[论文解读] Lagrange statistics in systems (markets) with price constraints: Analysis of property, car sales, marriage and job markets by the Boltzmann function and the Pareto distribution

Jürgen Mimkes, Th. Fruend+1 more|ArXiv.org|Apr 10, 2002

Statistical Mechanics and Entropy参考文献 4被引用 4

一句话总结

本文提出，由于由机会和约束驱动的随机过程，诸如财产、汽车销售、婚姻和就业市场等经济系统遵循由玻尔兹曼分布控制的拉格朗日统计，而非帕累托幂律。对这些领域的真实世界数据的分析显示，玻尔兹曼函数的拟合效果更优，表明物理统计力学原理比传统的基于帕累托的模型更能准确地模拟经济现象。

ABSTRACT

Statistical models of economic distributions lead to Boltzmann distributions rather than a Pareto power law. This result is supported by two facts: 1. the distributions of income, car sales, marriages or jobs are a matter of chances and luck and not of reason! 2. Data for property, automobile sales, marriages and job markets were analyzed by two models: the Pareto law and the Boltzmann distribution of stochastic systems. In all cases the best fits to data were obtained by the Boltzmann function. This may indicate that the principles of stochastic systems like in physics, chemistry, thermodynamics may also be applied to economic systems.

研究动机与目标

• 调查在价格约束下的经济分布是否遵循玻尔兹曼统计而非帕累托幂律。
• 确定由机会和运气驱动的随机过程是否比理性或确定性模型更能解释市场结果。
• 比较玻尔兹曼分布与帕累托定律对房产、汽车销售、婚姻和就业市场实证数据的拟合效果。
• 探讨物理学中的统计力学原理在经济系统中的适用性。

提出的方法

• 作者应用玻尔兹曼分布来建模在价格约束下的市场结果，将每次交易视为随机事件。
• 通过统计拟合优度度量，比较玻尔兹曼函数与帕累托分布对实证数据的拟合效果。
• 分析包括来自房产销售、汽车市场、婚姻记录和就业市场交易的真实世界数据集。
• 使用拉格朗日乘数法在约束条件下推导玻尔兹曼分布，以建模具有固定总资源的系统。
• 在资源约束下，从最大熵原理推导玻尔兹曼函数，反映随机平衡状态。
• 将帕累托分布用作基准，以检验幂律行为是否更能描述观测到的数据。

实验结果

研究问题

• RQ1 在价格约束下，诸如房产、汽车销售、婚姻和就业市场等经济系统是否表现出玻尔兹曼分布的结果？
• RQ2 与帕累托幂律相比，玻尔兹曼分布是否对市场数据具有更好的统计拟合度？
• RQ3 市场结果在多大程度上由机会和运气驱动，而非理性决策？
• RQ4 物理学中的统计力学原理是否可以应用于建模经济市场分布？
• RQ5 在描述真实市场数据方面，随机系统（玻尔兹曼）相对于幂律模型（帕累托）的解释力如何？

主要发现

• 在所有分析的市场中——房产、汽车销售、婚姻和就业市场——玻尔兹曼函数相比帕累托分布对实证数据的拟合效果更优。
• 研究发现，市场结果主要由随机过程和偶然性驱动，而非理性或确定性行为。
• 在所有四种市场类型中，玻尔兹曼分布始终优于帕累托定律，能更准确地描述观测到的频率分布。
• 结果表明，具有价格约束的经济系统的行为类似于物理学中的随机系统，受最大熵原理支配。
• 作者得出结论：统计力学模型，特别是玻尔兹曼分布，比传统的幂律模型更能准确描述市场动态。
• 数据强烈支持如下假设：随机性与基于约束的平衡状态，而非无标度幂律，是观测分布的内在机制。