• 沒有找到結果。

現在是回答問題的好時機, 一個偏好為 [Ul] 的消費者在消費商品 Yi 時的滿足 感為多少? 讓我們針對這個議題來抽絲剝繭,從商品出發。 首先, 我們定義簡單 商品。 所謂簡單商品,係指給定偏好 [Ul]之下,商品 Yi 為相對於偏好 [Ul] 而言

ëË

ëÆ

ÙÄÅ

ÙÌ

ÙÊ

ëÆ ëÄÄ ëÈ

ÙÌ



4.3: 商品的範例: LISP表現

為簡單商品, 若其剛好與一個 [Ul] 的偏好模組相配。 如此一來很容易來衡量這 個簡單商品,如同之前在表 4.1 所例舉的。

然而, 並非所有的商品都這麼單純。 Yi, 整體也許無法與任何一個 [Ul] 的偏 好模組相配。 相反地, 它也可以很接近或相似消費者的偏好而帶來許多滿足感。

在這一節, 我們提出相似性 (similarity)或近似性 (closeness) 為依據的衡量方 法。 我們稱這個方法為模組相配 (module matching)。

4.2: 模組商品 (σ(Yi))

d Subtrees or terminals 1 X3, X5, X8, X11 2 Y2,1 = (F9X5X11)

Y2,2 = (F9X3X8)

3 Y3,1 = (F12X3(F9X3X8))

4 Y4,1 = (F7(F9X5X11)(F12X3(F9X3X8)))

模組相配的方法是非常直接而且清楚的。 首先, 每個商品皆為不同深度的商 品模組 (modular commodity) 所構成。 例如:4.3 所表示的商品, 其所有的 商品模組皆列在表 4.2。 令 Yd,j 為深度 d 的第 j 個商品模組。 現在可以將商品 呈現給偏好如同圖 4.1 的消費者。 很明顯地, Y4,1 並沒有和表 4.1 的任何一個 偏好模組相配。 然而, 這個商品和消費者的偏好有近似性, 因為其有一主要部分 Y3,1 和消費者的偏好模組 S3,1 (表 4.1) 完全相配。 因此, 當商品和消費者的偏 好不同時, 此商品不一定不重要, 它還是有可能帶給消費者某種程度的滿足。

接下來,我們將商品YiY3,1 本身及其包含的子模組取走,因此,包括Y2,2, X3, 與 X8 在內。 剩下的部分只有 Y2,1 這個商品模組 (4.3)。 這個部分和消 費者的偏好模組 S2,2 相配。 因此, 這個商品帶給消費者的價值增加。 我們再將

Y2,1 從商品 Yi 取走, 此時已經沒有留下任何商品模組。 所以與 Yi 相配的偏好 模組為

MYi:[Ul]={S3,1, S2,2}.

最後, 針對偏好 [Ul] 商品 Yi 所帶來的效用以底數z = 2 可以計算出

U (Yi) = U (S3,1) + U (S2,2) = 4 + 2 = 6

根據這個例子引伸出一些十分關鍵的運作原則。 首先, 過程不會從最小的模 組開始進行模組相配, 像是 X3, X5, X8X11(4.1)。 取而代之, 從最 大的模組開始, 例如: 最大深度做為指標。 操作的方式是依照從大到小的遞減原 則。 第二,一旦任何一個商品模組和相應的偏好模組相配, 此商品模組即不再有 任何作用。 這個稱之為非冗餘原則(non-redundancy principle)。 在這兩個原則 下,自然排除了模組商品 Y2,2, 因為其也同時和偏好模組 S2,3 相配。

有這兩個操作原則的主要目地可以避免重複計算(double-counting)同時可 以導出相應商品的最大價值。 舉例而言, 如果我們從遞增順序開始作模組相配, 則在偏好與原生材料 X3, X5, X8X11 相配之後, 就結束了。 因此 Yi 的效用 變成只有4,明顯沒有將綜效性考慮進來。

我們將模組相配的操作法則整理如下,

步驟1: 列出 Yi 所有的商品模組, 收集成 σ(Yi), 接著依照模組深度分組, 例如由 d = 1, 2, ..., dmax 排列。

步驟2: 設定 d = dmax。 開始從 Ydmax(= Yi)進行模組相配。 如果相配成 功,則表示 Yi 為一個簡單商品,接著設定

U (Yi) = U (Si,j),

其中Si,j 為與 Ydmax = Yi 相配的偏好模組,跳到步驟7。 若未與Ydmax(=

Yi) 相配, 則進行下一步驟。

步驟3:d1,接著為商品模組 Yd,j,∀j 進行模組相配。

步驟4: 對任何相配的模組Yd,j,σ(Yi)刪除該商品模組及其子模組。

步驟5: 所有相配的模組收集在 MYi:[Ul] 集合。

步驟6: 如果 d = 0,σ(Yi) 變成空集合, 則計算 U (Yi) = X

Sd,j∈MYi:[Ul]

U (Sd,j);

否則, 回到步驟3

步驟7: 結束。