效用、預算與最適消費選擇：消費者如何做出最划算的決定

為什麼你的手機只剩 50 元時，會突然開始精打細算？

想像月底了，你的數位錢包只剩 50 元，但你同時想喝一杯手搖飲（30 元）、又想搭公車回家（15 元），還惦記著便利商店那包餅乾（35 元）。你沒辦法全部都要——這就是經濟學裡最核心的處境：有限的資源，無限的慾望。

消費者理論（consumer theory）研究的，正是當一個學習者面對這種「想要的很多、能花的有限」的情況時，會怎麼做決定，以及這個決定是否「最好」。它不是要告訴你「該買什麼」，而是建立一套邏輯，解釋「在你既有的偏好與預算下，什麼樣的選擇對你而言最划算」。理解這套邏輯，你會看懂：為什麼漲價會改變你的購物車、為什麼政府發消費券能刺激經濟、甚至為什麼串流平台要用「吃到飽」訂閱制。

效用：把「滿足感」量化的嘗試

經濟學家用效用（utility）這個概念，來描述消費一件商品帶給你的滿足程度。注意，效用不是「快樂的絕對溫度計」，沒有人能說「這杯咖啡值 17.3 單位的幸福」。它真正有用的地方，是比較與排序：你比較喜歡 A 還是 B？兩杯咖啡帶來的滿足，是否比一杯多?

這裡有一個關鍵且容易被忽略的觀念——邊際效用遞減（diminishing marginal utility）。

「邊際」（marginal）在經濟學裡指「再多一單位」。第一杯水在你口渴時是救命的，滿足感極高；第二杯還不錯；喝到第五杯時，你可能已經覺得撐了，再喝幾乎沒有額外好處，甚至是負擔。也就是說：

$$MU_n = U(n) - U(n-1)$$

其中 $MU_n$ 是第 $n$ 單位的邊際效用，$U(n)$ 是消費 $n$ 單位後的總效用。隨著 $n$ 增加，$MU_n$ 通常會逐漸下降。這個「越多越不稀罕」的規律，是後面所有推論的基石。

看一個例子：兩種商品的邊際效用表

假設小薇在咖啡與蛋糕之間做選擇，她私下評估的效用如下（單位是她自己心中的滿足值）：

你會發現，無論咖啡或蛋糕，每多買一個，新增的滿足都在縮水。這就是邊際效用遞減。先記住這張表，等一下我們會用它找出小薇的「最佳組合」。

預算限制：現實的那條線

慾望可以無窮，但錢包不會。預算限制（budget constraint）描述了你能買得起的所有組合。

假設咖啡單價是 $P_x$、蛋糕單價是 $P_y$，你的總預算是 $I$（income）。若買 $x$ 杯咖啡、$y$ 塊蛋糕，必須滿足：

$$P_x \cdot x + P_y \cdot y \leq I$$

當你把錢花光（等號成立），這條線在以咖啡為橫軸、蛋糕為縱軸的圖上，是一條向右下傾斜的直線：

• 橫軸截距 $I / P_x$：把所有錢都拿去買咖啡，能買幾杯。
• 縱軸截距 $I / P_y$：把所有錢都拿去買蛋糕，能買幾塊。
• 斜率 $-P_x / P_y$：代表「相對價格」，也就是市場上多買一杯咖啡，必須放棄幾塊蛋糕。這正是消費的機會成本（opportunity cost）。

圖形怎麼動，很重要：

• 所得增加（$I$ 變大）：整條預算線平行向外移動，斜率不變——你能買的更多，但相對價格沒變。
• 咖啡降價（$P_x$ 下降）：橫軸截距向外延伸，預算線以縱軸截距為支點向外轉，變得更平緩。蛋糕的最大購買量不變，但咖啡的「划算度」上升了。

把效用與預算放在一起：最適消費選擇

現在我們有了「想要多少」（效用）和「能花多少」（預算）兩塊拼圖。最適消費選擇（optimal consumption choice）就是在預算線上，找到那個讓總效用最大的點。

直覺上的原則叫做等邊際原則（equimarginal principle）：你應該調整花費，直到「每一塊錢花在咖啡上得到的邊際效用，等於花在蛋糕上得到的邊際效用」。寫成公式：

$$\frac{MU_x}{P_x} = \frac{MU_y}{P_y}$$

為什麼是這個條件？用反證法想：如果花在咖啡上的「每元邊際效用」比蛋糕高，代表你把錢從蛋糕移一點到咖啡，總滿足會上升。你會持續搬，直到兩邊拉平為止。一旦相等，任何移動都不會更好——你達到了最佳點。

動手試試：幫小薇找出最佳組合

回到上面那張表。假設咖啡一杯 20 元、蛋糕一塊 12 元，小薇有 84 元。我們來算每種商品「每元的邊際效用」（$MU / P$）：

用「貪心」的方式逐元分配，每次都買「每元邊際效用最高」的那個：

1. 蛋糕第 1 塊（3.00）→ 花 12 元，剩 72
2. 咖啡第 1 杯（2.50）與 蛋糕第 2 塊（2.50）並列 → 兩個都買，花 32 元，剩 40
3. 蛋糕第 3 塊（2.00）與 咖啡第 2 杯（2.00）並列 → 兩個都買，花 32 元，剩 8

到這裡花掉 76 元，剩 8 元不夠再買任何一個（咖啡 20、蛋糕 12）。最佳組合是咖啡 2 杯、蛋糕 3 塊，總花費 $20 \times 2 + 12 \times 3 = 76$ 元。

檢查等邊際條件：此時咖啡第 2 杯的 $MU/P = 2.00$，蛋糕第 3 塊的 $MU/P = 2.00$——剛好相等，符合最佳化條件。總效用為 $90 + 90 = 180$，你可以試試其他組合，會發現都贏不過它。

無異曲線：另一種看待偏好的方式

進階一點的工具是無異曲線（indifference curve）。它把「帶給你相同滿足感的所有商品組合」連成一條線——線上任何一點，你都覺得「一樣好」，無所謂偏好（indifferent）。

無異曲線有幾個重要性質：

• 向右下傾斜：少一點咖啡，必須多一點蛋糕才能維持同樣滿足。
• 凸向原點：反映邊際替代率遞減（diminishing marginal rate of substitution）。當你咖啡已經很多、蛋糕很少時，你願意放棄較多咖啡去換一塊蛋糕；反之則否。這其實是邊際效用遞減的另一種表述。
• 離原點越遠越好：代表更高的滿足水準。

最適選擇，就出現在無異曲線與預算線相切的那一點。在切點上，無異曲線的斜率（邊際替代率 $MRS = MU_x / MU_y$）恰好等於預算線的斜率（相對價格 $P_x / P_y$）：

$$MRS = \frac{MU_x}{MU_y} = \frac{P_x}{P_y}$$

把這個式子移項，你會得到 $MU_x / P_x = MU_y / P_y$——正是前面的等邊際原則。兩條路殊途同歸，只是一個用數字表、一個用幾何圖。

價格一變，行為就變：所得效應與替代效應

當咖啡漲價，你買得更少。這個「買更少」可以拆成兩股力量：

• 替代效應（substitution effect）：咖啡相對變貴了，你轉向相對便宜的蛋糕。這是「划算度」改變造成的替換。
• 所得效應（income effect）：漲價讓你的錢變薄了（實質購買力下降），整體上能買的東西都變少。

舉個政策上的例子：當政府對含糖飲料加徵糖稅，飲料漲價。替代效應讓人們轉向水或無糖茶；所得效應讓整體飲料消費下滑。兩股力量都指向「少喝含糖飲料」，這正是糖稅設計的依據。

理解這個拆解，也能解釋一個常見迷思的反例——季芬財（Giffen good）。對極度貧困者而言，主食（如過去的馬鈴薯）漲價時，反而可能買得更多：因為漲價讓他們更窮（強烈的所得效應），被迫放棄昂貴的肉類，只能用更多便宜主食填飽肚子。這是替代效應被反向的所得效應壓過的罕見情況，提醒我們「需求法則」並非絕對。

重點回顧

• 效用衡量滿足感，重點在排序與比較，而非絕對數值；邊際效用遞減是核心規律——越多越不稀罕。
• 預算線描述買得起的組合，斜率 $-P_x/P_y$ 代表相對價格，也就是消費的機會成本。所得變動讓它平移，單一商品價格變動讓它旋轉。
• 最適選擇滿足等邊際原則 $MU_x/P_x = MU_y/P_y$：每一塊錢花在哪都帶來相同的邊際滿足。
• 無異曲線與預算線相切是同一個結論的幾何版本，切點上 $MRS$ 等於相對價格。
• 價格變動可拆成替代效應與所得效應；理解這個拆解能解釋糖稅、消費券，甚至季芬財這類反例。

深入探討（研究所視角）

在更嚴謹的個體經濟學裡，消費者問題被寫成一個約束最佳化（constrained optimization）：

$$\max_{x,y} \; U(x,y) \quad \text{s.t.} \quad P_x x + P_y y = I$$

用拉格朗日乘數法（Lagrange multiplier）求解，建構 $\mathcal{L} = U(x,y) + \lambda(I - P_x x - P_y y)$，一階條件給出 $U_x / P_x = U_y / P_y = \lambda$。這裡的 $\lambda$ 有漂亮的經濟意義：它是所得的邊際效用（marginal utility of income）——多給你一塊錢，最適效用會增加多少。這把前面直覺的等邊際原則，升格為嚴格的數學結果。

解出來的 $x^*(P_x, P_y, I)$ 稱為馬歇爾需求函數（Marshallian demand），描述需求如何隨價格與所得變動。它的對偶問題是支出最小化：在達到既定效用水準下花最少的錢，解出希克斯需求函數（Hicksian demand）。兩者透過史拉茲基方程式（Slutsky equation）連結，正式地把需求變動分解為替代效應與所得效應——這就是前一節直覺的數學骨架。

更深一層，現代理論不再假設效用「可基數衡量」，而是從偏好關係的公理（完備性、遞移性、連續性等）出發，證明在合理條件下存在一個效用函數來代表偏好。這讓整個架構建立在更穩固的邏輯基礎上。

跨領域連結也很豐富：行為經濟學（behavioral economics）指出，真實的人會受參考點、損失趨避、心理帳戶影響，系統性地偏離這套理性模型——Kahneman 與 Tversky 的展望理論（prospect theory）即由此而來。而在資料科學與機器學習中，離散選擇模型（discrete choice models，如 logit）正是把隨機效用最大化（random utility maximization）轉成可估計的計量工具，廣泛用於交通、行銷與推薦系統。從一杯月底的手搖飲出發，這條理論線最終延伸到了你每天滑到的演算法推薦。