统计学按照数据的粗细程度分为(1)定类数据、(2)定序数据、(3)定距数据、(4)定比数据。其中定类数据只是一种类别区分,不同定类数据之间没有一种天然的排序或者数量关系,比如说人的性别分为男、女,即使在统计处理时把男写成0,把女写成1,也并不是说“女就比男大”或者说“男的序在女前面”。对于定序数据,有一种天然的顺序关系,但是不能够进行加减运算,而且不同数据之间的差距没有意义。比如说在态度量表中,有“很不好”、“不好”、“一般”、“好”、“很好”几个等级。这些态度等级之间有一种自然的顺序,这种顺序是有意义的,比如表示了对于某一物品好坏评价的程度。但是定序数据之间的差距没有意义,比如我们不能说“不好”减去“很不好”等于“很好”减去“好”。在经济学里面,序数效用论里面的效用也只是一种顺序,不同的数字大小仅仅表示一种顺序,但是序数之间的差就没有意义了。定距数据,不同数据之间的差是有自然的意义的,最为典型的温度。比如说5°C减去1°C等于11°C减去7°C,即同是相差4°C,这种差有确定的含义。但是定距数据却不能够直接进行倍数的比较。比如我们不能说5°C是1°C的5倍,因为如果把温度换成华氏温标,那么就不再保持5倍的关系。而且0°C不能说是没有温度。这里的零点是一个约定,本身并不表示什么也没有。定比数据则不仅其差有意义,而且其比值也有意义。长度、重量的数据都是定比数据。一件东西长10米,另一件长5米,我们可以说前者是后者的2倍。而且长度为0,意味着东西本身不存在。
从上面的统计学基础知识可以看出,所谓边际增量的概念,不应该用于定类数据。能够使用边际增量概念的,至少应该是定序数据。即使是定序数据,严格讲其边际增量都很难界定清楚。因为“1、2、3”与“0.1、0.2、0.9”能够表达同样的顺序。这样一来,边际增量是多少,其含义是什么,就难以定义了。使用边际增量来表达定距数据与定比数据,则较为自然,含义十分清楚。当然,定比数据的边际增量最清楚明了。
(本文来自: 人大经济论坛 制度经济学 版,详细出处参考:
https://bbs.pinggu.org/viewthread.php?tid=244441&page=1&from^^uid=187681)
四种数据的适用运算如下表:
| 分类 | 排序 | 加减 | 乘除 |
定类数据 | 可 |
|
|
|
定比数据 | 可 | 可 |
|
|
定距数据 | 可 | 可 | 可 |
|
定比数据 | 可 | 可 | 可 | 可 |
明确了定类数据、定序数据、定距数据与定比数据的区别之后,再来看序数效用与基数效用的区别就很容易了。
序数效用是把效用看成是定序数据,基数效用就是把效用看成是定比数据。
序数效用与基数效用的区别对于经济学的影响巨大。
因为如果序数效用是序数效用,那么根据阿罗不可能定理,社会福利函数不可能实际地存在,而社会正义也绝无可能。因为社会正义的最终标准就是看是否使得社会福利函数最大化或增值。
如果效用是基数效用,那么社会福利函数就具有了一个坚实的基础。但是仅有基数效用仍然不一定存在社会福利函数,社会福利函数要存在,还必须要求效用的人际可比。因此,“基数效用”是效用人际可比的前提条件,而基数效用与效用人际可比合起来才是社会福利函数存在的充分条件。