Kapitel 4: Nyttefunktioner. Hvad er nytte? - det gamle syn:

Relaterede dokumenter
Kapitel 4: Nyttefunktioner

1 Kapitel 5: Forbrugervalg

Kapitel 3: Præferencer. Hvordan skal vi modellere

Kapitel 3 Forbrugeradfærd

Kapitel 3: Præferencer. Hvordan skal vi modellere præferencer?

Forbrugerteori: Optimale valg og efterspørgsel

1 Kapitel 5: Forbrugervalg

1 Virksomheders teknologi (kapitel 18)

1 Bytteøkonomier (kapitel 30)

1 Virksomheders teknologi (kapitel 18)

1 Bytteøkonomier (kapitel 31)

Program. Statistik og Sandsynlighedsregning. Eksempler. Sandsynlighedstæthed og sandsynlighedsmål

Kvantitative Metoder 1 - Efterår Dagens program

Mikroøkonomi Projektopgave: Valg Under Usikkerhed

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.

Kvantitative Metoder 1 - Forår Dagens program

Kvantitative Metoder 1 - Forår Dagens program

Statistik og Sandsynlighedsregning 2

MASO Uge 7. Differentiable funktioner. Jesper Michael Møller. Uge 7. Formålet med MASO. Department of Mathematics University of Copenhagen

Oversigt [S] 2.7, 2.9, 11.4

Landmålingens fejlteori - Lektion 2 - Transformation af stokastiske variable

Besvarelser til Calculus og Lineær Algebra Globale Forretningssystemer Eksamen - 3. Juni 2014

Forbrugeroverskud, ækvivalerende og kompenserende variationer

Program. Statistik og Sandsynlighedsregning 2 Middelværdi og varians. Eksempler fra sidst. Sandsynlighedstæthed og sandsynlighedsmål

Opgave 1: Mikro (20 point)

Bedste rette linje ved mindste kvadraters metode

Mich Tvede 29. januar Økonomisk Institut Københavns Universitet

Substitutions- og indkomsteffekt ved prisændringer

OR stiger eksponentielt med forskellen i BMI. kompliceret model svær at forstå og analysere

Repetition. Diskrete stokastiske variable. Kontinuerte stokastiske variable

1/41. 2/41 Landmålingens fejlteori - Lektion 1 - Kontinuerte stokastiske variable

UGESEDDEL 9 LØSNINGER. Sydsæter Theorem 1. Sætning om implicitte funktioner for ligningen f(x, y) = 0.

Besvarelser til Calculus og Lineær Algebra Globale Forretningssystemer Eksamen - 8. Juni 2015

Økonometri 1. Den simple regressionsmodel 11. september Økonometri 1: F2

Statistik II 1. Lektion. Analyse af kontingenstabeller

Mich Tvede 29. december 2007 Økonomisk Institut Københavns Universitet. En virksomhed har følgende produktionsmulighedsområde:

MASO Uge 7. Differentiable funktioner. Jesper Michael Møller. Uge 7. Formålet med MASO. Department of Mathematics University of Copenhagen

matx.dk Enkle modeller

Logistisk Regression - fortsat

Vejledende besvarelse på august 2009-sættet 2. december 2009

Vejledende opgavebesvarelse Økonomisk kandidateksamen 2005I 1. årsprøve, Mikroøkonomi

Anvendt Lineær Algebra

Matematisk modellering og numeriske metoder

Matematik B-niveau 31. maj 2016 Delprøve 1

University of Copenhagen. Notat om statistisk inferens Larsen, Martin Vinæs. Publication date: Document Version Peer-review version

Multipel regression. M variable En afhængig (Y) M-1 m uafhængige / forklarende / prædikterende (X 1 til X m ) Model

Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable

Institut for virksomhedsledelse og økonomi, Syddansk Universitet. Workshop. Opgave 1. = = 3x 2

Sætning (Kædereglen) For f(u), u = g(x) differentiable er den sammensatte funktion F = f g differentiabel med

OR stiger eksponentielt med forskellen i BMI komplicet model svær at forstå og analysere simpel model

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET.

Statistik Lektion 3. Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen

Vektorfelter langs kurver

Oversigt [S] 2.7, 2.9, 11.4

t a l e n t c a m p d k Matematik Intro Mads Friis, stud.scient 7. november 2015 Slide 1/25

Uge 43 I Teoretisk Statistik, 21. oktober Forudsigelser

Kvadratisk regression

IKKE-LINEÆR OPTIMERING

1 Oligopoler (kapitel 27)

Mat H /05 Note 2 10/11-04 Gerd Grubb

Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl

Introduktion til Laplace transformen (Noter skrevet af Nikolaj Hess-Nielsen sidst revideret marts 2013)

MASO Uge 8. Invers funktion sætning og Implicit given funktion sætning. Jesper Michael Møller. Department of Mathematics University of Copenhagen

matematik-økonomi-studerende

Anvendt Statistik Lektion 7. Simpel Lineær Regression

Økonometri: Lektion 2 Multipel Lineær Regression 1/27

1 Markedsefterspørgsel (kapitel 15) 1. Markedseftersspørgselskurven: Sammenhængen mellem markedspris og samlet efterspørgsel på et marked.

Teoretisk Statistik, 16. februar Generel teori,repetition

Beskrivende statistik

Lineær og logistisk regression

6. SEMESTER Epidemiologi og Biostatistik Opgaver til Uge 1 (fredag)

Vektorer og lineær regression

Anvendt Statistik Lektion 8. Multipel Lineær Regression

Statistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Sandsynlighedsregning

Vektorer og lineær regression. Peter Harremoës Niels Brock

Middelværdi og varians. Kovarians. korrelation = 0.02 korrelation = 0.7 korrelation = 1.0

Statistik Lektion 2. Betinget sandsynlighed Bayes regel Diskrete stokastiske variable Middelværdi og varians for diskret SV Binomialfordelingen

Analysestrategi. Lektion 7 slides kompileret 27. oktober :24 p.1/17

Matricer og lineære ligningssystemer

Eksamen i Diskret Matematik

Teoretisk Statistik, 13 april, 2005

Statistik II 4. Lektion. Logistisk regression

Transkript:

Kapitel 4: Nyttefunktioner Hvad er nytte? - det gamle syn: 1. Nytte er en indikator for et individs overordnede velfærd. 2. Nytten måles for eksempel på en skala fra 0 til 100. 3. Skalaen er kardinal: 4. Utilitarisme: Maximere summen af individelle nytter. 5. Læs mere om utilitarisme her: http://cepa.newschool.edu/het/proles/bentham.htm http://www.utilitarianism.org/ 1

Jeremy Bentham, 1748-1832. Problemer med det "gamle" syn på nytte: 1. Hvordan måler vi nytten? 2. Kan vi overhoved sammenligne nytten mellem individer? 3. Hvordan fortolker vi kardinal nytte? 4. Kan vi nøjes med et mindre vanskeligt nyttebegreb? 2

Hvad er nytte? - det nye syn: 1. Udgangspunktet er en præferencerelation 2. Nytte er en funktion som repræsenterer præferencer. 3. Nyttefunktionen tildeler et tal til hvert alternativ så at det foretrukne varebundt får højest nytteværdi og vice versa: 4. u repræsenterer hvis: u(x 1 ; x 2 ) > u(y 1 ; y 2 ), (x 1 ; x 2 ) (y 1 ; y 2 ): 5. Ordinal nytte: Kun rangordning af alternativer har betydning. 6. Operationelt nyttebegreb: Kender vi præferencerelation kan vi (som regel) konstruere en nyttefunktion. 3

1. Nej! Finder der altid en nyttefunktion? 2. Eksempel: Tre alternativer x; y og z. (a) x y (b) y z (c) z x 3. (VIS AT DER IKKE FINDES EN NYTTEFUNK- TION). 4

Hvornår ndes en nyttefunktion? 1. Sætning: Hvis der er et endeligt antal alternativer, da er følgende ækvivalent: (a) er komplet og transitiv. (b) kan repræsenteres ved en nyttefunktion. 2. (Vi udelader bevis). 3. POINTE: Så længe at vi antager komplethed og transitivitet, da kommer det ud på et om vi starter med præferencerelation eller nyttefunktion u. 5

4. Ofte betragter vi uendeligt mange alternativer (alle mulige tænkelige størrelser varebundter i R 2 + ). 5. Her ndes eksempler på komplette og transitive præferencer som ikke kan repræsenteres ved en nyttefunktion. 6. Eksempel: Leksikograske præferencer L To goder. (x 1 ; x 2 ) L (y 1 ; y 2 ) hvis [x 1 > y 1 eller x 1 = y 1 og x 2 y 2 ]. 7. Komplet? 8. Transitiv? 9. MEN, kan ikke repræsenteres ved en nyttefunktion. 10.PROBLEMET: Den leksikograske præferencerelation L ikke kontinuert i varerummet R 2 +. 11.I praksis kan vi roligt antage at præferencer er kontinuerte. 6

Er nyttefunktion entydig? 1. SPØRGSMÅL: Hvis der ndes en nyttefunktion u der repræsenter præferencerelation, er u da entydigt bestemt ud fra? 2. SVAR: 7

Konstruktion af nyttefunktion 1. Fra indifferenskurver: Se gur 4.2! 8

2. Eller direkte ud fra fortolkning af præferencer: (a) Perfekte substitutter 1:1 (b) Perfekte substitutter generelt (c) Perfekte komplementer 1:1. (d) Perfekte komplementer generelt. 9

Konstruktion af indifferenskurver fra nyttefunktion 1. Eksempel: u(x 1 ; x 2 ) = x 1 x 2. 2. x 1 x 2 = k, x 2 = k x 2 : 3. Plot kurve for k = 1; 2; 3; :::etc. 10

To vigtige eksempler på nyttefunktioner 1. Kvasi-lineær nytte: u(x 1 ; x 2 ) = v(x 1 ) + x 2 : (a) Nytte lineær i x 2. v(x 1 ) kan være p x 1, log(x 1 ),... (b) Indifferenskurver vertikalt parallelle. 2. Cobb-Douglas nytte: u(x 1 ; x 2 ) = x c 1x d 2: (a) Kan normalisere koefcienter til at summe til 1: (b) (u(x 1 ; x 2 )) 1 c+d = (x c 1 x d 2) 1 c c+d = x (c) a c c+d. bu(x 1; x 2 ) = x a 1x2 1 a : c+d 1 x d c+d 2 = bu(x 1 ; x 2 ): (d) Kan gøres additiv ved en logaritmisk transformation : (e) log u(x 1 ; x 2 ) = log x a 1x2 1 a = a log x 1 +(1 a) log x 2. 11

Marginalnytte 1. Hvis u(x 1 ) er funktion af én variabel, da er marginalnytte @u(x 1 ) = u 0 (x 1 ): 2. Hvis u(x 1 ; x 2 ) er funktion af to variable, da kan vi også udregne marginalnytte af x 1 for fastholdt x 2 - den partielle aedede. @u(x 1 ; x 2 ) = u 0 x 1 (x 1 ; x 2 ): 12

Eksempler 1. Eksempel 1: u(x 1 ; x 2 ) = ax 1 + bx 2. @u(x 1 ; x 2 ) = a: 2. Eksempel 2: u(x 1 ; x 2 ) = x a 1x2 1 a. @u(x 1 ; x 2 ) = ax a 1 1 x2 1 a : 13

Sammenhæng mellem MRS og partielle aedede 1. Husk: MRS i et punkt er hælding på indifferenskurve. 2. I punktet (x 1 ; x 2 ) lad (dx 1 ; dx 2 ) være (lille) ændring i x 1 hhv x 2 så at u(x 1 ; x 2 ) = u(x + dx 1 ; x 2 + dx 2 ): Altså: du = @u(x 1; x 2 ) dx 1 + @u(x 1; x 2 ) dx 2 = 0: @x 2 Hvilket giver: 3. dx 2 dx 1 = @u(x 1 ;x 2 ) @u(x 1 ;x 2 ) @x 2. 14

Transformationer, partielle aedede, MRS 1. Hvis u transformeres, da transformeres partiel aedet også! 2. Men MRS ændres ikke: 3. u(x 1 ; x 2 ). MRS = @u(x 1 ;x 2 ) @u(x 1 ;x 2 ) @x 2 : 4. v(x 1 ; x 2 ) = f(u(x 1 ; x 2 )). 5. MRS = @v @v @x 2 = @f @u @u @f @u = @u @u. @u @x 2 @x 2 15

Eksempel: Cobb-Douglas 1. u(x 1 ; x 2 ) = x c 1x d 2 2. MRS = @u(x 1 ;x 2 ) @u(x 1 ;x 2 ) c 1 1 x d 2 = cx x c dxd 2 1 2 = c x 2 d x 1 : 3. v(x 1 ; x 2 ) = log(u(x 1 ; x 2 )) = c log x 1 + d log x 2 4. MRS = @u(x 1 ;x 2 ) @u(x 1 ;x 2 ) x 1 d 1 @x 2 = c 1 x 2 = c d x x 1 : 2 16

Anvendelse: Bil eller bus til arbejde? 1. Lad x 1 være rejsetid i bil, y 1 rejsetid i bus. 2. Lad x 2 være omkostning ved at køre bil, y 2 være omkostning ved at køre bus. 3.... 4. Antag lineær nytte: u(x 1 ; :::; x n ) = 1 x 1 + ::: + n x n. 5. Estimér i 'ere ud fra observerede valg. 6. Domenich-McFadden (1975): Nyttefunktion gav korrekt forudsigelse af valg i 93% af tilfælde. 7. Med estimeret nyttefunktion kan vi: (a) Udregne MRS mellem to attributter. F.eks.: Hvad er værdi målt i $ for kortere rejsetid? (b) Lave forudsigelser. F.eks. hvor mange skifter til bus hvis rejsetiden forkortes? (c) Udregne velfærdsgevinster: Hvad er værdien (målt i $) for en rejsetidsforkortelse for dem der allerede tager bussen? 17