\( \def\vec#1{\bf{\underline{#1}}} \)
Der Umhüllenden-Satz (envelope theorem) macht Aussagen
darüber, wie sich der Wert einer parametrisierten Zielfunktion bei
Parameterveränderungen verhält.
Im Folgenden wird der Umhüllenden-Satz an einem Beispiel aus der
Produktionstheorie eingeführt.
Gegeben sei ein gewinnmaximierender Unternehmer unter
vollständiger Konkurrenz (Mengenanpasser). Das Optimierungsproblem
lautet:
$$G = p \cdot x - C(x) =: f(x,p) \longrightarrow \max$$
(Der Output wird also als $x$ notiert, mit $C'>0$, $C''$$>0$
(abnehmende Skalenerträge))
Die Optimierungsbedingungen dieses Problems sind:
\begin{equation*} \left.\begin{aligned}
\text{1. Ordnung }\quad &{\partial f\over \partial x}&=& p -
{dC\over dx} &{\buildrel \rm ! \over =}& 0 \\
\text{2. Ordnung }\quad &{\partial^2 f\over \partial x^2} &=& -
{d^2C\over dx^2} &<& 0
\end{aligned}
\right\} \Rightarrow
\begin{aligned} \text{Lösung} \ x = x(p)
\end{aligned}
\end{equation*}
Frage:
Wie ändert sich der Gewinn, wenn der Unternehmer die
gewinnmaximale Menge $x^*$ produziert und sich ein Parameter der
Gewinnfunktion (z.B. der Preis $p$) um eine marginale Einheit
steigt?
Die naive Vorgehensweise ist, die Gewinnfunktion nach dem
Parameter $p$ abzuleiten:
\[{dG\over dp} = {d(p\cdot x - C(x))\over dp} = x \]
Diese Vorgehensweise ist nicht korrekt, da $x$ eine Funktion von
$p$ ist:
\begin{eqnarray*}
x &= &x(p)\\
\text{und damit auch } x^* &= &x^*(p)
\end{eqnarray*}
Somit ist $p$ ein Parameter der Gewinnfunktion und im
Gewinnmaximum gilt:
$$G^* = p \cdot x^*(p) - C(x^*(p)) = f(x^*(p), p)$$
Veränderungen des Preises $p$ wirken zum einen direkt und zum
anderen indirekt auf den Gewinn:
$$\begin{matrix}
{dG^*\over dp} &= &{\partial f\over \partial x^*}\ \cdot \
{dx^*\over dp} &+ &{\partial f\over \partial p}\hfill\cr
&&\uparrow \qquad \uparrow &&\uparrow\hfill\cr
&&\hbox{Effekt von Effekt von} &&\hbox{direkter Effekt von
$p$ auf $f$}\cr &&\underbrace{\hbox{$x$ auf $f$ $p$
auf $x$}}_{\hbox{$\vcenter{{\hbox{indirekter Effekt}\hbox{von
$p$ über $x$ nach $f$}}}$}}
\end{matrix}$$
Entsprechend der Optimumbedingung erster Ordnung gilt im Optimum:
\[{dG^*\over dp}
= {\partial f\over \partial x^*} \cdot {dx^*\over dp} + {\partial f\over\partial p}
= \underbrace{(p-\frac{\partial C}{\partial x^*})}_{{\buildrel \rm ! \over =}\ 0 \text{ im Optimum}} \cdot
{dx^*\over dp} + x^*\]
Also
$${dG^*\over dp} = x^* $$
Als Ergebnis lässt sich festhalten, dass der Effekt einer
marginalen Änderung von $p$ auf $G^*$ bei optimaler Anpassung von
$x^*$ genau so ist, als ob $x^*$ nicht angepasst wurde. Daraus
wird der so genannte Umhüllenden-Satz abgeleitet.
\begin{
Satz[Umhüllenden-Satz]
Man betrachte das parametrisierte Maximierungsproblem
$$\max f(\vec{x}, a) \longrightarrow \max$$
mit
$$\vec{x} = \vec{x}(a).$$
Dann gilt im Maximum
$${d(f(\vec{x}(a), a))\over da} \ = \ {\partial f(x, a)\over \partial a}$$
Folgende Beispiele sollen die Anwendung des Umhüllenden-Satzes
zeigen.