彈性：需求與供給對價格的敏感度

為什麼颱風天的青菜會貴三倍，演唱會門票卻很難因為漲價而沒人買？

想像一個颱風前夕的傳統市場。前一天還是一把三十元的空心菜，今天忽然標到八十元，攤販一邊抱怨菜難進、一邊照樣把菜賣光。同一時間，某位天王宣布加開演唱會，票價比上次貴了五百元，結果開賣三分鐘還是秒殺。

這兩件事看起來都是「漲價」，但背後的故事截然不同。颱風天的菜漲價，是因為供給突然短缺；演唱會票漲了卻照樣售罄，是因為粉絲對價格幾乎「無動於衷」。如果我們只問「價格漲了多少」，永遠搞不懂這兩個市場的差異。真正關鍵的問題是：當價格變動時，買方與賣方的反應有多大？

這個「反應有多大」，就是經濟學裡最實用、也最常被誤用的概念——彈性（elasticity）。它衡量的不是「變了多少」，而是「對某個變數的變動有多敏感」。一旦掌握彈性，你就能解釋為什麼香菸加稅之後菸照樣有人抽、為什麼農夫豐收反而收入下降、為什麼串流平台漲價要小心翼翼。

彈性到底在量什麼：百分比對百分比

彈性的核心定義出奇地簡單：它是兩個百分比變動的比值。最常見的是需求的價格彈性（price elasticity of demand），衡量「當價格變動 1% 時，需求量變動百分之幾」。

$$E_d = \frac{\%\ \Delta Q_d}{\%\ \Delta P} = \frac{\Delta Q_d / Q_d}{\Delta P / P}$$

這裡有個常被忽略的細節：因為需求曲線向下傾斜，價格上升時需求量下降，所以 $E_d$ 算出來會是負數。經濟學上習慣取絕對值來討論彈性大小，因此你常看到「彈性等於 2」其實是指 $|E_d| = 2$。

為什麼要用百分比，而不是直接用「漲了幾塊、少賣幾個」？因為單位會騙人。一杯咖啡漲 10 元，跟一台汽車漲 10 元，意義天差地遠。用百分比，我們才能跨商品、跨市場公平比較敏感度。這也是彈性比「斜率」更好用的原因：斜率會隨單位（公斤、公克、台斤）改變，彈性卻是無單位的純數字。

彈性的光譜：從「鐵了心不變」到「一碰就翻」

依照 $|E_d|$ 的大小，我們把需求分成幾種型態：

• 完全無彈性（perfectly inelastic），$|E_d| = 0$：無論價格怎麼變，需求量都不動，需求曲線是一條垂直線。現實中很罕見，但急救用的胰島素接近這種情況——病患不會因為漲價就少打針。
• 無彈性（inelastic），$0 < |E_d| < 1$：價格變動的百分比大於需求量變動的百分比。民生必需品如米、鹽、汽油多屬此類。
• 單位彈性（unit elastic），$|E_d| = 1$：兩邊百分比剛好相等。
• 有彈性（elastic），$|E_d| > 1$：需求量變動的百分比大於價格變動的百分比。奢侈品、有眾多替代品的商品（某品牌的瓶裝水）多屬此類。
• 完全有彈性（perfectly elastic），$|E_d| = \infty$：價格只要動一點點，需求量就從滿載掉到零，需求曲線是水平線。這是完全競爭市場中單一廠商面對的理論情境。

一個重要且常被誤解的觀念：同一條直線型需求曲線上，彈性並非處處相同。在高價、低量的上段，彈性大（有彈性）；在低價、高量的下段，彈性小（無彈性）；中點剛好是單位彈性。所以說「某商品的彈性是 0.8」其實隱含了「在某個價格區間」的前提，脫離區間談彈性是不嚴謹的。

計算彈性的兩種方法，與一個容易踩的坑

看一個例子

假設一家手搖飲店把大杯紅茶從 30 元漲到 36 元，每日銷量從 200 杯掉到 170 杯。我們來算需求的價格彈性。

如果用最直覺的算法（以起點為基準）：

• 價格變動百分比：$\frac{36 - 30}{30} = +20\%$
• 數量變動百分比：$\frac{170 - 200}{200} = -15\%$
• 彈性：$|E_d| = \frac{15\%}{20\%} = 0.75$

得到 0.75，屬於無彈性——漲價兩成，銷量只掉一成五。

但這裡藏著一個坑：如果反過來問「從 36 元降到 30 元」呢？此時基準變成 36 元與 170 杯，算出來的彈性會是另一個數字。為了避免「漲價」和「降價」算出兩個不同彈性，經濟學常用中點法（midpoint method / arc elasticity），以起點與終點的平均值當分母：

$$E_d = \frac{(Q_2 - Q_1) / \left[(Q_1 + Q_2)/2\right]}{(P_2 - P_1) / \left[(P_1 + P_2)/2\right]}$$

代入數字：

$$E_d = \frac{(170 - 200)/185}{(36 - 30)/33} = \frac{-0.162}{0.182} \approx -0.89$$

取絕對值得 0.89，無論從哪一端算都一樣。中點法的好處就是對稱，方向不影響結果。

動手試試

換你算算看：某串流平台月費從 270 元漲到 330 元，訂閱戶從 100 萬掉到 82 萬。用中點法估彈性，並判斷它是有彈性還是無彈性？（提示：數量變動約 $-19.8\%$、價格變動約 $+20\%$，彈性接近 1，落在單位彈性附近——這正是平台漲價要再三斟酌的原因。）

彈性與總收入：豐收的弔詭

彈性最有實戰價值的應用，是預測漲價對總收入（total revenue, $TR = P \times Q$）的影響。關鍵法則如下：

• 當需求無彈性（$|E_d| < 1$）時，漲價會讓總收入增加。因為量掉的幅度小於價漲的幅度。
• 當需求有彈性（$|E_d| > 1$）時，漲價會讓總收入減少。因為量掉得比價漲得還凶。
• 當需求單位彈性（$|E_d| = 1$）時，總收入在價格微調下不變，達到極大。

這解釋了一個讓初學者驚訝的「豐收弔詭（paradox of plenty）」：農產品需求通常無彈性，當風調雨順、稻米大豐收（供給增加，價格大跌），由於消費者不會因為米變便宜就吃下多很多倍的飯，量增的幅度趕不上價跌的幅度，結果全體農民的總收入反而下降。這也是各國設立農產品保價收購、生產調節政策的經濟學根據。

對手搖飲店來說，剛才算出彈性 0.89（無彈性），意味著從 30 元漲到 36 元後，總收入從 $30 \times 200 = 6000$ 元變成 $36 \times 170 = 6120$ 元，確實上升了。但若這家店面對的是高彈性的客群（巷口有十家競品），同樣的漲價可能讓收入不升反降。彈性決定了漲價是賺是賠。

不只看價格：其他重要彈性

彈性是一個通用工具，分母換成別的變數就有新的意義。

所得彈性（income elasticity） 衡量需求量對所得變動的敏感度：

$$E_m = \frac{\%\ \Delta Q_d}{\%\ \Delta\ \text{所得}}$$

• $E_m > 0$：正常財（normal good），所得增加買更多（如旅遊、餐廳）。其中 $E_m > 1$ 的稱奢侈品。
• $E_m < 0$：劣等財（inferior good），所得增加反而買更少（如泡麵、二手衣）。注意「劣等」是經濟學術語，不代表品質差。

交叉價格彈性（cross-price elasticity） 衡量 A 商品的需求量對 B 商品價格的反應：

$$E_{xy} = \frac{\%\ \Delta Q_x}{\%\ \Delta P_y}$$

• $E_{xy} > 0$：兩者是替代品（substitutes），咖啡漲價，茶的需求上升。
• $E_{xy} < 0$：兩者是互補品（complements），印表機降價，墨水匣需求上升。

供給的價格彈性（price elasticity of supply） 則衡量生產者對價格的反應速度。它的大小主要取決於生產調整的難易與時間：工廠能否快速增產、原料是否好取得。短期內供給通常較無彈性（產能固定），長期則較有彈性（可蓋新廠、招新人）。這正是颱風天青菜暴漲的關鍵：蔬菜的短期供給幾乎無彈性，菜農無法在一夜之間多種出菜來，於是需求稍微頂住、供給一縮，價格就會劇烈跳動。

決定彈性大小的因素

為什麼有些商品彈性大、有些小？掌握以下幾個決定因素，你就能對任何商品做出合理判斷：

1. 替代品的多寡與接近程度：替代品越多越接近，彈性越大。某品牌可樂彈性大（可換別牌），但「所有飲料」當作一個整體彈性就小。
2. 必需品 vs. 奢侈品：必需品（鹽、藥）彈性小，奢侈品（鑽石、頭等艙）彈性大。
3. 支出佔所得的比重：佔比越高，消費者越在意價格，彈性越大。一盒火柴漲一倍你不太在意，房租漲一倍就會認真考慮搬家。
4. 時間長短：時間越長，彈性越大。油價剛漲時你照樣開車（短期無彈性），但長期你可能換電動車、搬到捷運旁（長期較有彈性）。
5. 市場界定的寬窄：界定越窄，彈性越大（「這家牛肉麵」vs.「食物」）。

重點回顧

• 彈性是百分比對百分比的比值，衡量「敏感度」而非「變動量」，且因為無單位，可跨商品比較。
• 依 $|E_d|$ 分為無彈性（$<1$）、單位彈性（$=1$）、有彈性（$>1$）三大類；同一條直線型需求曲線上，彈性處處不同。
• 中點法（弧彈性） 讓漲價與降價算出相同彈性，是避免「基準偏誤」的標準做法。
• 彈性決定漲價影響總收入的方向：無彈性時漲價增收、有彈性時漲價減收——這是「豐收弔詭」與訂價策略的核心。
• 彈性的決定因素包括替代品多寡、必需程度、支出佔比、時間長短與市場界定寬窄。

深入探討（研究所視角）

到了研究所層次，彈性不再只是「課本上的一個比值」，而是連結需求理論、租稅歸宿與計量估計的樞紐。

從效用最大化推導彈性。 在消費者理論中，需求函數 $Q_d = D(P, m)$ 是效用最大化問題的解（受預算限制 $P \cdot x \le m$）。彈性其實是需求函數的對數導數：

$$E_d = \frac{\partial \ln Q_d}{\partial \ln P}$$

這個對數形式說明了為何計量經濟學常對價量取對數後跑回歸——在 $\ln Q = \alpha + \beta \ln P + \varepsilon$ 的設定下，係數 $\beta$ 直接就是（常數）彈性的估計值。更進一步，Slutsky 方程式把價格變動拆成替代效果與所得效果，對應到希克斯（Hicksian / 補償）需求與馬歇爾（Marshallian / 一般）需求兩種彈性。兩者的差異正是所得效果，這在福利分析（消費者剩餘、等值變量 EV / 補償變量 CV）中至關重要。

租稅歸宿（tax incidence）與彈性。 一個深刻的結論是：稅由誰實際負擔，與法律規定向誰課稅無關，而取決於供需的相對彈性。 對單位稅 $t$，買方價格 $P_b$ 與賣方價格 $P_s$ 滿足 $P_b - P_s = t$，買方負擔的比例為：

$$\frac{\Delta P_b}{t} = \frac{E_s}{E_s + |E_d|}$$

彈性越小的一方，負擔越重。這就是為何對需求極無彈性的香菸、汽油課稅，稅負幾乎全壓在消費者身上——而這也正是政府偏好對這類商品課稅的原因（稅基穩定、稅收可預測）。對應的無謂損失（deadweight loss） 則隨彈性增大而增大：彈性越高，課稅造成的交易萎縮越嚴重，效率損失越大。

識別問題（identification problem）。 計量上估計彈性有個經典陷阱：我們在市場觀察到的價量資料，是供給與需求曲線交點的軌跡。若直接對價量做迴歸，得到的可能既不是需求彈性也不是供給彈性，而是兩條曲線同時移動所混淆出的偏誤估計。解法是尋找工具變數（instrumental variable）——例如用天氣（影響供給但不直接影響需求）來識別需求彈性，用所得衝擊（影響需求但不直接影響供給）來識別供給彈性。這是計量經濟學「供需識別」的起點，也是 Wright（1928）以降的經典課題。

跨領域連結。 彈性的思維遠超出傳統市場。在公共衛生與行為經濟學中，「含糖飲料稅」的成效完全取決於需求彈性與替代效果（會不會改喝別的高糖飲料）。在勞動經濟學中，勞動供給彈性決定了最低工資與所得稅對就業的影響。在環境經濟學中，能源需求彈性決定碳稅能否有效減少排放。甚至在資料科學與數位平台研究中，A/B 測試估計的「價格反應」本質上就是在估計彈性——只是換上了實驗設計與因果推論的語言。理解彈性，等於拿到一把能打開許多政策與商業決策大門的鑰匙。