香港計算器

柯布—道格拉斯生產函數計算器

由技術水平、資本與勞動投入計算產出：Y = A · K^α · L^β，是最常用的生產函數模型。

輸入資料

計算結果

100

計算公式

Y = A · K^α · L^β。

α + β = 1：規模報酬不變；> 1 遞增；< 1 遞減。

使用說明

  1. 輸入技術水平 A、資本 K 與勞動 L。
  2. 輸入資本與勞動的產出彈性 α、β。
  3. 查看估算的總產出 Y。

常見問題

柯布—道格拉斯生產函數是什麼？各項代表什麼意思？

柯布—道格拉斯生產函數 (Cobb-Douglas production function) 是經濟學中描述『投入』與『產出』之間關係的一個數學模型，由經濟學家保羅·道格拉斯與數學家查爾斯·柯布在 1920 年代提出，是至今最廣泛使用的生產函數形式之一。它的公式是：Y = A · K^α · L^β。我們把各項拆開來理解。Y 是『總產出』,也就是投入各種要素後生產出來的商品與服務總量。等式右邊的三個元素代表投入與效率：A 是『技術水平』或『全要素生產力 (TFP)』,它是一個放大倍數，反映了在相同的資本與勞動下，一個經濟體因為技術、管理、制度等因素而能多生產多少 —A 越高，同樣的投入能產出越多。K 是『資本投入』,指廠房、機器、設備等生產工具;L 是『勞動投入』,指投入生產的人力 (工時或人數)。而指數 α 和 β 是關鍵的『產出彈性』:α 是資本的產出彈性，代表在其他不變下，資本增加 1%,產出大約會增加百分之幾;β 則是勞動的產出彈性，意義類似。舉例：A = 1、K = 100、L = 100、α = 0.3、β = 0.7，代入公式 Y = 1 × 100^0.3 × 100^0.7 = 100。這個函數用簡潔的形式，把生產所依賴的『技術、資本、勞動』三大要素以及它們各自的貢獻程度，整合在一條式子裡。

什麼是規模報酬？α + β 的大小怎麼判斷？

『規模報酬』(returns to scale) 是柯布—道格拉斯函數一個非常重要的性質，它回答的問題是：『如果把所有投入 (資本和勞動) 都同比例增加，產出會如何變化？』而答案就藏在 α 與 β 的『總和』裡。具體來說：第一，當 α + β = 1 時，是『規模報酬不變』(constant returns to scale)。意思是所有投入都加倍，產出也剛好加倍 — 例如兩座一模一樣的工廠，產出是一座的兩倍，符合直覺。這是最常被假設的情況，尤其在總體經濟成長模型中。第二，當 α + β > 1 時，是『規模報酬遞增』(increasing returns to scale)。投入加倍，產出會『超過』兩倍 — 這可能來自專業化分工、規模經濟等好處，常見於某些高科技或網絡型產業。第三，當 α + β < 1 時，是『規模報酬遞減』(decreasing returns to scale)。投入加倍，產出增加『不到』兩倍 — 可能因為管理協調變困難、某些固定要素成為瓶頸等。要注意區分規模報酬與『邊際報酬遞減』:規模報酬講的是『所有投入一起』同比例變化的效果;而邊際報酬遞減講的是『只增加單一要素』(例如資本不變、只增加勞動) 時，該要素的邊際產出會逐漸下降。在柯布—道格拉斯函數中，只要 α、β 介於 0 與 1 之間，各要素就都呈現邊際報酬遞減，這符合『第一個工人很有用、但工廠塞滿工人後多請一個幫助有限』的現實。判斷 α + β 的大小，能幫助我們理解一個產業或經濟體擴張時的效率特性。

柯布—道格拉斯函數有什麼用途？它有什麼侷限？

柯布—道格拉斯生產函數在經濟學研究與政策分析中用途廣泛，但作為簡化模型，也有明顯的侷限。在『用途』方面：第一，它是分析『經濟成長來源』的核心工具。透過所謂的『成長會計』,經濟學家可以把一國產出的成長，分解成來自資本增加、勞動增加、以及技術進步 (A 的增長，即全要素生產力) 各自的貢獻，從而判斷成長主要是靠『投入更多』還是靠『效率提升』。第二，它用於『要素所得分配』的分析。在完全競爭的假設下，α 和 β 恰好對應資本與勞動在總所得中所佔的份額 (例如 α = 0.3 意味資本約拿走 30% 的所得、勞動拿 70%)，這讓函數能連結生產與分配。第三，它形式簡潔、數學性質良好，被大量用於總體經濟模型、國際貿易、產業研究等的建模。在『侷限』方面則需謹慎：第一，它假設要素之間的『替代彈性恆為 1』,意即資本與勞動可以固定比例地互相替代，但現實中許多生產技術並非如此靈活。第二，它假設 α、β 固定不變，但真實經濟中要素彈性會隨技術與結構改變。第三，把複雜的技術與效率全部塞進單一參數 A,雖然方便，但 A 實際上是個『殘差』(算不出來的部分都歸給它)，其內涵並不明確。第四，它是高度抽象的『總量』模型，難以捕捉個別企業或產業的細節。因此，柯布—道格拉斯函數最好被當作一個『強大而方便的分析框架與近似』,適合把握大方向與進行理論推演，但在精確描述特定生產情境時，需結合其他模型與實證資料。

參考資料