
📘 課本上的差別取價
在一般的經濟學課本裡,「差別取價(Price Discrimination)」指的是:
- 同一商品,在不同市場或不同消費者群體,收取不同價格。
- 典型例子:學生票 vs. 全票、商務艙 vs. 經濟艙。
- 公式核心:
- MRA=MRB=MC
也就是壟斷廠商在多市場的「邊際收益 MR」必須相等,並與邊際成本交會決定總產量。 - 結果:需求彈性小的市場 → 價格高;需求彈性大的市場 → 價格低。
獨佔差別取價精神:麻了我就多漲,跑了就收低一點加減賺,達到利潤極大化
🏬 進階應用的差別取價(地主 vs. 土地用途)
把場景換到不動產市場:
- 一位地主擁有所有土地。
- 租給銀行(B)與服飾業(C)。
- 外部場地競爭受限,所以地主可以針對不同行業訂不同租金。
分析邏輯:
- 銀行的土地需求:rB=100−2LB= 100 - 2LB,MR 線更快下降。
- 服飾的土地需求:rC=80−LC,MR 線下降比較慢。
- 地主最大化利潤的條件:
MRB=MRC=λ,LB+LC=L

很多人第一眼都會覺得「不是出高價就能多拿嗎?」但在這裡,陷阱在於我們看的「高價」其實是均衡下的租金,而不是需求曲線起點的「願付能力」。
1. 土地配置的核心邏輯
地主在做差別取價時,不是看「誰喊得價錢高」,而是看 每多給一單位土地能帶來多少額外租金收入(也就是 MR,邊際收益)。
條件是:
MRB=MRC
只要 MR 相等,地主就達到利潤極大化。
2. 為什麼銀行租金高但地少?
- 銀行需求線比較陡:代表「需求缺乏彈性」,少量土地銀行也願意出很高租金。
- 但因為需求陡峭,當銀行拿到更多土地時,租金會迅速下降,地主的 MR 線也掉得快。
- 所以地主只給銀行一小部分土地(這時租金還維持在高水準),就能把銀行的租金榨到極致。
結果:
- 銀行每單位土地出價高 → 小量土地就能貢獻高收益。
- 但給太多,邊際收益掉太快 → 不划算。
- 所以最後銀行「高價、但量少」。
- 土地使用量計算公式
來自 「圓面積公式」。
A=πr2
因為購物中心被簡化成「圓形腹地」,以市中心為圓心,距離當半徑。
- 半徑 OA→ 服飾競標得到土地使用範圍 → 面積就是 π(OA)2
- 半徑 OB → 銀行可承受的最遠範圍 → 整體面積 π(OB)2
- 銀行實際使用土地 = 總銀行圓盤 π(OB)2 減掉內圈已被服飾業搶走的 π(OA)2。
2. 經濟學背景
這一段其實是「競租理論(bid rent theory)」的空間版。
- 距離市中心愈近 → 地租高。
- 不同用途(銀行 vs. 服飾)會依願付地租的高低決定佔據哪一圈土地。
- 最後,空間配置就是一圈圈「同心圓」,用圓面積公式計算各產業的土地用量。
所以,π 只是因為「腹地模型」假設土地是 圓形分佈,所以面積換算才帶 π。
3. 總結一句話
購物中心土地是以圓形腹地來計算面積 → 半徑平方 × π。
3. 為什麼服飾租金低但地多?
- 服飾需求線比較平緩:需求比較有彈性,租金不會因為多租一些地就馬上掉很快。
- 地主發現「多給服飾業一些地,雖然單價低,但量多,總收入還能增加」。
結果:
- 服飾「低價、大量」,貢獻的總租金收入仍然可觀。
- 所以地主把剩下大部分土地分給服飾業。
4. 一句話直覺
這題不是「誰出價高 → 誰拿最多」,而是:
👉 誰的需求彈性小 → 租金較高,但地主不給太多地(因為 MR 掉太快)。
👉 誰的需求彈性大 → 租金較低,但地主分比較多地(因為多給一點還划算)。
5. 生活比喻
就像樂園裡兩種遊客:
- VIP 商務客:願意花大錢買票,但人數少;多推銷幾次,價格就掉得快。
- 家庭客:單價低,但人多;票賣得多仍然能賺大錢。
樂園當然會兩邊都做,但 VIP 票數量少、價格高;家庭票數量多、價格低。
把「差別取價」轉成房東現實世界的玩法,會更好懂。
1. 單一租金(競爭市場)
- 假設某大樓有 20 間店面。
- 房東只能訂一個統一租金(比如每月 3 萬)。
- 銀行、服飾、餐飲誰願意付就租,誰嫌貴就不租。
- 租金由「市場平均」決定:房東收不到特別高價,但也不會閒置。
👉 這就是課本「一價定律」:一個均衡租金,全部店面租出去。
2. 差別取價(壟斷房東)
如果整棟都是一個房東的,而且外面競爭有限,他就可以玩差別取價:
🎯 實務手法
- 地段區隔:
- 一樓面向大馬路,房東知道銀行最愛曝光,就喊「每坪 5000」。
- 二樓或巷子內,只有服飾/小吃要,就開「每坪 2000」。 → 銀行租到少量、一樓黃金店面,單價高;服飾拿到比較多坪數,但單價低。
- 行業區隔:
- 房東會看行業競租力。銀行、藥局、連鎖飲料店,付得起高租金,就優先給黃金地段。
- 書局、服飾、補習班,通常沒辦法比銀行砸錢,房東只好在邊角位置給他們。
- 時間區隔(變相差別取價):
- 剛開幕時先低價租給人氣店,養人流。
- 人潮起來後,再調漲下一手承租人的租金。
3. 為什麼高租金的行業反而地少?
房東心裡的算盤是:
- 「黃金角位只要給一家銀行,就能鎖定整層租金行情。」
- 給太多銀行店面,剩下位置的租金就掉太快,不划算。
- 所以銀行店面通常「小但貴」,服飾/餐飲「大但便宜」。
👉 房東追的是「總租金收入」最大化,而不是單純看誰出價高。
4. 現實例子
- 信義區百貨:銀行、珠寶、旗艦店 → 一樓小空間但租金最高;服飾 → 二樓三樓大空間,單價較低。
- 商場地下街:藥妝店、連鎖咖啡靠出口,租金貴;衣服攤、鞋店往內擺,租金低但坪數大。
📝 總結
- 房東差別取價 ≈ 課本 MR 等化。
- 銀行(需求硬)→ 少量、高價。
- 服飾(需求彈性大)→ 多量、低價。
- 房東靠「地段、行業、時間」把店面切割,最大化總租金收入。
往高階一點的應用,至少有這幾個方向:
1. 阿朗索 (Alonso) 的都市地租理論
- 假設:城市是單一中心(CBD),土地呈圓形腹地分布。
- 推導:不同家庭或企業面臨「交通成本 vs. 地租」取捨,形成遞減的「地租曲線」。
- 結果:人口或產業依需求強度分布成一圈圈的同心圓。
- 應用:解釋為什麼中央是金融/高價值活動,外圍是住宅,最外圈是農業。
👉 π 在這裡就是面積換算工具,用來把「半徑」轉成「土地供給量」。
2. Von Thünen 模型(農業地租)
- 這是更早期的版本(19 世紀),假設城市是市場中心,周圍農地環狀分布。
- 不同農作物因為運輸成本不同 → 願付地租曲線不同 → 分布在不同半徑圈。
- 常見題目會推導:小麥、蔬菜、畜牧業各在什麼距離分布。
- 計算時一樣用到 πr2\pi r^2πr2 轉換「圓面積」。
3. 計量/實務應用
- 都市規劃:利用競租理論估算「零售業 vs. 辦公 vs. 住宅」的最佳分布。
- 地價估計:GIS 系統會用圓形或多邊形 buffer,計算某設施(捷運站、百貨)腹地內的土地面積或人口。π 就是計算 buffer 面積的基礎。
- 交通經濟學:把交通時間換算成「有效距離半徑」,再用 π 公式求可達土地資源。
4. 更高階的數學化
如果進一步用到數學/微積分,π 就不只是「面積換算」而已,還會變成:
- 土地供給函數:
L(r)=πr2
→ 對半徑 r 微分,就能得到「每增加一單位半徑,新增多少土地」:
dL/dr=2πr
這在都市邊界擴張模型裡很常用。 - 均衡推導:
當不同用途的「邊界半徑」由競租曲線決定,就能直接算出各用途佔多少面積。 例如:服飾業 內圈半徑 OA,銀行業 外圈半徑 OB → 面積差公式。
5. 實際延伸案例
- 信義計畫區:一樓靠近大馬路的黃金店面 = 高租金、低面積(類似銀行業)。
- 住宅新城:外圍大面積住宅用地,單價低但佔地廣(類似服飾業)。
- 農村規劃:算不同作物腹地的最適配置,實務上會用 π r² 做土地需求分配。
✅ 總結:
進階應用時,它會變成 都市地租模型的核心工具,牽涉到 Von Thünen → Alonso → 現代 GIS/都市規劃 的一整套框架。
很多人直覺覺得銀行一定要在大馬路口、黃金角,但現實裡確實有不少分行藏在巷弄裡。這背後原因其實很複合:
1️⃣ 歷史因素(老分行)
- 很多銀行分行是 30–40 年前就設立的,那時候地段還沒像今天這麼熱鬧。
- 當年巷內也許是地方「商業核心」或市場旁,後來市容變化、大馬路拓寬,反而顯得位置偏。
- 因為銀行裝潢與金庫搬遷成本極高,舊分行通常「寧願繼續用」而不輕易搬家。
2️⃣ 成本考量
- 巷口租金 vs. 巷內租金 差異可能一倍以上。
- 銀行內部會算帳:如果該分行存款量、放款量有限,沒必要花大錢在黃金角位。
- 尤其是一些「維持據點」的分行(例:為了服務老客戶),巷內就夠了。
3️⃣ 服務型而非曝光型
- 有些分行不是拿來「吸新客」,而是 服務既有客群。
- 例如:某住宅區、某工業區,重點是方便附近居民或廠商,而不是要路過客看到。
- 這種情況下,巷內位置完全可以接受。
4️⃣ 土地/房東因素
- 有些社區地主就是不想切一樓大馬路店面給銀行租,或早就租給其他「零售業」(藥妝、咖啡)。
- 銀行退而求其次,只能選巷內空間。
5️⃣ 分行佈局策略
- 銀行總部規劃網點時,有時只要「區域內有據點」即可,不見得每間都要黃金角。
- 例如:在一個商圈內,可能有旗艦分行(馬路口)+ 普通服務分行(巷內)。
6️⃣ 特殊狀況
- 合併:銀行合併後,常常會多出兩家分行 → 有些就留下「巷內舊據點」。
- 房價飆漲:房東漲租金太狠,銀行不想搬太遠,就改簽巷內空間。
✅ 一句話總結:
巷內分行多半是 歷史殘留 + 成本考量 + 服務定位,不是主打曝光或新客。
→ 如果你看到銀行在大馬路口,那是「旗艦或展示用」;看到巷內分行,那多半是「維持服務據點」。






















