生產與成本（進階）：從成本極小化到對偶性與範疇經濟

為什麼台積電能把成本壓到對手做不到的水準？

你在入門篇已經學會了短期與長期成本曲線、邊際成本（marginal cost, MC）與平均成本（average cost, AC）的關係，也知道廠商會在 $MC = MR$ 處決定產量。但這些圖形其實只是冰山一角。真正讓經濟學家、產業分析師與反托拉斯（antitrust）監管者徹夜思考的，是更底層的問題：

成本函數到底從哪裡來？ 為什麼台積電（TSMC）每片晶圓的成本能壓到競爭對手做不到的水準？這是因為它的「生產技術」特別好，還是因為它「買要素特別便宜」，又或者只是因為它「做得夠大」？這三件事在入門篇裡被混在一條向下傾斜的長期平均成本（long-run average cost, LRAC）曲線裡，但要做嚴肅的分析，我們必須把它們拆開。

這篇進階文章不再重講成本曲線怎麼畫，而是帶你進入成本理論的引擎室：成本函數如何由「生產函數」與「要素價格」共同決定（成本極小化問題）、生產面與成本面之間優美的對偶性（duality）、以及當廠商同時生產多種產品時，傳統的「規模經濟」概念如何不夠用。準備好把圖形換成最適化（optimization）了。

成本函數是「導出」的，不是天上掉下來的

入門篇把成本曲線當成給定的東西。但在嚴謹的個體經濟學裡，成本函數 $C(q)$ 是一個最適化問題的解。廠商面對的真正問題是：

給定我想生產的產量 $q$，以及市場上要素的價格（勞動工資 $w$、資本租金 $r$），我該如何搭配勞動 $L$ 與資本 $K$，才能讓總支出最小？

這就是成本極小化（cost minimization）問題。用拉格朗日（Lagrangian）寫出來：

$$ \min_{L,K} \; wL + rK \quad \text{s.t.} \quad f(L,K) = q $$

其中 $f(L,K)$ 是生產函數（production function）。建構拉格朗日函數：

$$ \mathcal{L} = wL + rK + \lambda\,[\,q - f(L,K)\,] $$

一階條件（first-order conditions）為：

$$ \frac{\partial \mathcal{L}}{\partial L} = w - \lambda f_L = 0, \qquad \frac{\partial \mathcal{L}}{\partial K} = r - \lambda f_K = 0 $$

兩式相除，得到核心的切點條件（tangency condition）：

$$ \frac{f_L}{f_K} = \frac{w}{r} \quad\Longleftrightarrow\quad MRTS_{LK} = \frac{w}{r} $$

左邊是邊際技術替代率（marginal rate of technical substitution, MRTS），也就是等產量曲線（isoquant）的斜率；右邊是等成本線（isocost line）的斜率。直觀地說：在成本最低的生產組合上，「等產量曲線與等成本線相切」。如果還沒相切，廠商就能沿著等產量曲線滑動、用比較便宜的要素替換比較貴的要素，把成本再壓低一點。

這帶來第一個重要觀念：成本曲線的形狀，同時取決於「技術」（$f$ 長什麼樣）與「要素價格」（$w$、$r$ 多少）。台積電的成本優勢，可能來自更好的製程技術（$f$ 更有效率），也可能來自規模採購讓設備與材料更便宜（$w$、$r$ 更低）。把這兩者分開，才是專業分析的起點。

看一個例子：Cobb–Douglas 的條件要素需求

假設生產函數是經典的 Cobb–Douglas 形式：

$$ q = L^{0.5} K^{0.5} $$

切點條件 $\dfrac{f_L}{f_K} = \dfrac{0.5\,L^{-0.5}K^{0.5}}{0.5\,L^{0.5}K^{-0.5}} = \dfrac{K}{L} = \dfrac{w}{r}$，於是 $K = \dfrac{w}{r}L$。

代回生產限制 $q = L^{0.5}\left(\dfrac{w}{r}L\right)^{0.5} = L\left(\dfrac{w}{r}\right)^{0.5}$，解出條件要素需求（conditional factor demand）：

$$ L^*(w,r,q) = q\left(\frac{r}{w}\right)^{0.5}, \qquad K^*(w,r,q) = q\left(\frac{w}{r}\right)^{0.5} $$

把它們代回總支出，得到成本函數：

$$ C(w,r,q) = wL^* + rK^* = 2q\,(wr)^{0.5} $$

注意這個結果有幾個漂亮的性質：成本與 $q$ 成正比（這個技術是固定規模報酬，後面會談）；成本是要素價格的齊次一次（homogeneous of degree 1）函數——若 $w$、$r$ 同時漲一倍，成本也剛好漲一倍；而且它對 $w$、$r$ 是凹函數（concave），反映廠商會替換掉變貴的要素來緩衝衝擊。

把具體數字放進去：若 $w = 100$、$r = 400$、$q = 50$，則 $C = 2 \times 50 \times \sqrt{100 \times 400} = 100 \times 200 = 20{,}000$。對應的要素用量為 $L^* = 50\sqrt{400/100} = 100$、$K^* = 50\sqrt{100/400} = 25$——資本貴，所以廠商少用資本、多用勞動，完全符合直覺。

對偶性：生產面與成本面是一體兩面

成本理論最優雅的結果之一，是生產函數與成本函數之間的對偶性（duality）。你不需要永遠從生產函數出發；只要知道一個性質「良好」的成本函數，就能反推出背後的生產技術。這在實證上極為重要——研究者觀察不到工廠真正的生產函數，但可以用會計與採購資料估計成本函數，再反推技術參數。

對偶性最實用的工具是謝菲爾德引理（Shephard's Lemma）：成本函數對某要素價格的偏導數，恰好等於該要素的條件需求量。

$$ \frac{\partial C(w,r,q)}{\partial w} = L^*(w,r,q), \qquad \frac{\partial C(w,r,q)}{\partial r} = K^*(w,r,q) $$

驗證一下我們的例子：$\dfrac{\partial}{\partial w}\big[2q(wr)^{0.5}\big] = 2q \cdot \tfrac{1}{2} w^{-0.5} r^{0.5} = q\sqrt{r/w} = L^*$。果然吻合。

這個引理為什麼成立？背後是包絡定理（envelope theorem）：在最適點上，要素價格的微小變動對總成本的「直接效果」會主導，而廠商重新調整要素組合所帶來的「間接效果」在邊際上恰好為零（因為原本就站在最適點上）。這也立即推出一個常被考的比較靜態結論——要素需求對自身價格不會正斜率：

$$ \frac{\partial L^*}{\partial w} = \frac{\partial^2 C}{\partial w^2} \leq 0 $$

因為成本函數對價格是凹的，二階導數非正。換句話說，工資上漲，廠商對勞動的（條件）需求只會減少或持平，絕不會增加。這個結果完全來自最適化的數學結構，不需要任何額外假設。

規模報酬 ≠ 規模經濟：一個常見的混淆

入門篇談到 LRAC 向下傾斜時叫「規模經濟（economies of scale）」，向上叫「規模不經濟」。但很多人把它和「規模報酬（returns to scale）」當成同義詞，這是進階學習者必須釐清的迷思。

規模報酬是生產面的概念，描述「所有要素同比例放大 $t$ 倍時，產出變成幾倍」：

• 若 $f(tL, tK) = t\, f(L,K)$：固定規模報酬（constant returns to scale, CRS）
• 若 $f(tL, tK) > t\, f(L,K)$：規模報酬遞增（increasing returns to scale, IRS）
• 若 $f(tL, tK) < t\, f(L,K)$：規模報酬遞減（decreasing returns to scale, DRS）

規模經濟則是成本面的概念，看的是「平均成本是否隨產量下降」，等價於成本對產量的彈性：

$$ \varepsilon_{C,q} = \frac{\partial C}{\partial q}\cdot\frac{q}{C} = \frac{MC}{AC} $$

當 $\varepsilon_{C,q} < 1$（即 $MC < AC$），平均成本下降，存在規模經濟。

在「要素價格固定」且「單一產品」的前提下，這兩者確實對應：IRS $\Rightarrow$ 規模經濟。但一旦放鬆假設，它們就會分家。最關鍵的例子是：即使技術是固定規模報酬，廠商仍可能享有規模經濟——只要它「做得夠大」就能用更低的要素價格採購（買方議價力、批發折扣），或攤平龐大的固定成本。台積電的成本優勢，相當大一部分正是來自這種「pecuniary economies of scale（金錢性規模經濟）」，而不是製程的物理規模報酬。把兩者分開，才不會把「議價力」誤判成「技術領先」。

多產品廠商：範疇經濟與成本互補

入門篇的成本函數 $C(q)$ 只有一個產量變數。但真實世界的廠商通常同時生產多種產品：Amazon 同時做電商與雲端、晶圓代工廠同時跑多種製程節點。此時要問的不只是「做得多會不會比較便宜」，還有「一起做會不會比分開做便宜」。後者就是範疇經濟（economies of scope）。

對兩產品 $q_1$、$q_2$，範疇經濟定義為：

$$ C(q_1, q_2) < C(q_1, 0) + C(0, q_2) $$

也就是同一家廠商一起生產的成本，低於兩家各做一種的成本總和。背後常見的來源是共用投入（shared inputs）：共用的研發、品牌、物流網路、客戶資料。衡量強度可用範疇經濟程度：

$$ SC = \frac{C(q_1,0) + C(0,q_2) - C(q_1,q_2)}{C(q_1,q_2)} $$

$SC > 0$ 代表存在範疇經濟。與之密切相關的是成本互補（cost complementarity），即一種產品多生產一單位，會降低另一種產品的邊際成本：

$$ \frac{\partial^2 C}{\partial q_1 \, \partial q_2} < 0 $$

這個交叉偏導為負，正是反托拉斯與產業組織（industrial organization）分析合併案時的重要判準——它能解釋為什麼某些「看似不相關」的企業合併反而能降低社會總成本，也能拆穿某些只是為了取得市場力（market power）、實則沒有真正成本綜效（synergy）的併購說詞。

動手試試：判斷一家公司有沒有範疇經濟

假設某出版社的成本函數為（單位：萬元）：

$$ C(q_1, q_2) = 200 + 4q_1 + 3q_2 + 0.5q_1 q_2 $$

其中 $q_1$ 是紙本書、$q_2$ 是電子書（千本）。注意到 $\dfrac{\partial^2 C}{\partial q_1 \partial q_2} = 0.5 > 0$，交叉偏導為正，代表這兩條產品線之間是成本「替代」而非互補——多印紙本反而會推高電子書的邊際成本（也許因為共用了有限的編輯人力）。

我們直接檢查範疇經濟。設 $q_1 = q_2 = 10$：

• 一起做：$C(10,10) = 200 + 40 + 30 + 0.5(100) = 320$
• 分開做：$C(10,0) + C(0,10) = (200+40) + (200+30) = 240 + 230 = 470$

雖然交叉項是正的（互補性不利），但因為有一筆 $200$ 的共用固定成本只需付一次，合併生產仍然便宜：$320 < 470$，$SC = \dfrac{470 - 320}{320} \approx 0.47$，存在顯著的範疇經濟。

這個例子的教訓很重要：範疇經濟與成本互補是兩個不同的概念。共用固定成本可以製造範疇經濟，即使邊際成本層次上產品彼此競爭資源。分析時兩者要分開檢查，不能只看交叉偏導的符號就下結論。

重點回顧

• 成本函數是導出的：它是「給定產量、極小化支出」這個最適化問題的解，由生產函數 $f$ 與要素價格 $(w,r)$ 共同決定。最適條件是等產量曲線與等成本線相切，即 $MRTS = w/r$。
• 謝菲爾德引理：成本函數對要素價格的偏導等於該要素的條件需求；由此可證要素需求對自身價格非正斜率（$\partial L^*/\partial w \le 0$），這純粹來自成本函數對價格的凹性。
• 對偶性讓研究者能從可觀測的成本資料反推不可觀測的生產技術，是實證個體經濟學的基石。
• 規模報酬（生產面）≠ 規模經濟（成本面）：技術即使是固定規模報酬，廠商仍可能因議價力或攤平固定成本而享有規模經濟。
• 多產品廠商要看範疇經濟（$C(q_1,q_2) < C(q_1,0)+C(0,q_2)$）與成本互補（$\partial^2 C/\partial q_1\partial q_2 < 0$）；兩者概念不同，需分開檢查，是合併分析的關鍵工具。

深入探討（研究所視角）

到了研究所層次，成本理論會被進一步公理化，並成為實證產業組織與生產力分析的基礎工具。幾個值得繼續鑽研的方向：

一、成本函數的公理化性質與可積分性（integrability）。 一個「行為良好」的成本函數必須滿足：對 $q$ 非遞減、對 $(w,r)$ 一次齊次、對 $(w,r)$ 凹、且為非負連續函數。對偶定理（Shephard, 1953；後由 Diewert、McFadden 等推廣）證明：任何滿足這些性質的成本函數，都唯一對應到一個準凹（quasi-concave）的生產技術。這就是為什麼實證上可以「估成本函數、反推技術」——可積分性條件保證了反推的合法性。常用的彈性函數形式是超越對數成本函數（translog cost function），它對任意技術提供二階近似，並能讓謝菲爾德引理化為線性的「成本份額方程式（cost share equations）」，方便用 SUR（seemingly unrelated regressions）估計。

二、要素替代彈性與技術變動的方向。 Hicks 與後來的 Allen、Morishima 定義了替代彈性（elasticity of substitution），衡量當相對要素價格變動 $1\%$ 時，最適要素比例 $K/L$ 變動幾 $\%$。這直接連到當代最熱門的議題之一：技能偏向型技術變遷（skill-biased technical change）與自動化。若資本（機器、AI）與低技能勞動的替代彈性高、與高技能勞動互補，那麼資本變便宜就會壓低低技能工資、推高高技能工資——這是理解所得分配與 AI 衝擊勞動市場的核心機制。CES（constant elasticity of substitution）生產函數正是為了參數化這個彈性而設計。

三、從成本前緣到生產力衡量。 把成本極小化推到極致，就是前緣分析（frontier analysis）：實際廠商未必站在成本最低點上，與前緣的距離即為「成本無效率（cost inefficiency）」。隨機前緣分析（stochastic frontier analysis, SFA）與資料包絡分析（data envelopment analysis, DEA）正是用來估計這段距離。再進一步，把成本對偶推廣到動態，就得到調整成本（adjustment costs）模型——資本不能瞬間到位，廠商的投資決策因此前瞻、平滑，這把靜態成本理論連向了投資理論與總體經濟的 $q$ 理論（Tobin's $q$）。

四、與市場結構的接合。 本文刻意停在「成本面」，但成本函數的形狀其實會反過來決定市場結構。當存在強烈規模經濟，平均成本長期下降，市場往往只容得下少數廠商，這就是自然獨占（natural monopoly）的成因，也是電力、水、寬頻等網路型產業需要管制的根本理由。建議你接著閱讀「市場結構」與「市場失靈」兩個主題，把這裡學到的成本機制，與廠商的訂價力、社會福利損失串起來——那時你會發現，這篇文章裡的每一條偏導數，最後都會在反托拉斯法庭與管制政策的辯論中現身。