Η συνάρτηση ζήτησης. Demand function

Η συνάρτηση της ζήτησης (Demand function)

Η συνάρτηση ζήτησης σε πρώτο επίπεδο ανάλυσης

Το θεωρητικό υπόβαθρο

Η συνάρτηση ζήτησης  μας δείχνει τη σχέση μεταξύ τιμής (Ρ) ενός αγαθού (ανεξάρτητη μεταβλητή) και της ζητούμενης ποσότητάς (QD) του (εξαρτημένη μεταβλητή) που οι καταναλωτές είναι διατεθειμένοι αλλά και μπορούν να αγοράσουν σε συγκεκριμένη χρονική περίοδο.

Είναι γνωστό ότι η μεταβολή της τιμής – σύμφωνα με το νόμο της ζήτησης – μεταβάλλει την ζητούμενη ποσότητα προς την αντίθετη κατεύθυνση. Εξαίρεση αποτελούν τα Veblen και Giffen goods.

Γνωρίζουμε επίσης ότι η αρνητική (κατά κανόνα) σχέση των δύο μεταβλητών Ρ και QD ισχύει υπό την προϋπόθεση της σταθερότητας κάποιων άλλων παραγόντων (ceteris paribus) που επηρεάζουν την ζήτηση (π.χ. το εισόδημα των καταναλωτών). Εφαρμόζουμε δηλαδή απλή παλινδρόμηση (simple regression)

Η γραφική παράσταση της συνάρτησης ζήτησης μας δίνει την καμπύλη ζήτησης. Επομένως κατά μήκος μιας καμπύλης ζήτησης μπορούμε να διακρίνουμε τη ζητούμενη ποσότητα που αντιστοιχεί σε διαφορετικά επίπεδα τιμών.

Η πρακτική σημασία

Μεταφέροντας την παραπάνω λογική στη συνάρτηση της ζήτησης μπορούμε να αντιληφθούμε ότι:

  • Όταν μεταβάλλεται η τιμή της μεταβλητής Ρ αυτό που μεταβάλλεται είναι η τιμή της μεταβλητής QD και όχι η συνάρτηση της ζήτησης.
  • Επομένως η μεταβολή της τιμής μεταβάλλει την ζητούμενη ποσότητα και όχι τη ζήτηση (video)
  • Διαγραμματικά αυτό σημαίνει μετατόπιση σε άλλο σημείο της ίδιας καμπύλης ζήτησης και όχι μετατόπιση της καμπύλης ζήτησης
  • Η συνάρτηση της ζήτησης μπορεί να ορισθεί – υπολογιστεί εκεί όπου οι προσδιοριστικοί παράγοντες της ζήτησης παραμένουν σταθεροί.
  • Ασφαλώς η προηγούμενη παρατήρηση ισχύει ανεξάρτητα από την αλγεβρική μορφή της συνάρτησης.

 

 Η συνάρτηση ζήτησης σε επόμενο επίπεδο ανάλυσης

Πολλαπλή παλινδρόμηση (multiple regression)

Στην προσπάθεια μεγαλύτερης προσέγγισης της πραγματικότητας εφαρμόζουμε μοντέλα   πολλαπλής παλινδρόμησης. Χρησιμοποιούμε δηλαδή και άλλες ανεξάρτητες μεταβλητές (εκτός της τιμής) για να ερμηνεύσουμε την συμπεριφορά της εξαρτημένης μεταβλητής (ζητούμενη ποσότητα). Αυτές οι άλλες μεταβλητές είναι οι προσδιοριστικοί παράγοντες της ζήτησης τους οποίους διατηρούμε σταθερούς στην αρχική μας ανάλυση.

Βεβαίως θα πρέπει να ληφθεί υπόψη και ο παράγοντας χρόνος (αναφοράς). Είναι γνωστό ότι, για παράδειγμα, δεν υπάρχει κανονικότητα  στη μεταβολή των προτιμήσεων των καταναλωτών  διαχρονικά.

Ένα πρόσθετο θέμα είναι η επιλογή των σωστών ανά μεταβλητή (παράγοντα) συντελεστών στάθμισης(βαρύτητας). Δηλαδή το κατά πόσο ο κάθε παράγοντας επηρεάζει την ζητούμενη ποσότητα. Προς αυτή την κατεύθυνση η συμμετοχή της Στατιστικής και της Οικονομετρίας είναι απαραίτητη.

Τέλος πρόβλεψη απαιτείται και για τυχαίους παράγοντες που μπορεί να επηρεάσουν την εξαρτημένη μεταβλητή (QD) που στο σήμερα δεν μπορούμε να φανταστούμε

Η μορφή της συνάρτηση

Σε αυτή λοιπόν την περίπτωση η μορφή της συνάρτησης θα είναι: QD = f (A, aP, a1X1, a2X2,.., anXn,U) Όπου, P, Χ1, Χ2, ..,Χn προσδιοριστικοί παράγοντες (ερμηνευτικές μεταβλητές) της QD. Η U τυχαία - στοχαστική μεταβλητή. Τα a, a1, a2,..,an οι αντίστοιχοι συντελεστές στάθμισης των μεταβλητών (weighting coefficients - slope parameters). Το A σταθερά που εμφανίζει το μέγεθος της QD που υπάρχει ανεξάρτητα από τους άλλους παράγοντες. Για παράδειγμα,  η ελάχιστη ζητούμενη ποσότητα ψωμιού που ζητείται ακόμα και με μηδενικό εισόδημα.

Συμπεράσματα

Βεβαίως ακόμα και σε αυτό το ανώτερο επίπεδο περιγραφής της πραγματικότητας η προσέγγισή της δεν είναι εύκολη. Οι οικονομικές σχέσεις είναι από τη φύση τους ατελείς με την έννοια ότι αναφέρονται στην ανθρώπινη συμπεριφορά (human behavior) η οποία δεν μετράται ούτε ομαδοποιείται εύκολα αλλά και αλλάζει μέσα στο χρόνο. Πρόσθετα δε τα οικονομικά υποδείγματα δεν είναι δυνατόν να περιλαμβάνουν όλους τους παράγοντες που προσδιορίζουν την εξέλιξη ενός μεγέθους και για το λόγο αυτό χρησιμοποιούμε στοχαστικές μεταβλητές (U) των οποίων η ακριβής πρόβλεψη και στάθμιση στην πραγματικότητα είναι αδύνατη.

 

Κράτα το

Κράτα το

Κράτα το

Κράτα το

0 replies

Leave a Reply

Want to join the discussion?
Feel free to contribute!

Leave a Reply

Your email address will not be published. Required fields are marked *