matlab进行道格拉斯筛选,柯布-道格拉斯（Cobb-Douglas）生产函数模型.doc

柯布-道格拉斯(Cobb-Douglas)生产函数模型

齐微 辽宁工程技术大学理学院，辽宁阜新(123000) E-mail: HYPERLINK mailto:qiwei1119@163.com qiwei1119@163.com

摘要：柯布-道格拉斯生产函数(Cobb-Douglas production function)用来预测国家和地区

的工业系统或大企业的生产和分析发展生产的途径的一种经济数学模型，简称生产函数.本 文对大量的生产数据进行处理，建立多项式拟合模型和线性规划模型对数据进行处理完成问 题，对生产数据分析我们建立了多项式拟合，通过误差分析，多项式拟合模型是完全符合数 据的.但通过使用线性回归方法求得的柯布-道格拉斯生产函数，通过对其进行误差分析我们 知道柯布-道格拉斯生产函数与原始数据的误差比多项式拟合模型下的误差小的多. 关键词：柯布-道格拉斯生产函数；多项式拟合；线性回归

柯布- 道格拉斯生产函数最初是美国数学家柯布(C.W.Cobb) 和经济学家道格拉斯 (P.H.Douglas)共同探讨投入和产出的关系时创造的生产函数，是在生产函数的一般形式上作 了改进，引入了技术资源这一因素.他们根据有关历史资料，研究了从 1899－1922 年美国的 资本和劳动对生产的影响，认为在技术经济条件不变的情况下，产出与投入的劳动力及资本 的关系可以表示为：

其中： Y —— 产量；

A —— 技术水平；

Y = AK α Lβ

K —— 投入的资本量；

L —— 投入的劳动量；

α , β —— K 和 L 的产出弹性.

经济学中著名的柯布-道格拉斯(Cobb-Douglas)生产函数的一般形式为

Q(K , L) = aK α Lβ , 0 < α , β < 1

(1-1)

其中 Q, K , L 分别表示产值、资金、劳动力，式中α , β , a 要由经济统计数据确定.现有

《中国统计年鉴(2003)》给出的统计数据如表(其中总产值取自“国内生产总值”，资金 取自“固定资产投资”，劳动力取自“就业人员”)[3].

问题 1：运用适当的方法，建立产值与资金、劳动力的优化模型，并做出模型的分析与 检验.

问题 2：建立 Cobb-Douglas 优化模型，并给出模型中参数α , β 的解释.

问题 3：将几个模型做出比较与分析.

表 0-1 经济统计数据

年份

总产值/万亿元

资金/万亿元

劳动力/亿人

1984

0.7171

0.0910

4.8179

1985

0.8964

0.2543

4.9873

1986

1.0202

0.3121

5.1282

1987

1.1962

0.3792

5.2783

1988

1.4928

0.4754

5.4334

1989

1.6909

0.4410

5.5329

1990

1.8548

0.4517

6.4749

1991

2.1618

0.5595

6.5491

1992

2.6638

0.8080

6.6152

1993

3.4634

1.3072

6.6808

1994

4.6759

1.7042

6.7455

1995

5.8478

2.0019

6.8065

1996

6.7885

2.2914

6.8950

1997

7.4463

2.4941

6.9820

1998

7.8345

2.8406

7.0637

1999

8.2068

2.9854

7.1394

2000

9.9468

3.2918

7.2085

2001

9.7315

3.7314

7.3025

2002

10.4791

4.3500

7.3740

1.问题一求解

1.1 模型建立

假设：有 Q(t ), K (t ), L(t ) 分别表示产值，资金和劳动力，并假设 Q(t )仅与 K (t ), L(t ) 有 关[1].

.

由表 0-1 中的数据拟合出 Q(t ), K (t ), L(t ) 的关系：用 Matlab 画出表 1-1 中数据的关系图， 应用 Matlab 中的 plot 画出图形如图 1-1.

图 1-1 产值、资金和劳动力数据关系图

由图 1-1 可知：选定 Q(t ) 看作是 K (t ) + L(t ) 的一元多项式的优化模型.从而建立模型

Q(t ) = G(K (t ) + L(t )) .

1.2 模型的求解

通过 Matlab 计算出 Q(t )和 K (t ) + L(t )

数据之间拟合误差如表 1-1.

表 1-1 数据拟合次数误差

拟合次数

1

2

3

4

5

6

误差

3.0313

2.4294

1.5141

1.2366

1.0898

1.0887

由上表得知五次拟合和六次拟合误差已经达到很接近，和四次拟合误