_tN_t=k^*,k_t=k_{t+i}=k^*,i\in[1,+\infin]kt≡Kt/AtNt=k∗,kt=kt+i=k∗,i∈[1,+∞]
得:
kt+i=Kt+iAt+iNt+i=(1+γk‾)i(1+g)i(1+n)iKtAtNtktAtNt=k∗=kt+ik_{t+i}=\frac{{K_{t+i}}}{A_{t+i}N_{t+i}}=\frac{(1+\gamma_{\overline k})^i}{(1+g)^i(1+n)^i}\frac{{K_{t}}}{A_{t}N_{t}}\\\frac{{k_{t}}}{A_{t}N_{t}}=k^*=k_{t+i} kt+i=At+iNt+iKt+i=(1+g)i(1+n)i(1+γk)iAtNtKtAtNtkt=k∗=kt+i
即:γK=n+g+ng\gamma_K=n+g+ngγK=n+g+ng ,ngngng 很小可以忽视
总量层面的变量以 n+gn+gn+g 增长
连续时间
基本环境:A˙(t)=gA(t),N˙(t)=nN(t)\dot A(t)=gA(t),\dot N(t)=nN(t)A˙(t)=gA(t),N˙(t)=nN(t)
动态学
资本累积方程:
K˙(t)=sY(t)−δK(t)\dot K(t)=sY(t)-\delta K(t) K˙(t)=sY(t)−δK(t)
由链式法则:
k˙(t)=K˙(t)A(t)N(t)−K(t)A(t)N(t)N˙(t)N(t)−K(t)A(t)N(t)A˙(t)A(t)=sY(t)A(t)N(t)−δk(t)−nk(t)−gk(t)=sf(k)−(n+g+δ)k(t)\dot k(t)=\frac{\dot K(t)}{A(t)N(t)}-\frac{K(t)}{A(t)N(t)}\frac{\dot N(t)}{N(t)}-\frac{K(t)}{A(t)N(t)}\frac{\dot A(t)}{A(t)}=s\frac{Y(t)}{A(t)N(t)}-\delta k(t)-nk(t)-gk(t)=sf(k)-(n+g+\delta)k(t) k˙(t)=A(t)N(t)K˙(t)−A(t)N(t)K(t)N(t)N˙(t)−A(t)N(t)K(t)A(t)A˙(t)=sA(t)N(t)Y(t)−δk(t)−nk(t)−gk(t)=sf(k)−(n+g+δ)k(t)
f(k)f(k)f(k) 为每单位劳动力的平均产量
比较静态分析
对产出
只有技术进步的变化有增长效应,其他所有外生变量的变化只有水平效应无增长效应(改变经济的平衡增长路径,不改变处于平衡增长路径时人均产量的增长率)
对消费
c∗=f(k∗)−sf(k∗)sf(k∗)=(n+g+δ)k∗∂c∗∂s=[f′(k∗(s,n,g,δ))−(n+g+δ)]∂k∗(s,n,g,δ)∂s∂k∗(s,n,g,δ)∂s>0c^*=f(k^*)-sf(k^*)\\ sf(k^*)=(n+g+\delta)k^*\\ \frac{\partial c^*}{\partial s}=[f'(k^*(s,n,g,\delta))-(n+g+\delta)]\frac{\partial k^*(s,n,g,\delta)}{\partial s}\\ \frac{\partial k^*(s,n,g,\delta)}{\partial s}>0 c∗=f(k∗)−sf(k∗)sf(k∗)=(n+g+δ)k∗∂s∂c∗=[f′(k∗(s,n,g,δ))−(n+g+δ)]∂s∂k∗(s,n,g,δ)∂s∂k∗(s,n,g,δ)>0
黄金资本存量(行为人将资本收入全部储蓄起来仅消费劳动收入):
f′(k∗(s,n,g,δ))=n+g+δsg=(n+g+δ)kg∗f(kg∗)sg=f′(kg∗)kg∗f(kg∗)f'(k^*(s,n,g,\delta))=n+g+\delta\\ s_g=\frac{(n+g+\delta)k_g^*}{f(k_g^*)}\\ s_g=\frac{f'(k_g^*)k_g^*}{f(k_g^*)} f′(k∗(s,n,g,δ))=n+g+δsg=f(kg∗)(n+g+δ)kg∗sg=f(kg∗)f′(kg∗)kg∗
对产出影响的定量分析
换掉 sss
∂y∗∂s=f′(k∗)∂k∗(s,n,g,δ)∂ssf′(k∗)∂k∗∂s+f(k∗)=(n+g+δ)∂k∗∂s∂y∗∂s=f′(k∗)f(k∗)(n+g+δ)−sf′(k∗)∂y∗∂ssy∗=sf(k∗)f′(k∗)f(k∗)[(n+g+δ)−sf′(k∗)]=k∗f′(k∗)/f(k∗)1−k∗f′(k∗)/f(k∗)=αk(k∗)1−αk(k∗)\frac{\partial y^*}{\partial s}=f'(k^*)\frac{\partial k^*(s,n,g,\delta)}{\partial s}\\ sf'(k^*)\frac{\partial k^*}{\partial s}+f(k^*)=(n+g+\delta)\frac{\partial k^*}{\partial s}\\ \frac{\partial y^*}{\partial s}=\frac{f'(k^*)f(k^*)}{(n+g+\delta)-sf'(k^*)}\\ \frac{\partial y^*}{\partial s}\frac s{y^*}=\frac s{f(k^*)}\frac{f'(k^*)f(k^*)}{[(n+g+\delta)-sf'(k^*)]} =\frac{k^*f'(k^*)/f(k^*)}{1-k^*f'(k^*)/f(k^*)} =\frac{\alpha_k(k^*)}{1-\alpha_k(k^*)} ∂s∂y∗=f′(k∗)∂s∂k∗(s,n,g,δ)sf′(k∗)∂s∂k∗+f(k∗)=(n+g+δ)∂s∂k∗∂s∂y∗=(n+g+δ)−sf′(k∗)f′(k∗)f(k∗)∂s∂y∗y∗s=f(k∗)s[(n+g+δ)−sf′(k∗)]f′(k∗)f(k∗)=1−k∗f′(k∗)/f(k∗)k∗f′(k∗)/f(k∗)=1−αk(k∗)αk(k∗)
平衡增长路径上资本收入占总收入份额:αk(k∗)\alpha_k(k^*)αk(k∗)
对产量影响的速度分析
一阶泰勒级数近似(对动态学中方程求导)
k˙≅(∂k˙(k)∂k∣k=k∗)(k−k∗)∂k˙(k)∂k∣k=k∗=sf′(k∗)−(n+g+δ)=(n+g+δ)k∗f′(k∗)f(k∗)−(n+g+δ)=[αk(k∗)−1](n+g+δ)\dot k \cong(\frac{\partial\dot k(k)}{\partial k}\mid_{k=k^*})(k-k^*)\\ \frac{\partial\dot k(k)}{\partial k}\mid_{k=k^*}=sf'(k^*)-(n+g+\delta)=\frac{(n+g+\delta)k^*f'(k^*)}{f(k^*)}-(n+g+\delta)=[\alpha_k(k^*)-1](n+g+\delta) k˙≅(∂k∂k˙(k)∣k=k∗)(k−k∗)∂k∂k˙(k)∣k=k∗=sf′(k∗)−(n+g+δ)=f(k∗)(n+g+δ)k∗f′(k∗)−(n+g+δ)=[αk(k∗)−1](n+g+δ)
得:
k˙≅−[1−αk(k∗)](n+g+δ)[k(t)−k∗]k(t)−˙k∗≅−[1−αk(k∗)](n+g+δ)[k(t)−k∗]\dot k\cong -[1-\alpha_k(k^*)](n+g+\delta)[k(t)-k^*]\\ k(t)\dot-k^*\cong-[1-\alpha_k(k^*)](n+g+\delta)[k(t)-k^*]\\ k˙≅−[1−αk(k∗)](n+g+δ)[k(t)−k∗]k(t)−˙k∗≅−[1−αk(k∗)](n+g+δ)[k(t)−k∗]
取:x(t)=k(t)−k∗,λ=(1−αk)(n+g+δ)x(t)=k(t)-k^*,\lambda =(1-\alpha_k)(n+g+\delta)x(t)=k(t)−k∗,λ=(1−αk)(n+g+δ) ,即 x˙(t)∗≅−λx(t)\dot x(t)*\cong -\lambda x(t)x˙(t)∗≅−λx(t)
得:k(t)−k∗≅e−(1−αk)(n+g+δ)t(k(0)−k∗)k(t)-k^*\cong e^{-(1-\alpha_k)(n+g+\delta)t}(k(0)-k^*)k(t)−k∗≅e−(1−αk)(n+g+δ)t(k(0)−k∗)
规模报酬不变 kkk 增加多少,人均有效产出 yyy 也增加多少,即 y(t)−y∗≅e−λt(y(0)−y∗)y(t)-y^*\cong e^{-\lambda t}(y(0)-y^*)y(t)−y∗≅e−λt(y(0)−y∗)
kkk、yyy 每年向 k∗k^*k∗ 、y∗y^*y∗ 移动剩余距离的 λ×100%\lambda\times100\%λ×100%
经验应用
趋同性
kkk 的增长率:
γk=k˙(t)k(t)=sf(k(t))k(t)−(n+g+δ)\gamma_k=\frac{\dot k(t)}{k(t)}=\frac{sf(k(t))}{k(t)}-(n+g+\delta) γk=k(t)k˙(t)=k(t)sf(k(t))−(n+g+δ)
其中:
∂∂ksf(k)k=s[kf′(k)−f(k)]k2\frac \partial{\partial k}\frac{sf(k)}k=\frac{s[kf'(k)-f(k)]}{k^2} ∂k∂ksf(k)=k2s[kf′(k)−f(k)]
kf′(k)kf'(k)kf′(k) 为人均有效资本 kkk 的收入,f(k)f(k)f(k) 代表人均有效资本 kkk 的总收入,所以 kf′(k)<f(k)kf'(k)<f(k)kf′(k)<f(k) (可同时除以 kkk 考虑边际产出递减来得出)
待更新
高级宏观经济学公式整理相关推荐
- 小波变换——公式整理和简单介绍
目录 写在前面 基于矩阵的变换(Matrix-based Transforms) 正交变换 二维情况 小波变换的基本原理 尺度函数(Father Scaling Function) 基本概念 哈尔尺度 ...
- 上海高二物理公式整理
文章目录 电 静电场 带电粒子电场中运动 电容器 磁 电磁感应 交变电流 吐槽一句:CSDN不支持MathJax,xymatrix用不了好烦啊 不太想写公式整理了,所以就水一水,等有空了补全 电 静电 ...
- 安卓高级面试知识整理
安卓高级面试知识整理 Android 四大组件:这是一份全面 & 详细的Activity学习指南 ...
- java面试题高级_Java高级面试题整理(附答案)
java java8 java开发 Java高级面试题整理(附答案) 这是我收集的10道高级Java面试问题列表.这些问题主要来自 Java 核心部分 ,不涉及 Java EE 相关问题.你可能知道这 ...
- 阿里在职7年高级测试工程师整理出的软件测试自学指南
前言 之前发过一次回答,反响不错,所以我把这个又重新整理了一遍写成了文章. 我在自学软件测试的过程中个人整理了一些软件测试学习资料,什么课堂学习笔记.重点思维导图详情,作业练习等. 老规矩:想要的直接 ...
- excel实用公式整理
最近在整理报告用到excel,有些公式还不会,整理下(目前用到的,后续还会加入) 1.excel表格一列中每隔10个数递增指定数值: =ROUNDUP(ROW()/10,0),在这个基础上乘上你的递增 ...
- excel常用公式整理
数据分析中,常常会用到Excel来分析处理数据,使用函数可以辅助我们更好的分析处理数据 以下是整理的常用公式: 将时间戳转换为日期(其中的i2是要被转换的单元格): =TEXT((LEFT(i2,10 ...
- 信道容量、数字基带与带通传输系统误码率公式整理
5天之后就要考射频通信原理了(不知学校哪个鬼才想的射频和通信一起考,正好我们赶上教改第一届)特整理知识点和公式以备复习. 信道 天线增益 G G G: G = 4 π A λ 2 , A > & ...
- 软考高级系统分析师知识点整理
系统分析师知识点整理 信息化战略体系 企业战略规划:企业如何达到目标 信息系统战略规划:信息系统如何支撑这些目标 信息技术战略规划(IT战略规划):需要哪些信息技术支撑信息系统 信息资源规划:信息化建 ...
最新文章
- 前端运行python代码几种方式_前的解释|前的意思|汉典“前”字的基本解释
- 深入理解Java虚拟机知乎_深入理解Java虚拟机(类文件结构)
- 惠普微型计算机怎么样,垃圾佬的养成①日记之惠普HP 400G3 DM迷你小主机入手日记...
- 2周年福利 | 20万字《网易智企技术合辑》重磅发布!
- lombok @Builder注解的使用
- 百度贴吧——因百度账号策略调整导致长时间未登录的账号(最后登录在2017年6月1日以前)网页端无法登陆、移动端异常解决方案
- C# VS本地Sqlserver 操作笔记
- 关于服务器的入门知识整理
- python字符串逆序输出代码_一行代码实现字符串逆序输出
- 赛门铁克运维注意事项
- MySql 一条普通的查询语句 你知道如何优雅的使用 前缀索引、索引下推优化查询速度吗?
- 荣耀20 Pro 5000元最强拍照机翻车?官方怒放样张辟谣
- 自动挡轿车等红灯时,是挂D挡踩刹车好还是挂N挡好呢?
- c语言程序设计单元小测,C语言程序设计单元小测2.doc
- java mail 收发邮件
- 【ARC083E】Bichrome Tree
- 高通android刷机工具,高通android7.0刷机工具使用介绍
- word使用 通配符替换中文汉字
- numpy.loadtxt() 详细用法
- win2008服务器系统玩红警,win8系统不能玩红警2如何解决?win8系统不能玩红警2的解决方法...