Modern Microeconomic Analysis 
for Business Strategy 
 

(a Provisional and Incomplete Text) 
 
 
Spring 2010 
 
 
Jim Dewey 
University of Florida 
 
Sam Selikoff 
University of Florida and Gator Tutoring 
 
© 2010 James F. Dewey 

  i
Preface 
Like  top  colleges  and  universities  across  the  nation,  UF  has  become  very 
selective in admissions. The SAT math scores of incoming UF freshmen are on par 
with  those  at  the  universities  with  the  nation’s  top  20  undergraduate  business 
programs.  This  increase  in  selectivity  at  top  schools  has  been  accompanied  by  a 
decrease in selectivity at other schools, where most students attend and where most 
books  are  sold.  As  a  result,  managerial  economics  texts  have  deemphasized 
mathematical rigor at just the point in time when it is of most value for UF students. 
At  the  same  time,  textbook  prices  have  soared.  The  Florida  legislature  has 
required explicit justification for the use of any expensive new textbook, and UF has 
encouraged faculty to provide low cost materials. This mirrors a national movement 
among  the  best  universities  to  make  online  course  materials  available  free  –  two 
examples  are  the  extensive  Open  Courseware  available  from  MIT  and  Preston 
McAfee’s (Cal Tech) text Introduction to Economic Analysis. Provision of high quality 
free online course materials is becoming a hallmark of top universities. 
This draft textbook addresses the need for a text that is appropriate in its level of 
academic rigor and topic selection for UF students taking Managerial Economics and 
is also available at low cost to my students. The text is available free on the course 
website and a printed version is available at Target Copy for approximately $20. 
The text started as a very detailed set of notes based on my lectures created by a 
Sam  Selikoff,  a  former  teaching  assistant.  I  have  gone  through  them  adding, 
clarifying,  editing,  and  shaping  them  into  chapters,  with  Sam’s  help.  Further,  they 
have  been  proofread  and  edited  twice  by  another  teaching  assistant,  Michael 
Canencia.  In  addition,  all  errors  noted  by  students  during  the  Fall  2009  semester 
have been corrected in the current version. However, some chapters have received 
much more attention and revision than others at this stage! 
Writing  a  textbook  is  a  long  and  difficult  task  ‐  this  is  very  much  a  work  in 
progress. The text is provisional and incomplete, and I have no doubt many errors 
remain ‐ you must not rely solely on it in my class. Anything covered in lecture is fair 
game for exams, even if the corresponding material in the text exhibits errors or is 
incomplete.  Even  with  these  imperfections,  most  students  said  they  found  it  very 
useful last semester – very much more useful than students have found alternative 
textbooks. So, even with its flaws, I think it will be quite helpful in your studies, as 
long as you remember it is an imperfect work in progress and therefore… 

USE WITH CAUTION! 
 
Jim Dewey 
1/1/2010 

  ii
Contents 
 
Part 1: Analytical Approach and Tools 
Chapter 1 
  Introduction  1 
Appendix to Chapter 1 
  Math Used in Managerial Economics  24 
Chapter 2 
  Cost, Demand, and Profit Maximization  43 
Chapter 3 
  Applications and Extensions of Optimal Production and Pricing  64 
 
Part 2: Empirical Approximations and Econometrics 
Chapter 4 
  Estimating and Interpreting Approximations  90 
Chapter 5 
  Evaluating Regression Analyses  110 
Chapter 6 
  Omitted Variables Bias  130 
 
Part 3: A Closer Look at Some of the Tools 
Chapter 7 
  Individual Choice  142 
Chapter 8 
  Applications and Extensions of Consumer Theory  159 
Chapter 9 
  Non‐Linear Pricing  170 
Chapter 10 
  Uncertainty with Risk Aversion  187 
Chapter 11 
  More on Production and Cost  203 

  iii
Part 4: Game Theory – Modeling Strategic Interaction 
Chapter 12 
  One Shot Games with Discrete Strategies  222 
Chapter 13 
  One Shot Games with Continuous Strategies  238 
Chapter 14 
  Repeated Games  249 
 
Part 5: Product Market Structure, Strategy, and Analysis 
Chapter 15 
  Homogenous Product Markets  264 
Chapter 16 
  Differentiated Product Markets  282 
Chapter 17 
  Perfect Competition  295 
Chapter 18 
  Applications of Supply and Demand Analysis  308 
Chapter 19 
  Market Structure Wrap Up  315 
 
Part 6: Firm Structure 
Chapter 20 
  Input Procurement and Contracting  330 
Chapter 21 
  The Firm  347 
 

  iv
 
 
 
Part 1 
 
Analytical Approach and Tools 
 

  1
Chapter 1 
Introduction 
Aim of the Course 
Microeconomics  is  the  study  of  how  individuals  and  organizations  allocate 
scarce resources to achieve their ends. That includes the nature of the interactions 
between  those  individuals  and  organizations,  especially  in  markets.  All 
microeconomic  analysis  texts  share  much  in  common,  since  the  core  tools  of 
microeconomic analysis are relatively few. However, this book focuses on applying 
those tools systematically to problems faced by firms and their managers. 
Modern  microeconomics  offers  an  analytical  approach  that  can  help  firms  and 
their  managers  efficiently  organize  their  thoughts  when  faced  with  business 
decisions.  Further,  applied  microeconomic  analysis  underpins  much  of  the 
information  upon  which  business  students  will  base  professional  decisions 
throughout  their  careers.  Some  examples  include:  1)  research  referenced  in 
newspapers, magazines, and trade journal articles about the market in which their 
firm  operates,  2)  reports  conducted  for  firms  by  in‐house  analysis  groups,  3) 
research  conducted  for  firms  by  consultants,  and  4)  studies  conducted  by 
government  agencies  pursuant  to  regulatory  or  other  proceedings.  Some  of  these 
analyses  will  be  quite  good.  Others  will  be  quite  bad.  Relying  on  bad  analyses,  or 
using good ones incorrectly, leads to wasteful, and potentially disastrous, decisions. 
Managers need to understand the tools of microeconomic analysis well enough to be 
able to spot bad information and to use the good information appropriately. 
The  book  first  builds  an  analytical  toolbox  and  then  applies  it  in  a  rigorous 
manner to individual topics. While the individual topics are of some interest in their 
own right, the overarching goal is to show commonalities in the analytical process 
through  repeated  application.  It  is  impossible  to  learn  to  undertake  advanced 
analyses from a single book or a single undergraduate class. But, through repeated 
application  of  the  basic  tools  of  economic  analysis,  it  is  possible  to  gain  enough 
insight  into  economists’  basic  tools  to  focus clearly  and  critically  on  the  important 
economic  aspects  of  a  problem,  and,  also  allow  intelligent  evaluation  of  advanced 
analyses conducted by others. 
It  is  intended  for  use  in  a  course  focused  on  intermediate  microeconomic 
analysis,  especially  of  business  problems  (managerial  economics).  As  such,  it 
presumes  both  a  solid  grounding  in  microeconomic  principles  and  basic  calculus. 
However, the text is sufficiently self‐contained for a diligent student who has never 
had  a  principles  of  microeconomics  course  and  whose  calculus  knowledge  has 
become quite rusty to master the material. 
A  widely  accepted  way  of  classifying  the  learning  objectives  common  in 
traditional  education  is  given  by  the  cognitive  domain  of  Bloom’s  taxonomy.1  It 
                                                        
1 http://en.wikipedia.org/wiki/Bloom%27s_Taxonomy 

  2
places  learning  objectives  into  six  (more  or  less)  hierarchical  categories:  1) 
knowledge  (remembering),  2)  comprehension  (understanding),  3)  application,  4) 
analysis,  5)  synthesis,  and  6)  evaluation.  While  many  lower  level  college  courses 
focus  largely  on  the  first  three  levels,  as  the  words  themselves  imply, 
microeconomic analysis focuses on higher level learning objectives. 
Memorizing  terms,  understanding  concepts,  and  being  able  to  apply  them  in 
situations  you  have  seem  before  are  necessary  to  learning  economic  analysis,  but, 
far from sufficient. Repeatedly working the largest possible set of practice problems 
until  you  can  do  them  backwards  and  forwards  will  help  with  the  first  two  levels 
and somewhat with the third, but will not help you master the higher order learning 
objectives.  You  must  deconstruct  each  new  concept  you  encounter  into  its 
constituent pieces and make sure you understand it from any possible angle and can 
generalize it and adapt it to completely new situations. You must practice analyzing 
situations  you  have  never  before  encountered,  synthesizing  information  from 
various sources to reach insights that have never been explained to you in the past, 
and using the results of your analyses to evaluate alternative courses of actions or 
potential solutions to problems. 

The Goal of the Firm (and its Management) 
Firms procure inputs and use them in turn to produce goods or services that are 
of  value  to  their  customers.  The  difference  between  the  value  of  the  firm’s  output 
and  the  cost  of  the  inputs  used  is  the  value  added  by  the  firm.  If  the  share  of  the 
value of its products which it is able to capture in the form of revenue exceeds the 
cost of production, some residual revenue will be left over as profit. Mathematically, 
  π = R −C   (1.1) 
where π is profit, R is total revenue, and C is total cost. 
Who gets to claim this residual revenue (profit)? The firm’s shareholders are the 
residual claimants in this case. The value of all shares in the firm, in fact, will equal 
(approximately) the expected present value of all future profits, though, we still need 
to define exactly what we mean by expected present value. Since the shareholders 
prefer  to  be  wealthier,  they  will  seek  to  provide  their  agents,  the  firm’s 
management,  with  incentives  to  maximize  the  value  of  their  shares.  Thus,  the 
primary goal of the firm’s management is to utilize the limited resources available to 
them to maximize the expected present value of future profits. 

Present Value 
The  difference  between  the  future  value  and  present  value  of  a  sum  of  money 
depends  on  the  time  value  of  money  as  reflected  in  the  interest  rate  (r).  If  the 
interest rate is 5%, for example, after one period the initial $100 will have earned $5 
in  interest,  so  the  initial  amount  will  have  grown  to  $105.  Every  time  interest 
compounds, the value at the end of the period is 1.05 times the value at the end of 
the  previous  period.  After  two  periods,  the  same  $100  would  be worth  1.05  times 

  3
$105, or $110.25. Generally, if the interest rate is r, the future value (denoted FV) of 
any given initial or present value (denoted PV) after t time periods is 
  FV = PV (1 + r )t .  (1.2) 
This equation compounds the present value forward by a factor, determined by 
the length of time and the interest rate, to obtain the future value. 
Since any initial sum growing at a given interest rate will be grow into a larger 
sum in the future, any given future value is worth less than that future value at the 
present time. Dividing both sides of equation (1.2) by  (1 + r )t , we find the following 
expression for the present value of a future amount: 
FV
  PV = .  (1.3) 
(1 + r )t
This equation discounts the future value backward by a factor, determined by the 
length of time and the interest rate, to obtain the present value. 
 
Example: Present/Future Value 
If the interest rate is 10% and you invest $1 today, what is the future value three 
years from now? 
Solution: Use the equation for future value, observing PV = $1, r = 0.10 and t = 3. 
FV = PV (1 + r )t
FV = $1(1 + 0.1)3  
FV = $1(1.1) = $1.331
3

If the interest rate is 10% and you receive $3 two years from today, what is the 
present value? 
Solution: Use the expression for present value, observing FV=$3, r=0.10 and t=2. 
FV
PV =
(1 + r )t
3
PV =  
(1 + 0.1)2
3
PV = 2 = 2.48
1.1
 
Of course, future profits are not realized in only one period. To find the present 
value of a series of profits realized over any number of years, we simply add up the 
present  value  of  each  individual  profit  realization.  So,  if  πt  represents  the  value  of 
profit  realized  after  period  t,  the  value  of  the  firm  at  time  0  (the  present)  would 
simply be 

  4
 π1 π2 π3
V0 = π 0 + + + +
1+ r (1 + r ) (1 + r )
2 3

  .  (1.4) 
πt
= ∑t
(1 + r )
t

 
Example: Net Present Value of a Project 
Suppose a project involves an expenditure of $124 currently, and will return $21 
after  one  year,  $72  more  after  2  years,  and  $45  after  the  third  year,  at  which 
point the project ends. If the interest rate is 8%, what is the net present value of 
the project? 
Solution: Use the equation for net present value, observing r = 0.08, π0 = ‐124, π1 
= 21, π2 = 72, and π3 = 45. 
21 72 45
PV = −124 + + + ≈ −7.10 . 
1.08 1.08 1.083
2

Information Structure 
Often  calculating  a  firm’s  value,  or  the  net  present  value  of  any  particular 
investment or project, is impossible to do with complete precision since there is no 
way to know for sure what the future will bring. The structure of information ‐ who 
knows  what,  when  they  know  it,  and  how  certain  they  are  in  that  knowledge  ‐  is 
important  in  analyzing  any  decision.  We  consider  three  possible  information 
structures. 

Complete and Perfect Information 
When everyone knows exactly what the future holds, and, knows that everyone 
has  the  same  information,  it  is  referred  to  as  complete  and  perfect  information. 
This  is,  obviously,  the  simplest  possible  information  structure.  In  this  case, 
calculating the present value of profit, or the present value of any cash flow project, 
is a straightforward application of equation (1.4). 

Simple Risk and Uncertainty 
We  will  think  of  situations  involving  uncertain  outcomes  as  lotteries,  in  which 
every possible outcome might occur with some probability. Risk refers to a situation 
where  everyone  shares  (more  or  less)  common  estimates  of  the  probabilities  of 
each  possible  outcome  based  on  the  laws  of  probability  or  rigorous  empirical 
analysis. Uncertainty encompasses risk and broader cases of imperfect information 
where there is not enough information to form assessments of the probabilities of 
every  possible  outcome  based  on  agreed  upon  laws  of  probability  or  empirical 
regularities.  In  that  case,  everyone  must  form  their  own  subjective  probability 
assessments  that  reflect  their  best  guesses  about  the  probability  of  each  possible 

  5
outcome  based  upon  whatever  information  is  available  to  them.  If  everyone  is 
exactly  identical  and  all  information  is  shared  in  common,  everyone  will  reach 
common probability estimates. When people differ in their experiences, knowledge, 
and abilities, their subjective probability estimates will differ. 
Uncertainty  affects  virtually  every  decision  taken  by  a  firm’s  management.  For 
our  purposes,  sometimes  we  may  assume  away  the  uncertainty  to  focus  on  other 
important  aspects  of  a  problem  in  situations  where  the  uncertainty  itself  is  not 
important  to  the  main  point  under  consideration.  However,  a  great  deal  of  the 
information  in  the  text  will  explicitly  incorporate  incomplete  information  in  the 
form of uncertainty about future events. 

Asymmetric Information 
Sometimes,  some  individuals  have  better  or  more  accurate  information  about 
uncertain  contingencies  than  everyone  else.  While  such  asymmetric  information 
may play a role in a number of important markets, it is an advanced topic which we 
will not return to in detail until much later. At this point, though, it is worth noting 
that  this  phenomenon  can  lead  to  severe  market  failure.  Typically,  such  market 
failures take one of two forms. 
Adverse  selection  occurs  when  one  individual  has  information  about  inherent 
characteristics  of  the  problem  that  is  not  available  to  others.  To  see  why  this 
matters,  consider  the  market  for  used  cars.  For  purposes  of  our  example,  suppose 
used  cars  are  either  high  quality  or  low  quality.  Further,  suppose  individuals  who 
own used cars and are seeking to sell them know the quality of the car, but potential 
buyers  do  not.  Those  looking  to  sell  high  quality  cars  will  only  sell  them  at  a  high 
price.  However,  if  there  are  enough  low  quality  cars  out  there,  buyers  will  not  be 
willing to pay a high price for any used car, for fear they will get a low quality car 
that was not worth the money. Anticipating this, owners of the highest quality used 
cars will simply not offer them for sale, and will instead hold onto them longer than 
they  otherwise  would.  The  market  for  the  highest  quality  used  cars  would  simply 
not exist if information was too asymmetric. 
Moral Hazard occurs when one individual has information about an action they 
have  taken  that  is  not  available  to  others  and  is  therefore  shielded  from  the 
consequences of their actions. For example, an hourly employee whose work rate is 
hard  to  monitor  may  not  work  as  hard  as  someone  whose  work  rate  is  easier  to 
monitor. This can create a role for incentive contracts. As another example, all else 
equal, someone with complete homeowners insurance coverage may take less care 
in preventing losses due to, say, fire damage. This creates a need for deductibles and 
for explicit incentives in the form of policy discounts for homeowners to undertake 
safety investments. 

Expected Value and Attitudes Toward Risk 
When an entity such as an individual or a firm faces uncertainty (whether or not 
information  is  symmetric),  their  attitude  toward  risk,  as  well  as  the  degree  of  the 
risk  itself,  affects  their  evaluation  of  the  options  they  face.  Therefore,  we  will 

  6
consider  the  implications  of  different  information  structures  and  attitudes  toward 
risk. Before doing so, however, it is useful to first introduce two concepts, expected 
value (EV) and the certainty equivalent (CE). 
Roughly  speaking,  expected  value  is  the  average  outcome  if  a  given  lottery  is 
played a very large number of times. More specifically, if i is an index of the possible 
outcomes  (so  that  i=1  for  the  first  possible  outcome,  and  so  on),  xi  is  the  value  if 
outcome  i  occurs,  and  fi  is  the  probability  of  outcome  i,  the  definition  of  expected 
value of x, denoted E(x), is 
  E ( x) = ∑ i f i xi .  (1.5) 

We  will  often  use  f  to  denote  probabilities.  But,  sometimes  we  will  write  Pr(xi)  to 
denote the probability that x takes on the specific value xi. 
 
Example: Expected Value 
Suppose the probability that profit is $40 is 0.8; otherwise, profit is ‐$100. Find 
the expected value of this gamble. 
Solution: Use the definition of expected value, observing that Pr(π=40) = 0.8 and 
Pr(π=‐100) = 0.2. 
n
E ( x) = ∑ Pr( xi ) xi
i =1  
E ( x) = 0.8(40) + 0.2(−100) = 12
Notice that we found the expected value to be $12. When the uncertainty is 
resolved,  profit  will  either  be  $40  or  it  will  be  ‐$100.  What,  then,  is  the 
interpretation of the $12? If this gamble were taken 100 times, about 80 times 
profit would be $40, and the other 20 times profit would be ‐$100; the average 
per‐period profit would then be $12. 
 
Now imagine facing a choice between a lottery on one hand and a certain sum of 
money  on  the  other.  If  the  sure  thing  is  a  low  enough  value,  the  lottery  will  be 
preferred, and if the sure thing is a high enough outcome, it will be preferred. The 
certainty equivalent (CE) of a lottery is the sum of money for certain that is viewed 
as exactly equivalent to the lottery. 
A  risk  neutral  entity  is  indifferent  toward  risk  –  they  care  only  about  the 
expected value. For them, the certainty equivalent and the expected value are equal 
(CE=EV). Faced with a choice between the lottery in the example above and $12 for 
certain,  a  risk  neutral  individual  would  be  indifferent.  Most  individuals,  however, 
are  risk  averse,  meaning  the  certainty  equivalent  of  a  lottery  is  less  than  its 
expected  value  from  their  point  of  view  (CE<EV).  They  would  choose  $12  for  sure 
rather  than  the  lottery  above.  For  someone  who  is  risk  loving,  the  certainty 

  7
equivalent  of  a  lottery  is  higher  than  the  expected  value  (CE>EV).  They  would 
choose the lottery above over $12 for certain. 

Expected Present Value and the Value of the Firm 
While most individuals are risk averse, we will assume firms evaluate uncertain 
options  in  an  approximately  risk  neutral  manner.  Why?  First,  it  is  the  simplest 
possible model, allowing us to focus on other, more important issues until we learn 
to model risk aversion (in Chapter 5). Second, individual stockholders can diversify 
by buying shares in many different firms and holding any number of other types of 
assets,  such  as  bonds,  currency,  or  real  estate.  To  the  extent  the  risks  associated 
with  different  assets  in  the  portfolio  are  independent,  diversification  reduces  the 
aggregate  risk  in  the  portfolio.  In  the  most  extreme  case,  if  shareholders  could 
diversify  away  all  the  risk  in  their  portfolio  (so  below  expected  returns  on  some 
investments  are  exactly  offset  by  above  normal  returns  on  others),  they  would 
simply want the firms in which they held shares to make the choices that maximize 
expected profits, regardless of the apparent risk to the individual firm. 
In  reality  it  is  not  possible  to  diversify  away  all  risk  in  a  portfolio.  But,  the 
uncertainty  in  the  return  of  an  individual  stockholder’s  diversified  portfolio  is  far 
less than the uncertainty of the expected profit of an individual firm in that portfolio. 
Further, the relationship between the expected return of a well diversified portfolio 
and the expected return to any given stock in that portfolio is much stronger than 
the relationship between the overall uncertainty about the return of a the portfolio 
and the uncertainty about the return of an individual firm’s stock in that portfolio. 
So, it makes sense to model firms as if managers care predominantly about expected 
profit, with the degree of uncertainty only a secondary concern. 
Above,  we  argued  the  value  of  a  firm  was  approximately  equal  to  the  present 
value  of  future  profits  when  there  was  no  uncertainty.  If  the  value  of  a  firm  is 
evaluated in an approximately risk neutral manner, the value of the firm will be the 
expected present value of future profits (EPV). The idea is to find the expected value 
of profit in every future period and then discount those values back to the present. 
Mathematically, EPV is 

  EPV = ∑ t
Ei ( xit )
=∑ t
∑ i
fit xit
.  (1.6) 
(1 + r ) (1 + r )
t t

The value of the firm at time 0 is then 

  V0 = ∑ t
∑ i
fitπ it
.  (1.7) 
(1 + r )
t

 
Example: Present Expected Value 
Suppose  a  firm  is  considering  acquiring  the  rights  to  a  project  that  has  an 
uncertain  return  over  the  following  two  years.  After  one  year,  the  project  will 

  8
 return  $100  with  probability  0.4,  otherwise  it  will  return  −$200   at  that  time. 
After two years, there is a 0.7 probability the project will return $400 in addition 
to the first year returns, otherwise it will return an additional ‐$200. What is the 
most  the  firm  should  be  willing  to  pay  to  acquire  this  project?  Assume  an 
interest rate of 7%. 
Solution: Using the definition of expected present value, calculate the expected 
value of the return each period, discount them back to the present, and sum. 
0.4(100) + 0.6(−200) 0.7(400) + 0.3(−200)
PEV = +
(1.07) (1.07) 2  
PEV = −74.76636 + 192.15652 = 117.39017
This expected present value is what the project is worth to us today. The value of 
a firm is nothing more than the expected present value of all future cash flows 
the firm may generate from all projects it may undertake. 
 

Value of Information – Part 1 – Yes/No Decisions 
In a world of uncertainty, supplemental information helps managers make better 
profit‐maximizing  decisions.  Every  manager  has  their  own  “best  guess”  about  the 
future, based on the internal knowledge of the firm. However, if a manager is able to 
accumulate  additional  outside  information,  perhaps  through  hiring  a  consultant, 
they may be able to readjust their perceptions of the future. It follows from this that 
information can be valuable to managers. In fact, it is valuable to the extent it leads 
the  manager  to  update  their  probability  estimates  and  to  therefore  alter  their 
decisions. 
We  start  with  the  simplest  kind  of  decision,  where  a  firm  faces  a  single, 
dichotomous decision. Imagine, for example, we are considering drilling an oil well, 
but are uncertain as to whether or not we will strike oil. It costs money to build the 
rig, so if we hit oil we will make a profit, but if we don’t hit oil we will have lost the 
cost  of  building  the rig.  We  have  our  own  ideas  about  how  likely  it  is  that  we will 
strike oil, based on our previous knowledge, experience, and other freely available 
information. But, we also have the option to hire a geological consultant who could 
run  tests  and  analyze  samples  and  tell  us  what  their  “informed”  opinion  is. 
Consultants  aren’t  perfectly  accurate;  they  merely  have information  that allows  us 
to update our own probability estimates. So the question becomes, what is it worth 
for us to have better information, rather than perfect information? 
First,  consider  whether  or  not  we  should  proceed  based  only  on  our  own 
information. Suppose this project has two possible outcomes, call them success (S) 
or  failure  (F),  and  that  the  probability  of  success  is  Pr(S)   and  the  probability  of 
failure is  Pr(F) = 1− Pr(S) . The payoff for success is  π S  and the payoff for failure is 
π F ,  where  π S > 0   and  π F < 0 .  Finally,  assume  we  do  not  need  to  worry  about 
discounting, for simplicity. 

  9
 The  figure  below  shows  the  situation  in  a  simple  decision  tree.  The  firm’s 
decision to proceed or not is represented graphically by the white square at the left. 
If they choose not to proceed (the top path through the figure), the probability is 1 
(the dashed box) that they will earn a payoff of $0. If, however, they proceed, they 
are not sure what will happen. In that case, whether or not they succeed depends on 
the resolution of uncertainty regarding the underlying state of nature, represented 
by  the  shaded  circle.  If  conditions  turn  out  to  be  favorable,  which  occurs  with 
probability  Pr(S),  the  firm  makes  a  profit  of  πS.  If  conditions  turn  out  to  be 
unfavorable, which occurs with probability Pr(F), the firm makes a profit of πF. 

Don’t Proceed  1 0

Proceed  Pr(S) πS

Pr(F)
πF
 
How  should  the  we  decide  whether  or  not  to  proceed?  If  both  payoffs  are 
positive, there is no ambiguity, undertake the project. Similarly, if both payoffs are 
negative, reject the project. In either case, additional information can not change the 
decision, and so has no value. Otherwise, to determine if we should undertake the 
project or reject it, calculate expected profit: 
E (π) = ∑ i Pr(πi )πi
 
E (π) = Pr( S )πS + Pr( F )π F
If this value is positive, undertake the project; otherwise, reject it. Given only this 
information  about  the  project,  we  can  say  that  our  expected  profit  with  no 
additional information beyond our guesses about these probabilities (NoInfo) is 
  E(π | NoInfo) = Max ((Pr(S)π S + Pr(F)π F ),0).  (1.8) 
The reason the above expression written as the maximum of two arguments is that 
if  the  expected  profit  were  negative,  you  would  not  proceed,  and  would  actually 
earn  0,  not a  negative  amount.  So,  0  is  the  “worst”  possible  expected  profit  in this 
case. 
 
Example: Expected Profit with Initial Information 
Suppose  a  project  has  the  following  values: Pr( S ) = 0.5 ,  π S = 100,  and  π F = −60 . 
What is the expected profit without additional information? 
Solution:  Use  the  above  definition  of  the  expected  profit  given  no  additional 
info. 

  10
 E(π | NoInfo) = Max ((Pr(S)π S + Pr(F)π F ),0)
E(π | NoInfo) = Max (.5(100) + .5(−60),0)  
E(π | NoInfo) = Max(20,0) = 20
Since  the  expected  profit  is  positive,  we  will  undertake  the  project  with  an 
expected profit of $20. The scenario is illustrated in the decision tree below. 

Don’t Proceed  1 0

Proceed  0.5 100

0.5(100)‐0.5(60)=20>0
0.5
‐60
 
 
While  the  expected  payoff  in  the  previous  example  was  positive,  which  makes 
the  project  seem  like  a  good  idea,  there  is  a  significant  chance  the  project  will  be 
unsuccessful,  leading  to  a  loss.  More  precise  information  about  the  chances  of 
success  in  this  particular  case  might  allow  us  avoid  that  loss.  In  another  situation, 
where  expected  profits  were  lower,  we  might  decide  not  to  proceed,  even  though 
there is a chance of profit. In that case, additional information might have convinced 
us the potential return was worth the risk. 
Suppose  we  can  buy  additional  information  that  will  tell  us  more  about  the 
project’s  probability  of  success.  Before  we  buy  the  report,  we  don’t  know  what  it 
will say; we just know that it will provide us with some new signal about how likely 
our project is to succeed. For simplicity, assume that once we buy this information, 
it will either tell us “good news” (GN) or “bad news” (BN). There is some probability 
of good news,  Pr(GN). The probability of bad news,  Pr(BN), is simply 1­Pr(GN). If we 
get  good  news,  we  will  formulate  a  new  opinion  about  the  probability  of  success, 
conditional on that news, Pr(S|GN). Similarly, if we get bad news, we will have a new 
estimate of the chance of success, conditional on that report,  Pr(S|BN). The process 
of updating our initial or prior assessment of the likelihood of success is an example 
of Bayesian updating, so called because of its association with Bayes’ theorem. 
Assuming good news is relatively more likely if the state of nature is such that 
the project will be successful, we revise our assessment of the probability of success 
up  with  good  news  and  down  with  bad  news.  But,  it  should  be  noted  that  “good 
news” and “bad news” are just labels. Suppose a consultant was  known for almost 
always  being  wrong  –  when  he  says  a  project  is  most  likely  to  succeed,  it  almost 
always fails, and vice versa. That consultant’s report is very valuable – as long as we 
know to do the opposite of what he indicates. In that case, it would be “good news” if 
the consultant said the project were most likely to fail. 
How  might  we  actually  calculate  these  initial  and  updated  probabilities?  In  the 
simplest and most concrete case, there is a firm empirical basis from which to infer 

  11
probabilities.  This  is  easiest  to  illustrate  with  an  example.  Suppose  we  purchased 
similar information several times in the past. Each time, we either proceeded with 
our project whether the report signaled good news or bad, or the times we did not 
proceed,  we  later  learned  whether  the  project  would  have  succeeded  or  not  if  we 
had  gone  forward.  Further,  suppose  we  kept  detailed  records  and  we  believe  past 
outcomes  and  observations  are  a  reasonable  basis  from  which  to  accurately  infer 
future probabilities. The results are shown in the table below. 
 
  Outcome   
Success Failure Total 
Good  6  2  8 
News 
Report 
Bad  4  8  12 
News 
  Total  10  10  20 
 
From this historical data, we can estimate the probability of success given good 
news or bad news. The probability of success given good news is how many times 
we’ve succeeded after receiving a report of good news, divided by how many times 
we’ve had good news, or 
  Pr(S | GN) = 6 = 3 . 
8 4
Given that we received a good report, we now think the probability of success is 
0.75.  Those  who  have  had  and  remember  statistics  will  recognize  this  as  a 
straightforward calculation of a conditional probability. Similarly, the probability of 
success  given  bad  news  is  how  many  times  we’ve  succeeded  after  receiving  bad 
news, divided by how many times we’ve been given bad news, or 
  Pr(S | BN) = 4 12 = 1 3 . 

Before  moving  on,  note  that  we  can  also  use  this  information  to  calculate  the 
probability  of  success  with  no  additional  information  and  the  probability  that  we 
will  receive  good  news  if  we  buy  the  report. Since  success  occurs  ten  times  out  of 
twenty in total, the probability of success if no additional information is observed is 
  Pr( S | NoInfo) = 10 = 1 . 
20 2
Similarly,  of  the  20  times  the  report  was  purchased,  it  yielded  good  news  eight 
times. So, the probability we will receive good news if we buy the report is 
  Pr(GN ) = 8 = 2 . 
20 5

  12
 In  practice,  it  is  unlikely  that  a  manager’s  probability  estimates  will  be  based 
entirely on this sort of precise empirical analysis. At the other extreme, a manager 
may  have  only  their  best  subjective  guess  based  on  their  previous  experiences  in 
cases  that  are  roughly  similar  and  the  impressions  they  get  from  talking  with 
whomever they are considering purchasing the additional information from. Often, 
the situation will fall between those two extremes. There may be some data based 
on previous situations. However, those situations may not be a perfect match for the 
current  one.  And,  while  experts  who  can  provide  additional  information  will  have 
established  track  records,  those  track  records  may  not  be  perfect  indicators  of 
future performance for many possible reasons. So, the manager is left to fill in the 
gaps in what they can empirically estimate with their own subjective evaluation of 
the  situation  and  the  quality  of  the  information  they  are  considering  purchasing. 
“Good”  managers  are  good  at  taking  whatever  information  is  available  and 
formulating  guesses  about  the  actual  but  unknown  state  of  nature  and  acting 
accordingly. 
With  this  understanding  of  how  we  might  arrive  at  probability  estimates,  we 
return  to  our  consideration  of  the  value  of  additional,  but  still  imperfect, 
information. The decision tree below summarizes the situation, as so far described. 
The  open  square  at  the  far  left  denotes  the  initial  decision  we  face,  to  buy  the 
information or not. If we decide not to buy the additional information, the situation 
is  just  like  before  –  we  face  a  decision  to  drill  or  not  based  only  on  our  initial 
probability  estimates.  If  however,  we  decide  to  buy  the  information,  uncertainty 
about  the  nature  of  the  report is resolved  (indicated  by  the  shaded  circle)  and  we 
get either good news or bad news. We then face another decision – whether to drill 
or not. However, our assessment of the likelihood of success is different with good 
news than with bad news, hence, we may make a different decision with good news 
than with bad news. That potential to change our decision regarding whether or not 
to proceed with the project is what gives additional information value. Information 
that is too imprecise to make a difference in our decision has less value. The more 
closely  the  new  information  allows  us  to  estimate  the  true  underlying  state  of 
nature, the more valuable it is. 

  13
 Don’t 
Proceed  0 
Don’t 
Buy  Pr(S) 
Proceed πS

Pr(F)  πF

Don’t 
Proceed  0 
Good 
News 
Pr(GN)  Proceed Pr(S|GN) 
πS
Pr(F|GN)  πF
Buy 
Don’t 
Pr(BN)  Proceed  0 
Bad 
News Pr(S|BN) 
Proceed πS

Pr(F|BN)  πF
 
So, how do we go about determining whether we should buy the report and its 
value? We need to calculate expected profit conditional on purchasing the additional 
information,  E (π | Info) . Assuming we perform that calculation ignoring the cost of 
attaining the additional information, the value of the report is simply the increase in 
expected profit, and we should buy the report it its value exceeds its cost. 
How, in turn, do we determine expected profit conditional on having purchased 
the information? In this sort of problem, we will usually start at the end and work 
our way back toward the beginning. That means we must calculate what expected 
profit would be with good news,  E (π | GN ) , and with bad news  E (π | BN ) . Each of 
those  is  calculated  just  like  we  calculated  expected  profit  with  no  additional 
information,  except  that  we  have  different  probabilities,  depending  on  the 
information we received. Expected profit with good news is then just the probability 
of good news times expected profit conditional on good news plus the probability of 
bad news times the expected profit conditional on bad news. 
Whether  we  receive  good  news  or  bad  news,  we  will  proceed  only  if  expected 
profit based on our new estimate of the probability is positive, otherwise we will not 
and profit will be 0. Therefore, expected profit given good news is  
  E(π | GN) = Max ((Pr(S | GN)π S + Pr(F | GN)π F ),0).  (1.9) 
It is important to note that if expected profit given good news is negative, we will 
not  proceed  even  with  good  news  and  the  highest  possible  estimate  of  the 
probability of success. We therefore would not proceed with no information or with 

  14
a report of bad news, either. Since the information can not affect our decision, it has 
no value in that circumstance. 
 
Example: Expected Profit with Good News 
Suppose the probability of a successful project given a good report (good news) 
is ¾, and that success will result in a cash flow of $100, while a failure will result 
in a loss of $60. Find the expected profit given a good report. 
Solution:  Use  the  information  given  (observing  that  the  probability  of  failure 
given a good report is 1‐ ¾ = ¼) and the definition of expected profit given good 
news. 
E(π | GN) = Max ((Pr(S | GN)π S + Pr(F | GN)π F ),0)

(
E(π | GN) = Max 3 (100) + 1 (−60),0
4 4 )  
E(π | GN) = Max (60,0) = 60
Because expected profit with good news is positive, we would want to continue 
with  the  project  if  we  receive  good  news.  If  this  value  had  been  negative,  we 
could immediately conclude that the report would be useless. 
 
Moving on, expected profit given bad news is 
  E(π | BN) = Max ((Pr(S | BN)π S + Pr(F | BN)π F ),0).  (1.10) 
If  expected  profit  given  bad  news  is  negative,  we  will  abandon  the  project, 
getting a payoff of 0; if it’s positive, we will proceed. A similar conclusion to the one 
above is that if our expected profit given bad news is positive and we proceed with 
the  project  even  with  the  worst  possible  news  about  the  chances  of  success,  the 
information has no value. This is because if we were to buy a report and it came up 
unfavorable, we would still proceed with the project. That means we will of course 
proceed  with  no  information  or  with  good  news.  Since  the  report  would  have  no 
effect on our final decision in such a case, it would have no value. 
 
Example: Expected Profit with Bad News 
Suppose that based on previous reports, a firm estimates that the probability of 
a successful project given a bad report (bad news) is 1/3, and that success will 
result in a cash flow of $100, while a failure will result in a loss of $60. Find the 
expected profit given a bad report. 
Solution:  Use  the  information  given  (observing  that  the  probability  of  failure 
give a bad report is 1 – 1/3 = 2/3) and the definition of expected profit given bad 
news. 

  15
 E(π | BN) = Max ((Pr(S | BN)π S + Pr(F | BN)π F ),0)

3 (
E(π | BN) = Max 1 (100) + 2 (−60),0
3 )  

(
E(π | BN) = Max −20 ,0 = 0
3 )
Since we would not proceed after receiving bad news, the information may have 
some value, and likewise we can continue with our valuation. If this number had 
been positive, the report would have been worthless. 
 
Now that we know how to calculate both expected profit given good news and 
expected profit given bad news, we can calculate the expected profit after buying the 
additional information. There are two possible outcomes for the report: good news 
or  bad  news.  Each  outcome  has  an  expected  profit  associated  with  it  ‐  the  two 
expected profits we just defined. So, expected profit with additional information is 
  E (π | Info) = Pr(GN ) E (π | GN ) + Pr(BN ) E (π | BN )  
where  Pr(GN)  is  the  probability  the  report  gives  good  news,  and  Pr(BN)  is  the 
probability the report gives bad news. We know from our above discussion that for 
the information to be valuable E(π|BN) must be 0, so the second half of the equation 
falls out. Assuming the conditions outlined above hold, so that the report is in fact 
valuable, expected profit with information then becomes 
  E(π | Info) = Pr(GN)E (π | GN) . 
The maximum amount that the firm would be willing to pay for the information 
is simply how much higher the firm expects profits to be with the information. Thus, 
the value of information is 
  InfoValue = E (π | Info) − E (π | NoInfo) . 
As long as the report costs less than this amount, the firm will buy it. (The firm is 
exactly indifferent if the cost of the information equals its value). 
 
Example: Expected Profit with Information and Information Value (Continuation) 
Suppose,  based  on  previous  reports,  a  firm  estimates  that  the  probability  of 
receiving good news if they buy a report is 0.4. Using the previously calculated 
expected  profits  with  good  news  and  bad  news,  calculate  the  firm’s  expected 
profit  with  additional  information.  Based  on  the  previous  examples,  how 
valuable is a report to the firm? 
Solution:  Use  the  definition  of  expected  profit  given information, then  find  the 
difference between the firm’s expected profits with and without the information. 
E (π | Info) = Pr(GN ) E (π | GN )
 
E (π | Info) = 0.4(60) = 24

  16
 InfoValue = E(π | Info) − E(π | NoInfo)
 
InfoValue = 24 − 20 = 4
Our running example is illustrated in full in the decision tree below. 

Don’t 0 
Don’t Buy 
1/2 
Proceed 100 
(1/2)100‐(1/2)60=20
Value=24‐20=4  1/2  ‐60 

Don’t 0 
Good News
3/4 
2/5  Proceed 100 
(3/4)100‐(1/4)60=60
Buy  1/4  ‐60 
3/5 
Don’t 0 
Bad News
1/3 
Proceed 100 
(2/5)(60)+(3/5)(0)=24  (1/3)100‐(2/3)60=‐20/3 2/3  ‐60 
 
 

What’s to Come 
Math is an incredibly useful modeling tool in economics. It allows us to give clear 
and  concise  expression  to  the  most  important  and  fundamental  concepts.  In 
addition, as is probably obvious from the material in the first chapter, we will make 
extensive  use  of  mathematical  examples  to  illustrate  the  main  concepts  and  to 
practice  using  the  tools  of  economic  analysis.  Therefore,  the  appendix  to  this 
chapter provides a reasonably thorough and self contained math review. However, if 
you are really rusty on your math, you may need to pull out the old textbooks for a 
more in depth review. 
The remainder of the book will build on the material introduced in this chapter 
to analyze decisions firms and their managers must make when trying to maximize 
the  expected  present  value  of  profit.  The  figure  below  is  a  conceptual  depiction  of 
the flows of inputs, goods and services, and funds and of the interactions between 
the firm, suppliers, customers, and competitors that govern the firm’s profitability. 

  17
  

Labor 
Materials 
Capital  Customers 

Income  Inputs  Products Expenditures 

Input  Product 
Markets  Markets 

Costs  Inputs Products

Revenue 
Firm
Competitors
 
Chapters  2‐14,  comprising  the  remainder  of  Part  1  of  the  text,  cover  the  basic 
tools  of  economic  analysis  and  consider  numerous  applications  of  these  tools  to 
business  problems.  Chapter  2  takes  a  broad  look  at  the  cost  side  of  the  profit 
equation, determined by the prices of inputs and how efficiently they are used, and 
the revenue side, determined by the demand from customers. It then sets forth and 
examines the basic rule for maximizing profit: if doing more of something increases 
profit,  do  it  more,  and  if  doing  more  of  that  thing  decreases  profit,  do  it  less.  Of 
course that sounds ridiculously simple, but really understanding how to apply that 
basic insight in many different situations and understanding its ramifications for the 
ways  in  which  firms,  suppliers,  and  customers  interact  is  the  heart  of 
microeconomic analysis. 
So,  for  example,  if  the  additional  revenue  (marginal  revenue)  from  selling 
another unit exceeds (falls short of) the additional cost (marginal cost) of making 
another unit, produce and sell more (less) to increase profit. At the maximum profit, 
it  follows  that  marginal  revenue  is  just  equal  to  marginal  cost.  If  that  basic  idea 
sounds  mathematical,  it  is.  In  calculus,  something  is  maximized  or  minimized  by 
setting its derivative with respect to things under our control equal to 0. In this case, 
the derivative of profit with respect to how much is sold is 0. (So, you really do need 
to be comfortable with the review material in the appendix.) 
Chapter  3  extends  the  basic  principles  of  profit  maximization  to  consider  a 
number of more advanced applications. While chapters 2 and 3 express practical or 
applied  concepts  and  work  numerical  examples  for  given  demand  and  cost 
conditions,  it  does  not  say  how  to  go  about  getting  empirical  approximations  of 
things  like  demand  curves,  assessing  the  degree  of  accuracy  in  those 
approximations, or understanding the ways in which those approximations can go 
wrong. Those are the topics of chapters 4, 5, and 6, respectively. 

  18
 Chapter 7 takes a step back to consider the basic theory of individual preference 
and consumer behavior. That theory underpins demand analysis and lends itself to a 
number  of  other  applied  analyses.  Chapter  8  considers  some  of  those  applications 
and extensions. Chapter 9 considers more complex forms of pricing – block pricing, 
two  part  pricing,  and  menu  pricing.  Chapter  10  presents  the  basic  model  of 
individual  choice  when  faced  with  uncertainty  and  considers  the  ramifications  of 
risk aversion. Chapter 11 considers cost in detail. 
Game theory, the last tool needed to complete our analytical toolbox, is the topic 
of  chapters  12,  13,  and  14.  We  will  use  game  theory  to  model  multiple  firms 
simultaneously  seeking  to  maximize  their  own  profits,  given  their  best  guesses 
about what all the other firms are going to do, recognizing that all the other firms 
are doing the same thing and that every firm’s decision affects all the others. More 
generally,  non‐cooperative  game  theory  is  used  to  analyze  any  strategic  situation 
where  the  players  all  realize  that  their  best  play  depends  on  what  all  the  other 
players are going to do. 
Part 2 of the book uses the tools developed in Part 1 to study market structure – 
the  ways  the  environment  in  which  firms  operate  effect  the  decisions  available  to 
them, and, the way the decisions of firms interacting in a market effect other firms 
and  the  market.  Chapter  15  analyzes  markets  in  which  relatively  large  firms  all 
produce  completely  identical  products.  In  such  markets,  gaining  a  strategic 
advantage  over  competitors  boils  down  to  taking  market  share  through  having  a 
leaner cost structure or establishing an aggressive strategy early on, since nothing 
but price can distinguish one product from the next. Chapter 16 considers markets 
where  products  are  differentiated.  While  cost  structure  still  matters,  product 
positioning and advertising also become important elements of firm strategy. 
Chapter  17  considers  product  markets  where  economies  of  scale  are  low  and 
there are few other entry barriers, so that the market can support a large number of 
relatively small firms. In the limiting case, such markets are perfectly competitive, 
which  you  should  be  familiar  with  from  your  principles  of  microeconomics  class. 
When there are enough firms in a market for the perfectly competitive model to be a 
reasonably good approximation for whatever question an analyst wishes to answer, 
its simplicity is a tremendous advantage. In particular, complications arising due to 
strategic  interdependence  can  be  ignored.  In  that  case,  equilibrium  prices  and 
quantities  and  the  welfare  of  consumers  and  producers  may  be  appropriately 
analyzed  with  the  simple  supply  and  demand  model.  Applications  of  supply  and 
demand  are  the  topic  of  chapter  18.  Chapter  19  closes  out  the  study  of  market 
structure  by  summarizing  the  various  models  and  placing  them  in  the  context  of 
data on various U.S. industries. It also considers several specific strategies firms may 
pursue that are aimed at altering the nature of competition and the structure of the 
market itself. 
While something called a “firm” has played an important role in most of the first 
eighteen chapters of the book, we have not looked at the reasons firms exist, or, why 
they are structured as they are. Why don’t individuals simply specialize in the single 
thing  they  do  best  and  then  trade  with  one  another?  How  does  the  existence  and 

  19
structure  of  the firm, in  its  own  right,  increase  value  added? That is  the  subject  of 
Part 3 of the book. In order to produce goods and services to sell to their customers, 
firms must procure inputs. Those inputs may be purchased in the spot market, the 
firm  may  contract  with  input  suppliers,  or,  the  firm  might  vertically  integrate  and 
produce  some  of  the  intermediate  inputs  themselves.  Chapter  20  considers  the 
choice between the spot market and contracting. It then moves on to consider issues 
that arrive in contracting for inputs when the agent (the input provider) has private 
information  that  is  not  available  to  the  principal  (the  firm).  Lest  I  give  the  wrong 
impression, Chapter 20 barely scratches the surface of the economics of asymmetric 
information, but it does give the basic insights. Chapter 21 considers three problems 
other than information asymmetry that can cause the spot market or contracting to 
break  down,  creating  a  role  for  a  vertically  integrated  firm.  These  are  team 
production and the resulting free riding problem, relationship specific investments 
and the resulting hold up problem, and, double marginalization. 

Uses and limits of models 
Before  concluding  this  introductory  chapter,  several  words  of  caution  are  in 
order regarding the use of models in this book. It is important that we keep in mind 
that they are only models. By definition, models are oversimplified representations 
of a few aspects of reality. They allow us to focus on a few aspects of a problem that 
we  think  are  particularly  important.  In  that  way,  they  keep  the  analytical  task 
manageable.  In  making  any  decision  we  must  consider  multiple  models  and 
carefully consider if anything has been left out of the models that might have serious 
consequences for our decision. As noted by MIT economist Peter Diamond, “To me, 
taking a model literally is not taking the model seriously.”2 
This can happen in two ways. Some people who forget the models are intended 
to be a simplified story, not a precise description of reality, reject all conclusions of 
economic  analysis  on  the  grounds  that  the  models  are  unrealistic,  never  mind  the 
fact that it would be impossible to draw any conclusions from, or even to construct, 
a fully realistic model. That is, they throw the baby out with the bathwater. Others 
try to force their actual decisions and opinions to conform narrowly to the results of 
their  pet  model,  and  ignore  the  potential  serious  ramifications  of  things  that  lie 
outside  their  models.  This  can  lead  to  catastrophe  when  rare  but  serious  events 
occur  that  are  not  accounted  for  in  the  model.  For  example,  Long­Term  Capital 
Management collapsed in the late 1990s not because they calculated incorrectly in 
applying models such as the Black‐Scholes‐Merton option pricing model. Rather, the 
collapse was due to the impact of rare but serious negative external shocks outside 
of the model coupled with the highly leveraged positions they took as a consequence 
of the conclusions reached from their models.3 
Consider  the  assumption  that  we  can  treat  firms  as  if  they  maximize  expected 
returns  and  ignore  risk  aversion  (at  least  as  a  first  approximation).  It  is  useful 
because  it  simplifies  matters  incredibly,  with  benefits.  First,  it  lets  us  get  started 
                                                        
2 “Taxes and Pensions,” Southern Economic Journal 2009, 76(1), page 2. 
3 http://en.wikipedia.org/wiki/Long‐Term_Capital_Management 

  20
while we are developing the tools needed to study risk aversion. Second, and more 
importantly, it allows us to go in to more detail in our analysis of other issues where 
the central area of concern is not the degree of risk aversion, but the nature of profit 
maximizing  decisions  and  the  direct  impact  of  uncertainty  on  those  decisions. 
Without this assumption, we would never be able to gain a number of insights about 
profit maximizing decisions. The drawback is that some can become so wrapped up 
in  the  model  that  they  forget  it  is  just  a  model.  Individual  managers  and  board 
members  with  large  stakes  in  the  company  are,  in  fact,  probably  risk  averse. 
Further, focusing on the expected profits of an individual project within a firm can 
miss important links to the big picture. If failure of a $50 million project bankrupts a 
firm with expected profits from other projects of $500 billion, the project may not 
be  worth  it  even  if  it  looks  good  evaluated  on  its  own.  We  should  always  take 
account  of  the  things  left  out  of  our  models  –  like  the  potential  to  bankrupt  the 
whole firm – before reaching any final decisions. 

  21
Chapter 1 Terminology 
The following is a list terms that you should know in order to discuss and apply 
the material from this chapter. 
Adverse  Selection­  A  case  of  information  asymmetry  in  which  one  party’s 
characteristics are hidden from another party. 
Asymmetric Information­ A state in which one party knows more than others. 
Certainty  Equivalent  (CE)­  The  single  amount  of  wealth  of  a  gamble  that  an 
individual  receives  for  certain  that  provides  the  same  amount  of  utility  that  the 
actual gamble offers. For risk neutral players, the certainty equivalent is equal to the 
expected  value  of  the  gamble.  For  risk‐averse  players,  it  is  less  than  the  expected 
value of the gamble.  
Expected Value­ The monetary value that one expects to receive from a particular 
gamble.  This  can  be  applied  to  anything  that  has  probabilities  associated  with 
payoffs. 
Incomplete Information­ A state in which there is a risk or uncertainty. 
Marginal Cost­ The cost incurred when a firm sells one additional unit of a good. It 
is  the  rate  of  change  (or  derivative  with  respect  to  quantity)  of  total  cost.  It  is 
increasing because of the presence of a fixed factor. In order to maximize profit, this 
should be set equal to marginal revenue. 
Marginal Revenue­ The additional income of selling one more unit. It is the rate of 
change  (or  derivative  with  respect  to  quantity)  of  total  revenue.  In  order  to 
maximize profit, this should be set equal to marginal cost. 
Moral  Hazard­  A  case  of  information  asymmetry  in  which  one  party’s  actions  are 
hidden from another party. 
Perfect  Competition­  A  type  of  firm  structure  with  many  firms  where  each 
individual  firm  has  no  control  over  price  levels;  they  are  price  takers.  These  firms 
have  no  strategic  decisions  to  make,  since  they  take  their  price  from  the  market. 
Nothing they do will have any impact on the other firms in the market. 
Perfect  Information­  A  state  in  which  no  hidden  characteristics  or  actions  exist. 
The  information  the  buyers  have  is  the  same  as  that  of  the  seller  and  everyone 
knows all information about the product at all times. 
Risk  Aversion­  An  attitude  toward  risk  that  describes  someone  who  values  a 
gamble less than the expected value of that gamble. A risk‐averse person would take 
a guaranteed payoff that is less than the expected value of the gamble rather than 
taking the gamble with the possibility of getting nothing/losing money. 
Risk  Neutrality­  An  attitude  toward  risk  that  describes  someone  who  values  a 
gamble at its expected value. 
Risk­  Occurs  when  the  probabilities  that  certain  events  will  occur  are  somewhat 
objective, i.e. probabilities are known to all parties. 

  22
Risk­Loving­  Describes  someone  who  must  receive  a  guaranteed  payoff  that  is 
more than the expected value of a gamble in order to not take the gamble. 
Uncertainty­  Occurs  when  the  probabilities  that  certain  events  will  occur  are 
subjective, i.e. probabilities are different depending on the party. 

  23
Appendix to Chapter 1 
Math Used in Managerial Economics 
Introduction 
As mentioned in Chapter 1, economics attempts to develop systematic methods 
for  modeling  events  and  decisions  concerning  individuals  and  organizations. 
Because economics deals with people, it is by nature an inexact science; people are 
irrational,  whimsical,  and  often  unquantifiable.  In  order  to  draw  any  useful 
conclusions about these individuals, it is important that our methods be as reliable 
as  possible.  Applied  mathematics  is  the  best  way  we  have  for  being  consistent, 
accurate, and logical in developing economic theory because it is a closed system in 
which we are unable to contradict ourselves. So, if we equip ourselves with relevant 
mathematical  knowledge,  we  will  have  access  to  useful  tools  that  we  can  apply  to 
various  economic  situations.  This  also  enables  us  to  check  our  economic  theory 
against situations and data that we observe in the real world. 
This  review  is  intended  to  address  the  most  common  mathematical  concepts 
that  students  will  encounter  throughout  the  book.  Any  lack  of  understanding  of 
these  basic  mathematical  concepts  will  seriously  impede  the  student’s  ability  to 
move  forward  with  the  economics.  We  cannot  stress  this  enough:  simple 
observation  of  students’  struggles  in  learning  managerial  economics  highlights  the 
importance of this material. While some of it may seem very basic, it is critical that 
both method and theory are fully grasped. So, please read it! 

Functions and Functional Notation 
The  most  basic  mathematical  concept  that  can  help  us  formulate  applied 
economic  theory  is  a  function.  A  function  matches  each  element  of  one  set  to  a 
single  element  of  another  set.  The  sets  that  we  most  commonly  talk  about  are 
variables like price and quantity; they are just groups of several elements. Elements 
of  the  set  price  are  simply  different  prices  that  a  firm  could  charge,  such  as  $2  or 
$5.50. Similarly, elements of the set quantity are different amounts of a good that a 
firm could sell, such as 100 boxes or 22.5 widgets. A function, then, is really nothing 
more than a relationship between two sets, such as price and quantity. 
There’s some additional terminology that will help us describe functions in more 
detail.  First,  let’s  look  at  a  basic  function,  and  then  use  it  to  introduce  these 
additional details. The following function shows a relationship between quantity  q 
and price p: 
q = 4000 − 100 p  
What does this function tell us about this particular relationship between price and 
quantity? First, we are able to find solutions to this function. A solution to a function 
is just a collection of values (elements) that each variable (set) takes on which make 

  24
the  function  true.  So,  if  we  let  price  have  a  value  of  1,  we  can  determine  what 
quantity would have to be to satisfy the function: 
q = 4000 − 100(1)  
q = 3900 . 
Thus,  if  price  is  $1,  our  function  tells  us  that  3900  units  will  be  sold.  This  is 
essentially  what  a  function  does  ‐  it  describes  the  relationship  between  variables 
over all their possible values. 
We just found out what the quantity would be if we chose a price of $1, but if we 
wanted to find out what price would be if we started by choosing a quantity of 3900, 
the math would be a little bit more difficult. This is because our function was solved 
for q – and there is a reason for this. When a function is solved for a single variable 
that  occurs  only  on  the  left‐hand  side,  that  variable  is  known  as  the  dependent 
variable (quantity, in our example). As the name suggests, the dependent variable 
in  a  function  depends  on  the  other  variable(s)  in  the  function.  Hence,  our  function 
implies  that  the  quantity  sold  actually  depends  on  the  price  that  is  being  charged. 
This  is  why  it  seems  more  natural  to  choose  a  price  first,  and  then  solve  for  the 
resulting  quantity.  The  variable  that  determines  the  dependent  variable  (price,  in 
our example) is known as the independent variable. Again, as the name suggests, 
this  variable  is  chosen  independently  of  the  function,  and  helps  determine  what 
value the dependent variable will take on. 
So,  a  function  expresses  a  relationship  between  a  dependent  variable  and  an 
independent variable. In order to save us the trouble of denoting which variable is 
dependent and which is independent every time we introduce a function, functional 
notation expresses these relationships in a very general way. In the above example, 
q was the dependent variable and p was the independent variable – so we would say 
that q is a function of p. In this way, we have stated there is a relationship between 
the  two  variables,  and  that  since  q  is  a  function  of  (depends  on)  p,  we  have  also 
identified which variable is independent and which is dependent. 
While the statement “q is a function of p” is rather terse, there is an even shorter, 
more  convenient  way  to  represent  this  relationship:  q = f ( p) .  This  notation  is 
equivalent  to  saying  that  quantity  is  a  function  of  price,  so  again  we’ve 
communicated all the essential information about the variables. More often, rather 
than naming the function  f (⋅) , we will write something like  q = q( p) , which means 
(again) that the variable q is determined by a function named q, which depends on 
the variable p. So, using functional notation, our previous example can be written as 
q( p) = 4000 − 100 p  
and can be referenced to in a question simply as q(p) (read q of p). This helps to cut 
down on the number of letters and symbols we need to remember. 
So far, we’ve been talking about functions with one dependent variable and one 
independent  variable.  If  we  think  about  what  affects  the  sales  of  a  firm,  price  is 
certainly dominant, but, as is always the case in economics, it is certain that other 

  25
variables also impact quantity demanded. Suppose a firm assumed that income per 
capita  in  the  market  also  impacted  quantity  sold  and  they  wanted  to  model  this 
additional  relationship.  The  firm  is  supposing  that  quantity  depends  on  income,  in 
addition to price. So, income (M) is an additional independent variable. Perhaps the 
function will look like the following: 
q = 4000 − 100 p + 50M . 
Thus,  if  a  function  has  more  than  two  variables,  only  one  will  be  the  dependent 
variable, and the others will be the independent variables. The notational difference 
is intuitive: here, quantity is a function of price and income, or  q = q( p, M ) . 
Finally,  we  introduce  notation  for  dealing  with  multiple  prices  or  quantities. 
Suppose a company sells its product in two different states, or sets multiple prices 
for different customers, and wants to differentiate between these groups. In order to 
identify  which  price  and  quantity  are  associated  with  which  group,  we  use 
subscripts on our variables. So, q1 may denote the quantity sold in Florida, while q2 
denotes  the  quantity  sold  in  New  York;  or  pH  could  represent  the  price  charged 
during high‐demand hours, and pL the price charged during low‐demand hours. In 
the  text,  subscripts  will  always  be  used  to  differentiate  variables  according  to 
location,  time,  or  some  other  dimension,  while  superscripts  will  be  reserved  for 
exponents of variables. 

Equation of a Line 
Slope 
One of the most common mathematical tools we will use throughout the book is 
a  line  and  its  equation.  Not  only  does  the  equation  of  a  line  lend  itself  to  rigorous 
quantitative  application,  the  graphical  representation  is  able  to  communicate 
economic  relationships  between  variables  clearly  and  effectively.  It  is  crucial  to 
understand the basic components of a line, so let’s start with a simple example using 
a generic x/y coordinate plane. 

 
The first thing we notice about this line is that it is sloping down; that is, as we 
start  from  where  the  line  crosses  the  Y  Axis  at  8  and  increase  the  x  value  (move 
right), the y value decreases (moves down). When a line looks like this, its slope is 
said  to  be  negative.  The  slope  of  a  line  immediately  tells  us  a  lot  about  the  line. 

  26
Without  knowing  anything  else,  we  can  conclude  that  there  is  an  inverse 
relationship  between the  y  variable  and  the  x  variable:  as  one  increases,  the other 
decreases,  and  vice  versa.  This  type  of  relationship  will  have  several  implications 
when we begin to apply lines to economic theory. 
Of course, there are many lines that have negative slopes. For example, 

 
both lines L1 and L2 have negative slopes. How can we differentiate between these 
two lines? The slope of a line is actually a specific number that we can calculate. The 
definition of the slope of a line, which we will usually refer to generically as b, is the 
change in the dependent variable per unit change in the independent variable. That 
may sound like a complex definition at first, but think back to what dependent and 
independent  variables  are  –  they  are  simply  names  for  the  variables  that  we  are 
describing  a  relationship  about.  Since  a  line  is  just  a  relationship  between  two 
variables,  the  x  and  y  variables  are  the  independent  and  dependent  variables.  But 
which  one  is  which?  By  convention,  the  variable  on  the  Y  Axis  is  the  dependent 
variable, and the variable on the X Axis is the independent variable. This will be true 
when  we  start  introducing  different  economic  variables,  but  for  now,  since  we’re 
using  a  simple  example,  y  is  our  dependent  variable  and  x  is  our  independent 
variable. 
Now that we know which variable is independent and which is dependent, let’s 
revisit  the  definition  of  slope.  The  slope  of  a  line,  again,  is  the  change  in  the 
dependent  variable  per  unit  change  in  the  independent  variable.  Since  we’ve 
identified  our  variables,  we  can  rewrite  this  definition:  The  slope  of  a  line  is  the 
change in y per unit change in x. This definition seems much more manageable. In 
order  to  translate  it  into  a  mathematical  expression,  first  we  need  to  understand 
exactly what it’s saying. 
If  we  had  $10  to  spend  and  we  bought  2  apples,  how  would  we  find  out  how 
much we spent per apple? We would divide the $10 by the 2 apples and find that we 
spent $5 per apple. Similarly, to find the change in y per unit change in x, we want to 
divide  the  change  in  y  by  the  change  in  x.  By  dividing, we  will  have  a  number  that 
represents how much y changes each time x increases by a single unit. 
How do we find the change in x and the change in y on a graph? The change in a 
variable is just the difference in its beginning and ending values over some interval. 
So, the change in x is x1 minus x0, where x0 is the starting x‐value and x1 is the ending 

  27
x‐value.  Likewise,  the  change  in  y  over  some  interval  of  a  line  is  y1  minus  y0.  Note 
that  the  change  in  a  variable  can  either  be  negative  or  positive,  depending  on  the 
beginning and ending points of the interval. 
Since  we  know  how  to  mathematically  represent  changes  in  our  variables,  we 
can rewrite the definition of slope again. The slope of a line (b) is the change in y per 
unit change in x, or 
y1 − y0
  b= .  (1.1) 
x1 − x0
Remember, the two values for each variable that we use to find the change are over 
an  interval  of  the  line;  when  calculating  slope,  we  need  to  use  the  same  interval 
when finding the change for each variable.  
We also will often use the notation  Δ (read delta) to denote “change in”, which 
means we can write slope in an even simpler way: 
Δy
  b= .  (1.2) 
Δx
Now, let’s revisit our first line and calculate its slope. 

 
To  make  the  calculation  easy,  let’s  use  the  entire  line  as  our  interval.  We  need  to 
calculate the change in y over the entire line and divide it by the change in x. 

 
Starting at point a, the beginning y value (y0) is 8 and at point b, the ending y value 
(y1) is 0. Similarly, x0 is 0 and x1 is 4. This means the slope is 

  28
 Δy 0 − 8
b= = = −2 . 
Δx 4 − 0
Let’s apply this number to our original definition of slope. The slope is the change in 
y per unit change in x. So each time x increases by one, y decreases by two. This is 
what the slope tells us. 
To see how this applies to economics, lets change the variables in this example to 
price and quantity. Usually, we write price on the Y Axis and quantity on the X Axis. 
So,  price  is  assumed  to  be  our  dependent  variable,  and  quantity  our  independent 
variable. 

 
Because the slope is ‐2, we know if quantity were to increase by one unit, price 
would have to decrease by two units. If this line represented a demand function, a 
manager would know that in order to sell another unit, he would have to lower his 
price by $2. This is a simple example of how lines can be applied to economic theory. 

Equation 
Once  we  have  calculated  the  slope  of  a  line,  writing  an  equation  for  the  line  is 
easy. The slope intercept form of a line is 
  y = a + bx ,  (1.3) 
where  a  is  the  value  of  y  when  x  equals  0  (i.e.  the  y‐intercept),  and  b  is  the  slope. 
Let’s write the equation of our first line. 

  29
It is clear that the y‐intercept is 8 because when x is 0, y takes a value of 8. Since we 
know the slope of our line is ‐2, the equation for our line is 
y = 8 − 2x . 
If we wanted, we could solve this line for x, obtaining  x = 4 − 0.5y . It is important 
to understand that both of these equations represent exactly the same line and thus 
the  same  specific  relationship  between  the  variables  y  and  x.  However,  since  x  is 
now  on  the  left‐hand  side,  we  may  be  tempted  to  re‐label  which  variable  is 
independent  and  which  is  dependent.  We  will  encounter  situations  similar  to  this 
often  throughout  the  book.  For  example,  whether  price  determines  quantity  or 
quantity determines price depends on the type of firm, the market, and many other 
factors.  More  often  than  not,  they  both  determine  each  other.  Because  of  this 
intrinsic quality of the marketplace, variables may not have an exact category, and 
will frequently be labeled independent in one scenario and dependent in the next.  

Solving Two Linear Equations 
Often  we  will  want  to  calculate  the  intersection  of  two  lines.  Any  two  distinct, 
non‐parallel lines cross at a single point: 

 
This point (or solution) is an ordered pair of values that satisfy both equations. 
There  are  several  ways  to  find  the  solution,  but  one  of  the  simplest  and  most 
consistent  is  to  use  substitution. Given  two equations,  y = f (x)  and  y = g(x) ,  their 
intersection  (x*, y*)  can be found as follows: 
i) Set  f (x) = g(x)  and solve for x*. 
ii) Substitute x* into either  y = f (x)  or  y = g(x)  and solve for y*. 
To  illustrate  using  the  method  of  substitution  to  solve  two  linear  equations 
simultaneously,  let’s  find  where  the  equations  y = 8 − 2x   and  x = −2 + y   intersect. 
First, we need to get the second equation in the form  y = g(x)  by solving for y : 
x = −2 + y → y = 2 + x . 
Now, as per the above points, we can set  8 − 2x = 2 + x  and solve for x*: 
8 − 2x = 2 + x  

  30
 6 = 3x  
x* = 2  
To find y*, substitute x* into either equation. Let’s use the first one: 
y = 8 − 2(2)  
y* = 4  
Therefore,  (2,4)  is  the  solution  for  the  system  of  equations  y = 8 − 2x   and 
x = −2 + y . 

Area of a Rectangle and a Triangle 
We  will  frequently  come  across  geometric  shapes  in  our  graphs  that  represent 
areas  of  interest.  For  example,  the  rectangle  in  the  following  graph  represents  a 
firm’s profit: 

 
To  calculate  how  much  profit  this  firm  is  making,  we  need  to  calculate  the  area  of 
this rectangle. The area of a rectangle is 
  A = bh ,  (1.4) 
where b is the base of the rectangle and h is the height. In our example, the base is q 
and the height is  ( p − c) , so the firm’s total profit is  π = ( p − c)q . 

  31
 Another  common  geometric  shape  that  we  will  encounter  in  economics  is  a 
triangle.  The  shaded  triangle  below  shows  the  deadweight  loss  in  a  market  as  a 
result of a tax: 

 
Since a right‐hand triangle is just a square cut in half along its diagonal, the area of a 
triangle is 
bh
  A= ,  (1.5) 
2
where b is the base of the triangle and h is the height. So, the total deadweight loss 
(q − q1 )(( p + t) − p ) . 
for this market is  DWL = 0
2

Exponents, Exponential Functions, and Logarithms 
When  taking  account  of  a  production  facility’s  returns  to  scale,  or  making 
assumptions  about  the  elasticity  of  a  market  or  compound  growth,  exponents, 
exponential  functions,  and  logarithms  can  be  very  useful.  Thus,  it  is  important  to 
know all of the transformational rules concerning both of these concepts as they will 
show up throughout the book. 
Lets  start  with  a  basic  power  function  where  our  independent  variable,  x,  is 
raised to some exponent, a. What is xa? a is just the number of times you multiply 1 
by x. x1 is the same as 1x,  x2 is 1xx, and, so on. x0 means multiply 1 by 0 x’s, so x0=1. 
What is x‐a? It is the opposite of multiplying 1 by x a times. Dividing is the opposite 
of multiplication, so a is the number of times you divide 1 by x. x‐1 is 1/x, x‐2 is 1/xx, 
and, so on. All of the standard “rules” for exponents just follow from this definition. 
i) x a+b = x a x b  
ii) (x a )b = x ab  
1
iii) x − a =  
xa
Now that we understand how the basic power function and exponents work, we 
note that the power function can be generalized to 

  32
  f ( x) = kxb ,  (1.6) 
where k and b are just constants. The constant k in the general power function just 
represents a scaling factor. 
The  general  exponential  function  moves  the  independent  variable  into  the 
exponent of the function and is written as 
  f ( x) = aebx ,  (1.7) 
where a and b are constants and e is approximately 2.71828. But, what is e, and what 
is  special  about  it?  It  is  the  base  unit  of  continual  growth  processes.  Imagine  a 
process that doubles itself every time period so that the interest rate is r=1. At the 
end of one period, the future value of 1 unit growing for 1 period is FV=(1+1)1=2. Of 
course, it is doubling! 
Now  imagine  compounding  that  100%  per  period  growth  n  times  over  the 
n
⎛ 1⎞
period.  Then  FV = ⎜1 + ⎟ .  Suppose  we  compound  monthly.  FV=2.61304.  Daily? 
⎝ n⎠
FV=2.71456.  Hourly?  FV=2.71812.  By  the  minute?  2.71828.  With  continuous 
growth, each little bit of growth starts growing as soon as it emerges. In the limit, as 
we  approach  continuous  growth,  the  FV  of  one  unit  growing  continuously  for  one 
period of time is e. If we let it grow for 2 periods, we have FV=ee=e2. For x periods, 
ex. 
Suppose  it  grows  for  one  period  at  r=2.  We  could  think  of  it  as  100%  growth 
occurring  twice,  so  FV=ee=e2.  If  it  grows  for  one  period  at  rate  x,  we  have  FV=ex. 
Generally, then, if an initial unit grows continuously at rate r for t periods,  FV=ert. If 
the  initial  amount  is  PV,  instead  of  1,  we  just  have  FV=PVert.  Thus,  the  general 
exponential function gives the future amount,  y, that started as an initial amount,  a, 
and  then  grew  exponentially,  or  in  a  compound  fashion,  at  rate  b  for  each  unit 
increase in x, so  y = aebx . 
So,  e  has  tons  of  applications  with  any  natural  growth  process  or  for  modeling 
any  variable  that  is  affected  in  an  exponential  or  compound  way  by  another 
variable. As it happens, we will not use it a lot in this class, but, we will use it a time 
or two. More importantly, you can’t understand natural logs without e, and we will 
use natural logs often. 
So, what is a natural log? The natural logarithm of y, ln(y), is the power to which 
e ≈ 2.71828  must be raised to yield y. So, if  x = ln( y ) , then  y = e x . So, the natural log 
undoes exponentiation, that is, it is the inverse of the exponential function. Fine, but, 
intuitively, what is the natural log? Since ex is the amount into which one unit grows 
after  growing  continuously  for  one  period  at  rate  x,  x  periods  at  rate  r=1,  or,  t 
periods  at  rate  r  where  rt=x,  ln(y)  is  the  combination  of  growth  rate  and  growth 
time, rt, needed for one unit to grow continuously into y units. More generally, if y 
increases from an initial amount, a, at an exponential rate of b with increases in x, 
ln(y)/b gives the value of x needed for the initial amount to grow to y units. 

  33
 The  following  properties  of  natural  logarithms  follow  directly  from  the 
definition of the natural log and from the basic rules for exponents given above. 
iv) ln(xy) = ln(x) + ln(y)  

⎛ x⎞
v) ln ⎜ ⎟ = ln(x) − ln(y)  
⎝ y⎠

vi) ln(x a ) = a ln(x)  

Solving Two Non­Linear Equations 
Any function whose output is not proportional to its input is called a non‐linear 
equation.  All  of  the  functions  we  have  looked  at  so  far  have  been  linear,  but 
whenever  a  logarithm  or  exponent  (other  than  1  or  0)  is  present  and  interacting 
with one of the variables, the equation becomes non‐linear. 
Non‐linear  equations,  like  linear  equations,  can  represent  demand  curves,  cost 
functions, and many other economic concepts. So, it will often be desirable to solve 
two  non‐linear  equations  simultaneously,  just  as  it  was  with  linear  equations.  The 
process for solving a system of non‐linear equations is similar to solving a system of 
linear equations, except solving for the final answer is often more tedious. 
To demonstrate, let’s solve the following system of non‐linear equations: 
2x + y 2 − y = 4  
y 2 − 3 = x . 
In our previous section dealing with linear equations, we followed a general rule of 
solving each equation as a function of x alone, and then setting these two functions 
equal to each other. We could do that here, but looking at the second equation, we 
can  see  that  it’s  already  solved  for  x  as  a  function  of  y  alone.  This  means  we  can 
substitute it in for x in our first equation, and solve the remaining equation for y: 
2(y 2 − 3) + y 2 − y = 4
2y 2 − 6 + y 2 − y = 4
 
3y 2 − y − 10 = 0
(3y + 5)(y − 2) = 0
3y + 5 = 0  or  y − 2 = 0  

y = −5 3  or  y = 2 . 

We can now plug these two solutions into either of the original equations to find the 
x values: 

  34
 ( 3) − 3 = x
−5
2

(2 )2 − 3 = x
25 − 3 = x     or      4 − 3 = x . 
9
x = −2 9 x =1

{( ) }
So our solution set, which consists of two ordered pairs, is  −2 9 , −5 3 ,(1,2) . 

Seldom, we will end up with a quadratic equation that does not factor as neatly 
as it has done here. In that case, it may be necessary to use the quadratic equation. 
For  an  equation  of  the  form  ax 2 + bx + c = 0 ,  the  quadratic  equation  tells  us  the 
solution(s) are 

−b ± b 2 − 4ac
  x= .  (1.8) 
2a
To illustrate how logarithmic transformations may be necessary, let’s solve the 
following system: 
ln(q) = 3 + 2 ln( p)  
ln(q) = 4.5 + 1.6 ln( p)  
Observing that both equations are already solved for ln(q), we can set the right side 
of each equation equal to each other: 
3 + 2 ln( p) = 4.5 + 1.6 ln( p)
.4 ln( p) = 1.5  
ln( p) = 3.75
Using rule iv from the list of rules on exponents and logarithms, this simplifies to 
p = e3.75
. 
p ≈ 42.52
To find q, plug p into either original equation: 
ln(q) = 3 + 2 ln(42.52)
ln(q) ≈ 3 + 7.5
ln(q) ≈ 10.5 . 
q ≈ e10.5
q ≈ 36, 315.5

  35
Definition of Derivative, Relationship to Max/Min 
Definition 
When dealing with linear equations (lines), we introduced the concept of slope, 
and were able to calculate this value with relative ease. The slope of a line revealed 
information about the rate at which the two variables changed – for example, when 
x increased by 1, y decreased by 2. This was also true for every interval on the line. 
How do rates of change apply to non‐linear equations? Above, we defined a non‐
linear  equation  as  a  function  whose  output  is  not  proportional  to  its  input; 
graphically, this amounts to any curve that is not a line. Take the following function 
f (x) : 

 
It is clear that this function does not have a constant slope, as lines do. The slope 
changes based on what part of the function we’re looking at. This is why discussing 
rates of change as they apply to non‐linear functions requires a more sophisticated 
concept: the derivative. 
Before  defining  what  a  derivative  is,  let’s  take  another  look  at  our  function. 
Suppose we wanted to find the average rate of change between two points, a and b: 

 
Between  these  two  points,  y  increases  by  y1 − y0   ( Δy ,  the  change  in  y)  and  x 
increases by  x1 − x0  ( Δx ). So, the average rate of change is simply 
Δy y1 − y0
= . 
Δx x1 − x0

  36
This is merely the slope of the thick dotted line between points a and b. Now, if we 
rewrite y1 as  y0 + Δy , we can express the average rate of change as 

Δy (y0 + Δy )− y0
= . 
Δx Δx
Using functional notation, this becomes 
Δy f (x0 + Δx )− f (x0 )
= . 
Δx Δx
But how can we use this to find what the rate of change is at each individual point? 
Suppose we moved x1 closer to x0, decreasing  Δx . If we continue shrinking  Δx  
until  it  is  infinitesimal,  this  is  what  our  average  rate  of  change  would  look  like 
between the two points: 

 
The line segment between the two points comes closer and closer to being the line 
that is tangent to the curve at point a. The slope of this line segment, then, converges 
to  the  slope  of  the  tangent  at  a  as  Δx   approaches  zero.  This  leads  to  the  formal 
dy
definition of a derivative, denoted  , as the limit of the average rate of change as 
dx
the change in the independent variable approaches 0: 
dy f ( x0 + Δx) − f ( x0 )
  = lim   (1.9) 
dx Δx → 0 Δx
In  essence,  the  derivative  of  a  function  at  a  point  is  the  rate  of  change  of  y  with 
respect to small changes in x; it captures how fast the curve is changing at that point.  
Since the derivative is the slope of the tangent, it is clear that for any non‐linear 
function, the derivative will change based on where it is being taken: 

  37
  
In  fact,  the  converse  of  this  is  true  as  well:  given  any  linear  function,  its 
derivative will be constant along the entire function. This is because the derivative 
of a linear function is simply its slope. 

Max/Min 
The derivative of a function can also help us identify when we are at a “peak” or 
a  “valley”;  that  is,  when  a  function  is  being  maximized  or  minimized.  Consider  the 
following function: 

 
Since the derivative is the slope of the tangent at a specific point on a curve, and 
the  slope  of  a  horizontal  line  is  zero,  it  is  clear  that  if  the  derivative  is  zero  for  a 
given critical point, that point will be a maximum of the curve. What if a function has 
a local minimum, in addition to a local maximum? 

  38
 We  can  see  from  the  above  figure  that  the  derivative  will  also  be  zero  at  local 
minimums.  How  can  we  tell  whether  we’re  at  maximum  or  a  minimum?  First,  we 
know if a given x value is either a maximum or a minimum by checking to see if the 
first  derivative  at  that  value  is  zero;  this  is  known  as  the  First  Order  Condition 
(FOC). If the FOC holds, we can check to see whether the point is a minimum or a 
maximum by looking at the curvature of the function at that point – which is given 
to  us  by  the  second  derivative.  If  the  second  derivative  is  negative,  x  is  a  local 
maximum,  and  if  the  second  derivative  is  positive,  x  is  a  local  minimum.  This  is 
known as the Second Order Condition (SOC), and by it we can tell whether we are 
maximizing a function or minimizing it. 

Derivative Rules 
We’ve  introduced  the  concept  of  a  derivative  and  how  it  relates  to  local 
maximums  and  minimums  of  a  function.  But  how  do  we  actually  calculate  the 
derivative  of  a  function?  Depending  on  the  given  function,  the  rules  required  to 
produce  that  function’s  derivative  vary.  In  this  section,  we  discuss  some  common 
rules for derivatives and how they apply to general cases. 
Far and away, we will make the most use of the power rule: 
dy
i.  y = ax b ⇒ = bax b−1  
dx
For example, the derivative of  
  y = 4 x 3   
is 
dy
= 12 x 2  
dx
Three common special cases are: 
dy
ii.  y = a ⇒ = 0 
dx
dy
iii.  y = a + bx ⇒ =b 
dx
a dy −ba
iv.  y = b
⇒ =  
x dx x b+1
Based on these rules, the derivative of 
2
y = 3+  
x 0.5
is 

  39
 dy −1
= . 
dx x1.5
We will use the sum rule and the product rule often. The sum rule is 
dy
v.  y = f (x) + g(x) ⇒ = f '(x) + g '(x) , 
dx
which says that the rate of change in y is the rate of change in f(x) plus the rate of 
change in g(x). So, the derivative of 
y = 3x + 4x 2  
is 
dy
= 3 + 8x . 
dx
The product rule is 
dy
vi.  y = f (x)g(x) ⇒ = f '(x)g(x) + g'(x) f (x) , 
dx
which says that when finding the rate of change in y, the rate of change in f(x) gets 
multiplied  by  g(x)  since  y  depends  on  the  product  of  f(x)  and  g(x).  Similarly,  the 
impact of changes in g(x) are multiplied by f(x). The total rate of change, then, is the 
sum of the rates of change due to each of these parts. Thus, the derivative of 

( )
y = 9 − x 2 2x  

is 
dy
dx
(
= −2x(2x) + 9 − x 2 2 )
= −4x 2 + 18 − 2x 2 . 
= −6x 2 + 18
A special case is 
f (x) dy f '(x)g(x) − f (x)g'(x)
= f (x) (g(x)) ⇒
−1
vii.  y = = , 
g(x) dx g(x)2
so the derivative of 
2x 2
y=  
(2x − 1)
is 
dy 4x(2x − 1) − 2x 2 (2)
= . 
dx (2x − 1)2

  40
Less often, we will use exponential and logarithmic functions: 
dy a
viii.  y = a ln(x) ⇒ =  
dx x
dy
ix.  y = aebx ⇒ = baebx  
dx
So, the derivative of 
y = 2 ln(x)  
is 
dy 2
=  
dx x
and the derivative of 
y = 3e2 x  
is 
dy
= 6e2 x . 
dx
What if one variable depends on another that is a function of a third variable? For 
example,  if  cost  depends  on  quantity,  but  quantity  depends  on  price.  For  this,  we 
need the chain rule. If  z = g(y)  and  y = f (x) , 
dy
x.  z = g ( f (x)) ⇒ = g ' ( f (x)) f '(x)  
dx
which  says  that  the  rate  of  change  in  z  with  respect  to  x  is  the  rate of  change  in  z 
with respect to  y, times the rate of change in  y with respect to  x. For example, the 
derivative of 
y = (4 − 0.5x)2  
is, using first the power rule and second the chain rule, 
dy
= 2(4 − 0.5x)(0.5) . 
dx

Partial Derivatives 
Up  to  this  point,  we  have  talked  about  differentiation  in  the  context  of  two 
variables, one dependent and one independent. To measure the rate of change of the 
dependent variable with changes in the independent variable, we can use the rules 
described  above.  But,  most  interesting  phenomena  in  economics  depend  on  more 
than one variable. For instance, a manager may find that the quantity his firm is able 
to  sell  depends  not  only  on  price,  but  also  on  income.  When  a  function  has  more 

  41
than  one  independent  variable,  the  rules  for  differentiation  are  the  same,  but  the 
notation is slightly different. 
Take, for example, the following function: 
y = 5x + 3z  
This function has one dependent variable (y) and two independent variables (x and 
z).  Since  the  rules  for  differentiation  listed  above  apply  to  equations  with  two 
variables  only,  we  cannot  apply  them  directly  here.  Recall,  however,  what  a 
derivative measures – the rate of change between two variables. If we can mimic an 
equation  that  has  only  one  independent  variable  by  holding  the  second  one 
constant, we’ll have an equation with two variables and thus we’ll be able to apply 
the rules of differentiation. 
So,  if  we  were  to  hold  z  constant  in  the  above  equation,  we  could  take  the 
derivative of y with respect to x only. Since we are taking the derivative with respect 
to only one variable at a time, this is called the partial derivative of y with respect to 
∂y
x, and is denoted  . 
∂x
When  finding  a  partial  derivative,  we  are  looking  for  the  rate  of  change  of  the 
dependent variable for small changes in only one of the independent variables. Thus, 
the  other  independent  variables  are  treated  as  constants  in  this  process  (they  are 
not changing). Partial derivatives are then found by applying the standard rules for 
differentiation, treating other variables as other constants are treated. Two simple 
examples follow: 
∂y ∂y
i.  y = ax + bz ⇒ = a  and  = b  
∂x ∂z
∂y ∂y
ii.  y = ax b z c ⇒ = abx b −1z c  and  = acx b z c −1  
∂x ∂z
Based on these rules, the partial derivatives of 
y = 3x 2 + 4xz + z  
are 
∂y ∂y
= 6x + 4z  and  = 4x + 1 . 
∂x ∂z

  42
Chapter 2 
Cost, Demand, and Profit Maximization 
As discussed in Chapter 1, profit is simply the difference between revenue and 
cost. Revenues are determined on the demand side and costs are determined on the 
production side. Therefore, before studying profit‐maximizing decisions, we need to 
know a bit about the way economists model cost and demand. This chapter will 
touch on those models briefly, and then turn to profit maximization. We will 
consider models of demand and cost in more detail in later chapters. 

Cost, Its Determinants, and Marginal Cost 
In order to produce products to sell to its customers, a firm must procure inputs. 
Expenditures for these inputs are costs. A firm’s cost function, C(q), represents the 
minimum  possible  total  cost  of  producing  q  units  of  output.  Thus,  in  using  a  cost 
function  to  model  cost,  we  are  assuming  two  things.  First,  we  assume  there  is  no 
simple waste of inputs. In other words, we assume that the firm is able to use all of 
its  facilities  and  labor  exhaustively.  Second,  we  assume  the  firm  chooses  the  most 
efficient production technique, or combination of inputs, for producing that level of 
output. So, a firm has already figured out the optimum amount of its different input 
types (labor, plants, etc.) and uses them accordingly. How a firm makes this decision 
about  how  much  of  each  input  to  use  is  based  on  the  prices  of  each  input,  what 
technology is available, how much time is available for production, and myriad other 
factors. Optimizing inputs will be discussed in greater detail in Chapter 6. 
In general, the notation for a firm’s cost function is  C = C(q;w, r, z) , which says 
cost  depends  on  the  quantity  produced,  q,  the  wage  rate,  w,  what  a  firm  pays  its 
labor, the interest rate or rental rate, r, what it pays for investments in plants and 
equipment (capital), and any other variables that affect cost lumped into the single 
variable z.  
Sometimes it is important, or just convenient, to distinguish between fixed costs 
and  variable  costs.  Fixed  costs  are  those  that  do  not  depend  on  the  output  of  the 
firm.  Fixed  costs  are  inherently  a  short  run  concept.  Over  a  short  time  span,  costs 
such as the lease on office space or the payment on a loan for plant construction, are 
fixed,  regardless  of  what  level  of  output  is  chosen.  However,  with  more  time,  the 
lease need not be renewed or the plant can be sold or expanded. So, given enough 
time, there are no completely fixed costs. Variable costs are the costs that increase 
as the firm increases its output. 
The  cost  of  producing  an  additional  unit  is  the  firm’s  marginal  cost.  In  other 
words, it is the rate at which total cost changes. Thus, marginal cost is defined as the 
derivative of total cost, or 
dC
  MC =   (2.1) 
dq

  43
Upon  taking  the  derivative  of  the  total  cost  function,  it  is  clear  that  the  fixed 
component  of  cost  will  fall  out  since  it  never  changes. Thus,  marginal  cost  may  be 
viewed as either the change in total cost or the change in total variable cost when 
one more unit is produced. For this reason, marginal cost may seem like the same 
thing  as  variable  cost,  or,  perhaps,  variable  cost  per  unit  of  output;  this  is  a 
misconception.  Marginal  cost  is  simply  the  cost  of  producing  an  additional  unit  of 
output.  It  does  follow  immediately  from  these  definitions  that  the  sum  of  the 
marginal cost of each unit that has been produced is equal the total variable cost.  
The graphs to the right show a total cost curve 
and a marginal cost curve. These have the “typical” 
textbook  shape.  First,  cost  rises  with  output  at  a 
decreasing  rate,  meaning  marginal  cost  is  falling. 
This  might  reflect  increasing  opportunities  for 
specialization.  Then,  at  some  point,  some  form  of 
diminishing  returns  sets  in  and  marginal  cost 
starts  to  rise,  meaning  total  costs  increase  at  an 
increasing  rate.  However,  cost  curves  need  not 
always have this “typical” textbook shape. 
When  we  actually  want  to  estimate  a  cost 
function,  or,  to  specify  one  for  a  practice, 
homework, or exam problem, we have to be more 
specific  mathematically.  In  practice,  we  will  use 
four  alternative  functional  forms  to  approximate 
cost functions. They are: 
1)  C (q) = F + cq   where  c>0  and  F≥0  and  for 
which  MC = c , 
2)  C (q) = F + cq d  where c>0, d>0, and F≥0 and 
for which  MC = cdq d −1 , 
3)  C (q) = F + aq + bq 2  where a>0, b>0, and F≥0 and for which  MC = a + 2bq , and 

4)  C (q) = F + aq + bq 2 + cq 3   where  a>0,  b<0,  c>0  and  F≥0  and  for  which 
MC = a + 2bq + 3cq 2 . 
The first approximation is perhaps the simplest. It simply assumes total cost is 
the sum of a fixed component, F, and a variable cost component that is constant per 
unit produced at c. The second allows for either increasing or decreasing marginal 
cost,  depending  on  whether  d>1  or  d<1.  If  d=1,  we  just  get  back  the  first 
approximation,  which  is  obviously  just  a  special  case  of  the  second.  The  third 
approximation  gives  a  linear  and  increasing  marginal  cost.  Finally,  for  the  right 
parameter values, the fourth approximation gives the “typical” textbook case where 
marginal  cost  first  falls  then  rises.  These  are  all  just  approximations  to  be  used  in 
models.  Which  is  more  appropriate  to  use  depends  on  the  particulars  of  the 

  44
situation  under  study,  and  is  a  matter  to  be  decided  using  both  data  and  careful 
judgment. 

Demand and Its Determinants, Inverse Demand 
When a firm sets a price for their product, they are ultimately making a decision 
about how many consumers will buy their product; this is because some customers 
value the product enough to pay a high price and others are only willing to pay a low 
price. The quantity consumers will purchase, then, is a function of the price charged, 
and is represented 
q = q( p)  
In  general,  if  the  quantity  is  some  “total”  quantity,  such  as  total  output  of  an 
industry,  it  will  be  denoted  as  Q;  otherwise,  the  quantity  will  represent  that  of  an 
individual firm and will be denoted as q. 
Many factors besides price influence consumers’ buying decisions. Consider the 
decision  to  buy  a  car.  Your  annual  income  will  weigh  heavily  on  which  car  you 
choose, as will the type of terrain that surrounds your home city, the prices of other 
cars  in  the  same  category  as  the  one  you  are  considering,  and  countless  other 
factors. For some purposes, for example when we wish to focus on how to choose a 
profit‐maximizing price or production level, it is convenient to ignore such factors. 
In other cases, we may want to take explicit note of the impact of such other factors. 
The  notational  differences  are  intuitive:  if  quantity  depends  on  price,  as  well  as 
income (m), the prices of substitutes and complements (pS and pC), and the size of 
the market or the number of consumers (n), and we let z represents other variables 
that affect demand but aren’t being explicitly measured, then we express quantity is 
a function of all of these variables: 
q = q ( p, m, pS , pC , n, z ) . 
Later, in Chapter 7, we will explore the theory underlying demand curves in more 
detail.  For  now,  we  focus  on  understanding  and  using  the  simple  notion  that  the 
quantity demanded can be expressed as a function of these variables. 
Representing demand in this way implies that quantity depends on price, among 
other things. Since economics is an application of science to the real world, it is often 
the  case  that  the  variables  within  a  system  determine  each  other,  as  opposed  to 
being either exclusively dependent or independent. For this reason, it is sometimes 
sensible (or simply more convenient) to represent the price that’s being charged as 
a function of the quantity the firm wants to sell. When the relationship is expressed 
this way, it is called inverse demand. 
Consistent  with  our  earlier  notation  for  demand,  if  we  want  to  account  for  the 
dependence of inverse demand on several variables, it could be represented as 
p = p (q, m, pS , pC , n, z ) . 
If  we  want  to  focus  on  the  relationship  between  price  and  quantity  alone  and 
suppress the other variables, it is represented as 

  45
 p = p(q) . 
When we illustrate demand curves with 
price  on  the  vertical  axis  and  quantity  on  p 
the horizontal, as in the figure to the right, 
we are actually drawing an inverse demand 
curve.  In  the  figure,  the  demand  curves 
follow the law of demand. That is, at higher 
prices,  the  quantity  demanded  is  lower. 
The shift from demand curve d0 to demand 
curve d1 illustrates the impact of one of the  d1
other  variables  that  affect  demand.  The 
d0 
increase  in  demand  might  be  due  to  an 
increase  in  income  (assuming  the  good  is 
normal),  an  increase  in  the  number  of  q 
consumers,  an  increase  in  the  price  of  a  substitute,  or  a  decrease  in  the  price  of  a 
complement Any of those changes would cause the quantity demanded to increase 
at any given price, thus, the whole curve shifts right. 
 

Measuring the Sensitivity of Quantity Demanded to Price 
We know that if the price of a product changes, it affects the quantity demanded. 
More  specifically,  the  law  of  demand  tells  us  that  if  price  falls,  quantity  demanded 
rises, and vice versa. But what about the rate at which demand rises and falls? The 
slope of the demand curve tells us how fast quantity changes with respect to price. If 
we are given a demand curve q(p), the slope is simply the derivative of quantity with 
respect to price: 
dq( p)
  < 0.   (2.2) 
dp
Consider  the  graph  of  a  demand  curve  to  the 
right. Every time price falls by one dollar, quantity 
demanded  increases  by  two.  This  change  in 
quantity  on  a  per‐dollar  basis  is  defined  as  the 
slope of the demand curve. Since price and quantity 
are inversely related on a demand curve, this value 
will  always  be  negative.  In  our  example,  the  slope 
of  the  demand  curve  is  ‐2.  Since  demand  is  linear, 
the slope is the same all along the curve. If demand 
were  non‐linear,  the  slope  would  change 
depending on what price were being charged, but it 
would still always be a negative value. 
Notice that our calculation of a slope of ‐2 was inconsistent with the definition of 
the slope of a line that you are probably familiar with. If you take price to be the “y” 
axis and quantity to be the “x” axis and define slope as rise over run, or, the change 

  46
in y divided by the change in x, you would find a slope of ‐½. Referring back to the 
graph, if we were to look instead at a single unit increase in quantity, we could infer 
that price falls by 0.50. This change in price per‐unit increase in quantity is the slope 
of  the  inverse  demand  curve,  which  is  what  is  shown  in  the  figure  above.  It  is  in 
direct accord with our understanding of the slope of the line in the figure above ‐ the 
slope of the inverse demand curve is ‐½. 
The  slope  of  the  inverse  demand  curve  tells  us  how  fast  price  changes  with 
respect to quantity. If we are given an inverse demand curve p(q), the slope of the 
inverse demand is just the derivative of price with respect to quantity: 
dp(q )
  < 0.   (2.3) 
dq
Again, the slope of the inverse demand curve can change depending on what price is 
being charged, but it will always be negative. 
It  is  often  desirable  to  compare  demand  responsiveness  across  several  firms, 
regions,  nations,  or  even  time  periods.  Yet,  the  units  in  which  both  prices  and 
quantities  are  quoted  vary.  For  example,  prices  may  be  in  dollars,  cents,  yen,  or 
euros,  and  quantities  may  be  in  ounces,  pounds,  grams,  dozens,  hundreds,  or 
thousands.  Since  slope  depends  on  the  units  in  which  both  price  and  quantity  are 
quoted, it can be an inconvenient way to summarize the price sensitivity of demand. 
Elasticity  measures  demand  responsiveness  in  percentage  terms,  making  it 
units‐free. Because elasticity is units‐free, it can be easily used to compare demand 
across multiple firms, industries, locations, or time periods. The elasticity of demand 
with  respect  to  price,  denoted  η  (eta),  is  defined  as  the  percentage  change  in 
quantity relative to the percentage change in price, or 
%Δq Δq / q Δq p
  η= = = .  (2.4) 
%Δp Δp / p Δp q
In equation (2.4), Δq is the change in quantity and Δp is the change in price.  
Elasticity can be measured over an interval of prices and quantities, or at a single 
price and quantity. If it is measured over an interval,  Δq and  Δp are the differences 
between  the  endpoints  of  the  interval  (although  we  would  then  need  to  decide 
which point along that interval to use for p and q). If it is measured at a single point, 
Δq  and  Δp  are  assumed  to  be  infinitesimal,  so  this  fraction  becomes  the  rate  of 
change of quantity with respect to price at that point, which is simply the derivative. 
Elasticity then becomes 
dq p
  η= .  (2.5) 
dp q
This is simply the slope of the demand curve times price divided by quantity. 
Since there is an inverse relationship between price and quantity on a demand 
curve, the first term in the equation for elasticity will always be negative, and thus 
elasticity of demand will always be negative. In general, the more negative elasticity 

  47
of  demand  is,  the  more  responsive  customers  are  to  changes  in  price.  When 
elasticity of demand is between 0 and ‐1, demand is considered to be inelastic; when 
it is ‐1 exactly, demand is said to be unitary elastic; when elasticity is less than ‐1, 
demand is said to be elastic. 
Elasticity  is  generally  not  constant  over  a  whole  demand  curve.  For  a  linear 
demand curve with constant slope, it is obvious from equation (2.5) that elasticity is 
high at high prices and low at low prices. This is often the case even when demand is 
not  linear.  Intuitively,  when  prices  rise,  consumers  tend  to  become  more  price‐
sensitive.  At  very  low  prices,  consumers  tend  to  be  relatively  insensitive  to  price 
changes. 

Demand Approximations 
Economic theory only says demand slopes down – it says nothing directly about 
the  shape  of  the  demand  curve.  For  applications  (and  for  writing  homework  and 
exam problems) we need to specify more about the demand relationship. This often 
involves simply assuming that a particular shape is a good enough approximation of 
the shape of the true underlying demand curve and then choosing the parameters of 
the approximation to fit the actual demand curve as closely as possible. In practice, 
one of two assumptions is almost always made about the shape of the demand curve 
– either slope is assumed to be constant or else elasticity is assumed to be constant. 
More  precisely,  it  is  assumed  that  either  slope  or  elasticity  is  relatively  constant 
over the range of prices under consideration. 

Linear Demand Approximations 
If  we  assume  that  the  slope  of  the  demand  curve  is  constant,  we  are  using  a 
linear  approximation  to  model  demand.  The  name  linear  demand  comes  from  the 
assumption  that  each  variable  that  is  being  measured  (price,  income,  etc.)  affects 
demand at a constant (linear) rate, regardless of how big or small the variable is. For 
example,  if  an  increase  in  per  capita  income  of  $5,000  leads  to  an  increase  in 
quantity demanded of 30 units at a given level of price and income, the same is true 
at any other level of price or income. 
In a linear demand approximation, the coefficient of each variable represents the 
change  in  quantity  demanded  per  unit  change  in  the  variable.  A  generic  linear 
demand representation looks like the following: 
  qD = b0 + bp p + bM M + bS pS + bC pC + bN N + bZ Z + ε .  (2.6) 

The  coefficients,  or  parameters,  are  chosen  to  fit  the  observed  data  on  demand  as 
closely as possible. We will cover that in the next chapter. For now, we simply want 
to introduce the idea of using a straight line to approximate demand and focus on 
how to use such a model once we have it. 
In equation (2.6) p is price, M is income, pS and pC are the prices of substitutes 
and  complements,  N  is  the  number  of  customers  (or  size  of  the  market),  Z 
represents  any  other  factors  that  are  important  in  a  particular  situation,  and  ε 
represents  a  random  error  term.  The  error  term  encompasses  all  the  factors  that 

  48
can not be readily understood and measured. Note that  bP will always be negative 
because price and quantity are inversely related. Recall that for a specific point on 
the demand curve, elasticity is 
dq p
η=  
dp q
thus, elasticity is  
p
  η = bp .  (2.7) 
q
This  elasticity  is  high  at  high  prices  and  approaches  0  as  price  decreases,  as 
described previously. 
When  focusing  on  setting  price  or  choosing  production  levels,  it  is  simplest  to 
represent quantity demand as a function of price only. To do so we will lump all of 
the  other  variables  into  a  single  coefficient  A,  and  let  B,  which  is  positive,  be  the 
absolute value of the slope. This single‐variable linear demand function is then 
  qD = A − Bp .  (2.8) 
Note that the slope of the demand curve is still negative because –B is negative. It is 
important  to  understand  that  by  simplifying  the  demand  approximation  to  a 
function  of  a  single  variable,  all  of  the  other  effects  (income,  price  of  substitutes, 
etc.) are being represented in the intercept A. 
It  is  also  often  more  convenient  to  rearrange  the  demand  curve  and  deal  with 
inverse demand. Doing so gives 
q = A − Bp
q − A = − Bp
1
−B
(
−B p = )1
−B
( q − A) . 
A 1
p= − q
B B
So, inverse demand has a positive intercept and a negative slope. It is easier to write 
this as 
  p = a − bq   (2.9) 
where a=A/B and b=1/B. 

  49
  
Example: Linear Demand 
Suppose  demand  is  approximated  by  q = 10000 − 250 p .  What  is  the 
interpretation of the slope, what is inverse demand, and what are quantity and 
elasticity if price is 10? 
Solution: The slope of ‐250 means if price increases by 1 unit, quantity falls by 
250 units. To get inverse demand, just solve for p in terms of q. 
q = 10000 − 250 p  
250 p = 10000 − q  
10000 1
p= − q 
250 250
p = 40 − 0.004q  
To find quantity and elasticity if price is 10, plug 10 into the demand function 
to find q. Then plug slope, price, and quantity into the definition of elasticity. 
q = 10000 − 250(10) = 7500  
p 10 1
η = bp = −250 =−  
q 7500 3

Log linear (constant elasticity) Demand Approximations 
Another  approach  when  approximating  demand  is  to  assume  the  elasticity  of 
demand is constant. This is called a log‐linear demand model – the reason why will 
become apparent later. By assuming constant elasticity, log linear demand is making 
a  presumption  about  how  consumers’  buying  habits  change  as  demand 
determinants change, on a percentage basis. For instance, if a firm assumed that an 
increase  in  per  capita  income  of  10%  would  result  in  a  5%  increase  in  quantity 
demanded, regardless of the current level of income or other demand determinants, 
we would be assuming constant income elasticity of demand 0.5. 
A generic constant elasticity demand approximation looks like the following, 
qD = eb0 +ε p p M bM pS bS pC bC N bN Z bZ , 
b
  (2.10) 
where  the  exponents  on  the  demand  determinants  turn  out  to  be  the  constant 
demand elasticities – again the reason why will become apparent soon. Just as in the 
linear demand model above,  ε is a random error term and bp is negative. If we were 
to  take  the  logarithm  of  both  sides  of  this  approximation  and  apply  the  laws  of 
logarithms, we would obtain 

  50
 ln ( qD ) = b0 + bp ln ( p ) + bS ln ( pS ) + bC ln ( pC )
  .  (2.11) 
+bM ln ( M ) + bN ln ( N ) + bZ ln ( Z ) + ε

Note  that  this  approximation  is  linear  in  the  natural  logs  of  the  variables.  That  is, 
treating  the  logs  of  the  original  variables  as  the  dependent  and  independent 
variables, we have a linear equation, thus the name log‐linear demand model. 
If  we  wanted  a  simplified  log  linear  approximation  with  price  as  the  only 
variable, it would look like 
  q = Ap − B   (2.12) 
or 
  ln ( q ) = ln ( A ) − B ln ( p ) ,  (2.13) 

where again A is just standing in for all the other variables and where we are again 
letting  B  represent  the  absolute  value  of  the  coefficient  on  price,  which  is  an 
exponent in the demand curve in this case. In this simplified form, we can easily look 
at both the slope and the elasticity of the demand approximation. The slope is the 
derivative of quantity with respect to price, 
dq
= − BAp − B −1 . 
dp
This can also be written as 
dq Ap − B
= −B . 
dp p
Finally, noting that  q = Ap − B , this is just 
dq q
  = − B .  (2.14) 
dp p
With that, it is easy to find elasticity using its definition from equation (2.5) 
dq p
η=
dp q
q p
= −B . 
p q
= −B
Thus,  with  a  log‐linear  demand  approximation,  the  elasticities  of  demand  with 
respect to any of the independent variables are constant and equal to the coefficient 
on that variable. 

  51
  
Example: Log Linear Demand 
Suppose  demand  is  approximated  by  q = 20000 p −2 .  What  is  the  elasticity  of 
demand, what quantity is demanded at a price of $20, what is the slope at that 
price, and what is inverse demand? 
Solution: The elasticity is given by the exponent, ‐2. To find quantity demanded 
at a price of $20, just plug 20 into the demand curve. 
q = 20000(20) −2
20000
=  
400
= 50
To  find  the  slope  at  that  point,  take  the  derivative  of  demand  and  plug  in  the 
values for the given point. 
dq
= (−2)20000 p −3
dp
−40000
=  
203
= −5
Finally, to get inverse demand, rearrange the demand curve to express price in 
terms of quantity. 

20000 p
2
p2
q =  First, multiply both sides by p2 and divide both by q. 
q p2 q
1

( p ) = ⎛⎜ 20000 ⎞2
1
2 2
⎟
⎝ q ⎠  Second, raise both sides to the ½ power to isolate price. 
p ≈ 141.42q −0.5

Revenue and Marginal Revenue 
A  firm’s  total  revenue  is  simply  the  price  it  charges  times  the  quantity  it  sells. 
Revenue = price×quantity , or 
  R = pq .  (2.15) 
Of  course,  the  firm  is  not  free  to  choose  both  price  and  quantity.  If  the  firm  is  so 
small that its actions can have no noticeable effect on the market price, it is said to 
be a price taker, or perfectly competitive. In that case, the firm may choose only how 
much to sell at the going market price. 

  52
 If  the  firm  is  large  relative  to  its  product  market,  its  actions  will  have  non‐
negligible  effects  on  the  market  price.  In  that  case,  the  firm  is  said  to  be  a  price 
maker, or to possess a degree of market power. Still, the firm is not free to choose 
both price and quantity because it is constrained by consumer demand. If the firm 
wants to sell a lot, it must set a lower price. If it wants to charge a high price, it must 
resign itself to lower sales. So, the firm can choose price or quantity, but not both. 
When demand slopes down, if the firm sells so many units as to drive the price 
all  the  way  to  0,  revenue  is  0.  Similarly,  revenue  is  0  if  the  firm  sells  0  units.  In 
between,  revenue  is  positive,  reaching  a  maximum  possible  value  at  some 
intermediate quantity. In general, selling additional output has two offsetting effects 
on revenue. First, the additional sale brings in new revenue. Second, in order to sell 
the additional unit, price must be set lower. This reduces revenue. 
The  graph  to  the  right  illustrates  this 
important  point.  Suppose  we  begin  at  a  price  of 
p1 and sell a quantity of q1. In order to sell more 
units, we lower our price to p2, at which price we 
sell q2 units. What are the effects on revenue? For 
each unit we initially sell, we receive less money 
per unit, due to the decrease in price. This loss in 
revenue  is  represented  by  the  rectangle  labeled 
“LOSS”.  However,  our  lower  price  causes  more 
people  to  want  to  buy  our  product,  so  we  sell 
more units. The increase in unit sales adds to our 
revenue and this increase is represented by the rectangle labeled “GAIN”. 
If  the  gains  outweigh  the  losses,  selling  the  additional  units  adds  to  the  firm’s 
total  revenue.  If  the  losses  outweigh  the  gains,  the  change  in  revenue  from  selling 
the  additional  units  is  negative.  This  change  in  total  revenue  from  selling  a  single 
additional  unit  is  called  marginal  revenue.  In  other  words,  it’s  the  rate  at  which 
total revenue changes when more output is sold. Starting from a high price and low 
quantity,  marginal  revenue  is  positive  –  the  direct  increase  in  revenue  from  the 
extra  unit  sold  outweighs  the  decrease  in  price.  At  high  quantities  and  low  prices, 
marginal  revenue  is  negative  –  the  direct  increase  in  revenue  from  the  additional 
unit is overwhelmed by the decrease in price. 
 

  53
 The top panel of the figure to the right depicts 
the  relationship  between  revenue  and  quantity 
when  demand  slopes  down,  R(q).  The  bottom 
panel  shows  marginal  revenue,  MR(q).  When 
quantity  is  0,  so  is  revenue.  When  quantity  is  so 
high  as  to  drive  price  to  0,  revenue  is  again  0.  At 
low  quantities,  revenue  is  rising  with  additional 
sales,  so  marginal  revenue  is  positive.  At  high 
quantities,  revenue  falls  with  additional  sales  and 
marginal  revenue  is  negative.  At  the  maximum 
revenue,  marginal  revenue  exactly  equals  0  –  the 
direct gain from selling an additional unit is exactly 
offset by the decline in price needed to generate a 
higher sales total. 
To  model  revenue  mathematically,  starting 
from an inverse demand curve, p(q), total revenue 
would be price times quantity 
  R = p(q)q .  (2.16) 
Marginal revenue is the derivative of total revenue 
with respect to quantity. Using the chain rule, this is 
dR dp
  MR = = p + q .  (2.17) 
dq dq
It is important to really understand how equation (2.17) tells in part of one line 
the  whole  story  about  marginal  revenue  explained  in  three  paragraphs  of  words 
above. When another unit is sold, the direct effect is to bring in additional revenue 
equal  to  the  price  charged  for  that  unit,  p,  the  first  term  in  the  derivative.  The 
indirect  effect  is  to  lower  price  by  the  sensitivity  of  price  to  quantity  sold,  dp/dq. 
That  decrease  in  price  is  applied  to  all  units  that  are  to  be  sold,  q.  So,  we  sell  an 
additional unit at price p but receive a lower price on all q units sold. 
It  may  initially  seem  that  marginal  revenue  is  always  simply  the  price  that  the 
firm sets for its product. However, looking at the above equation, it is clear that this 
is  only  true  if  dp/dq  is  0  ‐  that  is  if  the  firm’s  sales  have  no  effect  on  price.  That 
means the firm is a price taker and the inverse demand curve faced by the firm is a 
horizontal  line  at  whatever  the  going  market  price  is.  Markets  where  all  firms  are 
price takers are called perfectly competitive. Most firms have some control over the 
price they charge for their products though, so dp/dq will be negative and marginal 
revenue will be less than price. However, in cases where the individual firms have 
only a little control over price, it is often more convenient, and realistic enough, to 
just treat them as price takers and ignore their tiny impact on market prices. 

  54
  
Example: Revenue and Marginal Revenue 
Suppose  inverse  demand  is  approximated  by  p = 7 − 0.3q .  What  are  the 
equations  for  revenue  and  marginal  revenue,  what  quantity  and  price  would 
maximize revenue, and what is the maximum value of revenue? 
Solution: Revenue is price times quantity, so 
R = ( 7 − 0.3q ) q . 

Marginal  revenue  is  the  derivative  of  revenue  with  respect  to  q.  Using  the 
product rule, 
MR = 7 − 0.3q − 0.3q = 7 − 0.6q . 
(In  general,  with  linear  demand,  marginal  revenue  has  the  same  intercept  and 
double the slope of the inverse demand curve. You should prove that to yourself 
using the general form of an inverse demand curve,  p = a − bq .) 
Revenue is maximized where marginal revenue is 0, so 
MR = 0
7 − 0.6q = 0
0.6q = 7
70
q=
6
p = 7 − 0.3q
 
3 70
=7−
10 6
42 21 21
= − =
6 6 6
21 70
R= ≈ 40.83
6 6
 

  55
Marginal Revenue and Elasticity 
Recall that, from the definition of marginal revenue, 
dR dp
= p + q . 
dq dq
If we multiply the second term by (p/p) and rearrange, we obtain 
dR dp ⎛ p ⎞
= p + q⎜ ⎟  
dq dq ⎝ p ⎠

dR dp ⎛ q ⎞
= p + ⎜ ⎟ p . 
dq dq ⎝ p ⎠
Observing that (dp/dq)(q/p) is the inverse of elasticity, we can write 
dR 1
= p+ p 
dq η
dR ⎛ 1⎞
  = p ⎜1 + ⎟ .  (2.18) 
dq ⎝ η⎠
This  equation  describes  the  relationship  between  marginal  revenue  and 
elasticity. If the elasticity of demand exceeds 1 in absolute value so that demand is 
elastic,  marginal  revenue  is  positive.  That  is  because  the  increase  in  quantity  sold 
will  swamp  the  decline  in  price.  As  elasticity  increases  in  absolute  value,  1/η 
approaches zero, so marginal revenue approaches price. As elasticity becomes very 
large, the marginal revenue from the next unit sold will be almost the same as the 
current price. 
Notice  that  if  demand  is  inelastic  (elasticity  is  between  0  and  ‐1),  marginal 
revenue  will  be  negative.  This  occurs  because  lowering  price  when  demand  is 
inelastic  will  cut  revenue.  Since  more  units  sold  means  higher  cost,  it  will  also  cut 
profit.  In  other  words,  if  you  truly  believe  demand  is  inelastic,  you  ought  to  raise 
price. 

  56
  
Example: Marginal Revenue and Elasticity 
Suppose elasticity is ‐0.25. What is marginal revenue? 
Solution: From equation (2.18) 
⎛ 1 ⎞
MR = p ⎜ 1 − ⎟
⎝ 1 4⎠
= p (1 − 4 ) . 
= −3 p
Since elasticity is less than 1 in absolute value, MR is negative! Price should be 
increased. 
 

Profit Maximization 
We have already established that it is a manager’s ultimate duty to maximize the 
present value of the profits created by the firm. If a manager sets a price that is too 
low,  the  firm  may  sell  a  lot  of  units,  but  profit  per  unit  will  be  so  low  that  total 
profits  are  small.  On  the  other  hand,  if  a  manager  sets  a  price  that  is  too  high, 
quantity demanded will decrease too sharply, leading potentially to high profit per 
unit  but  again  low  total  profit.  How  do we  model  choosing a price and production 
level to maximize profit? 
The  figure  at  right  shows  a  generic  profit 
function,  π = R(q ) − C (q) .  Just  as  in  the  above 
discussion,  it  is  clear  that  selling  too  many  or  too 
few  units  will  result  in  a  loss  of  potential  profits. 
Using calculus, we can maximize this profit function 
by setting its derivative equal to zero: 
dπ ⎛ dp ⎞ dC
= ⎜ p + q⎟ − = 0 . 
dq ⎝ dq ⎠ dq
Based on the definitions of marginal revenue and 
marginal cost, this profit‐maximizing condition can 
be written as 
MR − MC = 0  
or 
  MR = MC   (2.19) 
So, when the revenue a firm gets from selling its last unit equals how much it costs 
to make that last unit, a firm is maximizing profit. If marginal revenue is greater 
(less) than marginal cost, the change in profit from selling another unit will be 

  57
positive (negative) – so the firm should sell more 
(less). The graph to the right shows this profit‐
maximizing condition in general. In order to sell 
the profit‐maximizing quantity, q*, where 
marginal revenue equals marginal cost, the firm 
sets a price of p*. 
This is the basic idea at the core of the class. If 
doing something increases profit, do it more. If it 
lowers profit, do it less. Profit can only be 
maximized where the marginal benefits and 
marginal costs of any action balance one another 
exactly. Understanding what this means for decisions in various scenarios with 
information of varying completeness and complexity and in situations where many 
decision makers are simultaneously trying to predict what everyone else will do so 
as to strategically maximize their own profits will fill this course. Indeed, broadly 
understood, that basic pursuit fills all courses that fall under the large heading of 
microeconomics. So, the trick to mastering the course is to really understand what is 
going on here and then hone your critical thinking skills and analytical abilities so 
that you can apply this basic insight in many more complex situations. 
What if we had maximized marginal revenue instead? Then we would set 
marginal revenue equal to 0. Price would be lower and quantity would be higher. 
Importantly, profits would be lower. That is because the last units sold would have 
marginal revenue near 0 but a positive marginal cost. If the bottom line is profit, 
both cost and revenue must be factored in. Beware the recommendations of a sales 
or marketing department who are paid commissions based on revenue, not profit. It 
may be in their interest to recommend prices too low and sales too high for the good 
of the company! 

  58
  
Example: Profit Maximization 
Suppose  a  firm  faces  an  inverse  demand  curve  of  p = 7 − 0.3q   and  has  a  cost 
function  of  C(q) = 9 + 1.1q .  Find  the  profit‐maximizing  price  and  quantity,  and 
calculate the firm’s profit. 
Solution:  Set  up  the  firm’s  profit  function  and  then  maximize  by  setting  the 
derivative equal to 0. 
π = pq − C(q)  
π = ( 7 − 0.3q ) q − ( 9 + 1.1q )  (Substituting for p from inverse demand) 
dπ
= 7 − 0.6q − 1.1 = 0  
dq
0.6q = 5.9  
q = 5.9 0.6  
p = 7 − 0.3 ( 5.9 0.6 ) = 4.05  

π = 4.05 ( 5.9 0.6 ) − ( 9 + 1.1( 5.9 0.6 ) ) ≈ 20  

Compared  to  the  solution  in  the  previous  example  where  revenue  was 
maximized, price is higher, sales are lower, revenue is lower, and profit is higher. 
Alternatively, if given a demand function instead of an inverse demand function, 
you  could  choose  the  price  to  maximize  profit.  To  see  that,  first  rearrange  the 
given inverse demand function to get the corresponding demand function. 
p = 7 − 0.3q
0.3q = 7 − p  
70 10
q= − p
3 3
Now set up the profit function, take the derivative, and solve. 
π = pq − C(q)  
⎛ 70 10 ⎞ ⎛ 70 10 ⎞
π = p ⎜ − p ⎟ − 9 − 1.1⎜ − p ⎟
⎝ 3 3 ⎠ ⎝ 3 3 ⎠
 (Substituting for q from demand) 
⎛ 70 10 ⎞
= ( p − 1.1) ⎜ − p⎟−9
⎝ 3 3 ⎠

  59
 dπ 70 10 10 11
= − p− p+ =0
dq 3 3 3 3
20 81
p=  
3 3
p = 4.05
70 10
q= − (4.05) ≈ 9.83  
3 3
π = 4.05 ( 9.83) − ( 9 + 1.1( 9.83) ) ≈ 20  
Whether you should work from the demand curve or the inverse demand curve 
just  depends  on  convenience.  Most  of  the  time,  it  will  be  easier  to  work  from 
inverse demand in problems like this, but not always. 
 
Estimates  of  demand  elasticity  can  also  be  used  to  maximize  profit.  Recall  the 
equation relating marginal revenue to marginal cost: 
⎛ 1⎞
MR = p ⎜ 1 + ⎟ . 
⎝ η⎠
This relationship between elasticity and marginal revenue always holds since it was 
derived from a generic revenue formula. But how does it relate to marginal cost and 
overall  profit?  Now  we  know  that  if  profit  is  being  maximized,  marginal  revenue 
equals  marginal  cost.  So,  if  a  firm  is  maximizing  profit,  we  can  rewrite  this 
relationship as 
⎛ 1⎞
MR = p ⎜ 1 + ⎟ = MC  
⎝ η⎠
and, solving for price, we obtain 
⎛ η ⎞
  p=⎜ ⎟ MC   (2.20) 
⎝ 1 +η ⎠
η
In this form, the coefficient on marginal cost,  , can be thought of as a “mark‐
1 +η
up”  factor.  This  factor  tells  us  how  much  to  mark‐up  price  above  marginal  cost  to 
maximize  profit  based  on  our  customer’s  sensitivity  to  price.  This  mark‐up  factor 
increases as elasticity decreases in absolute value, thus profit‐maximizing prices are 
higher where consumers aren’t as price sensitive. 
While this relationship always holds, it is particularly useful in situations where 
both  marginal  revenue  and  elasticity  are  roughly  constant  in  the  face  of  small 
changes in quantity. In that case, equation (2.20) is not simply a condition that must 

  60
be  true  if  profits  are  maximized,  but  is  a  simple  formula  for  estimating  the  profit‐
maximizing price, as long as it is not too far from the current price. 
 
Example: Profit Maximization and Elasticity 
Suppose elasticity is ‐5, marginal cost is 3, and price is currently 5.50. Without 
assuming elasticity and marginal cost are constant, is price too high, too low, or 
just right? If we assume elasticity and marginal cost are relatively constant,  
⎛ 1⎞
Solution: If elasticity is ‐5 and price is 5.5, marginal revenue is  5.5 ⎜1 − ⎟ = 4.4  
⎝ 5⎠
from equation (2.18). Since this is higher than marginal cost, more units should 
be sold, meaning the current price is too high. 
To maximize profit, the mark up over marginal cost should be ‐5/(1‐5), or 1.25. 
So, price should be (1.25)(3)=3.75. 
 
 
Example: Profit Maximization using Mark‐up 
Suppose a firm faces a demand curve of  q = 10,000 p −3  and unit cost is constant 
at $4 per unit. Find the profit‐maximizing price and quantity,  and calculate the 
firm’s profit. 
Solution:  This  problem  could  be  solved  like  the  earlier  example  with  linear 
demand, but given that we have a demand curve with constant elasticity, as well 
as  a  constant  marginal  cost,  we  can  use  Equation  (2.20)  to  find  the  price. 
Observing that the elasticity is ‐3 and the marginal cost is 4, price is 
⎛ η ⎞
p=⎜ MC  
⎝ 1 + η ⎟⎠

⎛ −3 ⎞
p=⎜ 4 
⎝ 1 − 3 ⎟⎠
p = (1.5 )4 = 6  
and quantity is 
q = 10,000 (6 ) ≈ 46.3 . 
−3
 
The firm’s profit is 
  π = (6 − 4)(46.3) = 92.6  
 

  61
Chapter 2 Terminology 
The  following  is  a  list  of  terms  that  you  should  know  in  order  to  discuss  and 
apply the material from this chapter. 
 
Fixed Cost­ A cost that remains constant (in a relative range of time) regardless of a 
change in the number of units produced. In the short run, this type of cost cannot be 
avoided whereas in the long run, it can. 
Law  of  Demand­  Law  that  states  that  as  price  increases,  quantity  demanded 
decreases.  This  explains  why  demand  curves  are  downward  sloping  and  the  price 
coefficient is always negative. 
Linear  Demand­  An  additive  representation  of  demand  that  holds  the  slope 
constant. It assumes each variable that affects demand does so linearly, as opposed 
to  having  a  squared  or  cubed  relationship.  The  coefficient  of  each  variable 
represents the way in which the variable affects demand. 
Log­Linear  Demand­  A  multiplicative  representation  of  demand  in  which  each 
variable is raised to a certain power. This model assumes that elasticity is constant 
and is the power to which the price variable is raised. 
Marginal Cost­ The cost incurred when a firm sells one additional unit of a good. It 
is  the  rate  of  change  (or  derivative  with  respect  to  quantity)  of  total  cost.  It  is 
increasing because of the presence of a fixed factor. In order to maximize profit, this 
should be set equal to marginal revenue. 
Marginal Revenue­ The additional income of selling one more unit. It is the rate of 
change  (or  derivative  with  respect  to  quantity)  of  total  revenue.  In  order  to 
maximize profit, this should be set equal to marginal cost. 
Mark­up  Factor­  A  factor  that  shows  by  how  much  more  a  firm  can  charge 
consumers  for  a  product  than  it  costs  to  make.  As  consumers  become  more  price 
sensitive, the markup factor approaches 1, that is, price approaches marginal cost. 
The  less  price  sensitive  consumers  are, the  higher  the  markup  factor.  The  markup 
factor is multiplied by the marginal cost in order to find a firm’s profit maximizing 
price. 
Market  Power­  A  firm’s  ability  to  control  and  change  the  market  price  of  a  good. 
Whereas  a  perfectly  competitive  firm  (price  taker)  has  the  least  market  power,  a 
monopolistic firm (price maker) has the most. 
Price Elasticity of Demand­ The percentage change of quantity sold with respect to 
a percentage change in price. It is a tool that tells us how sensitive customers are to 
changes  in  price.  Elasticity  of  demand  will  always  be  a  negative  number  and  the 
more elastic demand is, the bigger the absolute value of elasticity will be. 
Price  Taker­  A  firm  that  has  no  control  over  the  price  of  a  good  (e.g.  a  wheat 
farmer) who  takes and uses the global price of that good. This type of firm has  no 
market power, i.e. a perfectly competitive firm. 

  62
Profit­ A firm’s financial gain; the difference between total revenue and total costs. 
This  is  the  amount  that  rational  firms  care  most  about  and  will  always  want  to 
maximize when making decisions. 
Revenue­ A firm’s income; the total amount received by consumers or the price per 
unit of a good multiplied by the number units sold. 
Total Cost­ The total amount it costs a firm to produce a unit of a good multiplied by 
the number of units sold. This is the amount to be subtracted from revenue in order 
to find a profit or a loss. 
 

  63
Chapter 3 
Applications and Extensions of Optimal Production and Pricing 
In this chapter, we consider a number of related applications and extensions of 
the  basic  principles  set  out  in  Chapter  2.  The  specific  extensions  considered  are: 
price discrimination, setting price across locations that differ in market size but are 
otherwise similar, the implications of a capacity limit, the optimal choice of capacity 
when demand varies over time, maximizing profit when there is uncertainty about a 
determinant  of  profit,  and  the  value  of  additional  information  when  faced  with 
uncertainty. Rather than viewing them as separate topics, you should look at them 
as small additions or adjustments to the basic ideas introduced in the last chapter, 
or  as  small  variations  in  the  basic  tools  you  have  already  learned  to  use.  The 
primary goal of this course is for you to learn to use the tools of microeconomics to 
understand, analyze, and evaluate business decisions. Since the number of possible 
situations is unlimited, there is no hope of simply learning by rote what economic 
analysis  concludes  about  every  possible  situation.  Rather,  you  must  practice 
generalizing and adapting the basic tools to ever new and changing situations. 

 Simple (3rd degree) Price Discrimination 
Maximizing  profit  with  a  single  product  and  a  single  customer  type  is  easy 
enough.  But  sometimes,  firms  are  able  to  extract  additional  profit  by  charging 
different types of customers different prices. This is known as simple (or 3rd degree) 
price  discrimination.  A  common  example  of  simple  price  discrimination  is  when  a 
movie  theater  offers  discounts  to  senior  citizens.  By  doing  this,  it  is  charging  two 
different groups of customers (senior citizens and non‐senior citizens) two different 
prices for the same product. By charging each customer group a price based on that 
group’s demand elasticity, the theater is able to increase its overall profit. 
For a firm to effectively use simple price discrimination, its customers must fall 
into  distinct  groups  that  differ  in  their  willingness  to  pay.  These  customer  groups 
must  also  be  easily  identifiable,  such  as  by  IDs.  Also,  because  the  firm  is  charging 
two  different  prices  for  the  same  product,  resale  must  not  be  possible.  Otherwise, 
the  customer  that  gets  the  product  for  the  cheaper  price  could  make  a  profit  by 
reselling to the other customer at a slightly lower price than the firm charges. 
Assuming both of these conditions are present, a firm is able to maximize their 
profit  by  charging  two  different  prices.  Letting  subscripts  1  and  2  denote  two 
different consumer groups, the firm’s profit is 
  π = p1q1 + p2 q2 − C (q1 + q2 ) .  (3.1) 

Cost  depends  on  the  total  amount  produced,  which  is  q = q1 + q2 .  Since  the  cost  of 
producing a unit is the same whether or not a type 1 customer or a type 2 customer 
ends up purchasing it, it follows that a firm will maximize profit when 
MR1 = MR2 = MC . 

  64
That is, marginal revenue for both customer types must equal the common marginal 
cost  of  production.  This  makes  sense.  If  marginal  revenue  exceeds  (falls  short  of) 
marginal cost in either market, more (fewer) units should be sold in that market. 
Which  market  is  charged  the  higher  price?  The  one  with  the  less  elastic  (less 
price‐sensitive)  demand.  From  the  rule  established  above  for  the  relationship 
between the profit maximizing mark‐up and elasticity, saying that marginal revenue 
must equal the common marginal cost in both markets means: 
η1 η
p1 = MC   and   p2 = 2 MC . 
1 + η1 1 + η2
Thus,  if  the  absolute  value  of  elasticity  is  lower  in  market  1,  the  price  is  higher  in 
that  market.  That  is  why  senior  citizens  and  students  get  discounts  –  they  tend  to 
have less disposable income and/or more time to shop, thus they are more sensitive 
to price. 
 
Example: 3rd Degree Price Discrimination – Linear Demand 
Suppose  there  are  two  types  of  customers  with  inverse  demand  curves 
p1 = 20 − q1   and  p2 = 30 − q2 .  If  the  firm’s  cost  is  C(Q) = 0.5(q1 + q2 )2 ,  find  how 
much  more  profit  the  firm  can  make  by  implementing  3rd  degree  price 
discrimination. 
Solution:  We  need  to  find  the  firm’s  profit  when  they  use  discrimination  and 
when  they  charge  a  single  price,  and  then  find  the  difference.  The  firm’s  profit 
when charging two separate prices is 
  π = (20 − q1 )q1 + (30 − q2 )q2 − 0.5(q1 + q2 )2  
and in order to maximize profit,  MR1 = MR2 = MC . 
  MR1 = MC     15 = 4q1  
  20 − 2q1 = q1 + q2     q1 = 3.75  
  MR2 = MC     q2 = 5 + q1 = 8.75  
  30 − 2q2 = q1 + q2     p1 = 20 − 3.75 = 16.25  
  20 − 2q1 = 30 − 2q2     p2 = 30 − 8.75 = 21.25  
  2q2 = 10 + 2q1   π = 16.25(3.75) + 21.25(8.75)
   
  q2 = 5 + q1   −0.5(3.75 + 8.75)2

  20 − 2q1 = q1 + 5 + q1     π = 168.75  
Now  suppose  that  the  firm  can  only  charge  a  single  price.  We  need  to  find  the 
firm’s  total  demand  by  combining  the  individual  consumer  types’  demand 
curves. Since the total amount the firm sells is the sum of the amount they sell to 

  65
 type  1  and  type  2,  we  need  to  solve  the  original  inverse  demand  curves  for 
quantity: 
  p1 = 20 − q1 → q1 = 20 − p1  
  p2 = 30 − q2 → q2 = 30 − p2  
To find the firm’s total demand curve with one price ( p1 = p2 = p ), add both of 
these quantities: 
  q = 50 − 2 p  
Now, rearranging to find inverse demand 
  p = 25 − 0.5q  
we can solve for the quantity and price that maximize profit. 
  π = (25 − 0.5q)q − 0.5q2  
  MR = MC  
  25 − q = q  
  q = 12.5  
  p = 25 − 0.5(12.5) = 18.75  

  π = 18.75(12.5) − 0.5(12.5)2 = 156.25  

So,  by  price  discriminating,  the  firm  is  able  to  make  an  additional 
168.75 − 156.25 = 12.50  in profit. 
 

Profit maximization when purchases per capita do not depend on 
market size 
It is often reasonable to assume purchases per capita do not depend on the size 
of  the  market.  That  is,  in  two  markets  that  are  similar  in  terms  of  income, 
demographics,  and  anything  else  that  affects  demand  other  than  market  size, 
purchases  will  be  proportional  to  population  at  a  given  price  unless  there  is  some 
specific  reason  that  preferences  for  the  product  are  related  to  population.  For 
example, the demand for public transportation may be greater in larger cities due to 
higher congestion. But, for something like movie tickets or hamburgers, it is hard to 
see  why  population  size,  in  itself,  should  affect  the  demand  of  an  individual 
consumer.  One  natural  application  of  this  model  occurs  when  goods  are  highly 
durable  or  infrequently  purchased  for  some  other  reason,  in  which  case  each 
consumer  purchases  either  0  or 1  unit in  any  given  time  period.  For  example,  few 
individuals  buy  more  than  one  house  or  car  in  any  given  year,  or  more  than  one 
concert ticket for any given tour, more than one football ticket for a given game, or 
more than one movie ticket for a given showing. In that case, purchases per capita 
can be thought of as (very nearly) the fraction of consumers that purchase the good. 

  66
 In this case, demand can be written as 
qD
= f ( p, pS , pC , M, z)  
N
where N is the city size and f ( p, pS , pC , M , z )  is purchases per capita, or the fraction 
of the population that buys the good for goods that are durable or otherwise 
infrequently purchased. This model is useful because if you know a lot about 
demand in Gainesville and you want to estimate demand in Jacksonville, you can 
draw conclusions as long as you assume that everything is similar enough between 
the locations, except city size. 
How does city size affect demand elasticity, and thus the profit‐maximizing mark 
up, if it does not affect demand per capita? It doesn’t. To see why, first note we can 
write demand as 
  qD = Nf ( p) .  (3.2) 
Thus, using the definition of elasticity and equation (3.2), 
dq p df p
η= =N  
dp q dp Nf ( p)
dq p
η=
dp q
df p
  = N .  (3.3) 
dp N f ( p )
df p
=
dp f ( p)
So,  if  a  firm’s  marginal  cost  is  roughly  constant,  this  model  shows  the  profit‐
maximizing price doesn’t vary with city size, only with other demand shifters. 

  67
  
Example: Demand for Infrequently Purchased Goods 
Of  1,000  potential  customers,  the  fraction  purchasing  is  approximated  by 
f ( p) = 1 − 0.1 p ,  and  constant  unit  cost  is  $2.  Find  the  price  and  quantity  that 
maximizes profits. 
Solution: The quantity of tickets sold is the number of people times the fraction 
that will buy them 
  q = 1000(1 − 0.1 p )  
and profit is then 
  π = pq − 2q  
  π = ( p − 2)q  
  π = ( p − 2)i1000(1 − 0.1 p )  
dπ
  = 1000 ( (1 − 0.1 p) − 0.1( p − 2) ) = 0  
dp
  1 − 0.1 p − 0.1 p + 0.2 = 0  
  0.2 p = 1.2  
  p = 6 ,  q = 1000(1 − 0.1(6)) = 400 , and  π = (6 − 2)(400) = 1600  

Maximizing Profit with a pre­determined capacity constraint 
Something  that  is  common  among  many  examples  of  infrequently  purchased 
goods – movie theaters, sporting events, etc. – is the presence of venues, which have 
a  limited  amount  of  seating.  In  the  previous  section,  we  faced  a  demand  function 
that  was  proportional  to  population  size  and  maximized  profit,  but  what  if  the 
profit‐maximizing price sold too many seats and the venue ran out of space? 
In  practice,  firms  often  have  to  deal  with  capacity  constraints.  If  our  profit‐
maximizing quantity is less than our venue’s capacity, the constraint doesn’t affect 
our  decision.  If,  however,  our  optimum  price  sells  more  seats  than  we  have 
available, the next best thing we can do is raise price until the excess tickets are no 
longer demanded. In this way, our price will be set where the quantity demanded is 
exactly equal to our venue’s capacity (we will sell out). This situation is depicted in 
the  figure  below.  The  figure  shows  inverse  demand  per  capita  (or  the  fraction 
purchasing). Capacity is limited to  q  units, so the fraction purchasing cannot exceed 
q N .  If  the  profit  maximizing  price  is  p*  ignoring  capacity  limits,  the  fraction 
purchasing  would  be  too  high.  So,  price  must  rise  to  p**  to  equate  demand  and 
capacity. 

  68
 p 

p** 

p*  Per Capita 
Inverse 

f ( p **) = q / N f ( p*) > q / N f(p) 

 
 
Example: Infrequently Purchased Goods with a Capacity Constraint 
Of  1,000  potential  customers,  the  fraction  purchasing  is  approximated  by 
f ( p) = 1 − .1p ,  and  constant  unit  cost  is  $2.  Find  the  price  and  quantity  that 
maximizes profits. Assume a capacity constraint of  q = 200 . 
Solution: As this is the same information in the previous question, we know the 
profit‐maximizing  quantity  is  400  tickets.  Since  our  capacity  constraint  won’t 
allow  us  to  sell  this  many  tickets,  we  need  to  find  the  price  that  will  sell  200 
tickets and thus sell out our theater. 
q = 1000(1 − .1p) = 200  
  1 − .1p = .2  
  p = 8 
  π = (8 − 2)(200) = 1200  
 

Peak­Load Pricing ­ Determining capacity when demand varies over 
time 
In the last few applications, we showed that ticket sales of 400 would have given 
the  firm  $1600  in  profit,  but  when  their  capacity  limited  their  sales  to  200,  their 
profit  was  reduced  to  $1200.  If  the  firm  had  been  able  to  choose  how  large  they 
wanted  their  venue  to  be,  400  seats  would  be  optimal,  since  400  tickets  would 
maximize their profit. But, this number was only based on a single demand function. 
If the profit‐maximizing quantity was 400 at some points of the year but only 100 at 
other points, it may make sense to build a venue that has a capacity of 200 seats. 

  69
 In  situations  where  demand  differs  by  time  of  day  (or  season),  it  is  natural  to 
suggest a firm ought to charge a higher price during the time of day when customers 
have a higher willingness to pay; this is the notion of peak‐load pricing. For example, 
suppose a restaurant experiences higher demand during dinner than it does during 
lunch. To maximize profit, it should charge dinner customers a higher price than it 
charges lunch customers. Since the assumption for this example is that demand will 
be higher at dinner, the quantity it sells during dinner will be greater than or equal 
to the quantity it sells during lunch.  
To proceed, we need to model both operating cost and capacity cost. Assume the 
marginal cost of selling one more unit is constant at c, the operating cost per unit.  In 
our example, that would be the cost of an additional meal: setting one more place, 
preparing one more meal, bussing one more table, etc. If there is plenty of capacity 
already at hand, these are the only costs incurred if one more unit is produced. 
If, however, there is not extra capacity available, there is an additional capacity 
cost. We assume the marginal cost of an additional unit of capacity is constant and 
equal to k, the capacity cost per unit. In the restaurant example, think of the capacity 
cost  per  unit  as  the  opportunity  cost  of  seating  one  more  customer  during  peak 
hours:  the  cost  of  getting  additional  floor  space,  another  table,  another  chair, 
perhaps a larger kitchen so more meals can be simultaneously prepared, etc. 
Assuming  the  quantity  sold  during  peak  hours  is  greater  than  during  off‐peak 
hours, demand during peak hours determines our capacity. That means that, in our 
restaurant example, we will only need to worry about capacity costs at dinner, while 
at lunch, sections of the restaurant will be roped off and not used. So, if we decide to 
sell another unit during peak hours, we must increase the capacity of our restaurant. 
The marginal cost of selling one more meal during peak times is  c + k . 
Therefore, to maximize profit with high‐demand times and low‐demand times, a 
firm should set 
  MRL = MCL = c   (3.4) 
and 
  MRH = MCH = c + k   (3.5) 
where the H and L subscripts refer to high and low demand respectively. 
The  figure  to  the  right  shows  inverse  demand 
and marginal revenue for both high (H) and low (L) 
demand  times,  along  with  peak  and  off‐peak 
marginal  cost.  During  low  demand,  the  optimal 
quantity  sets  marginal  revenue  equal  to  marginal 
operating  cost,  and  the  optimal  price  is  chosen 
accordingly.  During  high  demand  times,  marginal 
revenue is equated to the sum of marginal operating 
and capacity costs to find the optimal quantity, and 
price  is  chosen  accordingly.  In  the  restaurant 

  70
example, this corresponds to offering early bird and lunch specials and charging full 
prices in the evenings. 
In  the  situation  depicted  in  the  figure  above,  the  quantity  of  meals  sold  in  the 
high‐demand  period  (qH)  is  higher  than  the  quantity  of  meals  sold  in  the  low‐
demand period (qL), as we assumed it would be. If the willingness to pay in the high 
demand period is not much greater than the willingness to pay in the low demand 
period, what may happen is the quantity of meals sold at low‐demand times (lunch) 
may be higher than the quantity of meals sold at high‐demand times (dinner) if we 
apply the technique described above to determine prices. 
To  illustrate,  consider  the  figure  to  the  right. 
Remember,  we  assumed  capacity  is  determined 
only  by  the  high‐demand  period  of  the  day.  In  the 
situation above, we find that qH is actually less than 
qL.  But,  since  we’ve  built  capacity  based  on  high‐
demand,  we  won’t  have  enough  capacity  to  serve 
the low‐demand. This is known as a “shifting peak” 
and  is  even  more  likely  when  the  off‐peak  price 
affects peak demand and vice versa – that is when 
peak  and  off‐peak  consumption  are,  to  some 
degree, substitutes. 
Thus,  whenever  working  these  problems,  it’s  important  to  check  that  this 
assumption holds; namely, that qH > qL. At most, the number of units sold at either 
time of day can equal capacity. If your solution violates that working assumption, it’s 
back  to  the  drawing  board.  We  would  never  actually  sell  less  when  demand  was 
higher.  At  most,  we  would  use  all  of  our  capacity  at  both  times  of  day.  So,  if  the 
solution  calls  for  the  low  demand  quantity  to  be  highest,  we  must  go  back  and 
impose on the problem a constraint that qH = qL. 
So, when solving a peak‐load problem, maximize the firm’s profit, which is 
  π = pH (qH )qH + pL (qL )qL − cqL − (c + k )qH .  (3.6) 
If, upon solving, you find  qH ≥ qL , your answer is correct. If, however,  qH < qL , you 
must  rework  the  problem  assuming  that  qH = qL .  Since  quantities  are  the  same  at 
peak and off peak demand, we drop the subscripts and denote each by simply q. It is 
important to realize that total output, the sum of peak and off peak sales, will then 
equal 2q. While operating cost is incurred for all units produced at each time of day, 
capacity  cost  is  incurred  only  once  for  both  periods.  In  this  case,  profit  would 
become 
  π = pH (q)q + pL (q)q − (2c + k )q .  (3.7) 
Maximizing, we obtain 
dπ
= MRH + MRL − (2c + k)q  
dq

  71
  MRH + MRL = 2c + k .  (3.8) 
This says the combined marginal revenue of the last unit sold at peak demand and 
the  last  unit  sold  at  off‐peak  demand  must  equal  the  marginal  operating  cost  of 
producing  each  unit  plus  the  marginal  cost  of  adding  the  last  unit  of  capacity  that 
allows each unit to be produced. 
 
Example: Peak Load Pricing 
Suppose  a restaurant faces  inverse  demand of  pH = 14 − 0.5qH   at  high  demand 
times and  pL = 12 − 0.5qL  at low demand times. If operating costs are $2 per unit 
and  capacity  costs  are  $4  per  unit,  find  the  profit‐maximizing  prices  for  both 
times. 
Solution: First, treat the problem as if the constraint  qH ≥ qL  is not violated. So, 
profit is 
  π = (14 − 0.5qH )qH + (12 − 0.5qL )qL − 2qL − 2qH − 4qH  
∂π
  = 14 − qH − 2 − 4 = 0  
∂qH
  qH = 8  
∂π
  = 12 − qL − 2 = 0  
∂qL
  qL = 10  
Since  the  constraint  is  violated,  we  have  broken  our  assumption  that  we  sell 
more during peak demand than we do during off‐peak demand. So, we must sell 
the same quantity during both demand times. Assuming  qH = qL , profit becomes 
  π = (14 − 0.5q)q + (12 − 0.5q)q − 2q − 2q − 4q  
dπ
  = 14 − q + 12 − q − 2 − 2 − 4 = 0  
dq
  q=9 
  pH = 14 − 0.5(9) = 9.5  
  pL = 12 − 0.5(9) = 7.5  

  72
Profit maximization with uncertainty 
In Chapter 1, we saw how the presence of uncertainty creates a situation where 
decisions  must  be  based  on  probability  estimates,  reducing  expected  profit.  When 
there  is  uncertainty  about  demand  or  cost  conditions,  managers  are  similarly 
limited in their ability to make optimal decisions. On the demand side, for example, 
the  demand  for  trucks  and  SUVs  three  years  from  now  may  depend  on  the  future 
cost  of  gasoline.  Similarly,  uncertainty  about  future  fuel  costs  may  mean  there  is 
important uncertainty about operating costs in industries where fuel is a high share 
of costs. 
We are interested in situations in which the presence of uncertainty affects the 
choice of production levels and pricing. Therefore, we are interested in situations in 
which  the  production  decision  must  be  made  before  significant  uncertainty  about 
the state of demand or marginal cost is resolved. For example, the profitability of a 
decision to drop some production lines devoted to SUVs in favor of adding lines to 
produce  more  fuel  efficient  hybrid  vehicles  ultimately  depends  on  the  unknown 
future  demand  for  SUVs  and  hybrids.  In  this  section,  we  analyze  decisions  about 
profit maximization in the face of such uncertainty. While our discussion will focus 
on uncertainty about the level of demand, the same general insights and approach 
are applicable to uncertainty on the cost side as well. 
To focus our discussion, let’s think in terms of a very simple example. Consider a 
hot  dog  vendor  on  a  beach.  If  the  weather  stays  sunny,  he  will  have  a  large 
lunchtime  crowd.  If  a  thunderstorm  breaks  out,  he  will  have  very  few  customers. 
Just before lunch time, he must put some hot dogs on to cook and buns on to warm. 
If  more  people  show  up  than  hotdogs  he  has  prepared,  they  will  leave  and  go 
elsewhere  before  he  can  cook  more.  If  fewer  people  show  up  than  hotdogs  he  has 
prepared, the extra hotdogs and buns are wasted. The problem is, he does not know 
if  a  thunderstorm  will  break  out  or  not  ‐  he  has  only  a  probability  estimate.  How 
should he determine how many hot dogs to prepare? 
To help us answer this question, let us first consider what the vendor would do if 
the  uncertainty  were  resolved  before  he  had  to  make  a  decision.  In  that  case,  he 
would find the optimal quantity and price for each possible outcome (good weather 
or poor weather), wait until he knew which outcome was going to occur for certain, 
and subsequently cook the corresponding number of hotdogs. 
Let  pH (qH )  be  the  (inverse)  demand  curve  if  demand  is  high  (good  weather), 
and  pL (qL ) be demand if demand is low (poor weather), where qH is the quantity 
sold if demand is high and qL is the quantity sold if demand is low. Then, if demand 
turns  out  to  be  high,  the  vendor  will  maximize  profits  by  choosing  the  quantity, 
qH ∗ ,  that  satisfies  MRH = MCH   and  will  charge  a  price  of  pH (qH *) = pH * . 
Likewise, if demand turns out to be low, the manager will sell a quantity,  qL * , which 
satisfies  MRL = MC L  and charge a price of  pL (qL *) = pL * . Given relative probability 
assessments  about  the  likelihood  of  each  of  these  outcomes  occurring,  we  can 

  73
calculate the firm’s expected profit from the point of view of someone evaluating the 
future before the state of nature is revealed. If  Pr(H )  is the chance that demand is 
high, and  Pr(L)  the chance that demand is low, the firm’s expected profit is 
  E (π ) = Pr( H ) ( pH * qH * −C ( qH *) ) + Pr( L) ( pL * qL * −C ( qL *) ) .  (3.9) 

 
Example: Expected profit when uncertainty is resolved before production 
Suppose a firm faces uncertain demand, where inverse demand for high demand 
q
periods  is  pH = 20 − H 4 ,  and  inverse  demand  for  low  demand  periods  is 
q
pL = 10 − L . If the probability of high demand is 50%, and the firm’s marginal 
4
cost  is  constant  at  $2,  what  is  the  firm’s  expected  profit  if  the  uncertainty  is 
resolved before production decisions are made? 
Solution: First, find the prices that the manager would set at each demand level. 
If demand is high, the profit‐maximizing condition is  MRH = MCH , so 
qH
20 − =2
2
qH
  18 =  
2
qH = 36
and the price that sells this quantity is 
  pH (36 ) = 20 − 36 4 = 11 . 

If demand turns out to be high, profit is 
  π H = 11(36) − 2(36) = 324 . 
For low demand period, the optimality condition is  MRL = MCL , so 
qL
10 − 2 =2
qL
  8= 2  
qL = 16
and the price is 
  pL = 10 − 16 4 = 6 . 

Profit in low demand periods, then, is 
  π H = 6(16) − 2(16) = 64 . 

  74
 The firm’s expected profit is the probability of each outcome, times the profit it 
receives in that case, or 
E(π ) = Pr(H)π H + Pr(L)π L
   
E(π ) = 0.5(324) + 0.5(64) = 194
 
Now  let’s  return  to  the  question  of  making  a  production  decision  before  the 
uncertainty  is  resolved.  We  can  use  the  answer  to  the  question  above  as  a 
benchmark  to  see  how  much  uncertainty  reduces  the  firm’s  expected  profit.  One 
way to approach this situation is to choose a single quantity to produce and then set 
whatever  price  is  necessary  to  sell  that  quantity,  whether  demand  turns  out  to  be 
high or low. You might think of it in terms of offering a price discount on rainy days 
large enough to sell everything you already prepared even if demand is low. It turns 
out  this  approach  is  not  quite  right  (even  though  this  is  the  solution  presented  in 
some  managerial  economics  textbooks).  But,  working  through  it  is  instructive 
nonetheless,  because,  sometimes,  it  is  right,  and  because  we  need  to  understand 
when and how it can go wrong so that we may see how to correct it. 
Since there’s only one quantity no matter the weather,  qH = qL = q , and expected 
profit becomes 
  E (π ) = Pr( H ) pH (q )q + Pr( L) pL (q)q − C (q ) .  (3.10) 
Maximizing, we obtain: 
dE (π ) ⎛ dp ⎞ ⎛ dp ⎞ dC
= Pr( H ) ⎜ H q + pH ⎟ + Pr( L) ⎜ L q + pL ⎟ − = 0 . 
dq ⎝ dq ⎠ ⎝ dq ⎠ dq
Note that the term multiplied by the probability of high demand is marginal revenue 
of  demand if  high,  given  output  is  q,  and  the  term  multiplied  by  the  probability  of 
low demand is marginal revenue if demand is low, evaluated at quantity q. So, this 
expression can be rewritten as: 
  Pr( H ) MRH (q) + Pr( L) MRL (q) = MC (q) .  (3.11) 
The  left‐hand  side  of  this  equation  can  be  thought  of  as  the  expected  marginal 
revenue; it’s the marginal revenue for each state of nature times the probability that 
each  state  of  nature  occurs.  This  represents  the  uncertainty  and  the  fact  that  we 
must make our pricing decisions before demand is completely known. This expected 
marginal revenue is then balanced against marginal cost. 

  75
  
Example: Profit maximization with uncertainty when demand is known after production, 
choosing one quantity 
Using  the  demand  and  cost  conditions  curves  from  the  previous  example, 
( pH = 20 − 0.25qH ,  pL = 10 − 0.25qL , Pr(H)=0.5, and C(q)=2q), find the expected 
profit if the firm is unable to resolve uncertainty before choosing quantity. 
Solution: Since we’re only planning on selling one quantity, expected profit is 
  E(π ) = 0.5 (20 − 0.25q )q + 0.5 (10 − 0.25q )q − 2q . 
Maximizing we obtain 
dE(π )
= 0.5 (20 − 0.5q ) + 0.5 (10 − 0.5q ) − 2 = 0  
dq
0.5 (20 − 0.5q ) + 0.5 (10 − 0.5q ) = 2  
10 − 0.25q + 5 − 0.25q = 2  
13 = 0.5q  
q = 26  
If demand turns out high, 
pH = 20 − 0.25(26) = 13.50
  . 
π H = (13.50 − 2)26 = 299
If demand turns out low, 
pL = 10 − 0.25(26) = 3.50
  . 
π L = (3.50 − 2)26 = 39
So, expected profit is 
  E(π ) = 0.5(299) + 0.5(39) = 169 . 
Note  that  this  is  lower  than  the  expected  profit  when  the  firm  was  able  to 
postpone the pricing decision until after the uncertainty was resolved. 
 
So,  what  is  wrong  with  the  approach  above?  It  is  based  on  a  potentially  faulty 
assumption. We assumed that we would lower price until we sold everything we had 
produced, even when demand was low. If demand is low, but not too low, so that the 
price to sell out is not too low, that might make sense. But, would the vendor always 
do that? In the extreme, suppose they had to lower price all the way to 0 to unload 
everything  they  had  prepared  if  it  was  raining.  Then,  revenue  would  be  0.  Absent 
outside influences not present in this example or model, no firm would ever want to 
sell more than maximized revenue. Further, the fact that we assumed the firm would 

  76
lower  price  enough  to  sell  out  when  demand  was  low  held  down  production,  and, 
thus, the amount that could be sold if demand was high. 
To answer the question correctly, we must recognize that there is no reason to 
sell the same quantity when demand is low as when demand is high, and no reason 
we  have  to  sell  everything  we  produced.  In  some  scenarios,  we  can  store  extra 
output,  at  some  cost,  as  inventory.  Inventory  accumulation  has  future  benefits 
because it saves on next period’s production costs. But, holding inventory has costs. 
With  inventory,  those  benefits  must  be  accounted  for  in  the  profit  function  before 
optimizing. 
If  inventory  is  too  expensive,  it  may  make  more  sense  to  throw  out  unused 
output. In the hotdog vendor example, the food is perishable and must be disposed 
of  if  not  used.  Generally,  there  may  be  disposal  costs  associated  with  throwing 
output out. If so, they must be accounted for in the profit function. For the hotdog 
vendor  example,  it  is  sensible  to  assume  free  disposal  –  that  it  does  not  cost 
anything  significant  to  throw  some  hot  dogs  and  buns  in  the  dumpster  or  to  feed 
them to the dog when the vendor gets home. 
At  this  point,  some  student  often  raises  the  following  objection.  Why  throw 
hotdogs  out  instead  of  getting  at  least  something  for  them.  Set  a  price  that  raises 
some revenue, sell what you can, and then lower the price to get rid of the rest. They 
have in mind something like what happens to unsold Halloween candy the day after 
Halloween.  The  problem  with  that  line  of  thinking  lies  in  a  misconception  of  the 
definitions of the product and the market. Products must be thought of in terms of 
all  of  the  characteristics  needed  to  meet  a  customer’s  intended  use,  including 
location and timing. Just like available land in Georgia does me no good if building a 
house in Gainesville, candy the day after Halloween does me no good if I need it to 
hand  out  to  kids  on  Halloween.  So,  the  store  can  lower  the  price  the  day  after 
Halloween without too much effect on demand before Halloween. 
On the other hand, if they made a habit of marking down Halloween candy a few 
days before Halloween, all their customers would just wait until the markdown to 
buy. Similarly, if hotdog vendors sold at a high price for 45 minutes after the start of 
the  lunch  rush  and  then  cut  the  price,  many  customers  would  anticipate  this  and 
wait for the price to be cut. So, that strategy is self defeating. Another way to view it 
is  that  this  form  of  price  cutting  is  an  attempt  at  price  discrimination  –  trying  to 
charge  a  high  price  to  those  willing  to  pay  it  and  a  lower  one  to  other  customers. 
That only works if the vendor can tell customers who are willing to pay a high price 
apart from those who are not upfront and can get away with segmenting the market 
and offering discriminating prices. The bottom line is that, for a product with given 
physical characteristics at location and over a narrow time interval, unless there is a 
way to explicitly price discriminate, the ability of customers to wait for the price cut 
before  purchasing  forces  the  seller  to  pick  a  single  point  on  the  market  demand 
curve and stick to it. 
So, let’s return to the hotdog vendor’s problem. They have to decide how many 
hot dogs to produce, q, how many to sell if demand is high, qH, and how many to sell 

  77
if demand is low, qL. That seems like three choices to make. And, in some sense, it is. 
But, we can simplify a lot by making a couple of simple observations. First, it would 
be a bad idea to make more than the most that the vendor would ever want to sell. 
Second, the vendor will never want to sell more when demand is low than they want 
to sell when demand is high. So, we know the level of production, and therefore cost, 
are determined by the high demand sales target. If we produce qH and demand turns 
out to be low, we have plenty of units on hand to meet that demand; if demand turns 
out to be high, we’ve produced exactly the right amount. 
Expected profit then becomes: 
  E (π) = Pr( H ) ( pH (qH ) ) qH + Pr( L) ( pL (qL ) ) qL − C (qH ) .  (3.12) 

We  are,  quite  reasonably,  assuming  that  we  would  never  want  to  sell  more  when 
demand  is  low  than  when  demand  is  high.  We  therefore  built  our  expression  for 
expected  profit  on  the  assumption  that  qH ≥ qL .  However,  there  is  nothing  in 
equation  (3.12)  to  guarantee  that  when  we  maximize  it,  we  will  end  up  with 
qH ≥ qL . So, once we have maximized this expected profit, we will need to check that 
our solution actually satisfies that constraint. If it does not, we will have to go back 
to the drawing board. We will return to why this might happen mathematically and 
what to do about it later. 
For now, there are two choice variables in the vendor’s expected profit function. 
Maximizing with respect to qL gives: 
∂ E ( π)
  = Pr( L) MRL = 0 .  (3.13) 
∂ qL
From that, it follows that  MRL = 0 . What about marginal cost? We are assuming we 
want to sell more when demand is high than when demand is low. Therefore, once it 
is time to actually sell the hotdogs, we will have produced more than we plan to sell 
if demand is low. So, if demand is low, we will have extra output just sitting around. 
The marginal cost of getting another unit to sell if demand is low is zero! So, if we 
actually want to sell more when demand is high than when demand is low, we just 
maximize revenue if demand turns out to be low. 
Maximizing with respect to qH we get 
∂E (π)
  = Pr( H ) MR H − MC (q H ) = 0 .  (3.14) 
∂q H
Notice  how  the  marginal  revenue  at  high  demand  periods  is  weighted  by  the 
probability we will experience high demand, whereas marginal cost is not weighted 
by any probability. This is because we will always produce qH, even though we may 
not actually end up selling all of it. 

  78
  
Example: Profit maximization with uncertainty when demand is known after production, and 
restricting low demand quantity 
Using  the  previous  demand  curves  ( pH = 20 − 0.25 qH   and  pL = 10 − 0.25 qL ), 
probability  estimates,  and  constant  marginal  cost  given,  what  is  the  firm’s 
maximum expected profit if it has to produce before demand is known? 
Solution: The firm should produce what it expects to sell if demand is high, and 
restrict  its  quantity  sold  if  demand  is  low.  So,  it  should  maximize  its  expected 
profit: 
  E (π ) = 0.5 (20 − 0.25 qH )qH + 0.5 (10 − 0.25 qL )qL − 2(qH )  
The quantity for high demand times is 
∂E (π )
  = 0.5 (20 − 0.5 qH ) − 2 = 0  
∂qH
20 − 0.5 qH = 4  
qH = 32  
and the quantity for low demand times is 

 
∂E (π )
∂qL
( )
= 0.5 10 − 1 2 qL = 0  

  10 − 1 2 qL = 0  

  qL = 20  
Since  qH ≥ qL , this is a reasonable solution. Therefore, the expected profit is 
  E (π ) = 0.5 (20 − 0.25(32))(32) + 0.5 (10 − 0.25(20))(20) − 2(32) = 178  
Notice  that  this  profit  is  higher  than  when  we  sold  the  same  quantity  at  both 
high  and  low  demand  periods,  and  lower  than  when  the  uncertainty  was 
resolved before the production decision was made. 
 
It is instructive to compare the solutions implied by equations (3.13) and (3.14), 
for  the  case  where  uncertainty  is  not  resolved  before  the  production  decision  is 
made to the choices that would be made if complete information were available at 
the  time  of  the  production  decision.  The  quantity  to  sell  when  demand  is  low 
equated  marginal  revenue  and  marginal  cost  with  complete  information,  and 
maximizes marginal revenue with uncertainty. Thus, more is sold when demand is 
low with imperfect information. When demand is high with uncertainty, a fraction of 
marginal  revenue  equal  to  the  probability  of  high  demand  is  equated  to  marginal 
cost in determining production levels. Thus, sales are lower with high demand when 

  79
uncertainty  exists  at  the  time  of  production  than  they  would  be  without  the 
uncertainty.  Basically,  the  presence  of  uncertainty  is  causing  underproduction 
relative to the most profitable high demand output and overproduction relative to 
the most profitable low demand output. Some of that overproduction at low demand 
is sold and some is disposed of. 
The graph to the right shows 
$
both  solutions:  when 
uncertainty  is  resolved  prior  to  p U
H  
the  production  decision  and  pH*
when  it  is  not.  Prices  and  pH 
quantities  marked  with  a  * 
represent  the  solution  with 
MC 
complete  information.  The 
solution  with  uncertainty  is  MRH 
denoted  with  a  superscript  U.  pL*
Pr(H)MRH 
The graph mirrors the math and  pLU 
discussion above. With certainty, 
production  occurs  where  pL 
marginal  cost  crosses  the 
qLU qH qH*  Quantity
U
relevant  marginal  revenue.  With  qL*
uncertainty,  production  occurs  MRL 
where  the  probability  weighted 
marginal  revenue  when  demand  is  high  crosses  marginal  cost,  qHU,  and  price  is 
correspondingly pHU. That means that the effective marginal cost is 0 at low demand, 
so  sales  if  demand  is  low  occurs  where  marginal  revenue  equals  marginal  cost, 
which is zero in this case, at qLU, and price is pLU. It is obvious from the graph that, as 
compared to certainty, the low demand quantity is higher, the low demand price is 
lower, the high demand quantity is lower, and the high demand price is higher. Since 
we are diverging from what would be chosen if we had complete information when 
the production decision was made, expected profit must be lower. 
The solution technique outlined above works fine so long as the solution for the 
quantity produced to sell when demand is high actually exceeds the solution for the 
quantity to sell when demand is low. If the solution does not satisfy that condition, it 
contradicts the assumption underlying our formulation of the problem – we will not 
have produced enough to sell more when demand is low than when demand is high. 
How  might  we  end  up  in  a  situation  where  the  solution  contradicts  the 
assumption that  qH ≥ qL ? It can be seen readily in the figure above. As the marginal 
cost  gets  higher  or  the  probability  weighted  high  demand  marginal  revenue  gets 
closer to the low demand marginal revenue, the difference between qHU and qLU gets 
smaller. So, if marginal cost or low demand are high enough, or if high demand or 
the probability of high demand are low enough, this solution technique will yield a 
solution where  qH < qL . 

  80
 What  should  we  do  in  that  case?  We  can  never  actually  sell  more  than  was 
produced.  Further,  we  would  never  sell  more  when  demand  is  low  than  when 
demand  is high.  Therefore,  if  qL  is  not  less  than  qH,  at  most,  qL  will  equal  qH.  So,  if 
assuming  that  qH ≥ qL   will  be  satisfied  does  not  work,  we  must  impose  the 
constraint  on  the  problem  that  qH = qL .  In  that  case,  everything  produced  is  sold 
whether demand turns out to be high or low. Thus, this is the case in which the set 
up of equation (3.10) is correct, and the solution is that implied by equation (3.11). 
The  situation  and  the  solution 
are shown in the figure to the right.  $
The  probability  weighted  marginal  pHU 
revenue  when  demand  is  high 
equals  marginal  revenue  at  a  pH 
quantity,  qHX,  is  less  than  the  MC
quantity  that  maximizes  revenue 
when  demand  is  low,  qLX.  The 
solution is to equate the sum of the  MRH 
probability  weighted  marginal 
pLU 
revenues with marginal cost, which  Pr(H)MRH  Pr(H)MRH
occurs at the quantity labeled qU. If  +Pr(H)MRL 
demand is low, the price charged is 
pLU, and, if demand is high, it is pHU.  pL 
qHX qU qLX Quantity
MRL 

  81
  
Example: Profit maximization with uncertainty when demand is known after production, and 
restricting low demand quantity 
Suppose  pH = 20 − 0.25 qH ,  pL = 10 − 0.25 qL , C(q)=3q, and Pr(H)=0.2. How much 
should the firm sell, and what price should they charge at high and low demand? 
Solution: First, allow for the possibility that the quantity sold when demand is 
low is less than produced. 
  E (π) = 0.2 ( 20 − 0.25qH ) qH + 0.8 (10 − 0.25qL ) qL − 3qH  

At high demand: 
∂E (π)
  = 0.2 ( 20 − 0.5qH ) − 3 = 0  
∂qH
20 − 0.5qH = 15  
qH = 10 . 
At low demand: 
∂E (π)
  = 0.8 (10 − 0.5qL ) = 0  
∂qL
  10 − 0.5qL = 0  
  qL = 20 . 
Since  qH < qL , this is the wrong approach to this problem. So, assume all output 
is sold whether demand is high or low and work the problem again. 
  E (π) = 0.2 ( 20 − 0.25q ) q + 0.8 (10 − 0.25q ) q − 3q  

Maximizing: 
∂E (π)
  = 0.2 ( 20 − 0.5q ) + 0.8 (10 − 0.5q ) − 3 = 0  
∂q
12 − 0.5qH = 3  
qH = 18 . 

 
 

  82
Value of Information with Continuous Decisions 
In  Chapter  1,  in  the  context  of  discrete  decisions,  we  saw  how  acquiring 
additional information can increase expected profit if it allows a decision maker to 
update their probability estimates. We can now revisit the question of information 
value  in  a  context  where  the  decision  to  be  made  is  continuous  –  namely,  what 
output  to  choose  to  maximize  profit  when  there  is  some  uncertainty  about  some 
determinant  of  profit.  It  is  easy  to  determine  the  value  of  perfect  information  by 
comparing  the  expected  profit  that  would  result  with  perfect  information  to 
expected profit with whatever information is at hand.  
A much more interesting question is how valuable additional but still imperfect 
information is to a decision maker, since imperfect information is all they are likely 
to  actually  have  access  to.  An  example  of  imperfect  information  is  a  consultant’s 
report about the likelihood of success of a new product line. It is imperfect because, 
despite his expertise, the consultant is unable to make a 100% accurate assessment 
of the future. However, it is possible that the report can still be valuable to the firm 
because it (presumably) provides additional information that the firm does not have 
otherwise. 
We  will  consider  information  in  the  context  of  maximizing  profit  while  facing 
uncertain  demand.  The  effects  of  cost  uncertainty  would  be  treated  in  a  similar 
fashion. As in Chapter 1, we assume the additional report results in a signal of either 
good news or bad news, where good news leads us to revise our initial assessment 
of the chance of high demand, Pr(H), upward to Pr(H|GN), and bad news leads us to 
revise it downward to Pr(H|BN). The more reliable we think the information is, the 
more it will affect our probability assessments and the more valuable it will be. 
The most objective possibility for using additional information to update occurs 
when we have a sample of reports from the same source for very similar situations 
in the past which we think forms a valid basis to make inferences about the future. 
This is illustrated in the example below. Generally, though, the process must involve 
some  degree  of  subjective  judgment  on  the  part  of  the  decision  maker.  Better 
decision makers are better at using all the information available to them, including 
their gut feel or intuition after meeting with the consultants providing the additional 
information, to formulate their probability estimates. 
Once  we  have  the  report,  and  a  new  assessment  of  the  probability  of  high 
demand,  the  problem  is  just  like  the  one  in  the  previous  section,  choosing  the 
quantity  to  sell  at  high  demand  and  at  low  demand  to  maximize  expected  profit 
based  on  the  new  probability  of  high  demand.  The  solution  will  be  different  with 
good  news  than  with  bad  news,  and  both  of  those  solutions  will  differ  from  the 
solution with no additional report. We now present an extended  example to make 
these ideas more concrete. This is a continuation of the example from the previous 
section. 

  83
  
Example: Value of Imperfect Information 

Part 1 – Updating Probability Estimates 
Suppose that a manager is uncertain about whether demand will be high or low, 
and is considering buying a forecast to improve his assessment of the future. The 
manager wants to determine how reliable a new report will be, and he has data 
from previous forecasts he has purchased. Forty percent of the time, the forecast 
was good news and demand was high and forty percent of the time the forecast 
was bad news and demand was low. This is represented in the table below. What 
is  the  probability  the  firm  will  actually  experience  high  demand  if  it  receives  a 
good  forecast?  What  is  the  probability  that  it  will  experience  high  demand  if  it 
receives  a  bad  forecast?  If  the  firm  buys  a  new 
Demand 
forecast,  what  is  the  probability  that  it  will  return   
good news?  High  Low
Solution:  Looking  at  the  table,  we  see  that  40%  of  GN  0.4  0.1 
the  time  the  report  gave  good  news  and  demand  Report
BN  0.1  0.4 
turned out to be high. Also, we see that 50% of the 
time  the  report  gave  good  news  (0.4  +  0.1,  the  sum  of  the  first  row).  Thus,  the 
probability of a high demand period given a good report is 
  Pr( H | GN ) = 0.4 = 0.8  
0.5
Similarly, the probability of high demand given bad news is 
  Pr( H | BN ) = 0.1 = 0.2  
0.5
Finally, we see that 40% of the time the report gave good news when demand 
turned out to be high, and 10% of the time the report gave good news and 
demand turned out to be low; so, the probability that the report will return good 
news is 
  Pr(GN ) = 0.4 + 0.1 = 0.5  

Part 2 ‐ Finding Expected Profit for Each Report 
Continuing  from  the  example  in  the  previous  section,  a  firm  faces  uncertain 
q
demand where inverse demand for high demand periods is  pH = 20 − H 4 , and 
q
inverse demand for low demand periods is  pL = 10 − H 4 . The firm’s marginal 
cost is constant at $2. What is the firm’s expected profit with good news and with 
bad news? 
Solution: From above, the probability of high demand with a good report is 0.8, 
which  means  the  probability  that  demand  will  be  low  is  1  –  0.8  =  0.2.  The 
expected cost is simply the cost of producing qH units, since (as described in the 

  84
 previous section) we want to make sure we have enough inventory on hand to 
sell if demand turns out to be high. Thus, expected profit given good news is 
⎛ q ⎞ ⎛ q ⎞
  E (π | GN ) = 0.8 ⎜ 20 − H ⎟ qH + 0.2 ⎜ 10 − L ⎟ qL − 2 qH , 
⎝ 4 ⎠ ⎝ 4⎠
subject  to  the  constraint  qH ≥ qL .  The  constraint  must  hold,  since  we  are 
associating all of our costs with the high demand period. Maximizing, we find the 
quantities as follows. 
∂ E(π | GN ) ⎛ q ⎞
  = 0.8 ⎜ 20 − H ⎟ − 2 = 0  
∂ qH ⎝ 2 ⎠

⎛ q ⎞
  0.8 ⎜ 20 − H ⎟ = 2        
⎝ 2 ⎠
qH
  = 17.5  
2
  q H = 35  
∂ E(π | GN ) ⎛ q ⎞
  = 0.2 ⎜ 10 − L ⎟ = 0  
∂ qL ⎝ 2⎠
qL
  10 − = 0 
2
  qL = 20  
Since  the  constraint  qH ≥ qL   is  satisfied,  we  can  use  these  quantities  to  find 
expected profit given good news: 
⎛ 35 ⎞ ⎛ 20 ⎞
  E (π | GN ) = 0.8 ⎜ 20 − ⎟ 35 + 0.2 ⎜ 10 − ⎟ 20 − 2(35) = 265  
⎝ 4⎠ ⎝ 4⎠
Similarly,  with  bad  news  the  probability  of  high  demand  is  0.2  and  the 
probability of low demand 0.8. Thus, expected profit given bad news is 
⎛ q ⎞ ⎛ q ⎞
  E (π | BN ) = 0.2 ⎜ 20 − H ⎟ qH + 0.8 ⎜ 10 − L ⎟ qL − 2 qH , 
⎝ 4 ⎠ ⎝ 4⎠
subject to the constraint  qH ≥ qL . We find the quantities as follows. 
∂ E(π | BN ) ⎛ q ⎞
  = 0.2 ⎜ 20 − H ⎟ − 2 = 0  
∂ qH ⎝ 2 ⎠
qH
  20 − = 10  
2
  q H = 20  

  85
 ∂ E(π | BN ) ⎛ q ⎞
  = 0.8 ⎜ 10 − L ⎟ = 0  
∂ qL ⎝ 2⎠
qL
  10 − = 0 
2
  qL = 20 . 
Since  the  constraint  is  met,  we  can  plug  these  quantities  back  into  our  profit 
function to find the expected profit given bad news. 
⎛ 20 ⎞ ⎛ 20 ⎞
  E (π | BN ) = 0.2 ⎜ 20 − ⎟ 20 + 0.8 ⎜ 10 − ⎟ 20 − 2(20) = 100  
⎝ 4⎠ ⎝ 4⎠

 
How  then  do  we  determine  the  value  of  the  report?  It  is  the  difference  in 
expected profit with and without the report. In turn, expected profit with the report 
is just the probability of good news, Pr(GN), times expected profit with good news, 
E (π | GN ) , plus the probability of bad news Pr(BN), times expected profit with bad 
news,  E (π | BN ) .  Letting  E (π | Info)   represent  profit  with  the  additional 
information, this is 
  E (π | Info) = Pr(GN ) E (π | GN ) + Pr( BN ) E (π | BN ) . 
Letting  E (π | NoInfo) represent  expected  profit  with  no  information,  the  value  of 
information is 
  Value = E(π | Info) − E (π | NoInfo) . 
Thus, once we have determined the maximum expected profit for each possible 
probability  of  high  demand,  the  value  of  information  is  determined  exactly  as  in 
Chapter 1. 
 
Example: Value of Imperfect Information 

Part 3 ‐ Finding the Value of the Information 
Using the data from the previous examples, calculate the expected profit of the 
firm if they obtain a report. Then, determine the value of the information. 
Solution:  We  know  the  report  has  a  50%  chance  to  return  good  news  (which 
means  it  also  has  a  50%  chance  to  return  bad  news).  We  also  know  that  the 
firm’s expected profit if they buy a report and receive good news is 265, whereas 
the  expected  profit  if  the  report  returns  bad  news  is  100.  Thus,  the  firm’s 
expected profit if they buy a report is 
  E(π | Info) = 0.5(265) + 0.5(100) = 182.50  
The value of the information is how much higher the firm expects profits to be 
with it than without it. From the examples in the previous section, we know the 

  86
 highest profit the firm can expect to receive without any additional information 
is 178. Thus, the value of the information is 
  Value of Info = 182.50 − 178 = 4.50 . 
The decision of whether or not to buy additional information can be illustrated 
using a decision tree: 

Don’t Buy = 178
  E(π)=178

0.5 Good News E(π)=265

Buy = 
 
182.50 
0.5 Bad News E(π)=100
 
If the firm doesn’t buy the information, they will expect to make 178 in profit; if 
they  buy  it,  they  will  expect  to  make  182.50.  So,  they  will  buy  the  additional 
information if its cost is less than 4.50. 
 
In  this  sort  of  problem,  the  more  the  report  causes  you  to  upgrade  your 
assessment of the chance of high demand, the more you will produce, and the less 
likely it is that you will sell everything produced if demand turns out to be low, the 
more likely it is that you will sell  the quantity that sets marginal revenue equal to 
zero  and  dispose  of  the  rest  if  demand  is  low.  A  corollary  is  that  if  you  get  a 
favorable  signal  but  demand  turns  out  to  be  low  and  you  still  sell  everything 
produced (that is you do not set marginal revenue equal to zero), you will of course 
sell everything produced when demand is low if you did not buy the report or if you 
received an unfavorable signal, because you will have produced less. Similarly, the 
more  the  report  causes  you  to  downgrade  your  assessment  of  the  chance  of  high 
demand,  the  less  you  will  produce,  and  the  more  likely  it  is  that  you  will  sell 
everything produced if demand turns out to be low. A corollary is that if you get an 
unfavorable signal before production but you do not still sell everything produced if 
demand  then  turns  out  to  be  low,  you  will  of  course  not  sell  everything  produced 
even  when  demand  is  low  if  you  did  not  buy  the  report  or  if  you  received  an 
unfavorable  signal  –  you  will  sell  the  quantity  that  sets  marginal  revenue  equal  to 
zero with low demand in all cases. 
In summary, information that is imperfect is still valuable. The point of a forecast 
or a consultant’s report is not to give you a definitive summary of what will happen 
in the future – no one can do that. Instead, a forecast is valuable to the extent that it 
“improves” your best guesses about the probabilities of future events and therefore 
changes your choice of production level. 

  87
Chapter 3 Terminology 
The  following  is  a  list  of  terms  that  you  should  know  in  order  to  discuss  and 
apply the material from this chapter. 
 
3rd  Degree  Price  Discrimination­ Charging separate groups different prices for a 
product based on their willingness to pay for that product. The firm must be able to 
identify  and  separate  these  groups  of  customers,  it  must  be  feasible  to  charge 
different prices, and resale must not be possible. 
Peak­Load  Pricing­  A  technique  of  charging  different  prices  based  upon  when 
demand differs by time of day or season. At the time the firm experiences its peak 
demand, customers have a higher willingness to pay and thus, it can charge higher 
prices but must incur a per‐unit capacity cost. At off‐peak demand, the firm will set 
prices  lower  in  relation  to  the  lower  willingness  to  pay  at  that  time,  but  will  not 
incur any capacity cost. 

  88
 
 
 
Part 2 
 
Empirical Approximations 
and Econometrics 

  89
Chapter 4 
Estimating and Interpreting Approximations 
Economics is a set of tools that, among other things, allows us to make inferences 
about  the  consequences  of  various  actions.  These  inferences  are  based  on  models 
rooted  in  economic  theory  and  tested  against  real‐world  data.  Because  economics 
deals with constantly changing individuals and markets, complete or perfect data is 
usually unrealistic; but, as we saw in Chapter 1, inferences can be improved through 
supplemental information, even if imperfect. 
One  way  that  we  can  model  economic  phenomena  is  to  approximate  empirical 
relationships among historical data, using economic theory as a guide. For example, 
we  can  estimate  a  firm’s  demand  curve  by  collecting  data  on  different  prices 
charged  and  the  resulting  quantities  sold  over  the  past  several  years,  and  then 
attempt  to  describe  this  relationship  using  an  equation.  Once  we  have  a  function 
that potentially describes a certain relationship between two variables, we can test 
this function’s reliability by comparing predictions of the model to external data that 
wasn’t used in constructing the function. 
To illustrate how these models can be useful, let’s look at the following scenario. 
Suppose Little and Small Inc. currently sells 60 units at a price of $4 per unit. They 
then  lower  their  price  to  $3,  and  as  a  result  sell  70  units.  Their  cost  function  is 
C = 5 + 2 q . What should the manager set price to in order to maximize profit?  
First, let’s look at Little and Small Inc.’s profit at each price. At $4, profit is 
π = 4 ⋅ 60 − 5 − 2 ⋅ 60 = 115  
and at $3 profit is 
π = 3 ⋅ 70 − 5 − 2 ⋅ 70 = 65  
So,  they’d  be  better  off  at  a  price  of  $4  than  at  $3. 
Can  they  raise  profits  even  more  by  charging  a  π Max Profit?
different  price?  If  so,  would  that  price  be  higher 
than  $4,  or  somewhere  between  $3  and  $4?  The 
graph  to  the  right  illustrates  why  there  is  not  an 
obvious answer to this question. 
In order to see what the profit hill looks like, we 
need  a  demand  approximation.  In  Chapter  2,  we 
introduced  linear  and  log‐linear  approximations  P>$4  P<$4 
and  how  they  can  be  used  to  represent  a  firm’s 
demand  curve.  The  coefficients  of  the  variables  in 
q
these  approximations  are  what  actually  determine  60  70
the relationship between these variables ‐ but how 
are  they  found?  In  the  next  two  sections,  we  will  see  how  we  can  estimate  these 
coefficients  (parameters)  given  two  points  of  data.  From  there,  we  generalize  to 
estimating the coefficients when we have many data points. 

  90
Fitting a Linear Demand Approximation with 2 Points 
Recall the main assumption when using a linear demand approximation is that 
the slope of the demand curve is constant. Basically, given any two observed points 
(p0,q0)  and  (p1,q1)  on  the 
demand  curve,  we  are  simply 
looking  for  the  line  that  p
passes  through  them.  This  is  Approximation 
illustrated in the figure to the 
right.  The  first  step  in 
deriving  a  linear  expression  p0
for  our  two  data  points  is  to  Observed 
calculate  the  slope  between 
the  two  points;  we  can  then  p1
use  this  to  define  the 
approximation  using  either 
original  data  point.  Once  we  p(q)
have  an  approximation  of  the 
demand  curve,  we  can  q1  q
q0 
calculate  marginal  revenue 
and get an estimate the profit 
maximizing price and quantity. 
 
Example: Fitting and Using a Linear Approximation with Two Points 
Using  Little  and  Small  Inc.’s  two  observed  data  points,  (60,  $4)  and  (70,  $3), 
estimate an inverse linear demand curve for the firm. 
Solution: First, we need to find the slope of the inverse demand curve, which we 
are assuming constant. The slope is Δp/Δq, or 
4−3
b= = −0.1  
60 − 70
The slope tells us that from any starting point, the change in price is ‐0.1 times 
the change in quantity, or 
Δp = −0.1Δq . 
If  we  choose  a  price  of  4  and  a  quantity  of  60  as  the  starting  point,  and  then 
move along the demand curve to any other quantity, q, and the resulting price, p, 
thus becomes 
( p − 4 ) = −0.1( q − 60 ) . 
This can easily be rearranged to express the inverse demand relationship more 
concisely as follows. 

  91
 p = 4 − 0.1(q − 60)
p = 4 − 0.1q + 6  
p = 10 − 0.1q
Given  the  two  points  we  observed,  we 
assumed  the  slope  of  the  curve  was  constant 
and  found  the  line  that  passed  through  the 
points,  as  illustrated  in  the  figure  to  the  right. 
Given the linear demand function found in the 
previous  example  and  a  cost  function  of 
C = 5 + 2q ,  find  the  optimal  price  and 
associated profit. 
Solution:  Set  up  the  profit  function,  and 
maximize. Profit is 
π = (10 − 0.1q)q − 5 − 2q . 
Maximizing it: 
dπ
= 10 − 0.2q − 2 = 0  
dq
8 − 0.2q = 0  
0.2q = 8  
q = 40  
To  find  the  price,  plug  this  quantity  back  into  the  inverse  demand 
approximation. 
p = 10 − 0.1(40) = 6  
At $6, profit is 
π = 6(40) − 5 − 2(40) = 155  
 
Based on the example, it seems that we could conclude it would profit the firm to 
charge  a  price  of  $6.  However,  this  estimate  of  the  profit‐maximizing  price  was 
based  on  a  very  limited  amount  of  data.  Our  major  assumption  when  determining 
the profit‐maximizing price was that if price falls by 0.10, quantity would increase 
by 1, and that this relationship held at all prices. In fact, we’ve only observed data for 
prices  around  $3  and  $4;  we  really  don’t  have  any  idea  what  will  happen  if  we 
charge $6. This common mistake is called extrapolating beyond the data range and 
we will revisit this in detail later in the chapter. So, what our model really suggests 
is that the profit‐maximizing price may well be higher than $4, but there simply is 
not enough information to say with any certainty that it should, in fact, be $6. 

  92
Fitting a Log­Linear Demand Approximation with 2 Points 
By  using  a  log‐linear  model  to  approximate  demand,  we  are  assuming  the 
elasticity  is  the  same  at  any  price.  From  Chapter  2,  the  general  formula  for  a  log‐
linear approximation is 
  qD = ap b   (4.1) 
where a is a coefficient that captures the scale of demand and b is the price elasticity 
of demand. With two points on the demand curve, (p0,q0) and (p1,q1), we can solve 
for  the  unknown  parameters  (a  and 
b)  that  make  the  approximation  go 
through  the  two  points.  This  is  p Approximation 
illustrated  in  the  figure  to  the  right. 
The first step in deriving a log‐linear 
approximation through our two data  p0  Observed 
points  is  to  calculate  the  elasticity; 
we  can  then  use  this  to  define  the 
approximation  using  either  original 
data  point.  Once  we  have  an  p1 
approximation  of  the  demand  curve,  p(q)
we  can  calculate  marginal  revenue 
and  get  an  estimate  the  profit  q0  q1  q 
maximizing price and quantity. 
 
 
Example: Log‐Linear Demand: Finding Demand 
Using  Little  and  Small  Inc.’s  two  observed  data  points,  (60,  $4)  and  (70,  $3), 
estimate a log‐linear demand approximation. 
Solution: First, we need to find the elasticity given these two points, assuming it 
is constant. We can plug both points into equation (4.1). 
60 = a 4η  
70 = a3η  
Since a and η are both constants, we can solve this system of equations for the 
two unknowns, a and η. Dividing the left‐hand side of the first by the left‐hand 
side of the second and similarly for the right‐hand side, then solving, we obtain 
the following. 
60 a 4η
  =  
70 a3η
η
6 ⎛4⎞
  =⎜ ⎟  
7 ⎝3⎠

  93
 ⎛6⎞ ⎛4⎞
  ln ⎜ ⎟ = η ln ⎜ ⎟  
⎝7⎠ ⎝3⎠
ln ( 6 7 )
  η= = −0.5358  
ln ( 4 3)
To find a, plug η back into either equation and solve: 
  60 = a 4−0.5358  
  a = 126.11  
So, our log‐linear demand approximation is 
  q = 126.11 p −0.5358  
The  graph  below  shows  the  log‐linear  demand 
curve from the example. Elasticity of demand is 
constant  along  the  entire  curve  but  slope 
depends on what price is being charged. 
At this point, since we’re assuming elasticity is 
constant, and since marginal cost was constant 
at 2 ( C = 5 + 2q ), we can use the expression for 
the profit‐maximizing mark up from Chapter 2. 
⎛ η ⎞
p* = ⎜ ⎟ MC  
⎝ 1 +η ⎠
⎛ −0.536 ⎞
p* = ⎜ ⎟ 2 = −2.31  
⎝ 1 − 0.536 ⎠
This answer is absurd! Recall from Chapter 2 that when elasticity is less than 1 in 
absolute  value,  raising  price  increases  profit.  So,  the  log  linear  approximation 
tells us only to raise price – not how far to raise it! 
 
The technical reason we get an absurd answer for price in the above example is 
that the second order conditions fail at the solution implied by our mark up formula. 
Intuitively,  though,  it  should  make  sense.  Remember,  we  are  assuming  constant 
elasticity,  and  we  found  demand  to  be  inelastic  (elasticity  less  than  1  in  absolute 
value). What does it mean for demand to be inelastic? Inelastic demand means for a 
10%  increase  in  price,  quantity  will  decrease  by  less  than  10%.  Revenue  will 
increase  and  cost  will  decrease  ‐  so  it’s  profitable  to  raise  price.  Since  elasticity  is 
assumed constant, it will always be profitable to raise price; so the manager should 
theoretically charge a price of infinity! 
We  know  that  constant  elasticity  was  just  an  assumption  used  for  our 
approximation.  It  is  not  literally  true.  In  fact,  demand  tends  to  be  inelastic  at  low 
prices and elastic at high prices. In using it, we hope only that over a relatively small 

  94
range of prices we are likely to charge that elasticity is relatively constant, so that 
the approximation is relatively accurate. However, if the price range we have is so 
low  that  we  find  demand  is  inelastic,  the  calculus  of  profit  maximization,  literally 
interpreted, suggests we should raise price A LOT, until demand is elastic. That large 
change  in  price  means  assuming  elasticity  is  constant  is  not  reasonable  for  the 
problem at hand. 
If  we  were  to  raise  prices  to  a  higher  level  and  collect  data  again,  the 
approximation  would  become  useful  if  the  range  for  which  we  had  data  included 
prices  near  the  profit‐maximizing  price.  Thus,  again,  it  boils  down  to  saying  we 
should not use an approximation to extrapolate much beyond the range of observed 
data. 
An additional word of caution is in order here before moving on. Time is a very 
important  determinant  of  the  elasticity  of  demand.  If  gas  prices  were  to  increase 
permanently by 100%, initially, consumer response would be relatively restrained. 
People have to get back and forth to work in the cars they already have, they have 
already scheduled appointments and trips, etc. Given more time to adjust, they can 
move closer to work, get a job closer to home, buy a more fuel efficient car, etc. In 
short, the substitution possibilities are higher in the long run than in the short run. A 
finding that demand is inelastic in the short run is no reason to believe it is inelastic 
in the long run. Before deciding that an inelastic response to a price increase means 
more price increases are in order, make sure that the long run response, not just the 
very short run response, is inelastic. If you raise price because short run demand is 
inelastic without realizing demand is more elastic in the long run, once consumers 
go through the trouble of finding substitutes for your product, you may not get them 
back if you lower prices later on. 

Regression – Fitting the Best Approximation with Many Data Points 
Above,  we took  two  points  of  data  and fit  a curve  through  them,  attempting  to 
describe a relationship between two variables. The general shape of the curve was 
determined  by  our  assumptions  about  what  would  make  a  reasonable 
approximation.  The  exact  position  of  the  curve  was  determined  by  the  two  data 
points – we chose the coefficients or parameters of the approximation so the curve 
would precisely fit the observed data by going through both points. With many data 
points,  it  is  not  possible  to  fit  the  approximation  precisely  to  all  the  data  points. 
Instead, we want to choose the coefficients of the approximation to fit the observed 
data  as  closely  as  possible.  Econometrics  is  the  use  of  quantitative  mathematical 
and statistical techniques to study economic phenomena. Regression analysis is the 
branch  of  econometrics  concerned  with  fitting  and  evaluating  empirical 
approximations of underlying economic relationships. 
To  make  things  concrete,  let’s  consider an  example.  Suppose  we  want  to  know 
what determines variation in consumer electric bills. If the utility has only one price 
per kilowatt hour, the expenditure per household is just the price per kilowatt hour 
times  the  number  of  kilowatt  hours  consumed.  Sometimes  electric  utilities  have 
more complex price structures, where the price per unit increases or decreases with 

  95
the consumption level. Either way, suppose that the electric utility has held the price 
structure  constant,  and  what  we  want  to  explain  is  what  else  drives  electricity 
spending. One thing that comes immediately to mind is the size of the residence. 
The  table  to  the  right  shows  twenty  (hypothetical)  Size
observations on the size of a residence and the electric bill  (1000's
incurred  at  that  residence.  We  might  think  a  very  Obs Bill ($) Sq Ft)
reasonable place to start is by plotting the data to see if the  1 343.32 3.2
relationship  looks  linear  or  log  linear.  This  is  done  in  the  2 299.21 3.4
3 302.02 1.6
figure  below.  Simple  visual  inspection  reveals  two  things.  4 167.94 1.2
First  the  data  may  well  follow  a  general  linear  positive  5 209.55 2.7
relationship  between  residence  size  and  electricity  6 367.80 3.1
expenditure.  Second,  no  single  line  is  going  to  fit  with  7 390.06 2.5
perfect precision. So, how do we choose an approximation  8 398.46 3.2
9 224.87 1.6
to fit as closely as possible? 
10 313.27 3
11 209.36 1.6
12 355.15 3.1
13 344.13 1.7
14 453.55 3.7
15 184.73 1.2
16 372.66 3.8
17 264.10 2.2
18 325.37 2.6
19 204.54 1.8
20 205.89 2.2

To  begin  to  answer  that  question,  we  have  to  introduce  the  notion  of  an 
approximation  error.  What  we  have  in  mind  is  that  the  bill  is  a  linear  function  of 
size, plus some component that we are unable to model or explain which we take as 
random for our purposes. Thus, we are positing the following relationship: 
  Billi = β 0 + β1Sizei + ε i .  (4.2) 
Use  of  the  lower  case  Greek  beta  (β)  to  represent  regression  coefficients  is 
ubiquitous in applied regression analysis. β0, or “beta zero”, is the intercept and β1, 
or “beta one”, is the slope. The subscript i refers to the observation and takes on any 
value from 1 (the first observation) to N (the last), where N is the total number of 
observations.  The  lowercase  Greek  epsilon  (ε)  represents  the  (hopefully  small) 
random component outside the model. 
We never observe the true values of the coefficients. Instead, we estimate them. 
We denote the estimates by placing a caret, or a “hat”, over the betas. So  β̂1 , or beta 
one hat, is the estimated value of  β1 . We also do not observe the value of the random 
component,  by  definition.  Instead,  we  observe  an  approximation  error,  which 
reflects both that there is a random component we do not observe and the fact that 

  96
we have only estimates of the coefficients. The approximation error is the difference 
between  the  actual  electric  bill  and  the  one  we  would  predict  based  on  our 
imperfectly estimated coefficients. That is, the predicted bill is 
  Billi = βˆ0 + βˆ1Sizei   (4.3) 
and the approximation error, or residual, is 
  εˆi = Billi − Billi = Billi − βˆ0 − βˆ1Sizei .  (4.4) 
There  are  an  infinite  number  of  slope  coefficient  and  intercepts  that  might  be 
chosen  to  approximate  the  data.  Two  possibilities,  the  lines  labeled  A  and  B,  are 
shown in the figure below. Our goal is to choose values for the estimated coefficients 
so as to make the errors as small as possible overall. How to do that is the question. 
We could literally add up the errors and minimize their total. But, there is a serious 
problem  with  that  approach  since  positive  and  negative  errors  cancel  each  other 
out. For example, if one point has an error of 10 and another point has an error of ‐
10,  their  sum  cancels  to  0,  even  though  the  total  error  is  20  in  absolute  value.  So, 
really bad approximations might have a total error of 0 using this flawed approach. 

The most common regression technique is called Ordinary Least Squares (OLS). 
The  goal  of  an  OLS  regression  is  to  produce  a  line  (or  curve)  as  close  to  the  data 
points  as  possible  by  minimizing  the  sum  of  the  squared  errors,  which  are  always 
positive. Squaring each error, the sum of squared errors, or SSE, is 
  SSE = ∑ Errori2 = ∑ (Billi − βˆ 0 − βˆ1Sizei ) 2 .  (4.5) 
i i

Choosing  the  coefficient  estimates  to  minimize  the  SSE  is  a  straightforward 
exercise in basic  differential  calculus  and  algebra.  There  is  nothing  magic  about  it, 
nothing that even requires a high level of expertise to understand. We simply take 
the partial derivative with respect to each of the coefficients and set them equal to 
zero: 

  97
 ∂SSE
∂βˆ0
( )
= −2∑ Billi − βˆ0 − βˆ1Sizei = 0
i
  .  (4.6) 
∂SSE
∂βˆ1
( )
= −2∑ Sizei Billi − βˆ0 − βˆ1Sizei = 0
i

Substitution shows that this could also be written as 
∂SSE
= −2∑ εˆi = 0
∂βˆ0 i
  .  (4.7) 
∂SSE
= −2∑ Sizeiεˆi = 0
∂βˆ1 i

Thus, the two equations show that the sum of the approximation errors is 0 and that 
the sum of the product of the approximation errors and residence size is also zero. 
Of course, actually solving these two equations for the two unknown parameters 
is  messy,  and  much  better  done  by  computer.  But,  it  is  important  to  understand 
what  the  computer  is  doing  when  it  calculates  regression  coefficients.  It  is  solving 
what  is  in  principle  a  simple  calculus  problem  that  anyone  who  passed  survey  of 
calculus  should  understand.  It  is  just  that  the  computations  themselves  get  messy 
enough  that  it  makes  much  more  sense  to  have  them  performed  by  a  statistical 
software package. 
Performing  ordinary  least  squares  regression  on  the  example  we  have  been 
working yields the results shown in the table below. This particular output is from 
Microsoft  Excel,  but  most  spreadsheet  packages  will  include  a  regression  feature. 
For more involved work, statistical packages, such as STATA, are easier to use. But, 
all provide substantially the same information. While we will eventually make sense 
of all the information in the regression output, for now, lets focus on the estimated 
coefficients, which are highlighted. 

  98
 Regression Statistics           
Multiple R  0.7501         
R Square  0.5627         
Adjusted R Square  0.5384         
Standard Error  56.37         
Observations  20         
             
ANOVA             
   df  SS  MS  F  P­value  
Regression  1 73580 73580 23.16 0.0001 
Residual  18 57190 3177     
Total  19 130770          
             
Lower  Upper 
  Coef  Std Err t Stat  P­value 95%  95% 
Intercept  111.27 40.56 2.74 0.01 26.06 196.49
Sq Ft  75.11 15.61 4.81 0.00 42.32 107.90
 
The  estimated  coefficients  yield  the  following  expression  for  the  predicted 
electric bill: 
  Bill = 111.27 + 75.11Size .  (4.8) 
The  interpretation  is  that  every  additional  one  thousand  square  feet  of  space  is 
associated with a predicted increase of $75.11 in the electric bill. Taken literally, the 
intercept  means  a  home  with  zero  square  feet  would  incur  a  bill  of  $111.27. 
Hopefully,  we  can  all agree  that that  would  be  taking  the  model  too  literally.  All  it 
really means is that for common house sizes, the electric bill is best approximated 
by  adding  111.27  to  a  charge  of  $75.11  per  thousand  square  foot.  The  resulting 
fitted line, or approximation, is shown in the figure below. 

  99
 Of course, many things other than the size of a residence have important effects 
on electric bills, just as more than quantity affects cost and more than price affects 
demand.  Generally,  we  want  our  approximations  to  allow  for  the  effects  of  many 
variables.  So,  before  we  can  add  to  our  understanding  of  regression  analysis,  it  is 
necessary  to  introduce  some  terminology  and  notation  to  let  us  talk  about 
approximations  involving  many  explanatory  or  independent  variables  in  a  very 
general way. 
As  we  have  noted  before,  it  is  conventional  to  let  Y  denote  the  dependent 
variable. We will also let X1, X2, … XK denote K different independent variables, where 
a subscript ki may be used to index the kth dependent variable for observation i (k 
takes  on  values  between  1  and  K,  and  i  takes  on  values  between  1  and  N).  A 
regression,  then,  is  attempting  to  explain  or  approximate  Y  using  X1,  X2,  …  XK.  For 
this reason, we will often refer to Y as an endogenous variable since it is determined 
within  the  regression,  and  X1,  X2,  …  Xk  as  exogenous  variables  since  they  are 
determined outside of the regression. 
This is the ideal case. As their labels suggest, it is important for the independent 
variables  to  be  truly  exogenous;  otherwise,  the  reliability  of  the  regression  is 
compromised. In economics, it is very difficult to determine which variables actually 
are  exogenous  and  which  are  endogenous.  In  fact,  it  is  often  the  case  that  two 
variables (such as price and quantity) influence each other and are therefore both 
endogenous.  This  problem  is  so  significant  that  it  requires  an  entire  chapter  to 
address it properly; for now, we will mostly ignore it and assume the variable on the 
left‐hand  side  of  the  equation  is  endogenous  and  the  variables  on  the  right‐hand 
side are exogenous. 
With this notation, the general form for a linear regression model is 
  Yi = β 0 + β1 X 1i + β 2 X 2i + ... + β K X Ki + ε i .  (4.9) 
If we define a new explanatory variable, X0, that is equal to 1 for every observation, 
this can be written more compactly as 
  Yi = ∑ β k X ki + ε i .  (4.10) 
k

The  betas,  β0,  β1,  etc.,  are  the  parameters  we  are  trying  to  estimate.  In  order  to 
approximate the parameters, regression analysis simply assumes that the equation 
we’ve described is a good approximation, and then finds the line that is closest to all 
of the points in the dataset.  
No  regression  is  perfect.  Theoretically,  there  exists  an  equation  that  will 
completely  describe  our  dependent  variable  without  error.  By  estimating  the 
parameters in our approximation, we are attempting to recreate the “true” equation 
as  best  as  possible.  Since  we  will  never  be  perfectly  accurate,  we  represent  our 
estimated  betas  by  placing  carets,  or  hats,  over  them.  The  predicted  value  of  the 
dependent variable, Y‐hat, is determined by the estimated coefficients: 

  100
  Yˆi = βˆ0 + βˆ1 X 1 + βˆ2 X 2 + ... + βˆK X K = ∑ βˆk X k .  (4.11) 
k

The regression error (approximation error) is the difference between the actual and 
predicted values of the dependent variables. So, the sum of squares errors (SSE) is 

( )
n
SSE = ∑ Yi − Yˆi
2
  .  (4.12) 
i =1

This is equivalent to 

( )
n
SSE = ∑ Yi − βˆ0 − βˆ1 X 1i − βˆ2 − X 2i − ... − βˆK X Ki
2
    (4.13) 
i =1

or to 
2
n
⎛ K
⎞
SSE = ∑ ⎜ Yi − ∑ βˆk X ki ⎟ . 
i =1 ⎝ k =0 ⎠
In interpreting this, remember Yi is the actual observation from the ith trial and 
Yˆi   is  the  predicted  observation  based  on  our  estimated  parameters.  In  short,  our 
dependent  variables  (Y’s)  and  independent  variables  (X1’s,  X2’s,  etc.)  are  our 
observed data, and the parameters (β0,  β1, etc.) are the unknown quantities that we 
are trying to estimate. 
To  minimize  SSE,  simply  set  the  partial  derivative  equal  to  zero  for  each 
parameter: 
∂SSE ∂SSE ∂SSE
  = 0, = 0,..., = 0 .  (4.14) 
∂βˆ0 ∂βˆ1 ∂βˆK
For the intercept, taking the derivative of equation (4.13) yields: 
∂SSE
( )
n
  = −2∑ Yi − βˆ0 − βˆ1 X 1i − βˆ2 − X 2i − ... − βˆK X Ki = 0 .  (4.15) 
∂βˆ0 i =1

Substituting, this is just: 
n
−2∑ εˆi = 0
i =1
  n
.  (4.16) 
∑ εˆ
i =1
i =0

For any of the other k parameters, taking the derivative of equation (4.13) yields: 
∂SSE
( )
n
  = −2∑ X ki Yi − βˆ0 − βˆ1 X 1i − βˆ2 − X 2i − ... − βˆK X Ki = 0 .  (4.17) 
∂βˆk i =1

Substituting, this is just: 

  101
 n
−2∑ X kiεˆi = 0
i =1
  n
.  (4.18) 
∑X
i =1
εˆ = 0
ki i

This  gives  K+1  equations  to  solve  for  the  K+1  unknown  coefficients.  The  K+1 
equations  are  that  the  sum  of  the  approximation  errors  are  zero,  and  that  the  K 
sums of the product of each independent variable and the approximation error are 
all  individually  0.  These  K+1  equations  are  referred  to  as  the  normal  equations. 
There is now even more reason to use computers to perform the actual calculations 
compared  to  our  one  independent  variable  example  above,  but  there  is  nothing 
mysterious, or even complicated, about the idea involved. 
The most important assumption here is that all of the explanatory variables are 
exogenous  and  are  completely  uncorrelated  with  the  unobserved  random  error 
component. If that is not the case, the calculation can not sort out the effect of the 
included  variables  from  the  effects  of  the  random  error  with  which  they  are 
correlated.  This  is  known  as  omitted  variables  bias.  While  we  will  touch  on  this 
lightly  later  in  this  chapter  and  the  next,  for  the 
most  part  we  will  simply  assume  the  explanatory 
variables are exogenous and uncorrelated with the  Size
random error component. A thorough discussion of  Obs Bill ($) (1000s) Temp
omitted variables bias and what can be done about  1 343.32 3.2 63
2 299.21 3.4 51
it must wait until Chapter 6. 
3 302.02 1.6 99
To  make  this  more  concrete,  lets  return  to  the  4 167.94 1.2 60
electric  bill  example  and  add  another  explanatory  5 209.55 2.7 45
6 367.80 3.1 95
variable.  The  table  to  the  right  now  includes  the 
7 390.06 2.5 94
monthly average temperature. It makes sense that,  8 398.46 3.2 97
when  temperatures  are  higher,  electricity  used  for  9 224.87 1.6 64
air  conditioning  will  be  higher  than  when  10 313.27 3 51
temperatures  are  moderate.  Of  course,  for  houses  11 209.36 1.6 54
with electric heat, expenses will be higher at colder  12 355.15 3.1 81
13 344.13 1.7 91
temperatures too. That could cause the relationship  14 453.55 3.7 99
to  be  U  shaped,  not  linear.  However,  most  of  our  15 184.73 1.2 72
data reflects moderate to warm temperatures; so, a  16 372.66 3.8 82
positive linear relationship seems likely.  17 264.10 2.2 88
18 325.37 2.6 74
Running an OLS regression on this data yields  19 204.54 1.8 45
the following results:  20 205.89 2.2 64

  Bill = −43.66 + 64.07 Size + 2.48Temp .  (4.19) 

The interpretation is that the electric bill increases by $64.07 per thousand square 
feet, holding temperature constant, and by $2.48 per degree of temperature, holding 
size constant. The literal interpretation of the intercept is that the bill would be a 
negative $43.66 for a house with zero square feet if the temperature were zero 
degrees. Of course, that is nonsense. All it really means is that for normal 

  102
temperatures and sizes, you should subtract $43.66 from the sum of 64.07 times 
size in thousands of square feet and 2.48 times temperature to get the best fit to the 
data. 
Notice how the additional data caused both the intercept and the coefficient on 
Size to change as compared to the initial estimates from the regression when only 
size was included. Why would that be? In part, it may be because of a positive 
correlation, or co‐linearity, between size and temperature in our data. For some 
reason, houses tend to be larger where temperatures are higher. When temperature 
is left out, some of the effect of temperature is picked up by the coefficient on size, 
causing it to be higher when temperature is left out. 
More generally, both Size and Temp may be correlated with other variables that 
have been omitted from the model and lumped into the error component but which 
nonetheless influence the electric bill. Such omitted variables may cause the 
coefficients on the included variables to be biased if they are correlated with 
included variables and have their own direct affect on the dependent variable, 
because the included variables proxy the effects of the omitted variables in addition 
to the effects of the included variables. Thus, including variables that had been 
omitted can change the coefficients on all the variables that had previously been 
included. Since the omitted variables are often unknown, so are their correlations 
with the included variables. So, the coefficients on the included variables can be 
biased in unpredictable ways if the included variables are correlated with omitted 
variables. That is why the assumption that the included variables are exogenous and 
uncorrelated with error component is so important. Unfortunately, it never holds 
exactly. All we can hope for is that the included variables are not too correlated with 
variables that have been omitted, so that the bias in the estimated coefficients is not 
too large. 

Interactions 
What if we want to model an interactive relationship between two (or more) of 
the  independent  variables  themselves?  For  example,  in  the  above  regression,  we 
estimated that both house size and temperature positively affect the size of the bill. 
It would seem that if it takes more energy to cool a house when temperature rises, 
that  that  additional  cost  would  be  higher  still  in  larger  houses.  If  we  believed  that 
the effect of temperature was larger in bigger houses, we would need an interaction 
term.  An  interaction  term  is  a  new  independent  variable  in  a  regression  that  is 
simply the product of two or more other independent variables. So, if we wanted to 
capture the interactive effects of house size and temperature, our regression model 
would become 
  Bill = β 0 + β1Size + β 2Temp + β3 Size × Temp + ε i   (4.20) 
This  new  model  adds  the  product  of  Size  and  Temp  as  the  new  variable, 
Size × Temp . To see the effects of this term, we can look at the partial derivative with 
respect to Temp (holding Size constant) 

  103
 ∂Bill
  = β 2 + β3 Size   (4.21) 
∂Temp
Including  the  interaction  introduces  a  kind  of  non‐linearity  into  the  model,  in  that 
the  effect  of  temperature  (and  size)  on  the  electric  bill  are  no  longer  constant.  As 
long  as  β3   is  positive,  the  effect  of  temperature  on  the  electric  bill  is  greater  as 
house size becomes larger. 
OLS  is  a  kind  of  linear  regression.  So,  it  may  occur  to  you  to  wonder  if  we  can 
actually  estimate  this  model  that  has  some  sort  of  non‐linearity  with  a  linear 
regression  model.  Well,  we  can.  Linear  regression  models  must  be  linear  in  the 
unknown values to be estimated – which are the coefficients. They do not need to be 
linear in the observed variables. Indeed, we can make any sort of transformation we 
would like to the underlying data. Once that is done, the independent and dependent 
variables become constants from the viewpoint of estimating the coefficients, which 
is  done  through  solving  a  set  of  linear  equations  –  that  is,  linear  in  the  unknown 
coefficients. 
The table below displays the dataset with our new variable, which is simply the 
product  of  Size  and  Temp.  Running  a  new  regression  on  this  data,  we  obtain  the 
following: 
  Billi = −.82.51i + 79.57 Sizei + 3.01Tempi − 0.21Sizei × Tempi .  (4.22) 
The  interpretation  is  that  the  effect  of  Size Size X
increased  temperature  is  0.21  lower  for  Obs Bill ($) (1000s) Temp Temp
every 1,000 square foot increase in size. This  1 343.32 3.2 63 201.6
is  contrary  to  our  expectations.  What  might  2 299.21 3.4 51 173.4
explain  this?  Most  likely,  some  sort  of  3 302.02 1.6 99 158.4
4 167.94 1.2 60 72
correlation  between  the  new  variable  and 
5 209.55 2.7 45 121.5
something  omitted  from  our  model.  One  6 367.80 3.1 95 294.5
obvious  candidate  would  be  the  age  of  the  7 390.06 2.5 94 235
structure.  Newer  structures  are  both  larger  8 398.46 3.2 97 310.4
and better insulated, on average. Correlation  9 224.87 1.6 64 102.4
between  size  and  unmeasured  insulation  10 313.27 3 51 153
11 209.36 1.6 54 86.4
quality  might  overwhelm  the  tendency  of  12 355.15 3.1 81 251.1
cooling costs to rise faster with temperature  13 344.13 1.7 91 154.7
in  larger  residences.  If  we  included  a  14 453.55 3.7 99 366.3
measure  of  residence  age  or  insulation  15 184.73 1.2 72 86.4
quality, we might find a positive effect of the  16 372.66 3.8 82 311.6
interaction between size and temperature.  17 264.10 2.2 88 193.6
18 325.37 2.6 74 192.4
19 204.54 1.8 45 81
20 205.89 2.2 64 140.8

  104
Categorical or Dummy Variables 
Whereas  the  variables  we’ve  considered  thus  far  have  all  been  continuous, 
categorical,  or  dummy,  variables  are  discrete.  They  allow  us  to  capture  whether 
certain discrete criteria are met or not. Examples include the effects of things such 
as race, gender, or holding an advanced degree. Dummy variables take on a value of 
1  if  a  condition is  true,  and are  0 otherwise. In  a  way,  this  is another  kind  of non‐
linearity  in  that  the  effect  of  these  variables  on  the  dependent  variable  is  not 
gradual, it is either all there or not there at all. 
The  number  of  dummy  variables  required  to  represent  a  categorical 
classification is one less than the number of possible categories. To capture the sex 
of  a  consumer,  we  would  need  one  variable.  It  could  be  called  Male  and  take  on  a 
value 1 if the subject were male and 0 otherwise, or it could be called Female and 
take on the value 1 if the subject is female and 0 otherwise. Both variables, though, 
are not needed. If the subject is female, we know they are not male. If they are not 
female, we know they are male. 
For a more complex example, suppose we have data that classify highest degree 
earned  into:  1)  less  than  a  high  school  diploma,  2)  a  high  school  diploma,  3)  an 
Associates  Degree,  4)  a  Bachelor’s  degree,  and  5)  higher  than  a  Bachelor’s  degree. 
We  would  need  to introduce four  binary variables to  represent  these five possible 
categories.  Suppose  we  chose  to  “omit”  the  category  “a  high  school  diploma”. 
Anytime  all  of  the  other  variables  were  0,  we  would  know  that  that  observation 
corresponded  to  someone  who  had  completed  high  school  but  had  not  completed 
any college level degrees. 
To return to our electric bill example, we might reasonably suspect the presence 
of a swimming pool to affect the electric bill, due to the need to run a pool pump. We 
could  add  this  to  the  regression  with  the  inclusion  of  a  categorical  variable,  Pool, 
which takes on the value of 1 if a pool is present at the residence and 0 otherwise. 
The model would then become 
  Billi = β 0 + β1Sizei + β 2Tempi + β3 Size × Tempi + β 4 Pool + ε i .  (4.23) 

The  coefficient  on  Pool,  β 4 ,  represents  the  addition  to  the  bill  when  a  pool  is 
present. When no pool is present, Pool is 0, so there is no addition to the bill. Thus, 
our  estimate  for  β 4   represents  the  average  change  in  the  electric  bill  due  to  the 
presence of a pool. 
The table below shows the new dataset. Running this new regression produces 
the following result: 
  Bill i = 59.64 + 20.12Sizei + 1.62Tempi + 0.15Sizei × Tempi + 74.93Pooli .  (4.24) 
On average, the presence of a pool adds $74.93 to the electric bill. 

  105
 Note  the  changes  in  the  other 
parameter  values.  In  particular,  the  Size Size X
coefficients  on  Size  and  Temp  are  Obs Bill ($) (1000s) Temp Temp Pool
much  smaller  and  the  coefficient  on  1 343.32 3.2 63 201.6 1
the  interaction  of  Size  and  Temp  is  2 299.21 3.4 51 173.4 1
now  positive,  at  0.15.  So,  controlling  3 302.02 1.6 99 158.4 0
for  the  presence  of  a  pool,  the  effect  4 167.94 1.2 60 72 0
5 209.55 2.7 45 121.5 0
of  a  one  degree  increase  in  6 367.80 3.1 95 294.5 1
temperature  on  the  electric  bill  is  7 390.06 2.5 94 235 1
0.15 higher per thousand square foot  8 398.46 3.2 97 310.4 1
increase  in  the  size  of  the  residence.  9 224.87 1.6 64 102.4 0
So,  for  example,  an  increase  in  10 313.27 3 51 153 1
11 209.36 1.6 54 86.4 0
temperature  from  60  degrees  to  90 
12 355.15 3.1 81 251.1 1
degrees  would  increase  the  electric  13 344.13 1.7 91 154.7 1
bill by 0.15 times 30, or 4.5, more in a  14 453.55 3.7 99 366.3 1
2,500  square  foot  home  than  in  a  15 184.73 1.2 72 86.4 0
1,500 square foot home.  16 372.66 3.8 82 311.6 1
17 264.10 2.2 88 193.6 0
What caused these changes when  18 325.37 2.6 74 192.4 1
we  introduced  the  variable  Pool?  19 204.54 1.8 45 81 0
First,  there  must  have  been  some  20 205.89 2.2 64 140.8 0
correlation  in  multiple  dimensions, 
known  as  multi­co­linearity,  between  Size,  Temperature,  and  Pool  in  this  data. 
Checking  this  out,  you  would  find  a  very  strong  positive  correlation  between  size 
and the presence of a pool, and a weaker correlation between average temperature 
and the presence of a pool. This induces, of course, a correlation between Pool and 
Size × Temp .  This  correlation  between  the  included  variables  and  the  omitted 
variable Pool introduced bias into the previous coefficient estimates, since Pool has 
a direct and important effect on electric bills. Including pool removed this source of 
contamination and changed the results. Second, is entirely possible that any or all of 
these  variables  are  still  correlated  in  unknown  ways  with  the  remaining  random 
error component which is omitted from the regression. 

Flexibility of Functional Form – Log and Other Transformations 
We have seen two limited examples of non‐linearity in our explanatory variables 
above  –  interactions  and  dummy  variables.  But,  even  though  the  model  must  be 
linear  in  the  variables  to  use  standard  linear  regression  techniques,  the  sky  is  the 
limit  with  respect  to  non‐linearity  of  the  variables.4  If  there  is  reason  to  believe  a 
relationship is quadratic (potentially U‐shaped or shaped like an inverted U), we can 
include  the  square  of  one  of  the  explanatory  variables  as  a  new  independent 
variable.  If  we  think  the  relationship  may  be  cubic,  for  example  the  typical  cost 
function from microeconomics, we can include both the square and the cube of an 
explanatory variable as additional independent variables. If we think the dependent 
                                                        
4 There are non linear regression techniques that allow non linearity in the parameters, though they 

are less commonly used. They are, however, beyond the scope of this class. 

  106
variable  is  inversely  proportional  to  one  of  the  explanatory  variables,  we  can 
include  1/X  as  an  independent  variable.  All  of  these  transformations  of  the 
dependent  variables  leave  the  regression  model  linear  in  the  coefficients  to  be 
estimated.  All  of  these  can  be  estimated  using  OLS.  Thus,  while  the  standard 
technique may be referred to as linear regression, it offers a great deal of flexibility 
with regards to the shape of the approximation. 
Of particular interest is the log‐linear or constant elasticity model. Anytime we 
might  expect  the  percentage  response  of  the  dependent  variable  to  be  a  roughly 
constant multiple of the percentage change in the independent variable, this may be 
a  good  approximation  to  use.  For  example,  suppose  we  think  a  10%  increase  in 
income will cause a 10% increase in purchases of quarter pound burgers whether 
the average price of a burger is $2 or $4. Such a relationship is not captured with a 
simple linear model. 
For  example,  with  regard  to  the  electric  bill  example,  it  may  be  reasonable  to 
think the percentage change in the electric bill is a multiple of the percentage change 
in house size or other variables so that the absolute increase in the electric bill when 
house  size increases  from  1500  to  2000  square  feet  is  larger if  the  temperature  is 
higher, but is the same in percentage terms. Thus, we could approximate the electric 
bill with the following power function: 
  Billi = e β0 + β4 Pooli +ε i Sizeiβ1Tempiβ2 .  (4.25) 
We  dropped  the  separate  variable  equal  to  the  product  of  temperature  and  size 
because, in this form, the two variables are already multiplied by one another, albeit 
after  being  raised  to  potentially  different  powers.  So,  this  functional  form  already 
builds  in  interactions  between  the  independent  variables.  Taking  the  partial 
derivative of temperature yields the following: 
∂Billi
= β 2 e β0 + β4 Pooli +ε i Sizeiβ1Tempiβ2 −1
∂Temp
  .  (4.26) 
Billi
= β2
Tempi

So, as long as  β1  and  β 2  are positive, a given increase in temperature has a larger 

impact on the electric bills of larger residences. 
We showed in Chapter 2 that taking the natural log of both sides of a constant 
elasticity approximation (a power function) converts it to an equation that is linear 
in the logs of the original variables. Taking the logs of both sides, we obtain 
  ln ( Billi ) = β 0 + β1 ln ( Sizei ) + β 2 ln (Tempi ) + β3 Pool + ε i .  (4.27) 

Thus, once we have taken the natural logs of the variables, the model is linear in the 
logs, and we can use linear regression techniques to estimate the parameter values. 

  107
 The  transformed  data  for  our  electric  bill  example  is  given  in  the  table  below. 
Running  the  regression  model  above  on  this  transformed  data  produces  the 
following result: 

  ln ( Billi ) = 3.31 + 0.28ln ( Sizei ) + 0.46 ln (Tempi ) + 0.26 Pool .  (4.28) 

The interpretation of the coefficients of the first two variables is that a 10% increase 
in house size increases the electric bill by 2.8%, and a 10% increase in temperature 
increases the bill by 4.6%. 
The  interpretation  of  the  coefficient  on  Pool  is  different.  Recall  the  original 
power  function  version  of  the  model,  the  electric  bill  is  e β0 + β4 Pooli +ε i Sizeiβ1Tempiβ2 . 
Basically, when a pool is present, the electric bill that would be incurred without the 
pool is multiplied by  e0.26 = 1.2969 . So, the presence of a pool increases electric bills 
by about 30%. It seems unreasonable to think a pool would have that large an effect. 
But, remember, the coefficient is measuring not only the effect of a pool, but, also the 
effect  of  any  omitted  appliances  and  activities  that  are  closely  correlated  with  the 
presence  of  a  pool  (plus,  this  is  hypothetical  data  anyway).  In  general,  when  the 
dependent  variable  is  in  log  form,  the  coefficients  on  dummy  variables  are  closely 
related  to  the  percentage  change  arising  from  the  presence  of  the  condition 
indicated  by  the  dummy  variable.  To  estimate  this  percentage  effect,  we 
exponentiate  the  coefficient  and  subtract  1.  (The  result  will  be  close  to  the 
coefficient, as long as the coefficient is not too far from 0. Those familiar with how 
natural logs and exponential functions work may see why that is.) 
In  this  chapter,  we  have  shown  how  to  use  regression  analysis  to  estimate 
approximations  of  underlying  economic  relationships  and  how  to  interpret  the 
results. The technique of regression analysis involves using calculus and algebra to 
find coefficient estimates that minimize the total (squared) difference between the 
approximation  and  the  data  in  a  given  sample.  While  the  approximation  must  be 
linear  in  the  parameters,  it  can  be  very  non‐linear  in  the  variables.  However,  just 
because we have estimated an approximation does not mean the approximation is 
reliable,  reasonable,  or  accurate  enough  for  its  intended  application.  The  next 
chapter takes up evaluation of regression results. 

  108
Chapter 4 Terminology 
The  following  is  a  list  of  terms  that  you  should  know  in  order  to  discuss  and 
apply the material from this chapter. 
 

  109
Chapter 5 
Evaluating Regression Analyses 
Up to this point, we’ve discussed the process for constructing an approximation 
based on a regression. However, how do we evaluate the accuracy of a regression? 
For example, above we presented the results of five different regressions to model 
electric  bills  in  our  hypothetical  dataset.  How  would  we  decide  which  was  most 
accurate? How would we decide if the most accurate one was accurate enough? 

Bias and Imprecision 
The  first  thing  to  understand  is  the  difference  between  imprecision  and  bias. 
This  idea  is  easy  to  illustrate  with  an  example  that  has  nothing  to  do  with 
economics. Suppose the three stooges are playing darts. Larry is all over the board 
with  no  pattern  at  all,  Curly  throws  a  tight  group  but  he  is  always  several  inches 
high and right, while Moe throws a tight group that tends to be a little low and left. 
Larry is unbiased, because he is not consistently off in any particular way, but he is 
very  imprecise.  Curly  is  precise  because  he  throws  tight  groups,  but  he  is  biased 
because he is always high and right by a wide margin. Larry is relatively precise and 
only slightly biased. 
Imprecision means a lack of consistency or a high degree of random variation 
between in our results, whether or not they are right “on average”. That is, whether 
or not we repeated a regression numerous times on different random samples, our 
estimates would vary a great deal from one regression to another. Bias refers to a 
non‐random difference between the results of a regression and the true underlying 
model. 
As touched on in Chapter 4, potential correlation between independent variables 
in the regression and variables that have been omitted and thus are part of the error 
component  introduces  omitted  variables  bias.  Because  there  are  always  unknown 
unknowns,  this  is  uncertainty  about  the  true  underlying  relationships  on  a  very 
deep  level.  While  there  are  techniques  to  limit  the  impact  of  such  bias,  a  large 
measure of judgment is required. How can we speak with complete objectivity about 
the impact of the unknown unknowns on our regression models? Before tackling the 
topic of omitted variables bias, it is sensible to increase the quality of our judgment 
about  economic  models.  So,  an  in  depth  discussion  of  bias  in  regression  models  is 
postponed until much later in the book. For now, we will assume that all inaccuracy 
within our models is due to imprecision and focus on how to quantify, evaluate, and 
improve precision. 

Evaluating the Model Specification and Data 
Before we discuss quantitative measures of accuracy, we consider some general 
principles  that  should  be  followed  to  increase  the  reliability  of  our  results.  When 
they are not followed, they give us reason to suspect the validity of the findings. 

  110
 It’s  important  to  include  all  variables  that  our  theory  indicates  are  major 
determinants in the approximation. For example, if we wanted to predict how many 
ice cream cones we plan on selling at a beachfront shop on a given day, it would be 
important  to  include  a  variable  that  controls  for  the  weather,  since  rain  probably 
reduces demand. 
Similarly,  it  is  important  NOT  to  include  variables  for  which  there  is  no 
theoretical rationale. It may seem natural to include every variable for which data is 
available,  just  in  case  it  has  some  correlation  with  the  dependent  variable.  This  is 
referred to as data mining, or over­fitting if we decide which variables to include 
based only on their contribution to the measured “fit” of the approximation to the 
data,  and  should  be  avoided  to  maintain  the  integrity  of  the  approximation.  It  is 
almost  certain  that  a  large  number  of  variables  are  correlated  with  past 
observations of the dependent variable through sheer random chance. If you search 
long enough, you will find some for sure. But, there is no reason at all to expect such 
correlations to be due to any actual underlying relationships or for them to hold up 
in  the  future  –  they  may  simply  be  spurious.  So,  no  inferences  about  underlying 
causation or future outcomes should be drawn from a regression that was arrived at 
by throwing in every possible variable and keeping the ones that “worked” in that 
they were correlated. Further, every irrelevant variable included in a regression in 
essence uses up some of the data, reducing the ability to test the importance of the 
other, more relevant, variables with limited data. In short, economic theory should 
be the backbone of our choice of variables. 
The  actual  sample  data  must  be  as  appropriate  to  our  purpose,  reliable,  and 
large as is feasible. Often, there are trade‐offs between the quality of a dataset and 
your  sample  size.  For  example,  a  city  level  analysis  may  allow  you  to  examine  the 
impact  of  variations  in  price,  income,  and  demographic  characteristics  on  demand 
more  easily  than  state  level  data,  but  state  level  data  on  many  variables  such  as 
income and demographic characteristics is often more accurate and available much 
more frequently than city level data. More data will always improve the accuracy of 
our regression – as long as it is good data. But, more data that is not suited to our 
purpose is useless – worse than a small dataset containing accurate observations on 
the right variables. 
When designing a regression, we need to decide what form it will take, not only 
what variables to include. Should the model be linear, quadratic, log‐linear, or take 
some other form? Is there good reason to assume interaction between two or more 
of the independent variables? Often, economics suggests important normalizations 
to make before running a model. For example, demand should often be expressed on 
a  per  capita  basis  and  dollar  amounts  should  be  adjusted  for  inflation.  These 
decisions  should  be  based  on  economic  theory  insofar  as  possible,  though  theory 
offers less guidance about the detailed shape of an approximation than the variables 
that should be included. 

  111
Evaluating the Signs and Magnitudes of the Coefficient Estimates 
Once we have the regression results, the first thing to do is to check the signs of 
the  coefficient  estimates  against  our  expectations  based  on  economic  theory.  For 
example,  the  law  of  demand  states  that  increasing  prices  yield  decreasing 
quantities;  thus,  we  should  find  negative  coefficients  on  product  price  when 
approximating  quantity  demanded.  Or,  if  one  of  our  variables  was  income  and  we 
were  dealing  with  a  normal  good  (one  whose  demand  increases  as  income 
increases), we would expect the coefficient on income to be positive. If the signs of 
the coefficients depart from well established theory it is a reason to suspect there is 
something wrong with our model. If there is something wrong with our model, there 
is  no  reason  to  expect  it  to  be  stable  from  one  time  to  the  next  and  therefore  no 
reason to think it has any predictive power. 
We  may  have  strong  expectations  about  the  signs  of  some  coefficients  for 
reasons  specific  to  an  individual  case.  If  these  expectations  are  not  borne  out,  we 
should think carefully about what that means. Is it most likely that our expectations 
were wrong or that there is some flaw in our data or model? Is it likely that omitted 
variables are causing the confusion? 
We should also consider the reasonableness of the magnitude of the coefficients, 
though  there  is  no  hard  and  fast  rule  for  what  “reasonable”  means.  Basically,  the 
coefficient estimates should meet the straight face test. For example, if you find a 1% 
increase in the price of gasoline decreases market demand by 100%, or that a 100% 
increase  in  income  increased  demand  for  travel  by  only  1%,  something  is  wrong. 
Consulting  other  studies  of  similar  markets  is  a  good  way  to  get  an  idea  if  your 
coefficient estimates are in the ballpark of reasonable. 

Evaluating the Statistical Significance of the Results 
After  checking  that  the  signs  of  the  estimated  coefficients  are  consistent  with 
established  economic  theory  and  the  results  of  other  empirical  studies,  that  their 
magnitudes are reasonable, and making sure that there is a reasonable explanation 
for any anomalies, it is time to move on to quantitative measures of the reliability 
and precision of the results. For this, we need to revisit what the regression is doing 
mathematically. As seen in equations (4.12) and (4.14), the coefficient estimates are 
chosen to minimize the sum of squared errors, SSE. 
Another  way  of  looking  at  it  is  that  we  are  trying  to  choose  the  coefficients  to 
account  for  as  much  of  the  variation  in  the  dependent  variable  around  its  mean 
value as possible. Letting  Y  represent the mean value of the dependent variable, the 
total sum of squared variation in the dependent variable, SST, is: 

SST = ∑ i (Yi − Y ) . 
2
  (5.1) 

Similarly, the sum of squared variation attributable to the model, SSM (sometimes 
known as the regression sum of squares or the explained sum of squares), is: 

(
SSM = ∑ i Yˆi − Y )
2
  .  (5.2) 

  112
Making use of equations (4.14) and a good bit of algebra, it is possible to show that 
the sum of squares total is equal to the sum of squares attributable to the model plus 
the sum of squared errors: 
  SST = SSM + SSE .  (5.3) 
So,  minimizing  SSE  maximizes  SSM.  These  definitions  and  this  last  equality are 
useful  in  evaluating  the  model.  Analysis  based  on  these  types  of  calculations 
pertaining to the variation in the data is known as Analysis of Variance, or ANOVA.  
In evaluation of the model, a lower SSE is better, all else equal. But, it is always 
good  to  have  more  independent  data  to  use  to  estimate  the  model,  and  the  more 
observations, the higher SSE. What we need is some measure of the typical squared 
error.  Rather  than  dividing  by  the  number  of  observations,  n,  we  divide  by  n‐K‐1, 
which corresponds to the degrees of freedom of SSE. Recall that when fitting a line, 
or  any  two‐parameter  approximation,  to  two  data  points,  we  accounted  for  the 
observed  data  completely.  Similarly,  since  we  are  estimating  K+1  coefficients,  we 
can  fit  K+1  points  perfectly.  We  therefore  only  have  n‐K‐1  independent 
contributions  to  SSE.  The  smaller  SSE/(n‐K‐1),  the  more  power  the  model  has  to 
account  for  the  dependent  variable.  For  later  reference,  this  ratio  is  known  as  the 
mean square error, or MSE: 
SSE
  MSE = .  (5.4) 
n − K −1
Similarly,  the  more  variation  picked  up  by  the  model  per  explanatory  variable, 
that is, the higher SSM/K, the more explanatory power the variables would seem to 
have.5 This is the mean square due to the model, or MSM: 
SSM
  MSM = .  (5.5) 
K
The ratio of these two measures is an F‐statistic: 
MSM SSM K
  F= = .  (5.6) 
MSE SSE ( n − K − 1)

The F‐statistic is so named because it follows a statistical distribution known as the 
F‐distribution. We will not be proving that the expression in equation (5.6) follows 
the F‐distribution. But, it would be good to know if there is reason to believe the K 
independent  variables  we  selected  tell  us  more  as  a  group  about  the  dependent 
variable  than  would  K  randomly selected  variables. The  fact that the  properties  of 
the F‐distribution are known means that we can use the F‐statistic to shed light on 
just that question. 

                                                        
5 K is the degrees of freedom of the sum of squares accounted for by the model, even though K+1 

∑ (Yˆ − Y )
2
coefficients are estimated. That is because  SSM = i i , and, while K+1 coefficients are 
used to calculate the predicted values, one is also used to calculate the mean, so, the independent 
variation around the mean can move in K dimensions, not K+1. 

  113
 Regression  output  provides  the  F‐statistic  and  a  p‐value  associated  with  it. 
Roughly speaking, that p‐value is the probability that K randomly selected variables 
with  no  systematic  relationship  with  the  dependent  variable  would  be  as  highly 
correlated  with  the  dependent  variable  as  are  the  K  variables  of  our  model.  Put 
differently, it can be thought of as an estimate of the chances that all the correlation 
in the model is completely spurious. Thus, the lower the p‐value, the likelier it is that 
our explanatory variables are actually correlated systematically with the dependent 
variable. If the p‐value is low enough, the model as a whole is said to be statistically 
significant  –  that  is,  there  is  statistical  evidence  that  there  really  are  underlying 
relationships  in  the  data.  What  “low‐enough”  means  is  up  to  the  judgment  of  the 
researcher  and  the  user,  though  10%,  5%,  and  1%  are  often  points  of  focus  in 
discussions. For those familiar with hypothesis testing, it is a p‐value for a test of the 
null hypothesis that all of the independent variables are unrelated to the dependent 
variable. 
Once  we  have  established  that  the  model  as  a  whole  is  statistically  significant, 
the  statistical  significance  of  the  individual  coefficient  estimates  should  be 
evaluated. Just as the sign of the coefficient on price should be negative, since there 
is  a  strong  theoretical  reason  to  think  price  is  an  important  determinant  of  the 
quantity demanded, there should be statistical evidence that price increases reduce 
demand. Regression output provides estimates of the coefficient, the standard error 
of the coefficient, a t‐statistic for the coefficient, and a p‐value associated with that t‐
statistic. 
While  deriving  the  formula  for  the  standard  error  of  the  coefficients  is  beyond 
our  scope,  it  is  important  to  understand  what  it  means.  The  standard  error  of  the 
estimated coefficient on independent variable k is denoted  σ βk . Specifically, it is the 
square  root  of  the  variance  of  the  estimated  coefficient.  The  variance  of  the 
estimated  coefficient,  denoted  σ β2k ,  is  the  expected  value  of  the  square  of  the 
difference between the estimated coefficient and the true value: 

  ((
σ β2 = E βˆk − β k
k
) ) . 
2
(5.7) 

Imagine  collecting  many  independent  samples  and  running  the  same  regression 
repeatedly.  Due  to  the  random  error  component,  you  will  not  get  the  same 
coefficient estimates each time. The variance of the coefficient is an estimate of the 
typical  squared  difference  between  the  estimated  coefficients  and  the  true 
underlying coefficient. The standard error of the coefficient is the square root of its 
variance,  so  it  is  an  estimate  of  the  typical  difference  (in  absolute  terms)  to  be 
expected between a particular estimate and the true value. 
The t‐statistic is just the ratio of the coefficient to its standard error: 
βk
  tβk = .  (5.8) 
σβk

  114
Intuitively,  if  the  coefficient  is  small  relative  to  the  typical  error  in  estimating  it, 
there is no real reason to think it is anything other than zero. Suppose we estimate a 
log‐linear demand approximation and find an estimated price elasticity of demand 
equal  to  ‐0.25  but  the  standard  error  is  0.5.  The  typical  error  is  bigger  than  the 
coefficient, so the “true” coefficient could easily be 0, and our finding of ‐0.25 could 
be random variation. Thus, there would seem to be no statistical evidence that the 
demand  curve  slopes  down.  That  should  make  us  very  suspicious  of  our  model 
specification, the data we used, or both. 
The  statistical  distribution  of  the  t‐statistic  is  similar,  but  not  identical,  to  the 
normal distribution in that it has a similar shape and becomes closer to the normal 
distribution as the sample size gets bigger. Roughly speaking, as long as there are a 
reasonably  large  number  of  observations  relative  to  the  number  of  parameters 
being estimated, say at least 30, the chances of observing a t‐statistic of 2 or over are 
5% or less. So, a good rule of thumb is that a t‐statistic near 2 or larger in absolute 
value  indicates  statistical  significance.  For  the  example  used  in  the  previous 
paragraph,  where  the  coefficient  was  ‐0.25  and  the  standard  error  was  0.5,  the  t‐
statistic is ‐0.5. 
Alternatively, we could use the standard error of the coefficient and knowledge 
of  the  t‐distribution  to  construct  a  confidence  interval  for  the  true  value  of  the 
coefficient.  Using  the  rule  of  thumb  described  above,  an  approximate  95% 
confidence  interval  for  the  coefficient  is  the  estimated  coefficient  plus  or  minus 
twice the standard deviation: 
  βˆk − 2σ βˆ ≤ β k ≤ βˆk + 2σ βˆ .  (5.9) 
k k

The  interpretation  is  if  this  regression  were  run  repeatedly  on  independent 
samples, an interval constructed like this would contain the true value about 95% of 
the time. We can test the hypothesis that the true value of the coefficient is zero by 
checking  to  see  whether  the  confidence  interval  contains  zero.  If  not,  there  is 
statistical evidence that there is some underlying relationship. 
For the example above, the 95% confidence interval for demand elasticity would 
be constructed as follows: 
−0.25 − 2 ⋅ 0.5 ≤ η ≤ −0.25 + 2 ⋅ 0.5
. 
−1.25 ≤ η ≤ 0.75
Speaking  approximately,  in  the  example  we  are  95%  sure  the  true  elasticity  of 
demand  falls  between  ‐1.25  and  0.75.  Thus,  the  model  does  not  provide  solid 
evidence that elasticity of demand is even negative! 
To formalize the idea of statistical significance precisely, rather than by rule of 
thumb, we need to know precisely the statistical distribution of the t‐statistic. It is 
similar,  but  not  identical,  to  the  normal  distribution,  in  that  it  has  a  similar  shape 
and  becomes  closer  to  the  normal  distribution  as  the  sample  size  gets  bigger. 
Importantly, the reported p‐value of the t‐statistic tells us the chances of observing a 
t‐statistic of a given magnitude (in absolute value) if the true value of the coefficient 

  115
is zero. Thus, if the p‐value is “low enough”, the coefficient is said to be statistically 
significant. The null hypothesis that the true value of the coefficient is zero may be 
rejected at a level of significance given by the p‐value. This test is only strictly valid 
under the assumptions of the linear regression model, the most important of which 
is that there is no omitted variables bias. Again, what “low enough” means is up to 
the ones using the results. 
The qualitative and quantitative criteria discussed above can tell us if the results 
of  the  model  are  reasonable  based  on  economic  theory  and  if  they  appear  to 
represent  real  relationships  base  on  statistical  evaluation.  Those  hurdles  must  be 
cleared  by  any  good  model.  But,  they  do  not  tell  us  whether  the  model  is  “good 
enough”.  How  to  make  that  determination  depends  on  the  purpose  of  the 
regression.  There  are  two  possibilities:  to  generate  a  model  that  can  be  used  to 
predict the values of the dependent variable, or to generate coefficient estimates to 
use for decision making purposes. 

Evaluating the Accuracy of Results – Dependent Variable Prediction 
If  the  purpose  is  to  predict  the  dependent  variable,  we  need  to  know  how  the 
model fits the data. One measure of that is the R‐Squared, or R2, defined as: 
SSM
  R2 = .  (5.10) 
SST
Thus, the R2 is the fraction of the total variation of the dependent variable around its 
mean  that  is  explained  by  the  model.  While  the  R2  is  often  used  as  a  measure  of 
“goodness of fit”, it is of limited usefulness. It does not tell you how big the errors 
will be and how much that matters. 
The root mean square error, also known as the standard error of the regression 
or  the  standard  error  of  the  estimate,  is  much  more  informative.  It  is  equal  to  the 
square root of the mean square error and is denoted RMSE or  σˆ : 

∑ (Y − Yˆ )
2

i i i
  RMSE = MSE =   (5.11) 
n − K −1
Remember,  MSE  is  found  by  dividing  the  sum  of  the  errors  by  the  degrees  of 
freedom to accurately represent the average squared error per data point that the 
regression  is  actually  predicting.  In  short,  this  number  represents  the  explanatory 
power  of  the  regression.  Since  we  take  the  square  root,  we  get  an  estimate  of  the 
typical amount of error in the predicted values based on our model. 
The RMSE can then be compared to the predicted values to get an idea whether 
or not the margin of error is acceptable. There are two ways we might do this. First, 
for  approximately  normally  distributed  data,  about  95%  of  the  distribution  lies 
within  two  standard  deviations  of  the  mean  value  (we  used  this  rule  of  thumb 
above).  That  means  an  approximate  95%  confidence  interval  for  the  dependent 
variable given a predicted value is: 

  116
  Yˆi − 2σˆ ≤ Yi ≤ Yˆi + 2σˆ   (5.12) 
This  interval  will  give  us  a  good  idea  of  the  variability  of  the  actual  values  from  a 
predicted  value.  Suppose  Yˆ = 10, 000   and  the  standard  error  is  σ̂ = 10 .  A  95% 
confidence  interval  for  the  actual  value  is  [9980,10020] .  If  we  need  to  order 
inventory  to  meet  demand,  this  might  be  a  very  good  estimate.  We  could  order 
10,050  units  and  could  meet  demand  with  a very  small  amount  of  unsold  product 
relative to the initial order, even if demand turned out on the low end of the interval. 
While confidence intervals give us a starting point for determining the accuracy 
of the regression, their width does not tell us everything. What if our point estimate 
was  Yˆ = 50   but  our  standard  error  was  still  10?  The  new  confidence  interval  is 
[30, 70] ,  which  is  clearly  a  much  less  accurate  interval.  If  this  is  a  prediction  of 
demand and we order, say, 75 units to cover the upper end of the interval, there is a 
very good chance that over 40% of our order will remain unsold. 
Another, perhaps more useful, way to measure the accuracy of the predictions of 
a regression is to look at the size of the standard error relative to our point estimate, 
or the relative standard error, RSE: 
σˆ
  RSE = .  (5.13) 
Yˆ
If  the  standard  error  is  10  and  the  predicted  value  is  10,000,  the  RSE  is 
(10 10000 ) = 0.001 . If instead the predicted value is 50, the RSE is  (10 50 ) = 0.2 . So, it 
is not the standard error in isolation that matters, but its magnitude relative to the 
predicted  value  of  interest  to  the  user.  There  is  no  concrete  rule  for  what  value  is 
acceptable; it all depends on the situation at hand. If inventory costs are small, for 
example, maybe a large RSE won’t be a problem. If storage is expensive, the RSE will 
need to be smaller before the regression is “good enough”. 
Special  problems  arise  when  evaluating  the  accuracy  of  models  in  which  the 
dependent  variable  has  been  transformed,  such  as  in  log‐linear  models.  That  is, 
because the root mean square error of the log variable is not the same as the root 
mean  square  error  of  the  untransformed  variable,  which  is  ultimately  of  interest. 
These  problems  are  exacerbated  even  more  when  we  are  comparing  models  in 
which  the  variable  has  been  transformed  to  models  in  which  it  has  not  been 
transformed.  This  discussion  gets  technical  –  sorry,  I  could  not  come  up  with  any 
way around it! 
To  make  the  comparison,  we  have  to  transform  the  predicted  transformed 
values back into the untransformed state. For example, if we had a prediction of the 
natural log of Y,  ln Y , we need to transform that to a prediction of Y. How would we 
do that? It seems the answer would be to exponentiate  ln Y  to get  Yˆ = eln Y . That is, if 
the predicted log of Y is 3.168, it seems the predicted value of Y would be  Yˆ = e3.168 . 
That is not quite true, darn! Why not? 
The log linear model looks something like 

  117
  ln (Y ) = β 0 + ∑ k β k ln ( X k ) + ε ,  (5.14) 

where  the  error  term  is  approximately  normally  distributed  and  has  an  expected 
value of zero. But, the constant elasticity model from which it is derived looks like: 
  Y = e β0 X 1β1 X 2β2 X Kβ K eε .  (5.15) 
Once we have estimated coefficients, we can get predicted values, so we have 

  ln (Y ) = βˆ0 + ∑ k βˆk ln ( X k ) .  (5.16) 

Exponentiating these indeed gives  
eln Y = e β0 X 1β1 X 2β2 X Kβ K . 
ˆ ˆ ˆ ˆ
  (5.17) 

The trouble is that while the mean value of  ε  is 0, the mean value of  eε  is not quite 

1, even though  e0 = 1 ! That is because if  ε  is normally distributed with a mean of 0, 
the distribution of  eε  is skewed to the right, meaning it has a median value of 1 and 
a  mean  that  is  a  bit  higher.  So,  if  you  want  to  predict  the  median  value  of  Y, 
exponentiate  the  predicted  log  of  Y.  That  is,  if  you  used  equation  (5.17)  to  predict 
values  for  Y  repeatedly,  it  would  give  you  the  median  of  the  distribution  of  actual 
outcomes. 
If you want to predict the mean, or expected value of Y, a better estimate is: 
Yˆ = eln Y +σˆ 2 = e β0 X 1β1 X 2β2 X Kβ K eσˆ
2 ˆ ˆ ˆ ˆ 2
  2
.  (5.18) 
where  σˆ  is the RMSE from the log regression. To evaluate the predictions of a log‐
linear  model,  you  must  estimate  the  predicted  values  of  the  dependent  variable 
using  equation  (5.18)  and  then  use  those  to  estimate  the  RMSE  of  the  predicted 
values of Y. Many readers will not have absorbed anywhere near all of the import of 
the last four paragraphs on a first reading. Before going back and reading it again, 
read  on  to  the  end  of  the  chapter,  where  we  will  go  through  an  example  that  will 
make this more concrete. 

Evaluating the Accuracy of Results – Coefficient Estimates 
Similar  considerations  occur  when  the  objects  of  interest  are  the  coefficient 
estimates themselves. Above, we discussed constructing confidence intervals for the 
coefficients. Recall that, speaking approximately, 95% of the time: 
βˆ − 2σˆ β < β < βˆ + 2σˆ β . 
Looking  at  the  interval  can  give  us  a  good  idea  of  the  general  variability  of  our 
estimate. But, we should further use this understanding of the margin of error in our 
estimates to get some idea of what a typical error might cost us. 
For example, suppose we want an estimate of the price elasticity of demand to 
set the profit‐maximizing price. Suppose the estimate were ‐6 with a standard error 
of 2. Then, a 95% confidence interval for the elasticity of demand would be 

  118
 −10 < β < −2  
Assuming  we  were  going  to  use  this  to  determine  the  profit‐maximizing  price,  we 
can use equation 2.18 to construct a point estimate and a confidence interval for the 
η
markup factor,  . Plugging in our estimates for elasticity, we find the interval for 
1+η
the markup factor to be 
⎡ −10 −2 ⎤
⎢ , ⎥ 
⎣ (1 − 10 ) (1 − 2 )⎦
or 
[1.11,2 ] 
and the point estimate to be 
−6
= 1.2 . 
1− 6
This  suggests  that  our  profit‐maximizing  markup  factor  over  marginal  cost 
should be somewhere between 11% and 100%, with a point estimate of 20%. Or, if 
marginal  cost  is  $100,  it  suggests  a  price  between  $111.11  and  $200,  with  a  point 
estimate of $120. Clearly, this is a very broad range for the optimal price. Setting a 
price of $120 might cost a lot of profit if the optimal price were $111 or $200. So, it 
probably makes sense to go back and try to improve the model. 

Improving Precision 
After  looking  at  the  regression  results  quantitatively,  we  may  want  to  improve 
the  soundness  and  accuracy  of  the  model.  It  is  possible  to  improve  the  model  by 
collecting more data. More data can mean more variables or more observations. It 
may  seem  natural  that  more  data  is  always  better,  but  this  is  not  the  case.  In  fact, 
variables that have little or no systematic relationship with the dependent variable 
can actually distort any “good” data that may be in the regression. Similarly, adding 
more observations can be a bad idea if it means going to lower quality data – that is, 
less  precisely  measured  data.  So,  the  solution  for  increasing  accuracy  is  to  make 
sure you have more data of high quality on variables that ought to be included on a 
basis of economic theory. The problem is that this can become expensive. Firms will 
face a trade‐off  between the  quantity  and  quality  of  the  data available  for analysis 
and  the  cost  of  that  data.  The  more  important  it  is  to  have  an  accurate 
approximation of demand, cost, or whatever is being studied, the more it will make 
sense to spend to obtain more and better observations and observations of more of 
the important variables.  
On a similar note, discarding data that shouldn’t be there will also increase the 
reliability  of  the  results.  The  computer  is  ultimately  responsible  only  for  the 
relatively  simple  calculations  described  earlier;  it  has  no  way  of  judging  the 
substance of the economic relationships we are trying to measure. 

  119
 Aside  from  adding  additional  observations,  and  from  adding  appropriate 
variables or dropping inappropriate ones (based on theory and solid reasoning, not 
data mining), reflection may allow us to find ways to improve the specification. We 
may  find  that  interactions  between  price  and  income  are  important;  that  senior 
citizens  are  more  price‐sensitive  so  an  interaction  between  age  and  price  is 
important.  Careful  thought  can  often  be  used  to  improve  models  that  are  not 
performing well. Though, the performance of the model is ultimately limited by both 
the care of the researcher and the quality of data available. 

Evaluating Results – an Extended Example 
To  make  all  of  this  more  concrete,  lets  tie  it  to  some  regression  output.  The 
output below is from Microsoft Excel and corresponds to the model of electric bills 
expressed in equation (4.24). The independent variables are Size, Temp, SizeXTemp, 
and Pool. The R Square of 0.949 means the model accounts for 95% of the variation 
of the electric bill around its mean value which was observed in the data. The output 
under the heading ANOVA corresponds to various sum of squares calculations. The 
line  labeled  “Regression”  gives  sum  of  squares  data  for  the  model.  So,  SSM  is 
124,040. Since SST is 130,770, we see where the R square came from: 
SSM 124040
  R2 = = = 0.95 .  (5.19) 
SST 130770
The standard error of the estimate, or RMSE, is given in the first set of numbers 
at the top as 21.2. Under the ANOVA section, the column labeled MS corresponds to 
mean  square  calculations  where  the  total  sum  of  squares  is  divided  by  the 
appropriate degrees of freedom. MSE is 449 and the square root of that gives: 
  RMSE = MSE = 449 = 21.2 .  (5.20) 
Suppose  we  are  interested  in  the  accuracy  of  a  predicted  electric  bill  for  a  house 
with  2,500  square  feet  and  a  pool  when  the  temperature  is  85  degrees.  The 
predicted value would be calculated as follows: 
  Bill = 59.64 + 20.12 ⋅ 2.5 + 1.62 ⋅ 85 + 0.15 ⋅ 2.5 ⋅ 85 + 74.93 = 354 .  (5.21) 
Given the RMSE, the relative standard error is: 
21.2
  RSE = = 0.06.   (5.22) 
354
That  means  the  model  will  typically  miss  the  actual  bill  on  a  house  with  these 
characteristics by about 6%. Alternatively, a rough 95% confidence interval is: 
354 − 2 ⋅ 21.2 ≤ Bill ≤ 354 + 2 ⋅ 21.2
    (5.23) 
312 ≤ Bill ≤ 396
From the row of the ANOVA table labeled regression, the MSM is 31010. Dividing 
by the MSE gives the F‐statistic: 

  120
 MSM 31010
  F= = = 69.1 .  (5.24) 
MSE 449
The  P‐value  for  that  F‐statistic  is  given  as  0.000000002.  Thus,  the  null  hypothesis 
that  the  true  coefficients  are  zero  for  all  independent  variables  is  almost  certainly 
not  true.  Put  differently,  the  chances  of  getting  this  high  of  a  completely  spurious 
correlation are negligible. That is a good indicator about the quality of the model. 
Regression Statistics           
Multiple R  0.97         
R Square  0.95         
Adjusted R Square  0.93         
Standard Error  21.2         
Observations  20         
ANOVA             
   df  SS  MS  F  P­value   
Regression  4 124040 31010 69.1 2E‐09 
Residual  15 6730 449     
Total  19 130770          
             
Lower  Upper 
   Coef. Std Err t Stat  P­value 95%  95% 
Intercept  59.64 74.61 0.80 0.44 ‐99.39 218.66
Size  20.12 29.28 0.69 0.50 ‐42.29 82.54
Temp  1.62 0.96 1.69 0.11 ‐0.43 3.68
Size X Temp  0.15 0.35 0.41 0.68 ‐0.61 0.90
Pool  74.93 16.21 4.62 0.00 40.38 109.48
Looking at the individual coefficients, we can see that they all have the expected 
signs.  Further,  a  bit  of  calculation  would  reveal  that  the  magnitudes  of  the 
coefficients are not unreasonable. The standard error for the coefficient on Pool is 
small  relative  to  the  coefficient,  so  the  t‐statistic  is  large,  the  P‐value  is  small,  and 
zero  does  not  lie  within  the  bounds  of  the  confidence  interval  provided.  The 
standard error of the coefficient on temperature is larger relative to the coefficient, 
but  the  t‐stat  is  somewhat  close  to  2,  the  P‐value  is  relatively  small,  and  the 
confidence interval barely contains zero. So, statistically, it seems there is evidence 
of a relationship between temperature and the electric bill, though, the evidence is 
perhaps somewhat weaker than we might have hoped. 
The standard errors are large relative to the coefficients for both size and for the 
interaction  of  size  and  temperature.  That  means  the  t‐statistics  are  small  and  the 
corresponding  P‐values  are  large.  Looking  at  the  upper  and  lower  limits  of  a  95% 
confidence  interval  provided  in  the  output,  we  see  that  zero  is  well  within  the 
confidence interval for these two variables. In other words, statistically, there is no 
particularly  strong  reason  to  think  that  either  size  or  its  interaction  with 
temperature is statistically significant individually. A more advanced test would be 
to  see  if  there  is  evidence  that  the  two  matter  when  taken  together  –  but  that  is 

  121
beyond our scope. For now, we note that while we may have strong theoretical and 
logical  reasons  to  suspect  that  both  those  variables  actually  matter,  those 
parameters are not measured very precisely. 
If we need the actual parameter estimates for Size or its interaction with Temp, 
we  probably  need  to  try  to  collect  more  data.  This  would  be  especially  true  if  we 
have  any  guesses  about  variables  that  are  missing  from  our  dataset  that  might  be 
confounding  our  attempts  to  measure  the  effect  of  size  precisely.  It  would  also  be 
true if we could collect data in which Size and SizeXTemp exhibit greater variation, 
since  we  can  trace  out  the  effects  of  independent  variables  more  accurately  the 
more variation we observe in them in the sample data. 
Let’s  use  the  information  above  to  compare  and  ultimately  choose  between 
various  models  of  electricity  bills.  The  table  below  collects  the  coefficients,  their 
standard  errors,  the  R2,  the  RMSE,  and  the  F‐statistic  and  its  P‐value  for  all  six 
regressions  in  one  place  for  comparison.  The  first  four  are  the  primarily  linear 
models estimated earlier in the chapter. The fifth is an additional linear model that 
includes the pool indicator variable but does not include the interaction term. The 
sixth  is  the  log‐linear  model  from  earlier  in  the  chapter.  In  the  table,  asterisks  are 
used to indicate the general range of the P‐value associated with a coefficient. One 
asterisk  means  the  P‐value  was  less  than  or  equal  to  0.1,  two  means  less  than  or 
equal  to  0.05,  and  three  means  less  than  or  equal  to  0.01.  So,  they  indicate 
approximate levels of statistical significance. 
All of our regressions are highly significant taken as a whole, as indicated by the 
P‐values  of  the  F‐statistics.  In  the  linear  regressions,  the  RMSE  takes  a  large  jump 
down  when  temperature  is  added  moving  from  model  1  to  model  2.  When  the 
interaction  term  between  size  and  temperature  is  added  in  model  3,  the  RMSE 
actually  goes  up  and  the  significance  of  the  regression  as  a  whole  goes  down. 
Looking  at  the  coefficients,  while  both  of  those  variables  were  very  significant 
statistically in model 2, with small standard errors, their standard errors go up a lot 
when  the  interaction  is  included  in  model  3.  Moreover,  the  sign  of  the  interaction 
term is contrary to our expectations. 
It  is  hard  to  say  whether  model  2  or  3  is  “better”.  Within  the  sample,  model  2 
gives  better  predictions  (slightly,  as  measured  by  RMSE).  But,  there  is  a  strong 
reason to suspect the interaction matters. In trying to sort out what went wrong in 
model  3,  there  is  a  ready  suspect  ‐  we  may  simply  not  have  enough  independent 
variation in size and temperature. In that case, the product of the two will be very 
highly  correlated  with  the  individual  variables,  making  it  impossible  to  sort  out 
what  part  of  the  variation  in  electric  bills  is  driven  by  size,  temperature,  or  their 
interaction, since they all tend to move together. This is true in spite of the fact that 
we know from the high significance of the regression as a whole that the group of 
variables as a whole is strongly associated with variation in the electric bill. 

  122
 Summary of Regression Output for Electric Bill Example 
Standard errors in parentheses. 
* P‐value≤0.1. * P‐value≤0.05. * P‐value≤0.01. 
Model #  (1)  (2)  (3)  (4)  (5)  (6) 
Linear or Log‐ Log‐
Linear  Linear  Linear  Linear  Linear 
Linear  Linear 
                    
75.11*** 64.07*** 79.57* 20.12  31.65***  0.28*** 
Size 
(15.61)  (8.79)  (39.67) (29.28)  (8.95)  (0.08) 
‐‐  2.48*** 3.01** 1.62  2.01***  0.46*** 
Temp 
‐‐  (0.38)  (1.38)  (0.96)  (0.27)  (0.08) 
‐‐  ‐‐  ‐0.21  0.15  ‐‐  ‐‐ 
SizeXTemp 
‐‐  ‐‐  (0.52)  (0.35)  ‐‐  ‐‐ 
‐‐  ‐‐  ‐‐  74.93*** 73.47***  0.26*** 
Pool 
‐‐  ‐‐  ‐‐  (16.21)  (15.41)  (0.06) 
111.27** ‐43.66  ‐82.51  59.64  30.88  3.31*** 
Intercept 
(40.56)  (32.77)  (102.49) (74.61)  (26.75)  (0.33) 
                    
F‐statistic  23.16  58.94  37.41  69.12  97.13  77.08 
P‐value  1.4E‐04  2.3E‐08  1.8E‐07 1.8E‐09  1.8E‐10  1.0E‐09 
R Square  0.563  0.874  0.875  0.949  0.948  0.935 
RMSE  56.37  31.14  31.93  21.18  20.63  0.08 
 
Analysis of the raw data shows the linear correlation coefficient (which ranges 
from ‐1 for a perfect negative relationship to +1 for a perfect positive relationship) 
is 0.19 between size and temperature, 0.82 between size and the interaction of size 
and temperature, and 0.70 between temperature and the interaction variable. It is 
not surprising that we were unable to sort out the independent effects of the three 
variables  precisely.  The  solution  is  to  collect  more  data.  We  need  data  with  more 
variation  in  size,  more  variation  in  temperature,  and,  in  particular,  we  need  more 
variation  in  temperature  for  each  given  size  and  more  variation  in  size  for  each 
given temperature. If it is not possible to attain data that exhibits such variation, it 
will not be possible to identify the separate effect of the interaction term. 
While the negative sign on the interaction in model 3 may be due simply to the 
inability to sort out the effects of the three independent variables from one another, 
there is another possible culprit. As alluded to previously, it is possible that bigger 
houses are newer and therefore better insulated. The electric bill will rise less with 
temperature increases in a well insulated home than in a poorly insulated one. The 
interaction of age, and therefore insulation, with temperature may be getting mixed 
up  with  the  interaction  of  size  and  temperature.  To  get  any  idea  about  that 
possibility,  we  need  to  get  data  on  age.  Separate  data  on  the  degree  of  insulation 
would be good to have, too. 

  123
 When  Pool  is  added  in  model  4,  the  RMSE  takes  another  large  step  down,  and 
correspondingly,  the  R2  jumps  up.  As  discussed  earlier  in  the  chapter,  the  sign  on 
Pool makes sense, even if the magnitude may seem a little large to be due to the pool 
in and of itself, and the coefficient is statistically very significant. In model 4, the sign 
of  the  interaction  term  becomes  positive  but  it  remains  small,  imprecisely 
estimated, and statistically insignificant. 
Because Pool clearly seems to work, but it is not clear if the interaction should be 
included,  Model  5  represents  a  regression  with  Size,  Temp,  and  Pool,  but  without 
the interaction term. The RMSE is again slightly lower without the interaction. With 
Pool  included,  and,  without  the  interaction,  the  coefficients  on  Size  and  Temp  are 
again highly significant, as in Model 2. 
Of  the first five  models  in  the table,  which  is best?  Since  there are  solid  logical 
and  theoretical  reasons  to  think  Size,  Temp,  and  Pool  all  matter,  and  since  the 
evidence  is  strongly  consistent  with  that  hypothesis,  it  is  between  model  4  and 
model 5. If we were to adopt the criteria that a variable should only be added when 
it  reduced  the  prediction  error,  that  is  the  RMSE,  we  would  go  with  model  4. 
However, there is a good reason to think that the interaction does matter. The best 
approach  is  to  try  to  collect  more  and  better  data.  If  we  have  to  use  one  of  these 
models,  which  is  better  is  a  toss  up.  Since  we  have  only  20  observations,  a  good 
argument may be made for dropping the interaction and going with model 5 since 
we just do not have enough data to do a good job of estimating 5 coefficients. If we 
had 100 observations and similar results, that argument would not apply. 
The last column of the table contains the results of the log‐linear regression. The 
coefficients all have the right signs and are very statistically significant. Remember, 
the coefficients on Size and Temp represent elasticities. Judging from the P‐value of 
the F‐statistic, the model as a whole is very statistically significant. While the model 
explains  93.5  percent of  the  variation  in  the log  of  the  electric  bill  with  a  RMSE  of 
only  0.08,  those  numbers  can  not  be  compared  with  the  results  from  the  other 
regressions, since the dependent variable has been transformed. Instead, we have to 
use equation (5.18) to convert the predicted log of the bill to a predicted value for 
the mean realization of the bill for each observation. We then calculate the squared 
residual  for  each  observation,  add  them  up,  and  divide  by  n‐K‐1  to  get  the  mean 
square  error.  Taking  the  square  root  gives  the  RMSE  as  21.87.  This  calculation  is 
performed in the table below. Thus, the log‐linear model produces a slightly larger 
prediction error than do models 4 and 5, but only slightly so. In addition, model 6 
does build in some interaction between size and temperature, as shown in equation 
(4.26). 

  124
 Predicted 
Predicted  Bill (Mean) Squared 
eln Y +σˆ 2   Residual Residual 
2
Obs  Bill  Log Bill  Log Bill 
1 343.32  5.84  5.8051 333.11 11.31 127.95
2 299.21  5.70  5.7251 307.49 ‐7.26 52.67
3 302.02  5.71  5.5578 260.11 42.78 1830.11
4 167.94  5.12  5.2458 190.40 ‐21.83 476.69
5 209.55  5.34  5.3433 209.90 0.35 0.12
6 367.80  5.91  5.9851 398.80 ‐29.67 880.35
7 390.06  5.97  5.9193 373.39 17.91 320.80
8 398.46  5.99  6.0037 406.28 ‐6.47 41.86
9 224.87  5.42  5.3570 212.81 12.77 163.04
10 313.27  5.75  5.6896 296.77 17.49 305.74
11 209.36  5.34  5.2789 196.80 13.21 174.63
12 355.15  5.87  5.9118 370.60 ‐14.22 202.11
13 344.13  5.84  5.7951 329.77 15.46 238.96
14 453.55  6.12  6.0543 427.35 27.63 763.24
15 184.73  5.22  5.3297 207.06 ‐21.64 468.44
16 372.66  5.92  5.9751 394.84 ‐20.86 435.23
17 264.10  5.58  5.5938 269.66 ‐4.66 21.74
18 325.37  5.78  5.8203 338.21 ‐11.72 137.26
19 204.54  5.32  5.2284 187.11 18.05 325.94
20 205.89  5.33  5.4473 232.91 ‐26.24 688.40
             
          SSE  7655.27
          MSE  478.45
          RMSE  21.87
 
Models 4, 5, and 6 all have similar explanatory power, within the sample, with a 
very slight edge to model 5. But, models 4 and 6 allow for interaction between size 
and temperature. In short, each of these models seems about as good as the others, 
based  on  the  available  data.  Additional  data  that  showed  more  variability  in  the 
independent variables and included other relevant information such as the age and 
insulation quality of the homes and family size and income might produce a better 
model and a clearer choice of which model is best. If this is all that the data that is 
cost  effective  to  gather  and  we  are  going  to  use  the  model  to  make  predictions  of 
electric bills within the range of the data, which we choose will not matter all that 
much because the RMSE is similar for all three models. Since the RMSE is relatively 
small and the R2 correspondingly high, any of these models may be accurate enough 
for our purely predictive purposes, depending on how much accuracy is needed for 
the particular application, it may not be worth the cost of collecting more data. 
Suppose,  however,  a  property  management  company  wants  a  good  estimate  of 
the effect of temperature on the electric bills of different size residences in order to 
help  them  decide  on  a  plan  for  reducing  energy  expenses  for  the  properties  they 

  125
manage.  Then  we  have  a  problem.  Model  5  does  not  allow  for  interaction,  but  we 
don’t get precise estimates from model 4. Perhaps it would make sense to use model 
6. But, the fact that the effects in model 4 can’t be precisely identified should cause 
some hesitation about relying on the results of model 6 for this purpose, too. If we 
need  precise  estimates  of  the  effects  of  size  or  temperature  on  the  bill,  it  is 
absolutely necessary to collect more data, with more variables and more variability 
in the dependent variables. That question just is not adequately answered yet. 
This hypothetical example was generated from a known “true” model. So, unlike 
in actual applications, we can compare each of the models above to the “truth”. The 
underlying model is: 
  Billi = 100 + 6Sizei + 0.9Tempi + 0.4Sizei × Tempi + 80 Pooli + ε i   (5.25) 
The independent variables for the example, including the random disturbance, were 
generated randomly. The random disturbance was generated to have a correlation 
of  −0.28  with size. This is to represent an inverse relationship between age and size, 
where age effects the bill but has been omitted from the model and left as part of the 
error component. 
The estimated effect of pool is close to correct in models 4 and 5. However, the 
other coefficient estimates are far off in model 4, even though it is the closest. The 
true marginal effect of temperature on the electric bill is: 
∂Bill
  = 0.9 + 0.4Size .  (5.26) 
∂Temp
However, based on model 4, the estimate would be: 
∂Bill
  = 1.62 + 0.15Size .  (5.27) 
∂Temp
The effect of temperature is much more dependent on the size of the residence than 
our  empirical  models  found.  The  “true”  and  “estimated”  effect  of  temperature  on 
houses  of  different  sizes  is  shown  in the  figure  below.  Below  sizes  of  2880 square 
feet,  model  4  underestimates  the  effect  of  temperature  on  the  electric  bill.  Above 
2880,  model  4  underestimates  the  effect.  The  figure  makes  it  clear  that  residence 
size actually has a much larger impact on the effect of temperature on electric bills 
than model 4 would indicate. 

  126
 2.5

Marginal Effect of Temperature

2.25

2
True
Estimted
1.75

1.5

1.25
1 1.5 2 2.5 3 3.5 4
Size (Thousands of Square Feet)

 
What should we take away from this example? First, it is critical to have lots of 
independent  variation  in  the  independent  variables  or  it  may  be  impossible  to 
identify  the  effects  of  the  independent  variables  accurately.  Second,  important 
factors, such as the age of the building, should not be left out of the model. Doing so 
may make it impossible to identify the effects of the individual variables. Third, you 
are never sure you have not left something important out. Thus, it is likely that any 
empirical  model  suffers  from  omitted  variables  bias  to  one  degree  or  another. 
Fourth, it is harder to be sure your coefficient estimates are right than to get good 
predictions of the dependent variable, largely due to the first three things in this list. 
Fifth,  even  when  your  specification  is  “right”,  you  may  not  be  able  to  tell  that  it  is 
any better than other similar models. Remember, the RMSE was lowest for model 5, 
not model 4, and the coefficients in model 4 were not statistically significant. Even 
though  model  4  was  “right”,  there  was  no  way  to  be  sure  of  that  from  the  output. 
Finally,  even  though  the  statistical  procedures  associated  with  estimating  models 
can look very sophisticated and technical, a great deal of judgment, art, and humility 
should go into formulating, interpreting, and using any empirical approximation. 

Limits of approximations 
While  regression  analysis  allows  us  to  estimate  approximations  for  both 
predicting dependent variables and estimating coefficients, and to test hypotheses, 
it has limitations even when the models are well estimated, precisely and carefully 
evaluated and interpreted, and cautiously applied. In closing, we review the ones we 
have already mentioned here, and discuss some additional ones as well. 
First,  remember  not  to  extrapolate  beyond  the  range  of  the  data.  Determining 
the  range  of  data  can  be  more  difficult  than  simply  checking  whether  all  the 
independent variables for the case we are predicting falls within the ranges of the 
corresponding independent variables in the sample. For example, suppose we have 
data containing observations where income is $30,000 to $40,000 and price is $2 to 
$4, and other observations where income is $60,000 to $70,000 and price is $4 to 
$6. We use this to estimate a demand curve. Suppose we want to use these results to 
predict  demand  when  income  is  $35,000  and  price  is  $5.50.  Since  the  range  of 

  127
income is $30,000 to $70,000 and price ranges from $4 to $6, it may seem as if the 
point  we  wish  to  predict  is  well  within  the  observed  range.  However,  we  never 
observe  prices  over  $4  in  places  with  incomes  below  $60,000.  So,  there  is  no 
support in the data for a prediction when price is $5.50 and income is $35,000. 
Second,  even  a  model  that  accounts  very  well  for  variation  within  the  sample 
may  not  hold  up  to  application  to  other  data,  even  when  the  range  of  data  in  the 
sample covers the range for which we are predicting. It is best to verify the model on 
data  that  was  not  included  in  the  sample  on  which  the  model  was  estimated,  if 
enough  data  is  available  for  that.  That  will  help  make  certain  that  the  model  you 
ended up choosing did not fit your sample best due simply to spurious correlations 
in the particular subset of data you used to estimate the model. However, that may 
not  be  enough  to  guarantee  the  model  is  applicable  to  other  data  points.  Past 
performance is no guarantee of future success! 
Third, the last point can be pushed further. A regression is estimated given the 
underlying  structure  of  the  market  and  institutions  governing  the  processes 
generating the data at a given interval of time. However, the nature of markets and 
institutions  change  over  time.  Such  structural  breaks  can  lead  to  large  changes  in 
the  relationships  between  dependent  and  independent  variables.  Don’t  make  the 
mistake  of  thinking  that  the  “right”  model  is  necessarily  “right”  outside  of  the 
specific  institutional  context  which  gave  rise  to  the  data  from  which  is  was 
estimated. 
Finally, the gold standard for estimating the effect of an independent variable on 
an  outcome  variable  is  a  double  blind  randomized  trial.  Making  the  trial  double 
blind  and  randomized  ensures  that  the  independent  variable  under  study  is  not 
systematically  related  to  other  factors  that  affect  the  outcome  variable.  When  we 
estimate  a  regression  model,  the  most  important  assumption  we  make  is  that  the 
included independent variables are not confounded with other variables that affect 
the outcome but are not included in the model. Without explicitly randomizing the 
assignment  of  individuals  to  things  like  income  levels  and  prices,  there  is  just  no 
way to ensure this assumption is met. It is a huge assumption, violating it has major 
implications for the validity and reliability of empirical analyses, and we know it is 
never strictly true. That does not mean we should abandon empirical investigations 
and  applications  of  economic  theory.  Imperfect  models  and  approximations  are 
more  useful  than  no  models  and  approximations,  provided  we  are  humble  and 
cautious  in  their  application.  It  also  means  we  should  take  whatever  steps  are 
reasonable to mitigate omitted variables bias. Chapter 6 is devoted to this topic. 

  128
Chapter 5 Terminology 
The  following  is  a  list  of  terms  that  you  should  know  in  order  to  discuss  and 
apply the material from this chapter. 
 
Bias­ Occurs when an estimate is inaccurate in a consistent, systematic way. 
Imprecision­ Occurs when there is non systematic random error in an estimate. 
Data Mining­ Also called over‐fitting, it occurs when variables that have nothing to 
do with the regression are added in order to find a correlation that improves within 
sample explanatory power. 
Standard  Error­  An  estimate  of  the  amount,  on  average,  that  a  prediction  or 
coefficient estimate will be in error. The square root of the mean square error. 
Degrees of Freedom­ the number of values in the final calculation of a statistic that 
are free to vary. 
Root Mean Squared Error (RMSE)­ The standard error of an unbiased estimator. It 
is the square root of variance. 
Coefficient of Determination (R2)­ The amount of the variation in the dependent 
variable (y) that is explained by the independent variables (x variables). However, 
because  your  variables  can  be  highly  correlated  but  not  necessarily  cause  each 
other, the RMSE is a much better indicator of the accuracy of the model. 
F­statistic – The ratio of Mean Square Deviation fron the Model to the Mean Square  
Error. 
t­Statistic­ The coefficient estimate divided by its standard error. 
P­value­ Probability of estimating an estimated statistic if the true value is 0. This 
shows  the  likelihood  that  any  random  value  would  account  for  explain  as  much 
variation  of  the  dependent  variable  as  the  given  independent  variable.  The  lower 
the  p‐value,  the  more  likely  the  independent  variable  is  truly  correlated  with  the 
dependent variable. 

  129
Chapter 6 
Omitted Variables Bias 
When we first talked about estimating approximations and regression analysis, 
we  introduced  the  concepts  of  precision  and  accuracy.  Imagine  that  three  archers 
are shooting at a target, and the results are as shown in the 
figure to  the  right. Archer  1’s  shots  are  all  over  the  place,  1 1 22
and  they  aren’t  near  the  center.  Since  the  way  in  which  2 2
they are off target does not show any strong tendency, he  3  3 
3 3 
is  not  biased.  But,  the  shots  are  very  imprecise.  This 
corresponds  to  a  large  standard  error.  Archer  2’s  shot 
placement does not vary a lot, but he is not accurate, since  1 1
he  has  a  strong  tendency  to  be  high  and  right.  This 
corresponds  to  bias.  Archer  3’s  shot  placement  shows  as  little  variance  as  that  of 
Archer 2, but he is much less biased. 
The  ideal  empirical  method  is  the  randomized  double  blind  trial.  The 
randomized part comes from selecting a sample, and randomly dividing them into 
two  groups.  You  administer  the  treatment  to  one  group,  the  treatment  group,  and 
administer  a  placebo  to  the  other  one,  the  control  group.  The  double  blind  part 
means both those that administer the treatment and those that receive it don’t know 
which  is  the  control  group  and  which  is  the  treatment  group  until  the  end.  With 
group assignment randomized and completely unknown to all participants, there is 
no way for the outcome to be biased. 
An  economic  experiment  can  in  theory  be  conducted  using  these  same 
principles. Suppose we are testing the effect of a marketing campaign on a certain 
product,  and  we  use  two  randomly  assigned      Avg Quantity 
groups  of  customers,  one  being  the  control.      Before  After
Only  the  treatment  group  is  exposed  to  the 
campaign. The results of the study are shown  Group Treatment  26  32 
in the table.  Control  25  21 
The  change  in  quantity  for  the  treatment  group  was  +6 and  the  change for the 
control  group  was  ‐4;  but  this  is  not  what  we’re  concerned  with.  What  we’re 
concerned  with  is  the  difference  between  these  changes.  In  our  example,  the 
difference in difference (D.I.D.) is 10 (6)‐(‐4). You could calculate some measure of 
accuracy  using  ANOVA  tables  (or  any  other  statistical  tools)  and  if  you  conducted 
multiple  experiments  that  returned  the  same  estimate,  you  could  start  drawing 
some conclusions about the effect of the marketing campaign. 
The problem with empirical research in economics is that it is nearly impossible 
to conduct randomized double blind experiments on a large scale with stakes large 
enough to be meaningful. How could we randomly assign customers to markets with 
different prices, for example? Even if we could, how could we keep both the subjects 
and the data collectors ignorant of prices in other cities? 

  130
 An  alternative  to  a  controlled  experiment  is  to  use  observational  or  non‐
experimental data and use regression methods (such as ordinary least‐squared, or 
OLS)  to  fit  a  model,  and  draw  conclusions  based  on  the  results.  Recall  the  general 
form for a linear regression model is 
K
y = β 0 + β1 x1 + β 2 x2 + ... + β K xK + ε = ∑ β k xk . 
0

where  ε  is  the  random  error,  the  x’s  are  the  independent  variables,  and  y  is  the 
dependent  variable.  The  fundamental  assumption  when  using  OLS  regressions  is 
that the x’s are uncorrelated with the error term. If this is true, then the regression 
is not biased. 
In  economics,  however,  many  variables  you  might  want  to  use  as  independent 
variables to explain a dependent variable depend in turn on other variables within 
the system; that is, most variables are endogenous by nature. Income and price are 
important  demand  determinants.  But,  price  depends  on  the  interaction  of  supply 
and  demand,  so,  price  depends  on  income  and  on  everything  else  that  determines 
demand.  Similarly,  income  is  determined  by  the  supply  and  demand  for  labor  of 
various types, which depends on many of the same things that affect demand. Thus, 
it  is  very  likely  that  the  different  independent  variables  in  a  regression  will  be 
correlated  with  omitted  variables  present  in  the  error  term;  but  since  you  didn’t 
measure the error term directly (by definition, or, it would not be in the error term), 
there’s no way to know. This makes the identification of the effects of the individual 
variables  in  your  regression  very  difficult,  and  since  you  can’t  identify  which 
variables  have  been  omitted,  it  is  difficult  to  know  how  biased  your  regression 
results are. 
This  can  be  illustrated  using  p S2
supply  and  demand.  Suppose  at  a 
particular  date  and  time  you  S1 
observe a price of p1 and a quantity  S3
of  Q1,  at  a  different  date  and  time 
you  observe  a  price  of  p2  and  a 
quantity  of  Q2,  and  on  yet  another  D2
day you observe a price of p3 and a  D3  D̂
quantity  of  Q3.  You  then  use  these 
points to estimate a demand curve. 
Each  observation  of  equilibrium  D1 
price  and  quantity  represents  the 
interaction of a potentially different  Q
supply  and  demand  curve.  This  is 
shown in the figure. If you find the line that best fits these three points, it will look 
something like the dashed line labeled  D̂ . 
The line that best fits the data is hardly the demand curve. It is just a line that 
comes  closest  to  fitting  points  that  depend  on  supply  as  much  as  demand. 
Algebraically,  let’s  assume  QD  =  a  –  bp  +  εD  and  QS  =  c  +  dp  +  εS.  We  know  in 

  131
equilibrium  quantity  demanded  has  to  equal  quantity  supplied.  We  can  thus  solve 
for the equilibrium price as follows. 
QD = a − bp + ε D = c + dp + ε S = QS  
( d + b) p = a − c + ε D − ε S  
a − c + εD − εS
pe =  
( d + b)
Equilibrium price depends on everything captured by a and c (income, costs, etc…) 
AND the error in the demand equation. Thus the actual equilibrium price is directly 
correlated with the omitted variables that affect quantity demanded. 
If we try to use standard regression analysis to estimate the demand curve, we 
would  put  quantity  on  the  left  and  price  and  other  demand  determinants  on  the 
right. But, the higher the demand error, the higher price will be. Since the right hand 
side  variable,  price,  is  directly  related  to  the  error  term,  when  there  is  a  positive 
demand shock, the direct effect will be to boost demand, but, the increase in price 
that  comes  with  the  demand  shock  will  cut  quantity  demanded.  It is  therefore  not 
obvious  how  to  relate,  and,  an  OLS  regression  certainly  can’t  sort  it  out.  It  could 
easily  look  like  increases  in  price  are  associated  with  increases  in  quantity 
demanded when all that is happening is that positive demand shocks are pulling up 
demand, thereby increasing both quantity and price. 
Thus, the higher the error in the demand regression, the higher estimated price 
will  be,  and  since  we  can’t  measure  the  demand  error,  we’re  stuck  with  this 
endogeneity problem. Basically, since both price and quantity depend on each other, 
as well as everything else inside the system (income, wages, etc.), some of which are 
omitted  from  the  model.  Therefore,  the  fact  that  many  things  are  endogenous,  or 
determined simultaneously, means many variables on the right side of an equation 
will be correlated with the error term. This form of omitted variables bias is called 
endogeneity  bias  or  simultaneous  equations  bias.  The  fact  that  so  many  things  in 
economics  are  potentially  endogenous  means  that  OVB  is  systematic  and  wide 
spread,  not  simply  confined  to  circumstances  where  explanatory  variables  just 
happen  by  chance  to  be  correlated  with  omitted  variables  –  there  are  systemic 
reasons to expect such correlations to be widespread. 
Another  systematic  source  of  omitted variables  bias is measurement  error.  We 
know  the  dependent  variable  of  a  regression  has  an  error  term  associated  with  it 
due to the influence of variables we have not included in the empirical model. But, 
variables,  both  dependent  and  independent, are  also  observed and measured with 
error. Think of this type of error as usual data entry error, or error that results from 
measurement  to  a  limited  amount  of  significant  digits,  etc.  Suppose  we  have  the 
following “true” model for y: 
y = b0 + b1 x + εy . 
Suppose that rather than observing the true value of x, we observe or measure a 
value of xm, which is the true value plus our measurement error: 

  132
 x m = x + εm . 
Solving this for x, we have: 
x = xm − ε m . 
Substituting this into the model above we get 
y = b0 + b1 ( x m − εm ) + εy  
y = b0 + b1 x m + (εy − b1εm ) . 
This  is  the  model  that  is  feasible  to  estimate,  given  our  observations.  The  new 
error  term  is  (εy–b1εm).  The  measured  value  of  x  is  correlated  with  εm,  so  it  is 
correlated  with  the  error  term.  Thus,  measurement  error  introduces  OVB.  This  is 
not  the  same  indirect  bias  that  we  were  concerned  with  when  talking  about  the 
supply  and  demand  example  –  this  is  simply  because  there  was  noise 
(imperfections) when we measured x. 
Intuitively, when x changes, there is no way to know if it is changing in truth, or, 
only as the result of a measurement error. So, if no change in y is observed, there is 
no  way  to  know  if  that  is  because  y  is  not  related  to  x  (b1=0)  or  because  the 
observed  change  in  x  was  only  measurement  error.  Thus,  OLS  cannot  identify  the 
true underlying relationship and separate it from the noise. 
 

Reducing Bias 
It is possible to take steps to lessen the degree and impact of omitted variables 
bias.  We  will  briefly  discuss  five:  market  trials,  natural  experiments,  instrumental 
variables,  panel  data  techniques,  and  regression  discontinuity  designs.  The 
treatment of each of this will be very brief and incomplete. It is intended to give you 
an intuitive idea of the types of things that are done to reduce OVB so that you will 
be in a better position to evaluate published studies and consultant reports, not to 
give you the technical expertise to follow every detail of such studies or to conduct 
them yourselves. For those interested, a quick search of any of these topics online 
will turn up a large number of examples and references. 
 

Market Trials 
First, a firm could run a market trial; that is, releasing a certain product in “test 
markets”  that  are  essentially  a  treatment  group,  while  holding  other  markets 
constant.  One  problem  with  this  method  is  that  you  don’t  know  how  randomized 
your  treatment  group  is.  Customers  in  the  trial  markets  are  likely  to  exhibit 
systematic differences from those in other markets (the control group) even if the 
trial  markets  are  randomly  selected  –  unless  the  number  of  trial  markets  is  very 
large. Second, it is unlikely customers will be ignorant of the experiment for long. If 
they  figure  out  what’s  going  on,  the  experiment  is  no  longer  double  blind,  and  if 
certain customers are getting a lower price and realize it, they may buy more than 

  133
they  otherwise  would  and  invalidate  the  experiment.  Another  problem  is  that 
charging the treatment group a price different from the expected profit‐maximizing 
price means a firm is potentially foregoing several months of profit. 
 

Natural Experiments 
The second technique is to find a “natural experiment” with which to identify the 
effect of the variables of interest. These are events which are clearly outside of the 
influence  of  markets  or  their  participants  which  introduce  exogenous  (outside  the 
model)  changes  in  explanatory  variables  that  are  otherwise  determined  in  the 
model. A potential example of a natural experiment is a government policy that has 
large  impacts  on  some  locations  and  no  impact  on  other  locations.  The  key  to 
identifying  a  natural  experiment  is  finding  a  place  where  an  outside  influence 
caused  an  exogenous  change  in  explanatory  variables  BUT  where  that  outside 
influence should have no direct effect on the dependent variable itself. 
Take  the  following  as  an  example.  Say  you  want  to  know  what  the  effects  of 
minimum wage are on employment. You know demand curves slope down, and you 
think raising the wage will decrease the quantity of unskilled  labor demanded. So, 
you  hypothesize  that  minimum  wages  (just  like  other  price  supports)  cause 
surpluses of low skill labor, and you test that. Minimum wage varies by state, so you 
gather  data  for  the  whole  country  and  regress  unemployment  rates  against  the 
minimum wage data. Suppose your results tell you that states with higher minimum 
wages have lower unemployment. This is the opposite of your original hypothesis – 
but the problem is, this research design likely suffers from omitted variables bias. It 
is  entirely  possible  that  states  with  higher  unemployment  have  lower  minimum 
wages  for  reasons  totally  unrelated  to  the  direct  effect  of  minimum  wages  on 
employment  levels.  Perhaps  locations  with  a  high  demand  for  labor  and  low 
unemployment  set  a  wage  which  is  nominally  high,  but,  does  not  matter  much 
because few people would work at that wage in equilibrium anyway. So, it’s possible 
that  states  with  high  minimum  wages  have  other  characteristics  that  would  make 
unemployment  lower  that  have  nothing  to  do  with  minimum  wage.  This  is  the 
problem of causal identification. How can natural experiments help in this example? 
Suppose  the  federal  government institutes  an  increase in  the  federal  minimum 
wage, and some states are affected by it and others are not. This is an example of a 
natural  experiment,  since  the  individual  states  were  not  in  control  of  the  change. 
Now, you can compare the change in unemployment between the states that were 
affected  by  the  increase,  and  those  that  weren’t,  using  D.I.D.  measures.  Since  you 
didn’t spend any money on conducting this experiment, and it was more of a natural 
byproduct of exogenous changes, it is an example of a natural experiment. The fact 
that the change comes from the federal government arguably makes assignment of 
individual  cities  to  the  “treatment”  group(s)  random  enough  for  the  statistical 
analysis to be meaningful. 
Or, maybe, not so much. In our example, it’s possible the states where minimum 
wages were already high had systematic differences in their related policies (such as 

  134
welfare, subsidized housing, etc.) and market characteristics (industries, education, 
demographics)  that  mitigate  the  effects  of  changes  in  the  minimum  wage  (that  is, 
interact  with  the  change  in  minimum  wage  in  determining  labor  supply  and 
demand).  Or,  perhaps  changes  in  the  expected  impact  of  a  high  minimum  wage  in 
the states where the federal change lead to real changes in the minimum wage are 
what  lead  to  the  federal  policy  change  in  the  first  place.  If  changes  in  underlying 
conditions  in  the  states  affected  by  the  policy  are  what  caused  the  policy  to  be 
enacted at any given time, the change was not exogenous, and the experiment would 
no longer avoid the endogeneity problem. 
 

Instrumental Variables 
A  third  way  to  reduce  OVB  is  to  use  instrumental  variables.  Let’s  start  with  an 
example  of  an  instrumental  variable,  and  then  proceed  with  a  more  general 
definition. Suppose quantity demanded is 
QD = a − bp p + bm m + εD  
where p is price and m is income; quantity supplied is 
QS = c + d p p − dw w + εS  
where p is price and w is the wage rate. Now, looking at the equation for demand, 
we know price is correlated with the demand error term since price is endogenously 
determined.  The  idea  with  instrumental  variables  is  to  find  a  variable  that  is 
correlated with price, but not with the demand error. Then, we can use that variable 
to  identify  changes  in  price  that  have  nothing  to  do  with  changes  in  the  demand 
error, and use those changes to estimate the demand curve. A variable of this type is 
called  an  instrument  because  you  use  it  as  an  instrument  to  identify  exogenous 
variation in endogenous variables. 
Looking  at  our  equations  for  supply  and  demand,  if  we  were  to  solve  for 
equilibrium quantity, we would get both quantity and price as functions of income, 
wages, and the two error terms, or 
QE = f ( m, w,εD ,εS )  
p E = f ( m, w,εD ,εS )  
If  we  were  now  to  regress  this  function  of  price  against  these  variables,  we 
would have a predicted equilibrium price given by the following: 
pˆ E = α 0 + α1m + α 2 w  
This predicted price is determined by income and wages, and is not correlated with 
the demand error so long as income and wages are exogenous to the model. Thus, 
we  can  use  it  as  an  instrumental  variable,  and  plugging  it  into  our  equation  for 
quantity demanded we can run a new regression: 
QD = a − bp pˆ E + bm m + e  

  135
where e is a different error term than the one in the original equation.  
The  major  problem  with  using  instrumental  variables  is  that  if  you  look  at  a 
broad  enough  picture  of  the  economy,  most  every  variable  is  dependent  on  most 
every  other  variable.  Since  we’ve  developed  a  function  to  estimate  price  based  on 
income and wages, we’re assuming that income and wages are exogenous – but that 
is  not true. In  fact,  wages  are  a  primary  determinant  of income,  and,  many  factors 
that  affect  income  and  wages  are  likely  to  also  affect  demand  directly.  So,  for  a 
variable to be an instrument it has to be (a) not correlated with the error term, (b) 
not  directly  in the  equation,  but  (c)  correlated  with  the endogenous  variables that 
are in the equation – and this can be quite difficult to find. 
 

Panel Data Techniques 
A fourth method for reducing OVB is to collect panel data. The idea is to follow a 
group of people (or cities, etc.) over a long period of time. In a time series, data is 
collected  on  one  individual  from  time  period  t  =  1,  2,  …,  T.  Cross  section  data  is 
information on several individuals i = 1, 2, …, N in a single time period. Panel data 
combines these ideas, and follows N individuals over T time periods. 
They  can  help  by  isolating  idiosyncratic  differences  between  individual 
observations.  That  is,  suppose  customers  in  Atlanta  like  your  product  for  some 
unknowable reason, and customers in Gainesville don’t like your product for some 
unknowable reason. As a result, the manager in Atlanta sets a higher price and sells 
more  units.  You  don’t  want  to  conclude  that  just  because  you  can  charge  a  higher 
price in Atlanta and sell more your demand curve slopes up. 
We might try to correct for systematic but unobserved differences across cities 
(or  individuals)  by  including  an  indicator,  or  dummy,  variable  for  each  city.  The 
model would look something like 
yit = β 0 + β1 x1it + β 2 x2it + ... + β K xKit + α t + δ 2 d 2 + δ 2 d3 + ... + δ 2 d n + ε it . 
In the model, yit is the dependent variable (price, etc.) in city i and time period t. It 
depends  on  K  independent  variables  x1it,  x2it,  and  so  on,  which  are  also  associated 
with that city and time period. A possible time trend is captured by including t, and 
α represents the general increase in the dependent variable per unit of time which 
is  constant  for  all  years  and  all  cities.  The  model  also  contains  indicator  variables 
(the  d’s)  for  each  different  city,  in  order  to  statistically  pick  up  the  idiosyncratic 
differences  between  them.  So,  d2  could  be  for  Gainesville,  d3  for  Ocala,  d4  for 
Orlando, etc. and would be 0 if you are not observing that city, and a 1 if you are. The 
coefficients (the δs) measure the average difference between each category and the 
“base” category, which is taken to be category 1 in the equation above. 
Using summation notation, the model could be written more compactly as: 
K N
yit = α t + ∑ β k xkit + ∑ δ i di + ε it . 
k =0 i =1

  136
In  this  notation,  the  first  x  variable  is  simply  a  1  for  each  observation,  as  in  the 
earlier chapters. 
You can then compare the data across the observed years. The change in y is 
Δy it = y it − y i( t −1)  
and, plugging our equation for yit and yi(t­1) into this equation we get 
K N
yit − yi (t −1) = α (t − (t − 1)) + ( β 0 − β 0 ) + ∑ β k ( xkit − xki (t −1) ) + ∑ δ 2 (d 2 − d 2 ) + ε it − ε i (t −1)  
1 2

or 
K
Δyit = α + ∑ β k Δxit + Δε it . 
1

In  this  equation,  the  intercept,  α,  reflects  the  average  growth  across  all  cities 
over  time.  So,  when  looking  at  the  change  in  y,  the  constant  and  the  dummy 
variables drop out. In essence, looking at the change in  yit has wiped out all of the 
fixed idiosyncratic differences that don’t change over time. It does not matter if we 
actually estimate this model in the form of differences, or, if we just include dummy 
variables for each city, the effect is the same in practice. 
The problem that is inherent in this method is that, while the model eliminates 
fixed  city‐specific  differences,  it  has  no  way  of  controlling  for  variable  city‐specific 
differences. For example, if demand is higher for whatever reason in Atlanta than in 
Gainesville in year 1, there is no reason to think that it will stay the same amount 
higher  in  year  2,  and  thus  endogeneity  will  be  present  in  the  regression.  If,  for 
example, unmeasured income is trending up more in Atlanta than in Gainesville, a 
good  manager  will  likely  be  raising  price  every  period  MORE  in  Atlanta,  and, 
experiencing  relative  increases  in  quantity  sold.  Dummy  variables,  or  differencing 
the  data,  which  is  equivalent,  will  only  take  care  of  fixed  idiosyncratic  differences 
between  cities,  and  to  this  extent  let  you  identify  causal  relationships.  They  do 
nothing for time varying idiosyncrasies. 
 

Regression Discontinuity Designs 
Lets  consider  an  example.  Florida  has  what  is  generally  considered  to  be  a 
stringent accountability system for its public K‐12 schools, at least compared to the 
systems put in place in other states to comply with The No Child Left Behind Act of 
2001. Suppose you would like to study the effect of school accountability measures. 
Specifically, suppose you want to know whether the extra resources and pressure a 
school  that  receives  a  “failing”  grade  receives  as  a  result  of  its  failure  result  in 
improvements  in  student  performance,  or,  changes  in  something  like  class  size  or 
hours of instruction. That is, consider a school that received a “D” in 2005 and an “F” 
in 2006. If the additional pressure and resources lead to improvements in student 
performance, then the grades of individual students in those schools in 2007 should 

  137
increase  relative  to  their  2006  level,  at  least  as  compared  to  schools  who  did  not 
“fail” in either 2005 or 2006. 
To  test  this,  we  might  compare  the  change  in  student  scores  on  standardized 
tests  in  schools  that  went  from  a  “D”  to  an  “F”  the  previous  year  to  changes  in 
standardized scores for schools that were a “D” in both years. We could just test for 
differences  in  means.  Alternatively,  we  could  do  it  as  a  regression  model.  First, 
define  a  dummy  variable,  Failit,  which  is  1  for  student  i  if  their  school  received  a 
failing  grade  in  year  t  after  receiving  a  D  in  year  t­1  and  0  if  it  received  a  D  both 
years. (We are excluding students at schools that received other grades, to keep the 
comparison as clean as possible.) If Testit is student i’s test score in year t, and again 
∆ represents “change in,” the model is: 
ΔTestit = β 0 + β1 Faili ( t −1) + ε it . 

The  hypothesis  implies  β1  is  positive.  The  hypothesis  is  not  that  students  do 
better in failing  schools  –  by  definition  they do  worse. The  idea  is  that  in  the  year 
after a school fails, the students learn more than they did the year the school failed, 
due to the pressure put on a failing school and the extra resources that flow to it. 
The  problem  with  running  the  model  above,  or  testing  for  differences  in  mean 
test  score  changes  across  the  groups  (the  two  are  statistically  equivalent)  is  that 
school  grades  are  likely  to  be  correlated  with  a  number  of  other  characteristics  of 
the school and its students which also affect test scores. It will be possible to control 
for some of these things, but, not all of them. And, you will never know how many 
confounding omitted variables there are, or, how important they are. So, what to do? 
A  regression  discontinuity  approach  potentially  offers  a  way  out.  It  works 
basically as follows. Find the schools that just barely passed and the schools that just 
barely failed, and, compare changes in student test scores in those schools. Except 
for random differences, these schools should be similar. As long as the threshold for 
passing  or  failing  is  hard,  and  as  long  as  every  school  that  “fails”  gets  the  same 
“treatment”  and  no  school  that  does  not  fail gets  that  treatment,  this  is  essentially 
equivalent to a randomized trial. 
The  technique  is  limited  in  that  it  can  only  be  applied  to  cases  where  the 
“treatment” is only received when some variable is above a well defined threshold 
(here when a school’s test scores fall below an established level). Further, when the 
threshold  must  be  met  to  receive  the  treatment,  but  not  everyone  that  meets  the 
threshold gets the treatment (crossing the threshold is necessary for “eligibility” but 
does not guarantee all that are eligible will get the same treatment), the technique 
becomes more complicated and more prone to bias. 
In summary, all five of these techniques can be used to reduce OVB, but none of 
them  are  inerrant.  It  is  important  to  keep  this  in  mind  when  looking  at  empirical 
results  of  any  kind.  This  is  a  good  point  to  again  emphasize  that  no  result  in 
economics, or any other field of study that does not have ready recourse to carefully 
controlled  experimentation,  should  be  taken  seriously  unless  all  three  of  the 
following conditions are met. 

  138
 First, the result is consistent with a believable, reasonable, understandable story. 
You  may  have  to  think  hard  to  grasp  why  the  story  is  sensible,  but,  if  you  don’t 
eventually  understand  it  at  an  intuitive  level,  be  suspicious.  Second,  the  result  is 
consistent with a simple but formal mathematical model that captures the essence of 
the argument, even if it is based on vast oversimplifications. The reason for this is 
that  by  thinking  about  the  problem  mathematically,  it  forces  your  logic  to  be 
consistent. Without this, a persuasive speaker who knows how to appeal to human 
fallibilities  and  tendencies  to  systematic  biases  in  reasoning  can  make  just  about 
anything sound reasonable. Third, the result is confirmed repeatedly, using multiple 
identification  strategies,  by  multiple  independent  researchers  using  multiple 
independent  sources  of  data.  This  is  not  enough  on  its  own,  because,  absent  the 
ability to conduct repeated randomized double blind trials, a dishonest person can 
use statistical tools to make just about anything seem to be supported by the data if 
they try long enough, and even the work of the most careful and honest researchers 
is  subject  to  tremendous  potential  biases  and  difficulty  definitively  identifying 
causal relationships. 
If  some  finding  or  recommendation  can  not  be  supported  in  all  three  of  these 
ways, it should be treated with a high degree of skepticism. Even if it meets all three 
criteria,  that  does  not  prove  the  finding  is  correct  in  any  fundamental  way.  It  just 
means we have a working theory that has not yet been disproved or supplanted by 
some  better  theory,  and  which  therefore  might  provide  the  most  reasonable  basis 
currently  available  on  which  to  proceed.  On  one  hand,  it  is  always  best  to  retain 
some  degree  of  skepticism  and  proceed  with  caution.  On  the  other  hand,  being 
completely  skeptical  of  everything  is  simply  not  feasible  –  it  leads  to  indefinite 
vacillation. The only way forward is to make use of the “best” findings in economics 
and  other  policy  related  disciplines,  but,  to  keep  in    mind  that  they  are  at  best 
incomplete  approximations,  more  applicable  to  some  situations  than  others,  likely 
biased, and, certainly not the final truth. 

  139
Chapter 6 Terminology 
The  following  is  a  list  of  terms  that  you  should  know  in  order  to  discuss  and 
apply the material from this chapter. 
Difference in Difference (DID)­ An econometrical tool used to measure the effects 
of a treatment to a group by comparing the group before the treatment to the group 
after treatment. 
Omitted Variable Bias (OVB)­ A type of bias that occurs when a variable that 
determines the independent variable is omitted from the model and is correlated 
with the included explanatory variables. It is a problem because it makes it 
impossible to separate the effect of the explanatory variable and the omitted 
variable. 
Random Double­Blind Trial (RDBT)­ An experiment that works to eliminate 
subjective bias in which neither the experimenter nor the subjects know which 
group is the control group and which is the experimental. This can become 
extremely costly and time‐consuming when dealing with economics. 
Market Trial­ A type of experiment that uses a test market to test price changes. 
The test market is essentially a treatment group while holding other markets 
constant. Problems can arise, however, because market trials are not double‐blind, 
customers are not randomly assigned across markets so it is impossible to know for 
sure that the results are unbiased, and they can be very expensive because the firm 
is not setting price at profit‐maximizing level. 
Endogeneity/Simultaneous Equations Bias­ A type of bias that occurs when the 
independent variable is correlated with the error term in a regression model. 
Natural Experiment­ A type of experiment that finds exogenous changes that cause 
big changes within the system of variables that are being measured. D.I.D. measures 
are used to compare the impact of a federal change on each state. Problems can 
arise if the states change over time at different rates or the timing of the natural 
experiment is endogenous. 
Panel Data­ Method of following a group of individuals over a long period of time. 
This works to separate customers into different cities, isolating their idiosyncratic 
differences. Indicator variables are used to pick up all of these idiosyncrasies. The 
problem with this method is that it only works for individual‐specific effects fixed 
over time. 
Instrumental  Variable­  A  variable  that  is  not  directly  included  in  the  model, 
correlated  with  the  endogenous  right‐hand  side  variable,  and  not  correlated  with 
the  error  term.  It  is  used  as  an  instrument  to  identify  what  changes  in  price  have 
nothing  to  do  with  the  demand  error  and  then  estimate  the  slope  of  the  demand 
curve using these price changes. However, these variables are hard to find. 

  140
 
 
 
Part 3 
 
A Closer Look at Some of the Tools 
 

  141
Chapter 7 
Individual Choice 
In  chapters  two  and  three  we  used  demand  curves  to  represent  the  consumer 
side of the market, in particular the way price is related to the quantity demanded 
and  the  way  income  levels  and  the  prices  of  substitutes  and  complements  affect 
demand.  Consumer  theory  is  the  study  of  how  the  underlying  preferences  of 
individuals  and  the  limits  imposed  by  income  and  market  prices  shape  individual 
choices. This framework gives rise to a more detailed theory of demand. It also has 
applications to interesting economic questions in its own right. 

Underlying Assumptions about Preferences 
Consumers choose from among many possible combinations of any number of 
goods to consume. Each particular combination of the goods is called a bundle of 
those goods. We model consumers as if they choose their most preferred bundle 
from among the feasible options. Utility is the name of the metric economists use to 
measure preference. It is what is known as an ordinal measure, not a cardinal one. 
That is, it assigns a higher number to more preferred bundles than to less preferred 
alternative bundles. The units of utility are arbitrary, it is only the ranking that 
matters. If one bundle is preferred to a second bundle, it does not matter if the 
utility of the first is 10,000 and the utility of the second is 0.0001, or if the utility of 
the first is 4 and the utility of the second is 3.9999. All that maters is the number 
associated with the first is higher than the number associated with the second. 
Statements like “bundle A is twice as good as bundle B” are not meaningful with the 
utility metric, as “twice as good as” has absolutely no meaning with an ordinal 
measure. 
In order to develop the theory of individual choice, we first list and describe our 
basic  assumptions  about  individual  preferences.  The  first  assumption  is 
completeness. This means that when faced with a choice between any two bundles, 
call  them  bundle  A  and  bundle  B,  the  consumer  either  prefers  A  to  B  (denoted 
A B ), prefers B to A (denoted  A ≺ B ), or is indifferent between the two (denoted 
A ~ B ). These are the only three logical possibilities, and preferences are complete 
in the sense that the consumer can make one and only one of these three statements 
about any two possible bundles of goods. 
The second assumption is that more is better. This means consumers are better 
off if they have more of one good and no less of all the others, all else equal. So, if B 
has more pizza than A and as much of everything else,  B A . Keep in mind here we 
are  discussing  preferences  only,  not  the  cost  of  attaining  the  bundles  or  what  the 
consumer  would  ultimately  choose  given  the  cost.  The  assumption  that  more  is 
better is assumed to hold in the range of combinations of goods a consumer would 
normally purchase, not necessarily for any possible combination. For example, when 
choosing  between  five  pieces  of  pizza  and  10,000  pieces  of  pizza,  a  consumer 
invariably would choose the five pieces, due to the infeasibility of eating and storing 
all the extra pizza. Although this seems to violate the assumption that more is better, 

  142
10,000 pieces of pizza is not in the relevant range – we will not be analyzing choices 
over bundles with 10,000 pieces of pizza. What about trash? People prefer less trash 
‐ does that violate the assumption? Not if we define things in terms of trash removal. 
We assume the good is trash removal, which people would prefer to have more of 
(trash is a “bad”, not a “good”). 
Third, when faced with more than two bundles to choose from, the consumer’s 
choices  must  satisfy  transitivity.  That  is,  if  A B   and  B C ,  then  A C .  For 
example, a consumer cannot say they’d rather have a hamburger than a pizza and a 
pizza rather than a burrito, but that they’d rather have a burrito than a hamburger. 
The  fourth  and  final  assumption  relates  to  a  consumer’s  marginal  rate  of 
substitution between two goods, so we must first define it. A consumer’s marginal 
rate of substitution of good X for good Y (denoted MRSXY) is the amount of good Y he 
is  willing  to  give  up  for  one  more  unit  of  good  X  that  preserves  his  level  of 
happiness. For example, if a consumer currently has two pieces  of pizza and three 
cokes,  he  may  be  willing  to  give  up  two  cokes  in  exchange  for  one  more  piece  of 
pizza.  Thus,  his  marginal  rate  of  substitution  of  pizza  for  coke  is  2.  Note  that  this 
value is different than his marginal rate of substitution of coke for pizza. 
It will have occurred to the thoughtful reader that this rate varies according to 
how  much  of  each  good  the  consumer  has.  For  example,  the  consumer  may  be 
willing to give up two cokes for one more piece of pizza when he has three cokes; 
however, this number will surely change if he has only one coke. In fact, as we can 
intuitively conclude, the less coke the consumer has, the less he is willing to give up 
for  one  more  piece  of  pizza.  This  is  actually  the  fourth  assumption,  and  it  is 
succinctly known as a diminishing marginal rate of substitution. 
If  you  believe  these  four  assumptions  to  be  true,  then  a  consumer’s  choice 
between  bundles  of  goods  when  faced  with  a  decision  may  be  expressed  as  a 
mathematical  maximization  problem  where  the  consumer  maximizes  a  utility 
function  (where  the  ranking  matters  but  the  units  are  arbitrary)  subject  to  the 
constraint imposed by their limited income and market prices. 

Indifference Curves and Preferences 
An indifference curve shows different combinations of two goods that provide 
the same amount of satisfaction, or utility. If we are equally happy with two cokes 
and one piece of pizza as we are with one coke and three pieces of pizza, we are 
indifferent between those two options – hence the term indifference curve. An 
indifference curve for two goods can be depicted on a graph where one axis 
measures the amount of one good (say good X) and the other axis measures the 
amount of the other good (say good Y). The figure below depicts three types of 
indifference curves. 
The “L” shaped indifference curve depicts the preference of a consumer who 
views goods X and Y as perfect complements. Remember, the indifference curve 
shows different combinations of X and Y that make the consumer equally happy. So, 
for a given amount of good X, additional units of good Y do not move the consumer 
off of his indifference curve; that is, they don’t increase his satisfaction. In this case, 

  143
the goods have no substitutability, and 
utility can only be increased if he has  Y  Imperfect
Substitutes
some additional amount of both goods – 
they are consumed together or not at all. 
For example, someone who has no use 
for either peanut butter or jelly 
individually, ever, under any  Perfect
circumstances, but will consume them  Complements
together, views them as perfect 
complements.  Perfect
If  the  consumer’s  indifference  curve  Substitutes
looks  like  the  straight  line  in  the  figure,  X 
goods X and Y are perfect substitutes. In 
essence, the consumer is willing to trade a specific amount of Y for one more unit of 
X, and this specific amount never changes. For example, if a consumer would always 
be willing to give up two cokes for one piece of pizza, no matter how much coke and 
pizza he has, the goods would be perfect substitutes to him. 
The third indifference curve, in the figure represents imperfect substitutes. This 
The consumer is willing to trade some Y for one more unit of X, but the amount of Y 
he is willing to give up for another unit of X decreases as he has more X and less Y. 
This indifference curve is consistent with the assumption that more is better and the 
assumption of a diminishing MRS. 
Y
Begining at point a in the figure to the right,  a
if the amount of good X increases by one unit, in  Y3 
order to stay on the same indifference curve the 
amount  of  Y  consumed  must  decrease  from  Y3 
to  Y2.  Otherwise,  we’d  have  more  utility  since  Y2  b
c 
more  is  better. This  is why  indifference  curves  Y1 
have a negative slope. 
X 
Indifference  curves  with  this  shape  also 
exhibit  a  diminishing  MRS.  Going  from  point  a  1  1 
to point b, the consumer gains one unit of X. For 
this unit of X, the consumer is willing to reduce their consumption of Y from Y3 to Y2. 
But, going from point b to point c, which is also a one‐unit gain of X, the consumer is 
only willing to decrease Y from Y2 to Y1, a smaller decrease. This is because at point b 
the consumer has less Y and more X, thus Y becomes more valuable in terms of X. 
This is why indifference curves are convex to the origin –the diminishing marginal 
rate of substitution. This property is also sometimes expressed as a preference for 
variety. 
From the last figure, it should be clear that the MRSXY is just the absolute value of 
the rate of change of Y with X along the indifference curve. The rate of change at a 
particular  point  is  just  the  slope  of  the  tangent  at  that  point.  Saying  the  MRSXY 
diminished  along  an  indifference  curve  is  saying  that  a  line  tangent  to  the 

  144
indifference  curve  gets  flatter  as  X  increases,  since  the  tangent  IS  the  graphical 
representation of the concept of the MRS. 
Indifference  curves  cannot  cross,  as  do  the 
Y
two  in  the  figure  to  the  right.  Why?  We  know 
that a has more of both good X and good Y than 
b,  so  a b .  But  b  and  c  are  on  the  same  c 
indifference  curve,  and  since  indifference  a 
curves are defined to be different combinations 
of  goods  that  give  the  same  amount  of  utility,  b 
b ~ c .  Transitivity  then  tells  us  that  since  a b  
X 
and  b ~ c ,  a c .  But  a  and  c  are  on  the  same 
indifference  curve,  so  this  cannot  be  true.  So 
indifference curves cannot cross. 
Instead, a graph with multiple indifference curves must look something like the 
one  in the  next figure,  below  and  to  the  right.  The  figure  shows  three  indifference 
curves labeled 1, 2, and 3. The figure labels each indifference curve according to the 
X or Y value where it crosses the 45 degree line, at which point Y=X. Completeness 
means that every possible consumption bundle is on some indifference curve which 
is associated with some (ordinal) measure of utility. That means that any number of 
indifference curves may pass between indifference curve 1 and indifference curve 2, 
and between any two other indifference curves. 
Indifference  curve  2  represents 
Y
higher  utility  than  indifference  curve  1. 
This  is  obvious  since,  along  the  points  Y=X 
where  they  cross  the  45  degree  line, 
where  Y=X,  indifference  curve  2  has  3
more  of  both  goods  than  indifference 
curve  1.  Since  indifference  curves  above  2 3
and  to  the  right  involve  higher 
consumption  levels,  they  represent  1 2 
higher  utility,  or  more  preferred  1
combinations  of  goods.  Similarly, 
1 2 3 X
indifference  curve  3  represents  a  higher 
level of utility than indifference curve 2. Since the units of utility are arbitrary, and 
only  ranking  matters,  we  could  have  as  easily  called  the  curves  0.7,  26.263,  and, 
1,140.3. 

Utility Functions, Marginal Utility, and the MRS 
Graphical  representations  of  indifference  curves  are  quite  useful.  For  some 
purposes though, it is far more convenient and powerful to have a mathematical tool 
to focus and check our reasoning. Above we claimed it is possible to represent any 
preferences that satisfy the four assumptions described above with a mathematical 
function. Such a function is known as a utility function, and would be denoted U(X,Y) 
if the two goods consumed are X and Y. This claim may sound unreasonable. After 

  145
all, how can something as subjective as preferences, which have no natural numeric 
scale beyond a simple rank ordering, be represented in an equation? 
Actually,  we  already  showed  why  and  how  the  claim  is  true  in  the  last  figure 
above.  Any  bundle  of  X  and  Y  lies  on  some  indifference  curve.  That  indifference 
curve represents all bundles of X and Y that provide the same level of satisfaction. 
So, we can map the bundle (X,Y) to a specific number that signifies the indifference 
curve  it  falls  on.  Call  that  number  U(X,Y).  All  points  on  that  indifference  curve  get 
that  number.  All  higher  indifference  curves  get  progressively  higher  numbers.  All 
lower  indifference  curves  get  progressively  lower  numbers.  In  the  figure,  we 
assigned those utility numbers by the point where the indifference curve crosses the 
45  degree  line,  but  the  exact  numbers  are  not  important.  Saying  that  combination 
( X 3 ,Y3 ) ( X 2,Y2 )  is equivalent to saying  U ( X 3,Y3 ) U ( X 2 ,Y2 ) . Thus, even if we have 
no idea what form it takes, we know a utility function exists that represents any the 
consumer’s preferences that satisfy the four assumptions stated above. 
As we’ve stated before, the units of utility are arbitrary; all that is necessary for a 
utility function to be representative of an indifference curve is that it preserves the 
rank  given  by  the  consumer’s  preferences.  Let’s  illustrate  this  point  with  an 
example. Consider the following three utility functions: 
U1 = X + Y + XY ,  U 2 = ln( X + Y + XY ) , and  U 3 = 2( X + Y + XY ) . 
All  three  increase  as  X + Y + XY   increases.  So,  we  could  write  the  second  two  as 
U 2 = ln(U1 ) ,  and  U 3 = 2U1 .  While  the  scale  and  exact  shape  of  each  is  different,  it 
should  be  clear  that  they  rank  any 
combination of X and Y in the same order. To  X  Y  U1  U2  U3 
be  concrete,  two  possible  combinations  of  X  3  1  7  1.95  14 
and Y are considered in the table to the right. 
2  2  8  2.08  16 
We  can  see  that  utility  function  U1  ranks  the 
second bundle (2,2) higher than the first (3,1), as do the other two. The scale doesn’t 
matter – only the ranking. All three of these utility functions map the bundles to the 
same indifference curves. While a utility function exists for every indifference curve, 
it  is  by  no  means  unique.  But,  there  is  only  one  underlying  ranking  of  possible 
consumption bundles that is consistent with any consumer’s preference. 
The marginal utility of a good is the change in utility that results from a small 
increase in consumption of that good. The partial derivatives of the utility function 
with respect to the amount of good X consumed gives the marginal utility of X, MUX. 
So, if utility depends only on X and Y, the marginal utilities are as follows. 
∂U
MU X =
∂X
  .  (7.1) 
∂U
MU Y =
∂Y
The  marginal  utilities  are  basically  how  far  up  the  indifference  map  the 
consumer  moves  when  they  have  a  little  more  of  one  good.  Suppose  the  marginal 
utility  of  X is  3  and the  marginal utility  of  Y is  0.5.  Then,  if  the  consumer  gets one 

  146
more  unit  of  X,  how  many  units  of  Y  could  they  give  up  while  retaining  the  same 
level of utility? Since another X increases utility by six times the amount of another Y 
at the margin, the consumer could give up 6 units of Y for one X while remaining on 
the  same  indifference  curve.  Thus,  the  marginal  rate  of  substitution  of  X  for  Y  is 
equal to the ratio of the marginal utility of X to the marginal utility of Y: 
MU X
  MRSXY = .  (7.2) 
MUY
We  noted  above  that  the  MRS  was  just  the  absolute  value  of  the  slope  of  the 
indifference curve. Another way to see that is to note that the change in utility, dU, 
for small changes in X and Y, dX and dY, can be expressed as: 
  dU = MU X dX + MU Y dY   (7.3) 
This just says utility increases by MUX per unit increase in X plus MUY per unit 
change in Y, at least for very small changes. Along an indifference curve, dU=0. So, 
this can be rearranged as follows: 
MU X dX + MU Y dY = 0
  MU Y dY = − MU X dX .  (7.4) 
dY MU X
=−
dX MU Y
Thus,  along  a  given  indifference  curve,  the  slope  of  the  indifference  curve  at  any 
given  point  is  given  by  the  negative  of  the  ratio  of  the  marginal  utility  of  X  to  the 
marginal utility of Y, which is the negative of the MRSXY as well. 

Budget Constraints 
Preferences  are  the  first  major  component  of  consumer  theory.  Budget 
constraints are the second. The way we graphically represent budget constraints is 
by using, creatively enough, a budget line. The equation of the budget line is when 
there are only two goods is 
  m = pX X + pY Y ,  (7.5) 
where m is the consumer’s total budget, pX and pY are the prices of good X and good 
Y, and X and Y are the amounts of good X and good Y purchased. So, if we are on this 
line, our income, which is the amount of money we have to spend on both goods, is 
equal  to  the  amount  of  money  that  we  actually  spend  on  the  goods.  Generally,  the 
budget  line  can  be  defined  for  any  number  of  goods.  It  is  just  the fact  that  income 
must  equal  expenditures.  This  does  not  preclude  saving.  If  we  want  to  analyze 
saving, we would just let savings be one of the goods upon which income is spent. 
The budget line simply depicts the bundles of goods the consumer can afford. 
Solving this equation for Y, we obtain 
pY Y = m − pX X  

  147
 m pX
Y= − X . 
pY pY
This is the budget line in slope‐intercept form. 
The slope of the budget line is the negative of  Y
the  ratio  of  the  price  of  X  to  the  price  of  Y,  m
p pY pX
− X p . The Y intercept in the equation above  slope = −
Y pY
is  m p . That is the amount of Y that could be 
Y
purchased  if  no  X  were  purchased.  Similarly, 
X 
the X intercept is  m p . A graph of the budget 
X
line looks like the figure to the right.  m
pX
The  interpretation  of  the  slope  pf  the 
budget line will prove to be important. In this context, the slope tells us the rate at 
which Y can be exchanged for another unit of X at market prices. For example, if the 
price of a coke is $1.50 and the price of a slice of pizza is $3, we have to give up half a 
slice of pizza per additional coke purchased. Generally, since income is fixed, as the 
amount of good X purchased increases, the amount of Y purchased must fall. Since 
how much of good Y we have to give up in order to obtain one more unit of good X is 
based on their relative prices, it should make sense that the slope of the budget line 
is the price ratio. 
 
Example: Budget Line 
If  the  price  of  beer  is  $1,  the  price  of  pizza  is  $2,  and  a  consumer  has  $50  to 
spend on pizza and beer, find and graph the consumer’s budget line. 
Solution: The budget line is 
  m = p B B + pP P  
Pizza
  50 = B + 2P   m
= 25 pB
Since we have $50, and one piece  p p slope = − = −0.5
of  pizza  costs  $2,  we  can  buy  a  .5 pP
maximum of 50/2 = 25 pieces of  1
pizza.  Similarly,  if  we  buy  no 
Beer 
pizza, at $1 per beer we can buy  m
a  maximum  of  50/1  =  50  beers.  = 50
pB
These  intercepts  give  us  our 
budget line: 
 

  148
Individual Choice 
Now that we have the two basic tools of consumer theory, we combine them to 
analyze consumer decisions. Consumers choose their preferred bundle from among 
those  that  are  possible.  That  is,  they  want  to  maximize  their  utility  or  reach  the 
highest  possible  indifference  curve  given  their  budget  constraint.  First  we  look  at 
the problem graphically, then mathematically. 
The  figure  on  the  right  shows  three 
indifference  curves  for  a  hypothetical  Y
consumer,  along  with  their  budget  line. 
Indifference curve 3 is out of reach, given 
their  budget.  Indifference  curve  1  is  in 
reach,  but  it  should  be  obvious  that  it  is  m
 
not  the  highest  indifference  curve  that  py
can  be  reached.  The  highest  indifference 
curve that can be reached is represented 
3
by  indifference  curve  2.  While  it  is  easy 
to understand this graph, as far as it goes,  2 
1 
it  is  important  to  have  a  more  precise  m
  X
understanding  of  the  solution,  and  to  be 
px
able  to  explain  that  understanding 
precisely in words. 

Interpretation of the Solution of the Individual’s Choice Problem 
Notice  that  at  the  solution, the  budget  line is  tangent  to the  indifference  curve. 
We know that the slope of the budget line is the negative of the price ratio, and that 
the slope of the tangent to the indifference curve is the negative of the marginal rate 
of  substitution.  Thus,  at  the  point on  the  budget  line  where  the  individual  reaches 
the highest possible indifference curve, 
pX
  MRS XY = .  (7.6) 
pY
We will refer to this type of condition as an optimality condition. 
At the solution, the amount of Y the consumer is willing to give up for one more 
unit of X must equal the amount of Y he would have to give up to get another unit of 
X in the market. Intuitively, if the value of another unit of X in terms of Y is higher 
than  the  cost  of  another  unit  of  X  in  terms  of  Y,  the  consumer  will  choose  to  buy 
more X and less Y. On the other hand, if the value of another unit of X in terms of Y is 
less than the cost of another unit of X in terms of Y, the consumer will choose to buy 
more Y and less X. 
Making use of the fact that the marginal rate of substitution is equal to the ratio 
of the marginal utilities, we can rewrite the optimality condition as follows: 

  149
 MU X p X
=
MU Y pY
  .  (7.7) 
MU X MU Y
=
pX pY
This  interpretation  of  this  version  is  that  the  marginal  utility  per  dollar  spent  on 
good  X  must  equal  the  marginal  utility  per dollar  spent  on  good  Y.  If  the  marginal 
utility  of  the  last  dollar  spent  on  X  exceeds  the  marginal  utility  of  the  last  dollar 
spent  on  Y,  the  consumer  could  increase  utility  by  buying  more  X  and  less  Y,  and 
vice versa. Remember, utility just corresponds to indifference curves. If the marginal 
utility  per  dollar  spent  is  higher  for  good  X  than  for  good  Y,  that  just  means  that 
spending one dollar more on X will move the consumer up more indifference curves 
than  he  would  move  down  by  spending  one  dollar  less  on  Y  in  order  to  free  up  a 
dollar to spend on X. 
This optimality condition readily generalizes to more than two goods. It just says 
that the relative value of any two goods consumed must equal the relative cost, or 
that the marginal utility per dollar, or “bang per buck”, should be equal for all goods. 
At  a  consumer’s  most  preferred  feasible  choice,  two  things  must  then  be  true  in 
general. First, they must satisfy the budget constraint – they can’t spend more than 
they have. Second, the optimality condition(s) must hold – it should not be possible 
to  reallocate  expenditures  so  as  to  reach  a  more  preferred  bundle,  or  no  available 
good  should  have  a  value  in  terms  of  the  other  goods  consumed  that  exceeds  its 
price relative to those goods. 
Let’s now tie this logical and intuitive reasoning to the graphical analysis using 
the budget constraint from our earlier example where the budget is $50, one beer 
costs $1, and one slice of pizza costs $2. The figure below shows the budget line and 
two indifference curves. Indifference curve III, based on the graph, is unattainable 
given the budget. Indifference curve I crosses the budget line in two places, points a 
and b. 
The  line  tangent  to  the  indifference 
curve I at point a is shown by the dotted  Beer
line.  The  slope  of  this  tangent  line 
represents  the  rate  at  which  we  can  50 a
trade  pizza  for  beer  at  that  point  while 
maintaining  our  level of  utility;  in  other 
words,  the  slope  of  the  tangent  line  is  III 
the marginal rate of substitution of pizza  b
I 
for beer at any given point. Intuitively, it 
means  how  much  beer  the  consumer  is  Pizza
25 
willing to give up to get one more piece 
of pizza at point a. 

  150
 Notice  that  the  tangent  line  to  the  indifference  curve  at  point  a is steeper  than 
the slope of the budget line. Therefore, at point a, 
pPizza
MRSPB > pBeer . 
Remember, the slope of the budget line represents the rate at which the market will 
allow us to trade pizza for beer. Since pBeer = $1 and pPizza = $2, the market allows us 
to trade two beers for one slice of pizza; equivalently, if we wanted one more pizza 
slice,  we  would  need  to  give  up  2  beers.  Because  the  slope  of  the  tangent  line  at 
point a is steeper than the slope of the budget line, the consumer is willing to give up 
more than 2 beers for one more piece of pizza to stay at the same utility level. Since 
the consumer can give up exactly 2 beers for one more piece of pizza (based on the 
market prices), he will be better off if he does so. The consumer will buy more pizza 
and  less  beer  if  he  starts  at  point  a.  As  they  do  so,  they  have  more  pizza  and  less 
beer,  so  the  value  of  another  slice  of  pizza  in  terms  of  beer  falls,  or  the  MRSPB 
diminishes. Eventually, the consumer will reach a point where the MRS equals the 
price ratio, or the relative value equals the relative cost at the margin. 
At point b, it’s just the opposite; the slope of the tangent is flatter, which means 
the consumer is willing to give up less than 2 beers for one more pizza. So, at point 
b, 
pPizza
MRSPB < pBeer . 
So, if the consumer buys more beer by giving up pizza, he will be better off, since he 
can get exactly 2 beers for one pizza. As they buy more beer and less pizza, the value 
of pizza in terms of beer increases, until the value of another slice of pizza in terms 
of beer equals the relative cost. 
The  consumer,  then,  will  reach  the  highest  indifference  curve  when  the  rate  at 
which he’s willing to trade pizza for beer is exactly the same as the rate at which the 
market allows him to, or when 
pPizza
MRSPB = pBeer . 
Beer

At  the  consumer’s  most  preferred  50

feasible  option,  this  optimality  c
condition  must  be  satisfied  and  the 
consumer  must  meet  their  budget  III 
II 
constraint. In the figure to the right, this 
I 
occurs  at  point  c.  At  points  on  the 
budget line with more beer, there is an  Pizza
25 
incentive  to  buy  more  pizza  and  less 
beer, and vice versa. 
The  observant  reader  will  have  noticed  that  the  optimality  condition  is  a  valid 
description  due  to  the  preference  for variety,  diminishing  MRS,  or  the  diminishing 
value of X relative to Y as the consumer has more X and less Y (these are three ways 

  151
to  say  the  same  thing).  Nowhere  did  we  say  anything  about  diminishing  marginal 
utility.  The  scale  of  utility  is  arbitrary,  so,  in  this  context,  it  is  completely 
meaningless to refer to “diminishing marginal utility.”. All that matters is the ratio of 
the marginal utilities and how that ratio changes with the consumption bundle. 

Price Changes and Income Shifts 
The  model  above  describes  determination  of  a  consumer’s  individual  quantity 
demanded at a given set of prices and a given income level. As we have explained, 
the  budget  line  is  determined  by  both  the  prices  of  the  two  goods  and  the 
consumer’s  level  of  income.  Changes  in  either  of  these  affect  the  budget  line.  Let’s 
first look at what happens when the income changes. 
Suppose  that  the  consumer’s  income  m 
Y
increases in the figure to the right. The effect 
m1
is  that  the  consumer  can  buy  more  of  both  m1 > m0
goods  if  they  so  choose,  but  as  the  slope  of  pY
the  budget  line  is  determined  by  the  prices  m
0 Y
of  the  goods  –  which  haven’t  changed  –  the  1
pY
budget line will simply shift up. The opposite  Y0
would happen if the consumer’s income fell.  X
In the figure, both X and Y are normal goods  X 0 X1 m0 m1
for  this  consumer  –  he  consumes  more  of  pX
pX
each when income increases. 
The  reader  should  experiment  with  different  shaped  indifference  curves  to 
verify that it is possible for one of the two goods to be an inferior good, for which 
consumption  will  fall  when  incomes  increase,  but  not  for  both  goods  to  be 
simultaneously inferior. In addition, if the prices of both goods increase by a given 
factor, it is just like a decrease in income. Or, if both prices fall by a given factor, it is 
just like an increase in income. For example, if both prices increase by 50%, it is just 
like  incomes  fell  by  one  third.  It  would  be  a  good  idea  for  the  reader  to  show  this 
graphically and to verify the equivalence algebra and the equation of a budget line. 
Finally, if prices and income all increase by the same factor, nothing changes. 
Suppose  the  price  of  good  X  increases 
from  pX0  to  pX1  in  the  figure  to  the  right.  Y
Since  the  x‐intercept  of  the  budget  line  is 
determined  by  how  many  units  of  good  X  m pX1 > pX 0
we can buy with a fixed amount of income, 
an  increase  in  the  price  means  we  can  buy  pY
fewer  units.  Thus,  the  budget  line  pivots 
inward. As we would expect, a higher price 
of  good  X  means  that  the  new  chosen 
bundle  will  contain  less  units  of  X  than  the  X0  X
X1 
old  bundle.  If  the  price  of  good  X  were  to 
decrease,  exactly  the  opposite  would 
m m
happen. Note that the change in the price of  pX1 pX 0

  152
X affects the demand for Y in the figure. At the higher price of X, in this example the 
demand  for  Y  increases.  Thus,  X  would  be  thought  of  as  a  substitute.  The  reader 
should  experiment  drawing  different  shaped  indifference  curves  to  show  that  it 
would  be  possible  for  consumption  of  Y  to  decrease,  in  which  case  the  goods  are 
complements, or to remain the same. It is also left to the reader to determine how a 
change in the price of good Y would affect the budget line and equilibrium bundle. 
There  are  really  two  things  going  on  when  a  price  increases.  First  of  all,  the 
relative  price  changes.  At  the  initial  solution  and  original  prices,  the  value  of  X  in 
terms of Y equaled the relative cost. Once the price of X increases, the value of X in 
terms  of  Y  is  suddenly  less  than  the  cost.  That  induces  the  consumer  to  want  to 
substitute some Y for X. The tendency for substitution induced by a price change is 
known  as  the  substitution  effect.  At  the  same  time,  the  increase  in  price  reduces 
purchasing  power.  That  means  the  consumer  is  poorer.  If  the  good  is  normal,  this 
will result in a further decrease in the consumption of X. If the good is inferior, this 
will actually work against the tendency to substitute away from X. The effect of the 
reduction  in  purchasing  power,  or,  real  income,  due  to  a  price  change  on  the 
quantities  chosen  is  known  as  the  income  effect.  Changes  in  prices  have  larger 
effects on purchasing power if the good accounts for a large share of the consumer’s 
budget. So, the income effect is more pronounced for goods that are a large share of 
the budget. 
The effect of a price increase above led to a decrease in the quantity demanded. 
This  is  consistent  with  the  law  of  demand.  However,  the  analysis  above,  in  and  of 
itself,  does  not  “prove”  the  law  of  demand.  To  the  contrary,  the  tools  of  consumer 
theory can be used to illustrate the strange case where the law of demand would not 
hold. While it is doubtful that we would ever observe it in practice, especially at the 
market  level,  here  is  how  the  theoretical  argument  goes.  Suppose  someone  very 
poor spends a lot of their budget on inferior goods. If the price of that inferior good 
goes up, the substitution effect says buy less, the income effect says buy more. Since 
the  good  is  a  large  share  of  their  budget,  the  income  effect  could  win  out!  Such  a 
good would be known as a Giffen good. 
For  example,  suppose  a  college  student  Y  px1 > px 2  
is  so  poor  that  they  eat  instant  Ramen 
noodles for all except one meal every week.  M
For  that  last  meal,  they  order  from  the   
dollar  menu  at  McDonald’s.  They  regard  py
2 
Ramen  noodles  as  an  inferior  good.  If  their 
income  increased  a  little,  they  would  order 
from  the  dollar  menu  at  McDonald’s  twice 
each  week.  Now,  suppose  the  price  of  1 
Ramen  goes  down.  With  the  money  they 
save,  they  might  choose  to  buy  from  x2 x1 X
McDonald’s  one  more  time,  and  therefore 
eat  less  Ramen.  This  is  shown  in  the  figure 
on the right. 

  153
 This situation is pretty unlikely at an individual level. From the perspective of a 
market,  taken  as  a  whole,  it  seems  almost  impossible,  because  while  some  may 
spend a lot of their income on instant Ramen, the fraction of the average consumer’s 
income  spent  on  it  will  be  too  small  for  the  income  effect  to  outweigh  the 
substitution  effect.  As  the  reader  should  be  able  to  tell  from  the  figure,  it  is  even 
hard to draw! The main reason to cover it is that it is a good extreme case for the 
reader to use to check their understanding of the theory. 

Individual Choice – the Calculus Version 
Recall the consumer’s original goal: reaching the highest indifference curve with 
their  limited  budget.  Since  we  have  shown  that  utility  functions  represent 
indifference  curves,  this  goal  is  equivalently  stated  as  a  consumer  maximizing  his 
utility given their budget constraint. With only two goods, it is possible to solve the 
budget constraint for Y or X, substitute that expression into the utility function for Y 
or X, and then just maximize as usual. In the two‐good case, the way to think about 
the problem mathematically is: 
max X ,Y U ( X ,Y )
  .  (7.8) 
subject to p X X + pY Y ≤ m
How is this problem attacked? Assuming we have defined things so all income is 
m pX
spent, as we did above, the budget constraint could be written as  Y = − X , so 
pY pY
m pX
utility  would  be  U ( X , − X ) .  For  example,  if  the  utility  function  is 
pY pY
U = 2 XY + X ,  the  price  of  X  is  4,  the  price  of  Y  is  2,  and  income  is  20,  this  would 
become  U = 2 X (10 − 2 X ) + X . Maximizing that will give you the consumer’s choice. 
But, it is not a particularly insightful way to accomplish anything. 
Instead, we can set up and solve this problem by appending what is known as a 
Lagrange  multiplier  to  the  constraint  and  creating  a  new  form  of  the  problem 
known as a Lagrangian. For the two‐good case, that looks like the following: 
  L = U ( X , Y ) + λ[ m − p X X − pY Y ] .  (7.9) 
Why do this? This is basically a “cooked” problem that is structured to account for 
the constraint by introducing a new choice variable,  λ (lambda). With the problem 
set  up  this  way,  we  can  take  three  partial  derivatives  and  end  up  with  three 
equations in three unknowns, (X, Y, and  λ). Solving those equations will give us the 
solution  to  the  consumer’s  problem.  Thus,  we  can  apply  what  we  know  about 
unconstrained optimization to solve the problem once it is written in this way.  

Taking the partial with respect to X we have 
∂L ∂U
  = − λpX = 0 .  (7.10) 
∂X ∂X

  154
Since the partial derivative of utility with respect to X is just the marginal utility of X, 
the equation becomes 

  MU X − λpX = 0 .  (7.11) 

Similarly, the partial with respect to Y yields 

  MUY − λpY = 0 .  (7.12) 

Setting the first equation equal to the second and rearranging terms gives 

MU X p X
  = .  (7.13) 
MU Y pY

Looking at our result from the first two partials, we see that equation (7.13) is the 
same optimality condition obtained above.  
The third and final partial derivative of the Lagrangian with respect to λ is 
∂L
  = m − pX X − pY Y = 0 .  (7.14) 
∂λ
Rearranging, this is just the budget constraint, 

  m = pX X + pY Y .  (7.15) 
The  solutions  to  equations  (7.13)  and  (7.15)  yield  the  individual  consumer’s 
demand functions for each good in terms of income and the prices of both goods. 
We could rearrange the first two partials to get an expression for λ. Doing so, we 
find the following is true at the solution: 
MU X MU Y
  λ= = .  (7.16) 
pX pY

This  can  be  interpreted  as  the  marginal  utility  of  the  last  dollar  spent.  In  other 
words,  it  is  a  measure  related  to  how  far  up  the  indifference  map  the  consumer 
would move with a little more income. Thus, the solution for the parameter λ could 
be thought of as the marginal utility of another dollar’s worth of income. Since the 
parameter  for  λ  was  associated  with  the  income  constraint,  it  should  not  be 
surprising  that  it  turns  out  to  tell  us  something  about  the  utility  value  of  another 
dollar. 
You will not have to use the LaGrangian on any exam in Managerial Economics. 
So, why did we go through it? There are several reasons. The first was to show that 
what we argued above based on logic, intuition, and graphical analysis was entirely 
internally  consistent.  The  second  was  because  students  who  are  very 
mathematically inclined but who had trouble with the intuition may be able to get a 
better  picture  of  the  logic  and  intuition  having  seen  the  math.  Third,  many,  even 
most,  of  the  students  who  go  on  to  graduate  school  in  many  business  decisions 
including not just economics but also finance, accounting, operations management, 

  155
and decision science will use this technique extensively later on. So, exposure to it at 
this  point  may  be  helpful  in  preparing  you  for  that  experience.  Finally,  all  the 
software  applications  that  perform  constrained  optimization  use  this  technique.  
Many of you who move on to careers in business will have to make sense of reports 
colleagues or consultants have prepared using such tools. Having some knowledge 
of  the  technique  underlying  the  solution  should  help  you  make  sense  of  such 
reports, and allow you to evaluate the results more intelligently. 

Summary and Example Problem 
In  summary,  two  conditions  must  be  met  at  the  consumer’s  most  preferred 
feasible bundle. 
1. Optimization condition: A consumer allocates a given budget optimally 
p MU X p X MU X MU Y
between good X and good Y.  MRS XY = X ,  = , or = . 
pY MU Y pY pX pY
2. Budget  constraint:  A  consumer  cannot  spend  more  than  they  have. 
m = pX X − pY Y  

 
Example: Utility Maximization 
Suppose a consumer’s utility function for different combinations of pizza (Z) and 
beer (B) is given by the function  U(Z,B) = 4 B + 2 Z . If the price of beer is $1, 
the  price  of  pizza  is  $2  and  the  consumer  has  $50  to  spend  on  beer  and  pizza, 
find the amount of pizza and beer he will buy. 
Solution: We begin by finding the optimization condition. The marginal utility of 
beer is the partial derivative of the utility function with respect to B, or 
2
  MU B =  
B
and the marginal utility of pizza is 
1
  MU Z =  
Z
The  marginal  rate  of  substitution  of  pizza  for  beer  is  the  quotient  of  the  two 
marginal utilities, or 
MU Z B
  MRSZB = =  
MU B 2 Z
Now  we  can  equate  this  to  the  ratio  of  the  prices  of  the  goods  to  obtain  the 
optimization condition: 
B 2 pZ
  MRSZB = = =  
2 Z 1 pB
  B =4 Z 

  156
   B = 16Z  
So,  based  on  our  optimization  condition,  we  have  found  the  ratio  at  which  the 
consumer will consume beer and pizza. We now must find the second condition, 
the budget constraint. Plugging in the level of income and the prices of the goods 
to the budget constraint, we have 
  50 = 2Z + B  
To  solve  these  two  equations  simultaneously,  substitute  the  optimization 
condition into the budget constraint: 
  50 = 2Z + (16Z)  
  Z ≈ 2.8     and     B = 16(2.8) ≈ 44.4  

  157
Chapter 7 Terminology 
The  following  is  a  list  of  terms  that  you  should  know  in  order  to  discuss  and 
apply the material from this chapter. 
 
Completeness­  An  underlying  assumption  of  consumer  theory  that  states  a 
consumer  must  either  prefer  one  product  to  another  or  be  indifferent  between 
them. In other words, preferences are exhaustive: A   B, B ≺ A, or A ~ B 

More  is  Better­  An  underlying  assumption  of  consumer  theory  that  states 
consumers  are  better  off  if  they  have  more  of  something.  This  assumption  is 
bounded by the relevant range of what consumers might normally purchase. 
Transitivity­ An underlying assumption of consumer theory that states if A   B and 
B   C, it must hold true that A   C. 

Utility­ A metric used to apply math to preference rankings. The units of utility are 
not important, only the rank order matters. 
Marginal Utility­ The added satisfaction of consuming one more unit of a good. 
Marginal  Rate  of  Substitution  (MRS)­  The  amount  of  one  good  a  consumer  is 
willing to give up for one more unit of another good. 
Diminishing  Marginal  Rate  of  Substitution­  An  underlying  assumption  of 
consumer  theory  that  states  as  a  consumer  gets  more  of  one  good  and  less  of  the 
other  along  an  indifference  curve,  the  value  of  the  good  second  good  increases 
relative to the first good. This implies a preference for variety. 
Indifference  Curve­  A  curve  that  shows  different  combinations  of  two  goods  that 
provide  the  same  amount  of  utility.  Indifference  curves  do  not  cross  because  of 
transitivity. 
Budget Line­ A line that shows how much money a consumer has to spend on two 
goods. 
 

  158
Chapter 8 
Applications and Extensions of Consumer Theory 
 

Compensation Indexing and Compensating Differentials 
Even though utility is a nebulous term that has no fixed scale, and thus cannot be 
directly related to a consumer’s actual “happiness”, the theory of individual choice 
still  has  many  useful  applications.  Often,  firms  find  it  in  their  interest  to  relocate 
employees from one city to another. Since housing and other costs may differ across 
cities, management often adjusts salaries across cities to compensate employees for 
such differences. How much should compensation adjust for changes in the costs of 
housing and other goods and services across cities? 
In setting up the model, we need to consider what is most important to include 
and  what  we  are  to  ignore.  For  items  that  are  easily  transported  from  one  city  to 
another,  arbitrage  means  we  should  expect  the  “law  of  one  price”  to  hold,  but  for 
relatively  small  transportation  costs.  That  means  we  can  ignore  variation  in  the 
prices of transportable goods, and any goods and services that are available on the 
internet.  At  the  other  extreme,  land  simply  can  not  be moved  from  one  city to  the 
next,  no  matter  how  large  the  price  difference.  That,  coupled  with  the  fact  that 
housing accounts for such a large share of a typical consumer’s income, means we 
must account for differences in the price of housing in the model. Services which are 
highly labor intensive are an intermediate case. Their costs will vary somewhat, due 
to the effect of cross city differences in wages, but not as much as housing costs. To 
keep the model simple, we will ignore the role of variations in services costs across 
cities.  But,  in  interpreting  the  model,  we  should  not  forget  that  in  reality,  service 
costs will vary, too. 
We  will  therefore  assume  that  utility  depends  on  the  amount  of  housing 
consumed, H, and the amount of everything else consumed, E. So, the utility function 
is written as  U(H, E) . The price of housing, or the rental rate per unit of housing, is 
R.  The  units  of  housing  are  most  easily  thought  of  as  square  feet.  Since  we  are 
assuming everything other than housing costs the same in all cities, the cost of one 
dollar’s worth of everything else, pE, is just 
1.  Thus,  the  budget  constraint  is  E
M = RH + E .  We  will  assume,  for 
simplicity,  that  income  is  entirely 
determined  by  the  salary  the  employee  is 
paid by the firm.  MG 
Let’s  say  an  employee  currently  works  EG 
in  Gainesville  and  his  firm  would  like  to  UG 
relocate him to Atlanta. The current budget 
line in Gainesville is shown in the figure to  HG  MG H
the  right.  If  they  just  buy  everything  else  RG

  159
and  no  housing,  they  could  consume  MG  units  of  E.  If  they  just  buy  housing  and 
nothing  else,  they  could  consume  (MG/RG)  units  of  housing.  Given  the  budget 
constraint,  they  can  reach  the  indifference  curve  UG  in  Gainesville,  and  they  will 
consume  HG  units  of  housing  and  EG  units  of  everything  else.  At  the  solution,  the 
value of another unit of housing in terms of everything else, MRSEH, is equal to pH/pE, 
or R: 
MU H
  =R  (8.1) 
MU E
Suppose  the  firm  wants  to  move  the 
employee to their Atlanta brand, and that the  E
price of housing in Atlanta, RA, is higher than 
the price in Gainesville. If they were offered 
the  same  salary,  their  budget  line  would  MG 
pivot in, due to the higher cost of housing. At 
the  new  budget  line,  the  employee  can  no  EG 
longer reach indifference curve UG, and thus  UG 
wouldn’t be willing to move (assuming they 
can find a similar job in Gainesville).  M G HG  MG H
RA RG
To get the employee to move, one option 
would  be  for  the  firm  to  pay  enough  more  in  Atlanta  to  allow  the  employee  to 
consume the same bundle that they consumed in Gainesville. That level of income, 
denoted  Mˆ A  , is calculated as 
  Mˆ A = RA H G + EG .  (8.2) 
Graphically,  this  is  a  shift  in  the  new  budget 
line  out  until  it  reaches  the  original  E
consumption bundle, (HG, EG). Remember, the 
slope of the budget line is (­pH/pE), and since  Mˆ A
pE  is  $1  and  pH  is  RA,  the  slope  of  the  new, 
higher budget  Mˆ A  doesn’t change; we’re just  MG 
shifting  up  the  intercept  to  get  back  to  the 
original bundle.  EG 
Is  this  the  best  option  from  the  UG 
perspective of the firm? It’s true that  Mˆ A  will  M G HG  MG H
get  the  employee  to  move  –  but  is  there  a  RA RG
cheaper  way  to  accomplish  this?  Looking  at 
the graph, we see that with the new budget line, relating to the level of income  Mˆ A , 
the  employee  can  actually  reach  a  higher  indifference  curve  than  they  reached  in 
Gainesville.  So,  with  new  income  Mˆ A ,  the employee  will  actually  be  better  off. The 
intuitive  reason  why  this  is  the  case  is  because  when  people  move  to  places  with 
more  expensive  housing,  they  economize  on  housing.  That  is,  they  are  willing  to 
substitute away from housing when its relative price increases. You can see at the 

  160
new  higher  indifference  curve,  the  bundle  would  include  a  smaller  amount  of 
housing than the employee consumed in Gainesville. 
Thus,  when  considering  how  to 
compensate  the  employee  for  moving  at  E
the  least  possible  expense  to  the  firm,  we  M ˆ
A
don’t  have  to  provide  him  with  the  same  M
A
bundle  as  he  had  in  Gainesville.  Instead, 
we  simply  need  to  make  sure  he  can  MG 
obtain  the  same  indifference  curve  in  the  EA 
new  city  (i.e.  is  just  as  happy).  So,  EG 
management should raise salary in Atlanta  UG 
above  the  level  in  Gainesville  by 
something  less  than  it  takes  to  reach  the  HA  MG HG  MG H
same  bundle.  The  necessary  salary  RA RG
corresponds to the budget line labeled MA 
in  the  figure  to  the  right.  This  allows  the  employee  to  reach  the  same  indifference 
curve, UG, by buying the combination of goods (HA, EA). 
Now, let’s say the firm wants to move the employee from Gainesville to the Keys. 
Housing  is  more  expensive  in  the  Keys.  But,  the  employee  really  likes  the  beach, 
fishing, etc. So, there is an amenity difference ‐ the Keys are a more alluring location 
than Gainesville to the employee, all else equal. In this case, the indifference curve 
for  housing  and  other  consumption  that  the 
employee would have to reach in the Keys to  E
stay  just  as  happy  as  he  was  in  Gainesville 
would  be  below  the  old  indifference  curve 
that  they  had  in  Gainesville,  because  the 
amenities  themselves  are  compensation  for  MG 
the  move,  at  least  in  part.  We  will  call  this 
new  indifference  curve  UK=G,  since  the  utility 
the employee gets from it (when he is in the  UG 
UK=G 
Keys)  is  the  same  as  the  utility  he  gets  from 
his old, higher indifference curve (when he is  MG MG H
in Gainesville). The situation is shown in the  RK RG
figure to the right. 

  161
 We know the level of income required to  E
obtain  the  original  bundle  from  Gainesville 
ˆ
MK
ˆ   in  the  figure,  is  more  than 
in  the  Keys,  M K
the  firm  needs  to  pay.  But,  since  the  MK
employee  gets  extra  utility  just  from  being 
in  the  Keys,  we  don’t  have  to  pay  him  as  MG 
much  as  it  would  cost  to  reach  a  point  on 
indifference  curve  UG.  Since  UG  and  UK=G  UG 
UK,G 
correspond  to  the  same  level  of  utility,  we 
need  to  only  reach  the  indifference  curve  MG MG H
UK=G. This takes a salary of MK.  RK RG
 
Thus, we have seen that differences in housing cost and differences in inherent 
utility bearing conditions, called amenities, create differences in the wages paid to 
similar  workers  doing  similar  jobs  in  different  cities.  Such  wage  differences  are 
known as compensating differentials. In locations that are more pleasant or cheaper 
to live in, wages are lower, all else equal. In places that are cold, dreary, or otherwise 
unappealing  to  an  employee,  workers  will  demand  higher  wages,  as  they  will  in 
places  that  are  more  expensive.  This  concept  can  also  be  applied  to  jobs  that  are 
risky,  difficult,  and  unpleasant  versus  jobs  that  are  relaxed, non‐stressful  and  safe. 
These  types  of  differences  between  jobs  will  be  reflected  in  the  wages  that  firms 
have to pay. 
 

  162
Individual Choice, Individual Demand, and Market Demand 
Our  analysis  of  consumer  theory 
allowed  us  to  find  the  quantity  of  a 
Y 
good  a  consumer  purchased  for 
market  prices  and  income.  We  were  pX 1 > pX 2 > pX 3  
also able to determine how changes in 
market  prices  affected  the  quantity  m
 
the  consumer  purchased.  By  tracing  py
out the quantity of good X a consumer 
purchases  at  different  prices  and 
income  levels,  we  arrive  at  that 
consumer’s individual demand curve.  3 
2 
The  figure  to  the  right  shows  how  1 
this works. For a fixed level of income  X
m and a price of good Y of pY , we have  X1 X2 X3
three different prices for good X: pX1 is  p
the most expensive, pX2 is cheaper, and 
pX3 is the cheapest. We can see, based  p1 
on  consumer  optimization,  as  the 
price of good X increases, the quantity  p2
that  the  consumer  demands 
decreases. 
p3 
If we transfer these three points of 
d
consumption to a graph with price on 
the  vertical  axis  and  quantity  qX 
q1 q2 q3
demanded  on  the  horizontal,  we  will 
obtain a graph of this individual’s demand curve for good X, as shown in the lower 
panel  of  the  figure.  As  we  can  see,  an  increase  in  the  price  of  good  X  tends  to 
decrease the quantity of good X this consumer demands. While theoretically Giffen 
goods could exist for some consumers in some rare cases, this is the usual one. 
Suppose  the  market  for  good  X  contained  only  this  consumer,  whose  demand 
curve we have just modeled. Then, the market demand curve for good X would be 
identical  to  the  consumer’s  demand  curve.  Typically,  however,  there  is  more  than 
one consumer in a market. How do we go from individual to market demand? 
 

  163
 Assume the market for good X consisted of three consumers. For a given price of 
good X, each customer would demand a certain quantity. At each price, the market 
demand curve represents the 
total  quantity  demanded  by  p
all  the  consumers  in  the 
market.  This  is  shown  in  the 
figure at right.  p1 
The  three  individuals’ 
demand curves are shown by  p2 
d1, d2, and d3. The quantity of 
good  X  that  consumer  1 
demands  at  each  price  are  p3
shown  by  x1,  x2,  and  x3,  but  d1  d2 Dx
d3
the other two consumers also 
demand  a  certain  amount  at  x1 x2 x3 Qx
each  price.  The  market 
demand curve, DX, is simply the sum of these three consumers demanded quantities 
at  each  price;  in  other  words,  it  is  the  horizontal  summation  of  the  individual 
consumers’  demand  curves.  This  generalizes  out  to  any  market  demand  curve, 
regardless of how many consumers there are. 
Our  conclusions  from  consumer  theory  about  changes  in  the  prices  of  related 
goods and income levels also carry over to market demand. Recall from our analysis 
of indifference curves and budget lines that if the price of good Y were to increase, 
the  individual  consumer 
would  not  only  buy  less  of  p 
good  Y,  but  he  would  also 
substitute  into  good  X,  which  Ï pY 
is now cheaper relative to the 
initial price levels, if the goods 
are  substitutes.  Thus,  if  good 
Y  is  a  substitute  for  X  to 
enough  consumers,  the 
demand  curve  for  good  X 
would shift outward, as in the  Dx’ 
figure to the right. Similarly, if  D x 
the  price  of  good  Y  were  to 
decrease,  the  demand  curve  Qx
for good X would shift inward. 

  164
 Finally,  recall  that  if  a  consumer’s  income,  m,  were  to  increase,  he  would  buy 
more  of  good  X  at  all  prices 
if is a normal good, and less  p
if  it  is  inferior.  Assuming  a 
good  is  a  normal  good  for  Ï M 
most, if not all, of those who 
consume  it,  an  increase  in 
market  income,  M,  would 
shift  the  demand  curve  for 
good X outward. However, if 
it  is  inferior  for  enough 
consumers,  increases  in  Dx’
market  income,  M,  shifts  Dx 
demand  inward.  A  decrease 
in  income  works  in  the  Qx 
opposite way. 

Willingness to Pay and Consumer Surplus 
Generally,  as  the  price  of  a  good  increases,  the  customer  responds  by  buying 
less; but how much worse off is he because of it? Or, equivalently, how much better 
off is a consumer when he can buy a product at a lower price? 
Let’s  start  with  the  simplest  possible  case  where  a  consumer  either  buys  one 
unit  of  a  good  or  none.  The  consumer  has  a  reservation  price  reflecting  the  value 
they place on the good. If the price of the good is above this reservation price, the 
consumer is not willing to buy the good. If it is at or below this reservation price, the 
consumer is willing to buy the good. We call this reservation price the consumer’s 
willingness to pay for the good, denoted v. 
Often,  consumers  are  able  to  purchase  goods  at  a  price  that  is  below  their 
maximum willingness to pay. For example, imagine a consumer values a certain car 
at  $20,000,  but  the  car  is  currently  listed  at  a  price  of  $17,000.  Because  the 
consumer  is  able  to  pay  $17,000  for  a  car  that  he  values  at  $20,000,  he  would  be 
$3,000 better off. This dollar measure of how much better off a consumer is because 
he  gets  to  purchase  a  good  at  the  prevailing  market  price  is  called  his  consumer 
surplus. 
The  calculation  of  consumer  surplus  is  simple  when  a  consumer  has  a  choice 
between  buying  either  one  unit  of  a  good  or  zero  units.  When  a  consumer 
potentially  buys  more  than  one  unit,  things  become  more  complicated.  In  this 
context,  consumer  surplus  represents  a  very  simplified  measure  of  consumer 
theory. But, this measure is used extensively. To be exact, we would have to relate 
the measure of consumer welfare to consumer theory more precisely and speak in 
terms of compensating differentials for price differentials. 
Instead,  we  start  by  letting  v(q)  denote  a  consumer’s  willingness  to  pay  for  q 
units  in  total  is  denoted  v(q).  Thus  v(10)   represents  the  maximum  amount  the 

  165
consumer  would  pay  in  total  for  10  units  of  the  good  if  his  alternative  were  to 
purchase  zero  units.  We  then  assume  the  consumer  behaves  as  if  to  maximize  the 
difference between this total willingness to pay for q units and what he actually pays 
(at price p per unit), which is the consumers surplus, cs(q): 
  cs (q) = v(q) − pq .  (8.3) 
Maximizing consumer surplus with respect to quantity gives 
dCS dV
  = − p = 0 .  (8.4) 
dq dq
Letting  v '(q)  denote the derivative of willingness to pay, or marginal  willingness 
to pay, this could be written as 
  p = v'(q) .  (8.5) 
This says a consumer will continue buying as long as their marginal willingness to 
pay, or their willingness to pay for just a little more, exceeds the cost of a little more. 
At any point where the value of another unit exceeds (is less than) the cost, there is 
an incentive to buy more (less). That is, this tells us the price at which the consumer 
will  buy  q  units.  So,  it  follows  from  this  that  marginal willingness  is  the  individual 
consumer’s inverse demand curve in this model. 
Let’s consider an example. The first two columns of  p(q)= 
the  table  to  the  right  show  an  inverse  demand  curve.  q  v(q)  cs(q)
v’(q) 
The  third  column  adds  up  the  marginal  willingness  to 
1  7  7  3 
pay for each unit to get (total) willingness to pay. The 
last  column  shows  consumer  surplus  if  price  is  4  at  2  6  13  5 
each  possible  quantity.  For  the  first  unit,  we  can  see  3  5  18  6 
that  his  maximum  willingness  to  pay  is  7;  as  he  only  4  4  22  6 
pays 4, he has a surplus of 3. If 2 are purchased, total 
5  3  25  5 
willingness to pay is 13 (7+6) and consumer surplus is 
5 (13‐8). The third unit brings total willingness to pay to 18 and purchasing it brings 
consumer  surplus  to  6.  The  fourth  unit  increases  willingness  to  pay  and  total 
payments  in  equal  amounts,  leaving  consumer  surplus  unchanged.  As  we  will 
discuss  more  below,  this  is  simply  because  the  price  exactly  equals  marginal 
willingness  to  pay  at  4  units  AND  because  we  are  assuming  discrete  units. If  units 
were both valued and available in fractions, or if the price were 3.50, the fourth unit 
would increase consumer surplus. Purchasing more than 4 would lower consumer 
surplus, since the marginal value falls below the market price. 

  166
 The  figure  to  the  right  shows  the 
example from the table above in graphical  p
form. Since we have discrete units (we did 
not  specify  the  value  for  half  a  unit,  or  a 
tenth  of  a  unit),  the  shaded  areas  7
correspond  to  consumer  surplus  –  the  6
amount willingness to pay exceeds actual  5
payment. Willingness to pay in the figure  4
would  include  not  only  the  surplus,  but 
also the amount paid.  v’(q)=p(q)
 
1 q
  2 3 4 
 
Now  that  we  know  the  demand  curve  tells  us  the  consumer’s  marginal 
willingness to pay for the qth unit, it is clear that v(q), his total willingness to pay for 
all  q  units,  is  the  total  area  under  the  curve.  With  a  linear  demand,  this  can  be 
calculated  as  the  area  of  a  triangle.  For  those  comfortable  with  the  concept  of  an 
integral, it is also the integral of the area under the (inverse) demand curve, p(q), up 
to  the  quantity  purchased.  Letting  x  be  the  dummy  variable  of  integration,  this  is 
written as 
q

  v(q) = ∫ p(x)dx . 
0
(8.6) 

If we subtract the total payment for q goods at a price of p, the expression for 
consumer surplus is 
q

  cs(q) = ∫ p(x)dx − pq . 
0
(8.7) 

This is the area in the graph that’s under the demand curve and above the current 
market price. 
Market  consumer  surplus  is  nothing  more  than  the  summation  of  all  the 
individual consumer surpluses, or 
Q

  CS (Q) = ∑ csi (qi ) = ∫ p ( x)dx − pQ   (8.8) 

i 0

Market consumer surplus can still be found geometrically, as it is simply the area 
below the market demand curve, and above the market price. 

  167
  
Example: Consumer Surplus 
Part 1 
Suppose a consumer’s inverse demand is given by  p = 10 − 0.4q  and the current 
price  is  $2.  How  much  does  the  consumer  buy  and  what  is  their  consumer 
surplus and willingness to pay at that quantity? 
Solution:  The  consumer  purchases  where  their  marginal  willingness  to  pay 
equals the market price. 
2 = 10 − 0.4q
0.4q = 8  
q = 20
The  easiest  way  to  find  cs(q)  is  to  graph  P
the  demand  curve  and  calculate  the  area  10
under  it  at  the  chosen  quantity.  This  is 
cs
shown  in  the  figure.  Consumer  surplus  is  2
just the area of the indicated triangle. The  pq d
base of the triangle is 20 and the height is 
10‐2=8, so consumer surplus is  20  Q
20(8)
  cs = = 80 . 
2
We also observe that the total amount actually paid by the consumers is 
pq = 2(20) = 40  
so total willingness to pay is 
  v(q) = 80 + 40 = 120 . 
We could have found the same answer using integration. 
Part 2 
Assume  there  are  100  identical  consumers  in  the  market.  What  is  the  total 
willingness  to  pay  of  all  consumers  and  market  consumer  surplus  when  each 
consumer maximizes their consumer surplus and price is 2? 
Solution: The total value of all units sold and consumer surplus are simply 100 
times the values per consumer in this case. 
 

  168
Chapter 8 Terminology 
The  following  is  a  list  of  terms  that  you  should  know  in  order  to  discuss  and 
apply the material from this chapter. 
 
Compensation Indexing­ A tool used by managers to find how much more or less 
they must pay an employee for relocating them. It takes into account housing prices 
in  the  different  region,  the  cost  of  everything  else,  and  the  employee’s  amenity 
preferences. 
Compensating  Differential­  The  additional  amount  of  income  needed  by  an 
employee to do an undesirable or dangerous job or work in an undesirable town. 
Amenity­  A  desirable  feature  of  an  area  to  which  an  employee  is  relocating.  As 
amenities  for  a  certain  town  increase,  the  extra  income  a  manager  must  pay  an 
employee for relocating decreases. 
Consumer Surplus­ The benefit received by consumers who can buy a product for 
less than their willingness to pay for it. Approximately, it is the triangular area 
under the demand curve and above the market price. 
 

  169
Chapter 9 
Non Linear Pricing 
 

Block Pricing and Two­Part Pricing 
In the last chapter, we developed the concepts of (total) willingness to pay and 
consumer  surplus.  In  this  section,  we  apply  those  ideas  to  study  more  advanced 
pricing strategies. Consider the standard way a firm with market power maximizes 
profit.  Assume,  for  purposes  of  the 
current  discussion,  that  they  are  selling  p
to a single customer, who is a price taker. 
The  figure  to  the  right  is  the  standard  p cs
mon 
depiction.  The  monopolist  sets  MR  =  MC 
and  sells  the  profit‐maximizing  quantity 
π DWL
MC
qMON by charging a price of pMON, The area 
above  cost  and  below  price  is  the  firm’s  MR  p(q)
profit  (π);  the  area  above  price  and  qmon  q*  q 
below  the  demand  curve  is  consumer 
surplus (cs). 
What  does  the  triangle  labeled  DWL  represent?  Note  that  units  to  the  right  of 
qMON but to the left of q* have a higher value to the consumer than the marginal cost 
of  producing  them  (that  is,  p(q)  >  MC)  and  aren’t  being  sold.  Put  differently,  total 
value  added  by  the  firm  could  be  increased  by  producing  and  selling  to  the  point 
where the marginal willingness to pay, or marginal value of another unit, is equal to 
marginal cost. However, to do so, the firm would have to lower the price charged per 
unit  to  marginal  cost.  This  would  reduce  profits,  since  price  is  less  than  marginal 
revenue for a firm with market power. In the figure, with a constant per unit cost, 
this  would  eliminate  profits  altogether.  The  fact  that  the  firm’s  profit‐maximizing 
output  falls  short  of  the  level  that  would  maximize  value  added  results  in  a 
deadweight loss (DWL). 
So, from the firm’s point of view, there are two related problems with the picture 
above.  First,  there  is  value  added  left  to  be  had  by  increasing  sales  to  q*,  but  they 
can’t get any of it because they would have to lower price. Second, consumers get to 
keep  some  of  the  value  added  by  the  firm  in  the  form  of  consumer  surplus.  Block 
and two‐part pricing attempt to rectify some these deficiencies that are inherent in 
simple linear pricing from the firm’s point of view. 
The only way the firm can get rid of the deadweight loss is to sell every unit that 
has a higher value to consumers than its cost to produce; in other words, it must sell 
where  marginal  willingness  to  pay  equals  marginal  cost.  But,  with  simple  linear 
pricing, lowering price below the monopoly level lowers profit. The only way to take 
away consumer surplus is to charge them more, but it the linear price is higher, they 
buy less and profit is lower. The question is – how to sell more while simultaneously 

  170
charging the customer enough in total to capture not only the new value added but 
also  leave  them  with  little  consumer  surplus,  instead  taking  it  as  profit?  Simple 
linear pricing is simply not up to that challenge. 
Using  block  pricing,  the  firm  “bundles”  together  q*  units  of  its  goods  and 
charges a single price P for the entire bundle, or package. Since it is selling q* units 
as a bundle, and charging a single price for the entire package, intuition tells us that 
it  should  charge  a  consumer  his  total 
willingness  to  pay  for  q*  units.  This  is  p
depicted in the figure to the right. 
By  charging  one  price  for  the  block  of 
units  (for  example,  a  24‐pack  of  coke),  the 
firm  is  capturing  a  customer’s  total  p* P=v(q*) MC
willingness  to  pay  in  the  form  of  profit,  p(q)
leaving  no  value  added  in  the  form  of  q 
consumer surplus.  q* 

If there are n identical customers who each buy one bundle for price P, profit is 
  π = nP − C (nq*)   (9.1) 
where nq* is the total amount of individual 
p
units  (i.e.  single  cans  of  coke)  produced. 
This is shown in the figure to the right. The 
portion of the consumer’s willingness to pay 
that  does  not  cover  costs  is  left  as  profit.  π
Since  value  added  is  maximized,  this  is  as  p* MC
large  a  profit  as  the  firm  could  possibly 
make from one customer. 
C(nq*) p(q)
q*  q 
Now let’s look at the math behind block 
pricing,  which  we  generalize  to  allow  for 
both  non‐constant  marginal  cost  and  multiple  (n)  identical  customers.  Each 
customer  still  buys  a  single  bundle  of  q  units  at  a  price of  P  for  the  whole  bundle. 
The  firm’s  total  cost  is  C(nq).  The  firm  wishes  to  maximize  profit,  which  is  total 
payment less cost, or 
  π = nP − C (nq) ,  (9.2) 
subject  to  the  constraint  that  the  total  charge  for  a  bundle  cannot  exceed  a 
customer’s willingness to pay, or 
P ≤ v(q) . 
Since the firm wants to capture as much value added as possible, it would not 
set  the  bundle  price  less  than  the  consumer’s  maximum  willingness  to  pay,  since 
that  would  leave  some  surplus  for  the  consumer.  Thus,  it  wants  the  two  to  equal 
each  other,  which  means  we  can  substitute  v(q)  for  P  into  our  original  profit 
function: 

  171
  π = nv(q) − C (nq) .  (9.3) 
Maximizing profit, we get 
dπ dV dC d (nq)
=n −  
dq dq d (nq) dq
Note that dV/dq is marginal willingness to pay, or p(q); dc/d(nq) is the rate at which 
cost changes for a one unit change in total quantity, or marginal cost; and d(nq)/dq 
is the rate at which total quantity changes for a one unit change in the amount per 
bundle,  or  n  (since  increasing  each  bundle  by  one  unit  will  result  in  n  more  total 
units being produced). We can now rewrite our derivative as 
dπ
  = np(q) − nMC = 0 , or  (9.4) 
dq
  p(q) = MC .  (9.5) 
Notice  that  this  is  the  same  conclusion  we  saw  graphically;  that  is,  we  want  to 
produce where marginal willingness to pay equals marginal cost. Solving this gives 
the optimal bundle size q*, which can be used to find the price of the bundle P: 
  P = v(q*) .  (9.6) 
Two­part  pricing  accomplishes  the  same  thing  in  a  different  way.  In  two‐part 
pricing,  there  is  a  price  per  unit  p,  and  a  fixed  fee  f  that  is  paid  for  the  right  to 
purchase the goods. An example of a firm that uses this method is Sam’s Club, where 
a certain fee gets you monthly or annual membership to access the goods within the 
store at a low per‐unit price. Notice that this pricing strategy is infeasible if resale is 
possible, since customers could make a profit by buying a membership, paying for 
goods at the low price, and reselling them on the market for a slightly higher price, 
but saving other consumers the membership 
fee. 
p
The idea is to choose the per unit price so 
that consumers will choose the quantity that 
maximizes value added, and then to charge a 
membership  fee  high  enough  to  capture  all 
f  = cs(q*)
consumer  surplus  in  the  form  of  profit.  In 
p MC
order to sell q* units, the firm must set price 
equal  to  marginal  cost.  Then,  the  consumer  p(q)
surplus that remains is captured as profit by  q*  q 
setting the fixed fee equal to that amount, as 
shown  in  the  figure  when  dealing  with  one 
consumer. 

  172
 Now let’s look at the math behind two‐part pricing, which we generalize to allow 
for  both  non‐constant  marginal  cost  and  multiple  identical  customers.  Since  there 
are n consumers who each buy q units at a price of p per unit, and also pay a fixed 
fee f, our profit function is 
π = n( f + pq) − C (nq)  
subject to the two constraints 
1. f + pq ≤ v(q)  
which  says  the  total  price  the  customer  pays  must  not  be  greater  than  their  total 
willingness to pay for q units, and 
2.  p(q) = p  or  V '(q) = p  
which  are  two  equivalent  ways  of  saying  that  the  consumer  will  maximize  their 
individual surplus. In other words, customers will buy a certain quantity at a certain 
price based on their own marginal willingness to pay – the firm can not dictate both 
price  and  quantity  independently.  Substituting  the  first  constraint  into  our  profit 
function gives 
π = nv(q) − C (nq) , 
which  is  in  the  same  form  that  it  took  with  block  pricing  example.  Therefore,  we 
know  the  solution  will  be  the  same  when  it  is  maximized,  namely,  quantity  q*  at 
which  p = MC . We can then plug q* into the constraints to find f and p as 
  p* = MC (q*)   (9.7) 
and 
  f = v(q*) − p * q * .  (9.8) 

  173
  
Example: Block and Two‐Part Pricing 
Suppose  there  are  n  identical  customers  with  willingness  to  pay 
v(q) = 10q − 0.25q 2 .  If  the  firm  has  a  constant  marginal  cost  of  $2,  find  profits 
using simple linear pricing, the bundle price and profits using block pricing, and 
the fixed fee and profits using two‐part pricing. 
Solution:  With  simple  linear  With  block  pricing,  the  price  of  the 
pricing,  the  firm  will  set  marginal  bundle is equal to the total willingness 
revenue equal to marginal cost:  to pay for 16 units: 
p = 10 − 0.5q P = V (16) = 10(16) − 0.25(162 )
π = n(10 − 0.5q)q − 2nq P = 96  
dπ π = n ( 96 − 2(16) ) = n64
= n(10 − q − 2) = 0
dq  
 
q=8
p=6 With  two‐part  pricing,  the  per‐unit 
price is equal to marginal cost, and the 
π = n(6 − 2)8 = n32 fee  is  equal  to  the  leftover  consumer 
For  both  block  and  two‐part  surplus: 
pricing,  the  firm  needs  to  sell  the  p=2
quantity  q*  that  maximizes  total  f = cs = v(q) − pq = 96 − 2(16) = 64
surplus.  Total  surplus  is  value 
minus cost:  π = n64

TS = n(10q − 0.25q 2 ) − 2qn

dTS
= n(10 − 0.5q − 2) = 0  
dq
q = 16

 
One  of  the  main  assumptions  for  both  of  these  pricing  models  was  that  the 
customers were identical. Typically, this is not the case, and different customers will 
have different valuations of a firm’s products. When this is the case, a single fixed fee 
or  bundle  will  not  capture  as  much  consumer  surplus  as  when  all  the  customers 
were identical. 
If the firm is able to segment its customers into separate groups based on their 
willingness  to  pay,  it  could  charge  them  each  a  separate  “membership”  fee  and 
extract  the  maximum  amount  of  surplus  from  each  customer  group.  For  example, 
when  discounted  membership  fees  are  offered  to  seniors  at  a  golf  club,  this  is 
exactly what they are doing – charging them less based on their willingness to pay. 
It  is  not  always  possible  to  separate  different  customer  groups  by  their 
willingness to pay, or if it is, it may not be feasible to charge them accordingly. If a 

  174
firm  cannot  explicitly  separate  its  customers,  it  has  a  few  options.  The  first  is  to 
continue using two‐part pricing, but changing the pricing mechanism slightly. When 
doing this, there are two tradeoffs the firm must balance: i) as the firm increases the 
fixed fee, in order to capture more consumer surplus from the consumers with the 
higher  willingness  to  pay,  it  may  cut  out  some  of  the  consumers  with  the  lower 
willingness to pay completely from the market; ii) as the firm increases the per‐unit 
price,  in  order  to  capture  more  revenue,  it  will  lose  sales  per  customer,  but 
customers  won’t  drop  out  of  the  market  completely.  This  flexibility  of  two‐part 
pricing  means  the  firm  has  options  in  the  presence  of  customers  that  aren’t 
identical. 
The  second  option  the  firm  has  is  to  use  “menu  pricing”  to  get  customers  to 
segment themselves. By constructing different bundles that have specific quantities 
and  prices  based  on  different  customer  groups’  willingness  to  pay,  the  firm  can 
effectively charge different customers different prices, thereby increasing its overall 
profits. This topic is the subject of the next section. 
 

Menu Pricing 
In block and 2‐part pricing, we assumed we had identical customers. If we had 
multiple customer types, but still had complete knowledge about their willingness 
to pay, we would be able to segment the market and just have discriminating block 
or 2‐part prices. We talked briefly about how a two‐part price might be determined 
when there are multiple consumer types, but, the seller cannot identify them 
explicitly. In other words, what if there is asymmetric information about customer 
demand – the customer knows their individual demand type and the firm does not. 
This is a form of adverse selection – the customer knows their type but the firm does 
not. 
As we briefly discussed when considering block pricing, it is possible to set a 
single block price, perhaps based on some sort of “average” customer’s willingness 
to pay. But, this will cause customers that have “less than average” willingness to 
pay to reject the bundle entirely. 
Another approach is to use 2‐part pricing, but, now we have to consider “small” 
value customers and “high” value customers. When choosing a single fee and a 
single per‐unit price for multiple customer types, there is a trade‐off between 
lowering the fixed fee and raising the per‐unit price in order to gain some small 
value customers, and raising the fixed fee and lowering the per‐unit price in order to 
capture more surplus from high value customers. Intuitively, the ideal is when these 
effects essentially offset each other, but, we did not derive the precise solution. Two‐
part pricing is this more flexible, and so more profitable, than block pricing in this 
setting. 
Both of the above methods are ways of coping with multiple customer types 
using a single pricing mechanism; however, with a more sophisticated pricing 
system – menu pricing ‐ it is possible to do better. Menu pricing attempts to deal 

  175
with the problem of asymmetric information about customer types by offering 
multiple bundles at different prices, with a different bundle and price designed for 
each type of customer. There is no way to force a customer to buy the intended 
bundle, due to incomplete information (i.e. there is no potential for 1st degree price 
discrimination), so, the firm must design the bundles so that the customer’s will 
voluntarily make the choice the firm intended. 
With menu pricing, if there are two consumer types, high value customers and 
low value customers, but the firm can’t tell them apart, the firm offers two bundles. 
The first bundle is targeted towards big value customers, and thus has a high 
quantity q, a high bundle price P, and a low price per unit p, where p = P/q. This 
should make intuitive sense – a customer that values a product a lot will, for a given 
price, want to buy a lot of the product. Thus, this customer will be more attracted to 
a bundle that has a large quantity of the product at a low price per unit. The second 
bundle is targeted towards small value customers; these customers aren’t 
concerned with buying copious amounts of the product, and so will buy a bundle 
with a low quantity q, a low bundle price P, and a high price per unit p = P/q. The 
reason they are willing to pay a higher price per unit is because they aren’t buying 
that many units to begin with, and as such will avoid the higher total price of the 
first bundle that’s intended for the big customers. 
This reveals a subtle but important point as to why profits won’t be as high with 
menu pricing as they would be if a firm had complete knowledge about the market, 
and was able to engage in perfect price discrimination – charging each customer 
their maximum willingness to pay. Since the big value customers have a higher 
willingness to pay than the small value customers, regardless of how the small 
bundle is designed, the big customers will always value it higher than the small 
customers; in other words, as long as the small customers are willing to buy the 
small bundle, the big customers will always get some surplus from buying the small 
bundle. When designing the big bundle, the firm would like to charge a bundle price 
P that is equal to the big customers’ total consumer surplus, just as we showed when 
we introduced block pricing – to get it all as profit. But, if the firm did this, leaving 
the big customers zero surplus from buying the big bundle, the big customers would 
simply buy the small bundle, since they will always get some surplus from that. So, 
when designing the big bundle, the firm must allow the big customers to retain 
some of their consumer surplus to ensure that they will buy it. This is why it is not 
as profitable as if the firm could discriminate and only offer the big bundle to the big 
customers. 
Now let’s define terms with regard to the menu pricing problem. 
nH: the number of high demand customers, whose value is VH(qH) each 
nL: the number of low demand customers, whose value is VL(qL) each 
Total Cost: C(nLqL + nHqH), where nLqL + nHqH is the total quantity sold 
Two bundles, one big (PH, qH) and one small (PL, qH) 
Using this notation, profit is 

  176
   π = nL PL + nH PH − C (nL qL + nH qH )  
subject to the following constraints. 
(1)  PL ≤ VL (qL ) : You cannot charge the low type more than their total 
willingness to pay, or they won’t buy 
(2)  PH ≤ VH (q H ) : You cannot charge the high type more than their total 
willingness to pay, or they won’t buy 
(3)  VL (qL ) − PL ≥ VL (q H ) − PH : The low value customers must get at least as 
much consumer surplus from their bundle as they do from the big 
bundle 
(4)  VH (q H ) − PH ≥ VH (qL ) − PL : The high value customers must get at least as 
much consumer surplus from their bundle as they do from the small 
bundle 
Constraints (1) and (2) are called participation constraints because customers 
will not participate if you violate them. Based on what was said earlier, we know we 
won’t be able to ever charge the high value customers their total willingness to pay, 
since they could just buy the low value bundle and retain surplus; so, the second 
constraint is non‐binding, in the sense that it will be automatically satisfied given 
the setup of the rest of the problem. The first constraint, though, will “bind.” That is 
because we can make more profit from charging the small customer a higher 
package price as long as they buy. So, we will want to charge them the highest price 
possible, equal to their total willingness to pay. Any higher and they would not buy. 
So, constraint (1) actually constrains our choice, and holds with equality, while 
constraint (2) does not actually constrain our choice. 
Constraints (3) and (4) are called selection constraints because customers will 
select the “wrong” bundle if you violate them; they are also sometimes called 
incentive constraints. We know V(q) – P is consumer surplus, so the above 
constraints can be rewritten as 
3’.  CSL(qL) > CSL(qH) 
4’.  CSH(qH) > CSH(qL). 
Since we never need to worry about the low value customers buying the big bundle, 
constraint (3) will never be violated, and, we can ignore it. We would like to charge 
the big customer their whole willingness to pay, leaving them no surplus. But, as 
we’ve already discussed, trying to do so would cause the high value customers to 
buy the small bundle. So, constraint (4) is binding, which means we will be tempted 
to violate it, so it will hold with equality and we cannot ignore it or we would violate 
it. 
Since we’ve narrowed these four constraints down to two that bind (1 and 4) 
let’s look at these two again. Constraint (1) says that the price of the small bundle 
should be less than or equal to the small value customers’ total willingness to pay. Is 
there any reason the firm should charge them a lower price than their total 

  177
willingness to pay? Since they don’t have any other option (i.e. they won’t consider 
the big package), no. Thus, the firm should set (total package) price equal to their 
total willingness to pay, or PL = VL(qL). (Another reason equality should hold is that 
the lower the price is on the small bundle, the more consumer surplus a high value 
customer will keep if they bought the small bundle, so the more likely it is that the 
high value customer will buy the small bundle). 
Constraint (4) says high value customers should get at least as much consumer 
surplus from the big bundle as they should from the small bundle. Is there any 
reason they should get more? Remember, the objective is to incentivize the high 
value customer to buy the big bundle; but, giving them significantly more consumer 
surplus for buying the big bundle does nothing but reduce profits for the firm. Thus, 
equality also holds for the fourth constraint, or VH(qH) – PH = VH(qL) – PL. 
Constraint (1) implies PL = VL(qL) and constraint (4) implies VH(qH) – PH = VH(qL) 
– PL. We can rearrange constraint (4) and, solving for PH we get 
  PH = VH(qH) – VH(qL) + PL. 
This says we can set the price for the big package PH equal to the price of the small 
package PL plus any extra value the high value customers gets from buying the big 
package over the small package VH(qH) – VH(qL). Substituting the first constraint into 
the rearranged second constraint we get 
  PH = VH(qH) – VH(qL) + VL(qL). 
Substituting PL (the first constraint) and PH (the second constraint, in its final form) 
into our original profit function, we get 
  π = n LVL (qL ) + n H (VH (q H ) − VH (qL ) + VL (qL )) − C(n L qL + n H q H ) . 
Remember, qH and qL are the sizes of the big and small bundle, respectively – which 
the firm chooses. Maximizing with respect to qH gives: 
∂π dV dC
  = nH H − nH = 0 . 
∂ qH dqH dQ
We can factor out nH, and, recognizing that dV/dq is price and dC/dQ is MC, we 
obtain 
  pH (qH ) = MC . 
We know that when marginal willingness to pay equals marginal cost, we are 
maximizing value added. This is shown in the figure below, where the quantity that 
maximizes value added for the big demander is qH*. So, the result says for high value 
customers, we should sell the quantity that maximizes value added. 
Maximizing with respect to qL we obtain 
∂π ⎛ dV dV ⎞ dV
  = n H ⎜− H (qL ) + L (qL )⎟ + nL L − nL MC = 0 . 
∂qL ⎝ dq dq ⎠ dqL

  178
Because dVH/dq(qL) is pH(qL), or the high value customers’ willingness to pay for the 
low quantity, dVL/dq(qL) is pL, or the low value customers’ willingness to pay for the 
low quantity, and dVL/dqL is also pL, we have 
  nL (pL (qL ) − MC) = n H (p H (qL ) − pL (qL )) 
and dividing by nL we obtain 
nH
  pL (qL ) − MC = (pH (qL ) − pL (qL )). 
nL
Consider the right side of the equation. We know that for a given quantity, high 
value customers will pay more than low value customers; so, pH(qL) – pL(qL) must be 
positive. Since the right side is positive, it follows that pL(qL) > MC. 
Look at a graph of the inverse demand curves for each customer type to the 
right, where we have assumed marginal cost is 
constant to keep the graph as clear as possible. 
From our first partial derivative, we found 
pH(qH)=MC; so, the quantity in the big bundle 
will be qH*, and this maximizes value added. The  MC
quantity that maximizes value added for the 
small bundle is qLe (e for socially efficient) since  pL(qL)  pH(qH)
that is where pL(qL)=MC; but, in our second  q
qL* qLe  qH* 
partial derivative we found that pL(qL)>MC. So 
the actual quantity of the small bundle, qL*, must 
be somewhere where the price is higher than the cost; in other words, to the left of 
qLe. The intuitive reason as to why we don’t maximize value added with the small 
bundle is because we are unable to separate our customers. If we were able to 
separate them and charge each customer type by their willingness to pay, we’d 
simply maximize value added, and capture the entire consumer surplus using either 
block or 2‐part pricing. In menu pricing, we cannot separate our customer types, so 
the small bundle quantity doesn’t maximize value added. 
 

  179
Example 
Type 1 customers have a willingness to pay of V1 = 10q1 – q12/2 and type 2 
customers have a willingness to pay of V2 = 15q2 – q22/2, nL=10 and nH=5, and cost 
function is C(n1q1 + n2q2) = 2(n1 + n2)q. (Type 2 customers are “high value” since for 
any given quantity they have a higher willingness to pay.) 
There are two binding constraints. The first is that the price of the small bundle 
must equal the low value customers’ willingness to pay, or 
2
q1
  V1 = 10q1 − = P1 . 
2
Second, the high value customers must get the same amount of consumer surplus 
(or slightly more) from buying their bundle as from buying the small bundle, or 
  V2 (q2 ) − P2 = V2 (q1 ) − P1  
q22 q12
  15q2 − − P2 =15q1 − − P1 . 
2 2
Substituting the first constraint in for P1 in the second constraint and solving for P2 
we obtain 
q22 q12 q12
P2 = 15q2 − −15q1 + + 10q1 −
2 2 2  
q22
P2 = 15q2 − − 5q1 . 
2
Since we have an expression for the price of each bundle as a function only of the 
quantities, we can now set up a profit function. 
⎛ ⎞ ⎛ ⎞
π = 10⎜10q1 − q1 ⎟ + 5⎜15q2 − q2 − 5q1 ⎟ − 2(10q1 + 5q2 ) . 
2 2
 
⎝ 2⎠ ⎝ 2 ⎠
To find the quantities of the two bundles, take the partial derivatives. We’ll start 
with q2 since it only occurs in 3 places: 
∂π
= 5(15 − q2 ) − 2(5) = 0
∂q2
  15 − q2 = 2  
q2 =13
Now, take the derivative with respect to q1. 
∂π
  = 10(10 − q1) + 5(−5) −10(2) = 0  
∂q1
  100 −10q1 − 25 − 20 = 0  
  10q1 = 55  
  q1 = 5.5  

  180
To find the prices of the bundles, plug the quantities into the equations P1 and P2. 
Our earlier conclusion was that the quantity in the small bundle would be less than 
the quantity that maximizes value added. We can check that by setting the low value 
customers’ marginal willingness to pay equal to the marginal cost: 
dV1
  = 10 − q1 = 2 = MC  
dq1
  q1 = 8  
Since 8 > 5.5, this fits. The following graph 
illustrates the values in this example. In 
essence, we are restricting the quantity of the  2 MC
small bundle to make it less likely a high 
value customer will be tempted to buy it. This  pL(qL)  pH(qH)
keeps the high value customers “honest,” in  q
that they will purchase the bundle that was  5.5 8 13 
designed for them – the big one. 
 
To intuitively wrap up what’s going on with menu pricing, let’s try to see the 
concepts using a graph. We know the quantities that maximize value added, qHE for 
the big bundle and qLE for the small bundle, occur where marginal value equals 
marginal cost. If we let the small bundle have quantity qLE, the low value customers’ 
total willingness to pay, which is the price of the small bundle (PL), is shown in the 
left figure below. What is profit from the small demanders? We’re getting the entire 
area VL(qLE) as revenue, and our (variable) costs are simply MC×qLE, so profit is the 
triangle labeled “π” in the next figure. 

π
MC MC
VL(qLE) 
pL(q)  pH(q) pL(q)  pH(q)
q q
qLE  qHE  qLE  qHE 
Suppose we go through the same process for the big bundle, and set the price of 
the big bundle PH as the high value customers’ total willingness to pay for qHE units. 
Now, when a high value customer buys the big bundle, he gets no consumer surplus 
(since the price is exactly his total willingness to pay); however, if he buys the small 
bundle, his total willingness to pay is shown in the figure on the left. Since the price 
of the small bundle is only the low value customers’ total willingness to pay [shown 
in an earlier graph as VL(qLE)], the high value customers’ consumer surplus from 
buying the small bundle is shown in the next figure. 

  181
 CSH 

MC MC 
VH(qLE) 
pL(q)  pH(q) pL(q)  pH(q) 
q q 
qLE  qHE  qLE  qHE 
Since the high value customers get this amount of consumer surplus from buying 
the small bundle, but none from buying the big bundle if its package price were to 
equal their entire willingness to pay, they would never buy the big bundle. Thus, we 
cannot set the price of the big bundle as the high value customers’ total willingness 
to pay. 
In order for the high value customers to buy the big bundle, they must receive at 
least the same amount of consumer surplus as they would if they bought the small 
bundle. Their total willingness to pay for qHE units is shown in the left figure below. 
The price we can charge them is this area, minus the consumer surplus they would 
get from buying the small bundle, as shown in the right figure below. 

CSH 

VH(qHE)  MC MC 
pL(q)  pH(q) 
PH 
pL(q) pH(q) 
q q 
qLE  qHE  qLE  qHE 
Our profit from the big bundle, then, is just the price (PH) minus the cost 
(everything that falls below MC). This is shown in the left panel of the next figure. 

CSH  CSH’ +∆πH 

π  ‐∆πL 
π 
MC MC
C(qHE)  ∆qL
pL(q)  pH(q) pL(q)  pH(q) 
q q
qL E
  qH E
  qLE  qHE 
Our earlier claim was that this is not the way to maximize profit. We stated that 
restricting the size of the small bundle would actually increase our overall profit. So, 
let’s look at our profit if the size of the small bundle is less than qLE. Lowering qLE 
lowers the amount of surplus we have to let the high demand customer retain. In the 
figure on the right above, we’ve lowered the quantity of the small bundle by ∆qL. 

  182
Since we can only charge the low value customers their total willingness to pay, and 
we’ve shrunk the size of the bundle, we can no longer capture the gray triangle as 
profit. Therefore, the triangle is lost profit from our low type customers (labeled ‐
∆πL in the graph). 
Since we’ve shrunk the size of the small bundle, the consumer surplus the high 
value customers would get if they bought the small bundle shrinks to CSH’, which 
means the consumer surplus we must leave them when pricing the big bundle 
shrinks to that value as well. Thus, we can charge more for the big bundle, 
particularly by the amount labeled ∆πH (the loss of the high value customers’ 
consumer surplus from buying the new smaller bundle). 
Now lets assume there is just one of each type of consumer (for now, just to 
make the graphical analysis simple). Since the increase in profits from the high value 
customers is bigger than the decrease in profits from the low value customers (∆πH 
> ∆πL), total profit is greater. So, now we know the size of the bundle for the small 
demander is less than qLE, but how much? The first thing is to notice that in the 
previous graph, the change in profits ∆π for either customer type is at the margin; in 
other words, it’s the difference in profits for lowering the quantity of the small 
bundle by a very small amount. In the graph, the change in quantity ∆qL is bigger to 
illustrate the point, but it’s important to understand that the theory applies for 
minute changes in quantity. 
Since we know we want to keep lowering qL as long as ∆πH > ∆πL, it follows that 
we want to keep lowering the 
quantity until these two are equal at 
the margin; in other words, until the  ∆πH 
profit we lose from the low value  ‐∆πL 
customers is exactly equal to the  MC
profit we gain from the high value 
customers for a marginal (tiny)  pL(q) pH(q)
change in qL. This is shown in the  q
qL*  qLE  qHE 
figure to the right. The optimal 
quantity for the small bundle is qL*. 
Remember, we are assuming there is one customer of each type (or, that there 
are equal numbers of each type). If this were not the case, you would have to take 
that into account when deciding how much profit to take away from the low value 
customers. If we think back to our first order condition that we found when first 
deriving our profit function, we had 
nH
  pL (qL ) − MC = (pH (qL ) − pL (qL )). 
nL
Looking at the above graph, we can connect our conclusions to this mathematical 
equation. The loss in profit from low value customers if we decrease qL slightly, ∆πL, 
is the difference between their marginal willingness to pay and marginal cost, or 
pL (qL ) − MC , which is just the left‐hand side of the equation. The gain in profit from 
high value customers from decreasing qL slightly, ∆πH, is the difference between 

  183
their marginal willingness to pay and the low value customers’ marginal willingness 
to pay, or  p H (qL ) − pL (qL ) , which is just the right‐hand side of the equation when nH 
= nL. So, we see that the graph relates to our first derivative of profit. Furthermore, 
since the equation has nH/nL on the right‐hand side, we can analyze what would 
happen if the ratio of high to low value demanders were not equal to 1. 
If the number of high value customers increases, then the ratio nH/nL will 
increase, which means the profit we take we gain from high value customers (on the 
margin) is more important relative to the profit we lose from low value customers. 
Since we gain profit from high value customers by lowering the quantity of the small 
bundle, the quantity in the small bundle will be less (compared to qL* in the figure). 
If the number of high value customers decreases, then the ratio nH/nL will decrease, 
which means the profit we lose from the low value customers (on the margin) is 
more important relative to the profit we gain from the high value customers. Since 
we lose profit from low value customers by lowering the quantity of the small 
bundle, the quantity in the small bundle will be greater (compared to qL* in the 
figure). 
The way we’ve introduced menu pricing has been through offering different size 
packages at different package prices; essentially, multiple customer block pricing. 
You can also use 2‐part pricing in a similar way, by offering multiple combinations 
of fees and per unit prices (and, often, other sorts of benefits as well). Customers 
then choose which kind of “membership” they want to have. Using the same 
principles from bundle pricing, we know the quantity we want the low value 
customers to buy will be less than the 
efficient quantity, qL* in the figure. To get 
them to buy that amount, the price must 
f
be pL in the figure. Then, we set their fixed  pL  L 
fee as their consumer surplus (the triangle  MC
labeled fL). We still want to sell the 
efficient quantity to the high value  pL  pH 
customers (qH ). The price that gets them 
E q
qL*  qLE  qHE 
to buy that quantity is pH, which is the 
marginal cost.  

  184
 The consumer surplus the high value customers will get if they buy the small 
membership and pay the low fee is labeled CSH in the first graph below. Since they 
could get this amount of surplus by choosing the option intended for the low 
demand type, they must keep this amount of surplus if they choose the option 
intended for them, or, they will not choose it. Therefore, the high fee will be their 
total consumer surplus when price equals marginal cost, less that amount of 
surplus. This is shown as fH in the second figure below. So instead of offering two 
different size bundles for two different prices, we’re now offering two different 
memberships, one with fee fL that gets you prices of pL, and another with fee fH that 
gets you prices of pH, where fL < fH but pL > pH. 

CSH  CSH 
f
pL  L 
fH
pH  MC pH  MC

pL  pH pL  pH 

q q
qL*  qHE  qL*  qHE 

An important point to take away is that we always want the high value 
customers to buy the quantity that maximizes value added, i.e. the socially efficient 
quantity. This problem is analogous to a number of adverse selection problems in 
other areas of economics, such as choosing income tax rates. If the government has a 
certain amount of revenue it wants to raise in the form of tax, and workers can be 
classified as “high productive” workers and “low productive” workers, the 
government will want to get most of its tax revenue from the “high productive” 
workers, as they provide a greater share of the taxable income (just as we wanted to 
take most of our profits from the high value customers, as they have the highest 
willingness to pay). The problem is, increasing the marginal tax rate on the “high 
productive” workers will cause them to want to act like “low productive” workers, 
so they can escape the higher tax rates (just as the high value customers in our 
problem were tempted to buy the small bundle in order to get more consumer 
surplus). 
The conclusion is that you want the marginal tax rate on the “most productive” 
worker to be 0, in order to incentivize that worker to continue being productive 
(take on another project, etc.) and not to be less productive; in our example, it’s that 
you want the high value customers to buy a large quantity, and not to be tempted to 
buy a small quantity. That does not mean you want their TOTAL tax payments to be 
low, or even their AVERAGE tax rate to be low. Indeed, they will pay the highest total 
tax and quite possibly the highest share of their incomes as tax. It just means that, at 
the margin, since they are the ones that can earn the most and therefore pay the 
most in taxes, you want to avoid giving them the incentive to produce less – which 
would mean the tax burden would have to be higher on others with less ability to 
pay to raise the same total revenue. 

  185
Chapter 9 Terminology 
The  following  is  a  list  of  terms  that  you  should  know  in  order  to  discuss  and 
apply the material from this chapter. 
Asymmetric Information­ A state in which one party knows more than others. 
Adverse Selection­ A case of information asymmetry in which one party’s 
characteristics are hidden from another party. 
Consumer Surplus­ The benefit received by consumers who can buy a product for 
less than their willingness to pay for it. Approximately, it is the triangular area 
under the demand curve and above the market price. 
Block Pricing­ A way of avoiding deadweight loss by setting the price and quantity 
where  consumer  surplus  is  maximized  (where  marginal  willingness  to  pay  equals 
marginal cost), then extracting all of the surplus as profit by bundling the units and 
setting  a  single  price  for  that  bundle.  The  bundle  price  is  equal  to  the  consumer 
surplus plus the total cost. 
2­Part Pricing­ A way of avoiding deadweight loss by setting the price and quantity 
where  consumer  surplus  is  maximized  (where  marginal  willingness  to  pay  equals 
marginal cost), then extracting all of the surplus as profit by charging a fixed fee that 
grants  the  customer  the  right  to  purchase  the  goods.  This  fee  is  equal  to  the 
consumer surplus. 
Menu Pricing­ A way for a firm to maximize profits when there are different types 
of customers and the firm is unable to identify and separate them into groups. The 
firm must deal with this asymmetric information about customer types by offering 
multiple bundles at different prices or offering different fixed membership fees, 
higher fees allowing customers to buy a good for a lower per‐unit cost. 
Participation Constraint­ Constraint that must hold true in order for a party to 
participate. In the case of Menu Pricing, the surplus the customer would need to 
participate must be at least as much as the surplus he would receive from not 
participating. In this case, the participation constraints would be that the price for 
the low type consumer must be less than or equal to his willingness to pay, and the 
price for the high type consumer must be less than or equal to his wiliness to pay. 
Incentive/Selection Constraint­ Constraint that must hold true in order for a party 
to act a certain way or buy a certain membership or bundle. In the case of Menu 
Pricing, the incentive constraints would be that the surplus received by the high and 
low type consumers for buying the package or paying the fee meant for them must 
be at least as much as the surplus they would receive from buying the other package 
or paying the other fee. 

  186
Chapter 10 
Uncertainty with Risk Aversion 
When  discussing  firms  making  decisions  under  uncertainty,  we  assumed  they 
behaved in a risk‐neutral manner. This was both because one decision made by one 
firm represents a very small portion of a well‐diversified portfolio, and because it is 
the  simplest  way  of  dealing  with  the  consequences  of  uncertainty  for  decisions 
when the impact of the degree of risk aversion is not, in its own right, particularly 
important to the decision. 

This  isn’t  the  case  with  individuals,  though,  because  as  single  holders  of  the 
gambles that we experience (chance of sickness, bonus packages, etc.), we bear the 
full  amount  of  the  risk.  Therefore,  we  generally  assume  that  individuals  are  risk‐
averse. 

Expected Utility 
Suppose there are different possible outcomes for any given scenario, and each 
outcome has an associated wealth level. Let wi denote the wealth level in outcome i, 
where  i  goes  from  1  to  n  possible  outcomes,  and  let  fi  be  the  probability  of  the  ith 
outcome.  Given  this  information,  the  expected  utility  theorem  says  there  exists  a 
utility function u(wi) such that the option with the highest expected utility, 

  E (u ) = f1u ( w1 ) + f 2u ( w2 ) + f 3u ( w3 ) + ... , 

or just 

  EU = ∑ i fi u ( wi ) , 

is chosen. 

We’ll  expound  on  what  this  theorem  is  really  saying,  but  it’s  important  to 
understand  that  this  is  just  a  model.  The  point  of  the  model  is  not  to  provide  a 
detailed  explanation  for  how  everybody  will  act  all  the  time;  instead,  think  of  it 
when looking at the market as a whole. We’re assuming events in the market often 
play themselves out as if consumers, when making decisions, act in this way. 

The four major assumptions we had for consumer theory (completeness, more is 
better, transitivity, and preference for variety) also apply to this model. In addition, 
there is one more important assumption: 

1. Independence  Axiom:  If  A B ,  then  compound  lottery  A  with  probability  f 

and C with probability (1‐f)   compound lottery B with probability f and C 
with probability (1‐f). 

To  explain  the  independence  axiom,  let’s  use  an  example.  Remember,  we’re 
talking about individuals making decisions about respective gambles, so A, B, and C 

  187
are different gambles that the individual is faced with. Let’s assume that you have a 
car,  and  you  have  to  buy  car  insurance.  There  is  some  chance  the  car  will  be 
wrecked  and  you  will  face  a  large  repair  bill.  Gamble  A  is  if  you  buy  minimal 
insurance, and gamble B is if you buy extensive insurance. Assume that we prefer A 
to  B  ( A B   ).  The  theorem says  that if  we  introduce  some  new  gamble  C  in  equal 
weights to both of the original gambles, it shouldn’t affect our preference of A over 
B. Suppose C is a given probability you will die before taking delivery of your new 
car  covered  by  the  policy,  and,  the  complimentary  probability  that  you  will  not. 
Adding  this  gamble  to  both  of  the  other  gambles,  creating  a  compound  lottery, 
shouldn’t change the fact that you prefer A over B; so, you will choose A&C over B&C. 
This is in essence what the theorem is saying. 

Let’s  look  at  an  example.  Suppose  an  individual’s  utility  function  is  U = 10 w , 
and they are faced with a choice between A and B, where 

  A:  f = 12 ,w = $0  and  f = 1 2 ,w = $100  

  B:  f = 1,w = $36  

For a risk‐neutral firm, the expected value of the gambles is 
  EVA = .5(0) + .5(100) = 50  
  EVB = 36  

The expected utility of gamble A is 

  ( ) ( )
EUA = .5 10 0 + .5 10 100 = 0 + 50 = 50  

and the expected utility of gamble B is 

  ( )
EUB = 1 10 36 = 10(6) = 60  

So, the expected value (or payoff) is higher for gamble A, but the expected utility is 
higher  for  gamble  B.  This  is  a  result  of  the  individual’s  risk‐aversion;  even  though 
the  expected  payoff  is  higher  for  A,  this  individual  gets  a  higher  utility  from  B 
because there’s no risk in the payoff – it’s $36 for sure. 

Let’s look at another example. The utility function is the same as in the previous 
example, but now the gambles are C and D, where 

  C:  f = .8,w = $36  and  f = .2,w = $0  

  D:  f = .5,w = $64  and  f = .5,w = $0  

The expected values are 
  EVC = .8(36) + .2(0) = 28.8  

  188
  EVD = .5(64) + .5(0) = 32  

which means a risk‐neutral firm would choose D over C. The expected utilities are 

  ( ) ( )
EUC = .8 10 36 + .2 10 0 = 8(6) = 48  

  ( ) ( )
EUD = .5 10 64 + .5 10 0 = 5(8) = 40  

so the individual will prefer C over D. Again, this consumer prefers the gamble with  
less  risk  (smaller  variation  in  potential  outcomes)  and  the  lower  expected  payoff. 
This  is not true  in general;  you  have to  work out each  consumer’s expected utility 
using his or her individual utility function to find out if the lower variation in risk is 
worth the lower expected payoff. 

Now that we know how to calculate expected utilities, we need one more tool in 
order  to  convert  them  back  into  values  of  wealth  that  have  a  more  concrete 
meaning. The certainty equivalent of a gamble is the certain amount of wealth that 
gives you the same utility as the gamble gives you. For a risk neutral entity, such as a 
firm, the certainty equivalent equals the expected value of a gamble (CE = EV). For a 
risk averse entity, such as an individual, the certainty equivalent is strictly less than 
the expected value of a gamble (CE < EV). 

To  find  the  certainty  equivalent  of  a  gamble  for  a  risk  averse  individual,  the 
utility of the certainty equivalent must equal the expected utility of the gamble, or 

  u (CE ) = ∑ fi u ( wi )  

and since the certainty equivalent is an amount of wealth, this is a way to assign a 
monetary value to a gamble. 

Let’s look at an example. Suppose we are faced with a gamble where there is a 
50% we get a payoff of $100, and a 50% we get a payoff of $0. Assuming our utility 
function is still  u = 10 w , we have 

  ( ) (
u (CE ) = .5 10 100 + .5 10 0   )
  10 CE = 50     (plugging CE into our utility function) 

  CE = 5  

  CE = 25 
So  for  this  individual,  they’d  be  indifferent  between  the  gamble  described  above, 
and  receiving  $25  for  sure.  Recall  that  the  expected  value  of  the  gamble  was  $50. 
Someone who was risk neutral would value the gamble at $50. 

  189
Constructing a Utility Function for Uncertain Outcomes 
Earlier we introduced the concept of expected utility. But, “expected utility” may 
still  seem  like  a  vague  abstraction  that  is  hard  to  relate  to.  To  make  the  notion  of 
expected  utility  more  concrete,  consider  the  following  scenario.  Suppose  you  are 
faced  with  a  gamble,  where  there  is  some  probability  f  that  you  receive  $100,  and 
some  probability  1­f  that  you  receive  $0.  Therefore,  the  expected  utility  of  this 
gamble is 

  E (u ) = fu (100) + (1 − f )u (0) . 

The certainty equivalent is the single, certain, amount of wealth an individual 
receives for certain that provides the same amount of utility as the gamble. In other 
words,  the  individual  values  this  amount  of  wealth  as  equivalent  to  the  gamble  – 
which is why it is called the certainty equivalent. Notice that a certainty equivalent 
only  exists  in  relation  to  a  particular  gamble;  there  is  no  such  thing  as  an  overall 
certainty equivalent for a utility function. The certainty equivalent for our example, 
then, is given by 

  u (CE ) = fu (100) + (1 − f )u (0) . 

Now that we have a function describing our expected utility of a gamble and our 
certainty equivalent for that gamble, we can experiment with different probabilities 
of  f  to  see  how  they  affect  these  values.  Remember,  we  are  completely  indifferent 
between the certainty equivalent and the gamble, since the utility that each provides 
us  is  the  same.  Keeping  that  in  mind,  consider  the  following  thought  experiment. 
Consider  each  of  the  levels  of  wealth  in  the  left  column  of  the  table  below  (say  in 
thousands of dollars). Then, ask yourself how high the probability of winning 100 (f) 
would have to be make you indifferent between the gamble and the certain wealth 
level. 

The  second  column  gives  the  answer  to  this  question  for  a 
hypothetical  individual,  but,  you  should  go  through  the  thought  CE  f 
experiment and find your own values, too. If one had only 0 for  0  0 
sure, we would be willing to take the gamble if f were 0; that is,  16  .4 
we’d be indifferent between $0 for sure and a gamble with a 0%  25  .5 
chance  at  $100  and  a  100%  at  $0.  Similarly,  if  one  could  have  49  .7 
$100 for sure, one would only be willing to take the gamble if  f  81  .9 
were  100;  if  we  had  any  less  than  a  100%  chance  of  winning  100  1 
$100, we’d keep our original $100, assuming risk aversion. 

Now let’s consider a certain wealth of $16. Ask yourself, if you had $16 for sure, 
how high must the shot at $100 be for you to give that $16 up? This is exactly what 
this value of f represents. So, for this individual, suppose f would have to be .4. That 
is, he would be indifferent between $16 for sure, and a gamble with a 40% chance of 
$100  and  a  60%  chance  of  $0.  Moving  down  the  table  we  see  the  rest  of  this 
individual’s  probabilities,  which  are  just  the  values  of  f  where  he’d  be  indifferent 
between keeping the initial wealth level and taking the gamble. 

  190
 Going through this exercise is equivalent to defining a utility function. If you can 
assign values of f that would make you just as happy with the gamble as you would 
be with the initial value of wealth, you have essentially defined your utility function. 
To find this individual’s utility function, let’s begin by defining the utility of $0 as 0, 
and  the  utility  of  $100  as  100.  The  units  for  utility  have  no  intrinsic  value,  so 
defining them this way (0 units and 100 units) simply sets the scale in a convenient 
way. (We will consider the allowable transformations of the utility function in more 
detail  in  the  next  section.  But,  basically,  multiplying  by  a  constant  and  adding  a 
constant will not change the expectation or the certainty equivalents.) 

Since the certainty equivalent is 

  u (CE ) = fu (100) + (1 − f )u (0) , 

plugging in 0 for U(0) and 100 for U(100), gives 

  u (CE ) = f 100 + (1 − f )0 ,  

or just 

  u (CE ) = f 100 . 

This makes it clear that identifying the probabilities for a hypothetical gamble that 
makes it equivalent to a specified utility IS the same thing as identifying the utility 
function  itself  (assuming  the  individual’s  preferences  satisfy  the  standard 
assumptions, in particular the independence axiom). 
    U(CE) 
Going  back  to  our  table  (recreated  at  right),  and  CE  f  =f100 
observing  each  initial  wealth  value’s  respective  0  0  0 
probabilities,  we  can  solve  for  utility  by  plugging  f  into  16  .4  40 
the  above  equation.  This  is  shown  in  the  third  column.  25  .5  50 
Remember, the units of utility are arbitrary; so, as long as  49  .7  70 
you  can  determine  the  different  probabilities  for  each  81  .9  90 
initial wealth value, you can define a utility function.  100  1  100 
The graph to the right shows this particular utility function. We’ve illustrated the 
case where f is .5; that is, where we have a 50% 
chance  at  $100.  The  expected  value  of  this  u
gamble  is  $50,  and  the  expected  utility  turns 
out  to  be  50  units  (due  to  the  way  we  scaled  100
our utility function). The table tells us the CE of 
this  gamble  is  25,  and  this  is  shown  on  the  50
graph;  notice  that  the  utility  of  the  CE  is  50, 
which  is  also  the  utility  of  gamble.  That  is 
simply  because  we  chose  the  scale  (which  is 
25 50  $100  w
arbitrary)  so  that  u=100f,  which  is  also  the 
expected value for this example. 

  191
 In  the  figure  to  the  right,  the 
U(100) 100
horizontal  distance  between  the 
expected  value  of  the  gamble,  50, 
and the certainty equivalent, 25, is 
50
labeled  as  the  risk  premium.  The 
risk premium is just the amount an  Risk 
individual  is  willing  to  pay  to  get  Premium 
rid  of  the  risk  they  face.  Suppose  U(0) 0
this individual has an initial wealth  25 50  100 
of  100  but  faces  a  50%  chance  of  CE EV 
loosing  it  all.  Expected  losses  are 
50 (100 times 0.5) – the expected value of their wealth is only 50. But, the individual 
would happily give up another 25 to be rid of the risk – the risk premium. 

Observe that the CE is determined by the curvature of the utility function. If this 
utility function were more concave, the single wealth amount that gives a utility of 
50  (the  CE)  would  be  less  than  25.  Thus,  any  operation  on  a  utility  function  that 
changes  its  curvature  (such  as  squaring)  creates  a  new  utility  function  that  is 
entirely  different  from  the  original,  because  it  will  produce  different  certainty 
equivalents. 

To stress the point that scale chosen in the above example ‐ u(0) = 0 and u(100) 
= 100 ‐ had no impact on the utility function, let’s look at a more general example. 
Let u(w) be our utility function, and suppose we are faced with a gamble where we 
get $60 with probability f and $10 with probability (1­f). Our expected wealth is just 
  E(w) = f 60 + (1 − f )10  
u
and expected utility is 
u(60)
  E (u ) = fu (60) + (1 − f )u (10) .  E(u)
Since the probability f is associated  u(10)
Risk 
with the payoff of $60, the expected wealth  Premium 
will just be f percent of the way from 10 to 
60. If there’s a 50% chance of $60, E(w)  10 CE E(w)  60  w
will be halfway from 10 to 60; if there’s a 
75% chance of $60, E(w) will be 75% of 
the way from 10 to 60. The point is to realize that this will be true for expected 
utility as well. This is why we draw the straight line from [10,u(10)] to [60,u(60)] ‐ 
because however close E(w) is to 60, that’s how close E(u) will be to u(60). This is 
shown in the figure above when f is about 2/3. The risk premium is the difference 
between the certainty equivalent and expected wealth. 

The greater the risk premium, the more risk averse an individual is. Consider the 
utility  functions  in  the  figures  below.  In  the  graph  on  the  left,  u2  has  a  sharper 
curvature  than  u1;  thus,  the  risk  premium  for  u2  will  be  greater,  so  the  individual 

  192
with  the  utility  function  u2  is  more  risk  averse  than  the  individual  with  the  utility 
function u1. 

u  u2  u

u3 
u1 
u4 

w w 
In the graph on the right, U3 is a straight line, so the risk premium will be 0 (this 
individual values gambles at their expected wealth). This individual is risk‐neutral. 
Since U4 is convex, not concave, the risk premium will actually be negative; in other 
words,  their  certainty  equivalent  will  be  greater  than  the  expected  wealth  of  the 
gamble. Because of this, the individual with the utility function U4 is risk loving. 

Uniqueness and Scale of the Expected Utility Function 
Recall that in the last chapter, the units of utility were arbitrary, all that mattered 
was  the  ranking  of  the  different  consumption  bundle.  As  a  result,  any  increasing 
transformation  of  the  original  transformation  represented  the  same  preferences  – 
add to it, multiply it by a constant, take the log, square it, whatever. The units, level, 
and scale of the expected utility function are also arbitrary. But, any transformation 
must keep the ranking of the expected utility the same, not just the ranking of the 
utility  of  wealth.  Also,  and  equivalently,  it  must  keep  the  certainty  equivalents  the 
same. What that means is that any increasing transformation of the expectation of 
the utility function,  E [u ( w) ] = ∑ i fi u ( wi ) , is fine. For example, in theory taking the 

( ) ( )
natural log,  ln E ⎡⎣u ( w ) ⎤⎦ = ln ∑ i fi u ( wi ) , would give the same preferences across 
gambles, although it is exceedingly hard to conceive of any circumstance where that 
particular transformation would be at all helpful. 

Of more interest, though, are transformations of the utility function itself,  u ( w ) . 
We showed above that the certainty equivalents are determined by the curvature of 
the  utility  function,  so,  any  transformation  that  changes  the  curvature  represents 
different preferences. But, the scale of the utility function, that is the units and level 
of  utility,  does  not  matter.  So,  u ( w )   and  a + bu ( w ) ,  where  a  and  b  are  constants 
with b>0, give the same certainty equivalents and preserve the ranking of expected 
values. Mathematically, it is relatively easy to demonstrate this is the case: 

  193
 E [ a + bu ( w) ] = ∑ i fi ( a + bu ( wi ) )
  = a ∑ i fi + b∑ i f i u ( wi ) . 
= a + bE [u ( w) ]

In our numerical examples above, the utility function was  u = 10 w0.5 . Adding any 

constant  or  multiplying  by  any  positive  constant  would  give  the  same  certainty 
equivalents.  But,  if  we  were  to  divide  by  10  and  then  square  it,  we  would  simply 
have  (10u ) = w , which represents risk neutrality! 
2

The Value of Insurance 
In  the  example  above,  where  u=10w0.5,  if  an  individual  had  an  initial  wealth  of 
100 but faced a 50% probability of losing it all, their expected wealth would be 50 
and  the  certainty  equivalent  25,  leaving  the  risk  premium  at  25.  That  means  the 
individual would accept 25 for sure in exchange for their gamble. A risk neutral firm, 
on the other hand, would be willing to pay 50 for it. So, of the risk can be reallocated 
form the risk averse individual to a risk neutral firm, the potential gains from trade 
are 25, ignoring the costs of facilitating the transaction itself for now. 

This  concept  is  the  basis  for  insurance  markets.  If  a  risk  neutral  insurance 
industry serves identical customers with independent risks, the value added by the 
insurance industry is just the number of consumers times the value of insurance per 
consumer  (the  risk  premium),  less  the  costs  of  writing  and  administering  the 
policies. That is: 

  Value Added = Number Insured × ( EV - CE - Administrative Costs per Insured ) . 

The distribution of that value between insurance firms and customers depends 
on the market structure. If the firms have market power, they will capture some of it 
as profit. If the firms are perfectly competitive, the price they charge for a policy will 
simply reflect the cost of a policy. This will include expected losses plus the costs of 
writing and administering a policy. That is, in a competitive insurance industry, 

  Policy Price = Expected Losses + Administrative Costs per Insured. 

Consumers are guaranteed a wealth level equal their initial level less the policy 
price. If a loss is incurred, they are fully compensated. Without insurance, the value 
of their gamble is the CE. The gain, or surplus, to each customer is 

  Consumer Surplus = Initial Wealth - Policy Price - CE . 

Since initial wealth less expected losses is just expected wealth, this means 

  Consumer Surplus = EV - CE - Administrative Cost per Insured . 

  194
In a perfectly competitive insurance industry, consumers capture all value added as 
consumer surplus. 

The ability of the insurance industry to add economic value stems from the fact 
that  insurance  companies  value  gambles  at  their  expected  value.  Since  individuals 
are  risk  averse,  their  certainty  equivalent  is  less  than  the  expected  value  of  the 
gamble,  so  insurance  companies  create  value  based  on  the  difference  of  the 
expected value and the certainty equivalent – the risk premium. 

Why do insurance companies value gambles at their expected value? The reason 
individuals have certainty equivalents less than the expected wealth level is because 
they  are  risk  averse  –  they  get  less  utility  in  the  face  of  uncertainty.  Insurance 
companies, though, can pool their risk by insuring many clients, which allows them 
to  act  as  risk‐neutral  entities.  Consider  the  following  simple  example  to  illustrate 
this point. 

Suppose any individual can make $100,000 next year, but there’s a 10% chance 
they will get sick and lose $90,000, ending up with only $10,000. For the individual, 
the  likelihood  of  ending  up  with  only  $10,000  is  devastating,  since  it  will  directly 
affect the amount of money he has for food, rent, etc. In other words, the fact that 
there is uncertainty present and that the individual may get sick and lose most of his 
income will be crippling for that individual, since his income is what he depends on. 
This is what we mean when we say individuals are risk averse. He doesn’t care that 
the expected wealth of the gamble is .9(100,000) + .1(10,000) = $91,000, because if 
he gets sick, he will be in trouble. Suppose his certainty equivalent is $80,000. This 
means he’d be willing to take the $80,000 for sure in order to pass on that risk to 
someone else (the insurance company). 

Now,  the  insurance  company  has  many  clients.  Suppose  each  client  faces  the 
same  gamble  as  the  one  described  above.  If  the  insurance  company  only  had  one 
client, it would face exactly the same risk as the individual, and would behave in a 
similar  risk  averse  manner.  This  is  because  by  only  insuring  one  client,  the 
probability that all of the company’s clients get sick is still 10%, thus costing them 
$90,000. But say the insurance company has 10,000 clients. Then, due to the sheer 
amount of clients, on average only 10% of them (1,000 clients) will get sick. Since 
they  have  so  many  clients,  it  is  unlikely  that many  more  or  less  than  10%  will  get 
sick ‐ so the other 90% won’t file claims. In other words, the probability that every 
client will get sick is much, much lower than when the company had one client. This 
is  why  insurance  companies  can  afford  to  just  look  at  the  expected  wealth  of  the 
gamble.  Through  risk  pooling,  they  have  drastically  reduced  the  chance  that  they 
will have to pay out claims to more than 10% of their clients. 

In this way, insurance companies diversify away their uncertainty through risk 
pooling.  This  is  why  they  act  as  risk  neutral  entities.  In  the  previous  example,  the 
insurance  company  was  able  to  diversify  away  the  risk  by  adding  more  clients 
because  each  client’s  risk  was  independent;  that  is,  the  probability  that  one  client 
got sick and filed a claim to the insurance company was completely separate from 

  195
the probability that another client got sick. This is an important assumption for risk 
pooling. If the risks were not independent, the diversification would not be effective. 
Imagine  providing  windstorm  insurance  for  homes  on  the  coast  in  Florida.  If  each 
home  has  a  10%  chance  of  getting  destroyed  by  a  hurricane,  you  cannot  diversify 
away that risk by insuring many homes, since a single hurricane will destroy all of 
the homes. So, a company that provides windstorm insurance must insure separate 
geographical  locations  (i.e.  independent  risks)  in  order  to  diversify  their  risk 
properly. 

Limitations of the Expected Utility Model and Rational Man Models 
We’ve  been  talking  about  the  expected  utility  model  and  how  it  allows  us  to 
model choices of rational individuals when faced with uncertainty. There are limits 
on  how  accurate  this  model  really  is.  Similarly,  there  are  limits  to  the  accuracy  of 
any  rational  model  of  decision  making,  with  or  without  uncertainty.  We  discuss 
three apparent violations of simple rational man models: the endowment effect, the 
Allais paradox, and the Ellsberg paradox. 

The  endowment effect  is the  phenomenon where a  person  values  a  good  more 

after they have it than before they had it. In other words, a person places a certain 
amount of value on a good in the market, buys it, and then as a result of now owning 
it  places  a  higher  value  on  the  good.  The  following  is  an  example  of  this.  Suppose 
you are in a store looking at shoes, and decide a certain pair is worth $50. You pay 
$50 for the shoes, and when you leave the store someone approaches you and offers 
you  $51  for  the  shoes,  but  you  deny  the  offer.  This  is  the  endowment  effect;  the 
mere fact that you now own the shoes has made them more valuable to you. 

An experiment conducted at Cornell illustrates this effect. A classroom was given 
a  survey  asking  whether  they  would  want  a  candy  bar  or  a  coffee  mug,  two  items 
that  have  roughly  the  same  market  value.  About  half  of  the  class  wanted  a  coffee 
mug,  and  about  half  of  the  class  wanted  a  candy  bar.  Then,  the  items  were 
distributed randomly to the class, so that half were give a candy bar and half were 
given  a  coffee  mug.  The  idea  is  that,  since  the  items  were  distributed  randomly, 
about  25%  of  the  class  should  have  ended  up  with  a  coffee  mug  that  wanted  one, 
25%  should  have  ended  up  with  a  candy  bar  that  wanted  one,  and  the  other  50% 
ended up with either a coffee mug or a candy bar but wanted the other. Then, the 
class  was  allowed  to  trade  their  items  freely.  It  was  predicted  that  the  other  50% 
would  want  to  trade  their  items,  but  in  fact  nobody  traded.  This,  and  other 
experiments of a similar nature, claims to be evidence of the endowment effect. The 
people  who  didn’t  get  what  they  wanted  now  valued  their  items  higher  simply 
because they now had them. 

The problem with this experiment, though, is that it ignores the transaction costs 
of trading. The transaction cost of a trade is anything other than the actual prices of 
the  goods  that  it  costs  you  to  facilitate  the  transaction.  So,  in  the  example  of  the 

  196
Cornell experiment, the transaction cost of one student trading with another would 
be to get up, go introduce himself, trade the item, and go back to his seat. Also, since 
the goods are worth relatively little (only a couple of bucks) the gains from the trade 
are small. Since some students may be shy, or some students may have better things 
to do with the time they were given to trade, the transaction costs may be too high 
relative to the small value they would gain by getting the good that they wanted. 

Thus, for trade to occur, the gains from the trade must outweigh the transaction 
costs. In lieu of the problem in the Cornell experiment, a researcher by the name of 
John List conducted a different experiment. List looked at the market for collectible 
trading cards online, such as baseball cards. The transaction costs for trading online 
are relatively low, and the stakes for getting certain cards that are worth a lot are 
high, so this experiment ensures that the gains from trade outweigh the transaction 
costs of trading. The point of the experiment is to see whether or not this market is 
efficient.  What  he  found  out  was  that  the  traders  that  were  beginners  didn’t  trade 
when  they  should  have,  but  the  traders  that  were  more  experienced  were  pretty 
efficient.  So,  there  may  have  been  some  evidence  of  the  endowment  effect  among 
the  novice  traders,  in  the  sense  that  they  were  nervous  of  other  traders  taking 
advantage  of  them  so  they  were  unable  to  properly  value  the  cards  that  they  had. 
But,  overall,  the  market  for  cards  was  pretty  efficient  since  there  was  a  group  of 
traders who were experienced and knew how to properly value their cards. This is 
analogous to the stock market, and the takeaway is that in markets where there is a 
significant  amount  of  traders  who  are  knowledgeable  about  the  value  of  the  stock 
they are trading, they will tend to push the market prices toward their efficient level. 

This is not to say the endowment effect is not a real thing. People are subject to 
all manner of quirks in their thinking – among them the tendency to focus more on 
the  positive  aspects  of  the  decisions  they  have  already  made,  which  leads  to  the 
endowment  effect.  The  point  is  the  fact  that  rational  man  models  are  not  perfect 
descriptions  of  the  way  we  all  make  everyday  decisions  does  not  mean  they  can 
shed no light on the workings of markets – they capture the essence of some of the 
important aspects of decision making. We just need to keep in mind that they don’t 
explain everything about the way anyone makes any particular decision. 

Also,  a  point  needs  to  be  made  about  the  difference  between  the  endowment 
effect and sentimental value. If you have a watch that most people think has a value 
of  $50,  but  is  worth  $150  to  you  because  it’s  been  in  your  family  line  for  three 
generations, there is nothing irrational about this. The sentimental value of a good is 
a  perfectly  rational  reason  to  value  a  good  more  than  someone  else  does.  The 
endowment  effect,  however,  is  when  someone  values  a  good  more  than  someone 
else  simply  because  they  own it. This  is irrational and means  that  the  person  isn’t 
able to properly value his or her own goods. 

The  Allais  Paradox  is  best  explained  using  an  example.  Suppose  there  are  four 
gambles  A,  B,  C  and  D,  and  each  has  the  following  probability  distribution  with 
respect to three different prizes of $0, $1,000,000 and $5,000,000: 

  197
 
    Probabilities 
 
Prize    A  B    C  D 
 
$0    0  0.01    0.89  0.9 
 
$1,000,000    1  0.89    0.11  0 
 
$5,000,000    0  0.1    0  0.1 
 

First, let’s choose between gambles A and B. Lottery A is $1M for sure. Lottery B 
is a 1% chance of $0, an 89% chance of $1M, and a 10% chance of $5M. Typically, an 
individual will choose gamble A over B, to avoid the 1% chance of getting $0. 

Now,  let’s  choose  between  gambles  C  and  D.  Lottery  C  is  an  89%  chance  of  $0 
and an 11% chance of $1M. Lottery D is a 90% chance of $0 and a 10% chance of 
$5M. Typically, an individual will choose gamble D over C, since for an additional 1% 
chance of $0 they can have a 10% of $5M. 

To  find  out  why  this  is  paradoxical,  let’s  work  out  the  expected  utilities  of  each 
gamble. The expected utilities of A and B are 
E(U A ) = 0U(0) + 1U(1) + 0U(5)  

  E(U B ) = 0.01U(0) + .89U(1) + .1U(5)  

Then, A is only preferred to B if the expected utility of A is greater than the expected 
utility of B, or 
  E(U A ) > E(U B )  

  0U(0) + 1U(1) + 0U(5) > 01U(0) + .89U(1) + .1U(5)  

  U(1) > .01U(0) + .89U(1) + .1U(5)  

  .11U(1) > .01U(0) + .1U(5)  

Similarly, D is only preferred to C if 
  E(U D ) > E (UC )  

  .9U(0) + 0U(1) + .1U(5) > .89U(0) + .11U(1) + 0U(5)  

  .9U(0) + .1U(5) > .89U(0) + .11U(1)  
  .01U(0) + .1U(5) > .11U(1)  

  198
Since  it  is  impossible  for  .11U(1)  to  be  both  less  than  and  greater  than  .01U(0)  + 
.1U(5), choosing A over B and choosing D over C is inconsistent. 

This  inconsistency  is  taken  to  be  a  violation  of  the  independence  axiom.  The 
independence axiom, in this context, means things that are the  same between two 
options shouldn’t affect the decision. So, looking back at the table of probabilities for 
each gamble, if you look at A and B, they both have an 89% chance of getting $1M. 
The real differences between A and B is that A has an extra 11% chance of getting 
$1M, and B has an extra 1% chance of getting 0 and an extra 10% chance of getting 
$5M. The 89% chance of getting $1M is common between the two gambles, so by the 
independence axiom it shouldn’t affect our choice. If we now look at gambles C and 
D, they have in common an 89% chance of getting $0 – so this shouldn’t affect our 
choice. Looking at everything else, C has an extra 11% chance of getting $1M, and D 
has an extra 1% chance of getting 0 and an extra 10% chance of getting $5M, which 
is  exactly  the  same  difference  between  gambles  A  and  B.  This  is  why  if  someone 
chooses  A  over  B,  but  chooses  D  over  C,  they  are  acting  inconsistently  with  the 
expected utility model. 

The Ellsberg Paradox is also best explained using an example. Suppose there is 
an urn with 60 marbles, where 1/3 of them are green, and the other 2/3 are either 
orange or blue. Now suppose we are offered the following gambles: 

I. You are paid $1,000,000 if you draw a green marble 

II. You are paid $1,000,000 if you draw a blue marble 

In general, an individual will choose option I over option II. Now suppose there are 
two more gambles we are offered: 

III. You are paid $1,000,000 if you draw a green or an orange marble 

IV. You are paid $1,000,000 if you draw a blue or an orange marble 

In general, an individual will choose option IV over option III. These two decisions 
illustrate a paradox. Why? Let’s look at expected utilities of gambles I and II: 

  E(U I ) = 1 U(1)  
3
  E(U II ) = Pr(B)U(1)  

where  Pr(B)  is  the  probability  that  you  draw  a  blue  marble.  Remember,  we  aren’t 
told how many are blue and how many are orange, so this probability is unknown to 
us; that is, we have to make our own subjective guess about it. If we prefer I to II, 
then the expected utility of I must be greater than the expected utility of II, or 
  E(U I ) > E (U II )  

  1 U(1) > Pr(B)U(1)  

3

  199
  1 > Pr(B)  
3
Basically, preferring I to II means that we think the probability of drawing a blue 
marble is less than 1/3. Now, let’s look at the expected utilities of gambles III and IV: 

  [ ]
E(U III ) = 1 3 + Pr(Or) U(1)  

  E(U IV ) = [Pr(B) + Pr(Or)]U(1)  

where Pr(Or) is the probability that you draw an orange marble. Now, we will only 
prefer IV over III if the expected utility of IV is greater than the expected utility if III, 
or 
  E(U IV ) > E(U III )  

  [Pr(B) + Pr(Or)]U(1) > [1 3 + Pr(Or)]U(1)  

  Pr(B) + Pr(Or) > 1 + Pr(Or)  
3

  Pr(B) > 1  
3
So preferring IV to III means that we think the probability of drawing a blue marble 
is greater than 1/3. But we’ve already concluded from choosing I to II that we think 
the  probability  of  drawing  a  blue  marble  is  less  than  1/3.  So,  we  are  acting 
inconsistently in the context of this model. This is referred to as ambiguity aversion, 
and  it  basically  means  that  people  don’t  like  gambles  where  they  don’t  know  the 
true, objective probabilities of each outcome. 

Uses of the Expected Utility Model 

In light of these problems with the model for expected utility, the model still has 
its uses. Some of the major ones are: 

1. To guide individual decisions. If you believe that more is better, that you have 
a preference for variety, that your decisions should be transitive, etc. then the 
model  can help  guide your  individual  decision‐making processes. When  the 
model  was  first  developed,  it  was  thought  that  this  was  to  be  its  primary 
function;  that  is,  to  actually  present  individuals  with  their  own  individual 
utility function in order to aid them to make logical and consistent decisions. 
It turns out this hasn’t really been the main application, but it is still possible 
for  individuals  to  use  the  model  in  order  to  prevent  errors  in  decision‐
making. 

2. Description  of  individual  behavior.  Given  our  above  discussion  of  the  Allais 
and Ellsberg paradox, this is untrue. Also, with regard to the Cornell and List 
experiments, people may act in accordance with this model to some extent; 

  200
 but  this  model  is  simply  not  accurate  enough  to  generalize  all  individual 
behavior. 

3. As­if model for major decisions and experienced traders. We’ve seen that this 
model  is  most  accurate  when  applied  to  individuals  that  are  both 
experienced  in  their  market,  and  when  they  are  dealing  with  gambles  that 
have high stakes. It’s not necessarily saying that these people use this model 
explicitly  when  going  through  their  decision‐making  process;  only  that  this 
model  will  help  analyze  and  predict  the  outcomes  of  experienced  players 
making key decisions.  

Henceforth we will be using the model as it is described in number three above. We 
will  soon  be  talking  about  contracting,  where  two  parties  are  entering  into  an 
agreement  that  is  worth  a  lot  of  money,  and  that  both  parties  know  a  lot  of 
information  about  it.  In  this  way, the  model  of  expected  utility is  applicable  to  the 
extent that it helps us predict the outcomes of these big decisions. 

  201
Chapter 10 Terminology 
The  following  is  a  list  of  terms  that  you  should  know  in  order  to  discuss  and 
apply the material from this chapter. 
 
Expected  Utility  Theorem‐  Theorem  that  states  consumers  will  make  choices 
based  on  the  utility  they  expect  with  an  associated  payoff,  probabilities  of  those 
expected payoffs, and risk aversion. 
Expected  Utility‐  The  sum  of  the  probability  of  each  outcome  multiplied  by  the 
utility of each outcome.  
Independence  Axiom‐  An  underlying  assumption  of  the  expected  utility  theorem 
that states if a new lottery is compounded with two original lotteries with a given 
probability, it shouldn’t affect a consumer’s choice because the difference between 
those two choices remain unchanged. 
Certainty  Equivalent  (CE)‐  The  single  amount  of  wealth  of  a  gamble  that  an 
individual  receives  for  certain  that  provides  the  same  amount  of  utility  that  the 
actual gamble offers. For risk neutral players, the certainty equivalent is equal to the 
expected  value  of  the  gamble.  For  risk  averse  players,  it  is  less  than  the  expected 
value of the gamble.  
Risk Premium‐ The value added by the insurance company by charging risk averse 
customers  their  certainty  equivalent  while  the  company  values  the  gamble  at  the 
expected wealth. 
Risk  Pooling‐  Strategy  used  by  insurance  companies  that  allows  them  to  behave 
risk  neutrally  by  selling  insurance  to  many  customers.  Because  of  the  law  of  large 
numbers, actual value will approach expected value. 
Diversification‐ Strategy used by insurance companies that works to reduce risk by 
serving clients in many locations. This makes the risks independent and can help an 
insurance company create more value by acting risk neutrally. 
Endowment  Effect‐  A  phenomenon  that  occurs  when  a  person  places  a  certain 
amount  of  value  on  a  good  before  buying  it,  then,  after  buying  it,  places  a  higher 
value on that good because he owns it. 
Allais  Paradox‐  An  inconsistency  in  the  expected  utility  model  that  violates  the 
independence  axiom.  This  occurs  when  things  that  are  the  same  between  two 
options affect the decision. 
Ellsberg Paradox‐ An inconsistency in the expected utility model that occurs when 
individuals  fail  to  formulate  consistent  subjective  probabilities  in  the  face  of 
ambiguous uncertainty. 
 

  202
Chapter 11 
More on Production and Cost 
Recall 
π = pq – C(q). 
C(q)  here  is  our  cost  function.  In  reality,  a  cost  function  is  very  difficult  to  predict 
because  everything  from  engineering  to  tax  policy  affects  it.  In  this  class,  our  cost 
functions represent economic cost, which is the cost of everything you give up for a 
specific  decision, whether  or  not  it’s  readily quantifiable.  Note economic  cost does 
not  always  line  up  with  accounting  cost.  For  example,  if  you  have  a  job  with  an 
annual salary of $100,000 and you are contemplating pursuing an MBA, part of the 
cost of that degree would be the $100,000 a year you would otherwise be making. 
The equation  
Cost =  ∑ pi x i  
i

is  a  general  equation  for  total  cost  of  production,  where  p  is  the  cost  of  a  certain 
input (e.g. labor), and x is the amount of that input used. We can always produce a 
certain  quantity  by  simply  buying  more  inputs,  but  what  we’re  interested  in  is 
minimizing our cost. Thus, when we refer to a cost function [or C(q)] we mean the 
minimum possible cost of q units. There are two important assumptions to this idea: 
1. No pure waste – your managers are not buying extraneous inputs. 
2. Choosing  best  production  process  –  among  the  alternatives,  choosing  the 
most efficient way to produce q units. 
The first one is just generally good business practice; the second one requires more 
attention and will be one of the main subjects of this section.  
The next thing to define is our production function. This function tells us how 
many units we can produce based on different amounts of our inputs. The general 
form is 
q = f(x1,x2,…,xn) 
where q depends, or varies, on inputs x1 through xn. The marginal product of input 
xi is defined as 
∂q
MPi =   
∂x i
which is the partial derivative of the entire production function with respect to the 
variable xi. This is just the rate of change of quantity with respect to xi. We usually 
restrict our production function to just two inputs, capital (K), and labor (L), and so 
for a production function,  
q = f(K,L) 

  203
and the marginal product of labor/capital is 
∂q ∂q
MPL=   MPK= . 
∂L ∂K
Note that when looking at the marginal product of labor, we are looking at how 
much  quantity  changes  for  an  additional  unit  of  labor.  It’s  how  much  product  one 
more  unit  of  labor  provides.  This  is  an  important  concept  and  will  make  later 
material much easier to understand. 
Input Substitution 
Looking  at  a  standard  job,  such  as  digging  a  hole  for  a  pool,  we  could  either 
spend a lot of money on capital (machinery) to do the digging, or we could spend a 
lot of money on labor (man hours) and let the work force do the digging. Since there 
are  multiple  ways  of  doing  it,  it’s  easy  to  imagine  that  there’s  some  optimal 
allocation where we are maximizing our inputs’ cost effectiveness. Now let’s define 
two extreme types of substitutes. 
1. Perfect  substitutes  –  these  are  things  that  when  substituted  do  not  have 
any effect on output. Red pencils and blue pencils are examples, because 
they both accomplish exactly the same thing. 
2. Perfect complements – there is a very specific ratio of carbonated water to 
flavoring to make the drink Coca‐Cola. As soon the allocation is changed 
at  all,  the  end  product  is  no  longer  the  same.  So,  all  of  your  inputs have 
fixed proportions. 
If  you  are  dealing  with  perfect  substitutes,  you  just  buy  whichever  input  is 
cheapest. With perfect complements, you have no discretion over choice of inputs. 
In  most  cases,  however,  inputs  are  imperfect  substitutes,  which  fall  somewhere 
between  perfect  substitutes  and  perfect  complements.  This  is  where  the  decision‐
making process comes in. It follows that the degree of substitutability, or basically 
the  efficiency  of  your  inputs,  comes  into  play  when  determining  the  optimum 
allocation of your inputs.  
The marginal rate of technical substitution of input i for input j, or MRTSij, is one 
way  to  measure  substitutability.  In  our  example,  the  MRTSLK  is  how  much  less 
capital you could use if you had one more unit of labor, while maintaining the same 
output level.  
Suppose MPL = 10 and MPk = 5.  If you had one more unit of labor, we can see you 
would  have  10  more  units  of  productivity;  thus,  you  could  give  up  two  units  of 
capital, and you’d maintain your output. In this example, MRTSLK = 2. In general, the 
definition is 
MPL
MRTSLK  =   
MPK
so the more productive labor is relative to capital, the more capital you could give 
up for one more unit of labor.  

  204
 Suppose we increase labor and decrease capital to take advantage of this relative 
productivity  advantage.  What  happens  to  the  marginal  products?  Well,  with  the 
addition of a person to a work force, there are fewer tools per person, so MPL falls 
(remember,  MPL  is  the  increase  in  productivity  for  one  more  unit  of  labor).  What 
about the tools themselves? There are less of them, so each tool is being put to more 
use. Thus, the MPK increases. Putting both of these together, it follows that MRTSLK 
decreases. This should make intuitive sense; as you add more and more labor, the 
amount of capital that can be freed up for one additional person decreases. 
 
Example: Cost ­ MRTS 
Suppose our production function is q = 4L0.5K0.5.. Find MRTSLK. 
Solution: First find the MPL. Taking the partial derivative with respect to L, we 
see  
∂q ⎛K ⎞
0.5

MPL =  = 0.5 * 4 * K 0.5 L0.5−1 = 2 ⎜ ⎟  

∂L ⎝L⎠
⎛ L ⎞ 0.5
and (similarly) MPK = 2 ⎜ ⎟  
⎝K ⎠
Now looking at the MRTSLK we see 
⎛ K ⎞ 0.5 ⎛ K 0.5 ⎞
⎜ ⎟ ⎜ 0.5 ⎟
MPL ⎝L⎠ ⎝L ⎠ K 0.5 K 0.5 K
MRTSLK =   =   =   =   * =   
MPK ⎛ L ⎞ 0.5 ⎛ L0.5 ⎞ L0.5 L0.5 L
⎜ ⎟ ⎜ 0.5 ⎟
⎝K ⎠ ⎝K ⎠
_________________________________________________________________________________________________ 
We  will  now  introduce  isoquants,  which  are  graphs  that  represent  the 
substitutability  of  our  inputs.  These  graphs  show  different  combinations  of  inputs 
that produce a single amount of output; 
that is why they are called isoquants.  x 2
In the figure to the right, the straight 
Fixed 
line  represents  perfect  substitutes.  For 
Proportions 
one  less  X1,  it  takes  a  constant  amount 
of  additional  X2  to  produce  the  same 
amount  of  units.  The  L  shaped  line  Imperfect 
represents  perfect  complements.  No  Substitutes 
matter how many more units of X1 you 
have, it has to be combined with X2 in a 
Perfect 
specific  ratio  to  achieve  the  end 
Substitutes
product. The curve that falls in between 
represents  imperfect  substitutes,  such  x1
as  labor  and  capital.  There  are  a  few 

  205
important takeaways from the graph of imperfect substitutes: 
1. Slopes down – this is just another way of saying that marginal product is 
positive.  Since  marginal  product  is  positive,  one  more  of  X1  will 
contribute to q, and thus we will need some amount less of X2. 
2. Bowed  in  –  this  is  the  more  important  conclusion.  You  can  see  as  X1 
increases a lot, the graph flattens out. This can be interpreted as the more 
amount of one input you have, the less its marginal product. 
3. Isoquants cannot cross. 
To look more specifically at #2, look at the following graph, which produces q0 
units: 
K 
 
1
 
∆K (‐slope) = MRTSLK 
 
  1
  ∆K
q0 
 
  L 

In  the  top  of  the  graph,  1  more  unit  of  labor  causes  lots  of  capital  to  be  freed  up, 
represented by the large ∆K; however, as we add more capital, ∆K becomes smaller. 
Also, the opposite of the slope of the above graph is just MRTSLK. 
For the final point about isoquants, look at the following graph: 
 
K  a
 
  b c
  q1
 
d q2
 
L 
 
Comparing points a and b, we notice that point a has more of both capital and 
labor. Thus, we can conclude that q2 > q1. However, looking at point c and d, we can 
see that c has more of both labor and capital, and thus q1 > q2. Since both of these 
cannot be true, we have our third assumption. 
Now that we have defined isoquants, we can use them to illustrate how we will 
minimize  cost.  First  it  is  necessary  to  introduce  our  cost  curves.  These  are  called 
iso­costs, as they represent one cost. Since we are using only labor and capital, our 
cost equation is 

  206
 C = wL + rK 
where w is the wage rate, or the cost of labor, and r is the rate of interest, or the cost 
of capital (think of it as the rate of interest being charged on the machinery we’re 
renting,  or  the  amount  of  interest  being  charged  on  a  loan  we  took  to  buy  the 
machinery). It’s easier to draw if we rearrange it to the following 
C w
K =  − L    (solving for k) 
r r
⎛C⎞
and since K is on the y‐axis, and the equation is in y=mx+b form, the intercept is  ⎜ ⎟  
⎝r⎠
⎛ w⎞
and the slope is  ⎜− ⎟ . Let’s look at a graph with both curves in it: 
⎝ r⎠

c2
K 
*All three iso‐cost  r
curves have a  c0
⎛ w⎞ r
slope  m = ⎜− ⎟  
⎝ r⎠ c1
r
q0

L 
 
In  this  illustration  there  are  three  (blue)  iso‐cost  curves.  The  cost  of  labor  (w) 
and  cost  of  capital  (r)  do  not  change;  the  only  thing  that  changes  is  how  many  of 
each input we have. The iso‐cost curve C1 doesn’t have enough inputs anywhere to 
reach  the  q0  isoquant.  The  curve  C2  reaches  it  in  two  places,  but  there  is  a  better 
solution.  The  curve  C0  is  the  best  solution,  since  it  reaches  the  isoquant  using  the 
minimum  amount  of  inputs.  This  is  because  C0  touches  the  isoquant  in  just  one 
place.  Thus,  to  minimize  cost,  you  want  an  iso‐cost  curve  that  is  tangent  to  your 
isoquant curve.  
In the figure to the right, K* is the optimum amount 
of capital, and L* is the optimum amount of labor. Since 
the  derivative  is  nothing  more  than  the  slope  of  the 
tangent, the derivative of the isoquant at L*,K* and the 
slope of the iso‐cost curve are the same. Thus, when  K*

⎛ w⎞ ⎛w⎞
‐MRTSLK =  ⎜− ⎟   or  MRTSLK =  ⎜ ⎟  
⎝ r⎠ ⎝r⎠
L* 
you  are  producing  at  minimum  cost.  Looking  at  the 
definitions  of  both  sides  again,  it  should  make  sense 
why this is true. MRTSLK is the rate at which (internally) you can substitute capital 

  207
 ⎛w⎞
for one unit of labor, keeping output constant.  ⎜ ⎟  is the market rate at which you 
⎝r⎠
can  give  up  capital  to  buy  another  unit  of  labor,  keeping  cost  constant.  In  order  to 
minimize cost, the rate at which you can substitute capital for labor internally has to 
equal the rate at which the market allows you to do so. 
If we write MRTSLK as MPL divided by MPK (which is just its definition), we can 
rearrange the equation: 
MPL w MPL MPK
= ⇔ =  
MPK r w r
which  says  each  marginal  product  divided  by  its  cost  should  be  equal.  To  further 
explain, the marginal product of labor divided by its cost is how much productivity 
you  can  get  for spending  $1  on  labor. Think of this as “bang per buck.” Thus, when 
this  equation  is  equal,  that  last  dollar  spent  on  labor  provides  the  exact  same 
productivity as your last dollar spent on capital. Note whatever side of the equality 
is higher means you should use more of that input, as it is being more productive for 
the same amount of money ($1). 
The final way to explain this equality requires that we rearrange the equation as 
follows: 
MPL w w r
= ⇔ =  
MPK r MPL MPK
which says the cost of each input divided by its marginal product should be equal. 
This is basically describing the cost of obtaining one more unit of productivity using 
labor.  Thus,  when  it  costs  the  same  to  obtain  one  more  unit  of  productivity  using 
both labor and capital, your inputs are optimally allocated and you are minimizing 
cost.  Note  in  this  case  the  smaller  the  number  the  better,  since  it’s  essentially  the 
marginal cost of obtaining one more unit. 
_________________________________________________________________________________________________ 
  Example: Cost – Optimization Condition 
Suppose  MPL  =  10,  MPK  =  5,  w  =  20,  and  r  =  5.  Which  input  (labor  or  capital) 
should we use more of? 
Solution: We can look at this any of the three ways described above. Let’s look at 
the “bang per buck” method. 
MPL 10 MPK 5
= = .5   = = 1 
w 20 r 5
This says that for $1 spent on labor we can get 0.5 more units, but for $1 spent 
on capital we can get 1 more unit. Thus, we should be using more capital. 
_________________________________________________________________________________________________ 

  208
 So in order to minimize cost, two things must hold: 
Pi MPi MP j P P
1. Optimization condition:  MRTSij =       or     =   or       i = j  
Pj Pi Pj MPi MP j
2. Production constraint: q = f(x1,x2,…,xn) 
The optimization condition can be expressed in any of the three above ways, and 
it’s important that you be able to explain what they mean. It basically means your 
inputs  are  allocated  efficiently.  The  production  constraint  just  means  that  if  you 
want to produce 10 units of output, you must have enough inputs to physically make 
10 units. Note that the production constraint doesn’t take into account any sort of 
efficient allocation of inputs. Thus, solving 1 and 2 above together (simultaneously) 
will  provide  us  with  a  cost  function  [C(q)],  which  is  a  function  that  tells  us  the 
minimum cost of producing q units. 
 
_________________________________________________________________________________________________ 
  Example: Cost function 
Suppose  our  production  function  is  q  =  4L0.5K0.5,  the  cost  of  labor  is  w=20  and 
the cost of capital is r=5. Find the cost function. 
Solution:  We  know  both  conditions  have  to  hold  (optimization,  production). 
Let’s first look at the optimization. Using the form MRTSLK = (w/r), we see 
MPL K
  MRTSLK= =  
MPK L
which was found by dividing the two partial derivatives (marginal products). For 
a more detailed explanation of the algebra, refer back to the example on MRTS. The 
optimization condition tells us 
w
  MRTSLK =   
r
so 
K 20
  = = 4  ⇔ K = 4L  
L 5
which is telling us for each unit of labor we use, we should use 4 units of capital. 
Now  that  we  have  the  optimization  condition,  we  can  substitute  it  into  the 
production function to solve our system of equations. The production function was 
given to us in the problem. Thus, 
  q = 4L0.5K0.5 
  q = 4L0.5(4L)0.5  (substituting in our optimization condition) 
  q = 8L 

  209
 q q
  L* =   and  K = 4L      so    K* =   
8 2
where  L*,  K*  are  the  optimum  amounts  of  labor  and  capital.  This  tells  us  how 
much capital and labor we need for q units of output in the most efficient way. To 
represent our cost function, we simply need to multiply how much each input cost 
by how many units of input we’re using. So 
C(q) =  wL* + rK* 
⎛q⎞ ⎛q⎞
C(q) = 20 ⎜ ⎟  + 5 ⎜ ⎟  = 5q 
⎝8⎠ ⎝2⎠
and the minimum cost of producing q units is 5q. Note that if the question had 
asked what amount of labor would be needed to minimize the cost of producing 15 
units, we could simply plug in 15 into our equation L = (q/8). 
_________________________________________________________________________________________________ 
 
Now let’s consider changing input prices. Looking at the optimization condition, 
MPL MPK
  = , 
w r c1
suppose w (the cost of labor) increases. This must  r
MPL
mean that   decreases. Thus, to maintain  c0
w
r
equilibrium, we will use less labor and more 
capital. Graphically, we see in the top figure to the  q
right as wage increases from w0 to w1, our iso‐cost 
line changes slope and no longer reaches our 
isoquant of q units. Notice that the y‐intercept for  c0 c0
the original iso‐cost line doesn’t change, since the  w1 w0
cost of capital (r) didn’t change. Thus, we have to 
increase the amount of both labor and capital in 
order to get the new (black) iso‐cost line C1 to 
reach our isoquant. It’s important to realize that C1 
is greater than C0; this is because C0 could not  K*1
reach the isoquant. Looking at the second figure to  K*0
the right, we see that the amount of labor (L*) 
decreases and the amount of capital (K*) 
increases, as we would expect following an  L*0 
L*1
increase in the cost of labor. 
The  fact  that  our  allocation  of  labor  and  capital  changed  is  not  enough  to 
conclude that C1>C0. This conclusion is drawn because once wage has increased, our 
original iso‐cost line (which, remember, shows combinations of labor and capital for 
the same cost C0) wasn’t able to reach the isoquant curve. This is why the new cost is 
higher than the old. 

  210
 We’ve just seen how to use the optimization condition and production function 
to derive a cost function. Now when you see a general profit function π=p*q – C(q), 
you  know  what  C(q)  represents.  The  following  is  another  way  of  arriving  at  the 
same  cost  function.  It  represents  the  method  that  the  computer  uses  to  solve  the 
same  system  of  equations  that  we  did  by  algebra.  It  is  a  supplemental  topic,  not 
essential for the class, but occasionally has been asked as an extra credit question on 
a test. 
 

The Calculus of Cost Minimization – the LaGrangian 
The way the computer looks at the problem is the following. 
  Minimize   wL + rK  subject to   q≤f(LK) 
which just means the computer will use calculus to minimize the left function, while 
making  sure  there  are  enough  inputs  to  achieve  the  desired  level  of  output.  The 
equation is 
L = wL + rK + λ[q‐f(L,K)] 
where  λ  is  the  Lagrange  multiplier.  Then,  minimize  by  solving  for  L,  K,  and  λ. 
Looking at the partials, we see 
∂L
= q− f (L,K ) = 0 ⇒ q = f (L,K )  
∂λ
which is just our production function. The partials for the next two variables are 
∂L ∂L
= w − λMPL ⇒ w = λMPL    and     = r − λMPK ⇒ r = λMPK  
∂L ∂K
dividing these two equations we get 
w = λMPL ⎛ w ⎞ MPL
⇒⎜ ⎟=  
r = λMPK ⎝ r ⎠ MPK
which  is  just  our  optimization  condition.  Thus  we  see  the  use  of  the  Lagrange 
multiplier leads to the same set of equations that need to hold. Some students like to 
use this method to solve problems, but again, there will never be a problem that will 
explicitly require you to use this method. 
 

Cost in the Short Run 
Up  until  this  point,  we’ve  assumed  that  managers  have  complete  control  over 
how much capital or labor to buy, or that they are not limited in their decisions of 
inputs. In the short­run, however, some of the inputs may be fixed. Thus, the STC(q) 
is just the short‐run (total) cost function, or the minimum cost for producing q units 
given a fixed amount of one (or more) input(s). 

  211
 In the short‐run, there are fixed and sunk costs. It’s important to understand the 
difference. A cost is fixed if it doesn’t change as quantity changes. Think of it as the 
opposite of variable cost. A sunk cost is money that cannot be retrieved. If we take 
out a loan to build a factory and pay $10,000 a month in interest, that cost is fixed. If 
the  factory  cost  $1,000,0000  to  build,  it’s  not  necessarily  all  sunk  costs,  because  if 
we  could  sell  the  factory  for  $900,000  we  could  retrieve  some  of  it  back.  In  this 
example, the $100,000 of the factory that we can’t get back would be our sunk costs. 
Given the definition of short‐run, we can define some other common terms that 
will be helpful.  
dSTC
• SMC (short­run marginal cost): the derivative of STC, or   
dq
STC
• SATC (short­run average total cost): the average cost per unit, or   
q
• SAVC (short­run average variable cost): variable (total ‐ fixed) cost per unit, or 
STC − SFC
 
q
SFC
• SAFC (short­run average fixed cost): average fixed cost per unit, or   
q
We’re now going to explain the graphs of all the curves. Let’s first look at SMC in 
the  figure  to  the  right.  Why  do  we  illustrate  marginal 
costs as increasing? Diminishing returns to a fixed factor.  $ SMC
Remember that in the short‐run, there is some input that 
is  fixed;  for  example,  a  plant.  If  you’re  producing  in  a 
single  plant,  at  some  point  if  you  try  to  cram  more  and 
more  workers  in  that  one  plant,  each  worker’s 
effectiveness  will  decrease.  Thus,  the  decreasing  q
marginal  productivity  with  a  fixed  factor  means 
increasing marginal costs. 
The  main  assumption  in  the  short‐ $ MC ATC = AFC + AVC
run  is  that  there  is  a  fixed  factor,  so  AVC
marginal  cost  is  increasing.  Average 
fixed  cost  decreases  as  quantity 
increases since our fixed costs are held 
constant  in  the  short‐run.  Average  AFC 
variable cost, may fall at first if adding 
workers  to  a  factory  initially  makes 
everyone  more  specialized  and  q 
productive.  However,  for  the  same 
reason that marginal cost increases ‐ diminishing returns to a fixed factor ‐ average 
variable costs will eventually rise. Average total cost, which is just the sum of the 
AFC and AVC curves, therefore must eventually rise as well. 

  212
 One  important  thing  to  note  about  the  above  graph  is  that  the  marginal  cost 
curve  crosses  the  average variable  cost  curve  where  average  variable  cost  is at  its 
minimum.  There  is  no  economic  reason  for  this;  it’s  just  the  way  the  math  works 
out. The easy way to think of it is in terms of test grades. If your average is an 80 and 
you get a 90 on a test, it will pull up your average. Think of the marginal cost as your 
next test grade, and the average variable cost as your overall grade. The only time 
that  the  marginal  cost  curve  would  not  change  your  average  is  if  it  were  equal  to 
your average (i.e. a test score of 80 wouldn’t change your class grade of 80). Thus, 
when they cross, average variable cost won’t go up or down, which is why it crosses 
it  at  the  minimum  point  on  the  graph.  This  is  the  same  reason  why  the  MC  curve 
crosses the ATC curve at its minimum. 
To  clear  up  some  terminology  issues  that  may  arise  later,  let’s  define  a  tricky 
cost. Say your factory is up, but you aren’t producing any units. Any money you’re 
paying just for the factory is the fixed cost, since it doesn’t vary with output (as your 
current production level is 0). If you decide to produce even one unit, and have to 
incur another $10,000 in order to start your assembly line, clean your machines, etc. 
we  refer  to  these  start‐up  costs  as  variable  costs  because  they  are  avoidable.  Even 
though  these  don’t  change  between  producing  1  and  100  units,  they  are  incurred 
between  producing  0  and  1  unit,  and  thus  are  lumped  into  the  variable  cost 
category. Thus, the costs that are wrapped up into the AFC curve are those that are 
not avoidable; those that are avoidable are contained in the AVC curve. 
_________________________________________________________________________________________________ 
Example: Short­run Cost 
Using the same production function, cost of labor, and cost of capital as in cost 
function  example,  if  our  amount  of  capital  is  fixed  at  K =  4,  what  is  the  new 
minimum cost function? 
Solution: From earlier, our production function was q=4 L K , r=5, and w=20. 
Since K is fixed, we can just plug it in to our production function. 
q= 4 L 4  
q=8 L 
q2 = 64L  
q2
L=  
64
Notice there is no need to efficiently allocate resources to both labor and capital 
(as in the previous example) since the amount of capital we have is fixed; in other 
words,  we  don’t  have  the  freedom  to  parcel  out  our  resources  as  economically  as 
possible. Our short‐run total cost is 
STC = wL + rK 

  213
 q2
STC =  20 * + 5* 4 
64
5
STC =  q2 +20 
16
If  you  remember  from  our  first  example  (where  capital  wasn’t  fixed)  our  cost 
function  was  5q.  Thus,  the  fixed  factor  has  increased  our  minimum  cost,  as  we 
would expect. The rest of our costs are as follows (remember in this case, capital is 
fixed and labor is variable): 
rK 20
AFC =  =      
q q
d⎛5 2 ⎞ 10 5
MC =  ⎜ q + 20⎟ = q = q  
dq ⎝16 ⎠ 16 8
5 2
q
wL 16 5
AVC=  = = q 
q q 16
_________________________________________________________________________________________________ 
 

Long­run cost curves 
In  the  long‐run,  there  are  no  sunk 
$ LRAC
costs.  Thus,  you  have  complete  control 
over  the  amount  of  each  input  you 
choose to use. We assume that all costs 
are variable, since the variable costs by 
definition are those that can be avoided. 
IRS CRS DRS 
In  the  long‐run,  you  can  plan  to  either 
make  or  sell  a  factory,  which  is  why  q
there  are  no  fixed  (unavoidable)  costs. 
The  standard  long­run  average  cost  M.E.S.
curve is shown in the figure to the right. 
The  reason  the  LRAC  curve  is  U‐shaped  is  the  following.  At  low  quantities,  we 
can utilize economies of scale and our average cost falls. It’s at this point that adding 
more  machinery  or  workers  is  beneficial.  This  is  also  called  increasing  returns  to 
scale  (IRS).  Then  there’s  a  period  in  the  middle  where  adding  another  machine  or 
worker  costs  about  the  same  amount  of  money  as  it  provides;  thus,  average  cost 
doesn’t change a lot. This is called constant returns to scale (CRS).  
The  final  part  of  the  cost  curve  increases,  which  suggests  some  decreasing 
efficiency  as  output  increases.  In  our  short‐run  model,  this  is  because  we  were 
restricted  to  a  fixed  factor  (i.e.  one  plot  of  land,  one  factory).  Why  would  average 
cost increase in the long‐run? We can build as many factories as we like, or hire as 

  214
much  labor  as  we  need;  we  aren’t  restricted  by  any  fixed  factors.  The  replication 
argument  suggests  that  as  each  of  your  production  facilities  reaches  its  constant 
returns  to  scale  (which  is  also  called  the  minimum  efficient  scale)  that  you  should 
just  reproduce  that  facility  and  thus  avoid  the  increasing  costs  at  higher  outputs. 
There is a fallacy in this argument, however. 
Looking  at  an  individual  firm,  we  know  that  there  are  several  workers  at  the 
bottom, some middle workers who manage the bottom workers, and then some sort 
of governance structure at the top that manages the long‐term direction of the firm. 
If the replication argument holds, in order to obtain higher outputs we simply open 
up new factories, each at our M.E.S. (minimum efficient scale) to avoid higher costs. 
The  problem  is  that  as  the  efficient  process  is  being  duplicated,  there  is  more 
information for the managers at the top to process. Thus, as the firm grows in size 
managers  become  less  efficient,  and  costs  go  up.  This  is  the  reason  for  increasing 
average costs at high quantities of output, or diminishing returns to scale (DRS). 
The  long‐run  marginal  cost 
curve has the same property as the  $
LRMC LRAC
short‐run  marginal  cost  line,  in  the 
sense  that  it  crosses  the  average 
cost  curve  at  its  minimum.  This  is 
shown in the top figure to the right. 
If  we  add  a  demand  curve  to  our 
LRAC curve, as in the bottom figure  q 
to  the  right,  we  can  see  that  the 
different  economies  of  scale  that  a 
firm  may  encounter  as  it  increases  $
production may not matter. Looking 
at demand curve d0 we see that the 
total industry demand will never be 
enough  for  our  factories  to 
encounter  constant  or  even  LRAC 
decreasing  returns  to  scale.  This  d1 
situation lends itself to a monopoly,  d0 
since it’s most efficient for one firm  q
to produce the quantity demanded. 
If  instead  demand  is  given  by  demand  curve  d1  there  may  be  several  firms 
producing at M.E.S without exceeding demand. In general, as demand for a product 
increases, the more firms may “fit” in the market, which makes intuitive sense. 

  215
 Finally, let’s look at both short‐run and long‐run average cost curves on the same 
graph.  Remember,  the  definition  of  LRAC  is  the  minimum  amount  of  producing  q 
units; it isn’t subject to any sunk (or fixed) costs. At quantity q0 we get our minimum 
cost  by  looking  at  the  LRAC  curve.  If  we  build  a  plant  specifically  designed  to 
produce q0 units efficiently, SRAC and 
LRAC will be the same. However, if we  $
use  that  plant  to  produce  anything  SRAC LRAC
other  than  q0  units,  SRAC>LRAC 
because  in  the  short‐run  we  are 
limited to a fixed factor. This is true in 
general;  short‐run  average  costs  are 
higher  than  long‐run  costs  at  any 
given  quantity,  unless  your  plant  is 
producing the amount of output it was 
q0  q
designed for. 
 

Minimizing Costs with Multiple Plants 
Many firms have multiple plants, which are designed to use different production 
techniques. For a simple introduction, let’s assume we have two plants A and B. If all 
“fixed” costs are sunk, then the decision becomes how much to produce in plant A 
and  how  much  to  produce  in  plant  B.  Suppose  that  initially  MCA<MCB.  You  should 
produce initially in plant A, since it’s cheaper to do so. However, we know that as we 
produce more in one plant, diminishing returns to a fixed factor will increase MCA. 
At some point, it will be as expensive to produce another unit in A as in B. At that 
point,  it  makes  sense  to  use  both  plants.  If  ever  the  marginal  cost  is  lower  in  one 
than in the other, cost could be reduced by reallocating output to produce more in 
the cheaper plant, which would increase its MC, and less in the other, which would 
decrease  its  MC.  The  only  time  output  should  not  be  reallocated  is  when  the 
marginal costs are equal across plants. Thus, the optimum allocation of production 
across both plants occurs when MCA=MCB. 
This is illustrated in the figure to 
the  right.  we  see  at  quantities  up  $
MCB  MCA 
until  q0  that  MCA<MCB,  so  we  just  MCFIRM 
produce  in  A.  Eventually  MCA  $* 
increases  (because  of  diminishing 
returns) and we switch to using both 
plants.  Remember,  we  want 
MCA=MCB,  so  for  a  given  level  of 
marginal cost ($*), we see how much 
we can produce in plant A (qA*), how  q0  qB*  qA*  q*  q
much  we  can  produce  in  plant  B 
(qB*)  and  add  together  the 
horizontal distances to obtain how much our firm can produce at a given marginal 

  216
cost  (q*).  Since  this  is  the  minimum  cost  of  producing  q  units  for  our  entire  firm 
(using both plants), this becomes our firm’s MC curve. In summary, if fixed costs are 
sunk, produce where MCA=MCB. 
Suppose “start‐up” costs are not yet sunk. In other words, we can avoid certain 
costs if we don’t produce any units in a certain plant, but, as soon as we produce any 
output at all, the cost becomes fixed. For example, it might cost $10,000 to start up a 
production  line.  Once  the  line  is  ready  to  go  into  production,  that  $10,000  is  sunk 
and cannot be recouped. Thus, for very low  quantities, we would want to use only 
the  plant  with  the  lowest  start  up  costs.  Suppose  plant  B  has  the  lowest  start  up 
costs,  even  though  it  has  a  higher  marginal  cost  than  plant  A.  Then  we  would  use 
only plant B for a small enough output level to save on start up costs. For very high 
quantities,  the  start‐up  costs  become  less  important,  and  you  would  want  to 
minimize  the  variable  costs.  This  becomes  the  same  situation  as  earlier,  and  you 
would want to use both plants and produce where MCA=MCB. At some intermediate 
quantity, it may make sense to use just the plant with the lowest MC, but this is not 
certain – it depends on the particulars of the situation. 
To  conclude,  note  that  there  are  three  possibilities  for  producing  q  units: 
produce  them  all  in  plant  A,  produce  them  all  in  plant  B,  or  (efficiently)  split  up 
production  between  plants  A  and  B.  The  previous  paragraph  had  some  rules  of 
thumb  for  choosing  which  plants  to  use  at  certain  quantities  to  obtain  minimum 
cost, but these can always be verified simply by testing all three methods. 
_________________________________________________________________________________________________ 
Example: Multiple Plants 
Suppose there are two plants with cost functions 
C(q1) = 20 + .25q12    and  C(q2) = 10 + q22 
and the fixed costs in plant 1 are sunk. What is the minimum cost of producing 
20 units? 
Solution:  A  production  level  of  20  units  is  neither  especially  high  nor  low,  so 
let’s test all three methods and see which one is cheapest. Note the fixed costs in 
each plant are the part of the cost function that does not depend on q (20 in plant 
1 and 10 in plant 2). 
First let’s see how much it costs to produce 20 units in only plant 1: 
C(q1) = 20 + .25(20)2  = 20 + .25(400) = 120 
Now, let’s look at producing all 20 units in only plant 2. Notice that the problem 
tells us that the $20 of fixed costs in plant 1 are sunk, so even though we’re not 
producing  any  units  there,  we  have  to  take  them  into  account  when  looking  at 
using only plant 2: 
C(q2) = 10 + (20)2 + 20 = 30 + 400 = 430 
Finally, let’s look at the cost of producing 20 units using both plants. When using 
both plants we want to set MC1=MC2.  

  217
 d d
MC1=  [C(q1 )] = .5q1  and        MC2= [C(q2 )] = 2q2  
dq1 dq2
Setting these two equal we get 
.5q1=2q2 
q1=4q2 
which  says  that  for  every  unit  we  produce  in  plant  2  we  should  produce  4  in 
plant  1.  Since  we  have  only  one  equation  and  two  variables,  we  can’t  solve  it. 
However, we know that the total amount of units that we are going to produce, q, 
must be the amount we produce in plant 1 plus the amount we produce in plant 
2: 
q = q1 + q2 
and substituting in our equation from setting marginal costs equal: 
q = (4q2) + q2 
q = 5q2 
q2 = (q/5) 
which means (1/5) of total quantity will be in plant 2. Looking again at the total 
quantity equation we see 
q = q1 + q2 
q = q1 + (q/5) 
q1 = (4q/5) 
so the other (4/5) of total quantity is produced in plant 1. To find the total cost 
of  production  using  both  plants,  we  just  add  the  cost  of  producing  q1  units  in 
plant 1 to producing q2 units in plant 2: 
C(q) = 20 + .25(q1)2 + 10 + (q2)2 
C(q) = 30 + .25(.8q)2 + (.2q)2 
C(q) = 30 + .2q2 
Since q = 20 units, we can see how much this would cost: 
C(20) = 30 + .2(202) = 110 
Thus, to minimize cost, we should use both plants, producing 16 in plant 1 and 4 
in plant 2 (found by using the above equations for q1, q2).  
________________________________________________________________________________________________ 
 

  218
Chapter 11 Terminology 
The  following  is  a  list  of  terms  that  you  should  know  in  order  to  discuss  and 
apply the material from this chapter. 
 
Economic Cost­ The cost of the decision made plus the opportunity cost of choosing 
the next best alternative. This includes both quantifiable and qualitative costs. 
Opportunity Cost­ The value of an alternative given up when making a decision. 
Accounting  Cost­  Strictly  the  monetary  cost  of  a  decision.  This  does  not  include 
opportunity costs. 
Marginal  Product­  The  additional  output  achieved  when  adding  another  unit  of 
input.  Mathematically,  it  is  the  partial  derivative  of  the  entire  production  function 
with respect to the input in question. 
Capital (K)­ Factors of production used to make goods and services. 
Perfect  Substitutes­  Goods  that  share  similarities  and  thus  can  be  replaced  or 
substituted  by  one  another.  In  input  substitution,  these  are  inputs  that  when 
substituted do not have any effect on output. In this case, a manager would just buy 
whichever input is the cheapest. 
Perfect  Complements­  Goods  that  are  purchased  with  one  another.  In  input 
substitution,  these  inputs  have  fixed  proportions.  In  this  case,  a  manager  has  no 
discretion over the choice of inputs. 
Imperfect Substitutes­ Goods that fall somewhere between perfect substitutes and 
perfect  complements.  Decision‐making  is  important  with  these  goods  because  a 
manager  must  choose  an  input  combination  that  is  the  most  efficient  in  order  to 
determine the optimum allocation of inputs. 
Marginal  Rate  of  Technical  Substitution  (MRTS)­  A  tool  for  measuring 
substitutability.  It  is  the  rate  at  which  one  input  can  be  substituted  for  the  other 
while producing the same level of output. 
Isoquant­  A  graphical  representation  of  the  substitutability  of  inputs.  It  shows 
different combinations of inputs that produce a single amount of output. 
Isocost­  A  line  that  shows  different  combinations  of  inputs  that  cost  the  same 
amount. 
LaGrangian­  A  way  to  set  up  a  constrained  optimization  problem  for  finding  a 
minimum or maximum function subject to constraints. This can be used to minimize 
cost  with  respect  to  a  production  constraint  or  maximize  utility  with  respect  to  a 
budget constraint. 
Sunk  Cost­  Money  spent  in  the  past  that  can  never  be  retrieved,  regardless  of the 
any decision made. 

  219
Short  Run­  Time  period  in  which  there  is  a  fixed  factor  of  production  (e.g.  a 
production plant) and fixed costs cannot be avoided if the manager decides to shut 
down the firm.  
Long Run­ Time period in which there are no fixed factors of production. All fixed 
costs can be avoided and there are no sunk costs. A manager in a long run situation 
would have complete control over the amount of each input used. 
Start­Up Cost­ Cost incurred only when a manager chooses to start production in a 
firm. Since this type of cost can be avoided, it is referred to as a variable cost. 
Long Run Average Cost­ A curve made up of the minimum points of all of the short 
run average cost curves. 
Economies  of  Scale­  Benefits  that  a  firm  experiences  from  expansion  up  until  a 
certain point in the long run. 
Increasing  Returns  to  Scale  (IRS)­  In  the  long  run,  the  period  at  low  quantities 
when  a  manager  can  continue  to  produce  more  by  purchasing  fewer  inputs,  thus 
lower points on the average cost curve. 
Constant Returns to Scale (CRS)­ In the long run, the period at a medium level of 
output when producing more is going to cost the same. 
Decreasing  Returns  to  Scale  (DRS)­  In  the  long  run,  the  period  at  high  levels  of 
output  when  producing  more  means  buying  even  more  inputs  than  usual,  thus 
higher points on the average cost curve. 
Minimum  Efficient  Scale  (MES)­  The  point  at  which  long  run  average  costs  are 
minimized.  When  producing  high  levels  of  output,  a  manager  will  want  to  open 
many plants operating at MES instead of producing the output in one plant. 
Replication  Argument­  Argument  that  suggests  that  as  each  production  facility 
reaches its constant returns to scale or MES, the facility should be reproduced, thus 
avoiding the increasing costs at higher outputs. A fallacy to this argument is the high 
level  of  information  to  be  processed  by  top‐level  management,  leading  to 
inefficiency and higher costs (diminishing returns to scale). 

  220
 
 
 
Part 4 
 
Game Theory ‐ 
Modeling Strategic Interaction 
 

  221
Chapter 12 
One Shot Games with Discrete Choices 
In  markets  where  firms  are  neither  pure  monopolists  nor  perfect  competitors 
(price takers), one firm’s actions have significant impacts on the others. Thus, each 
firm takes account of this interdependence when making decisions. Game theory is a 
tool  that  allows  us  to  analyze  how  decisions  are  made  in  environments  involving 
such  strategic  interdependence.  When  we  analyze  situations  (games)  in  which 
strategic decisions are weighed against one another, we are basically searching for 
“reasonable”  solutions  to  the  game  –  that  is,  predictions  about  the  way  “rational” 
players would play. 
A  simultaneous  game  is  one  in  which  both  players  move  at  the  same  time. 
Think  of  it  as  a  football  game  where,  during  each  play,  both  players  have  to  make 
their  best  guess  about  what  they  think  the  other  will  do.  A  sequential  game  is 
where  the  first  player  moves,  and  then  the  second  player  moves.  Think  of  it  as  a 
game of chess; the second player that moves already knows what decision the first 
player has made, and factors that into what they plan on doing. Finally, a one­shot 
game  is  one  that  is  played  just  once,  while  a  repeated  game  is  one  that  is  played 
many times. 
The basic building blocks for describing a game are the following: 
1. List of players 
2. List of decision nodes (points in a game where a decision is to be made) 
and choices available at each node 
3. Payoffs (what they are playing for) for every possible outcome. 
In order to analyze a game, we take the basic description of the game and use it 
to identify all possible strategies for each player, that is, all the ways it is possible for 
them to play the game, conditional on all the different situations in which they might 
possibly  find  themselves  while  playing  the  game.  The  number  of  potential  ways 
even a simple game of tic‐tac‐toe can be played is huge. (The first player has 9!, or 
362,880,  potential  strategies,  to  be  exact.)  So,  strategies  get  complicated  even  for 
simple  games.  Fortunately,  the  games  we  will  look  at  are  very  simple,  focusing  on 
only the one or two most important strategic aspects of a situation. 

One Shot Simultaneous Move Games 
We  will  start  with  the  simplest  case,  a  one‐shot,  simultaneous  move  game. 
Remember,  a  one‐shot  game  means  after  the  game  the  players  aren’t  concerned 
about any ramifications their decisions may have. Also, a simultaneous game is one 
in which all players must act without knowledge of their competitors’ decisions. 

  222
The Prisoner’s Dilemma 
Imagine Luke and Sam are criminals who have been convicted of a certain crime. 
The prosecution says that there is enough evidence to convict both of them for some 
minor  crime,  and  they  will  assuredly  go  to  jail  for  6  months.  They  then  take  each 
criminal into a separate room and tell them if they will testify against their partner, 
they will drop the 6‐month charge, and their partner will get 24 months for being 
convicted of the larger crime. Each criminal has no idea what his partner chose, and 
has to make the decision without cooperation. To look at this game, we will set up a 
matrix describing all possible outcomes (which is called the normal form): 
  SAM 
    Testify Not 
  Testify L: 24  L: 0 
LUKE 
  S: 24  S: 30 
  Not  L: 30  L: 6 
  S: 0  S: 6 
 
 
To clarify the payoffs: 
• TOP­LEFT:  Luke  testifies,  and  Sam  testifies.  Since  the  deal  was  to  get  the 
minor  charge  dropped  if  you  testify,  both  players  are  guilty  of  only  the 
major charge (24 mos.). 
• TOP‐RIGHT:  Luke  testifies,  Sam  doesn’t.  Therefore  Luke  gets  the  minor 
charge  dropped,  and  Sam  is  guilty  of  both  the  minor  (6)  and  major  (24) 
charges. 
• BOTTOM‐LEFT: Luke doesn’t testify, Sam does. Sam gets the minor charge 
dropped, and Luke is guilty of both (30). 
• BOTTOM‐RIGHT:  Neither  testifies.  Thus,  they  are  both  guilty  of  the  minor 
charge (6). 
Now  that  we  have  the  payoffs,  we  can  look  at  this  game  from  each  player’s 
perspective, and look at their best responses given their isolated knowledge. First, 
let’s define some special types of strategies: 
• Strongly Dominant: A strategy that always has a higher payoff than your other 
strategies, regardless of your opponent’s choice. 
• Weakly Dominant: A strategy that always has at least as high a payoff as your 
other strategies, regardless of your opponent’s choice. 
These will make more sense when we finish our example of the Prisoner’s Dilemma. 

  223
  

    Sam      Sam 
    Testify  Not      Testify  Not 

Testify  L: 24*  L: 0*  Testify  L: 24  L: 0 

S: 24  S: 30  S: 24*  S: 30 
Luke  Luke 
Not  L: 30  L: 6  Not  L: 30  L: 6 
S: 0  S: 6  S: 0*  S: 6 
 
The left picture represents Luke’s strategy. There are two different scenarios he 
is faced with – Sam testifying, or Sam not testifying. Looking  at COLUMN 1, where 
Sam testifies, Luke can either testify with a payoff of 24, or not testify with a payoff 
of  30.  His  best  option  is  to  testify,  getting  only  24  months  of  prison  instead  of  30. 
Looking  at  COLUMN  2,  where  Sam  does  not  testify,  Luke  can  either  testify  with  a 
payoff  of  0,  or  not  testify  with  a  payoff  of  6.  Luke  will  testify,  since  he  will  get  0 
months  of  prison  instead  of  6.  Since  Luke  will  testify  regardless  of  whether  Sam 
testifies  or  not,  it  is  his  dominant  strategy.  Since  his  payoff  using  his  dominant 
strategy is always higher than his other strategy, it is a strongly dominant strategy. 
Sam follows the same logic, first looking at ROW 1 where Luke testifies, and he is 
better off testifying, and then looking at ROW 2 where Luke does not testify, and he 
is still better off testifying. Sam also has a strongly dominant strategy, since he will 
always testify, and testifying will always yield a higher payoff than not testifying. 
To look at the solution for this game, look at both players’ strategies: 
 
SAM 
 
  Testify  Not 
 
  LUKE  Testify  L: 24*  L: 0* 
S: 24*  S: 30 
  Not  L: 30  L: 6 
  S: 0*  S: 6 
We can see that since both players will choose to testify, the outcome of this game 
will be the top‐left box, or both players getting 24 months of  prison. Notice that if 
the players were to cooperate, they would not tell and only get 6 months in prison; 
each player acting in their own self‐interest causes them to get the inferior outcome 
of 24 months in prison. 
This game is supposed to serve as a metaphor for two firms in competition with 
each other. If the two players were Coke and Pepsi, perhaps they could cooperate to 
get higher profits; but each firm acting individually leads to lower profits for both. 

  224
Entry Game 
This is a game where there is an incumbent firm, and a firm that is considering 
entry into the market. The incumbent has to decide whether or not to expand their 
business  to  meet  demand.  The  entrant  has  to  decide  whether  or  not  to  enter  the 
market. The payoffs in this game are profits in dollars. 
      Entrant 
 
    In  Out 
 
Expand  I: 20  I: 50 
  E: ‐20  E: 0 
Incumbent
  Not  I: 30  I: 80 
  E: 20  E: 0 

To  provide  a  story  to  go  with  these  payoffs,  assume  that  it’s  inefficient  for  the 
incumbent to expand; they’d rather stay status quo than trying to satisfy the entire 
market.  If  they  don’t  expand,  and  the  entrant  comes  in,  they  will  lose  a  lot  of 
business.  Finally,  if  the  entrant  comes  in  and  the  incumbent  expands,  there’s  an 
excess  of  capacity,  but  the  incumbent  will  still  make  some  profit  due  to  brand 
recognition.  
Now let’s look at the best responses: 
 
Entrant 
 
  In  Out 
 
  Incumbent  Expand  I: 20  I: 50 
E: ‐20  E: 0 
  Not  I: 30  I: 80 
  E: 20  E: 0 
 
The  incumbent  has  a  strongly  dominant  strategy,  since  not  expanding  will 
always  provide  a  higher  payoff.  The  entrant  does  not  have  a  dominant  strategy, 
since they want to enter only if the incumbent is not expanding.  
The solution to this game is not as clear, since both players don’t have dominant 
strategies.  However,  there  is  still  a  “reasonable”  solution.  From  the  incumbent’s 
perspective, they’d rather not expand regardless of the entrant’s strategy. So when 
the entrant is looking at this game, it’s reasonable to assume that the incumbent will 
never expand. Given that piece of information, the rational decision for the entrant 
to  make  is  to  enter  the  market.  This  process  is  called  iterated  elimination  of 
dominated  strategies,  and  is  not  as  definitive  a  solution  as  if  both  firms  had 
strongly  dominant  strategies.  Once  the  “dominated”  strategy  of  expanding  is 
eliminated  from  consideration,  the  entrant  has  a  clear  choice  –  to  enter.  The 
incumbent would prefer the entrant not to enter to achieve a profit of 80, but this 

  225
would require the entrant to believe the incumbent was expanding. This is possible 
in a sequential game, however, and will be covered after some more discussion on 
simultaneous games.  
Battle of the Sexes 
Suppose a couple is going out after work to either a basketball game or a show. 
They plan to talk by cell phone after work to decide whether to meet at the game or 
the show. When they get off work, cell service is out, and they can’t talk. Each one 
has to decide where to go without communicating. The normal form of the game is 
shown in the table below. 
 
    Girl 
 
      Show  Game 
  Show  B: 3  B: 1 
  G: 2  G: 1 
Boy 
Game  B: 0  B: 2 
  G: 0  G: 3 
 
To explain the payoffs: 
Assume the boy’s favorite activity is the show, and the girl’s  favorite activity is 
the  game.  They  would  both  rather  be  together  at  their  least  favorite  activity,  then 
apart at their favorite activity. So, when they are together at the show (top‐left) the 
boy  gets  one  more  utility  than  the  girl,  since  he  likes  the  show.  When  they  are 
together at the game, the girl gets one more utility then the boy, since she likes the 
game. When they are apart but at the activities they respectively like, they each get 
one utility. When they are apart but at the activities they don’t like, they both get 0. 
Let’s analyze this game. 
 
    Girl 
 
    Show  Game 
 
  Show  B: 3*  B: 1 
G: 2*  G: 1 
  Boy 
Game  B: 0  B: 2* 
  G: 0  G: 3* 
 
We see neither player has a dominant strategy. In some cases they would each 
like to go to the show, but in others they’d like to go to the game. Since the idea of 
dominance  doesn’t  get  us  anywhere  in  this  game,  it’s  time  to  introduce  some  new 
terminology to cope with games such as the one above. 

  226
 • Maxi­min  or  Secure  or  Safe:  This  is  essentially  a  strategy  that  has  the  best 
downside or avoids the worst outcome. 
Looking at this game again, let’s see what both players’ secure strategies are. 
 
 
    Girl 
 
      Show  Game 

  Show  B: 3*  B: 1 

G: 2*  G: 1 
  Boy 
Game  B: 0  B: 2* 
  G: 0  G: 3* 
Looking at the game from the boy’s perspective, we see that the worst thing that 
could happen to him if he chooses the show is he gets a payoff of 1, while the worst 
thing  that  happens  if he  chooses  the  game  is  he  gets  a  payoff  of 0.  Thus,  the  boy’s 
secure strategy is to go to the show, to minimize his potential losses. Similarly, the 
girl’s worst payoff if she goes to the show is 0, while her worst payoff if she goes to 
the game is 1, so her secure strategy is to go to the game. Thus, if both players play 
their secure strategies, the girl will go to the game and the boy will go to the show. 
There  is  a  problem,  however,  with  the  secure  strategy  in  this  game.  We  are 
assuming all players are rational, and want to maximize their expected utility. If the 
boy believes that the girl will play her safe strategy, he will anticipate her going to 
the game. If he thought this to be the case, he would rather go to the game because 
his utility would be one point higher. The girl could obviously go through the same 
thought process, which would lead them to the worst possible outcome of the boy 
going to the game and the girl going to the show. The point is that playing a secure 
strategy doesn’t always make sense. 
This leads to an idea that is at the heart of any “reasonable” solution to a game. 
• Nash  Equilibrium:  A  strategy  pair  where  both  players  are  simultaneously 
correctly anticipating the other’s play and choosing their best response. 
John Nash proved that any game for which the basic building blocks can be written 
down  as  described  above  has  at  least  one  Nash  equilibrium.  Any  “reasonable” 
solution  to  a  game  must  be  a  Nash  equilibrium.  Otherwise,  either  a  player  is  not 
correctly  anticipating  their  opponent’s  play,  or  they  would  prefer  to  choose  a 
different strategy but are not doing so. However, not every Nash equilibrium need 
be a “reasonable” solution, as we will see. 
At  this  time  let’s  also  introduce  another  term.  A  reaction  function  is  simply  a 
function that puts together all of a player’s best responses. Let’s look at a reaction 
function  in  the  context  of  the  above  battle  of  the  sexes  game.  From  the  boy’s 
perspective, if the girl goes to the game, he will too, and if the girl goes to the show, 

  227
he  will  too.  This  is  also  the  case  for  the  girl.  The  Nash  equilibria  are  where  the 
reaction functions intersect. The graph below illustrates this. 
      Girl 
  Nash 
    Show  Game  Equilibria 
 
Show  B: 3*  B: 1 
 
G: 2*  G: 1 
  Boy 
Game  B: 0  B: 2* 
  G: 0  G: 3* 

From before, we had shown that neither player had a dominant strategy, as their 
best responses were dependent on the other player’s strategy. Their best responses 
are  in  bold  in  the  above  table.  Since  the  Nash  equilibrium  is  where  their  best 
responses  intersect,  there  are  two  Nash  equilibria  in  this  game.  This  suggests  that 
there’s  no  real  solution  that  game  theory  can  come  up  with  for  this  game,  even 
though there are two outcomes where each player is playing their best response to 
the other. 
We can imagine that all of the influences dictating the choice of the boy and girl 
in the above game are not included in the payoffs. For example, the boy may want 
simply  to  act  chivalrous  and  defer  to  the  girl’s  desires,  regardless  of  his  own 
individual  payoff.  In  this  way,  social  norms  may  create  focal  points,  which  are 
obvious solutions to those who know the richer context in which a game takes place. 
The following is an example of a focal point. Imagine the game the girl wanted to see 
was the national championship – the Nash equilibria would be the same, but most 
likely  the  boy  would  know  how  much  the  girl  wanted  to  see  the  game,  and  that 
would be the outcome. Really, of course, if such other factors affect the payoffs, we 
should  include  them  in  the  game,  and  then  the  set  of  Nash  equilibria  might  look 
different. But, it may make sense to model a game based on some notion of “typical” 
payoffs  and  then  wonder  outside  the  formal  context  of  the  model  what  sorts  of 
conditions might favor one choice over another in any particular situation. 
Referring back to the prisoner’s dilemma and the entry game, there was only one 
cell where both players’ best responses were chosen, and since those cells were also 
intersections of their reaction functions, they were the Nash equilibria. 
 
Prisoner’s Dilemma  Entrant Game 
 
  Testify  Not    In  Out 
 
  Testify  L: 24*  L: 0*  Expand  I: 20  I: 50 
S: 24*  S: 30  E: ‐20  E: 0 
  Not  L: 30  L: 6  Not  I: 30  I: 80 
  S: 0*  S: 6  E: 20  E: 0 
N.E.
 

  228
Monitoring Game 
Suppose  Jen  is  an  employee,  and  Eric  is  her  manager.  Jen  can  choose  to  work 
hard on any given day, or shirk (slack off). Eric can choose to check up on her, or not 
to. 
  Jen 
 
  Hard  Shirk 
 
Check  E: 30  E: 30 
 
Eric  J: 20  J: 0 
  Not  E: 40  E: 10 
  J: 20  J: 30 

To  tell  a  story  about  the  payoffs,  imagine  the  profits  of  the  business  are  just 
based on Jen’s work. If she works hard, the profits the business earns are going to be 
the same. If Eric takes time out of his day to check up on Jen, it is going to cost him 
something (in the form of opportunity costs). So, if he doesn’t check up on Jen and 
she  works  hard,  his  payoff  is  40,  but  if  he  checks,  he  loses  10  units  in  the  form  of 
time spent checking up, and his payoff is 30. Thus, he would rather her work hard 
without  requiring  supervision.  If she  does  shirk  and  he checks,  suppose  he  can  fix 
the  problem,  so  the  business  still  makes  the  normal  profits,  but  Jen  receives 
discipline and gets 0 as payoff. Jen gets paid 20 (unless she is caught shirking) but 
receives an extra 10 units from shirking, as long as she isn’t caught. 
Now let’s mark the best responses. 
 
Jen 
    Hard  Shirk 
 
Check  E: 30  E: 30* 
  Eric 
J: 20*  J: 0 
  Not  E: 40*  E: 10 
J: 20  J: 30* 
 
Eric will check if he thinks Jen will shirk, but he won’t if he thinks she’ll work. Jen 
will  work  hard  if  she  thinks  Eric  will  check,  but  she’ll  shirk  if  she  thinks  he  won’t 
check.  Thus,  it  seems  as  if  this  game  has  no  Nash  equilibrium,  since  each  player’s 
best  responses  never  intercept.  However,  it’s  because  there  are  different  types  of 
Nash equilibriums. They are the following: 
• Pure strategy N.E.: Both players make definitive choices. 
• Mixed  strategy  N.E.:  Each  player  chooses  some  probability  associated  with 
each response. The choices aren’t definite; they are probabilistic. 
Since  there  is  no  pure  strategy  N.E.  for  the  game,  there  has  to  be  some 
probability associated with all of the responses. From Jen’s perspective, if she works 

  229
hard she will get 20 if Eric checks, and 20 if Eric does not check. An equation that 
represents this, her expected profit from working hard, is 
20fc + 20(1‐fc) 
where  fc  is  the  probability  that  Eric  checks  (and  1‐fc  is  the  probability  that  Eric 
doesn’t check). Therefore, her expected profit from shirking is 
0fc + 30(1‐fc) 
and  based  on  Jen’s  estimation  of  Eric’s  probability  of  checking  (fc)  she  can  choose 
which response (working hard or shirking) results in a higher expected profit. If the 
first equation is higher than the second equation, she will work hard; if it’s less, she 
will shirk.  
Now it’s important to understand that if the probability of checking is very low, 
Jen’s  expected  profit  from  shirking  will  be  higher,  and  Jen  will  always  shirk.  If  the 
probability  is  really  high  that  Eric  will  check,  Jen  will  always  work  hard.  The  only 
time  that  Jen  will  randomize  her  response  is  when  the  two  expected  profits  are 
equal. She will do this in order to “fool” Eric, because if she were not to randomize 
her response, Eric would know how to react every time. In order to find out when 
the expected profits are equal, we just set the two expressions equal: 
20fc + 20(1‐fc)   = 0fc + 30(1‐fc) 
20fc + 20 – 20fc = 0 + 30 – 30fc 
20 = 30 – 30fc 
30fc = 10 
fc = 1/3 
Therefore, the probability that Eric checks up on Jen is 33%. If it were lower than 
33%,  Jen  would  always  shirk.  If  it  were  higher,  Jen  would  always  work  hard.  A 
probability of 33% keeps Jen randomizing her response. 
To find Jen’s probability of working hard, we look at Eric’s payoffs. His payoffs 
for checking are 
30fh + 30(1‐fh) = 40fh+10(1‐fh) 
30 = 40fh + 10 – 10fh 
30fh = 20 
fh = 2/3 
and thus the probability that Jen will work hard is 67%. The interpretation of these 
two probabilities is the following: If you are in a situation where Jen thinks there’s a 
33% chance that Eric will check on her, she’s happy to work hard 67% of the time; 
and if you are in a situation where Eric thinks Jen will work hard 67% of the time, he 
is happy checking up on her 33% of the time. The only time you get into a situation 
where both players are happy with their strategies and are guessing right about the 

  230
other  player’s  strategies,  is  if  they  are  randomizing  their  responses  with  these 
probabilities. 
The  reason  randomizing  is  important  in  the  context  of  this  game  is  because 
players can exploit predictability. Here, if Jen knew Eric was just too lazy to check, 
she  could  exploit  that  and  shirk.  That’s  why  in  equilibrium  both  players  are 
randomizing to maximize their expected payoffs. 
Note that being unpredictable (randomizing your response) doesn’t necessarily 
mean  playing  the  game  with  a  50%  chance  either  way.  We  just  solved  the  game 
above  and  found  out  that  most  of  the  time  (67%)  Jen  will  work  hard  and  seldom 
(33%)  will  Eric  check  up  on  her.  This  is  because  the  payoffs  of  the  different 
outcomes  influence  how  tempting  it  is  to  either  shirk  or  check  up.  Imagine,  for 
example, Jen’s payoff for shirking and not being caught increases; her probability of 
working  hard  would  drop  to  account  for  the  new  payoff  structure,  and  Eric’s 
probability of checking would increase as a result. 

One Shot Sequential Move Games 
A  sequential  game  has  a  first  mover  and  a  second  mover.  The  important  thing 
here is that since the first mover knows the second mover will act based on the first 
response, the first mover has control over how the game will be played. Let’s look at 
the entry game again, but in sequential form. 
 
Entrant 
 
    In  Out 

  Expand  I: 20  I: 50 

Incumbent  E: ‐20  E: 0* 
 
Not  I: 30*  I: 80* 
  E: 20*  E: 0 
 
Earlier, we figured out the Nash equilibrium to be the incumbent not expanding 
and the entrant entering; this is because the incumbent has a dominant strategy to 
not expand, and the entrant relying on this knows his best option is to enter. 
What  if,  however,  there  was  some  way  that  the  incumbent  could  promise  the 
entrant that he would expand? The incumbent would prefer this, because he knows 
that it would keep the entrant out, and he could get a payoff of 50 (top‐right cell). 
The problem is that expanding is not a credible threat; this is because this is a one‐
shot  simultaneous  move  game,  and  like  we’ve  already  said,  the  incumbent  has  a 
dominant strategy of not expanding. Thus, the entrant will never believe a threat of 
expansion. 
This is where the possibility of a sequential game comes in. If the incumbent is 
the first mover, he has the advantage of being in a position to convince the entrant 
that  he  is  committed  to  expanding.  Note  that  this  does  not  mean  the  incumbent 

  231
actually  has  to  expand  during  his  move;  he  just  has  to  credibly  and  irrevocably 
commit to expanding.  
To model the sequential game where the incumbent moves first, we need to look 
at the entrant’s strategies. These become more complex, since they are conditional 
on the decision made by the incumbent. 
 
Incumbent’s 
  1st Move 
  Expand  Not 
Entrant’s 
  In  In 
Strategies 
  In  Out 
Out  In 
 
Out  Out 
 
 
Each  row  represents  a  different  set  of  strategies  based on  what  the  incumbent 
does in the first move. Think of each row as a set of instructions about what to do in 
each situation. Let’s represent all four of these strategies in a normal form table, as 
we have been in the previous games. 
 
  Entrant 
 
    In, In  In, Out  Out, In  Out, Out 
  Incumbent  Expand I: 20  I: 20  I: 50  I: 50 
  E: ‐20  E: ‐20  E: 0  E: 0 
  Not  I: 30  I: 80  I: 30  I: 80 
E: 20  E: 0  E: 20  E: 0 
 
 
For the column headings (the entrant’s strategies), the first word represents the 
response  given  the  incumbent  expands,  and  the  second  word  (after  the  comma) 
represents the response given the incumbent does not expand. These payoffs come 
from looking at the initial table of the game. The far left column is the same as the 
original left column, and the far right is the same as the original right column. The 
difference  is  the  middle  two  columns,  which  represent  the  entrant’s  ability  to 
choose what to do based on the incumbent’s first move. 
Let’s look at the best responses: 

  232
  
Entrant 
 
    In, In  In, Out  Out, In  Out, Out 
  Expand I: 20  I: 20  I: 50*  I: 50 
Incumbent 
  E: ‐20  E: ‐20  E: 0*  E: 0* 
Not  I: 30*  I: 80*  I: 30  I: 80* 
 
E: 20*  E: 0  E: 20*  E: 0 
 
We see the players’ best responses intersect twice, and thus there are two Nash 
equilibria. However, one of them doesn’t make much sense. The first column (In, In) 
means  the  entrant  will  enter  no  matter  what.  However,  since  this  is  a  sequential 
one‐shot game, it doesn’t make sense for the entrant to play this strategy, since if the 
incumbent  expanded,  they  would  lose  20.  Looking  at  the  other  strategy  that 
contains the Nash equilibrium (Out, In) we see that the entrant could either get 0 or 
20, which is always at least as good as the strategy (In, In). Therefore, the strategy 
(Out,  In)  weakly  dominates  the  strategy  (In,  In),  and  we  can  conclude  that  the 
strategy (In, In) will likely not be played. 
Until now we’ve been looking at games in the normal form, such as above. Since 
we’re dealing with sequential games, we can also write them out as a game tree, or 
in extensive form. 

In I: 20 | E: ‐20
Expand Entrant
Out I: 50 | E: 0
Incumbent 
In I: 30 | E: 20
Don’t Entrant
Out I: 80 | E: 0
 
The  way  we  find  out  the  solution  to  this  game  is  through  backwards  induction. 
Looking  at  the  top  two  responses,  which  is  the  scenario  where  the  incumbent 
expands, the entrant has a choice between a payoff of ‐20 and 0. Thus, we can cross 
off ‐20 (the entrant entering). 

In I: 20 | E: ‐20
Expand Entrant
Out I: 50 | E: 0
Incumbent 
In I: 30 | E: 20
Don’t Entrant
Out I: 80 | E: 0
 
 

  233
 Now  looking  at  the  bottom  two  responses,  which  is  the  scenario  where  the 
incumbent  does  not  expand,  the  entrant  has  two  possible  payoffs,  20  and  0.  He 
chooses 20, so we can eliminate the last strategy. 
This shows the entrant’s best responses to the incumbent’s decision. Remember 
when  we  first  introduced  sequential  games  we  said  it’s  the  first  mover  that  has 
control over the final outcome of the game. We can imagine that the incumbent went 
through the same exercise that we just did, and knows how the entrant will respond 
to  each  decision.  Thus,  the  incumbent  essentially  has  a  choice  over  50  and  30.  He 
chooses 50, so he will expand, knowing that the entrant will stay out, giving us the 
solution to the game (circled in green). 
This solution is called the sub­game perfect Nash equilibrium (or SPNE); it is 
also referred to as the rollback equilibrium. The main assumption with SPNE is that 
every player acts rationally at every fork in the tree, whether or not they get to that 
particular  fork.  This  is  why  we  were  able  to  eliminate  two  of  the  entrant’s  four 
strategies, which led us to eliminating one of the incumbent’s two strategies. Think 
back to the table that gave us two Nash equilibria. We now see the first one (I:30 E: 
20) didn’t make sense, because it involved the entrant acting irrationally at a node 
of the game tree – he would have had to enter into the market even if the incumbent 
expanded, giving him a payoff of ‐20 instead of 0. This is why we call it the SPNE; it 
is  perfect  in  the  sense  that  every  player  is  acting  rationally,  and  that  there  are  no 
non­credible threats. This is an important concept when using the game tree. 

More Than Two Strategies and More than Two Players 
Imagine  player  A  and  B  are  competing  with  each  other,  and  each  strategy 
represents how hard they compete. Player A has strategies top, middle and bottom. 
Player B has strategies left, middle, and right. Below is the game illustrated, showing 
each players’ best responses. 
 
  B 
    Left  Middle  Right 
 
  Top  A: 0  A: 10  A: 30* 
A  B: 10  B: 0  B: 20* 
  Middle  A: 10  A: 20*  A: 0  N.E. 
  B: 20*  B: 20*  B: 10 
Bottom  A: 30*  A: 10  A: 10 
 
B: 10  B: 20*  B: 0 
 
Looking at player A: If B chooses left, A chooses bottom. If B chooses middle, A 
chooses middle. If B chooses right, A chooses top. 
Looking  at  player  B:  If  A  chooses  top,  B  chooses  right.  If  A  chooses  middle,  B 
chooses left or middle. If A chooses bottom, B chooses middle. 

  234
 We see there are two Nash equilibria. We would need more information to solve 
this  game.  Perhaps  one  of  the  two  solutions  is  a  focal  point  under  some 
circumstances. Perhaps A is a market leader, and everyone expects them to play top. 
Perhaps, since player B does not care, they both expect A to play top because A does 
care. 
The  main  point  here  is  that  there  is  nothing  special  about  games  with  two 
strategies. The same solution concepts apply when there are many strategies; they 
are  just  more  complicated  in  the  application.  In  particular,  iterated  dominance 
becomes  more  complex.  To  apply  that  technique,  we  would  first  identify  any 
strategies that are always worse (strongly dominated) than some combination of a 
player’s other strategies, OR always worse or at least no better (weakly dominant) 
compared  to  some  combination  of  the  players  strategies.  These  dominated 
strategies  are  then  eliminated  for  both  players,  and,  the  new,  reduced  game  is 
examined.  Once  again,  dominated  strategies  are  eliminated.  That  is  why  this 
technique  is  called  iterated  dominance.  This  continues  until  none  of  the  strategies 
remaining are dominated. If only one strategy is left for each player, the game has a 
solution by iterated dominance. 
Now,  suppose  there  were  three players in  the  above  game,  instead  of  just  two. 
We could imagine that player A still chooses a “row,” player B chooses a “column,” 
and, that there are three different game tables, like the one above, not just one, and 
the  third  player,  player  C,  gets  to  choose  the  “table.”  The  idea  would  remain  the 
same, although it would be more cumbersome to put into practice. 

  235
Chapter 12 Terminology 
The  following  is  a  list  of  terms  that  you  should  know  in  order  to  discuss  and 
apply the material from this chapter. 
Strategic Interdependence­ A theory that, in a market with a few players, each 
firm sets prices and quantities based on the other firms’ behavior. Each firm has 
some degree of influence over supply and demand, thus all firms are dependent on 
each other to make the best managerial decisions. 
Game Theory­ A study of behavior in strategic situations. It allows economists to 
analyze how competing firms will make decisions based on all available information. 
It is a search for the most reasonable way a player would act when strategic 
decisions are being weighed against one another. 
Simultaneous Game­ A game in which both players move at the same time. 
Sequential Game­ A game in which there is a first and a second mover and the 
second mover will know how the first mover behaved. 
One­Shot Game­ A game that is not repeated. 
Repeated Game­ A game that is played many times. 
Prisoner’s Dilemma­ A one shot, simultaneous move game in which both players 
would benefit more by cooperating but whose Nash Equilibrium choice offers a 
smaller benefit because players are looking to minimize their losses. 
Dominant Strategy­ Strategy that is played regardless of what the player’s 
opponent plays. 
Strongly Dominant Strategy­ A player’s dominant strategy that always has a 
higher payoff than his other strategies. 
Weakly Dominant Strategy­ A player’s dominant strategy that always has at least 
as high a payoff as his other strategies. 
Iterated Elimination of Dominated Strategies­ A player’s strategy that involves 
eliminating strategies that are dominated, taking the remaining ones as a new game, 
and repeating until a solution is found. 
Maxi­Min Strategy­ Also called a secure or safe strategy; it involves the players 
choosing strategies with the least amount of risk. The players want to minimize 
their potential losses.  
Nash Equilibrium­ A solution to a game in which players know each other’s 
equilibrium solutions. It assumes that if there is a best or most reasonable solution 
to a game, both players must be choosing their best response to the other player. 
Every game that can be written in a normal form has a Nash equilibrium. It occurs 
where the player’s reaction functions cross. 
Reaction Function­ A function that puts together all of a player’s best responses to 
his opponent’s decision. 

  236
Focal Point­ When a player’s focus is on other factors outside of the model that will 
ultimately impact the outcome. 
Pure Strategy Nash Equilibrium­ Solution in which both players make definitive 
choices. 
Mixed Strategy Nash Equilibrium­ Solution in which each player chooses some 
probability associated with each response. Choices aren’t definite; they are 
probabilistic. 
Non­Credible Threat­ An empty threat made by a rational player. It is not in the 
player’s best interest to carry out this threat; opponents will know this and 
therefore never believe the threat. 
Extensive Form­ A game tree used to represent sequential games. Backwards 
induction is used to find the solution. 
Backwards Induction­ Strategy of finding a solution to a sequential move game in 
which a solution for the second mover is found, then the solution for the first mover 
is found based on the second mover solution. 
Sub­Game Perfect Nash Equilibrium (SPNE)­ Also called rollback equilibrium, it is 
a solution to a sequential game in which players act rationally at every fork in the 
tree, whether or not they get to that particular fork. 
 

  237
Chapter 13 
One Shot Games with Continuous Strategies 
When a firm makes a choice about the price to charge or the quantity to produce, 
it  faces  a  continuum  of  choices,  not  just  a  small  discrete  set.  How  do  the  above 
arguments extend to such cases? The basic ideas are the same. Each player makes its 
best guess about what other players will do, and chooses its best response. In a Nash 
equilibrium, all players choose best responses to the strategies of all other players. 
We begin by first considering a simultaneous move game and then sequential moves 
in an extended example. After that, we briefly consider a general version of a game 
with continuous strategies to show that the techniques and intuition applied in the 
example apply to any game. 

An Extended Example – Advertising Simultaneously 
In  chapters  12  and  13,  we  will  take  up  the  choices  of  output  and  price  in 
situations  of  strategic  product  market  competition.  To  avoid  monotony  we  use  a 
different  example  to  illustrate  the  ideas  here  –  the  decision  of  how  much  to 
advertise  when  each  firm’s  advertising  has  significant  effects  on  the  sales  of  the 
other firms. 
Kevin’s  Big  Store  and  Morgan’s  Monster  Market  have  to  decide  how  much  to 
advertise.  Assume  product  prices  are  predetermined  and  each  customer  will 
generate  $10  in  profit  for  whichever  firm  they  purchase  from,  before  advertising 
expenses are subtracted. Mainly, we make that assumption to simplify things. If you 
want  a  more  concrete  setting,  suppose  the  competing  firms  are  retailers  who  are 
bound by contracts with manufacturers to charge the manufactures suggested retail 
price (MSRP). 
Think  of  advertising  as  producing  a  series  of  messages  from  the  firms  to 
potential customers. Let aK and aM represent advertising expenditures by Kevin and 
Morgan, respectively. For our example, assume the quantity sold by Kevin is 
qK = 10 + 0.5aK − 0.25aM − 0.005 ( aK + α aM )  
2
  (13.1) 

and the quantity sold by Morgan is 
qM = 10 + 0.5aM − 0.25aK − 0.005 ( aM + α aK ) . 
2
  (13.2) 

What  sort  of  situation  might  demand  functions  like  these  represent?  First,  if 
neither  advertises,  each  has  sales  of  10.  However,  if  one  firm  does  advertise,  they 
initially gain sales at a rate of 0.5 per unit of advertising, but they reduce the other 
firm’s sales by 0.25 units. Thus, advertising both draws in new customers and takes 
some away from the other firm. Diminishing returns are reflected in the quadratic 
term – they can’t bring in new customers indefinitely or take customers away from 
the other firm indefinitely. As Kevin advertises more, holding Morgan’s advertising 
constant, the marginal return to his advertising falls. However, the quadratic term in 

  238
Kevin’s  demand  depends  on  both  Kevin’s  advertising  and  Morgan’s.  That  means 
changes  in  Morgan’s  advertising  affect  the  rate  at  which  the  marginal  returns  to 
Kevin’s advertising fall. 
Perhaps an increase in Morgan’s advertising causes the marginal productivity of 
Kevin’s  advertising  to  fall  more  slowly.  That  might  occur  if  the  customers  Morgan 
gains  by  advertising,  including  new  ones  brought  into  the  market  and  customers 
lured away from Kevin, are more easily lured away from her by Kevin’s advertising, 
and vice versa. Of course, it is also possible that an increase in Morgan’s advertising 
might  cause  the  marginal  returns  to  Kevin’s  advertising  to  diminish  faster.  For 
example, Morgan’s advertising may create brand loyalty and reduce Kevin’s ability 
to lure customers away with his own advertising. As we will later see, the effect of 
one  player’s  actions  on  the  marginal  productivity  of  the  other  player’s  actions  is 
CRUCIAL  in  determining  the  character  of  strategic  interactions.  In  this  example, 
whether  Morgan’s  advertising  increases  or  decreases  the  productivity  of  Kevin’s 
advertising depends on the parameter α. If α<0, an increase in Morgan’s advertising 
means  the  marginal  returns  to  Kevin’s  advertising  diminish  more  slowly  –  so  an 
increase  in  Morgan’s  advertising  increases  the  marginal  productivity  of  Kevin’s 
advertising. If  α>0, an increase in Morgan’s advertising means the marginal returns 
to  Kevin’s  advertising  diminish  more  rapidly  –  so  an  increase  in  Morgan’s 
advertising decreases the marginal productivity of Kevin’s advertising. 
With  these  demand  functions  and  a  predetermined  price  such  that  each  sale 
brings  in  $10  in  profit  before  advertising  costs  are  subtracted,  profits  net  of 
advertising are 

  (
π K = 10 10 + 0.5aK − 0.25aM − 0.005 ( aK + α aM ) − aK , 
2
) (13.3) 

and 
  (
π M = 10 10 + 0.5aM − 0.25aK − 0.005 ( aM + α aK ) − aM . 
2
) (13.4) 

Whatever  his  guess  about  Morgan’s  advertising  level,  Kevin  will  choose  his  own 
advertising to maximize his profit. Taking the derivative of (13.3) gives: 
dπ K
  = 10 ( 0.5 − 0.01( aK + α aM ) ) − 1 = 0 .  (13.5) 
daK
We will refer to the derivative of Kevin’s payoff with respect to his advertising as the 
net marginal benefit, NMB. If the NMB is positive (negative), Kevin should increase 
(decrease) advertising. At the maximum, the NMB is 0. This can readily be 
rearranged as follows: 
  5 − 0.1aK − 0.1α aM = 1 .  (13.6) 
This sets the marginal benefit of an advertising message equal to marginal cost ($1). 
Solving equation (13.6) for Kevin’s advertising level gives Kevin’s reaction 
function, or, his best response function, RK(aM). The reaction function gives the level 

  239
of advertising that will maximize his profit for any level of Morgan’s advertising. 
Solving gives 
  aK = RK (aM ) = 40 − α aM .  (13.7) 
If Morgan does not advertise, Kevin spends $40. The slope of a reaction function has 
important strategic implications. We can find the slope of the reaction function by 
dRK da
simply  taking  its  derivative.  In  this  case  ,  or  K ,  is  equal  to  ‐α.  For  every 
daM daM
additional  dollar  Morgan  spends,  Kevin  spends  an  additional  –$α.  If  α  is  negative, 
Kevin’s  reaction  function  slopes  up.  This  is  shown  in  the  left  panel  of  the  figure 
below. If  α is positive, Kevin’s reaction function slopes down. This is shown in the 
right panel of the figure below. 

aK  aK 
RK(aM)

40
40 

RK(aM) 

aM  aM 
It  is  important  to  clearly  understand  what  determines  the  slope  of  a  reaction 
function.  At  Kevin’s  profit  maximizing  output  level  for  any  level  of  Morgan’s 
advertising,  NMBK  is  0.  That  is,  NMBK  is  zero  at  every  point  on  Kevin’s  reaction 
function.  So,  beginning  from  a  point  on  Kevin’s  reaction  function,  if  Morgan’s 
advertising  increases  the  NMB  of  Kevin’s  advertising,  when  she  advertises  more 
Kevin’s  NMB  becomes  positive.  Then,  to  maximize  profit  he  must  advertise  more, 
increasing advertising until once again NMBK is 0. Thus the reaction function slopes 
up.  On  the  other  hand,  if  Morgan’s  advertising  decreases  the  NMB  of  Kevin’s 
advertising, when she advertises more Kevin’s NMB becomes negative if we began 
at  point  on  the  reaction  function  (where  NMBK  is  0).  To  maximize  profit  he  must 
advertise  less,  decreasing  advertising  until  NMBK  is  0.  Thus  the  reaction  function 
slopes down. 
We  can  find  the  impact  of  Morgan’s  advertising  on  the  NMB  of  Kevin’s 
advertising by taking the derivative of equation (13.5). Doing so gives 

  240
 dNMBK
  = −10 ( 0.01α ) = −0.1α .6  (13.8) 
daM
Since  this  derivative  is  positive,  Kevin’s  reaction  function  slopes  up.  If,  however, 
Morgan’s advertising reduced the NMB of Kevin’s advertising, this derivative would 
be negative and his reaction function would slope down, not up. 
Taking  the  derivative  of  Morgan’s  profit  function  and  solving  for  her  reaction 
function would work the same way. Since her profit function is basically the same as 
Kevin’s  and  the  calculus  and  algebra  works  the  same  way,  lets  just  skip  to  the 
reaction function: 
  aM = RM (aK ) = 40 − α aK .  (13.9) 
Above, we defined a Nash Equilibrium technically as the point of intersection of 
two  reaction  functions.  This  is  shown  in  the  figure  below,  with  aKne  and  aMne 
representing  the  Nash  Equilibrium  advertising  levels  of  Kevin  and  Morgan, 
respectively. In the panel to the left, the solution is for each to spend more than $40 
because each responds to the other’s advertising by advertising more. In the panel 
to  the  right,  they  each  spend  less  than  $40,  because  each  responds  to  the  other’s 
advertising by advertising less. 

aK  aK 
RM(aK)

RM(aK)
RK(aM)
aKne 
40
40  aKne 
RK(aM) 

aMne  40
40  aMne  aM  aM 
 
When the reaction functions slope up, the players’ strategies ‐ here how much to 
advertise ‐ are called strategic complements. This is the case in the left panel. When 
the  reaction  functions  slope  down,  the  player’s  strategies  are  called  strategic 
substitutes. This is the case in the right panel. 
To solve for the numeric value of advertising in the Nash Equilibrium, we need to 
specify a value for  α. For purposes of an example, lets assume  α=‐0.5. In that case, 
the reaction functions are 

                                                        
6 This is just the derivative with respect to Morgan’s advertising of the derivative of Kevin’s profit 

with respect to Kevin’s advertising – that is it is the cross partial derivative of Kevin’s profit function, 
∂ 2π K
. 
∂aK ∂aM

  241
  RK (aM ) = 40 + 0.5aM   (13.10) 
and 
  RM (aK ) = 40 + 0.5aK   (13.11) 
respectively. Suppose Kevin expected Morgan to spend $40. Then, he would want to 
spend  $60  (40+0.5⋅40).  But,  if  he  spent  $60,  Morgan  would  want  to  spend  $70,  in 
which  case  Kevin  would  want  to 
spend  $75,  and  so  on.  If  instead 
RM(aK)
Kevin  expected  Morgan  to  spend  aK 
$120, he would spend $100. But if he  RK(aM) 
spent  $100  Morgan  would  spend 
$90,  in  which  case  Kevin  will  spend 
$85, and so on. If you continued with  80
this  process,  it  would  converge  to 
$80.  The  only  advertising  level 
where both correctly anticipate their  40
opponent’s  play  and  react  optimally 
is  when  both  spend  $80.  This  is 
illustrated in the figure at right.  40 80 120  aM 
Equations (13.10) and (13.11) provide two equations in two unknowns. To find 
the solution algebraically instead of graphically, substitute from one into the other 
and solve. Substituting for aM in Kevin’s reaction function gives: 
aK = 40 + 0.5 ( 40 + 0.5aK )
= 60 + 0.25aK
  .  (13.12) 
0.75aK = 60
aK = 80
Substituting  the  solution  for  Kevin’s  advertising  into  Morgan’s  reaction  function 
gives the solution for Morgan’s advertising, 
  aM = 40 + 0.5 ( 80 ) = 80 .  (13.13) 

This  game  is  symmetric.  For  our  purposes,  that  simply  means  the  only 
difference between the players is their names. If you take Kevin’s profit function and 
replaced the Ks with Ms and the Ms with Ks, you get Morgan’s profit function. When 
a  game  is  symmetric,  it  will  generally  have  a  symmetric  equilibrium,  that  is  an 
equilibrium where the players play the same strategy.7 In a game where the reaction 
functions can only cross one time, like this one, we know therefore that there is only 
one solution and that it will involve both players playing identical strategies. 
Symmetry can be very helpful when analyzing and solving games. This one was 
easy  to  solve  with  simple  substitution,  but  that  is  not  always  the  case.  However, 
                                                        
7 At least, this is true for the most part and for all the cases we will be interested in. There are some 

technical issues involved in establishing this with complete generality. 

  242
symmetry means we know that in the solution aM=aK. Once we find the expression 
for  NMB  and  equate  it  to  0,  we  can  use  this  fact  to  solve  immediately  for  the 
equilibrium.  In  this  case,  NMB=0  and  aM=aK  become  two  equations  in  two 
unknowns, with the added benefit that one is very simple which makes solving easy.  
For example, substituting ‐0.5 for α in equation (13.5) and applying symmetry gives 
10 ( 0.5 − 0.01( a + 0.5a ) ) − 1 = 0

  5 − 0.05a − 1 = 0 ,  (13.14) 
0.05a = 4
a = 80
where a, sans subscript, represents the equilibrium level of advertising common to 
both players. 
So,  in  the  Nash  Equilibrium  in  our  example,  each  spends  80  on  advertising. 
Plugging this in to the demand and profit functions, we find each sells 22 units and 
makes  a  profit  of  $140  (10⋅22‐80).  If  neither  advertised,  each  would  sell  10  units 
and  make  a  profit  of  $100.  In  this  example  advertising  results  in  higher  profits. 
However,  each  firm’s  advertising  has  a  negative  effect  on  the  other’s  profits. 
Therefore, if the two firms cooperated with one another, or colluded, profit would 
be higher. To see this, calculate what would happen if both advertising levels were 
chosen jointly, or cooperatively, to maximize total profit. 
Total profit is just the sum of the two firm’s profits. 
πT = π K + π M
( )
π T = 10 10 + 0.5aK − 0.25aM − 0.005 ( aK − 0.5aM ) − aK
2

  (13.15) 
+10 (10 + 0.5a − 0.25a − 0.005 ( a − 0.5a ) ) − a
2
M K M K M

= 10 ( 20 + 0.25a + 0.25a − 0.005 ( a − 0.5a ) − 0.005 ( a )

− 0.5aK ) − aK − aM
2 2
K M K M M

To maximize, the partial derivatives, set them equal to zero, and solve. Taking the 
derivative with respect to advertising for Kevin gives: 
∂π T
  = 10 ( 0.25 − 0.01( aK − 0.5aM ) − 0.01( aM − 0.5aK )( −0.5 ) ) − 1 = 0 .  (13.16) 
∂aK
The derivative with respect to advertising for Morgan is the mirror image of the 
above derivative. In the solution to this cooperative problem, advertising will be the 
same for each firm, that is aK=aM, due to the symmetric way each firm’s advertising 
enters the problem. We can use that to simplify the solution process. Working from 
equation (13.16) and letting a represent the common advertising level gives: 
2.5 − 0.1aK + 0.05aM + 0.05aM − 0.025aK − 1 = 0
  0.025a = 1.5 .  (13.17) 
a = 60

  243
 If both spend 60, both sell 20.5 units and make a profit of $145. Yet, if either firm 
unilaterally  tries  to  advertise  at  a  level  of  $60,  the  other  firm  has  an  incentive  to 
respond  by  spending  $70  on  advertising  to  maximize  their  own  profit.  So,  the 
cooperative  solution  is  not  an equilibrium  solution.  Thus,  there is  an  aspect  of the 
prisoner’s dilemma in this advertising game. 
Suppose  Kevin  developed  some  cost  advantage  that  means  he  makes  $12  per 
unit sold instead of $10. How would the game change? First, it would no longer be 
symmetric, and we could not use that to simplify finding a solution. But, we can use 
our  understanding  of  reaction  functions  to  offer  a  general  analysis  of  how  the 
equilibrium changes without solving explicitly for the new equilibrium. Regardless 
of the level of Morgan’s advertising, the NMB of Kevin’s advertising increases. That 
means his reaction function will shift up – for every level of Morgan’s advertising, he 
spends more. This is shown in the figure below. RK0 and RM0 are the initial reaction 
functions,  and  aK0  and  aM0  are  the  initial  Nash  Equilibrium  values.  RK1  represents 
Kevin’s reaction function after the decrease in his cost, and aK1 and aM1 are the new 
Nash Equilibrium values. 
In  the  left  panel,  advertising  levels  are  strategic  complements.  When  Kevin’s 
reaction function shifts up and he advertises more, Morgan responds by advertising 
more  as  well,  which  drives  a  further  increase  in  Kevin’s  advertising  in  the  new 
equilibrium. So, both firms advertise more in the Nash equilibrium. The indirect, or 
strategic, effect of the change in Kevin’s cost is the increase in Morgan’s advertising. 
This strategic effect undoes some of the direct increase in Kevin’s profit due to the 
direct effect of his cost reduction. 
 

aK  aK 
RM 
RK 1 
RM
aK1  aK1 
RK0 

RK1 
aK0 
aK0 
RK0 

aM0  aM1  aM  aM1  aM0  aM 

In  the  right  panel,  advertising  levels  are  strategic  substitutes.  When  Kevin’s 
reaction function shifts up and he advertises more, Morgan responds by advertising 
less,  which  induces  a  further  increase  in  Kevin’s  advertising,  and  so  on.  So,  in  the 
new  Nash  equilibrium  Kevin  advertises  more  and  Morgan  advertises  less.  The 
strategic effect of a decrease in Morgan’s advertising adds to the increase in Kevin’s 
profit due to the direct effect of his cost reduction. Kevin’s increase in advertising in 
effect crowds out some of Morgan’s. 

  244
*****It would be a useful exercise for the reader to calculate the Nash Equilibrium of 
the non symmetric game when Kevin makes $12 per customer and Morgan makes 
only $10.**** 

An Extended Example Continued – Advertising Sequentially 
Return to the original demand functions where we had not yet specified a value 
for α, and suppose Morgan moves first. Will she advertise more or less and how will 
Kevin  respond?  As  usual  in  a  sequential  move  game,  we  begin  at  the  end.  First, 
suppose Kevin’s reaction function slopes up. Then, if Morgan advertises more (less) 
in the first stage, Kevin sees her move and he responds by advertising more (less) as 
well  in  the  second  stage.  Anticipating  this  at  the  first  stage,  Morgan  should  ask 
herself the following question ‐ “Do I want Kevin to advertise more or less?” Since 
Kevin’s advertising reduces Morgan’s profit, she wants him to advertise less. At the 
simultaneous play equilibrium, the NMB of Morgan’s advertising is 0. That means if 
she spends just a little more or a little less, it has no direct impact on her profit. It 
does have an important indirect effect, though. If she spends less, since she moves 
first, Kevin will see that and spend less in turn. This will increase Morgan’s profit. It 
will also increase Kevin’s. 
In fact, Kevin’s profit increases by more than Morgan’s when Morgan moves first. 
Why?  Because  he  could  obtain  the  same  increase  in  profit  by  adopting  the  same 
advertising level as Morgan, but he need not do so. Instead, since he moves second, 
he is free to choose the advertising level that maximizes his profit, given Morgan has 
advertised less. If he makes a different choice, it must be because it results in greater 
profit. Thus, his increase in profit must be at least as big as Morgan’s, and is typically 
larger. 
Now suppose Kevin’s reaction function slopes down. If Morgan advertises more 
at the first move, Kevin will see that and respond by advertising less at the second 
move. Since Morgan wants Kevin to advertise less, she should advertise more. Again, 
at  the  simultaneous  play  equilibrium,  the  NMB  of  Morgan’s  advertising  is  0.  That 
means  if  she  spends  just  a  little  more,  it  has  no  direct  impact  on  her  profit.  The 
indirect effect is important ‐ if she spends more at the first move Kevin will see that 
and spend less in turn at the second move. This will increase Morgan’s profit. Since 
Morgan  advertises  more,  Kevin’s profit  is  lower.  Thus,  there  is  a  clear  first  mover 
advantage when advertising levels are strategic substitutes. 
To  work  an  example,  lets  return  to  the  given  demand  functions  and  again 
assume  α=‐0.5.  Morgan  can  anticipate  that  Kevin’s  reaction  function  is 
RK = 40 + 0.5aM . Knowing that Kevin will respond this way at the second move after 
observing her choice at the first move, she is free to, in effect, choose the point on his 
reaction function that she would prefer through her choice of advertising. So, we can 
simply  substitute  this  reaction  function  into  her  profit  function  for  aK  and  then 
maximize her profit. Her profit function becomes 

( )
  π M = 10 10 + 0.5aM − 0.25 ( 40 + 0.5aM ) − 0.005 ( aM − 0.5 ( 40 + 0.5aM ) ) − aM .  (13.18) 
2

  245
This simplifies to 

  (
π M = 10 0.375aM − 0.005 ( 0.75aM − 20 ) − aM . 
2
) (13.19) 

Maximizing gives 
dπ M
  = 10 ( 0.375 − 0.01( 0.75aM − 20 ) 0.75 ) − 1 = 0 .  (13.20) 
daM
Solving equation (13.20), we find Morgan spends 75.56 on advertising. This is less 
than the 80 spent in the simultaneous move game. That induces Kevin to spend less 
as  well.  From  Kevin’s  reaction  function,  we  find  he  would  spend  77.78 
(40+0.5⋅75.56).  Plugging  those  values  in  to  find  profit,  we  find  moving  first 
increased  Morgan’s  profit  from  140  to  140.55.  However,  Kevin’s  profit  increased 
from 140 in the simultaneous play version to 142.22. 

Continuous Strategies – General Analysis 
This section discusses games with continuous strategies in a very general way. It 
therefore  appears  more  abstract  and  more  technical  than  the  previous  extended 
example. BUT, the ideas and techniques are the same as those above. The main point 
is to show that the intuition and technique discussed above is perfectly general and 
can  be  correctly  applied  to  a  broad  array  of  situations  involving  strategic 
interdependence.  In  fact,  if  you  come  away  with  a  good  intuitive  understanding  of 
the  basic  concepts,  you  will  be  in  very  good  shape  for  most  of  the  remaining 
chapters  –  much  of  which  will  consist  of  applying  these  ideas  to  the  analysis  of 
market and firm structure. 
Let’s first define some notation. The two players are A and B. They may be firms, 
individuals,  or  nations,  as  the  situation  warrants.  Their  strategies  are  represented 
by xA and xB. Strategies may be the choice of advertising, price, or quantity by a firm, 
the  choice  of  how  much  to  spend  on  national  defense  for  a  nation,  or  any  other 
continuous  variable  that  must  be  chosen  in  a  strategically  interdependent 
environment.  We  will  let  π  represent  the  payoffs.  These  may  be  profits  for  firms, 
utility for individuals, or whatever is most appropriate in any particular case. 
The  important  thing  is  that  each  player’s  payoff  is  a  function  of  the  choices  of 
both  players.  So,  player  A’s  payoff  is  denoted  πA(xA,xB)  and  player  B’s  πB(xB,xA).  As 
defined above, we will refer to the partial derivative of a player’s payoff with respect 
to  their  own  strategy as  the  Net Marginal  Benefit,  NMB,  of  their strategy.  That  is, 
the  rate  at  which  their  payoff  increases  with  a  small  increase  in  their  strategy 
choice. The NMB of each player’s strategy is a function of the level of both strategies 
∂π ∂π
‐ that is  A = NMBA ( x A , xB )  and  B = NMBB ( xB , x A ) . 
∂x A ∂xB
Each player increases the level of their strategy as long as their NMB is positive. 
So, to find each players reaction functions, set their NMB equal to 0. Thus, the Nash 
Equilibrium is described by two conditions, 

  246
  NMBA ( x A , xB ) = 0  and  NMBB ( xB , x A ) = 0 .  (13.21) 

Solving those two conditions gives the solutions for each choice in terms of the level 
of the other player’s strategy, 
  x AR ( xB ) and  xBR ( x A )  or  RA ( xB )  and  RB ( x A ) .  (13.22) 

While we are presenting the case of only 2 players, it works the same way with any 
number of players, n. The only difference is that there would be n NMBs to set equal 
to 0, which would give n reaction functions, which would provide n equations in n 
unknowns that could be solved for the solution to the game. 
How  do  we  find  the  slope  of  the  reactions  functions?  That  is,  what  determines 
whether  A  will  increase  or  decrease  xA  when  they  expect  xB  to  be  higher?  We 
described the intuitive arguments above. If an increase in xB increases NMBA, player 
A responds by increasing xA, and the reaction function slopes up. If an increase in xB 
decreases  NMBA,  player  A  responds  by  decreasing  xA,  and  the  reaction  function 
slopes down. 
Lets confirm this mathematically for A (the procedure would be the same for B). 
First, substitute the solution for A’s choice into the rule that NMB is 0 for A’s choice, 
so we write 
  NMBA ( x AR ( xB ) , xB ) = 0 .  (13.23) 

Then, take the derivative of both sides of (13.23) with respect to xB: 
∂NMBA dx AR ∂NMBA
  + = 0 .  (13.24) 
∂x A dxB ∂xB
Intuitively,  changes  in  xB  have  two  effects  on  NMBA  when  xA  has  been  chosen 
optimally.  First,  the  direct  effect  is  the  second  term  in  equation  (13.24).  In  the 
advertising example, B’s advertising increased NMBA if α was negative. If firms were 
choosing  quantities  to  sell  and  the  goods  are  substitutes,  if  B  sold  more,  it  would 
decrease the NMB to A of selling more. Second is the indirect effect. In order to keep 
NMB equal to 0, xA must change to induce a change in NMBA to counter the effect of 
the change in xB on NMBA. This is the first term in equation (13.24). From the chain 
rule,  the  indirect  effect  is  the  derivative  of  NMBA  with  respect  to  xA  times  the 
derivative of  x AR  with respect to xB. 
Equation (13.24) can be rearranged as follows: 
∂NMBA dx AR ∂NMBA
  =−   (13.25) 
∂x A dxB ∂xB
or 
dxAR ∂NMBA ∂xB
  =− .  (13.26) 
dxB ∂NMBA ∂x A

  247
This  says  the  slope  of  the  reaction  function  is  the  opposite  of  the  ratio  of  the 
derivative  of  NMBA  with  respect  to  B’s  strategy  to  the  derivative  of  NMBA  with 
respect to A’s strategy. Diminishing marginal returns implies the effect of xA on NMB 
is negative. In fact, if it were positive, setting NMB equal to 0 would find a minimum 
(a valley) not a maximum (a peak) of A’s profit. The fact that the denominator of the 
right hand side of equation (13.26) is negative cancels the fact that we are looking 
for  the  negative  of  the  ratio.  Thus,  the  sign  of  the  slope  of  the  reaction  function, 
dxA/dxB, is the same as the sign of  ∂NMBA ∂xB . 
So,  mathematically,  if  an  increase  in  xB  increases  NMBA,  A’s  reaction  function 
slopes up, and, vice versa. This is exactly as we argued intuitively and as we showed 
to be true in the advertising example. However, we have now established that it is 
true  in  general.  This  means  we  can  use  knowledge  of  the  effect  of  one  player’s 
strategy on the net marginal benefit of the other player’s strategy to determine the 
shape  of  the  reaction  functions  generally.  We  can  then  use  that  knowledge  to 
analyze the effects of outside factors on the equilibrium outcome. For example, the 
impact of a change in cost on the outcome of the advertising game above. The same 
type  of  analysis  can  be  made  whether  the  players  are  choosing  prices,  quantities, 
advertising, or, some other variable. 
We  can  also  use  this  to  determine  how  a  game  will  change  when  one  player 
moves first. Suppose player B moves first. Since B moves first, they can count on A 
responding optimally at the second stage. We can therefore substitute A’s reaction 
function into B’s payoff, to get πB(xB,xA(xB)). Maximizing this gives 
dπ B ∂π B ∂π B dx A
  = + = 0 .  (13.27) 
dxB ∂xB ∂x A dxB
In  equation  (13.27),  player  B  takes  account  of  the  direct  effect  of  their  choice  on 
their product and also the indirect effect of their choice on their opponents ensuing 
choice and the effect of that choice on their profit. 
If an increase in xA decreases B’s payoff, then B wants to encourage A to select a 
lower level of xA. If the reaction functions slope up, B chooses a lower level of xB to 
induce A to choose a lower xA. This was the case with the advertising example. If the 
reaction functions slope down, B chooses a higher level of xB to induce A to choose a 
lower xA. For example, if x is a choice of quantity, B wants A to produce less, so, B 
would produce more when they move first. 
The other possibility is that an increase in xA increases B’s payoff, in which case 
B wants to encourage A to select a higher level of xA. If the reaction functions slope 
up, B chooses a higher level of xB to induce A to choose a higher xA. This is the case if 
x  is  price  and  the  two  players  sell  substitute  goods.  To  get  the  second  mover  to 
charge  a  higher  price,  the  first  mover  chooses  a  higher  price.  If  the  reaction 
functions slope down, B chooses a lower level of xB to induce A to choose a higher 
level of xA. 

  248
Chapter 14 
Repeated Games 
In repeated games, at least one player plays the game more than once. One of the 
more important things about this type of game is that some responses that were not 
rational  in  a  one‐shot  game  may  be  rational  in  a  repeated  game.  Let’s  look  at  a 
scenario  where  two  firms  are  competing  in  an  industry,  and  they  each  have  the 
option to compete hard (low prices and high quantities) or soft (high prices and low 
quantities): 
  David
 
  Hard  Soft 
 
Hard  M: 0  M: 15 
  Mike  D: 0  D: ‐10 
  Soft  M: ‐10  M: 10 
D: 15  D: 10 
 
Looking at the best responses (highlighted) we can see they intersect in the top‐
left cell. This is the standard one‐shot equilibrium, similar to the prisoner’s dilemma. 
However, if there were some way for Mike and David to cooperate, they could both 
make  a  payoff  of  10  (bottom‐right  cell)  and  be  better  off.  Let’s  suppose  they  both 
knew  that  they  were  going  to  play  the  game  10  times.  Is  it  possible  that  the  two 
might now have an incentive to cooperate by playing soft? That is, might each player 
try to earn and retain the good will of the opposing player by playing soft initially 
and then continuing to play soft as long as the other player does so? 
Ask yourself what would happen the 10th and final time the game is played. At 
this point, both players know it is the last round. There is no longer any reason to 
retain the other player’s good will, since there is no future. Rationally, each player 
would play hard in round 10. If they expect the other to play hard, this is protecting 
themselves.  If  they  thought  for  some  reason  the  other  would  play  soft,  they  make 
more profit playing hard and there is no cost in terms of a loss of future good will. 
Each player should thus predict what the Nash Equilibrium play in the last round 
will be for both players to play Hard. Therefore, knowing this, there is no reason to 
bother maintaining good will in the next to last period either. Thus, they should both 
anticipate  that  equilibrium  play  in  the  next  to  last  period  is  for  both  to  play  hard. 
Knowing that, there is no reason to try to cooperate in the second to last period, and, 
so on and so on. Cooperation unravels from the known final period all the way to 
the first period of the game. In a repeated game with an end period that is known for 
certainty, the Nash Equilibrium of the repeated game is just the Nash Equilibrium of 
the one shot game repeated again and again. 

  249
Infinitely or Indefinitely Repeated Games 
What is the end period is not known with certainty. There are two possibilities 
here. The first is that the game is literally repeated infinitely ‐ it simply never ends. 
The second possibility is that no one knows when the game will end. That is, there is 
some chance the game may end after any period. That probability may represent the 
chance a product becomes obsolete, or a player dies or retires, or that there is some 
major  change  in  the  structure  of  the  market.  We  will  focus  on  the  latter  type  of 
game,  in  which  there  is  some  chance  the  game  will  end  after  any  given  round.  In 
these  types  of  games,  there  may  be  an  incentive  to  maintain  good  will,  since  the 
players don’t know if the game will continue next period or not when choosing their 
strategies. 
We  will  let  f  represent  the  (constant)  probability  that  the  game  ends  after  any 
play, and r represent the interest rate used to discount future payoffs to obtain their 
present value. Since the game could potentially continue forever, there are too many 
strategies  to  define  individually.  Therefore,  we  will  focus  on  a  couple  of  strategies 
that seem particularly reasonable in repeated games. Both are examples of trigger 
strategies  –  strategies  where  an  observed  action  on  the  part  of  your  opponent 
triggers a change in your play in future rounds.  
• Tit for tat: In the first round, play cooperatively. Thereafter play whatever the 
opponent played in the previous round. For example, in the price competition 
game, if Mike were to play soft in period one, and then every round thereafter 
play what David played the round before, Mike would be playing a tit‐for‐tat 
strategy.  In  other  words,  Mike  “pays  back”  David  with  whatever  response 
David gave Mike in the previous play. An important variation is tit for tat with 
forgiveness,  whereby  non‐cooperative  play  is  punished  for  a  while,  but  then 
the player attempts to establish cooperation again. 
• Grim:  In  the  first  period,  play  cooperatively.  Then,  cooperate  as  long  as  your 
competitor  cooperates,  but  as  soon  as  he  stops  cooperating,  you  punish  him 
every  period  thereafter.  Think  of  it  as  rewarding  cooperation  forever,  and 
punishing  non‐cooperation  forever.  We  will  focus  on  this  strategy  because  it 
gives the strongest possible incentives to cooperate. If Grim can’t induce your 
opponent to cooperate with you, nothing can. 
Let’s see if Grim is an equilibrium for our previous game if we assume r=0.1 and 
f=0.12. Note the payoffs for cooperating are 10 (the bottom‐right cell). 
 
  David

    Hard  Soft 
Hard  M: 0  M: 15 
  Mike  D: 0  D: ‐10 
  Soft  M: ‐10  M: 10 
  D: 15  D: 10 

  250
Assume that Mike plays grim. Is it a best response for David to play grim in return? 
If  David  plays  grim,  he  will  get  10  per  round  as  long  as  the  game  goes  on.  His 
expected profit is: 
(0.88) (0.88)2
E (π | grim ) = 10 + 10 + 10 + ...  
(1 + .1) (1 + .1) 2
The first 10 is from the first period and is not discounted. The second 10 he gets 
only if the game continues (with probability 1‐f = 1‐0.12 = 0.88), and if he does get 
the second 10 it has to be discounted back to its present value (dividing by 1+0.1). 
The third 10 only happens if the game continues in both periods (0.88)2 and then is 
discounted back two periods, etc. Thus, in general, the expected profit is 
t t
∞
⎛ 1− f ⎞ ∞
⎛ 0.88 ⎞ ∞
10∑ ⎜ ∑ ∑ ( 0.8) . 
t
⎟ = 10 ⎜ ⎟ = 10
t =0 ⎝ 1 + r ⎠ t = 0 ⎝ 1.1 ⎠ t =0

where t is the time period (round of play). 
∞
To find the value of  ∑ ( 0.8 ) , note that it is simply an infinite geometric series. 
t

t =0

So, we can make use of the following convenient formula (which we will not prove): 
∞
1
∑a 0
t
=
1− a
. 

(The familiar formula for the present value of a perpetuity with a periodic payment 
of  A  beginning  at  time  0  with  interest  rate  r  is  just  a  special  application  of  this 
result.) For our purpose, a=0.8, so: 
∞
1 1
∑ ( 0.8)
t
= = = 5 . 
t =0 1 − 0.8 0.2
So the expected payoff above, in which David plays grim in response to Mike’s play 
of grim boils down to 
t
⎛ 1− f ⎞
∞
10∑ ⎜ ⎟ = 10 ⋅ 5 = 50 . 
t =0 ⎝ 1 + r ⎠

Now let’s consider what would happen if David did not play grim. We will refer 
to this as “cheating”, since David is not cooperating when the other player is trying 
to. If David does not cooperate in the current round, he would play Hard. Matched 
against  Mike’s  play  of  Soft,  David  would  earn  a  payoff  of  $15.  However,  thereafter 
Mike would play Hard, since his strategy is grim. David’s best play in all later rounds 
is Hard. Therefore, in all subsequent periods, David’s payoff will be 0. Then, David’s 
expected profit from the time he cheats going forward is 

⎛ 1 − .12 ⎞ ⎛ 1 − .12 ⎞
1 2

  E (π | cheat ) = 15 + ⎜ ⎟ 0+⎜ ⎟ 0+ = 15 . 
⎝ 1 + .1 ⎠ ⎝ 1 + .1 ⎠

  251
Since 50>15, David would rather play grim and “cooperate” each round by playing 
Soft  until  Mike  fails  to  play  Soft,  rather  than  “cheat”  at  some  point  and  play  Hard. 
Since it is in David’s interest to play grim in response to Mike’s play of grim, we can 
conclude it would also be in Mike’s interest to play grim in response to David’s play 
of grim, because the game is symmetric. Thus, both players playing grim constitutes 
a Nash Equilibrium in the infinitely (or indefinitely) repeated game. 
Since playing grim is an equilibrium in this game (in other words, playing grim is 
a  best  response  to  playing  grim),  cooperation  is  possible.  Note  that  this  doesn’t 
mean that non‐cooperation isn’t also possible. Since non‐cooperation (both playing 
hard)  was  our  original  Nash  equilibrium  when  viewing  this  as  a  one‐shot  game, 
playing  hard  forever  is  also  an  equilibrium  in  a  repeated  game.  The  fact  that  it  is 
repeated  doesn’t  eliminate  the  original  equilibrium;  it  just  adds  new  potential 
equilibria.  In  any  repeated  game,  repeating  the  one‐shot  equilibrium  play  each 
round is always an equilibrium. 
To generalize the above example, let’s define some notation: 
• πCOOP: this is one‐period payoff when both players cooperate 
• πNE: this is the payoff from the one‐shot Nash equilibrium of the game 
• πCHEAT: this is the one‐period payoff when one player exploits the other; note, 
the  “non‐cheating”  player  must  be  cooperating  in  expectation  that  the 
“cheating” player will also cooperate 
Assume there are two players, A and  B. Assume one player plays grim. Is it a best 
response  for  the  other  to  play  grim  as  well?  The  expected  payoff  of  grim  against 
grim is: 
⎛ 1− f ⎞ ⎛ 1− f ⎞
E (π | grim) = πCOOP + ⎜ ⎟ πCOOP + ⎜ ⎟ πCOOP +
⎝ 1+ r ⎠ ⎝ 1+ r ⎠
  t
. 
∞
⎛ 1− f ⎞
E (π | grim) = πCOOP ∑ ⎜ ⎟
t =0 ⎝ 1 + r ⎠

Using  the  formula  for the  value  of  an  infinite  geometric series,  we  can  simplify 
the above summation. For our purpose, first note 
⎛ 1− f ⎞
a=⎜ ⎟ . 
⎝ 1+ r ⎠
Then, 
1 1 1 1 1+ r
  = = = = . 
1− a ⎛ 1 − f ⎞ ⎛ 1 + r 1− f ⎞ ⎛ 1 + r −1+ f ⎞ r + f
1− ⎜ ⎟ ⎜ − ⎟ ⎜ ⎟
⎝ 1+ r ⎠ ⎝ 1+ r 1+ r ⎠ ⎝ 1+ r ⎠
So,  to  convert  a  flow  of  uncertain  future  payments  starting  immediately  to  its 
1+ r
present  value,  multiply  by  .  Suppose  instead  the  payment  starts  one  period 
r+ f

  252
from now (either at the end of the current period or the beginning of the next), we 
simply subtract one from this, to capture the fact that there is no current payment. 
1+ r 1 + r − (r + f ) 1 − f
That yields  −1 = = . So, to convert a flow of uncertain future 
r+ f r+ f r+ f
1− f
payments starting in one period to its present value, multiply by  . Note that if 
r+ f
f=0, this gives the well known multiplier to find the value of a perpetuity, 1/r. 
Returning to the problem at hand, we have: 
⎛ 1+ r ⎞
  E (π | grim) = πCOOP ⎜ ⎟ . 
⎝r+ f ⎠
This  expression  is  just  the  expected  present  value  from  playing  grim  against  grim 
and cooperating forever. It will be soon be useful to not that we could also express 
this as: 
⎛ 1− f ⎞
  E (π | grim) = πCOOP + πCOOP ⎜ ⎟ . 
⎝r+ f ⎠
This  latter  expression  simply  breaks  the  expected  present  value  into  the  initial 
payoff plus the expected present value of the uncertain perpetuity beginning in one 
period. 
Now let’s look at the expected value from cheating, evaluated from the period at 
which the player cheats going forward. Remember, the player that cheats gets one 
period  of  πCHEAT  followed  by  the  one‐shot  Nash  equilibrium  forever  when  playing 
against grim. 

⎛ 1− f ⎛ 1− f ⎞
2
⎞
  E (π | cheat ) = πCHEAT + ⎜ ⎟ π NE + ⎜ ⎟ π NE + . 
⎝ 1+ r ⎠ ⎝ 1+ r ⎠
The payoff is the profit of “cheating” plus the expected present value of receiving 
the one shot Nash equilibrium profit beginning one period out and continuing until 
the game ends. This is just: 
t
∞
⎛ 1− f ⎞
  E (π | cheat ) = πCHEAT + π NE ∑ ⎜ ⎟ . 
t =1 ⎝ 1 + r ⎠

Making  use  of  the  fact  that  the  expected  present  value  of  an  uncertain  perpetuity 
1− f
beginning in one period is found by multiplying by  , this can be written as: 
r+ f
⎛ 1− f ⎞
  E (π | cheat ) = πCHEAT + ⎜ ⎟ π NE . 
⎝r+ f ⎠

  253
 Cooperation  in  a  repeated  game  is  possible  if  the  expected  present  value  of 
playing grim in response to grim exceeds the expected present value of “cheating”, 
that is if E(grim) > E(cheat). From the work above, this is: 
⎛ 1− f ⎞ ⎛ 1− f ⎞
  πCOOP + πCOOP ⎜ ⎟ ≥ πCHEAT + ⎜ ⎟ π NE . 
⎝r+ f ⎠ ⎝r+ f ⎠
Rearranging this equation, we get 
⎛ 1− f ⎞
  (πCHEAT − πCOOP ) ≤ ⎜ ⎟ (πCOOP − π NE ) . 
⎝r+ f ⎠
The left hand side is the current gain from cheating instead of cooperating. The cost 
of  cheating  this  period  is  that  in  all  future  periods  a  cheater  will  get  the  Nash 
equilibrium  profit,  not  the  cooperative  profit.  So,  the  right  side  is  the  expected 
present value of the future profits that are given up by a cheater. So, this inequality 
just  says  that  if  the  expected  present  value  of  the  future  profits  lost  if  the  player 
cheats  at  the  current  play  exceeds  the  current  gain  from  cheating  instead  of 
cooperating, cooperation is a Nash equilibrium. 
Since we’re saying the left‐hand side must be larger for cooperation to be in the 
player’s  self  interest,  several  important  conclusions  follow  from  the  previous 
paragraph. If πCOOP increases, cooperation will be more likely (note (1‐f)/(r+f) is less 
than  one).  Conversely,  if  πCHEAT  increases,  cooperation  will  be  less  likely.  If  r,  the 
interest rate, increases, that means we’re valuing present profits higher relative to 
future  profits,  making  cheating  more  attractive.  If  f,  the  probability  that  the  game 
ends, increases, the future is less valuable, and again it will be harder to cooperate. 
An increase in the number of players makes cooperation more difficult to sustain 
for two reasons. First, the gains to cooperating are likely to fall with the number of 
players. If a cartel makes all the firms act collectively as a monopoly, the profit each 
π
firm  gets  individually  is  (1/n)th  of  the  monopoly  profit,  MONOPOLY .  Thus,  as  n 
n
increases, each firm’s “cooperating” profit decreases, which decreases the incentive 
to cooperate. Second, cooperation hangs on the promise of reward versus threat of 
punishment.  In  the  real  world,  punishment  can  be  much  more  difficult  because  it 
can be hard to detect cheating. If we let c be the cost of monitoring one firm, and n 
be  the  number  of  players,  than  each  player  has  to  monitor  (n‐1)  firms  (since  they 
don’t  have  to  monitor  themselves)  to  make  sure  no  one  is  “cheating.”  Thus,  an 
individual’s monitoring costs are c(n‐1). So, monitoring costs are proportional to n‐1 
while  the  gain  to  cooperating  will  tend  to  be  inversely  proportional  to  n. 
Individually, the gain to cooperating thus falls for two reasons. From the cartel point 
of  view,  The  total  cost  of  monitoring  is  c(n‐1)⋅n  since  there  are  n  firms  each 
incurring  costs  of  c(n‐1).  So,  total  monitoring  costs  increase  with  the  square  of  n, 
and thus can seriously erode the total gain to cooperation in a large cartel. 
If  information  were  free  and  perfect,  monitoring  would  not  be  needed.  If  any 
player’s  profit  deviated  from  what  they  expected  based  on  the  “cooperative” 

  254
agreement,  they  would  know  someone  “cheated”  on  the  agreement.  However, 
monitoring and punishing players can be complicated due to the presence of noise. 
Some things happen in the real world due to random events we have not explicitly 
included in the model. The triggers for punishments in cooperative strategies must 
be observable signals that everyone agrees on. But, noise means that the signal may 
be  received  sometimes  when  cheating  occurs,  and,  it  may  be  received  other  times 
when cheating did not occur. 
In fact, if the cooperative agreement (whether implicit or explicit, like a cartel) 
represents a cooperative Nash equilibrium, then it is in no one’s interest to cheat. In 
that  case,  when  a  signal  is  received  that  indicates  cheating,  the  members  should 
KNOW  that  no  one  cheated.  But,  the  signal  still  triggers  punishment,  even  though 
everyone knows they are punishing even though no one cheated. So, maybe it would 
make sense not to pull the trigger on punishment when the agreed upon signal says 
to  do  so?  While  the  reasoning  may  seem  subtle,  doing  that  would  entirely 
undermine cooperation. If all players believed that everyone believed no one would 
cheat,  and  thus  would  not  punish,  it  becomes  in  everyone’s  interest  to  cheat,  and, 
cooperation  totally  breaks  down.  For  cooperation  to  work,  there  has  to  be  an 
“enforcer” in the group who everyone believes will pull the trigger when the agreed 
upon  signal  arrives,  whether  or  not  anyone  actually  believes  anyone  cheated. 
Otherwise, everyone cheats all the time. 
An  example:  Suppose  OPEC  (the  oil  cartel  –  the  Organization  of  Petroleum 
Exporting Companies) agrees on a new production quota, and expects crude prices 
to  average  $95  per  barrel.  Suppose,  then,  they  actually  observe  average  prices  of 
$75  per  barrel.  Does  that  mean  that  some  members  are  “cheating”  by  producing 
over their quota and thus driving prices down? Or, does it mean that supplies from 
other  producing  nations  are  unexpectedly  high  for  some  unknown  reason,  or,  that 
world oil demand is unexpectedly low? It may not be possible to know the answer 
for certain. Further, to the extent the answer can be determined, it may take a long 
time. By then, if it is due to “cheaters,” they have had a long time to cheat. But, if the 
members start punishing one another, they may be doing so only because demand 
was  lower  than  expected,  not  because  anyone  cheated.  The  “enforcer”  in  OPEC  is 
Saudi Arabia. They are the enforcer due to their large excess capacity. They maintain 
discipline  in  OPEC  because  they  have  the  power  to  flood  the  market  and  reduce 
prices for everyone. That threat is useless unless they are willing to punish everyone 
even if they are not completely sure how much any particular member cheated, and, 
how much the observed price is due to factors outside every members control. 
Noise means it is a good idea to build some “forgiveness” into trigger strategies. 
Perhaps, if everyone cooperates, the average price is expected to be $95. But, since 
there  is  not  certainty,  perhaps  punishment  is  only  triggered  if  average  price  falls 
below $80. Then, after some period of punishment, the strategy should allow for the 
establishment  of  new  targets.  The  occasional  delivery  of  punishment  (for  random 
reasons  in  equilibrium)  ensures  that  no  one  ever  cheats.  The  lower  target  for  the 
trigger reduces the frequency of the punishment, and, the fact that the punishment 
is  limited  in  duration  allows  the  reestablishment  of  cooperation.  But,  all  of  these 

  255
things  make  it  harder  to  punish  cheaters,  and,  because  punishment  is  somewhat 
random,  reduce  the  gains  to  cooperation.  So,  noise  makes  cooperation  harder  to 
sustain. Noise is also related to monitoring costs, in that the noisier the environment 
the  more  expensive  it  may  be  to  collect  useful  (but  imperfect)  signals  on  the 
behavior of other players. 
In summary, cooperation is more likely where there is less noise, fewer players, 
less  probability  of  the  game  ending,  less  profit  from  cheating,  and  lower  interest 
rates. To hold a cartel together, you need all of those things favorable; otherwise, the 
gains from cheating become too large. 
 

Repeated Games with Reputation Effects 
We  are  now  going  to  complicate  a  typical  game  by  considering  reputation  as  a 
factor. Reputation is just what it sounds like – an intangible benefit that influences 
players’  behavior.  Up  to  this  point,  we’ve  assumed  all  players  act  rationally  with 
respect to their payoffs; in other words, players maximize their expected payoff in a 
given  situation.  However,  some  players  may  care  about  other  things,  for  example 
simply  being  honest.  So,  perhaps  there  are  players  out  there  that  will  cooperate  if 
they say they will cooperate. Or, who will enter a market if they say they will. They 
do these things regardless of whether or not it appears to be in their self‐interest at 
the time. Cultural and social references to such behavior are common, for example, 
the following two. 
 

“Recompense injury with justice, and recompense kindness with kindness” 
(Confucious). 
 

“An honest man's word is as good as his bond” (John Ray's English Proverbs, 1670). 
 

We will call players that play in ways like this “crazy.” We don’t mean “crazy” in 
the usual sense. Only in that they do not strictly maximize their payoffs within the 
rules  of  the  game  as  it  is  written.  They  may  simply  care  about  things  we  have not 
included  in  the  model.  That  makes  them  behave  in  ways  our  model  would  not 
predict. 
The presence of a small number of such “crazy” players can completely change 
the way a game is played. A player that everyone thinks is “crazy” in this way can 
change  the  way  others  play,  because  they  do  not  expect  the  “crazy”  player  to  be 
rational.  Therefore,  players  who  are  not  crazy  may  none  the  less  seek  to  gain  a 
reputation as “crazy” to change the way other players play against them. 
Lets look at a very simple example of this first. Consider the following game in 
which two firms engage in price competition. Each strategy is just how competitive 
the firms price their products, with hard being pricing below cost in an attempt to 
undercut their competitor, soft being something like monopoly prices, and, medium 
somewhere in between. 

  256
 Player B 
 
Soft  Medium Hard 
A: 10  A: ‐5  A: ‐10 
Soft 
B: 10  B: 15  B: 0 
Player  A: 15  A: 0  A: ‐5 
A  Medium
B: ‐5  B: 0  B: ‐5 
A: 0  A: ‐5  A: ‐10 
Hard 
B: ‐10  B: ‐5  B: ‐10 
 
Looking  at  their  best  responses  (highlighted),  we  see  both  players  have  a 
dominant strategy to play medium in a one shot game, and thus the one shot Nash 
equilibrium  is  the  middle  cell.  Let’s  assume  that  this  is  a  repeated  game  with  a 
known end period ‐ it ends in time period T. With only rational players, unraveling 
means cooperation is not possible at all with the known end period. However, let us 
allow  for  the  possibility  of  “crazy”  players  in  this  game.  Suppose  there  is  a 
probability of f of a crazy player. For purposes of this game assume a “crazy” player 
plays soft in the first period and continues to do so as long as their competitor has 
played soft in previous rounds. But, if the competitor plays medium or hard in one 
period, the “crazy” player plays hard the following period to punish the competitor. 
After the period in which the punishment is delivered, the “crazy” player will play 
medium forever. 
Can  this  change  the  way  a  rational  player  will  act?  Might  it  be  rational  for  a 
player that is not crazy to mimic the behavior of a crazy player, at least for a while? 
Looking at the end of the game in time period T, all players know the game will be 
over. Thus,  a rational player  will play  their  strongly dominant  strategy  of  medium, 
since even if their competitor were crazy, there isn’t time left for the crazy player to 
punish them. 
What about period T‐1, one period before the final period of the game? Might it 
be in their interest to play soft in period T‐1? Or, are they sure to play medium, in 
which case the cooperation will unravel all the way back to the beginning? 
Consider  the  following  strategy  on  the  part of  sane  players  – in  all  periods  but 
the last, play soft until an opponent plays medium, after which play medium, and, in 
the  last  period,  play  medium.  Suppose  player  A  thinks  B  is  playing  that  strategy  if 
they  are  sane,  but,  there  is  a  chance,  f,  that  B  is  crazy.  Is  it  in  A’s  best  interest  to 
adopt the same strategy as B? Or, will they just play their dominant strategy? 
Lets look at period T‐1. If A plays soft, he gets 10 in period T‐1. Then, in period T, 
if B is crazy, B plays soft, A plays Medium, and, A earns a payoff of 15. But, if B is not 
crazy, they both play medium and both earn 0. Evaluated at period T‐1, the expected 
present value of playing soft in period T‐1 then medium in T, EA(πA|S,M), is then 
f 1− f f
  E (π A | S , M ) = 10 + 15 + 0 = 10 + 15 . 
1+ r 1+ r 1+ r

  257
 The alternative would be to play medium at T‐1. Then, A makes 15 in period T. If 
B is sane, both play medium in period T, and, A makes 0. If B is crazy, B plays hard in 
period  T  and  A  makes  ‐5.  The  expected  payoff,  evaluated  at  period  T‐1,  of  playing 
medium in both remaining periods, EA(πA|M,M), is 
f 1− f f
  E(π A | M, M) = 15 − 5+ 0 = 15 − 5 . 
1+ r 1+ r 1+ r
Now that we have the expected profit for both of A’s strategies, we want to know 
when the first is more profitable than the second. That is, when: 
E(π A | S, M) ≥ E(π A | M, M)
f f
10 + 15 ≥15 − 5
1+ r 1+ r
  f . 
20 ≥ 5
1+ r
1+ r
f ≥
4
If  the  interest  rate  is  low,  f  need  be  only  slightly  larger  than  0.25  for  it  to  be 
worth  playing  soft  in  period  T‐1  to  maintain  the  possibility  of  the  good  will  of  a 
crazy opponent in period T. Similar reasoning means it is worthwhile to play soft in 
all earlier periods, too. The (S,M) strategy essentially boils down to player A acting 
“crazy” up to time period T, the last time period. 
There  are  several  important  things  to  understand  about  the  previous  example. 
First,  we  are  not  saying  it  is  in  player  A’s  best  interest  to  actually  be  “crazy.”  A 
“crazy” player will always play soft if their competitor did, even in the final round. 
We know that it is never rational to play soft in the final round; so what player A is 
considering  is  not  actually  whether  to  become  “crazy,”  but  whether  it  is  worth 
acting  as  if  she  were  “crazy”  to  take  advantage  of  the  value  of  that  reputation. 
Further, actually being “crazy” is not a choice. Rational players may choose to mimic 
crazy ones, at least for a while, to develop a valuable reputation as a cooperator that 
allows them to make $10 every period before the last instead of 0, and, then to have 
a chance at making 15 the last period. 
Another conclusion that follows from this is a reputation only has value as long 
as there is time left in the game to make use of it. The closer to the end of the game 
you  are,  the  less  valuable  a  reputation  becomes.  Finally,  a  rational  player  that  has 
gained a reputation will want to “milk” that reputation in the last period. This means 
that even though it  may be rational for player A to  act “crazy” in all periods up to 
period t, she will “milk” her reputation by playing medium in the final period, period 
t.  This  is  simply  because  it  is  no  longer  beneficial  to  maintain  her  reputation  once 
the game has ended. 
Now that we have considered the case where a reputation as a cooperator may 
be beneficial, let’s look at the case where a reputation as a fighter may be beneficial. 
For this situation, we will use an entry game as an example, but, allow the entrant to 

  258
move first. The entrant can enter or not, then, the incumbent has the option to fight 
or accommodate the entrant. The game tree is shown below: 
 
  Enter  Accommodate
Entrant  Incumbent  E: 10, I: 20 
 
  Fight
No 
  E: 0, I: 40  E: ‐10, I: 10 
 
Using the red lines to eliminate irrational responses, we see that the sub‐game 
perfect  Nash  equilibrium  is  that  the  entrant  enters,  and  the  incumbent 
accommodates.  Now,  just  like  when  we  were  considering  cooperation  in  the 
previous game, we want to know whether or not it is rational for the incumbent to 
act  as  a  fighter.  Suppose  there  is  some  chance,  f,  that  an  entrant  may  encounter  a 
crazy  incumbent  who  always  fights.  Will  a  rational  incumbent  want  to  mimic  the 
crazy one, and, will that deter the entrant? Let’s look at the game again, adding the 
value of that reputation: 
 
  Enter  Accommodate
Entrant  Incumbent  E: 10, I: 20 + VA 
 
  Fight
No 
  E: ‐10, I: 10 + VF 
E: 0, I: 40+VN 
 
Notice the addition of the variables to the incumbent’s payoffs. VF is added to the 
incumbent’s  payoff  when  he  fights.  This  signifies  the  expected  present  value  of 
future  payoffs  if  the  incumbent  fights;  think  of  it  as  the  future  profits  he  earns  by 
keeping other competitors out of the industry. VA is added to the incumbent’s payoff 
when he accommodates. Similarly, it’s the expected present value of future payoffs if 
the  incumbent  accommodates.  Finally,  VN  is  the  expected  present  value  of  future 
profits if the incumbent neither fights nor accommodates because the entrant does 
not enter. 
Before we analyze this game, it’s important to note that the incumbent is playing 
this  game  many  times,  while  the  entrant  is  only  playing  it  once.  This  is  where  the 
incumbent’s  reputation  comes  in  to  play;  he  is  trying  to  value  the  reputation  of 
acting like a fighter versus acting like an accommodator. He will face many entrants, 
and what he does now will impact how they act in the future. Also, you can look at 
fighting in this game similar to acting “crazy” in the last, since fighting isn’t the SPNE. 
The  incumbent  is  deciding  whether  or  not  to  act  “crazy,”  not  whether  or  not  to 
actually become “crazy.” 

  259
 Now let’s ask a question. When is it rational for the incumbent to  fight  (i.e. act 
“crazy”)?  He  fights  when  his  expected  payoff  from  fighting  is  greater  than  his 
expected payoff from accommodating. Looking at his payoffs, we see 
E(π|fight) > E(π|accom) 
10 + VF   >   20 + VA 
VF – VA  >  10 
So  when  the  difference  between  the  value  of  a  reputation  as  a  fighter  and  the 
value of a reputation as an accommodator is greater than 10, the incumbent would 
rather fight. We’re not going to solve this game explicitly, like we did the last. But we 
can make some general observations. 
Imagine that if the incumbent fights off the first entrant, and that that is enough 
to keep all future entrants from entering. What would VF be? Well, the period after 
the  incumbent  fights,  no  more  entrants  will  ever  enter  again.  Thus,  he  will  earn  a 
payoff of 40 forever. Taking into account discounting, the present value of that 40 is 
(40/r). Since that is what he earns due to him fighting in the first round, VF = (40/r).  
Similarly, imagine if the incumbent accommodates the first entrant, and that that 
is  enough  to  show  all  future  entrants that  he  is  an accommodator.  What  would  VA 
be?  After  the  first  period,  future  entrants  will  always  enter,  since  they  know  the 
incumbent  will  always  accommodate.  Since  he  earns  a  payoff  of  20  for 
accommodating,  that  payoff  forever  is  just  (20/r).  Since  that  is  what  he  earns  as  a 
result  of  accommodating  in  the  first  round,  VA  =  (20/r).  So  the  conclusion  we  can 
make about our above inequality, VF  – VA  >   10, is that if the incumbent plays the 
game  a  long  time,  the  left  hand  side  of  the  inequality,  VF  –  VA,  could  approach 
40 − 20 20
= , which clearly exceeds 10. 
r r
Let’s  now  define  g  to  be  the  probability  that  a  “sane”  incumbent  fights; 
remember  that  the  incumbent  is  just  acting  like  a  fighter  in  order  to  secure  that 
reputation. We already solved the inequality that tells us when it is worthwhile to 
fight, so g is just the probability that it holds, or 
Pr(VF – VA > 10) 
Now  let’s  look  at  the  game  from  the  entrant’s  perspective.  When  the  entrant 
decides  upon  entering  or  not  entering,  he  ultimately  wants  to  predict  whether  or 
not the incumbent will fight him. If he does, the entrant will stay out, since his payoff 
would be ‐10. The entrant may be facing one of three types of incumbents ‐ a crazy 
incumbent, a sane one that fights anyway, or, a sane one that will accommodate. The 
total probability of a fight if the incumbent enters is f+g. The entrant stays out if 
E(π|Enter) < 0 
(1‐(f+g))*10 – (f+g)*10 < 0 
10 < 20(f+g) 
0.5 < (f+g) 

  260
which says that if the total chance that the incumbent will fight is greater than 50%, 
the entrant will stay out.  
The following observations are important about reputations in repeated games: 
• It  is  possible  for  g  and  VF  –  VA  to be  high,  even  if  f  is  low,  if  r is  low  and the 
incumbent will play a long time. The intuitive interpretation of this is that an 
incumbent that is playing a long time, who may not be crazy (low f), but who 
values the future a lot (low r), will still fight to secure a reputation as a fighter 
to keep entrants out. 
• A reputation is not valuable if it is “cheap” in the sense that it is easy to come 
by. Remember, to gain the reputation as a fighter, the incumbent had to fight 
occasionally, which cost him payoffs in the period. If the forgone payoffs were 
really  low,  however,  the  entrant  would  know  that  the  incumbent  could  get 
back that reputation at any time, and therefore that the incumbent will not be 
willing to sacrifice much to keep it. 
• The value of a reputation drops as “retirement” nears. The inherent value of a 
reputation  is  in  the  fact  that  it  secures  future  profits.  As  the  remaining  time 
periods of the game dwindle down, the reputation won’t be as valuable to the 
incumbent, and thus it will be less likely that he will try to maintain it. 
 

  261
Chapter 14 Terminology 
The  following  is  a  list  of  terms  that  you  should  know  in  order  to  discuss  and 
apply the material from this chapter. 
Unraveling­ The process of starting at the end of a finite game to see how players 
will act. Because players know when the final stage of the game will occur, they will 
have no incentive to cooperate in that stage, and thus the penultimate stage, and so 
on until the first round. 
Probability of Obsolescence­ The probability that the game will end after any play. 
As this probability increases, cooperation becomes less likely to occur. 
Trigger Strategy­ Strategy in which a player acts a certain way until the opponent 
acts differently, at which point the player changes his behavior. 
Tit for Tat Strategy­ Trigger strategy in which a player does anything his opponent 
did in the previous period. 
Grim Trigger Strategy­ Strategy in which the players play cooperatively in the first 
period, but as soon as one player stops cooperating, the other punishes him every 
period thereafter. 
Monitoring Cost­ The cost of enforcing and punishing players for not cooperating. 
As this cost increases, cooperation becomes less likely to occur. 
Noise­ The sheer randomness in the real world that cannot be modeled but can 
affect outcomes. As the level of noise increases, cooperation becomes less likely to 
occur. 
Cartel­ A cooperative and informal agreement between two or more firms, usually 
in an oligopolistic industry. 
Reputation­ An intangible benefit that influences other players’ behavior. Certain 
players may forgo the highest payoff today in order to secure a reputation for the 
future. 
Crazy Player­ A player who is not maximizing his current possible payoff. This 
could be because of the value of having a reputation. 

  262
 
 
 
Part 5 
 
Product Market Structure, 
Strategy, and Analysis 
 

  263
Chapter 15 
Homogenous Product Markets 
When  talking  about  market  structure,  firms  usually  fall  somewhere  along  a 
spectrum  that  describes  how  competitive  their  industry  is.  At  one  end  is  a 
monopoly,  which  consists  of  a  single  firm  that  faces  no  competition,  and  has 
complete control over the market price. At the other end is perfect competition, in 
which  there  are  many  firms,  and  each  individual  firm  has  no  control  over  price 
levels;  they  are  price  takers,  as  described  earlier  in  the  course.  Firms  that  are 
engaging in perfect competition have no strategic decisions to make, since they take 
their price from the market; nothing they do will have any significant impact on the 
other firms in the market. 
An oligopoly falls somewhere in the middle of the spectrum. An industry that is 
an  oligopoly  consists  of  at  least  two  firms,  each  having  significant  market  share. 
Since there are a relatively small number of large players, the managerial decisions 
that  each  firm  makes  have  a  significant  impact  on  the  demand  that  other  firms 
experience.  It  is  a  market  in  which  game  theory  can  be  used  to  help  predict  how 
firms will act, since all of the firms are strategically connected. 
Before  talking  more  about  an 
p MC 
oligopoly,  let’s  illustrate  a  typical 
monopoly  on  a  graph.  Demand  is  D  pMON
and  marginal  revenue  is  MR.  AC 
Remember,  MR<p  since  you  have  to  π
lower  price  to  sell  one  more  unit,  so 
D
the  MR  curve  will  be  less  then  the  D  ACMON 
curve.  The  red  lines  are  marginal 
MR 
cost  (MC)  and  average  cost  (AC).  MC 
must cross AC where the AC line is at  QMON  Q
a  minimum,  because  a  higher 
marginal cost will pull average cost up, and a lower marginal cost will pull average 
cost down. 
A monopoly will maximize profit where MR=MC, shown by pMON and QMON. The 
profit is just total revenue minus total cost. The AC curve tells us the average cost of 
each unit, so the profit is just the area above ACMON and below PMON, shown by the 
blue box in the graph. 
In the free market system, when a firm is making profit, other firms are bound to 
enter.  This  will  happen  unless  there  are  barriers  to  entry.  These  could  be  legal 
barriers, such as regulations or patents; or they could be due to sheer economies of 
scale,  such  as  one  firm  always  being  able  to  produce  a  given  output  more  cheaply 
than two firms could. Unless there are barriers to entry, profits will attract entrants. 
(Note: monopoly rights don’t necessarily guarantee profits if, for example, you had 
monopoly rights to produce VHS tapes or some other obsolete product). 

  264
Bertrand (Price) Competition with Homogenous Products 
Now  let’s  imagine  we  have  two  players,  A  and  B,  that  are  engaging  in  price 
competition.  Assume  these  two  firms  make  and  sell  homogenous  products;  that 
is, assume that they are selling the same thing, and the only difference is the price 
they charge. Therefore, the customer base is indifferent between their products and 
will  just  buy  from  whichever  firm  has  the  lower  price.  Next,  assume  both  players 
announce  their  price  simultaneously,  and  the  firm  with  the  lowest  price  meets 
whatever level of demand they encounter at that price. If they announce the same 
price, they split the market evenly. Finally, assume c is the constant per unit cost for 
both firms, and ε is the smallest increment by which price can be changed. 
To  determine  the  Nash  equilibrium  of  this  game,  let’s  look  at  player  A’s  best 
responses. (Since the game is symmetric, these mirror player B’s best responses.) 
If player B sets a price of pB, as long as pB>c+ε, player A will set a price of pA=pB‐ε 
in order to undercut player B and get the whole market. 
If  pB=c+ε,  player  A  won’t  want  to  undercut  player  B  anymore,  since  doing  so 
would cause pA=c, which means player A is earning just enough to cover costs and 
thus  not  earning  profit.  Therefore,  if  pB=c+ε,  player  A  will  set  the  same  price  at 
pA=c+ε, and they will earn a profit of ε per unit, and split the market evenly. 
If pB=c, player A doesn’t really care what price it sets, since setting it at c would 
mean 0 profit, and setting it above would not get any market share. 
Just as when we were looking at game theory tables, we want to know where the 
intersections  of  best  responses  are.  We  can  see  the  only  two  points  where  their 
responses  intersect  are  either  pricing  at  cost,  or  pricing  just  slightly  above  cost. 
Since each firm has the incentive to lower price and capture the entire market, their 
prices will be driven down to the competitive level (unit cost or unit cost plus ε) and 
neither firm will make any significant profit. 
This  result  also  has  applicability  to  a  monopolist  producing  a  highly  durable 
good. Imagine for simplicity that the good lasts forever, such as diamonds, that these 
goods never loose any value, and, that the inflation adjusted interest rate is near 0. 
Suppose consumers expect that the price charged today will be the same as the price 
charged tomorrow. Once the monopolist sets price, everyone willing to buy at that 
price  buys.  When  tomorrow  rolls  around,  if  the  monopolist  wants  to  sell  more,  he 
will have to lower price. The next day he would have to lower price again, and, so on, 
until he was pricing at cost. But the customers today would be able to predict that, 
and  since  it’s  the  same  product  tomorrow  and  the  next  day,  they  would  just  wait. 
Thus, today’s durable goods monopolist faces price competition from his future self, 
and, that competition forces him to sell his product near cost today. 
In  the  previous  example,  we  saw  how  price  competition  can  drive  a  two‐firm 
industry to sell their products at or near cost (or even a durable goods monopolist); 
however, we don’t readily observe this in the real world. This is because we had an 
underlying assumption present in the last two games that typically does not exist. 

  265
 Referring to the first game, we saw that the Nash equilibrium was for each firm 
to produce half of the industry quantity, or Q/2. We also saw that player A had the 
incentive to undercut player B (when pB>c+ε) in order to capture the entire market. 
However, if player A were to capture the entire market, she would need to be able to 
produce  Q  units,  that  means  A’s  capacity  must  be  Q  units.  Similarly,  for  B  to 
undercut  A,  their  capacity  must  be  Q  units,  too.  Capacity  is expensive, and it takes 
lots of labor and time to get factories and workers in place. Why would either player 
ever expend resources to build Q units of capacity when they expect to produce only 
Q/2 units in the Nash equilibrium? Surely the managers would be fired for wasteful 
spending if they built plants twice as large as needed. Therefore, the players will not 
always be able to undercut one another, for lack of capacity. This is true in general; 
price competition doesn’t make sense when dealing with homogenous (or durable) 
products and when the firms must also choose their capacity. 

Simultaneous Homogenous Product Price Competition with Capacity 
Choice 
So, to reasonably model homogenous product oligopoly, we have to include the 
choice of capacity. Remember we said that the only reason a firm would engage in 
price competition with another firm in this industry is if it had excess capacity to do 
so;  but  the  Nash  equilibrium  of  that  game  was  each  firm  splitting  the  market. 
Therefore, no rational player would have excess capacity, since it is costly. We will 
now see that adding capacity limits changes the strategic decisions in this game. 
Let’s  assume  an  inverse  demand  curve  of  p(Q),  which  just  describes  price  as a 
function of market quantity. Let’s let Q be industry quantity, and, allowing for two 
firms A and B, let  
Q = qA + qB 
where qA, qB are player A’s and B’s quantities, respectively.  
We  will  model  price  competition  in  a  homogenous  product  market  as  a  two‐
stage  simultaneous  move  game.  In  the  last  stage,  each  firm  announces  a  price  and 
sells what is demanded at that price, up to its capacity. In the first stage, each firm 
chooses  its  capacity.  Capacity  cost  is  constant  at  k  per  unit  and  operating  cost  is 
constant at c per unit. Letting  q  represent capacity, A’s capacity is  q A  and B’s is  qB . 
In  choosing  capacity,  neither  firm will  have any  incentive  in  this  game  to  build 
significant excess capacity. So, they both expect that total sales in the second period 
will be the sum of the two firm’s capacities, or 
Q = q A + qB . 
Thus, looking ahead from the first stage, they expect that market price will be 
p = p ( q A + qB ) . 

Now, let’s look at player A’s profit function.  
  π = pq – C(q). 

  266
Capacity cost is k qA  and with no excess capacity, operating cost is c qA . Substituting 
p = p ( q A + qB )  for price, this becomes 

  πA = p( qA + qB ) qA  ‐ k qA  ‐ c qA . 

Notice this is the same thing as our normal profit function; the price is the market 
price, which is based on  qA + qB ; the quantity that A sells is  qA ; and player A incurs 
two costs, capacity costs of k per unit (which are just the actual costs of getting the 
plants  up  and  running)  and  operating  costs  of  c  per  unit  (which  are  the  costs  of 
making each unit). This is analyzed just like any game with continuous strategies, as 
described in chapter 10. Player A will choose  qA  based on her best guess about  qB . 
So,  the  game  now  boils  down  to  the  simultaneous  choices  of  capacities.  Since 
capacity  will  ultimately  equal  quantity  sold,  it  is  a  game  in  which  quantities  are 
simultaneously  chosen,  and,  then  ultimately  the  price  is  whatever  level  clears  the 
market.  This  type  of  game  is  known  as  a  Cournot  game.  So,  simultaneous 
homogenous  product  price  (Bertrand)  competition  becomes  simultaneous 
homogenous  product  quantity  (Cournot)  competition  when  the  initial  choice  of 
capacity is modeled. 
 

Simultaneous Quantity (Cournot) Competition 
To  generalize,  we  know  the  amount  firm  A  will  produce  implicitly  depends  on 
capacity,  so  instead  of  writing  qA ,  we  can  simply  say  that  firm  A  will  produce  qA 
units, and it will be understood that this was based on her choice of  qA . Also, we can 
define player A’s total cost in the form of a cost function C(qA). Rewriting her profit 
function with these generalizations, it becomes 
  πA = p(qA+qB)qA – C(qA) 
which says the price determined in the second round is just the price that clears the 
market given total available quantity (capacity). 
Let’s  look  at 
maximizing  this  qB  MCA 
p 
graphically.  Market 
demand  is  shown  by 
p(Q).  Since  A  will 
maximize  profit  based 
on  their  best  guess  p(Q) 
about  what  B  will 
produce,  the  residual  Residual Demand
demand  that  she  faces  MRA 
will  be  the  industry 
demand  minus  the  qA 
amount  B  produces  Q 
(qB),  shown  by  the 

  267
double  arrow.  Since  A  will  produce  where  MR=MC,  qA  is  where  A’s  MR  curve 
intersects her MC. 
We can see given the information above, this problem looks like any other profit 
maximization  question.  The  problem  becomes  a  bit  more  complicated  when  we 
analyze  how  exactly  player  A  makes  her  best  guess  about  the  quantity  that  B  will 
produce. Let’s look at A’s profit function again, and set the derivative equal to 0: 
  πA = p(qA + qB)qA – C(qA) 
dπ A ∂p dC
= p+ q A − A = 0 . (Using the product rule to get marginal revenue.) 
dq A ∂q A dq A
Notice  that  the  term  (dC/dqA)  is  nothing  more  than  A’s  marginal  cost,  or  MCA. 
Now, when we used the product rule to calculate A’s marginal revenue (the first two 
terms of the derivative) we said the derivative of p(qA + qB) was (dp/dqA); we can 
now rewrite this as 
∂p dp ∂Q
  = , 
∂q A dQ ∂q A
since  the  right  side  says  first  how  price  changes  with  respect  to  industry  quantity 
(dp/dQ),  and  then  how  industry  quantity  changes  with  respect  to  A’s  quantity 
(∂Q/∂qA).  This  is  the  same  as  writing  it  as  how  price  changes  with  respect  to  A’s 
quantity  (∂p/∂qA)  as  it  is  on  the  left;  it’s  just  splitting  it  up  into  two  different 
derivatives.  Splitting  it  up  allows  us  to  simplify  it,  however,  because  we  know 
Q=qA+qB which means 
∂Q
  = 1 . 
∂q A
So the equation becomes  
dπ A ∂p dC
  = p+ qA − A = 0  
dq A ∂q A dq A
dπ A dp
  = p+ q A − MC A = 0  
dq A dQ
dp
  p+ q A = MC A . 
dQ
Now, let’s let sA be A’s market share. This is just the share of the total industry 
quantity  that  qA  is;  in  other  words,  sA  =  (qA/Q).  Solving  for  qA  we  get  qA=sAQ  and 
plugging this in to the above equation we get 
dp
  p+ Qs A = MC A . 
dQ
The reason we’ve gone through this mathematical manipulation is to express a 
point  regarding  competition.  In  the  above  equation,  the  left  side  is  marginal 

  268
revenue,  and  the  right  side  is  marginal  cost,  which  we  know  are  equal  if  a  firm  is 
maximizing  profit.  Now  consider  a  firm  in  a  monopoly.  What  is  its  market  share? 
100%, or sMON=1. So the marginal revenue of a monopolist is 
dp
  MRMON = p + Q . 
dQ
We also know a monopolist has to lower price in order to sell another unit. This 
implies (dp/dQ) is negative, and it follows that MR<p. The marginal revenue of firm 
A  in competition with other firms is 
dp
  MRA = p + Qs A  
dQ
and we can see that as the market share of A goes down (i.e. more firms are in the 
industry), sA goes down. For firms in perfect competition, sA approaches 0, and MR 
approaches price. For firms in an oligopoly, sA will be somewhere between 0 and 1. 
Looking back at the solution to player A’s maximization problem 
dp
  p+ q A = MC A  
dQ
remember  that  market  demand  p(Q)  depends  not  only  on  qA  but  also  on  qB;  thus, 
when we solve this equation, we will get qA as a function of qB. This is because player 
A is maximizing her profit given a “best guess” about player B’s quantity. From our 
section on game theory, we described a set of best responses as a reaction function, 
and  this  is  exactly  the  same  thing.  So,  solving  the  above  will  give  us  A’s  reaction 
function which depends on qB, or 
  qA = RA(qB) 
and doing the same for player B will give us 
  qB = RB(qA) 
which is just a function telling player B what to produce for a given “guess” of qA. 
Notice  the  only  difference  between  these  maximization  problems  and  the 
previous ones is that there is now an unknown present that each player has to make 
assumptions  about.  The  theory  of  setting  marginal  revenue  equal  to  marginal  cost 
still  holds,  as  it  always  will;  it’s  just  that  what  marginal  revenue  exactly  is  has 
become slightly more complicated. 

  269
   
Example 
Let’s look at a numerical example, and see how this uncertain variable affects a 
firm’s profits. Suppose cost/unit is $5, and let market demand be P(Q)=20 ‐ .25Q.  
The profit of a monopolist is 
  π MON = (20 − .25Q)Q − 5Q  
Q
  MR = 20 − = 5 = MC    (taking the derivative and setting equal to 0) 
2
Q
  = 15 ⇒ Q = 30  
2
  P = 20 − .25(30) ⇒ P = 12.50  
  π MON = 30(12.50 − 5) = 225  
The profit of a firm in oligopoly (Cournot) is 
  π A = (20 − .25(qA + qB ))qA − 5qA  
  π A = (20 − .25qA − .25qB )qA − 5qA  
dπ A
  = 20 − .25qA − .25qB − .25qA − 5 = 0  
dqA
(To  make  a  point,  refer  back  to  the  graph  of  A’s  residual  market  demand;  it  was 
shifted down by expectations of how much B was going to produce. In this equation, 
the ‐.25qB represents that shift.) 
  20 − .25qB − .5qA = 5  
  15 − .25qB = .5qA  
  qA = RA (qB ) = 30 − .5qB  
(Another  point:  if  A  is  a  monopolist,  B  doesn’t  produce  anything,  so  qB=0  and  qA 
would be 30, the same quantity that our monopolist above produced.) 
Since B’s cost is the same, this game is “symmetric”, so going through the same 
process will yield an identical reaction function: 
  qB = RB (qA ) = 30 − .5qA  

  270
 Now let’s look at a graph of both 
players’ reaction functions. The RA is  qB 
A’s  reaction  function,  and  the  RB  is 
B’s  reaction  function,  while  the  60 
horizontal  axis  is  the  quantity  A  RA 
produces, and the vertical axis is the 
quantity  B  produces.  We  said  if  B 
produces  0,  A  will  want  to  produce  30 
30;  that  is,  why  the  horizontal  qBNE 
intercept  for  A’s  reaction  function  is  RB 
30.  To  find  the  vertical  intercept  for 
A’s  reaction  function,  just  solve  the 
equation  when  qA  =  0.  By  a  similar  qANE  30  60  qA 
process  we  can  find  the  intercepts 
for B’s reaction function. 
Now,  let’s  think  about  the  (only)  equilibrium  of  this  graph.  Suppose  player  A 
thinks player B will produce 30 units. RA tells us what player A’s best response is to 
that quantity; so, follow the dotted green line to see what player A would want to 
produce. However, if A produces this quantity, follow the line again to RB to see what 
player B would want to produce. It is clear that this process will continue until both 
players reach the point of intersection, the green dot. It is at this point where each 
player is making a guess about the other player’s quantity, maximizing their profit 
with respect to that guess, and both players are happy. Looking at the graph we can 
see  that  this  is  the  only  reasonable  solution  to  this  game,  since  it’s  the  only  point 
where the two players’ best responses intersect. 
We  know  we  want  the  point  where  both  lines  intersect,  and  we  have  both 
players’ reaction functions; thus, we can just solve the two functions as a system of 
equations: 
  qA = RA (qB ) = 30 − .5qB     qB = RB (qA ) = 30 − .5qA  
  qA = 30 − .5(30 − .5qA )   (substituting in qB’s reaction function) 
  qA = 15 + .25qA  
  .75qA = 15 ⇒ qA = 20  
(Note:  If  the  game  is  symmetric,  where  the  only  difference  between  the  two 
firms is their names, and there’s only one nash equilibrium, as our game is, you can 
save time by concluding that qA=qB. Thus, after finding player A’s reaction function 
qA=30‐.5qB you could substitute qA for qB and gotten qA=30‐.5qA or 1.5qA=30 which 
gives us the same answer of 20 for each firm. This is handy if you need to save time 
on an exam.) 
Since the game is symmetric, and there’s only one equilibrium, we know qA=qB, 
so qB=20. We can now find industry quantity: 
  Q = qA + qB = 20 + 20 = 40  

  271
and referring back to our market demand curve to determine our price we get 
  P(Q) = 20 − .25Q = 20 − .25(40) = 10  
so player A’s profit is 
  π A = 20(10 − 5) = 100  
and since we know the game is symmetric, πB = 100 as well. Total industry profit is 
  πA + πB = 100 + 100 = 200 
Notice  that  the  total  industry  profit  is  200  with  competition,  whereas  the  total 
industry  profit  in  the  case  of  a  monopolist  was  225.  This  should  make  intuitive 
sense;  competition  drives  down  profits.  This  is  still  higher  than  0  profit,  however, 
which  was  the  case  when  we  were  considering  price  competition  with  two  firms 
that had unlimited capacity. 
   
 
Now,  let’s  generalize  the  graph 
qB 
of the reaction functions. Just as in 
our  example,  when  player  A 
produces  nothing,  player  B  will  RA 
want  to  produce  the  monopoly 
quantity,  and  if  player  B  produces 
nothing,  player  A  will  want  to  qB
MON 

produce  the  monopoly  quantity.  If 

qBNE 
qA  =  monopoly  quantity,  we  know 
RB 
MR<P since A would have to lower 
price to sell another unit; however, 
a  monopolist  that  is  maximizing  qANE  qAMON  qA 
profit  has  set  MR=MC,  so  this 
implies MC<P. Knowing this, player 
B  will  want  to  produce  some  positive  quantity  since  he  can  sell  for  a  higher  price 
than  his  marginal  cost.  This  implies  B’s  reaction  function  will  be  positive  when 
qA=monopoly  quantity,  indicating  he  will  want  to  produce  some  amount  less  than 
the  monopoly  quantity,  but  greater  than  0.  This  concept  is  indeed  why  players 
engaging  in  Cournot  competition  face  downward  sloping  reaction  functions  as 
shown  above,  and  why  the  shape  of  their  functions  is  the  same  regardless  of 
particular numbers, linear vs. non‐linear demand, etc. 
Now  that  we  have  a  framework  for  how  oligopolies  interact,  we  can  see  how 
managerial decisions will strategically impact an industry. One way to increase the 
value  of  your  firm  is  to  reduce  cost.  Let’s  suppose  player  B  invests  in  some 
technology that reduces his marginal cost. How would that impact the game? 

  272
 We  can  look  at  the  graph  of  qB 
the players’ reaction functions to  RA 
find  out.  There  are  two  results 
from  the  reduction  in  marginal 
cost.  Since  B  lowered  his  qB1 
q˜ B1  
marginal  cost,  for  the  initial 
quantity  that  A  was  producing 
(qA0),  B  will  be  able  to  produce  qB0  RB1 
more;  therefore,  his  reaction 
function  will  shift  out.  At  A’s  RB0 
original quantity of qA0, player B  qA1  qA0  qA 
will  now  produce  at  q˜ B1 .  This 
reduction  in  MC  will  increase  B’s 
profits. 
As a result of player B’s increase in quantity, player A will reduce her quantity. 
This is because her residual demand, which is based on how much B produces, will 
fall. This decrease in qA will also increase B’s profits. 
To better interpret these results, let’s first discuss some terminology. Within the 
context  of  Cournot  competition,  we  say  that  quantities  are  “strategic  substitutes”; 
that means that the more player A produces, the less player B will want to produce. 
It’s basically a fancy way of saying that reaction functions slope down. In a strategic 
sense, A’s quantity substitutes for B’s, and vice versa. 
Knowing this, we see that the effect of a cost reduction in Cournot competition is 
two‐fold. First, player B experiences an increase in profits from the direct effect of 
having a lower marginal cost. This simply means that his cost per unit is lower so he 
is able to produce a higher quantity. Secondly, player B earns higher profits due to 
the strategic effect of having A lower her quantity as a result of player B’s increase 
in  quantity.  Again,  this  goes  back  to  the  fact  that  their  reaction  functions  are 
negatively sloped. We see that the strategic effect moves in the same direction as the 
direct  effect,  and  both  of  them  increase  B’s  profits.  Thus,  the  advantage  of  a  cost 
reduction is magnified in Cournot competition. 
Another way a firm could increase profits is through advertising. The problem 
with  advertising  is  that  it  will  benefit  every  firm;  this  is  because  in  Cournot 
competition,  all  products  are  identical.  For  example,  if  an  orange  juice  producer 
buys  advertising  for  orange  juice,  the  market  demand  for  all  orange  juice  will 
increase,  and  since  all  products  are  the  same,  every  orange  juice  producer  will 
benefit from the increase in demand. In fact, each firm will benefit relative to their 
market  share  of  the  industry.  This  is  why  in  homogenous  industries,  firms  will 
usually get together and form trade associations to advertise. This way, each firm is 
contributing to the cost of advertising, since each firm benefits. 
Suppose firm A increases advertising. We know this grows A’s demand, so for a 
given  level  of  B’s  output,  A  will  produce  more.  However,  since  the  products  are 

  273
identical,  B’s  level  of  demand  will  grow  by  approximately  the  same  amount.  The 
graph to below illustrates this point. 
As  you  can  see,  both  reaction 
functions  shift  out,  since  each  firm  qB 
wants  to  produce  more  given  the  R
increase in demand. The direct effect  RA0  A1  A ↑ advertising 
of  A’s  increase  in  advertising  is  that 
she experiences greater demand, and 
thus  earns  higher  profits.  However, 
the  strategic  effect  is  that  B  will 
want to produce more due to him also 
RB1 
experiencing  greater  demand;  this 
will cause A to earn lower profits. We  RB0 
see  that  in  the  case  of  advertising 
qA 
with  quantity  competition  and 
homogenous  products,  the  direct 
effect is diluted by the homogenous nature of the products and the direct effect and 
the strategic effect work against each other. 
In  summary,  for  a  firm  in  a  homogenous  product  industry,  capacity  limits 
become very important. For two firms without capacity limits, prices will be driven 
down to cost, and neither firm will make a profit. Firms in a homogenous product 
industry shouldn’t heavily pursue individual advertising, since the spillover effects 
and  the  strategic  effects  decrease  the  benefits  from  advertising.  Instead,  firms 
should try to get into trade associations when advertising to split up costs among all 
the  firms  that  will  benefit  from  it.  When  a  firm  invests  in  technology  to  reduce 
marginal cost, the benefits are magnified since the direct effect and strategic effect 
move  in  the  same  direction.  Thus,  the  most  beneficial  thing  a  firm  can  do  in  a 
homogenous product industry is to cut cost more efficiently than the competition. 
 

First Mover (Stackelberg) Quantity Competition 
Up  to  now,  we  have  assumed  that  player  A  picks  her  quantity  given  her  “best 
guess”  about  player  B’s  quantity,  and  player  B  picks  his  quantity  given  his  “best 
guess”  about  player  A’s  quantity.  Let’s  assume  now  that  this  is  a  sequential  game, 
and that player A picks her quantity first. Remember from our discussion on game 
theory  we  said  this  means  player  A  gets  to  basically  dictate  how  the  game  will  be 
played, because she knows how player B will respond to the quantity she picks. This 
does not necessarily mean A gains and B loses. Player B may be better off by the fact 
that he gets to maximize his profit based on a known quantity for A. Each game is 
different,  and  must  be  analyzed  individually  to  see  whether  there  is  a  first  mover 
advantage or a second mover advantage. 
Since player A moves first, we know player B will set his quantity equal to 
  qB = RB (qA )  

  274
 which intuitively says player B will maximize profit given player A’s quantity of 
qA. Since player A knows this is how player B will respond, she wants to incorporate 
this into her own profit function. Thus, her profit becomes 
  π A = P(qA + qB )qA − C(qA )  
  π A = P(qA + (RB (qA ))qA − C(qA )  
where she has just substituted in B’s reaction function for qB. Maximizing profit: 
dπ A dP ⎛ dRB ⎞
  =P+ ⎜1+ ⎟qA − MCA  
dqA dQ ⎝ dqA ⎠
which  is  the  same  answer  we  got  when  the  players  were  playing  simultaneously 
with the exception of the (dRB/dqA) term. What does this term signify? Intuitively, 
it’s  how  much  player  B  changes  his  quantity  based  on  player  A  producing  1  more 
unit. This is important to understand: we know the players’ reaction functions slope 
downward. This means as player A produces more, player B produces less. Now that 
player A moves first, she knows that after she sets her quantity, player B will set his 
based on what she chose. So, if she increases her quantity by one, it will lower what 
player  B  will  produce  by  some  amount;  this  amount  is  exactly  what  this  new  term 
represents.  
The  reason  this  is  important  is  because  of  the  following.  Say  we  are  in  a 
simultaneous  move  game.  If  player  A  increases  quantity  by  one,  market  quantity 
goes up by one, and price will decrease by some amount. This is because player B 
picks  quantity  at  the  same  time  player  A  does,  and  has  no  time  to  respond  to  the 
increase  in  quantity.  However,  in  this  sequential  move  game,  if  player  A  increases 
quantity by one, B moves second and as such will produce some amount less (due to 
his  negatively‐sloped  reaction  function).  As  a  result,  market  quantity  will  still 
increase, but not by as much due to B’s decrease in quantity. Thus, market price will 
go down by less than it did earlier. Therefore, market price is less sensitive to player 
A’s quantity in a sequential game. Because of this, player A will sell more when she 
is the first mover than when the game is simultaneous. 
 

  275
   
Example 
Let’s  verify  this  using  our  specific  example  from  earlier.  Remember,  constant 
marginal cost is $5, and  P(Q) = 20 − (Q/4) . We also know that  RB = 30 − (qA /2) . So 
⎛ q (30 − (qA /2) ⎞
  π A = ⎜20 − A − ⎟qA − 5qA  
⎝ 4 4 ⎠
⎛ qA qA ⎞
  π A = ⎜20 − 7.5 − + ⎟qA − 5qA  
⎝ 4 8⎠
⎛ q ⎞
  π A = ⎜12.5 − A ⎟qA − 5qA  
⎝ 8⎠
Maximizing:  Total market quantity is 
qA   Q = qA + qB = 30 + 15 = 45  
  MRA = 12.5 − = 5 = MCA  
4 and price is 
q
  7.5 = A ⇒ qA = 30    P (Q) = P (45) = 20 −
45
= 8.75  
4 4
Solving for B’s quantity: 
30
  RB (30) = 30 − = 15  
2
We  can  see  in  the  Cournot  game  each  player  produced  20;  by  moving  first,  A 
produces  more  (30)  which  causes  B  to  produce  less  (15),  but  not  one  for  one,  so 
total industry output has increased from 40 to 45. Since total output has increased, 
price decreased from 10 to 8.75. Looking at their profits we see 
  π A = 30(8.75 − 5) = 112.50 ,  π B = 15(8.75 − 5) = 56.25  

and total industry profit is  π A + π B = 112.50 + 56.25 = 168.75 . 

   
 
Notice in the example that industry profit is down from Cournot competition, but 
player  A’s  profit  is  up.  This  might  be  counter‐intuitive  to  what  we  think  of  as  a 
“competitive market”; it seems that in Cournot competition, where each player has 
50%  of  the  market  share,  the  market  should  be  more  competitive  and  thus  prices 
should  be  closer  to  marginal  cost.  However,  we’ve  just  shown  that  in  Stackelberg 
competition, where one firm has a greater market share than the other, the industry 
has  actually  become  more  competitive,  since  prices  have  decreased  and  thus  are 
closer to marginal cost. The reason is that player A increases quantity by more than 
B decreases quantity, so total output is higher and price is lower. The take‐away is 
that prices and quantities in an industry depend on more than just how many firms 
there are. 

  276
Long­run Equilibrium 
Earlier, we said in the long‐run, if firms are making a profit in an industry, other 
firms tend to enter, until each firm’s profits are 0 unless there are barriers to entry. 
Remember, barriers to entry could be legal, or simply economies of scale. 
Let’s now consider the long‐run implications of a homogenous product industry. 
Consider  the  most  efficient  firm  that  has  not  entered  into  the  market.  Assume  the 
demand  that  is  “left  over”  in  the 
industry  is  dresidual,  and  it  is  the  P LRAC 
demand curve that the firm faces. 
The  firm  has  a  long‐run  average 
cost  that  is  represented  by  the 
LRAC  curve.  Since  there  are 
quantities  along  the  residual  dresidual 
demand curve that have a higher 
price  than  the  LRAC  curve,  the  d’residual 
firm  will  enter,  as  it  can  make  a 
profit.  We  said  that  in  q 
equilibrium,  firms  don’t  make  a  P
profit; the only way for this to be the case is if the residual demand left for a firm is 
always  below  its  LRAC  curve.  Thus,  as  firms  enter,  the  residual  demand  will  shift 
down to d’residual. When a firm faces this demand, we say that it is the marginal firm, 
in that it is just barely willing to enter. Of course, there may be no firm that is exactly 
indifferent to entering. The last firm that actually enters may make a profit, while if 
the next firm in line entered, it would make a loss. 
   
Example 
Let’s  look  at  an  example  using  the  marginal  firm.  Assume,  as  before,  that 
P = 20 − (Q/4)  and the cost function for firm 4 is  C4 (q4 ) = 5q + F  where F is the fixed 
costs.  Now  suppose  that  there  are  n = 4   firms  in  the  industry,  and  that 
q1 + q2 + q3 = 40  in the Nash equilibrium. Will entry occur? If there is profit left in the 
industry, more firms will enter; so, to find out whether this is the case, we need to 
find out firm 4’s profit. 
⎛ 40 q4 ⎞
  π 4 = ⎜20 − − ⎟q4 − 5q4 − F  
⎝ 4 4⎠
⎛ q ⎞
  π 4 = ⎜10 − 4 ⎟q4 − 5q4 − F  
⎝ 4⎠
q4
  MR4 = 10 − = 5 = MC4  
2
  q4 = 10      and      Q = 40 + 10 = 50  
so price is 

  277
 50
  P (Q) = P (50) = 20 − = 7.50  
4
which means firm 4’s profit is 
  π 4 = (7.50 − 5)10 − F ⇒ 25 − F  
So is F > 25, firm 4 will exit, and there are too many firms in the industry. If F < 
25, firm 4 is making a profit, which means entry may occur. Entry won’t necessarily 
occur because there may only be room for four firms. To figure out if the fifth firm 
will  enter,  simply  do  the  above  calculation  and  see  if  he  is  making  a  profit.  If  F  is 
exactly 25, firm 4 is the “marginal” firm and makes 0 profit exactly. 
   
 
Now let’s generalize long‐run oligopoly theory. We know in the long‐run that in a 
given  industry  no  excess  profit  will  be  available;  if  there  were,  more  firms  would 
have entered. Suppose it takes n firms to eliminate all profit potential for additional 
firms  to  make  a  profit.  Firm  (n+1)  firm  will  not  enter  because  they  would  make  a 
loss if they did so. Firm n is the marginal firm if the residual demand left over for 
firm  (n+1)  is  never  be  above  its  long‐run  average  cost  curve.  This  is  illustrated 
below. 
The  demand  that  firm 
n+1 faces is the dresidual,n+1  p
line,  and  its  average  cost  LRACn+1 
curve  is  LRACn+1  curve.  Total Output 
Notice  that  the  price  that 
customers  are  willing  to 
pay  (given  by  dresidual,n+1)  D 
is  never  high  enough  to 
cover  the  firm’s  costs 
(given by LRACn+1), which  dresidual,n+1 
is  consistent  with  long‐
run  theory.  If  the  D  line  q 
gives  the  demand  for  the 
entire market, the horizontal distance shown by the dotted line represents the total 
output of the first n firms. This total output is the Nash equilibrium quantity with n 
firms entering and all other firms not entering. 
Now let’s look at the general mathematics of our long‐run model. Let i be a firm 
in the industry, and let there be i=1, 2, …, n firms with i=1 being the most efficient, 
i=2 being the second‐most efficient, etc. and i=n being the least efficient firm that is 
still in the industry. The profit for a random firm j is 
n
  π j = p(∑ qi )q j − C j (q j ) . 
i =1

  278
 To  clarify,  ∑qi  is  simply  the  total  industry  output  Q.  Then,  if  firm  j  is  in  the 
market, we know 
  MRj = MCj (for all firms in the market) 
since  they  are  maximizing  profit.  We  also  know  that  for  firm  n,  which  is  the  least 
efficient firm that is in the market,  
πn ≈ 0 
since  it  is  the  marginal  firm.  Another  way  of  saying  this  is  that  the  marginal  firm 
barely breaks even. How precisely this holds, however, also depends on the degree 
of economies of scale and the details of input markets and firm structure market. If 
economies of scale are significant, and say only two firms can enter before a third 
firm  drives  profits  below  0,  the  two  firms  may  make  a  profit  greater  than  0;  if 
economies of scale are small, though, and there are 25 firms, firm n’s profit will be 
close to 0. 
Finally,  since  we  know  that  firm  n  is  making  approximately  0  profit,  this  last 
equation  can  be  stated  as  p ≈ LRACn .  The  two  conditions  that  define  long  run 
equilibrium in an industry are then: 
1) MRj = MCj (for all n firms in the market) 
and 
2)  p ≈ LRACn . 
Another important observation follows. We know MRj = MCj is the same as 
dp
  p+ Qs j = MC j  
dQ
and  as  s  (the  market  share)  goes  to  0  (i.e.  the  number  of  firms  in  the  industry 
increases),  p  approaches  MC.  Since  p ≈ LRACn   in  long‐run  equilibrium,  that  must 
mean MC approaches LRAC for the marginal firm as more and more firms fit in the 
industry.  In  other  words,  as  economies  of  scale  become  smaller,  the  industry 
equilibrium  becomes  closer  and  closer  to  one  in  which  firms  are  producing  and 
pricing at minimum LRAC. 

  279
Chapter 15 Terminology 
The  following  is  a  list  of  terms  that  you  should  know  in  order  to  discuss  and 
apply the material from this chapter. 
Oligopoly­ A type of firm structure with at least two firms, each having significant 
market share. Since there is a relatively small amount of big players, the managerial 
decisions that each firm makes have an impact on the demand that other firms 
experience. 
Monopoly­ A type of firm structure with a single firm that faces no competition and 
has complete autonomous control over setting prices and production levels. 
Perfect Competition­ A type of firm structure with many firms where each 
individual firm has no control over price levels; they are price takers. These firms 
have no strategic decisions to make, since they take their price from the market. 
Nothing they do will have any impact on the other firms in the market. 
Barriers to Entry­ Obstacles faced by potential entrants to a market. These could 
include legal barriers, such as regulations or patents, or economies of scale allowing 
the current firm being able to produce a given output more cheaply than two firms 
could. 
Homogenous Products­ Products that are identical, making price competition 
fierce. 
Homogenous Product Bertrand Competition­ A model that shows the fierceness 
of price competition. It represents two firms competing in price, producing 
homogenous products, and sharing the same marginal cost in which the price they 
charge will be driven down to the competitive level (at cost) and no profit will be 
made. This model assumes unlimited capacity. 
Durable Good­ A good that lasts a long time. A monopolist selling a durable good 
today would be in competition with himself tomorrow, and so on, until price is 
driven down to cost. 
Cournot Competition­ A model that represents a homogenous product oligopoly in 
which firms have capacity limits and move simultaneously. The firms in this model 
use reaction functions to make decisions on how much to produce. 
Strategic Substitutes­ Within Cournot competition, these are the quantities 
produced by the firms. The more one player produces, the less the other player will 
produce. This means that the firms’ reaction functions slope down because one 
firm’s reaction function is inversely related to the quantity produced by the other 
firm and vice versa. 
Direct Effect­ The benefits experienced by a firm that tries to get ahead of its 
competition by either reducing its marginal cost or increasing its advertising 
expenditure. 

  280
Strategic Effect­ The counteracting or magnifying effect caused by a competitor’s 
reaction to a firm’s decision to reduce marginal cost or increase advertising 
expenditures. 
Stackelberg Competition­ A sequential move model that represents two firms 
competing on quantity in which one firm is the leader and the other is the follower. 
Residual Demand­ Demand left over for the most efficient firm not yet in the 
industry. If this is above its long run average cost curve, the firm will enter. If it is 
below LRAC, it will stay out. 
Marginal Firm­ The firm that is almost efficient enough to enter the market but 
cannot because more efficient firms have already established their place. Thus, the 
residual demand curve for the market is below this firm’s LRAC curve. 

  281
Chapter 16 
Differentiated Product Markets 
In  the  previous  chapter,  we  assumed  products  were  completely  identical,  and 
customers  simply  bought  from  the  cheapest  firm.  In  the  real  world,  however, 
perfectly homogeneous goods rarely exist. Even if two products are identical, their 
location can itself be an aspect of differentiation; consider buying gasoline, and how 
you’d  rather  buy  from  a  convenient  location  all  other  things  equal.  The  fact  that 
products are differentiated means, ultimately, that the effects of price competition 
are dampened; that is, undercutting an opponent won’t take away all of his demand, 
since  there  are  certain  customers  that  strictly  prefer  his  product.  Let’s  look  at  a 
model for products that are identical except for their location; this is called spatial 
differentiation. 
Imagine a city with only one street, with one firm located at each end. There are 
N customers uniformly distributed along the street, and the length of the street is 1 
unit  (miles,  blocks,  kilometers,  whatever).  Let  0  be  the  location  of  firm  A,  and, 
similarly,  let  1  be  the  location  of  firm  B.  Each  customer  is  located  at  some  point  x 
between 0 and 1. This city is represented the figure below. 
 

$ 
v : willingness to pay 
t : transportation cost/unit of distance 
x : location of the customer 
v‐tx
v‐t(1‐x) 
A  B
0  x  1
 
Each  consumer’s  reservation  value  for  the  product  is  v.  Consumers  incur  a 
(round  trip)  transportation  cost  of  t  per  unit  of  distance  traveled.  If  a  consumer 
located at point x (somewhere between 0 and 1) buys from firm A at location 0, they 
have  to  travel  a  one‐way  distance  of  x  to  make  the  purchase.  Thus,  the  value  they 
receive net of transportation cost is v­tx. If they buy from firm B, they have to travel 
1­x  units  of  distance,  and,  the  net  value  they  receive  is  v­t(1­x).  The  net  values 
purchasing from each firm as a function of location (x) are also shown in the figure 
above. These net values (reservation price less transportation costs) represent the 
maximum amount a consumer located at x would be willing to pay  for each firm’s 
product. Willingness to pay declines with distance, due to transportation costs. 

  282
 Consumer surplus is the difference between their willingness to pay and what a 
consumer  actually  pays.  For  a  consumer  located  at  x,  their  surpluses  if  they  buy 
from A or B respectively are: 
  SA = v – tx ‐ pA and 
  SB = v – t(1‐x) ‐ pB. 
Each  consumer  will  buy  from  whichever  firm  offers  them  the  highest  surplus. 
Assuming the firms prices are such that some consumers buy from each, a consumer 
at some location,  x , will be indifferent between the firms. To find this location,  x , 
just equate the surpluses and solve. 
S A = SB
tx + p A = t − tx + pB
2tx = t − p A + pB  
t + pB − p A
x=
2t
This location,  x , defines the point of indifference. Everyone closer to A will buy 
from  A  and  everyone  closer  to  B  will  buy  from  B.  Since  consumers  are  uniformly 
distributed,  and  since  x  represents  the  fraction  of  the  distance  between  0  and  1 
where  x  lies,  x   represents  the  fraction  of  the  N  consumers  that  buy  from  A  and 
(1 − x)  represents the fraction of the N consumers that buy from B. Thus, demands 
are: 
⎛ 1 p − pA ⎞
  q A = Nx = N ⎜ + B ⎟  (16.1) 
⎝2 2t ⎠
and 
⎛ 1 p − pB ⎞
  qB = N (1 − x) = N ⎜ + A ⎟ .  (16.2) 
⎝2 2t ⎠
Looking  at  the  demand  functions,  we  can  make  some  conceptual  connections. 
First,  notice  if  pA=pB,  qA  and  qB  are  N(1/2).  This  should  make  sense  –  if  the  only 
difference  between  firm  A’s  product  and  firm  B’s  product  is  the  location,  and  they 
charge  the  same  price,  each  firm  will  get  the  half  of  the  market  that  is  closest  to 
them. 
Earlier we defined t to be the “transportation costs per unit of distance,” and we 
said  that  this  is  the  only  thing  that  differentiates  the  products.  Now,  however,  we 
can  think  of  geographic  distance  as  a  metaphor  for  any  characteristic  that 
differentiates the products, and we can think of t as a metaphor for how important 
that  product  differentiation  is.  This  means  the  higher  value  that  t  has,  the  more 
differentiation is important, since a customer will lose greater surplus the “further” 
away they are from their ideal product. 
Looking back at our formula we see that this value of t influences the impact of 
the  difference  in  prices  (pB  –  pA).  If  t  is  very  small,  the  effect  on  quantity  of  the 

  283
difference in prices will be magnified (since you will be dividing by a small number). 
This should make sense, since the smaller t is, the more homogenous the products 
are  (the  less  the  difference  matters  to  consumers),  and  thus  the  effects  of  price 
competition are drastic, as they were when we first talked about price competition 
with homogenous products. If t is very large, the effect on quantity of the difference 
in prices will be small. A larger t symbolizes more emphasis on differentiation, and 
like  we  just  showed,  undercutting  will  take  less  of  the  market  away  from  your 
competitor if non‐price differentiation is more important. 
Now let’s model this as a simultaneous play game where firms compete on prices 
and  solve  for  the  Nash  equilibrium.  This  is  known  as  differentiated  product 
Bertrand competition. Assume both firms have an identical constant cost per unit of 
c. Then: 
⎛1 pB − p A ⎞
  π A = ( pA − c ) N ⎜ + ⎟ .  (16.3) 
⎝2 2t ⎠
Maximizing: 
dπ A ⎡ 1 p − pA −1 ⎤
  = N⎢ + B + (pA − c )⎥ = 0   (by the product rule) 
dpA ⎣2 2t 2t ⎦
dπ A ⎡1 p p p c⎤
  = N ⎢ + B − A − A + ⎥ = 0  (simplifying) 
dpA ⎣ 2 2t 2t 2t 2t ⎦
2t
  t + c + pB − 2 p A = 0         (multiplying both sides by  ) 
N
c + t pB
  pA = RA ( pB ) = +       (solving for pA) 
2 2
So maximizing firm A’s profit with respect to price (since now price is what the 
firms are choosing, not quantity) we get a reaction function for A’s best price given a 
“best guess” about what price firm B will charge. Just as in Cournot competition, we 
can graph this reaction function, but instead of modeling responses to estimates of 
quantity, we will be modeling responses to estimates of price. 
 
  pB  RA 
 
RB 
 
  (c+t)/2 
 
  pA 
(c+t)/2 
 

  284
 The stark difference between reaction functions in differentiated product price 
competition compared to quantity competition is that they slope up. This is because 
as  player  A  raises  her  price,  player  B  will  want  to  raise  his  as  well;  remember  in 
Cournot (quantity) competition, as player A raised her quantity, player B wanted to 
lower his quantity. 
The Nash equilibrium is simply where the reaction functions cross, just as it was 
in Cournot competition. We have player A’s reaction function, and since this game is 
symmetric,  we  know  B’s  reaction  function  would  mirror  A’s.  But,  we  can  just  use 
symmetry to solve, since in equilibrium pA=pB. Thus: 
c + t pA
pA = +
2 2
pA c + t
  = .  (16.4) 
2 2
p ANE = pBNE = c + t
Note  that  the  players’  prices  are  the  same  only  because  the  game  is  symmetric. 
Below, the solution is added to the figure. 
 
  pB  RA 
 
  RB 
c+t 
 
(c+t)/2 
 
  pA 
(c+t)/2  c+t 
 
 
We  can  now  see  how  as  t → 0 ,  p NE → c .  Since  we  said  t  can  be  seen  as  a 
metaphor  for  any  characteristic  that  differentiates  player  A’s  product  from  player 
B’s,  this  should  make  sense.  When  t  is  0,  this  (metaphorically)  means  there  is  no 
difference between the two products; thus, price will approach the constant per unit 
cost,  just  as  it  did  when  we  were  examining  price  competition  in  homogenous 
product  industries.  A  conclusion  is  that  price  becomes  higher  than  cost  if  (a)  we 
have  capacity  limits,  like  we  saw  in  Cournot  competition,  or  (b)  we  have 
differentiation, like we’ve seen in Bertrand competition. 
To generalize this concept of differentiation, let’s look at what’s true in general. 
Assume that MCA=cA and MCB=cB. We know that how much A sells depends on how 
much A charges, but also on how much B charges. Thus, qA(pA,pB), and  
  π A = ( p A − cA ) q A ( p A , pB ) . 

  285
Maximizing: 
πA dqA
  = qA + (pA − cA ) = 0 .  (using the product rule) 
dpA dpA
Notice  when  A  maximizes  her  profit,  B’s  price  (potentially)  shows  up  in  two 
places;  since  we  know  qA  is  a  function  of  both  pA  and  pB,  both  A’s  and  B’s  prices 
influence the first qA term, as well as the (dqA/dpA) term. Thus, when you solve this 
equation for A’s price, you will get a reaction function that depends on B’s price, or 
RA(pB). This is true for B’s price as well, in the 
sense that it will be a function of A’s price, or  pB  RA 
RB(pA).  The  graph  of  their  reaction  functions 
will  be  upward  sloping,  as  they  were  in  the 
last  example,  since  whenever  competing  by  pB  RB 
price,  firm  A  will  want  to  respond  to  an 
increase  in  B’s  price  by  increasing  her  own 
price,  at  least  as  long  as  prices  are  below  the 
monopoly  level  (which  they  will  be,  due  to  pA 
competition). 
   
Example 
Assume  qA = 10 − pA + .5 pB ,  qB = 18 − 2 pB + .5 pA   and  that  cA  =  2  and  cB  =  1. 
Solving for A’s reaction function 
  π A = (10 − pA + .5 pB )(pA − 2 ) 
dπ A
  = 10 − pA + .5 pB − pA + 2   (product rule) 
dpA
  2 pA = 12 + .5 pB  
  pA = 6 + .25 pB  
and solving for B’s reaction function 
  π B = (18 − 2 pB + .5 pA )(pB − 1)  
dπ B
  = 18 − 2 pB + .5 pA − 2 pB + 2   (product rule) 
dpB
  4 pB = 20 + .5 pA  
  pB = 5 + .125 pA  
To solve for the Nash equilibrium, find where the reaction functions intersect: 
  pA = 6 + .25 pB     and      pB = 5 + .125 pA  
  pA = 6 + .25 (5 + .125 pA ) 

  286
   pA = 7.25 + .03125 pA  
  pA = 7.48   so  pB = 5 + .125(7.48) = 5.94  
and these are the players’ respective Nash equilibrium prices. 
   

Price (Bertrand) Competition with a First Mover 
First,  it’s  important  to  understand  that  the  first  mover  in  this  game  will  do  at 
least as good for himself as in the Nash equilibrium. The reason for this is because 
the  simultaneous  game  had  a  pure  strategy  equilibrium  where  each  player  played 
their best response to the other. If the first mover sets the same price when they go 
first  that  they  would  have  set  moving  at  the  same  time,  the  second  mover  will 
respond in the same way. So, equilibrium prices and payoffs would be the same. The 
first  mover  has  additional  control  over  how  the  game  will  be  played,  since  he  is 
setting  up  the  stage  for  the  second  mover.  Knowing  how  the  second  mover  will 
respond, the first mover would never set a price that, after the second mover moves, 
would give him less of a profit than he could achieve by choosing the same price as 
chosen in the simultaneous move game. 
Relative  to  the  original  Nash  equilibrium  price,  what  will  the  first  mover  do? 
Remember,  in  the  simultaneous  move  Nash  equilibrium,  both  players  are  on  their 
reaction functions. That means, the net marginal benefit, NMB, of a change in price 
is  0  for  both  players.  (Setting  NMB  equal  to  0  defines  the  reaction  function  with 
continuous strategies.) So, a slight increase or decrease in the first mover’s price has 
no  significant  impact  on  their  profit.  However,  an  increase  in  the  second  mover’s 
price would boost the first mover’s profit. Since the first mover knows the reaction 
functions  slope  up,  they  can  get  the  second  mover  to  charge  a  higher  price  by 
increasing their own price. This boosts the first mover’s profits. 
Since the first mover chooses to increase price, when they did not have too, their 
profits  will  be  higher,  due  to  the  induced  increase  in  the  second  mover’s  price,  as 
compared  to  the  simultaneous  move  game.  The  second  mover,  however,  benefits 
from the increase in the first mover’s price AND gets to choose their price optimally 
in  response.  This  gives  them  an  opportunity  to  raise  their  price  somewhat  but  to 
also  undercut  the  first  mover  relative  to  the  simultaneous  move  game.  Thus,  the 
second mover profits relatively more than the first mover. Therefore, when there is 
a  first  mover,  both  firms  obtain higher  profits,  but  both  firms  would  rather be  the 
second mover than the first. 
In general, if player B is the first mover, his profit will look like the following 
  π B = ( pB − cB ) qB ( pB , RA ( pB ) ) . 
We  substituted  RA ( pB )   for  firm  A’s  price  because,  since  B  moves  first,  B  knows  A 
will  respond  according  to  their  reaction  function,  thus,  when  choosing  their  price, 
the first mover knows that the second mover’s price is dictated by the first mover’s 
choice. Maximizing B’s profit: 

  287
 dπ B ⎡ dq dq dp ⎤
  = qB + (pB − cB )⎢ B + B A ⎥ . 
dpB ⎣ dpB dpA dpB ⎦
Compared  to  the  simultaneous  game,  the  second  term  in  brackets, 
(dqB/dpA)(dpA/dpB),  is  new.  Remember,  B  is  moving  first.  The  new  term  says  that 
player B’s price influences player A’s price through the reaction function (dpA/dpB), 
and  that  player  A’s  price  influences  player  B’s  quantity  (dqB/dpA).  Intuitively,  this 
term  is  saying  that  as  player  B  moves  first,  he  knows  what  price  he  charges  will 
affect what price A charges, which in turn will affect what quantity B sells. 
 
   
Example 
From  our  earlier  example  qB = 18 − 2 pB + 0.5 p A   and  cB = qB .  We  also  found  player 
A’s reaction function to be  RA = 6 + 0.25 pB . Find the equilibrium prices assuming B 
moves first. 

  π B = ⎡⎣18 − 2 pB + .5 (6 + pB / 4 )⎤⎦ (pB − 1) 

dπ B p ⎛ 1⎞
  = 18 − 2 pB + 3 + B + ⎜ −2 + ⎟ ( pB − 1) = 0   (using the product rule) 
dpB 8 ⎝ 8⎠
7 7 7
  21 − 1 pB − 1 pB + 1 = 0  
8 8 8
  pB = 6.10 > 5.94  
Player B indeed raises his price from 5.94 to 6.10 when he is the first mover. To find 
player A’s price, use her reaction function: 
  RA = 6 + 6.10 / 4 = 7.53 > 7.48 . 
Player A raises her price as well. But, it took a relatively large increase in B’s price to 
induce  a  relatively  small  change  in  A’s  price.  If  we  were  to  plug  these  prices  back 
into the players’ profit functions, we would see that both players’ profits increased, 
but, A’s increased relatively more. The reader should verify that for themselves. 
   
 

Incentives for Cost Reduction 
Let’s  see  how  a  cost  reduction  by  one  player  affects  price  competition  in  a 
differentiated  product  market.  Recall  that  players  competing  in  Bertrand 
(differentiated)  markets  face  upward  sloping  reaction  functions.  Let’s  see  what 
happens  if  player  A  invests  in  some  technology  to  reduce  her  marginal  cost.  The 
changes are depicted in the two figures below. 

  288
  

pA  MCA
RA’  RA 
pB
MCA’
pA0ne 
pA’  RB 

pA1ne 
pB0ne 
MRA  DA pB1ne 
MRA’  DA’ 

qA pA0ne  pA
pA1ne 
pA’
 
Initially, from the left panel of the figure we see player A wants to charge a lower 
price  (from  pA0ne  to  pA’)  since  her  MR  equals  her  MC  at  a  higher  quantity.  Since 
player A now wants to charge a lower price regardless of what price B charges, her 
reaction function RA will shift left (remember, A’s price is on the horizontal axis, so 
for her price to decrease, the reaction function must shift left). If player B were not 
to respond to this new reaction function, and were to continue charging pB0ne, player 
A would be content charging pA’. However, since player B is rational, he will react to 
A’s  lower  price  by  charging  a  lower  price  himself,  moving  along  his  reaction 
function. Because of this strategic effect, player A will in turn lower her price even 
more. The new Nash equilibrium prices are pA1ne and pB1ne. 
There  are  a  few  things  going  on  here.  The  direct  effect  of  player  A’s  cost 
reduction  is  a  decrease  in  A’s  price  and  an  increase  in  A’s  profits.  Since  player  A 
lowered her price, player B loses some market share; as a result, he will lower his 
price to get some back (just as his reaction function tells us). This strategic effect 
will take back some of B’s lost market share from A, decreasing A’s profits. The fact 
that the strategic effect moves in the opposite direction of the direct effect in price 
competition  dampens  the  benefits  from  a  cost  reduction.  Recall  that  these  effects 
moved together when firms were competing in quantity (Cournot competition). 
Thus, in Cournot competition, firms wanted to move first to get a bigger share of 
the market and had greater incentives to invest in cost reductions, as the strategic 
effect  enhanced  the  direct  effect.  In  Bertrand  competition,  firms  want  to  move 
second  to  raise  price  while  undercutting  their  competitor,  and  they  have  less 
incentive  to  engage  in  cost  reduction  as  the  strategic  effect  lessens  the  gains  from 
the direct effect. Now let’s consider advertising. 

  289
Advertising 
When  firms  were  competing  in  a  homogenous  industry,  advertising  only  made 
sense if all of the firms were involved in the cost. This is due to the spillover effects 
of advertising for identical products. In differentiated markets, however, firms have 
a greater incentive to advertise since spillover effects are lessened. 
We can classify two different types of advertising as follows. First is informative 
advertising.  Imagine  the  following  is  the  distribution  of  potential  customers  for  a 
certain type of product. How far along the line you are represents your preference 
for a certain characteristic (location to product, sweetness of cola, etc…). 
 
 
 
 
  B A
Imagine firm A and B are located as above. We know customers who are “closer” 
to either firm will buy from that firm assuming equal prices; thus, customers on the 
right side of the dotted line will buy from firm A, and those to the left will buy from 
firm B if prices are equivalent. However, this is assuming that all the customers are 
perfectly informed about where firm A is and where firm B is. If customers weren’t 
aware of firm B’s location, it’s possible those to the left of the dotted line would buy 
from  A,  although  they’d  prefer  to  buy  from  B  if  they  knew  it  existed.  Thus,  firm  B 
may invest in informative advertising to simply inform the potential customers that 
he  exists.  This  kind  of  advertising  is  good  for  society  since  it  simply  informs 
customers.  It  is  also  good  for  managers  because  it  creates  awareness  about  their 
product. 
Next  is  persuasive  advertising.  Assume  we  have  the  same  picture  as  above.  If 
firm  A  were  to  invest  in  persuasive  advertising,  they  would  be  attempting  to  shift 
consumer preferences to be more in favor of A’s product as opposed to B’s product. 
Graphically, this would look like a shift in the curve of potential consumers, shown 
below. 
 
 
 
 
  B A
Now, the group of customers that are closer to A (still to the right of the dotted 
line) is much larger than those closer to group B. This advertising may or may not be 
beneficial  to  society.  If  both  firms  invest  in  persuasive  advertising  and  end  up 

  290
canceling  out  each  other’s  effects,  the  money  has  just  been  wasted.  From  a 
manager’s perspective, though, it becomes a question of maximizing profit. 
If we were to add advertising to the firm’s profit function, it would become 
  π = pq ( p, A) − C ( q( p, A) ) − A  
which means that the quantity that the firm sells now depends both on the price he 
charges, as well as his amount of advertising. So, since there are two variables under 
the firm’s control, maximizing profit requires two partial derivatives: 
∂π
  = 0       and 
∂p
∂π ∂q dC ∂q
  = p* − − 1 = 0 . 
∂A ∂A dq ∂A
This will give us two equations with two unknowns (price and advertising), so 
we  can  solve  for  each  variable.  Looking  at  the  second  derivative,  we  know  the 
derivative of cost with respect to quantity (dC/dq) is marginal cost, so rewriting the 
equation we get 
∂q
  ( p − MC ) = 1 . 
∂A
This  says  the  marginal  benefit  of  advertising  should  equal  its  marginal  cost.  The 
marginal  benefit  of  advertising  is  marginal  profit  per  unit  sold  (p‐MC)  times  how 
many  more  units  you  sell  for  one  more  unit  of  advertising  (∂q/∂A).  The  cost  of 
spending another dollar on advertising is 1. 
A  numerical  example  will  clarify:  suppose  price  is  4  and  MC  is  1,  so  marginal 
profit per unit is 3. If one unit of advertising increases sales by 0.5 units, then 
  ( 4 − 1) ⋅ 0.5 = 3 ⋅ 0.5 = 1.5 > 1 . 
Since the revenue generated from one more unit of advertising (1.5) is greater than 
the cost of one more unit of advertising (1) you should spend more on advertising. 
In other words, the marginal benefit of advertising should equal the marginal cost of 
advertising, or  MBA = MC A . 
If we look at a graph with both firms’ reaction functions on it, we can examine 
the strategic implications of an increase in advertising on the choice of price. This is 
shown  in  the  figure  below.  Say  firm  B  increases  their  advertising  budget;  this  will 
allow him to charge higher prices regardless of the price charged by A, shifting his 
reaction function up. 

  291
 If  B’s  advertising  has  no  direct 
effect  on  A’s  demand,  instead  only  RA’  RA 
effecting it indirectly through changes  pB
RB’ 
in  prices,  in  equilibrium  prices  will 
change  from  p0  to  p1.  However,  B’s 
pB1  RB 
additional  advertising  may  take  a 
pB1’
significant  number  of  customers  from 
A,  lowering  A’s  demand  curve  at  any  pB0 
given  price.  Firm  A  will  respond  by 
lowering  price  (to  maintain  some 
customers)  ‐  A’s  reaction  function 
shifts  to  the  left.  In  this  case,  the  new  pA1’ pA0  pA1  pA
prices are pA1’ and pB1’. 
We  won’t  be  running  through  a  concrete  example  in  which  both  price  and 
advertising  are  chosen  strategically,  primarily  because  the  algebra  becomes  very 
tedious when there are 4 equations to solve for 4 unknowns. But, but it is important 
to remember that when choosing advertising a firm needs to be aware not only of 
the ideal price and advertising level it should choose holding its opponents actions 
constant, but, also of how the firm’s advertising affects demand for its competitors, 
and, that changes in advertising will impact equilibrium prices and vice versa. 

Long Run Equilibrium 
Just  as  in  homogenous  competition,  for  the  long‐run  to  be  in  equilibrium,  the 
marginal firm must not make any profit, or more firms would enter. In other words, 
it  must  be  the  case  that  the  residual  demand  that  the  marginal  firm  faces  never 
reaches  his  long‐run  average  cost 
curve.  The  residual  demand  that  a 
p
firm  in  a  differentiated  industry  may 
at  first  not  seem  analogous  to  a 
LRACn+1
homogenous industry; however, it can 
be  viewed  in  a  similar  way,  since 
differentiated  products  are  still 
substitutes for one another, albeit not 
perfect  substitutes.  The  graph  to  the 
right  illustrates  the  residual  demand  dresidual 
that the faced by the (n+1)th firm if the  q 
market  can  sustain  n  firms  in 
equilibrium. 
Since  the  marginal  firm  doesn’t  make  any  profit  in  the  long‐run,  it  may  be 
tempting to say that in the long‐run, firms that are in the market don’t have to worry 
about strategy – market forces mean profits are driven to zero. This is not the case. 
The reason firms that are in the market must continue to think about strategy and 
good management is they still owe their shareholders a fair rate of return on their 
investment, whatever that is. When we say the marginal firm makes zero profit in 

  292
the  long‐run,  the  profit  we’re  talking  about  is  economic  profit;  that  is,  profit  in 
addition to normal returns. 
Also,  if  an  industry  is  limited  by  economies  of  scale  so  that  it  supports  only 
relatively  few  firms,  strategy  is  important  even  if  the  marginal  firm  makes  zero 
profit. Basically, if there are large economies of scale to entry, and there is only room 
for three or four firms, strategic decisions can help firm two take profits away from 
firm three, for instance. On the other hand, if economics of scale are small, there will 
be  many  small  firms,  and  strategy  is  not  as  important.  The  name  for  this  type  of 
industry  is  “monopolistic  competition.”  However,  since  the  products  are 
differentiated, strategy is still somewhat important “locally” (as opposed to “perfect 
competition”). Imagine two fast‐food restaurants that are across the street from one 
another.  Even  though  their  individual  strategic  decisions  won’t  impact  the  entire 
fast‐food industry that much, they are highly concerned with the decisions that the 
other  is  making  as  they  impact  directly  their  potential  customers.  So,  with 
differentiated products, even if firms are small, a firm’s choices have non‐negligible 
impacts on its “closest” competitors. 

Summary 
Strategies  and  outcomes  vary  greatly  between  homogenous  products  and 
differentiated  products  and  between  quantity  competition  and  price  competition. 
With  identical  products,  since  firms  will  not  build  lots  of  excess  capacity  unless 
there is a specific reason, competition tends to be about quantity and capacity, not 
about price directly. That means cost management is important, advertising less so, 
and,  there  is  a  first  mover  advantage.  As  soon  as  there  is  some  aspect  of 
differentiation between the products, it is possible for competition to be about price, 
not  just  capacity.  With  differentiated  products  and  price  competition,  reaction 
functions slope up. Cost management, while important, is less important than with 
quantity  competition.  Advertising  now  becomes  an  important  strategic 
consideration.  And,  it  is  better  to  move  second  than  first,  though  moving  first  still 
beats  moving  simultaneously  –  firms  had  an  incentive  to  be  the  second  mover  to 
exploit the first mover’s posted price. 
It  is  possible  to  have  quantity  competition  with  differentiated  products.  This 
kind  of  model  is  especially  important  in  cases  where  lead  times  in  production  are 
significant and when the degree of substitutability is high, though not perfect. Then 
strategic  decisions  are  more  about  capacity  than  price.  But,  the  imperfect 
substitutability means there is room for advertising and that the strategic effects of 
cost management alone are not as large as they would be for identical products. 
Ultimately,  it’s  a  question  of  how  differentiated  a  product  really  is.  The  more 
homogenous a product, the greater the incentive to move first and capture a larger 
market  share,  the  more  important  cost  management,  the  more  likely  capacity  has 
major  strategic  implications,  and  the  less  important  individual  advertising.  The 
more  differentiated  a  product,  the  less  important  capacity  and  cost  management 
become, and, the more important individual advertising becomes. 

  293
Chapter 16 Terminology 
The  following  is  a  list  of  terms  that  you  should  know  in  order  to  discuss  and 
apply the material from this chapter. 
 
Differentiated Products­ Products that are not identical, making price competition 
less fierce because factors other than price are important. 
Transportation Cost­ A metaphor for any characteristic that differentiates 
products. A higher transportation cost means an increased importance in product 
differentiation since the customer will lose greater surplus the farther away they are 
from their ideal product. 
Consumer Surplus­ The benefit received by consumers who can buy a product for 
less than their willingness to pay for it. 
Differentiated Product Bertrand Competition­ A model that shows how fierce 
price competition can be dampened by the presence of other factors. Reaction 
functions slope up because the price charged by one firm is directly related to the 
price charged by the other firm. 
Informative Advertising­ A new firm’s advertising meant to let customers know of 
its product. This type of advertising is good for society since it simply informs 
customers. 
Persuasive Advertising­ A firm’s advertising meant to change the consumers’ 
preferences to be more in favor of its product as opposed to a competitor’s product. 
If both firms engage in this type of advertising, their effects cancel each other out, 
wasting money. 
Product Positioning­ Occurs when a firm introduces a new product, similar to its 
other products, taking advantage of a vulnerable niche in the market. Even though 
the firm is losing profit, taking demand away from its existing products 
(cannibalization), it may be beneficial in preempting another firm’s entry, increasing 
profit in the long run. 

  294
Chapter 17 
Perfect Competition 
In the long‐run in an industry producing a reasonably homogenous product, the 
strategic  effects  of  the  decisions  of  individual  firms  become  trivial  if  economies  of 
scale  are  so  small  that  “many”  firms  must  enter  the  industry  before  profits  are 
eliminated.  Think  of  the  global  market  for  wheat;  a  single  Kansas  wheat  farmer’s 
strategies have insignificant effects on what a European farmer decides to do. 
We  can  see  this  directly  from  an  expression  for  marginal  revenue  derived  in 
chapter 12. Letting s represent an individual firm’s market share, q/Q, the marginal 
revenue for firm i, a firm in a homogenous market, is: 
dp dp
MRi = p + qi = p + Qsi . 
dQ dQ
This says that the revenue a firm generates for selling one more unit is the price 
(p) that it charges, as well as the effect on price that the sale itself has (dp/dQ) times 
how  many  units  the  firm  is  selling.  Every  time  a  firm  sells  another  unit,  it  drives 
down market price (because of the law of demand), which means everyone selling 
output in the market is going to get less revenue. So, the firm selling the extra good 
drives down price a little bit for everyone (including himself), but collects the price 
from the new good he just sold. The effect of the price reduction on all of the other 
products he would have sold is only relevant to the part of the market the firm itself 
owns,  si.  In  other  words,  he’s  only  “losing”  profits  from  the  price  reduction  on  his 
market share (si). 
As the number of firms increases, each firm’s market share decreases, and as si 
approaches  0,  marginal  revenue  approaches  price  (since  the  second  term  in  the 
above equation falls out). If a firm is small enough, they can just ignore the effect of 
their sales on market price when choosing quantity. So, for them, marginal revenue 
and price are the same thing. So, firms that are “small enough” can jut be modeled as 
price takers. For them, setting MR=MC means setting p=MC. 
This  turns  out  also  to  be  the  case  with  differentiated  product  markets  when 
economies of scale and market size allow many firms to enter. This is because even 
though  there  may  be  several  firms  selling  slightly  different  products,  they  are  still 
substitutes  for  one  another.  As  the  product  space  becomes  more  and  more  tightly 
packed with the products of competing firms, every individual consumer finds that 
they  have  increasingly  appealing  substitutes  for  their  preferred  product.  That 
means the demand for any individual firm’s product becomes increasingly elastic as 
more and more firms introduce products. 
Mathematically, we cannot combine all the individual firm’s quantities, q, into a 
total  market  quantity,  Q,  since  the  products  are  not  the  same  thing.  So,  we  cannot 
work from the expression for marginal revenue given above. We can, however, work 

  295
from  an  alternative  expression.  Recall  the  following  expression  for  marginal 
revenue. 
dpi dp q ⎛ 1⎞
MRi = pi + qi = pi + i i pi = pi ⎜1 + ⎟  
dqi dqi pi ⎝ ηi ⎠
As  the  number  of  substitutes  increases,  the  absolute  value  of  customers’ 
elasticity  (η)  increases,  the  ratio  (1/η)  approaches  0,  so  marginal  revenue 
approaches  price.  With  differentiated  products,  as  the  number  of  good  substitutes 
becomes  large,  marginal  revenue  again  becomes  essentially  equal  to  price  and 
MR=MC becomes p=MC. 
The  model  of  perfect  competition,  then,  just  begins  from  the  assumption  that 
firms  are  price­takers  so  that  it  can  analyze  market  outcomes  while  ignoring  the 
intricate  complexities  that  arise  from  strategic  interdependence.  It  is  applicable 
when  differentiation  is  “small  enough”  and  economies  of  scale  are  “small  enough” 
that  the  number  of  firms  in  the  industry  is  “large  enough”  that  the  implications  of 
strategic  interdependence  become  of  only  secondary  importance  when  looking  at 
outcomes for a market as a whole. For any specific firms in the market, facing any 
particular  decision,  strategic  implications  may  still  be  of  importance.  But,  the 
strategic interplay has little impact on the performance of the market as a whole and 
is  thus  ignored  so  that  we  are  not  prevented  from  seeing  the  forest  by  the 
complexity of all the trees. 
The  model  for  perfect  competition  requires  a  lot  of  assumptions  (rational 
players,  complete  information,  price  takers,  etc.)  and  thus  is  not  a  close 
representation  of  “reality.”  As  such,  its  predictions  will  not  exactly  hold  for  any 
particular  firm  in  any  particular  industry.  The  goal  of  any  model  we’ve  used  is  to 
highlight  the  implications  of  the  most  important  decisions  in  any  situation  and  to 
predict  the  most  important  general  effects  of  changes  in  outside  factors  on  the 
market and players being modeled. If there are “enough” firms and if they are “small 
enough” so that taking them to be price takers will not cause us to ignore strategic 
interactions that have large effects on the whole market, assuming all firms are price 
takers becomes a useful if unrealistic simplification that allows us to focus on the big 
picture. 

Perfect Competition in the Short­run 
Looking at the short‐run, firm i’s profit is 
πi = pqi − STCi (qi ) . 
Maximizing gives: 
d πi
= p − SMCi = 0
dqi . 
⇒ p = SMCi
Looking at this graphically gives the figure below. 

  296
 Firms produce where MR=MC to maximize profits. Since p=MR here, that means 
producing where p=MC. So, for a given price (two are shown), a firm simply looks to 
its  marginal  cost  curve  to 
determine  how  many  units  to  sell.  p
Thus, the firm’s MC curve that lies  MCi
above its AVC curve can be thought  p2  firm i's 
of as its supply curve. If price were  supply curve 
less  than  the  minimum  possible  p1  AVCi 
AVC, the firm could not even cover 
all  of  its  variable  costs.  Thus,  it 
would do better to shut down and 
simply  lose  its  fixed  costs  rather 
than  to  produce  and  lose  all  fixed  q1  q2 
qi 
costs plus some variable costs. 
If you were to solve the equation p – MCi(qi) = 0, for qi, you would obtain firm i’s 
supply curve, or qis(p). The firm’s supply curve gives the quantity the firm produces 
to maximize profit given the market price. Everything the individual firm needs to 
know about demand and all the other firms is summed up in the market price. The 
overall  supply  curve  of  the  market  is  then  the  sum  of  all  of  the  individual  firm’s 
n
supply  curves,  or S ( p) = ∑ qi ( p) .  Graphically,  market  supply  is  the  horizontal  sum 
i =1

of the individual firm’s supply curves. With the market supply, we can readily look 
at  firm  behavior  and  market  equilibrium,  the  interconnections  between  the  two, 
and, firm and market responses to changes in parameters such as taxes, regulations, 
wages, interest rates, incomes, or anything else that affects supply or demand. 
 

p  Firm  MCi’  Market

p S’
MCi 
  S(p)=∑qi(p) 
AVCi’  pe’ 
pe 
AVCi 
D

qi(pe)  q Qe’  Qe  Q 

 
In the figure above, market equilibrium price, pe, balances supply and demand, 
otherwise there would be either a shortage or a surplus, driving price up or down, 
respectively.  At  that  price,  each  firm  produces  according  to  their  marginal  cost 
curve,  or,  their  individual  supply  curve,  at  qi(pe).  Now  suppose  a  regulation  of  tax 
drives  up  variable  costs  for  individual  firms.  The  firm’s  cost  curves  will  be  higher 
(shift  up)  to  MCi’  and  AVCi’.  This  shifts  market  supply  left,  decreasing  equilibrium 
quantity to Qe’ and raising equilibrium price to pe’. 

  297
 By  making  our  earlier  assumptions  that  led  to  marginal  revenue  approaching 
price, we eliminated away the strategic interactions between firms. Note again that 
this doesn’t mean they don’t exist; it’s just that making these assumptions allows us 
to add in a supply curve and talk about markets as a whole. That is, it allows us to 
simultaneously analyze a representative firm and the market as a whole in the two 
simple figures above. 
   
Example 
There  are  25  identical  firms,  each  firm  with  short  run  total  cost  of 
STC = 10 + 2q + q 2 / 4 . Market demand is  D( p ) = 200 − 10 p . 
To find the marginal cost of each firm, simply take the derivative. 
  SMC = 2 + q / 2  
To find supply, set p = SMC and solve for q. 
MC = 2 + q /2 = p
  q /2 = p − 2  
q = 2p − 4
Since  the  market  supply  curve  is  simply  the  sum  of  the  individual  firms’  supply 
curves, with identical firms, just multiply an individual firm’s supply by n. 
S ( p ) = 25qi
  = 25(2 p − 4)  
= 50 p − 100
To find equilibrium price and quantity, set supply equal to demand. 
S ( p) = D( p )
50 p − 100 = 200 − 10 p
   
60 p = 300
p=5

  298
Putting this in a graph gives the figure below. 
 
Firm  Market 
  MC 
S 
 
AVC
 
pe=5  
  pe=5 
MinAVC 
  D 
  q
q(pe)=6  Qe=150 Q 
 
 
Equilibrium  firm‐level  and  market‐level  quantities  are  shown,  along  with 
equilibrium price. We know that firms will only produce where price is greater than 
AVC,  or  else  they’re  not  even  covering  costs.  So,  at  the  firm’s  minimum  average 
variable cost, the market supply curve cuts off. Market price will never fall below the 
lower dotted line in the short run because of this reason. 
   
 

Perfect Competition in the Long­run 
If firms are making economic profits (or π>0), there will be entry. Thus, for an 
industry to be in equilibrium, it must be the case that no firm can enter and receive a 
price higher than their minimum average cost. Even though firms aren’t making an 
economic  profit,  they  are  still  all  maximizing  their  individual  profits.  Thus,  every 
firm  in  the  industry  sets  marginal  revenue  equal  to  marginal  cost,  and  since  price 
equals marginal revenue, 
pi = LRMCi . 
where LRMCi is the long‐run marginal cost of firm i. For the marginal firm, firm n, we 
assume  that  pn ≈ LRAC n .  The  reason  it  is  approximately  equal  to  and  not  exactly 
equal to LRAC is because economies of scale may be such that firm n, which is in the 
industry,  makes  a  profit,  but,  firm  n‐1,  which  is  not  in  the  industry,  would  make  a 
loss if it entered. When we work problems, however, we assume that pn = LRACn for 
simplicity. 
Since  the  marginal  firm  produces  where  the  (given)  market  price  equals  long‐
run average cost ( pn ≈ LRAC n ) and for every firm in the industry price equals long‐
run  marginal  cost  ( pi = LRMCi )  it  follows  that  LRMCn=LRACn.  We  know  that 
marginal cost equals average cost at the minimum of the average cost curve; so, in 
the long‐run, the marginal firm will produce where price equals minimum average 
cost  (p=MinLRAC)  which  is  also  where  marginal  cost  equals  average  cost.  If  price 

  299
were higher than MinLRAC, the marginal firm would be making a profit, and firms 
would enter; if it were lower, the marginal firm would be making a loss, and firms 
would exit. 
At  this  point,  it  is  necessary  to  distinguish  between  two  possible  types  of 
industries: constant cost industries and increasing cost industries. In an increasing 
cost industry, as the industry expands, it drives up the prices of the inputs it uses, or 
it has to put into use inputs that are less productive. If the industry must put to use 
inputs that are less productive, that has the effect of driving up the price of the more 
productive  inputs  above  their  “opportunity”  cost.  Such  increases  in  the  prices 
fetched by the more productive inputs are known as “rents.” 
To  take  the  simplest  and,  perhaps,  most  compelling  example,  consider  the 
market for agricultural grains. If little grain is to be produced, it is produced on only 
land,  which  is  both  well  suited  to  grain  production  (fertile)  and  not  well  suited  to 
other uses. Since the land is not well suited to other uses, it will have a relatively low 
price.  However,  as  the  market  expands,  more  land  must  be  put  into  production. 
Competition for the more productive land will drive up its price. So, it will become 
profitable  to  use  land  that  is  slightly  less  productive,  or,  to  divert  productive  land 
that had some other productive use (say in ranching) to grain production. The land 
that was most fertile but had few other uses now fetches a higher price. That is an 
economic  “rent”  –  a  payment  in  excess  of  the  reservation  value  at  which  the 
landowner would have been willing to lease the land for grain production. 
Economic  rents  can  accrue  to  other  types  of  inputs  as  well.  Michael  Jordan, 
Peyton  Manning,  Angelina  Jolie,  and  Johnny  Cash  would  all  have  been  happy  to 
perform  for  far  less  than  they  actually  earned  at  the  height  of  their  careers.  If  the 
demand  for  professional  women’s  soccer  were  higher,  Mia  Hamm  and  Abby 
Wambach would be much wealthier than they are. On the other hand, if the demand 
for professional football were lower, Peyton Manning would not be as wealthy as he 
is and many journeymen NFL quarterbacks would be in other lines of work. 
At  the  most  basic  level,  individual  workers,  land,  materials,  etc…  are 
idiosyncratic  and  thus  better  suited  to  some  uses  than  to  others.  If  an  industry  is 
large enough, and, thus uses a large share of a certain kind of input, as the industry 
expands or contracts, it drives up or down the going rates for the best suited inputs, 
and brings less well suited inputs into the industry or expels them from it. So, if an 
industry consumes a large share of some of the things it uses as inputs, as it grows, 
the minimum long run average cost of running a firm in the industry goes up. The 
construction  industry  drives  up  the  wages  of  unskilled  manual  laborers  as  it 
expands, and, drives them down as it contracts. The agricultural industry drives up 
the  price  of  fertile  land  as  it  expands,  and,  drives  it  down  as  it  contracts.  Sports 
leagues  drive  up  the  salaries  of  the  most  skilled  players  as  they  expand,  and,  the 
movie industry drives up the payments to the most skilled actors and actresses as it 
expands.  These  would  all  be  increasing  cost  industries,  though,  depending  on 
institutions  and  the  question  at  hand,  they  may  or  may  not  be  reasonably 
approximated as perfectly competitive. 

  300
 For  some  cases,  though,  the  industry  is  a  small  player  in  the  markets  for  the 
factors  of  production  it  uses,  (for  example  the  furniture  industry),  or,  the  effect  of 
the industry on the prices of the inputs it uses is not of much direct interest to the 
question  under  study  (for  example,  when  studying  policies  to  encourage  energy 
efficiency  in  residential  construction).  In  such  cases,  it  more  accurate,  or  at  least 
simpler and accurate enough, to just assume the industry is constant cost industry. 
We also assume that all firms, whether in the industry or not, have an identical cost 
structure. In a constant cost industry, the industry can expand and contract without 
affecting the cost or productivity of the factors of production used in the industry. 
Therefore, as the industry expands or contracts, the cost curves of its representative 
firms remain constant. 
In  any  event,  when  the  industry  is  in  long  run  equilibrium,  price  equals  the 
marginal firm’s minimum long run average cost, as shown in the figure below. The 
difference  is  whether  the  long  run  industry  supply  curve  slopes  up  or  is  flat 
(perfectly  elastic).  We  have  drawn  two  potential  long‐run  industry  supply  curves 
(LRIS)  in  the  figure.  The  flat  LRIS  curve  represents  a  constant  cost  industry.  The 
other  possibility  is  that  average  costs  increase  as  the  industry  expands,  in  which 
case the LRIS sloped up, representing an increasing cost industry. 

Firm  LRMCn  $ Market (increasing 

$ 
cost industry) 
LRACn  LRIS 

peLR  LRIS 
peLR0  (constant cost 
industry) 
D0 
q  Q 
QeLR0
 

Relationship Between the Long­run and the Short Run 
In  the  next  figure,  we  deal  with  a  constant  cost  industry  and  add  a  short  run 
supply curve to the initial picture of the market equilibrium and also add the firm’s 
short  run  marginal  cost  curve.  Suppose  market  demand  shifts  out,  for  whatever 
reason.  New  demand  intersects  the  short‐run  supply  curve  at  a  price  of  ptemp,  and 
we see that our marginal firm is making a profit (since this price is above average 
cost). Thus, firms will enter, shifting the short‐run supply curve to SSR1. Since all of 
the firms have the same cost structure, and the addition of new firms doesn’t affect 
cost (constant‐cost industry), price will tend towards the original equilibrium price, 
which is why the long‐run industry supply is flat. 
 

  301
   Firm  Market
$  LRMC  $
 
SRMC  SSR0  SSR1 
  LRAC
p  temp 
LRIS
  p LR 
e
peLR 
  D1
D0 
  q Q 
 
The other possibility is that if demand increases, average costs increase as firms 
are added to an industry, either because the firms being added are less efficient than 
the original firms, or just because of competition for the factors of production best 
suited  to  the  industry.  This  is  the  case  in  the  figure  below.  In  the  left  panel  of  the 
figure,  average  cost  curve  moving  from  LRAC0  to  LRAC1  as  entry  occurs.  Thus  the 
long‐run industry supply curve (LRIS) slopes up and the long‐run equilibrium price 
increases from peLR0 to peLR1. 

Firm  LRMC1  Market

$  LRMC0  $
SSR1 
LRAC1  SSR0  LRIS
peLR1  peLR1 
LRAC0 
peLR0  peLR0 
D1
D0 
q QeLR0 QeLR1  Q 
 

  302
   
Example 
The  long  run  cost  function  for  firms  in  a  constant  cost  industry  is 
C (q) = 2q − 0.2q 2 + 0.01q 3 .  Market  demand  is  QD = 450 − 100 p .  Find  equilibrium 
price, supply, equilibrium quantity, and, the number of firms in the industry in the 
long run. 
We  know  firms  produce  at  their  minimum  average  cost;  in  other  words,  where 
marginal cost equals average cost. So, set the two equal, and remember average cost 
is simply cost divided by q. 
 
AC = 2 − .2q + .01q 2 = 2 − .4 q + .03q 2 = MC
.2q = .02q 2
 
.2 = .02q
q = 10
$ LRMC
How now to find price? It may help to look at 
a graph (right). We found firm quantity to be 
10  when  average  cost  is  at  its  minimum.  We  LRAC
see  we  can  plug  that  into  either  the  LRMC  pe LR 
curve or the LRAC curve to find price. 
LRAC (10) = 2 − 0.2q + 0.01q 2
10  q
  = 2 − 0.2(10) + 0.01(10) 2  
p e LR = 2 − 2 + 1 = 1
 
Since  this  industry  is  constant  cost, 
our  long‐run  industry  supply  curve  $
will  be  at  a  price  of  $1.  To  find 
industry  demand,  plug  in  the  long‐
run  price  of  $1  into  the  demand 
curve. 
  QD (1) = 450 −100 = 350   $1 LRIS
Since  we  know  each  firm  produces  D 
10 units, there are 350/10 = 35 firms  Q
in the industry in the long‐run.  350 

   
 

  303
Value Added and Social Welfare in (more or less perfectly) 
Competitive Markets 
What we want to do now is measure welfare in competitive markets, that is, how 
much  value  is  added  because  the  product  market  exists.  Part  of  that  value  is 
captured  by  consumers  in  the  form  of  consumer  surplus  (CS).  Consumer  surplus 
was  defined  earlier  in  Chapter  9.  It  is  simply  the  difference  between  what  they 
would  be  willing to  pay  for  the  amount  of  the  product purchased,  as  measured  by 
the  area  under  the  demand  curve,  and  what  they  do  pay,  which  is  price  times 
quantity.  So,  in  a  normal  market  equilibrium,  consumer  surplus  is  the  area  under 
the  demand  curve  and  above  price.  Mathematically,  at  price  p,  if  demand  is  QD(p) 
and inverse demand is denoted pD(Q): 
QD ( p )

CS = ∫
0
pD ( x)dx − pQ . 

Remember CS is just an approximation. First, it relies on obtaining a reasonable 
estimate  of  a  demand  curve,  which  is  difficult  to  do  in  the  first  place.  Secondly,  it 
assume  consumers  maximize  [V(q)  –  pq],  but  this  ignores  income  effects.  Suppose 
you’d  be  willing  to  buy  at  most  three  burritos  in  any  given  week.  If  the  cost  of 
everything else you buy goes down, you can imagine you’d be willing to pay more for 
any  particular  number  of  burritos,  because  of  your  increased  purchasing  power. 
This model doesn’t take that into account, and so it’s not completely accurate, but it 
accurate enough for many purposes, and, is easy to use and allows us to gain many 
additional insights into the workings of markets. 
We need a similar measure for the benefits captured by the producer side of the 
market. Again, in a normal equilibrium, revenue received by the producers if simply 
price times quantity. Since the supply curve represents the marginal cost curves of 
the producers, the area under the supply curve 
represents total variable costs of all producers.  S
The  area  under  price  and  above  the  supply 
curve therefore represents revenue received in  p
e 
PS 
excess  of  variable  costs.  This  is  producer 
D
surplus,  PS.  This  is  illustrated  in  the  figure  on 
the  right.  Since  producer  surplus  just  adds  up 
the  area  between  the  supply  curve  and  the  equilibrium  price,  in  a  normal 
equilibrium  it  can  be  expressed  as  the  corresponding  integral.  Specifically,  if  p  is 
price, S(p) is the supply curve, and pS(Q) the inverse supply curve: 
S ( p)

PS = p * S ( p ) − ∫0
ps ( x)dx . 

Since  the  supply  curve  represents  firms’  marginal  costs,  producer  surplus  is 
closely related to profit. In the short run, profit is equal to producer surplus less any 
fixed costs that are sunk and also less quasi fixed (start up) costs that are not sunk 

  304
until  output  exceeds  0.  So,  in  the  short  run  producer  surplus  is  profit  plus  those 
fixed costs. That is: 
PS = ∑ i (π i + Fi ) . 

In  the  long  run,  profits  are  0  in 

equilibrium.  If  the  LRIS  is  flat,  that  is,  if  the  pe  LRIS
industry  is  constant  cost,  producer  surplus  is 
0 to. This is shown in the figure to the right of  D 
this paragraph. 
However, in an increasing cost industry, producer surplus is positive, as shown 
in the next figure. How can that be if profit is 0, 
which  it  must  be?  Recall  that  in  an  increasing 
LRIS
cost industry, either less efficient firms enter as 
the  industry  grows,  or  else  competition 
pe 
between  firms  drives  up  input  prices,  or,  both.  PS 
The surplus is actually being captured either by  D
the shareholders of the “more efficient” firms or 
by the people who own the scarce (differentially 
more productive) factors of production employed in the industry. Producer surplus 
in an increasing cost industry is shown in the next figure. 
Imagine  a  wheat  farmer  working  a  particularly  fertile  piece  of  land.  If  demand 
grows  and  price  increases,  the  price  of  the  land  goes  up.  The  owner  of  the  land 
captures  that  profit.  If  the  farmer  or  agricultural  firm  owns  the  land,  they  capture 
the  producer  surplus  as  rent.  If  they  lease  the  land  from  someone  else,  the 
landowner captures it. The farmer or firm does not make any economic profit. But, 
the owner of the land collects a higher economic rent. 
Thus,  the  distinction  between  “less  efficient  firms”  entering  and  the  entry  of 
firms  driving  up  the  prices  of  scarce  factors  of  production  is  somewhat  semantic. 
What some would call more efficient firms are simply the ones whose shareholders 
own  the  rights  to  some  differentially  more  productive  factors  of  production.  The 
rights  to  these  become  more  valuable  as  the  industry  grows.  They  may  represent 
more  productive  land,  rights  to  a  proprietary  production  process,  or  even  a  long‐
term contract with a particularly efficient management team. But, producer surplus 
reflects  the  appreciation  of  the  value  of  the  rights  to  these  productive  assets,  not 
economic profit to the firm – economic “rents,” not economic “profits.” 
Like consumer surplus, producer surplus is a useful approximation, but it has its 
imperfections. The presence of quasi fixed costs are one failing of producer surplus 
in the short run. Fixed costs that are already sunk are just water under the bridge, 
and, should be ignored. So, imagining that producers are better off to the extent that 
revenue exceeds variable costs makes sense. However, the quasi fixed costs are not 
sunk unless the firm produces, but while they are reflected in a short run average 
variable  cost  curve,  they  will  not  be  reflected  in  a  marginal  cost  curve 
(mathematically,  for  those  interested  in  such  things,  the  total  cost  curve  is 
discontinuous at 0 when there are quasi fixed costs in the short run). That does not 

  305
come  up  in  the  long  run  model  because  LRIS  depends  on  average  cost,  not  just 
marginal  cost,  and,  average  cost  includes  the  quasi  fixed  costs  (which  are  possible 
even in the long run). 
The  other  imperfection  with  producer  surplus  in  the  short  run  is  that  we  are 
thinking  in  terms  of  the  marginal  costs  faced  by  the  firms  under  the  current 
situation,  current  labor  contracts,  etc…  But,  some  of  the  inputs  will  be  earning 
economic rents. Those are not truly costs, but, rather, represent “surplus” received 
by owners of the factors of production that are differentially more productive than 
the marginal unit. That surplus gets ignored in the standard treatment of producer 
surplus in a short run model. 
Now that we’ve defined CS and PS, we define total surplus to be the sum of the 
two: 
Qe Qe Qe

TS = CS + PS = ∫p ( x)dx − p Q + p Q − ∫p ( x)dx = ∫(p ( x) − pS ( x) ) dx . 

e e e e
D S D
0 0 0

What outcome would maximize value added? Producing right to the point where the 
marginal  value  of  another  unit  equals  its 
marginal  cost.  The  demand  curve  p S 
represents marginal value, and the supply 
curve  represents  marginal  cost,  so  to 
maximize  TS,  produce  where  supply 
equals demand – that is at the competitive 
market equilibrium, Q* in the figure to the  D 
right.  Moreover,  in  a  competitive  market, 
production  takes  place  at  minimum  long 
Q
run  average  cost,  so,  there  is  no  cheaper  Q* 
way to attain the given output. 
In  general,  competitive  markets  allocate  resources  efficiently,  tending  toward 
this  equilibrium  quantity  where  TS  is  maximized.  There  are  a  lot  of  underlying 
assumptions. A big one is that the only ones who receive benefits from the products 
are  consumers  and  the  only  ones  who  pay  costs  are  the  suppliers.  If  third  parties 
outside the market transactions are helped or harmed as a result of what goes on in 
the  market,  that  is  if  there  are  external  or  spillover  benefits  or  costs,  supply  and 
demand  no  longer  represent  the  true  marginal  value  and  marginal  cost.  For 
example,  if  an  industry  causes  pollution,  it’s  easy  to  see  how  other  people  could 
effectively  be  paying  the  costs  that  are  outside  our  classification  of  consumer  and 
producer. Another is that the allocation is “efficient” GIVEN the existing distribution 
of  wealth  –  the  analysis  above  said  nothing  about  whether  or  not  that  initial 
distribution  was  a  desirable  one.  Nonetheless,  this  tendency  toward  maximizing 
value added, or social welfare conditional on the given initial distribution of wealth, 
is  why  the  free  operation  of  supply  and  demand  in  competitive  markets  is  the 
standard by which markets are judged. 

  306
Chapter 17 Terminology 
The  following  is  a  list  of  terms  that  you  should  know  in  order  to  discuss  and 
apply the material from this chapter. 
Constant Cost Industry­ An industry in which firms are identical and their 
marginal cost is constant. As this type of industry expands, input prices are 
unaffected and the equilibrium price never changes. 
Increasing Cost Industry­ An industry in which new firms are not as efficient as 
exiting firms, driving up long run average cost for the last firm, causing higher 
equilibrium prices. Some markets are so big that they drive the price of their own 
inputs up as they expand. 

  307
Chapter 18 
Applications of Supply and Demand Analysis 
We  know  that  in  equilibrium,  demand  D(p)  equals  supply  S(p).  Quantity 
demanded can be written as the following 
  QD = D(p, m, PRC, nC, zC) 
which says demand depends on price (p), income (m), the prices of related goods, 
such  as  substitutes  and  complements  (PRC),  the  number  of  consumers  (nC),  and 
anything else unaccounted for (zC). 
Based on our model of supply, we can write quantity supplied as the following 
  QS = S(p, PI, PRP, nF, zS) 
which says supply depends on price (p), input prices, such as wage and capital rates 
(pI),  the  price  of  goods  related  in  production,  such  as  assembly  lines  that  can  be 
changed from producing one good to another relatively quickly (pRP), the number of 
suppliers (nF), and anything else unaccounted for (zS). 

Basic Comparative Statics 
Since we know supply and demand depend on 
all  of  the  above  factors  (and  more),  we  can  ask  P S’ 
what  happens  to  each  if  one  of  the  factors  S 
changes.  For  example,  suppose  we’re  looking  at  P2
the market for construction services. If, for some  P1
reason,  fewer  illegal  aliens  are  available  to  work 
on  construction  jobs,  labor  costs  will  rise.  This  D 
increase  in  costs  will  shift  the  supply  curve  for 
the construction industry left, and the simple shift  Q2 Q1  Q
shown in the figure to the right tells us price will 
increase  and  quantity  will  decrease.  Essentially,  eliminating  the  strategic 
interactions  by  assuming  all  firms  are  price  takers  allows  us  to  use  very  simple 
graphs  to  see  the  overall  effects  of  a  change  in  any  of  the  variables  that  influence 
supply or demand. 

  308
Impact of a Tax 
Suppose we start off with a constant cost industry, and impose an excise tax of $t 
per  unit  on  producers.  If  pD  is  the  price  paid  by  demanders  and  pS  is  the  price 
received by suppliers: 
  pD = pS + t .  p DWL 
Since  producers  pay  the  tax, 
LRIS+t
we can think of the tax as an  p0+t  Tax revenue 
increase in costs of suppliers,  LRIS
p0
causing  an  upward  shift  in 
the LRIS curve, shown in the  D 
figure  to  the  right.  The 
revenue  raised  by  tax  is 
simply  t  dollars  per  unit,  Q1  Q0  Q
times  the  Q1  units  that  are 
sold after the tax is instated (or the area of the rectangle). From a social perspective, 
the tax revenue is just a transfer of wealth, and doesn’t cause any loss in surplus. 
However, due to the fact that every unit now costs p0+t, consumers will buy less. 
The value of the last unit (the Q1th unit) is MC+t, and so this unit still has a value that 
exceeds the actual cost of producing it; but the tax means it is not purchased. The tax 
presents the production and consumption of the last (Q0 – Q1) units that would have 
otherwise  been  sold  from  being  transacted  in  the  market,  and,  these  are  valued 
above their cost. Thus the tax creates a deadweight loss – the triangle in the figure. It 
represents  surplus  that  someone  used  to  get  (consumers  in  this  example)  that 
vanishes due to the tax. That represents a net loss of social welfare. Depending on 
what statistics you look at, $1 of government revenue costs taxpayers $1.20 ‐ $1.30, 
exactly because taxes destroy some social surplus. Theoretically this means that you 
should  only  use  tax  revenue  to  fund  public  ventures  that  have  benefits  20‐30% 
greater than their cost, since it costs an extra 20‐30% just to raise the revenue. (This 
is  quite  aside  from  arguments  about  fiscal  stimulus  spending  when/if  monetary 
policy  is  insufficient  in  a  severe  recession  –  but  that  is  a  topic  for  a  class  in 
macroeconomics.) 
Now  let’s  look  at  an  ad  valorem  tax,  and  further  lets  suppose  we  have  an 
increasing  cost  industry  (or  that  we  are  looking  at  the  short  run  impact).  An  ad 
valorem tax is just one that’s proportional to value; so a typical sales or property tax 
is an example of an ad valorem tax. If pD is the price paid by demanders and pS is the 
price  received  by  suppliers,  and  t  is  the  tax  rate,  the  three  are  related  by  the 
following equation: 
  pD = (1 + t ) pS . 

To  find  the  equilibrium  price(s)  and  quantity  after  the  tax,  simply  use  that 
relationship  to  substitute  into  the  demand  curve,  and  then  equate  supply  and 
demand. That is: 

  309
 D( pD ) = D ( (1 + t ) pS ) = S ( pS ) . 

Since the tax is a percent of supplier price, the after‐tax supply curve can be seen 
as  an  upward  rotation  from  the  original  supply  curve,  as  shown  in  the  figure.  The 
first thing to note is that compared to the 
old  price,  the  price  demanders  pay  Tax 
doesn’t  go  up  by  the  full  amount  of  the  Revenue  LRIS×(1+t) 
tax,  and  the  price  suppliers  receive  p
doesn’t  go  down  by  the  full  amount  of  pD LRIS 
the tax. The difference between pD and pS 
is the value of the tax, but how it is split  pOLD DWL
up  between  suppliers  and  demanders  pS
depends on the sensitivity of supply and  D 
demand to price changes (on elasticity of  Q
supply  and  demand).  The  only  time  QNEW  QOLD 
when  consumers  strictly  pay  the  old 
price plus the entire tax is when we’re looking at a constant cost industry, where the 
supply curve is completely flat, or, if the demand curve is vertical. 
The  intersection  of  the  upward  pivoted  supply  with  demand  determines  the 
price  demanders  pay  (pD)  and  the  new  equilibrium  quantity  (QNEW).  Suppliers 
receive that new price less what they pay as tax  pS = pD / (1 + t ) . The gray rectangle 
has  a  height  of  pD–pS  which  is  the  value  of  the  tax  (the  difference  between  what 
demanders pay and what suppliers receive), and a length of QNEW, the quantity sold 
after the tax; thus, the area of the rectangle represents the tax revenue. The area of 
the rectangle that falls above the old price (POLD) can be thought of as the portion of 
the tax paid by consumers, and the area that falls below old price can be thought of 
as the portion of the tax paid by suppliers. The area of the triangle labeled DWL is 
deadweight loss. 

Impact of a Subsidy or a Price Floor 
Now  we’re  going  to  look  at  an  example  where  the  government  provides 
subsidies to an agricultural industry. The first figure represents the market before 
the subsidy. In the figure, short‐run supply (SS) is less elastic than long‐run supply 
(LRIS).  This  is  because  in  the  short‐run,  firms  have  the  presence  of  a  fixed  factor, 
which  limits  their  ability  to 
respond  to  price  changes.  In  the  p SS 
long‐run,  producers  can  enter  or 
LRIS 
exit  the  industry,  increasing  their 
capacity  for  production  and  their 
ability  to  respond  to  price 
changes.  Similarly  for  consumers, 
if the price of gas goes up, there’s 
not  much  they  can  do  about  it  in  DS DL 
the  short‐run  and  thus  the  Q
quantity demanded won’t drop as 

  310
much; in the long‐run, consumers can buy more fuel‐efficient cars, find alternative 
ways  to  work,  etc.  and  as  the  number  of  substitutes  for  gas  increases,  demand  for 
gas becomes more elastic. 
Now suppose the government imposes a subsidy of $s per unit on the market. A 
subsidy means the government is providing a certain amount of money per unit to 
suppliers  or  consumers.  Let’s  assume  it  is  paid  to  suppliers  for  this  example,  in 
which case we can interpret the subsidy as a downward shift in supply (reduction in 
cost).  Note  that  this  affects  both  short‐run  and  long‐run  supply.  Initially,  quantity 
demanded increases from initial (Q0) to short‐run with subsidy (Qs). The price paid 
by demanders goes down after the subsidy (pDS). Just like in our last example, to find 
the  price  suppliers  have  to 
receive  in  order  to  produce  QS 
SS
units,  look  up  from  QS  to  the 
P
original  supply  curve;  we  see  SS ‐ $s 
that  the  price  suppliers  receive  LRIS 
goes  up  to  pSS.  The  cost  of  the  PS S 
LRIS ‐ $s
subsidy in tax revenue needed to  P0
support it in the short‐run is the  PDS 
cost  of  the  subsidy  per  unit  ($s, 
which  is  the  difference  between  DS DL 
pS  and pD ) times the new short‐
S S
Q
Q0 
run  quantity  after  the  subsidy  Q Q
S  L 
(QS), or the area of the rectangle 
in the above figure. 
When  we  look  at  the  quantity  demanded  in  the  long‐run  (QL),  we  see  that  it  is 
higher  than  in  the  short‐run.  This  is  because  suppliers  and  demanders  are  more 
price  sensitive  in  the  long‐run,  so 
the  changes  in  quantities  brought  P DWL LRIS 
about  by  taxes  and  subsidies  are 
LRIS ‐ s
bigger in the long‐run than they are  PS  P
0 
in  the  short‐run.  The  cost  of  the  P
D 
subsidy  in  tax  revenue  and  the 
additional deadweight loss it creates 
in  the  long‐run  are  shown  in  the  Q0  Q1  Q 
graph at right. 
We know that the optimum quantity is where supply crosses demand, or Q0. We 
see  the  subsidy  causes  more  units  than  this  amount  to  be  produced,  and  so  the 
deadweight loss is due to over‐production. Thus, when we’re looking at an example 
with  a  subsidy,  deadweight  loss  occurs  because  the  last  Q1  –  Q0  units  that  were 
produced  had  a  higher  marginal  cost  than  they  did  marginal  value.  The  DWL  is 
illustrated  accordingly  in  the  above  graph  as  the  difference  between  the  supply 
curve  and  the  demand  curve  to  the  right  of  equilibrium  quantity  (the  area  of  the 
triangle). The cost of the subsidy itself in tax revenue needed to fund it is the gray 

  311
rectangle,  which  is  just  the  subsidy  amount  per  unit  ($s,  or  pS  –  pD)  times  the 
quantity sold after the subsidy (Q1). 
Another  way  the  government  encourages  higher  prices  to  suppliers  in  certain 
industries  is  by  a  price  support.  A  price  support  is  a  mandated  price  that’s  higher 
than the equilibrium price. We know that at prices higher than equilibrium there’s a 
surplus; so basically, the government promises to buy up any surplus created by the 
price support. Note that a price support 
is  the  same  thing  as  a  price  floor,  since 
P
the  government  is  saying  price  can’t  go 
below  a  certain  point.  We  see  with  the  surplus
S 
floor  quantity  demanded  is  QDF  and  P
SUP 
quantity  supplied  is  QSF,  so  there’s  a 
surplus. The amount that it costs for the  P0 
government to buy up the surplus is just 
D 
the  price  being  charged  (the  price 
support level, pSUP) times the quantity of  QDF  Q0  QSF  Q
the surplus (QSF  ‐ QDF), or the area of the 
 

rectangle. The deadweight loss is the area of the rectangle, minus the triangle on top 
that  falls  above  the  supply  and  demand  curves;  this  is  because  below  the  demand 
but above supply is surplus value that could have gone to consumers and producers 
if price were at equilibrium, and the area below supply is the cost of producing the 
surplus of units that are of no value to anyone in the end. The rest of the rectangle is 
just part of the transfer of wealth from taxpayers to firms. 
The question of what is actually done with the surplus that the government buys 
is  tricky.  Imagine  the  price  support  is  instituted  on  the  wheat  industry.  If  the 
government buys up a surplus of wheat, it’s tempting to want to say that they could 
just  give  it  to  charity;  the  problem  is,  if  they  give  it  to  charity,  the  charities  are 
buying  less  from  the  markets,  driving  price  down  and  causing  more  of  a  surplus. 
What  usually  happens,  then,  is  the  government  either  pays  the  producers  not  to 
grow it in the first place, or they store the surplus until it rots. 

Price Ceilings and Price Gouging Laws 
Suppose we’re looking at the market for some scarce resource, such as ice, that 
gets  impacted  during  a  natural 
disaster.  If  a  hurricane  hits,  the  p
demand for the good will increase,  S’ 
pD 
shifting  the  demand  curve  right; 
however,  since  the  hurricane  has  p’  S 
knocked  down  power  lines  and  Price Ceiling
p0 
closed  off  roads,  it’s  harder  for  D’ 
suppliers  to  transport  or  produce  D 
ice,  and  so  supply  is  reduced, 
QS  Q0  Q’ Q 
shifting the supply curve left.  QD 
It’s not clear what will happen 

  312
to quantity sold, but it is certain that equilibrium price will increase. What happens 
sometimes  is  that  people  will  complain  about  increases  in  prices  during  disasters, 
and the government may step in and tell suppliers that they can’t raise price. If this 
is  the  case,  and  p0  becomes  the  price  ceiling,  at  new  levels  of  supply  and  demand 
there will be a shortage (QD  – QS). The argument in favor of the price ceiling is that 
even  though  quantity  supplied  is  lower  than  it  would  be  if  price  were  allowed  to 
increase,  the  price  is  kept  down  and  thus  people  of  all  incomes  can  afford  the 
commodities they need most during disasters. In other words, if price were allowed 
to increase, the argument goes, only the rich would be able to buy ice. The problem 
with this is that the task of rationing the limited quantity of good falls on the firms, 
and they have to put people in lines to determine who gets what, which results in 
many  people,  who  would  be  otherwise  willing  to  pay  a  higher  price,  unable  to 
purchase what they need. 
Q’  would  be  new  equilibrium  quantity  if  price  were  allowed  to  rise  to  the  new 
equilibrium level, p’ (note, Q’ could be higher or lower than Q0; in this picture, we’ve 
drawn  it  as  being  higher).  The  price  that  demanders  would  be  willing  to  pay  for 
another unit given the shortage is pD. So, the “standard” deadweight loss is just the 
value that would have been created if price was allowed to increase, and more units 
were sold, or the area of the triangle in the graph. 
The shaded rectangle to the left of the triangle may be deadweight loss as well. 
This is because with a price ceiling, people are still willing to pay pD. So, they will use 
their  extra  resources  to  try  to  increase  their  likelihood  of  obtaining  the  limited 
goods. This could be in the form of bribery, hiring someone to wait in line for you, 
etc.  When  taking  this  extra  cost  into  account,  the  actual  price  that  customers  pay 
actually  approaches  pD,  but,  potentially  only  p0  goes  to  producers  –  the  rest  may 
largely  be  wasted  (time  spent  standing  in  a  line  instead  of  doing  something 
productive). If this is the case, the shaded rectangle could be considered deadweight 
loss as well. 
Since  we’ve  just  shown  how  taxes,  subsidies,  price  floors  and  price  ceilings  all 
create  deadweight  losses,  it  seems  that  there’s  no  reason  they  should  exist. 
However,  in  general,  economists  won’t  mind  taxing  industries  with  spillover  costs 
(such as pollution) or subsidizing industries with spillover benefits, as this actually 
causes the amount in production to approach the optimum. 
 

  313
Chapter 18 Terminology 
The  following  is  a  list  of  terms  that  you  should  know  in  order  to  discuss  and 
apply the material from this chapter. 
 
Consumer Surplus­ The benefit received by consumers who can buy a product for 
less than their willingness to pay for it. Approximately, it is the triangular area 
under the demand curve and above the market price. 
Producer Surplus­ The benefit received by producers for selling goods at a certain 
price. In essence, it is the markup that they are charging on their products. 
Approximately, it is the triangular area above the supply curve and below the 
market price. 
Ad Valorem Tax­ A tax charged to suppliers as a percentage of the price they pay to 
make a product. This type of tax would increase the slope of the supply curve. 
Per­Unit Tax­ A tax charged to suppliers per unit. This type of tax would cause the 
supply curve to shift left, i.e. decrease supply. 
Tax Revenue­ The amount of money received by the government created by 
implementing the tax. 
Deadweight Loss­ The burned up value that occurs when the amount of resources 
devoted to an industry is not optimal, i.e. when the consumer and producer surplus 
is not maximized. 
Price Floor­ An inefficient minimum level above equilibrium price that can be 
charged for a product. The government usually imposes this because equilibrium 
price is considered too low. The government will decide to buy any surplus created 
by the floor. 
Price Ceiling­ An inefficient maximum level below equilibrium price that can be 
charged for a product. The government usually imposes this after a disaster to 
prevent price gouging. The argument in favor of this type of intervention is an 
increased fairness. 

  314
Chapter 19 
Market Structure Wrap Up 
 

Summary of Models 
The figure below provides a visual summary of the models we covered in the last 
four chapters. At the far left, we have the simplest, monopoly. A monopoly’s product 
is so differentiated from its nearest competitor that its pricing and output decisions 
have no impact on any other firms, and no other firm’s decisions have any impact on 
it. Of course, it is hard to imagine any firms whose market power is that extreme in 
reality, but, it provides a very useful theoretical benchmark. 
Assuming the monopoly generates economic profit (which is not a sure thing – 
who wants a monopoly on 8‐track cassette manufacturing), other firms will want to 
enter the market to claim their share of the pie, if entry is possible. Three kinds of 
things  may  stand  in the  way  of  entrants  –  legal  barriers,  the  incumbent’s  strategy, 
and sheer economies of scale. Broadly speaking, legal barriers would include patent 
protections,  licensing  requirements,  and  any  other  form  of  regulation,  tax,  or 
government  policy  that  makes  it  hard  for  a  new  competitor  to  enter  a  market. 
Possible incumbent strategies – like entry‐limit pricing – we will cover later. 
 
Homogenous Products: 
Oligopoly: 
Capacity limits  quantity 
Reaction functions 
comp, excess capacity  
slope down in quantity 
fierce price comp, cost 
comp, price comp can 
management accentuated, 
advertising at industry level  yield π=0 with 2 firms 

Perfect Competition
Fewer Entry Barriers
Monopoly    Supply and Demand
Mean More Firms in LR where π≈0
Monopolistic
Differentiated Products:  Competition
Oligopoly: 
Price or quantity comp 
Reaction functions 
(depends on determinants of 
slope up in price comp, 
capacity limits), firm level 
down in quantity comp 
advertising accentuated, cost 
management muted 
 
 
If  economies  of  scale  are  so  large  that  if  one  firm  is  in  the  market  it  makes  a 
profit  but  if  a  second  enters  the  market  both  firms  make  losses,  the  industry  is 
characterized  by  natural  monopoly.  Traditionally,  many  utilities  are  examples  of 
natural  monopoly.  For  example,  the  electric  power  industry,  at  least  on  the 

  315
distribution  end,  is  taken  to  be  a  natural  monopoly.  The  reason  is  that  it  is  so 
expensive to put in place the infrastructure for electricity distribution that it would 
never make sense to operate two parallel distribution grids at the same time. This is 
one  reason  why  utilities  tend  to  be  regulated  –  there  is  little  room  for  market 
competition  to  bring  prices  down  closer  to  marginal  costs,  and,  thus  to  bring  the 
equilibrium output close to the socially efficient level. 
Ignoring  legal  and  strategic  barriers,  if  economies  of  scale  are  not  too  severe, 
more  firms  enter.  If  the  entering  firms  produce  products  that  are  essentially 
identical, we have a homogenous product oligopoly (moving clockwise along the top 
of  the  figure).  If  capacity  is  essentially  unlimited,  in  that  each  firm  has  enough 
capacity  to  meet  any  possible  quantity  demanded,  price  competition  between  two 
firms  can  be  so  fierce that  profits  are  driven  down  to  zero,  and  the  firms  split  the 
market. Logically, it would then make no sense to build the capacity needed to serve 
the whole market. 
So,  with  homogenous  products,  the  strategic  decision  has  to  do  with  capacity, 
which  indirectly  determines  price.  The  fact  that  products  are  homogenous  means 
firm  strategy  has  more  to  do  with  cost  reduction  than  with  stimulating  demand. 
Indeed, the strategic effects of a cost reduction in quantity competition magnify its 
benefits, while the benefits of any firm level advertising spill over to all firms. Thus, 
firms  in  truly  homogenous  product  industries  tend  to  advertise  cooperatively 
through  trade  councils  and  industry  associations,  not  individually  and  in  a 
competitive manner. 
As  long  as  additional  firms  can  expect  to  earn  profits  by  entering,  they  will 
continue to do so. In the long run, no additional firms could hope to earn a profit if 
they  entered.  If  economies  of  scale  are  such  that  the  industry  can  support  only  a 
small  number  of  firms,  strategic  considerations  will  remain  important.  Indeed,  a 
way for a firm or an entrepreneur to make a profit, at least for some time, is to find a 
more  efficient  way  to fill  the  needs  of  customers,  reducing  costs  and  incurring  the 
direct  and  strategic  benefits  of  that.  But,  market  forces  simply  mean  these  profits 
will be eliminated over time. 
On  the  other  hand,  if  economies  of  scale  are  very  small  relative  to  the  scale  of 
market  demand,  many  firms  can  enter.  As  they  do  so,  the  market  share  of  any 
individual  firm  gets  small.  As  this  happens, the  effect  of  any  one firm’s  decision  to 
sell  another  unit  of  output  is  spread  over  more  and  more  firms.  So,  marginal 
revenue  grows  ever  closer  to  market  price.  In  the  extreme,  marginal  revenue  is 
exactly equal to price when market share goes to zero. No firm has a market share of 
0, but, in practical terms, the strategic effects of one firm on others become trivial as 
market share gets small. So, if we want to consider the performance of a market as a 
whole, it makes sense to treat firms as “price takers” and thus ignore complications 
arising from strategic effects when the number of firms is “reasonably” large. What 
constitutes  “reasonably”  large  is  in  the  eye  of  the  beholder  and  depends  on  your 
judgment, given the needs of the question at hand. Industries of price taking firms 
are termed perfectly competitive. 

  316
 On the other hand, if each entrant produces a slightly different product from the 
other  firms  in  the  industry,  we  need  models  of  differentiated  product  industries. 
Since  the  products  are  differentiated,  entrants  will  not  take  all  profit  from 
incumbent  firms  simply  by  undercutting  their  prices  a  bit.  That  softens  price 
competition – even when there is excess capacity, firms may make economic profits 
if the number of competitors is limited. In that case, strategic decisions may involve 
wither price or quantity. In markets where lead and lag times are short, so that it is 
easy to expand or contract production sizably on an instant’s notice, it may make the 
most  sense  to  think  about  these  firm’s  engaging  in  price  competition.  In  markets 
where lead and lag times are significant, and in which it takes a long time to ramp 
production up or down, it makes sense to think in terms of quantity competition – 
with capacity being the strategic variable. 
With  differentiated  products,  the  role  of  cost  management  is  muted.  If  a  firm 
can’t capture as many of an opponents customers by undercutting their price, there 
is  less  reason  to  invest  in  cost  reduction.  Further,  the  opponents  will  respond  by 
lowering their price as well, strategically offsetting part of the direct benefit of the 
cost reduction. On the other hand, the role of advertising is enhanced. This might be 
advertising  to  inform  customers  of  a  product’s  existence  and  characteristics,  to 
persuade customers to switch, or, to build brand loyalty and thus prevent customers 
from  switching.  Such  advertising  might  emphasize  differences  that  are  potentially 
important  to  customers,  or,  exploit  human  foibles  and  induce  customers  to  prefer 
one product over another for no reason embodied in the product itself. 
When  advertising  is  thrown  into  the  strategic  mix,  the  picture  becomes  much 
more  complex.  That  is  because  both  price  and  advertising  affect  demand  and 
therefore  marginal  revenue.  So,  when  one  firm  advertises  more,  their  reaction 
function shifts up – they will charge higher prices. That leads the other firm to raise 
their price as well. However, the change in advertising might also decrease the other 
firm’s demand, shifting their reaction function. To correctly analyze the situation, it 
is  necessary  to  simultaneously  determine  price  or  quantity  and  advertising  in  the 
Nash  equilibrium.  While  the  complexity  of  that  problem  renders  its  solution 
somewhat  beyond  the  scope  of  the  class,  the  important  thing  to  take  away  is  that 
decisions about price or advertising should be made jointly, and, that changes that 
lead one firm to advertise more or less will induce changes in both firm’s prices and 
the other firm’s advertising. 
Firms  will  continue  to  enter  as  long  as  they  can  do  so  profitably.  When 
economies  of  scale  are  such  that  more  than  a  few  firms  can  enter,  the  market 
structure  may  be  referred  to  as  monopolistic  competition.  Since  products  are 
differentiated,  entry  means  an  increase  in  product  variety.  As  there  are  more  and 
better substitutes, each firm will face a more elastic demand. As the product space 
becomes more densely packed, the firms have less and less control over their own 
price.  In  the  limit,  marginal  revenue  approaches  price  as  the  number  of  firms 
becomes  very  large.  So,  when  economies  of  scale  allow  the  number  of  firms  in  a 
differentiated product market to become large, those firms essentially become price 
takers. 

  317
 Thus,  whether  entry  occurs  in  the  form  of  identical  product  (the  top  of  the 
figure) or differentiated (the bottom of the figure), if enough firms enter, the firms 
become price takers in the limit. When firms are taken as price takers, we think of 
them  as  perfectly  competitive.  Once  we  decide  to  just  treat  firms  as  perfectly 
competitive, it becomes quite simple to relate the conditions facing a representative 
firm market supply, and, to relate the interaction of market supply and demand to 
the  decisions  of  a  representative  firm.  That  gives  us  a  simple  yet  powerful  tool  to 
structure their thinking about market outcomes. 
Generally, as markets become more competitive, prices fall, as do profits. Firms 
may wish to undertake strategies to restrict the level of competition, or, at least, to 
soften it. On the other hand, as markets become more competitive, output increases, 
as does value added in the form of consumer and total surplus. Absent externalities 
of one sort or another, and ignoring concerns about the initial distribution of wealth, 
outcomes  in  a  competitive  market  are  socially  efficient,  in  that  everything  with  a 
marginal value in excess of its cost is produced, and, in the long run, everything is 
produced  at  the  minimum  long  run  average  cost,  so  there  is  no  excess  capacity. 
Thus,  government  rules  and  regulations  and  antitrust  policies  ostensibly  aim  to 
promote  pro‐competitive  practices  and  to  curb  anti‐competitive  practices  and  to 
smooth over market imperfections. 
In  order  to  gauge  the  competitiveness  of  markets,  it  is  necessary  to  measure 
markets  and  market  power.  Concentration  ratios  are  one  way  to  measure  how 
competitive an industry is. Cm is the total market share of the largest m firms in an 
industry. The  idea is  that  the  larger  the  ratio,  the  more  concentrated  the  industry, 
and, the less likely it is to be highly competitive. If zi is market share, and the n firms 
in the industry are indexed in descending order of their market share, so i=1 is the 
largest firm and i=n is the smallest firm: 
m
Cm = ∑ si . 
i =1 Firm 100s  10000s2 
C4, which is the most commonly used, measures the total  1  20  400 
market share of the largest 4 firms.  2  20  400 
3  10  100 
Simple concentration ratios are limited because they  4  10  100 
say  nothing  about  the  other  firms  in  a  market.  If  the  5  10  100 
largest four firms hold 60% of a market, it may matter a  6  10  100 
great  deal  whether  the  next  two  largest  firms  have  a  7  10  100 
30% market share or a 5% market share. A Herfindahl  8  4  16 
Hirschman  index  is  an  index  that  measures  the 
9  4  16 
concentration of all firms in an industry. The formula is  
10  2  4 
n
Total 100  1336 
HHI = 10000∑ si 2 . 
i =1

It  is  multiplied  by  10,000  simply  to  get  rid  of  the  large  number  of  decimals  that 
arises when squaring small market shares, e.g. 0.012=0.0001. If an industry were a 
pure  monopoly,  its  HHI  would  be  10,000.  If  every  firm’s  market  share  were  zero 

  318
(perfect competition), HHI would be 0. The table above to the right shows a sample 
calculation for a hypothetical 10 firm industry. Concentration measures for selected 
U.S. industries are shown in the table below. 
 
Concentration Measures for Selected US Industries 
Industry  C4 HHI Industry C4  HHI
Fluid milk  4 101 Men's & boys' neckwear  6 140
Soft drink  4 710 Printing 1 48
Breakfast cereal  8 300 Pen & mechanical pencil  7 195
Bread & bakery products  4 581 Ready‐mix concrete 1 57
Sugar  5 856 Dental equipment & supply  3 437
Distilleries  7 209 Basic chemical 1 160
Furniture & related  1 57 Battery 5 958
Wood container & pallet  7 26 Petroleum refineries 4 809
Paper mills  5 883 Automobile 8 275
Corrugated & solid fiber  3 392 Boat building 3 573
US Census Bureau, http://www.census.gov/epcd/www/concentration.html 
 
There  are  some  inherent  problems  with  using  these  ratios  to  measure 
competitiveness. First, just defining the market can be very problematic. Geography 
comes  into  play.  For  example,  if  you’re  trying  to  measure  the  concentration  of  the 
distillery  industries  and  you  leave  out  imports,  you’re  going  to  overstate  the 
concentration of the industry. If you’re looking at the ready mix concrete industry, 
you  must  look  city  by  city,  since  suppliers  in  New  York  won’t  ship  ready  mix 
concrete to Florida, due to basic logistics. The numbers in the table above are flawed 
for  both  of  these  industries,  since  they  include  only  US  firms,  but,  include  all  US 
firms. Thus, the more closely defined the substitutes are for a good, the better the 
representation  of  the  concentration  ratio.  Both  time  and  intended  use  are 
characteristics that need to be met in order for a product to satisfy a given customer.  
An  even  bigger  problem  with  these  concentration  ratios  is  that  they  ignore 
strategic interaction – that is they ignore the nature of the competition between the 
firms!  We’ve  seen  models  where  there  are  two  firms  competing  in  homogenous 
competition, and each has unlimited capacity, price competition drives profits down 
to  zero.  The  HHI  for  this  industry  would  be  5,000,  which  would  imply  that  it  is 
highly concentrated, but the firms are just breaking even. It would seem better, then, 
to look at more direct measures of market power. 
The  most  direct  measure  is  simply  the  difference  between  price  and  marginal 
⎛ η ⎞
cost,  or,  the  mark  up  factor.  Recall  p* = ⎜ ⎟ MC ,  where  η/(1+η)  is  the  markup 
⎝ 1+ η ⎠
factor. For a perfectly competitive industry, the markup factor is 1, or, price equals 
marginal  cost.  To  the  extent  that  this  factor  increases,  the  market  becomes 
competitive. 

  319
 The biggest problem with this method is that it is almost impossible to measure 
short  run  marginal  cost  at  a  specific  point  in  time  accurately.  First  of  all,  it  can  be 
hard  to  disentangle  which  costs  are  actually  attributable  to  production  of  the 
marginal  unit.  Second,  we  must  measure  the  full  economic  cost  of  production, 
including a normal (risk adjusted, after tax) return on capital. Often, about the best 
we  can  hope  for  is  that  average  cost  is  close  to  marginal  cost  and  that  the 
accountants’ measures of total cost come close to capturing economic cost. In that 
case,  total  accounting  cost  divided  by  output  may  be  a  reasonably  good  proxy  of 
marginal cost. 
A  1987  working  paper  by  Matthew  Shapiro  provides  the  most  comprehensive 
attempt  to  measure  market  power  in  US  industries.  He  undertook  an  econometric 
analysis of data from the U.S. National Income and Product Accounts. Not only is the 
work  just  over  20  years  old  (at  the  time  of  this  writing),  but,  the  assumptions 
involved in the econometrics are extremely tenuous – constant demand elasticity at 
the firm level, constant returns to scale, constant share of labor in total cost. But, it is 
still  the  best  comprehensive  set  of  estimates  available.  For  any  individual  case,  it 
would  be  better  to  rely  on  accounting  data  specific  to  the  firm(s)  involved  (which 
may be proprietary and would not generally be easily available other than as a part 
of  some  legal  proceeding).  But,  our  purpose  is  to  paint  the  U.S.  market  in  broad 
strokes, and for that Shapiro’s paper is the best available. Calculations based on his 
research are shown in the table below. 
 

Market Power Measures for Broad US Industries 
1949­1985 
  Demand Elasticity 
Mark Up  Firm/ 
Industry  Factor Firm Market Market 
Agriculture  1.01 ‐96.2 ‐1.8 0.02 
Construction  1.24 ‐5.2 ‐1 0.19 
Durable Manufacturing  1.40 ‐3.5 ‐1.4 0.40 
Nondurable Manufacturing  1.42 ‐3.4 ‐1.3 0.38 
Transportation  2.11 ‐1.9 ‐1 0.53 
Communication and Utilities 2.25 ‐1.8 ‐1.2 0.67 
Wholesale Trade  2.67 ‐1.6 ‐1.5 0.94 
Retail Trade  2.25 ‐1.8 ‐1.2 0.67 
Finance  1.22 ‐5.5 ‐0.1 0.02 
Services  1.04 ‐26.4 ‐1.2 0.05 
Shapiro,  Matthew  D.,  "Measuring  Market  Power  in  U.S. 
Industry, NBER Working Paper No.2212, 1987 
 
The  first  column  of  the  table  above  shows  Shapiro’s  estimate  of  the  firm  level 
profit‐maximizing  mark  up  factor.  Not  surprisingly,  it  looks  like  agriculture  and 
services  are  highly  competitive,  with  a  mark  up  factor  essentially  equal  to  1. 

  320
Communications  and  utilities  show  considerably  more  market  power  (though  the 
industries  were  regulated,  so,  it  is  hard  to  know  what  to  make  of  that). 
Transportation  and  wholesale  and  retail  trade  also  showed  considerable  market 
power over the period in question. With declines in transportation costs and the rise 
of  the  internet,  both  of  which  make  it  easier  to  access  substitute  products,  it  is 
almost  certain  that  market  power  in  those  industries  is  lower  now  than  it  was  on 
average  over  the  time  period  of  Shapiro’s  sample.  Construction  and  both  durable 
and non‐durable manufacturing were intermediate cases – some market power, but, 
not much. 
The  mark  up  factor  on  its  own  lacks  an  upper  benchmark.  It  would  be  1  for 
perfect competition. But, with a pure monopoly, the mark up would depend on the 
market level elasticity of demand. Shapiro and others have suggested comparing the 
elasticity  of  demand  faced  by  a  firm  (ηFirm)  with  the  elasticity  of  demand  for  the 
market  as  a  whole  (ηMarket)  by  dividing  the  market  elasticity  by  the  firm  level 
elasticity, (ηMarket/ηFirm). A perfectly competitive firm faces a demand elasticity if ‐∞, 
so the ratio would be 0. A monopoly faces the whole market, so the ratio would be 1.  
The  ratio  thus  has  a  neat  upper  and  lower  bound  corresponding  to  monopoly 
and  competition.  There  are  two  additional  (related)  problems,  though.  While  the 
firm  level  demand  elasticity  can  be  inferred  from  the  mark  up  factor,  we  have  to 
obtain  a  measure  of  the  market  demand  elasticity.  That  requires  a  lot  of  data  and 
provides more places to go wrong. Second, with differentiated products, it is difficult 
to  even  define  what  “market”  demand  is.  All  that  really  exists  are  separate  but 
related  demands  for  the  different  but  related  products.  The  best  interpretation  is 
something like the average percentage decline in purchases when ALL prices go up 
by  1%.  That,  obviously,  is  a  hard  thing  to  infer  from  any  actually  observed  data. 
Shapiro,  however,  provides  econometric  estimates  of  this  additional  parameter  as 
well. 
The  last  column  of  the  table  above  presents  his  estimates  of  (ηMarket/ηFirm). 
Wholesale trade was quite monopolized over the sample period, as were retail trade 
and  communications  and  utilities.  Communications  and  utilities  were  largely 
regulated  natural  monopolies  at  the  time.  Wholesale  and  retail  trade  likely  had 
monopoly  power  due  to  a  combination  of  economies  of  scale  and  geographic 
isolation. Most likely, they are far more competitive now. Agriculture, construction, 
finance, and services appear quite competitive, overall. 
Any  attempt  to  quantify  market  power  will  be  imprecise.  If  it  is  based  only  on 
observed market share and concentration indices, it will be plagued by problems of 
market definition and the fact that it ignores the nature of competition. If based on 
observed  mark  ups,  it  will  suffer  from  the  difficulty  of  measuring  actual  economic 
marginal cost at any particular point in time. Estimates of concentration and mark 
up  are  important  clues  about  market  power,  but,  are  not  sufficient  in  and  of 
themselves  to  provide  evidence  of  either  market  power  or  anti‐competitive 
practices. It is also important to consider things like the availability of substitutes, 
the  presence  or  absence  of  economies  of  scale  and  excess  capacity,  and,  other 
potential barriers to entry. 

  321
Antitrust Law and Policy 
Since  perfectly  competitive  markets  allocate  resources  efficiently,  the  U.S. 
government, through the Department of Justice, (DOJ) uses antitrust laws to restrict 
anti‐competitive  practices.  What  follows  is  by  no  means  an  exhaustive  or  precise 
consideration  of  antitrust  law  or  policy.  It  is  merely  a  rough  pass  at  some  of  the 
larger issues. 
The  US  Department  of  Justice  considers  industries  with  an  HHI  above  1800 
“highly  concentrated”  and  gives  special  attention  to  merges  and  other  practices  in 
such  industries.  It  also  pays  special  attention  to  mergers  that  cause  the  HHI  to 
increase  by  over  100. These  are benchmarks  for  attention,  not  hard  and  fast  rules 
about what merges to allow or when to break up a large company. Market definition 
plays  a  crucial  role  in  making  such  judgments,  and,  many  economists  and  other 
consultants  are  employed  as  experts  in  litigation  to  ague  over  exactly  which 
products are substitutes for the products of firms under DOJ antitrust scrutiny. 
U.S.  antitrust  policy  depends  greatly  on  the  “Rule  of  Reason”  articulated  in  the 
1911 U.S. Supreme Court ruling in Standard Oil Co. of New Jersey v. United States, 221 
U.S.  1.  The  ruling  held  that  only  unreasonable  restraints  on  trade  are  subject  to 
actions  under  U.S.  antitrust  laws,  and  that  market  power  in  its  own  right  is  not 
illegal. Four our purpose, that means things are taken on a case‐by‐case basis. For 
example,  a  merger  that  increases  concentration  and  mark  up,  but,  allows  the  new 
larger  firm  to  exploit  economies  of  scale  and  scope  and  therefore  to  actually  offer 
lower prices to consumers would not be blocked simply because  it might increase 
market power by some measures. A contract or practice that may appear to restrain 
trade  on  its  face  may  be  allowed  if  there  is  some  sound  economic  reason  for  it 
beyond simply restraining trade to boost profits at the expense of customers. 

Anti­ and Pro­Competitive Strategies 
Firms, however, are perfectly happy to restrain trade simply to boost profits. We 
regularly hear accusations in the press that some big firm or another is engaged in 
predatory  pricing,  for  example.  In  this  section,  we  consider  a  number  of  pricing 
strategies  that  have  anti‐  or  pro‐competitive  effects.  Whether  or  not  pricing 
strategies that drive out competitors are in a firm’s interest, or even feasible, is not 
as  straightforward  as  it  might  seem.  And,  when  they  are  feasible  and  in  a  firm’s 
interests, they might or might be found to violate antitrust policy – that is an issue 
for a class in antitrust law or economics. 

Preventing Entry with Entry­Limit Pricing 
One of the tools a monopolist has in order to keep out potential competition is 
entry‐limit pricing. The idea is that the monopolist, when faced with possible entry, 
could lower prices to a point where the entrant cannot compete. That would  keep 
the entrant out and leave the monopolist the sole firm in the industry. 
However,  remember  our  discussion  on  credible  threats.  The  only incentive  the 
monopolist has for lowering price is to keep the entrant out. If the entrant actually 
does enter, the monopolist has no incentive to keep prices low. So, the entrant can 

  322
predict that if they entered, the rational monopolist would accommodate the entry. 
So, pricing below the profit‐maximizing level simply to deter entry is not a credible 
threat that post‐entry prices will remain low. 
Entry‐limit pricing is only feasible if the monopolist can commit to the threat of 
keeping  prices  low  after  entry.  The  goal  of  the  of  entry‐limit  pricing  is  to  credibly 
commit  to  a  price  and  output  level  that 
leaves  the  entrant’s  residual  demand 
below his long‐run average cost curve, as  LRACEntrant 
in  the  figure  to  the  right.  If  he  can 
reasonably  commit  to  a  strategy  that 
leads  to  the  above  outcome,  the  entrant 
will  never  be  profitable  and  thus  won’t  dEntrant 
enter. How can the monopolist make his 
threat credible? 
One way is to reduce marginal cost, so the profit‐maximizing price limits entry. 
This  might  be  done  through  adopting  a  technologically  advanced  factory  that  has 
high  fixed  costs  but  low  marginal  costs,  profit‐maximizing  price  (where  MR=MC) 
will  be  low  and  quantity  will  be  high.  It  might  also  be  done  by  moving  first  and 
building a much larger capacity than would otherwise be profitable. This is related 
to  they  type  of  production  technology  adopted,  trading  a  high  fixed  cost  for  a  low 
marginal cost to deter entry. 
A  first  mover  also  has  the  chance  to  reduce  marginal  costs  by  moving  so  far 
along  the  learning  curve.  Producing  more  than  would  otherwise  maximize  profit 
early  on  can  lead  to  opportunities  to  learn  by  doing  that  reduce  cost  and  improve 
efficiency. An aggressive first mover may learn a lot about the industry and develop 
such  an  advantage  in  their  distribution  network,  operating  structure,  etc.  that  the 
competition is never able to “catch up,” making entry unattractive. 
The  problem  is  that  even  if  you 
accomplish both of these things, your  p
marginal  cost  may  still  not  be  low 
enough  to  keep  out  potential 
entrants.  Even  if  marginal  cost  is  0, 
the  profit‐maximizing  price  is  p* 
positive.  If  that  price  is  higher  than 
the  entrant’s  cost,  they  will  still  have  D
an incentive to enter. This is shown in 
the figure to the right.  MC=0 
q*  MR  q
The next possibility is to develop a 
reputation  as  a  fighter.  In  this  case, 
the  monopolist  deters  entry  through  his  reputation,  as  opposed  to  a  physical 
reduction in marginal cost. What makes the threat credible here is the present value 
of future payoffs from keeping entrants out; in other words, if this present value is 
high enough, all players will rationally believe that the monopolist will lower prices 

  323
to  secure  his  reputation  as  a  fighter  (as  long  as  the  monopolist  doesn’t  violate 
antitrust legislation). 
Given a monopolist that has secured a strategy that is credible enough to keep 
entrants out, we now have to ask whether or not this strategy is a good one. To do 
this, we need to compare the expected present value of profits when we engage in 
entry‐limit  pricing  to  the  expected  present  value  of  profits  without  entry‐limit 
pricing, or 
EPV (π | Limit ) > EPV (π | Accomodate) . 
If the profit from limiting is higher, it is a reasonable strategy. In a simple world, we 
can imagine a monopolist who limits entry and gets a lower profit (πL) this period 
and  every  period  thereafter,  versus  one  who  doesn’t  limit  entry  and  gets  a 
monopoly  profit  (πM)  this  period,  and  an  accommodating  profit  (πA)  every  period 
thereafter, or 
πL π
  πL + > πM + A  
r r
where  r  is  the  interest  rate.  Comparing  πM  with  πL,  we  know  the  entry‐limiting 
monopolist  has  taken  steps,  such  as  an  investment  in  a  plant  with  a  very  low 
marginal cost or a very high capacity, but a very high fixed cost, in order to secure a 
strategic  advantage  for  the  future  of  credibly  keeping  entrants  out.  Therefore,  the 
per‐period  profit  of  the  monopolist  that  is  attempting  to  limit  entry  will  be  lower 
than a monopolist that is simply maximizing profit (πM > πL). The deciding question 
now  becomes  how  much  higher  is  the  entry‐limit  profit  than  the  accommodating 
profit  (πL  –  πA).  This  will  ultimately  decide  whether  the  strategic  advantages  are 
worth the costs of obtaining a reputation as a fighter or reducing marginal cost to 
the  point  that  entrants  are  just  not  interested.  That  is,  is  the  flow  of  future  extra 
profits from limiting entry high enough to justify the loss of today’s monopoly profit: 
πL − π A
> π M − π L . There is no reason to think this will necessarily hold, even when 
r
entry‐limit pricing is feasible, which it may not be. 

Eliminating Competitors with Predatory Pricing 
This is a tactic used to drive an existing competitor out of the market; however, it 
relates  to  entry‐limit  pricing  in  the  sense  that  the  threat  must  be  credible.  Thus, 
temporarily  lowering  prices  to  drive  out  a  competitor  and  then,  once  your 
competitor  is  gone,  raising  prices  to  monopoly  levels  will  only  attract  new 
competition.  For  this  to  really  work,  it  must  be  rational  to  lower  prices  today  to 
push a competitor out of the market, but also to keep prices low enough in the long 
run to dissuade future entrants from entering the market.  
To  determine  if  it  is  rational  to  use  predatory  pricing  to  drive  out  current 
competitors,  simply  compare  the  present  value  of  profits  using  predatory  pricing 
with the present value of profits without using predatory pricing. Regarding legality, 
it  is  not  inherently  illegal  to  price  below  your  opponent’s  cost.  If  you  eliminate 

  324
competitors by having a lower marginal cost, that may even be good for customers. 
Having a reputation for pricing below your own cost to harm competitors, though, is 
grounds for more serious legal antitrust trouble. 

Pre­Emptive Product Introduction in Differentiated Product Markets 
Unless there are barriers to entry, π > 0 leads to entry. When we first introduced 
differentiated  products,  there  were  two  firms  on  opposing  ends  of  a  line  that 
represented different levels of a certain characteristic of a good. In reality, there are 
many  different  characteristics  that  firms  can  use  to  differentiate  their  products. 
Imagine two different properties of a good, x1 and x2, and imagine each point in the 
following  graph  represents  products  of  competing  firms  containing  different 
amounts  of  each  characteristic.  Remember,  each  characteristic  could  be  anything 
that affects customers’ preferences, such as sweetness, location, etc. 
Suppose  the  dots  in  the  figure  below  represent  actual  products,  your  firm’s 
product is the light‐colored dot, and you are making a profit. The squares represent 
potential  points  where  another  product  may  be  introduced  that  would  attract 
enough customers to be profitable, but which would reduce your firm’s profits. That 
is,  you  are  vulnerable  to  entry  in  the  market  niches  corresponding  to  the  squares. 
One  way  to  combat  this  potential  threat  is  to  consider  preemptive  product 
introduction. In other words, you could sell new products that would take some of 
the demand away from your initial product, in order to keep other competitors out 
of the market. Basically, product positioning is a very strategic decision that can be 
used to keep other competitors out, as well as keep demand focused on your most 
profitable product. 

x2 

Niches vulnerable 
to entry 

x1

Softening Competition with a Price Match Guarantee 
This  is  where  a  firm  guarantees  that,  on  a  similar  product,  any  lower  price 
charged by a competitor will be matched, and possibly lowered by some additional 
amount. On the surface, this seems like it protects customers that are buying from 
the  firm  with  the  price  match  guarantee;  however,  this  actually  serves  to  insulate 
price  competition.  Suppose  two  firms  each  have  price  match  guarantees,  and 
imagine  they  are  selling  homogenous  products.  Without  the  guarantee,  each  firm 
would want to undercut the other to take away market share, driving price down to 

  325
marginal  cost.  With  the  guarantee,  neither  firm  has  any  incentive  to  undercut  the 
other,  since  the  original  will  just  match  that  price;  thus,  each  firm  leaves  prices  at 
monopoly level. Thus, price match guarantees effectively restrain competition, and 
are a mechanism firms use to keep prices high. 

Limiting Entry by Raising Costs 
Another way to limit entry is to increase costs for the entire industry. One way to 
do this is by increasing fixed costs. Suppose there is a monopolist in an industry and 
his profit is πM = 100. If entry were to occur, both firms would make a profit of π = 
20.  Now  imagine  the  monopolist  goes  to  the  government  and  says  his  industry 
contributes to global warming, and the government should charge every firm in the 
industry  $21  per  year.  This  is  essentially  an  increase  in  fixed  costs,  since  it’s  not 
dependent on a firm’s output. The profit of each firm if entry occurs is now π = ‐1, so 
the entrant does not enter. The monopoly profit becomes πM = 100 – 21 = 79, which 
is better than 20, so this is a rational strategy to keep potential entrants out. 
You  can  also  attempt  to  increase  variable 
costs for the entire industry. Generally you will  p 
lose  more  profits  (due  to  the  higher  costs)  p1 
p0  MC1 
when  compared  to  simply  raising  fixed  costs. 
As  the  graph  illustrates,  increasing  marginal  MC0 
cost  will  result  in  higher  prices,  meaning  a 
deadweight  loss  for  the  industry  and  lower  MR  D 
consumer surplus (due to the higher prices). So,  q1  q0 
when  limiting  entry  by  raising  costs,  it  usually  q 
makes  more  sense  to  raise  fixed  costs  rather 
than raising variable costs. 

Pricing Below Cost to Promote Competition ­ Penetration Pricing 
This pricing strategy is used to “penetrate” a market, typically when introducing 
a new product. A supplier will charge an extremely low price, offer the product for 
free, or even pay customers to try a very limited amount of their product to create 
awareness  in  a  market.  This  strategy  is  particularly  effective  when  the  incumbent 
firm  has  some  sort  of  a  “lock‐in,”  which  is  when  a  large  group  of  customers  are 
already  loyal  to  a  particular  product.  A  good  example  would  be  if  a  software 
company that produced a substitute for Microsoft Excel were to pay consumers to 
use its product, in order to break into the market. While this is pricing below cost, 
since it promotes rather than hinders competition, it does not run afoul of antitrust 
rules. 

Vertical Foreclosure 
Suppose  there  is  a  supply  chain  that  has  two  downstream  firms  that  compete 
with  one  another  for  sales  of  final  products  to  consumers,  and  a  single  upstream 
firm  that  provides  each  downstream  firm  with  a  needed  input.  Now,  if  one  of  the 
downstream  firms  merges  with  the  upstream  firm,  there  will  be  a  new  vertically 
integrated  firm,  as  well  as  the  other  downstream  firm.  The  new  firm  can  now 

  326
attempt to squeeze the extra downstream firm out of the market by marking up the 
price  of  the  components  they  sell  to  them.  This  is  known  as  vertical  foreclosure  – 
using  market  power  at  a  different  vertical  point  in  the  supply  chain  to  reduce 
competition at a given horizontal location. 
Such  behavior  is  an  antitrust  violation.  But,  it  may  still  not  be  in  the  new 
integrated  firm’s  best  interest  to  engage  in  this  type  of  pricing  anyway,  because 
doing so may boost the downstream firm’s profits, but it does so at the expense of 
the  upstream  firm’s  profit.  If  the  upstream  division  sells  components  to  both  the 
downstream division and the competing downstream firm, it may actually be more 
profitable  for  the  upstream  division  to  continue  selling  to  both  entities.  The  best 
pricing decision depends on the strategic situation the firms are in. 
 

  327
Chapter 19 Terminology 
The  following  is  a  list  of  terms  that  you  should  know  in  order  to  discuss  and 
apply the material from this chapter. 
Concentration Ratio­ A measure of how competitive an industry is. Only the largest 
firms are measured and compared to the industry as a whole. The larger this ratio is, 
the less competitive the industry. 
Entry­Limit Pricing­ A tool used by a monopolist to lower prices to a point where 
an entrant cannot compete. This drives the entrant out, leaving the monopolist the 
sole firm in the industry, enabling him to again raise prices. This will be successful 
only when a credible commitment is made to maintaining low prices after the 
entrant enters. 
Herfindahl Hirschman Index­ An index that measures the concentration of all 
firms in an industry. Industries range from 0 (perfectly competitive) to 10,000 (pure 
monopoly). The U.S. Department of Justice considers an HHI above 1800 “highly 
concentrated.” 
Penetration Pricing­ A pricing strategy that is used to enter a market, typically by 
introducing a new product. Charging an extremely low price, offering the product 
for free, or even paying customers to try the product are ways to create awareness 
in the market. 
Predatory Pricing­ A tool used to drive an existing competitor out of a market by 
lowering prices to a point where that competitor cannot compete. This will be 
successful only when a credible commitment is made to maintaining low prices after 
the competitor exits. 
Price Match Guarantee­ A strategy used by firms in an oligopolistic industry to 
insulate price competition and keep prices high. The firms guarantee that, on a 
similar product, any lower price charged by a competitor will be matched. When all 
firms use this strategy, they will have no incentive to undercut each other and can 
set prices at the monopoly level. 
Vertical Foreclosure­ Occurs when there are two downstream firms and one 
upstream firm in a supply chain, one of the downstream firms merges with the 
upstream firm, and the upstream firm no longer purchases from the remaining 
downstream firm. 

  328
 
 
 
Part 6 
 
Firm Structure 
 

  329
Chapter 20 
Input Procurement and Contracting 
Ways to Obtain Inputs 
Every  stage  of  the  production  process  requires  inputs.  There  are  three  main 
ways  to  get  them:  1)  buy  them  in  the  spot  market,  2)  make  them,  or  3)  sign  a 
contract with an input supplier. Each is appropriate in different situations. 
The spot market is just the free‐market economy in its purest sense; you go to 
the market to determine the market price of whatever input you need, and buy as 
many of them as you require. Using the spot market is the simplest way to procure 
an  input.  It  has  the  major  advantage  of  allowing  the  firm  to  focus  more  of  its 
resources on producing the goods it will ultimately sell. Thus, using the spot market 
to obtain inputs keeps the firm more specialized. 
The  spot  market  functions  well  as  long  as  there  is  near  perfect  information, 
products are very standardized, and transactions costs are low. If all of these related 
conditions are met, supply and demand will be able to accurately represent the cost 
and value of the good, and the spot market will be able to facilitate trade efficiently. 
But,  the  spot  market  tends  to  break  down  if  any  of  these  three  conditions  are  not 
met.  The  more  differentiated  an  input  is,  or  the  higher  the  transactions  costs  of 
finding it, the thinner the market will be. These are related; a lack of standardization 
means  a  thin  market  in  which  much  depends  on  search  and  negotiation,  which 
means  high  transactions  costs.  Similarly,  when  information  is  incomplete,  it  may 
take  a  great  deal  of  time  just  to  gather  enough  information  on  which  to  base  a 
decision, and when information is too asymmetric, every transaction can become a 
time consuming negotiation. 
A  firm  that  vertically  integrates  several  stages  of  the  production  process  is 
internally creating some of the intermediate inputs needed for its final product. This 
gives  the  firm  the  most  direct  control  over  the  production  of  the  input.  When  the 
input needed by the firm is highly specialized and it is simply too hard to negotiate 
with an input supplier to provide it, this may be the best solution. But, it also diverts 
more  of  the  firm’s  focus  from  producing  the  goods  it  will  ultimately  sell  to  its 
consumers. So, the firm becomes less specialized. 
Signing  a  contract  with  an  input  supplier  is  an  intermediate  solution.  The  firm 
remains  more  specialized,  but  some  of  its  resources  are  devoted  to  negotiating 
contracts  and  maintaining  the  relationship  with  the  input  supplier.  The  economic 
aspects  of  contracting  with  input  suppliers,  especially  when  faced  with  adverse 
selection  or  moral  hazard,  is  the  subject  of  the  rest  of  this  chapter.  It  should  go 
without saying that this is not a course in contract law – but I feel it should be said 
anyway. The text provides only an overview of the economic aspects of contracting 
–  when  and  how  contracting  can  increase  the  profitability  of  the  firm.  How  to 
actually negotiate, write, and enforce a contract is, of course, well beyond the scope 
of a class in managerial economics. 

  330
Contracting and Optimal Contract Length 
There are both benefits and costs to contracting, and specifically, to contract 
length. The major benefit of signing a contract is that it avoids the costs of search, 
bargaining, negotiation, and other transactions costs that would be incurred if the 
firm had to seek out an input supplier every time it needed more of the input, spell 
out in detail exactly what they need, and negotiate purchases one by one. With a 
contract, all those details are worked out one time in advance, and then, for the 
length of the contract, they are not incurred again. The higher those types of 
transactions costs, the higher the marginal benefit of extending contract length a bit. 
One of the major costs of contracting has to do with the complexity of the 
contracting environment. How many contingencies can be foreseen? How easily can 
what to do in each contingency be agreed upon? What must be done so the contract 
is readily enforceable in each foreseeable contingency? How expensive is it to pay 
for enough time for the firm’s managers, lawyers, etc… to actually negotiate the 
contract. The more complex the contracting environment, and, the more expensive 
it is to negotiate the contract, the higher the marginal cost of extending the contract 
length a bit. 
The other major cost of contracting has to do with the cost of being tied down in 
the future. This cost has primarily to do with raw uncertainty ‐ the unknown 
unknowns. To the extent that unknowns can be numerated and assigned rough 
probabilities, they can be dealt with (perhaps at great expense) in the contingencies 
spelled out in the contract. But, what to do in contingencies that can not be 
reasonably foreseen before hand obviously can not be spelled out in a contract. The 
firm might find being tied into a contract excessively restrictive if radically new 
technologies lead them to adopt a production process that no longer needs the input 
specified in the contract, for example. The more important this type of raw 
uncertainty, the higher the marginal cost of extending contract length a bit. 
The optimal length of a contract  MB 
balances the marginal benefits of  MC” 
&  MC 
additional contract length against  MC 
their marginal costs. This is shown in 
the figure to the right (L*). An 
increase in the transactions costs of 
obtaining the input without a 
contract increases the marginal  MB’
benefit of contact length (to MB’) and 
increases contract length (to L’) 
given the initial marginal cost curve.  MB
An increase in the complexity of the 
contracting environment or the costs 
of being tied into a longer contract in  L” L*  L’  Length
the face of uncertainty increase the 
marginal cost of contract length (to MC”) and decreases contract length (to L”) given 
the initial marginal benefit curve. 

  331
Contracting and Asymmetric Information 
Sometimes different parties to a transaction have significantly different 
information regarding certain aspects of the transaction – there is asymmetric 
information. The simplest example is if an individual wished to sell a box full of 
money, but only he (and not the buyer) knew how much was inside. The buyer could 
reasonably conclude that the seller wouldn’t be willing to sell the box for anything 
less than the money in it, and thus would never want to buy the box. This is because 
of the asymmetric knowledge the seller has. 
In general, there are two categories of asymmetric information. The first is 
adverse selection, which is when one party knows some characteristics about 
themselves that are hidden from the other. Insurance markets provide a good 
example of an adverse selection problem. Suppose an insurance company provides 
health insurance to two types of people, one that is high‐risk and one that is low‐
risk. In order for the insurance company to break even on expected losses, they 
must charge a premium somewhere in between what they expect to lose from both 
low‐risk and high‐risk types. Thus, it is possible the low‐risk types will determine 
they are being over‐charged by the insurance company to compensate for the high‐
risk types, and decide insurance is not worth buying. The company can reasonably 
predict this, and as a result they will charge the remaining high‐risk types a higher 
premium. This result is where the name adverse selection comes from ‐ because 
there are hidden characteristics about the people who desire health insurance, the 
company ends up insuring the people who are most likely to get sick and thus to file 
claims. 
The second category of asymmetric information is moral hazard, which is when 
one party’s actions are hidden from another party. An example of a moral hazard 
problem is a driver who has auto insurance. Since the insurance company cannot 
monitor the driver’s behavior all of the time, the driver’s actions are hidden from 
the company. If the driver is fully insured, he has less of an incentive to drive 
carefully. 
Both types of information asymmetry affect the contracting problems faced by 
firms when procuring inputs. When purchasing an intermediate good, it is very 
likely that the input supplied will eventually know more about the cost of producing 
the input that the firm purchasing it will. That will give them an incentive to 
overstate costs in an attempt to extract a higher payment. When a board of directors 
hires a CEO, the will know much more about how hard they worked than will the 
board of directors. We consider each of these contracting situations in turn. 

Contracting in Principal­Agent Relationships with Adverse Selection 
Imagine a principal is contracting with an agent for a task, such as fixing a car. 
At the time of the contract, the principal does not know how hard or expensive (in 
time, money, or utility terms) the work will be. The agent may or may not know how 
difficult the task will be at the time the contract is signed, but he will find out before 
the task is undertaken. If the task is expensive, we will assume the agent can walk 
away without fulfilling the contract if doing so would bankrupt them. That is, the 

  332
contracts are enforceable only as long as the agent remains solvent – bankruptcy 
laws do not allow the principal to force the agent to take a loss. The principal wants 
to make sure that the agent does not lie and overstate cost in the event the job is 
easy, but also to make sure payment is high enough if costs are high to prevent the 
agent from taking a loss, because then the agent would walk away and the task 
would not get done. Because of this, the principal has to allow for two different 
payments within the contract: a payment if the work turns out to be hard, and a 
payment if the work turns out to be easy. 
The principal will never know by direct observation whether the work was hard 
or easy; he has to rely only on what the agent tells him. So, the principal is at an 
information disadvantage resulting from hidden characteristics about the nature of 
the agent’s work. Assuming the principal must get the job completed, such as the 
repair of his car, he must allow in the contract the possibility that the repair will be 
expensive, and thus the possibility that he will have to pay a high price. The problem 
with allowing for this possibility is that the agent now has the incentive to lie about 
the difficulty of the job in order to get the high payment. The solution to this 
problem is to arrange the contract in a way that incentivizes the agent to be honest 
about the true costs of his work. Even so, the information disadvantage will prove 
costly to the principal. 

Model 
To develop a model for this contracting problem with adverse selection, assume 
we want to procure some inputs from an agent, such as bolts for some piece of 
machinery we are building. We don’t know ultimately how much it’s going to cost 
the agent to produce these inputs, but at the time of the contract we have some idea 
of the how likely it is that cost will be high or low. For the purposes of this model, we 
make the following definitions. 
q is the number of inputs the agent produces, and it can either be the amount 
that he produces if costs are high (qH) or the amount that he produces 
if costs are low (qL). Note qL > qH. 
V(q) is the value to our firm of having q units of the input; it is the profit that 
we can make in the future using these inputs, before subtracting the 
costs of input procurement. 
f is the probability the cost (to the agent) of making our inputs is low (CL(q)) 
1‐f is the probability that the cost (to the agent) of making our inputs is high 
(CH(q)) 
P is the total (delivery) price called for in the contract, which is based on how 
many units the agent produces; it can either be the total delivery price 
if costs are high (PH) or the total delivery price if costs are low (PL). 
We assume that the principal has the bargaining power; in other words, the 
principal is creating this contract as a “take it or leave it” deal which is offered to 
several competing production firms. As described above, we also assume the agent 

  333
has the ability to file for bankruptcy. This implies that if we don’t pay the agent 
enough to cover his costs of production, he will file for bankruptcy and get out of the 
contract. We have two participation constraints that follow directly from this: 
  1.  PH ≥ CH (qH )  
  2.  PL ≥ CL (qL ) . 
These constraints ensure that the contract prices cover the agent’s costs of 
production. We also have two incentive constraints that are used to make sure the 
agent is honest about his costs. The first one is that the agent would get at least as 
much (or a little more) profit from producing qH units if cost turns out to be high 
than he does from producing qL units, or 
  3.  PH − CH (qH ) ≥ PL − CH (qL )  
Similarly, we want the agent to get at least as much (or a little more) profit from 
producing qL units if cost turns out to be low than he does from producing qH units, 
or 
  4.  PL − CL (qL ) ≥ PH − CL (qH )  
Just like in menu pricing, we have two selection constraints and two incentive 
constraints; and just like in menu pricing, only one of each type bind. Looking at the 
incentive constraints, #3 induces the agent not to lie about costs being low when 
they are really high. Since a supplier would never come to a principal and say cost is 
only $5 when in reality it is $10, we don’t have to worry about constraint #3 
binding. 
Looking at the two participation constraints, #2 says the price of the low‐cost 
contract must be greater than or equal to the cost of producing qL units. If this 
contract price were to ever be below the cost of production, the supplier could 
simply say that costs were high and produce the lesser quantity qH and still make a 
profit. So, we don’t have to worry about constraint #2 binding. 
Given this information, the model tells us that we want to maximize value less 
input procurement costs, which is 
  f (V (qL ) − PL ) + (1− f )(V (q H ) − PH ), 
subject to the constraints 
  1.  PH = CH (qH )  

  4.  PL − CL (qL ) = PH − CL ( qH ) . 
Rearranging constraint #4, and plugging in constraint #1, we get 
  PL = PH − CL (qH ) + CL ( qL )  
  PL = CH (qH ) − CL ( qH ) + CL (qL ) . 

  334
This last version of constraint #4 should make intuitive sense. It just says that if the 
agent says cost is low, we pay them their costs of production,  CL (qL ) , plus the profit 
they would make if they lied and claimed cost was high,  CH (qH ) − CL (qH ) . That 
covers their cost and keeps them honest. 
Substituting our constraints into the original problem we get 
  f (V (qL ) − cH (qH ) + CL (qH ) − CL (qL ) ) + (1 − f ) (V (qH ) − CH ( qH ) )  

Now we can solve for qL and qH by maximizing this expression. Maximizing with 
respect to qL, we get 
∂ E ( π) ⎛ dV (qL ) dCL (qL ) ⎞
  = f⎜ − ⎟ = 0 
∂ qL ⎝ dqL dqL ⎠

and dividing by f we get 
  MB (qL ) = MCL (qL )  
which simply says marginal benefit at qL equals marginal cost. 
Maximizing with respect to qH, we get 
∂E(π)
  = f (−MC H (q H ) + MC L (q H )) + (1− f )(MB(q H ) − MC H (q H )) = 0 . 
∂q H
Rearranging this, we get 
f
  MB (qH ) − MCH (qH ) = ( MCH (qH ) − MCL (qH ) ) . 
1− f
Looking at this equation, we see that marginal benefit equals marginal cost plus the 
extra term on the right. This is because the cost to us of increasing qH in our contract 
is the production cost plus the fact that the low‐cost producer becomes more 
tempted to lie and say cost is high. Thus, we request fewer units for qH than we 
would if we didn’t have to worry about the low‐cost producer lying. 
The following illustrates the adverse 
selection contracting problem in a graph.  MCH 
Since the firm is the principal and is paying 
the agent to procure a certain quantity of 
MCL 
inputs, the marginal benefit curve (MB) is the 
firm’s marginal benefit from q units. The agent 
will either be a high cost producer (MCH) or a  MB(q)
low cost producer (MCL). Then, qLe is the 
quantity that maximizes value added if cost is  q 
qHe  qLe 
low, and qHe is the quantity that maximizes 
value added if cost is high. 
From the above discussion, we know when cost is low we want MB = MCL; so, the 
quantity in the low‐cost contract will be qLe. The quantity in the high‐cost contract, 

  335
however, won’t be the quantity that maximizes value added. This is due to the 
propensity the low‐cost producer has for lying and saying costs are high. 
Let’s look at another graph to illustrate this point. Let’s suppose for now the 
probabilities of high and low cost are equal. We know the area under the MC curve 
is total variable cost (ignoring any quasi fixed costs), and we know from the 
participation constraints that the contract price (P) has to cover the total cost. If we 
were to demand qHe units in the high‐cost contract, the price of the high contract 
would be as shown in the left figure below. Now, suppose the cost to the producer 
turns out to be low. If he lies and says that cost is high, he will get this high contract 
price; since his actual costs are based on the MCL curve, his profit will be as shown in 
the figure on the right. 

MCH  MCH 

MCL  π MCL 

PH 
MB(q) MB(q)

qHe  q  qHe  q 

The only way to reduce the producer’s incentive to lie is to restrict qH; by doing 
this, we reduce the profit he makes from lying when costs are low; this means we 
gain some profit because of the cheaper cost of the high‐cost contract. But what 
happens to our profits if costs are actually high? Since we’d be demanding a quantity 
that is less than the quantity that maximizes value added (qHe), we are losing 
potential profits if costs turn out to be high. This is shown in the left panel of the 
figure below. 
So, every time we restrict qH, we lose some profit because the next unit has a 
higher marginal benefit than its marginal cost, but we gain some profit because the 
contract price we have to pay for the high‐cost producer is lower. We will then 
continue to restrict qH until these two marginal effects offset each other. This is 
shown in the right panel of the figure below. 

MCH  MCH 
‐∆πH  ‐∆πH 

∆πL  MCL  ∆πL  MCL 

MB(q) MB(q)
qHe  q  qH qH* q 
 

  336
 This is precisely where our earlier solution for qH comes from; the distance –∆πH 
is MB(qH)‐MCH(qH), and the distance ∆πL is MCH(qH)‐MCL(qL). For us to find qH, these 
have to be equal. Note that this is only exactly true when f = 1­f. As f increases, the 
probability of low cost increases, and as a result we have to restrict qH further as it 
becomes more likely the producer will lie about having a high cost. As f decreases, it 
is more likely that cost will be high, so the gain to reducing the incentive for lying 
when cost is low is smaller and, as a result, qH will be higher. 
 
Example 
Let  V (q) = 10q − 1 4 q 2 , f = 0.5, CL = 0.5qL and CH = 2qH. 

The two binding constraints are 
  PH = 2q H  and  PL − 1 2 qL = PH − 1 2 q H . 

Substituting the first into the second and solving for PL we obtain 
  PL = 3 q H + 1 qL  
2 2
Expected profit function is 
  E(π) = f (V (qL ) − PL ) + (1− f )(V (q H ) − PH ) 
and substituting from the constraints gives: 
  ( ) ( )
E(π) = 1 2 10qL − 1 4 qL − 3 2 q H − 1 2 qL + 1 2 10q H − 1 4 q H − 2q H . 
2 2

Maximizing this we find 
dE (π) 1
2(
= 10 − 0.5qL − 0.5 ) = 0
  dqL   
qL = 19
and 
dE (π)
= 0.5 ( −1.5 ) + 0.5 (10 − 0.5qH − 2 ) = 0
  dqH . 
qH = 13
If, on the other hand, we had perfect information, we would simply find our 
quantities by setting the marginal benefit equal to the marginal cost: 
  10 − 1 2 qL = 1 2  and  10 − 1 2 q H = 2 , so 

  qL = 19  and  q H = 16 . 
So, we can see that we reduce our contract for the high‐cost producer by 3 units 
because of the information asymmetry. 
 

  337
 Up to this point, we’ve been discussing adverse selection contracts in scenarios 
where the producer is risk neutral but can file for bankruptcy. The reason this was 
important was that it required us to fully compensate the producer if cost turned 
out to be either high or low. Suppose, however, that the agent can afford to take the 
loss if cost turns out to be high. Then, if the agent signed a contract that will lead to a 
loss if cost is high, they can’t get out of it if cost really does turn out to be high, they 
just have to take the loss. 
If this is the case, the timing of the uncertainty of the contract and the attitude of 
the agent toward risk become important. If neither party knows what costs are 
going to be at the time of the formation of the contract, AND the agent is risk neutral, 
the principal can simply demand the quantity that maximizes value added and pay a 
contract price that compensates the agent for expected costs; that is, the price of the 
contract takes into account the likelihood of costs being either high or low. The 
participation constraint is simply: 
  f ( PL − CL (qL ) ) + (1 − f )( PH − CH (qH ) ) ≥ 0 . 

Then, if the agent takes the contract, he will be forced to produce the requested 
quantity; if cost turns out to be low, he will make a profit, and if costs turn out to be 
high, he will take a loss. So, if the agent can afford to take a loss on a high‐cost 
contract, we don’t face the “bankruptcy constraint” that we dealt with in the first 
method. In that case, we get the efficient quantity for either high or low cost 
because, at the time of signing the contract, and since there is no way out of the 
contract once it is signed, there is no information advantage to the agent, and, no 
disadvantage to the principal. 
Now suppose that the agent we’re contracting with is not a firm that produces 
inputs, but rather is an individual. When we were dealing with a firm, we just had to 
worry about covering their costs of production. This is because firms are risk‐
neutral. We know, however, that individuals are risk‐averse. So, if we want an 
individual to participate in our contract, we need to look at their expected utility, as 
opposed to just expected costs. If f is the probability that the job is easy and UR is the 
individual’s reservation utility, the participation constraint then becomes something 
like: 
  fu ( PL − CL (qL ) ) + (1 − f )u ( PH − CH (qH ) ) ≥ uR . 

If we’re dealing with an individual, however, introducing uncertainty about the 
outcome introduces risk into the individual’s compensation. Since the individual is 
risk averse, they will demand higher compensation on average to make up for the 
risk. So, there is a tradeoff – making the high cost option less attractive increases 
risk and therefore increases expected compensation costs, but, it also decreases the 
incentive to lie, reducing expected compensation costs. The optimal contract will 
strike a balance between these two opposing forces. 
 

  338
Contracting in Principal­Agent Relationships with Moral Hazard 
Now we’re going to focus on contracting issues between principals and agents in 
the context of a moral hazard problem – when the agent knows more about their 
actions than does the principal. Suppose a board of directors is hiring a new CEO for 
a company; then, the board of directors is the principal of the relationship, and the 
CEO is the agent of the relationship. The issue of moral hazard arises immediately 
because the principal is unable to actively observe all the work that the agent does. 
As a result of this, even if the principal feels the agent didn’t work hard at the task, it 
would be hard to tangibly prove it in a court. This leads us into a discussion about 
what the principal can do to motivate the agent to work diligently at their tasks. 
The natural solution to this difficulty is for the board of directors (the principal) 
simply to pay the CEO (the agent) based on company performance. That is, the 
board is hiring the CEO to make the firm profitable; so, pay him if the firm ends up 
making a profit, and don’t pay him if the firm doesn’t make a profit. This is a suitable 
solution in a world with no uncertainty. If we could be certain the firm would be 
profitable if the CEO worked hard, and unprofitable otherwise, then we could pay 
him accordingly. But what if there were some way the firm could be profitable if the 
CEO did not work hard, and, unprofitable even if he does work hard? We wouldn’t 
want to punish this industrious CEO simply because of something that wasn’t under 
his control, or, overly reward those who just get lucky. 
Because these types of situations occur in the real world, we have to find a way 
to reconcile this uncertainty. The only way the board will hire the CEO is if they pay 
him in a way that is contingent on company profits, in order to incentivize him to 
work hard. From the CEO’s perspective, however, the contract has become risky; 
that is, he knows there are certain elements that influence company profits that 
aren’t under his control. We know individuals are risk averse. Since his salary is now 
tied to company profits, and company profits are contingent on uncertain things 
that he has no control over, the company will have to offer more money for the CEO 
to compensate for this added risk. 
The principal thus faces a trade‐off between risk and incentives when designing 
a contract for the agent. To make it more likely that the CEO will work hard, the 
principal has to add greater incentives for working hard. Incentivizing the CEO to 
work hard leads to higher profits for the company. In the face of these high 
incentives, though, the contract has become more risky; the CEO will demand a 
higher salary because of this, which leads to lower profits for the company. The 
optimum contract balances these two effects. 
In addition to profit, there are other indicators to use as signals of the effort of 
the agent, such as costs, sales, complaints, reports of monitors, and the performance 
of other firms (yardstick competition). The idea is to tie the pay of the agent to 
signals that best represent the job he is being hired for. So, if the agent is a CEO, 
overall company profit is a good signal. If the agent is a production manager, tying 
his contract to the firm’s production costs is a better way to incentivize him to work 
hard at what he’s supposed to do – it is less random and more under his influence. 

  339
Model 
For the purposes of this model, we make the following definitions. 
V is the value of the firm, which can either be high (VH) or low (VL) 
e is the effort of the agent, which can either be high (eH) or low (eL) 
f is the probability that the value of the firm is high given the agent works 
hard, or Pr(VH|eH) 
g is the probability that the value of the firm is high given the agent doesn’t 
work hard, or Pr(VH|eL) 
u(w) – c(e) is the agent’s utility function, which is the utility he gets from the 
wealth of the contract, u, minus the utility cost, or disutility, from putting 
forth effort. For simplicity, assume the cost of high effort is c (that is, c(eH) 
= c) and assume the cost of low effort is 0 (that is, c(eL) = 0). 
uR is the reservation utility, which is the utility of the agent’s next‐best 
option. If you don’t meet this level of utility with your contract, the agent 
won’t take it. 
wR is the reservation wage, which is just the single amount of wealth that 
corresponds to the reservation utility for a job with low effort required; 
that is, wR = u(wR). 
Since we have limited the possibilities to two (high value or low value), this is 
the only signal on which to base a contract. Let wH represent the wage paid to the 
agent if value is high, and wL represent the wage if value is low. Note that we can 
also think of these two wages in terms of a base pay and a bonus; that is, wL = wBASE 
and wH = wBASE + bonus. 
We will assume that the principal wants the agent to work hard. Given this, the 
principal wants to minimize expected compensation costs. The expected cost of 
hiring the agent is the probability of high value times the high wage, plus the 
probability of low value times the low wage, assuming the agent works hard, or 
fwH + (1 − f )wL . 
This minimization problem is subject to two constraints. The first constraint is 
the participation constraint. This says that you must pay the agent enough to 
actually induce him sign the contract, which means his expected utility from the 
contract must be greater than or equal to his reservation utility, or 
  E (u | eH ) = f (u ( wH ) − c) + (1 − f )(u ( wL ) − c) ≥ uR . 
We use f here because we are only concerned with getting the agent to participate 
when he works hard; we aren’t trying to get him to participate when he doesn’t work 
hard. If we expand the above equation, we get 
  E (u | eH ) = fu ( wH ) + (1 − f )u ( wL ) − c ≥ uR . 

  340
 Since the opportunity cost of the agent signing our contract is uR, this constraint 
binds; that is, if we don’t meet this constraint, the agent walks away. We want to 
make sure that his expected utility from the contract is as much as his reservation 
utility – but making it greater just takes profits away from the firm. So, equality 
holds for this constraint. 
The second constraint is the incentive constraint. This constraint says the 
agent’s expected utility from working hard must be greater than or equal to his 
expected utility from shirking, or 
  E(U | e H ) ≥ E (U | eL )   
We’ve defined the expected utility from working hard above; the expected utility 
from shirking is the chance value is high given that he doesn’t work hard times the 
high wage, plus the chance value is low given that he doesn’t work hard times the 
low wage, or 
  E (U | eL ) = gu ( wH ) + (1 − g )u ( wL ) − 0 . 
Notice the cost of effort here is 0, since the cost of shirking (using our notation) is 0. 
Then, the incentive constraint becomes 
  fu ( wH ) + (1 − f )u ( wL ) − c ≥ gu ( wH ) + (1 − g )u ( wL ) . 
This constraint also binds, meaning it holds with equality. If we don’t satisfy it, 
the agent would have no incentive to work hard. If the agent works hard, they incur 
an extra cost of c and get a higher probability of wH since f > g. So, the only way to 
compensate for the cost of effort c is to increase the bonus given for success by 
increasing wH or decreasing wL. Recall from our earlier discussion that increasing 
the bonus introduces risk into the contract, which increase the average salary that 
we have to pay the agent; so, we want to increase the “bonus” to the point where he 
gets just as much utility from working hard as he does from shirking, but not any 
higher, as this will just increase the firm’s contracting costs. So, the constraint will 
be met with equality. 
To solve this problem, let’s start out by working from the incentive constraint. 
Rearranging the constraint for the cost of effort we get 
  ( f − g )u ( wH ) + (1 − f − 1 + g )u ( wL ) = c  or 

  ( f − g ) ( u ( wH ) − u ( wL ) ) = c . 

This form of the incentive constraint has an intuitive explanation. The right‐hand 
side is just the disutility from working hard. The left‐hand side is the extra 
probability of high value from working hard, times the extra utility from the high 
wage. So, the left‐hand side is the expected benefit from working hard, and the right‐
hand side is the expected cost of working hard; as long as the agent “covers” the cost 
of high effort by the expected benefit he gets from putting forth high effort, he’ll be 
incentivized to work hard. 

  341
 Finally, we will rewrite the equation once more in order to make our calculations 
easier: 
c
  u ( wH ) − u ( wL ) =  
f −g
Now let’s rearrange the participation constraint: 
  u ( wL ) + f ( u ( wH ) − u ( wL ) ) − c = u R  

In this form, the participation constraint intuitively says the agent’s utility from the 
base pay, plus his expected utility from the bonus, minus his utility from working 
hard should equal his reservation utility. 
Substituting the final form of our incentive constraint into our participation 
constraint and rearranging, we get 
f
  u ( wL ) + c − c = uR  
f −g
f
  u ( wL ) = uR + c − c 
f −g
g
  u ( wL ) = u ( wR ) − c . 
f −g
This says that the utility of the base wage equals the utility of the reservation wage 
minus a multiple of the cost of effort. The more likely it is that the agent gets the 
bonus for doing nothing, the lower the base wage is, in order to discourage the agent 
from doing nothing. Similarly, the higher that the probability the agent gets the high 
wage from working hard, the higher you make the base wage; this is because the 
more likely it is that hard work leads to high pay, the less you have to discourage the 
agent from doing nothing. 
We now need an expression for the high wage. We can obtain this by plugging in 
the expression for the low wage into the incentive constraint. This gives: 
c
  u ( wH ) = u ( wL ) +  
f −g
g c
  u ( wH ) = u ( wR ) − c+  
f −g f −g
1− g
  u ( wH ) = u ( wR ) + c 
f −g
This says the high wage must cover the reservation wage plus a multiple of the cost 
of effort. Looking at the multiple, we see the higher f is, the lower we can make our 
high wage. This is because the more likely it is that the agent gets the bonus from 
working hard, the less high we have to worry about incentivizing him to work hard, 
and thus we can reduce the riskiness of the contract by reducing the high wage. 

  342
Conversely, as g increases, the higher we must make the high wage. This is because 
g is essentially the probability that the agent gets lucky for shirking, and the higher 
this probability becomes, the more we have to incentivize the agent to work hard by 
raising the bonus. 
Let’s summarize the implications of changes in the exogenous variables of this 
model on the low and high wages we have to pay our agent in the following table. 
Exogenous  wH  wL 
variable 
wR   +  + 
C  +  ‐ 
F  ‐  + 
G  +  ‐ 
 
Now, let’s compare this scenario with one in which the agent completely 
determines the value of the firm, and the firm has complete information about the 
agent. In this case, f = 1 and g = 0. As f approaches 1, observe what happens to the 
high wage. Looking at the utility of the high wage 
1− g
  U(w H ) = U(w R ) + c 
f −g
and plugging in f = 1 we get 
1− g
  U(w H ) = U(w R ) + c 
1− g
  U(w H ) = U(w R ) + c  
which says that we just have to set the high wage high enough to compensate for the 
reservation wage, plus the cost of working hard. As g approaches 0, and looking at 
the utility of the low wage 
g
  U(w L ) = U(w R ) − c 
f −g
when we plug in g = 0 we get 
0
  U(w L ) = U(w R ) − c 
f −0
  U(w L ) = U(w R ) . 
This says base pay is just equal to the reservation wage. 
So, with perfect information, we’d pay a hard‐working CEO his reservation wage 
plus the cost of working hard, and we’d simply pay a CEO that shirks his reservation 
wage. The extent to which our actual numbers differ represents the cost of 

  343
uncertainty due to moral hazard; these can be attributed to the fact that the signals 
we are using are imperfect, or, noisy. 
 
Example 
Let f = .8, g = .4, u(w) = w0.5, uR = 10,  expected wage that we will pay our 
and c = 8. The participation constraint  agent is 
is    E ( w) = 0.8(484) + 0.2(4) = 388  
  0.8 wH + 0.2 wL − 8 = 10   If we were operating under complete 
and the incentive constraint is  certainty, we would set their wage 
where their utility from working hard 
  is equal to their reservation wage, or 
0.8 wH + 0.2 wL − 8 = 0.4 wH + 0.6 wL
  wCERTAINTY − 8 = 10  
 
  wCERTAINTY = 324  
Solving these two equations, we get 
Thus, the cost due to asymmetric 
  wL = 4         and       w H = 484  
information is 
Since we’ve satisfied both constraints  E(w) − wCERTAINTY = 388 − 324 = 64 . 
(indeed, that’s how we found our 
wages) we know for sure that our   
agent will work hard; then, the 
 

Pitfalls of Incentive Contracts 
The first thing that can go wrong with incentive contracts is when a principal 
acts in the best interest of the agent, as opposed to the company. For example, if a 
board of directors were hiring a new CEO, but there were some ties between the 
board members and the CEO, clauses built into the contract may actually just be 
golden parachutes that serve no purpose in actually incentivizing the CEO to work 
hard. We won’t elaborate any more on this issue because in general we are 
assuming that the management of the company will act in the shareholder’s best 
interests. 
Given that the principal is acting on behalf of the company, commitment 
becomes the next major issue. We’ve designed an incentive contract to ensure that 
the CEO behaves a certain way; it is crucial that we act exactly as we’ve specified in 
the contract in order for it to work. The problem is that we know we’re only going to 
pay the CEO if the company is profitable; but even if the CEO works hard (which we 
know he will, since we’ve designed the contract that way) there’s a chance the 
company will not be profitable, and thus we will have to pay him the low wage. Even 
if we know he’s worked hard, and the company fails due to something out of his 
control, we cannot pay him any sort of “sympathy” pay, as this would cause his 
incentives to be awry from the beginning. So, even though it may seem brutal, both 
parties must commit to everything in the incentive contract for it to work properly. 

  344
 Another issue arises when parties start to renegotiate their contracts. If 
management has an incentive contract with a new CEO, and after the CEO’s first year 
he does well, it’s possible the management will rewrite the contract at the beginning 
of the next year with “higher” incentives to induce the CEO to improve upon last 
year. The problem with this is that the CEO may realize this, and as a result he would 
have motivation to not improve as much as he could in order to leave himself room 
for improvement over the long‐term. This is known as the ratchet effect. 
Finally, since we are talking about powerful incentive contracts that are 
designed to overcome massive information problems, it is good to be aware of the 
law of unintended consequences. For instance, in our earlier example we found the 
high‐effort wage to be 484; if this were in millions of dollars, and this bonus wage 
were to be used as a way to get management to work hard, you have just given the 
accountants an incentive to falsify their balance sheets. So, it’s important to make 
sure your contracts measure things that actually add value to the company in order 
to prevent the agent from finding an easier way of earning the bonus. 

  345
Chapter 20 Terminology 
The  following  is  a  list  of  terms  that  you  should  know  in  order  to  discuss  and 
apply the material from this chapter. 
Asymmetric Information­ A state in which one party knows more than others. 
Moral Hazard­ A case of information asymmetry in which one party’s actions are 
hidden from another party. 
Incentive Contract­ Contract that works to decrease information asymmetry by 
allowing the contractor to legally bind an agent to work hard instead of shirking. 
Adverse Selection­ A case of information asymmetry in which one party’s 
characteristics are hidden from another party. 
Procurement Contract­ Contract that works to decrease information asymmetry 
by allowing the contractor to legally bind the agent to tell the truth about the costs 
of production. 
Participation Constraint­ Constraint that must hold true in order for a party to 
participate. In the case of contracting with moral hazard, the contractor must pay 
the agent enough to actually make him sign the contract; the agent’s expected utility 
from the contract must be at least as much as his reservation utility. In the case of 
contracting with adverse selection, the contractor must pay the agent enough to 
cover costs for the agent to sign the contract; the price the contractor pays the agent 
if costs end up being high must be at least as much as the high cost of the job and the 
price the contractor pays the agent if costs end up being low must be at least as 
much as the low cost of the job. 
Reservation Utility­ The utility that can be received at an agent’s next best job. 
Incentive/Selection Constraint­ Constraint that must hold true in order for a party 
to act a certain way or buy a certain membership or bundle. In the case of moral 
hazard and contracting, the contractor will want to pay the agent enough to work 
hard instead of shirking; the agent’s expected utility from working hard must be at 
least as much as his expected utility from shirking. In the case of contracting with 
adverse selection, the contractor must pay the agent enough to be honest about the 
cost of the job; the agent must get at least as much profit from producing the high‐
cost number of units when costs are high as he does from producing the low‐cost 
number of units. The agent must also get at least as much profit from producing the 
low‐cost number of units if costs are low as he does from producing the high‐cost 
number units. 

  346
Chapter 21 
The Firm 
In  focusing  on  maximizing  profit,  and  therefore  shareholder  value,  we  simply 
assumed  firms  exist  and  that  they  are  owned  by  shareholders.  But,  why  do  firms 
exist  in  the  first  place?  As  argued  long  ago  by  Adam  Smith  in  “The  Wealth  of 
Nations,”  division  of  labor  and  the  resulting  specialization  boost  productivity. 
Imagine  that  we  are  dealing  with  some  long  process  for  producing  a  final  good 
valued  by  an  end  user.  The  good  begins  as  raw  materials  and  undergoes 
transformations at many intermediate steps until the final product is ready for the 
end  consumer.  We  can  imagine  an  economy  in  which  everyone  specializes  in 
whatever  they  are  comparatively  best  at.  Each  individual  would  purchase  “inputs” 
from  the  individuals  who  best  perform  the  previous  intermediate  step,  perform 
their own part of the task, and then sell the resulting “output” to the individuals who 
perform the next intermediate step, and so on, until the final product is produced. 
This  hypothetical  economy  would  function  through  the  interaction  of  very 
specialized  individuals,  or  proprietors,  with  no  role  for  firms.  In  this  hypothetical 
completely decentralized economy, if the value of a good increases or decreases, so 
does  the  good’s  price  through  the  interaction  of  supply  and  demand.  These  price 
signals induce resources to flow towards their highest valued uses. 
In contrast, many distinct operations occur within a single firm, which operates 
under  a  single  centralized  ultimate  decision  making  authority.  The  same  firm  can 
buy  raw  inputs,  turn  them  into  numerous  intermediate  goods,  assemble  them  to 
produce  a  final  good  through  many  related  steps,  and  employ  accountants, 
marketers, and even janitors to facilitate the firm’s activities. This is the opposite of 
specialization  in  some  sense,  since  a  single  decision  making  entity is  performing  a 
multitude of functions, some of which are only very loosely related to others. Within 
the firm, there are no price signals since everything is directly under control of the 
management;  thus,  resources  won’t  be  automatically  allocated  to  the  areas  of  the 
highest  value.  Rather,  the  firm  relies  on  the  centralized  authority  to  formulate  the 
plan on which the firm operates. Why not rely on the market for those decisions and 
have more specialization? Why have firms at all? 
To  see  the  answer,  we  take  a  step  back.  Every  stage  of  the  production  process 
requires inputs. Those inputs must be procured in some way. There are three main 
ways  that  an  entity  can  obtain  inputs.  The  first  is  to  simply  buy  them  in  the  spot 
market. The spot market is just the free‐market economy in its purest sense; you go 
to the market to determine the market price of whatever input you need, and buy as 
many of them as you require. If all inputs could be readily and efficiently obtained in 
the spot market, firms would be superfluous. 
As covered in the last chapter, the spot market functions well as long as there is 
near perfect information, products are very standardized, and transactions costs are 
low.  If  all  of  these  related  conditions  are  met,  supply  and  demand  will  be  able  to 
accurately represent the cost and value of a good, and the spot market will be able to 

  347
facilitate trade efficiently. But, the spot market tends to break down if any of these 
three  conditions  aren’t  met.  The  more  differentiated  an  input  is,  or  the  higher  the 
transactions costs of finding it, the thinner the market will be. These are related; a 
lack of standardization means a thin market in which much depends on search and 
negotiation,  which  means  high  transactions  costs.  Similarly,  when  information  is 
incomplete,  it  may  take  a  great  deal  of  time  just  to  gather  enough  information  on 
which  to  base  a  decision,  and  when  information  is  too  asymmetric,  every 
transaction can become a time consuming negotiation. 
If the spot market is inadequate, the next possibility is to negotiate a contract to 
procure the input. That was considered in detail in the last chapter. If contracting is 
too  costly,  the  only  remaining  alternative  is  to  make  the  input  yourself  –  which  is 
exactly  what  a  firm  does.  A  firm  that  vertically  integrates  several  stages  of  the 
production process is internally creating some of the intermediate inputs needed for 
its  final  product.  So,  the  firm  may  be  viewed  as  a  way  to  improve  efficiency  by 
internalizing  spot  market  failures  and  centralizing  decision  making  authority 
related to that failure when it is not cost effective to overcome it via contracting. 
We  will  now  look  more  closely  at  three  specific  types  of  input  market  failures 
that can occur when inputs are not standard, information is imperfect, transactions 
costs  are  high,  or  input  markets  are  not  competitive.  These  are  team  production, 
relationship‐specific investment, and double marginalization. 

Team Production and Free Riding 
Team  production  refers  to  a  situation  when  multiple  aspects  of  a  production 
process are for some reason inseparable. An example is the design of a new car; this 
is a very specialized procedure that requires several different groups of people with 
specific  knowledge  about  different  aspects  of  automobiles  to  come  together  and 
agree  on  the  designing,  working  in  a  way  that  is  inherently  interactive  and 
synergistic.  Suppose  a  group  of  ten  individuals  gets  together  and  begins  work  on 
this  new  car,  and  imagine  they  plan  on  evenly  splitting  whatever  profit  the  group 
ends  up  with  evenly  among  all  members.  Now,  suppose  one  of  the  team  members 
could cancel weekend plans with his family and thereby add $4,000 of value to the 
project.  If  the  work  is  not  done  that  particular  weekend,  the  opportunity  will  be 
missed because the project will be at too late a stage to implement the change. Since 
ultimately  he  will  only  get  one  tenth  of  the  profit  the  team  makes,  his  profit  will 
increase by $400. Suppose he would only be willing to cancel his weekend plans if 
he made at least $500. Then, he will not make the change, and $3,500 of value added 
will be lost (the 4,000 increase less the opportunity cost of the canceled plans). 
This is the nature of the free riding problem in team production situations. It is a 
result  of  individuals  bearing  all  the  costs  of  their  individual  efforts  but  only 
receiving a share of the benefits. This leads to individual team members putting in 
less  effort  than  optimal  and  instead  “free  riding”  on  the  efforts  of  other  group 
members. 

  348
Model 
Suppose  players  A  and  B  are  working  together  in  a  team  production  situation. 
They  split  all  proceeds  evenly.  For  the  purposes  of  this  model,  we  make  the 
following definitions. 
e:  The  amount  of  effort  each  individual  puts  forth.  Player  A’s  effort  is  eA  and 
player B’s is eB. Effort measures both the duration and intensity of work. 
V:  The value generated by the project. It is a function of the total effort put in to 
the project by all team members. In this case, the value of the project is V(eA, 
eB). 
C:  The  cost  of  effort,  measured  in  terms  of  the  amount  of  monetary 
compensation  the  individuals  would  require  to  voluntarily  put  forth  a 
specified amount of effort. Player A’s cost of effort is CA(eA) and player B’s is 
CB(eB). 
S:  The surplus generated by the project, or gross value less the cost of effort. 
Suppose both players work together to create as much joint, or total, surplus as 
possible. In this case, the total surplus of the project is 
  STOT = V (eA , eB ) − C A (eA ) − CB (eB ) . 
Maximizing total surplus with respect to player A’s effort, we get 
∂STOT
  = MBA − MC A = 0  
∂e A
where MBA is the marginal benefit of player A’s effort, and MCA is the marginal cost 
of player A’s effort. For player B, we get the same thing: 
∂STOT
  = MBB − MC B = 0 . 
∂e B MCA
If  everyone  on  the  team  is  working 
efficiently,  they  should  all  be  working  where 
the marginal benefit of their effort is equal to 
the marginal cost of their effort. Let this level 
of effort be called e*. The figure at right shows  MBA
A’s  marginal  cost  and  marginal  benefit  of 
effort  assuming  B  puts  forth  effort  eB*.  The 
“efficient”  joint  effort  level  for  A  is  eA*.  The  eA*  eA
same would be true for B. 
Let’s  now  consider  the  Nash  equilibrium  if  the  players  play  this  game 
uncooperatively, that is maximizing their own surplus, not the team’s total surplus. 
Player A’s surplus is 
V (eA , eB )
  SA = − C A (eA ) , 
2

  349
since he only gets half of the value of the project, and bears all of the costs of his own 
effort. Maximizing we get 
dS A MBA MCA
  = − MC A = 0 . 
deA 2
The  figure  to  the  right  shows  the 
marginal  benefit  of  A’s  effort,  assuming 
player  B  puts  in  the  jointly  efficient  effort 
level,  eB*. Since there are two people in the  MBA
group,  the  marginal  benefit  that  player  A 
actually  receives  is  MBA/2,  the  rest  goes  to 
player  B.  If  player  A  acts  in  his  own  self‐ eˆ A eA*  eA 
interest, he will put forth effort  eˆA ; this level 
of  effort  maximizes  player  A’s  surplus  by  setting  their  marginal  cost  equal  to  the 
portion of their marginal benefit that they receive. 
For any given level of effort put forth by player B, player A will want to work less 
than the effort level that maximizes total surplus. Player B will act in the same way. 
Thus, each player has an incentive to “slack,” that is, to work less than the amount 
that  would  be  best  for  the  team  as  a  whole.  At  the  Nash  equilibrium,  both  players 
are  putting  in  less  than  the  efficient  level,  but,  the  level  that  maximizes  their  own 
surplus given the other player’s effort. 
The value of the project depends on both the level of effort put forth by player A 
as well as player B, so MBA depends on both eA and eB. Therefore, we can solve the 
equation  above  for  A’s  choice  of  effort  as  a  function  of  B’s  effort  level,  that  is,  A’s 
reaction function: 
  eA = RA (eB ) . 
eB  RA 
If  you  were  to  do  the  same  thing  for  player  B, 
you’d obtain a similar equation: 
eBNE  RB 
  eB = RB (eA )  
As  we  have  seen  many  times,  the  Nash 
equilibrium  occurs  where  the  reaction 
functions  intersect.  This  is  shown  in  the  figure 
to the right. 
eANE  eA 
To  summarize,  since  players  on  the  team 
receive  only  a  fraction  of  the  benefit  of  the 
work they put in, everyone will free ride, putting in less effort than is in the team’s 
best interest. As a result, total effort and thus total surplus will be below the efficient 
level. That means that each player’s individual surplus when they play in a narrowly 
self interested way is LESS than it would be if each instead played for the good of the 
team. Thus, free riding in team production situations is very similar to testifying in 
the prisoner’s dilemma. As the number of members on the team grows, this problem 
gets worse, since each player receives only 1/n of their marginal benefit. The shares 

  350
need  not  be  equal,  but,  if  one  player  receives  more  than  1/n,  that  means  another 
must receive less than 1/n. 
 
Example 
Suppose  V = 8eA eB , 
0.5 0.5
 
c(eA ) = 4 eA , and  c(eB ) = 1 4 eB . 
1 2 2
STOT = 64 − 1 (8) 2 − 1 (8) 2 = 32 . 
4 4
Total surplus is  Since  each  player  gets  half  the 
  value  and  incurs  the  whole  cost  of 
their effort, A’s individual surplus is: 
STOT = 8eA eB − 1 4 eA − 1 4 eB  
0.5 0.5 2 2

64 1 2
Maximizing  with  respect  to  player    SA = − (8) = 16 . 
2 4
A we get 
B’s  surplus  is  the  same  in  this 
⎛e ⎞
0.5
∂STOT 1 instance,  since  the  problem  is 
  = 4⎜ B ⎟ − e A = 0  
∂e A ⎝ eA ⎠ 2 symmetric. This is the solution if both 
players  cooperate  and  put  forth  the 
Maximizing  with  respect  to  player  efficient level of effort. 
B we get 
Now  suppose  the  two  players  do 
⎛e ⎞
0.5
∂STOT 1 not  cooperate;  instead  each 
  = 4⎜ A ⎟ − e B = 0  
∂e B ⎝ eB ⎠ 2 maximizes  their  own  individual 
surplus. Player A’s surplus is 
This problem is symmetric, so eA = 
eB, in the solution to the two equations  8eA 0.5eB 0.5 1 2
  SA = − eA , 
above.  Using  that  simplifies  the  2 4
solution.  Substituting  into  the  first  and maximizing gives 
partial derivative above gives: 
⎛e ⎞
0.5
dS A 1
⎛e ⎞
0.5
1   = 2⎜ B ⎟ − eA = 0 . 
  4⎜ A ⎟ − eA = 0   deA ⎝ eA ⎠ 2
⎝ eA ⎠ 2
Since the game is symmetric, eA=eB 
4(1) − 1 2 eA = 0  
0.5
  in the Nash equilibrium. We can solve 
for the equilibrium using that fact and 
  4 = 1 eA   substituting  into  the  first  order 
2
condition  above.  We  could  also 
  eA = 8 = eB  
proceed to find A’s reaction function. 
At the efficient joint solution, both 
A and B put forth 8 units of effort, the 
gross value of the project is 
  V = 8(8)0.5 (8)0.5 = 64   and  total 
surplus is 

  351
 ⎛ eB ⎞
0.5   eA = eB = 4  
1
⎜ ⎟ = eA
⎝ eA ⎠ 4 Value in this instance is 

eB ⎛ 1 ⎞
2
  V = 8 ⋅ 40.5 ⋅ 40.5 = 32 , 
  = ⎜ eA ⎟
eA ⎝ 4 ⎠   player A’s surplus is then 
1 32 1 2
eB = e3A   SA = − (4) = 12 . 
16 2 4
eA = 161 3 e1B 3 Player  B’s  surplus  is  the  same,  so 
Player  B’s  reaction  function  is  total surplus is 
found  the  same  way.  We  now  use    STOT = 24 . 
symmetry  to  find  the  equilibrium 
effort  levels  from  the  first  order  By  not  working  together  and 
condition above.  instead  maximizing  their  own 
individual surplus, they end up worse 
⎛e ⎞
0.5
1 off individually and in total. 
  2⎜ A ⎟ − eA = 0  
⎝ eA ⎠ 2  
1
  2 = eA  
2
 
We  next  consider  ways  to  overcome,  or  at  least  reduce,  free  riding  in  team 
situations. One option is to work only with players who have strong reputations for 
honesty  and  cooperation.  Another,  related,  option  is  to  play  repeatedly  with  the 
same partners, employing trigger strategies to obtain cooperative behavior. 
A third possibility is to try to overcome free riding through contracting. If effort 
is  observable,  the  contract  would  specify  that  a  player  would  not  get  paid  unless 
they put forth the jointly efficient effort – total value would be split among only the 
players  that  put  in  the  efficient  effort.  But  effort  is  generally  not  measurable  and 
observable, only value is. In that case, the contract could only be contingent on the 
total value produced. Imagine a contract that specifies a base pay level for everyone 
and a bonus which is paid only if total value equals or exceeds what is expected if 
everyone puts in the efficient effort. The strongest form of such a contract would be 
to pay everyone 0 unless value meets the target, in which case the value is divided 
among  the  team  members.  What  if  just  one  player  free‐rides?  If  the  contract  is 
enforced, no one in the group gets paid the bonus. So, no one has any incentive to 
enforce the contract, they would rather be paid a share of the bonus than none of it. 
Since everyone knows that no one has any incentive to enforce the contract, such a 
contract cannot prevent free riding. The difficulties overcoming free riding through 
contacting  are  even  worse  when  effort  is  not  only  unobservable,  but  in  addition 
value is partially determined by random influences outside the team’s control. 
The  final  possibility  for  overcoming  free  riding  is  to  form  a  firm  where  the 
shareholders  are  different  individuals  than  the  members  of  the  production  team. 

  352
Shareholders  are  “residual  claimants”;  that  is,  they  have  a  claim  to  any  residual 
profits the firm has after everyone is paid. In the above contracting example, if one 
person slacked off, nobody had any incentive to enforce the contract, which would 
deny  them  all  their  bonuses.  However,  shareholders  would  indeed  have  the 
incentive to enforce such a contract with their workers, because they get to keep the 
value  of  the  bonuses  if  gross  value  falls  short  of  the  target  level.  This  is  a  very 
important reason for the existence of firms – to create a body of shareholders that 
has  the  incentive  to  enforce  incentive  contracts  with  members  of  the  production 
team. 
This  solution  is  not  perfect.  Imperfect  information  can  get  in  the  way  of 
effectively  monitoring  the  team.  In  that  case,  writing  contracts  on  observed  value 
places  risk  in  the  agent’s  contracts,  increasing  what  they  must  be  paid.  It  can  be 
costly to negotiate a contract that everyone is actually willing to sign. Having a CEO 
that  the  production  team  members,  the  shareholders,  and  the  shareholder’s  board 
of directors believe in can be a tremendous advantage in this situation. Suppose the 
CEO  can  observe  effort  reasonably  closely,  but,  effort  cannot  be  proven  in  court. 
Then,  the  production  team’s  contracts  can  be  simple,  calling  for  a  given  base  pay 
plus  a  bonus  IF  the  CEO  gives  them  a  strong  performance  evaluation.  As  long  as 
everyone believes that the CEO will do a good job of evaluating effort and will do so 
honestly,  the  production  team  members  will  be  willing  to  sign  such  simple 
contracts. As long as the shareholders also believe in the CEO’s ability and honesty, 
they  are  happy  to  have  that  sort  of  contract  with  their  production  team,  and,  to 
enforce the contract in court if needed. Suppose a contract is formed that has a base 
pay  of  $50,000,  and  a  bonus  pay  of  $50,000  if  the  group  works  hard.  The  explicit 
part of this contract is the amount of money specified; but the contract also has an 
implicit part that says it is up to the CEO (or whoever the monitor is) to decide how 
hard the group members worked. Thus, having a trustworthy CEO who is skilled in 
evaluating performance is critical in getting the group members to sign the contract 
while keeping the cost of negotiating and enforcing such contracts low. 

Relationship Specific Investments and the Hold Up Problem 
A  relationship  specific  investment  is  an  investment  made  solely,  or  at  least 
largely,  to  facilitate  a  certain  market  transaction.  It  therefore  loses  all  (or  at  least 
much)  of  its  value  if  the  transaction  does  not  occur.  Consider  an  electric  company 
who builds a plant near a coal mine owned by another company and to lays railroad 
track to get the coal from the mine to the plant. If the two firms are unable to then 
negotiate  agreeable  terms  for  coal  prices,  the  investments  embodied  in  the  plant 
and the track are worthless. Thus, those investments are specific to the relationship 
between  the  electric  company  and  the  firm,  and,  are  not  valuable  outside  of  that 
relationship. 
There are three types of relationship specificity. The first is location specificity, 
as in the example above. Due to where the asset must be located and the inability to 
move  it  from  one  location  to  another,  its  value  depends  on  a  specific  relationship. 
The second is physical asset specificity. In this case, an asset is produced in a very 
specialized  way  that  is  not  valuable  outside  of  the  transaction  it  was  designed  to 

  353
facilitate. For example, if your firm invests in highly specialized machinery that can 
only be used to build parts for a particular jet, this machinery is only useful as long 
as  you  have  a  contract  with  the government  to  work  on  that  jet; if  this  contract  is 
rescinded, the machines becomes useless. The final type is human capital specificity. 
Many transactions between firms require managers and other workers of both firms 
to  get  to  know  the  other  company’s  finances,  management  structure,  production 
processes,  etc…  If  the  relationship  between  the  firms  falls  apart,  all  of  this  human 
capital knowledge becomes useless. 
How is it that the specific nature of these investments can lead to market failure 
and thus an additional role for firms? Their very specificity means no spot market 
exists for them – everything depends on bargaining and negotiation, meaning there 
are  significant  transactions  costs  and  correspondingly  there  is  not  large  group  of 
suppliers and consumers determining market prices through their interactions. 
Bargaining  and  negotiation  in  this  circumstance  poses  a  glaring  problem.  Once 
the party that must undertake the relationship specific investment has actually sunk 
the investment, the other party KNOWS the investment has little or no value outside 
the  transaction.  As  a  result,  the  other  party  has  them  “over  a  barrel,”  so  to  speak, 
and will attempt to renegotiate the terms of the agreement, to extract more surplus 
for  themselves.  That  is,  if  a  party  to  a  transaction  sinks  a  lot  into  a  relationship 
specific investment, they open themselves up to being “held‐up” by the other party 
down the road. 
For example, suppose Michael wants to procure a measuring device that hasn’t 
been designed yet and is very specific to his particular needs. He approaches Susie 
and  proposes  an  agreement  whereby  Susie  invests  time  and  money  to  create  and 
design  these  devices,  which  Michael  will  then  buy  from  her.  Suppose  Susie  must 
invest  $2,000  in  time  and  money  to  create  these  devices,  but  after  the  initial 
investment the cost of producing a single device is only $10. Michael agrees to pay 
$40 per unit in order to compensate Susie for the initial investment; so Susie agrees. 
But  what  if,  after  Susie  has  designed  the  devices  and  begun  to  manufacture  them, 
Michael approaches her and only offers to pay $11 per unit. It is too late for Susie to 
recoup  her  losses  on  the  initial  investment,  and  since  the  devices  are  specific  to 
Michael’s venture, she cannot sell them to anyone else. So, she will have to agree to a 
renegotiated  price.  Exactly  how  high  that  price  will  be  depends  on  the  bargaining 
power  of  the  two  parties.  The  important  point  is  the  specific  nature  of  the 
investment makes it unrecoverable outside of this transaction, which means Susie is 
vulnerable to opportunistic behavior on the part of Michael. To protect herself from 
this, Susie will tend to under‐invest in product development, since she will have less 
to lose. As a result, both parties will be worse off. 
With relationship specificity, unless there is an explicit and readily enforceable 
contract  in  place,  the  party  making  the  specific  investment  can  be  “held  up”  and 
pressured for renegotiation by the other party. Because the party that is making the 
investment  can  predict  this  type  of  opportunistic  behavior,  they  will  tend  to  sink 
less  into  the  initial  investment.  This  reduces  value  added,  and  potentially  makes 
both parties worse off compared to the jointly efficient solution. Theoretically, both 

  354
parties may need to sink resources in relationship specific investment, and, they can 
each  then  try  to  exploit  the  other,  meaning  both  parties  may  under‐invest  in  the 
relationship. 
 

Model 
To model this situation, we assume that there is a single transaction between a 
buyer  and  a  seller,  each  of  whom  must  make  specific  investments  to  facilitate  the 
transaction. We further assume that any negotiation or renegotiation will result in 
an  even  split  of  the  surplus  which  is  at  stake  in  the  negotiation.  We  make  that 
assumption  to  keep  things  simple.  The  actual  split  will  depend  on  the  bargaining 
power of the parties. But, different splits will not change the basic result, nor would 
more complex bargaining models. We also define the following notation. 
I: The amount of the relationship specific investment; the seller’s investment 
is IS and the buyer’s investment is IB. 
V(IS,IB): The value generated by the transaction, before subtracting the costs 
of the investment, as a function of the investments made by the seller and the 
buyer. 
Total  surplus,  or  value  added,  is  the  value  generated  by  the  transaction  minus 
the costs of the investment. In this case, it is 
STOT = V(I S ,I B ) − I S − I B . 
If both parties cooperate, they will want to maximize total surplus. Maximizing with 
respect to the seller’s investment we obtain 
∂STOT ∂V
  = −1 = 0 . 
∂I S ∂IS
This just says that the seller should continue to invest until the last dollar he invests 
generates exactly one dollar of value added. Maximizing with respect to the buyer’s 
investment gives a similar result: 
∂STOT ∂V
  = −1 = 0 . 
∂I B ∂IB
Working together, both buyer and seller should invest until the marginal benefit of 
investment equals the marginal cost of investment. We denote those jointly efficient 
estimate levels IS* and IB*. 
What  if  both  parties  anticipate  renegotiation  after  the  investment  is  sunk  (the 
hold‐up  problem)?  Then  each  party  would  want  to  maximize  their  own  individual 
surplus, as opposed to maximizing total surplus. Remember, we have assumed that 
any  later  renegotiation  will  result in each  party  keeping half  of  what  is  at  stake  in 
the  negotiation.  Then,  the  buyer’s  individual  surplus  is  the  share  of  the  value  he 
would take away from the renegotiation less his investment, or 

  355
   SB = 1 V (IS ,IB ) − IB . 
2
Maximizing with respect to the buyer’s investment gives: 
∂SB 1
  = MBB −1 = 0 . 
∂IB 2
This  means  the  buyer  will  only  invest  up  to  the  point  where  half  the  marginal 
benefit  of  his  investment  equals  his  marginal  cost;  in  other  words,  he  will  under‐
invest. The same is true for the supplier. 
In  the  figure  to  the  right,  we  show  the 
marginal  benefit  of  the  buyer’s  investment 
assuming the seller makes the jointly efficient 
level  of  effort.  We  can  see  that  the  level  of 
investment  put  in  if  the  buyer  maximizes  his  1 
own  surplus  ( IˆB )  is  less  than  the  level  of  MBB 
½MBB 
investment put in if the buyer maximizes total 
surplus (IB*).  I 
IˆB IB* 
Assuming  both  the  buyer  and  seller 
maximize  their  own  individual  surplus,  IS  RB 
solving the first order condition above will 
give  the  buyer’s  investment  as  a  function  RS 
of the seller’s choice (the buyer’s reaction  IS
NE 

function).  The  seller’s  reaction  function  is 

found  the  same  way.  The  figure  to  the 
right  depicts  the  Nash  equilibrium 
investment levels. If each party anticipates 
renegotiation and, as a result, acts in their 
own  self‐interest,  they  will  both  put  forth  IBNE  IB 
less than the jointly efficient effort level to 
protect  themselves  from  opportunistic 
behavior  by  the  other  player  AND  to  try  to  take  advantage  of  the  other  player 
themselves. 
What can be done to overcome the hold‐up problem? One way is for the buyer to 
have two sources to buy from (known as dual sourcing) and for the seller to have 
two  buyers  (known  as  dual  buyers).  Having  multiple  buyers/sellers  can  limit  the 
threat of opportunistic behavior and increase your bargaining power, but it can also 
increase your costs by duplicating costs. 
Another thing that can be done is to use contracts. If you write a secure contract, 
it is possible to eliminate renegotiation. Effective contracts can also reduce costs of 
future  negotiation  by  standardizing  the  process.  There  are  some  potential 
disadvantages, however. Contracting can be costly, and many times will require an 
entire  legal  department  for  it  to  be  handled  correctly.  Also,  being  tied  down  to  a 
rigid  contract  means  that  you  have  no  flexibility  to  change  any  of  the  terms.  If 

  356
further research reveals that you no longer have any need for the devices that you 
originally  contracted  for,  you  may  wish  to  change  the  terms  for  reasons  that  have 
nothing  to  do  with  opportunistic  behavior;  but,  the  contract  has  to  be  airtight  to 
properly  solve  the  hold‐up  problem,  so  you’re  stuck.  The  question  then  becomes 
balancing the marginal benefit of a longer contract with the marginal cost of a longer 
contract.  If  avoiding  renegotiation  were  critical,  a  longer  contract  would  be 
preferred; but if you  had to have multiple  contingencies built into the contract for 
every  possible  future  outcome,  the  cost  of  writing  the  contract  increases  with  its 
length and thus a shorter contract would be preferred. 
If  neither  of  these  methods  solves  the  hold‐up  problem,  the  only  other 
alternative is to vertically integrate and produce the inputs yourself. This creates an 
upstream  firm  that  takes  raw  materials  and  converts  them  into  parts,  which  the 
downstream firm then buys and converts into the final product.  One problem that 
results from this is that the new firm loses the specialization it had. Since the firm 
now has several areas of production, management is required to process much more 
information in order to efficiently run the firm. Another issue that may emerge is an 
internal  form  of  the  hold‐up  problem;  that  is,  if  there  is  relationship  specific 
investment going on between the upstream division and the downstream division, 
the divisions now has an incentive to try to take advantage of one another. However, 
there is no worry about enforcing contracts between the divisions in court; the CEO 
assumes  this  role.  So,  assuming  you  have  a  trustworthy  and  knowledgeable  CEO 
who can make good decisions with the entire firm’s interest in mind, it is enough for 
the  CEO  to  directly  manage  the  divisions’  actions  and  hold  both  divisions  to  the 
firm’s internal agreements. 

Double Marginalization 
The third and final type of spot market failure leading to a role for firms which 
we will consider is known as double marginalization. It occurs when multiple firms 
in a supply chain have significant market power. Each adds their own profit margin, 
resulting in a final price higher than what would be charged if all the firms jointly 
chose  prices  to  maximize  profits.  Profits  are  lower  in  total,  final  prices  are  higher, 
and final output and consumer surplus are lower. 
Consider  the  simplest  possible  supply  chain  ‐  a  single  upstream  firm  that 
produces  parts  for  a  single  downstream  firm,  which  then  buys  these  parts  and 
produces  the  final  product  for  the  end  consumer  (both  are  monopolists).  Assume 
the downstream firm needs one part from the upstream firm to produce one unit of 
the final product. An example of this would be a firm that manufactures cars, where 
the upstream firm produces engines for the downstream firm, and the downstream 
firm  uses  one  engine  to  make  one  car.  Then,  the  total  cost  of  making  q  cars  is  the 
upstream  cost  of  producing  q  engines,  plus  the  downstream  cost  of  using  the 
engines to produce q cars, or 
CTOT (q) = CU (q) + CD (q)  
and the total marginal cost is 

  357
   MCTOT = MCU + MCD . 
To  maximize  total  profit,  we  want  the  marginal  revenue of  our  final  product  to  be 
equal to the marginal cost of the product. Since the downstream firm sells the final 
product, MRD is the marginal revenue. Thus, to maximize total profit, 
  MRD = MCTOT . 
Now, consider the upstream firm. They are selling products to the downstream 
firm, and assume that they are the only supplier; thus, they are a monopoly. If they 
maximize their own profit, they set their marginal revenue equal to their marginal 
cost: 
  MRU = MCU . 
Since they are a monopoly, the price charged exceeds their marginal cost: 
  pU > MCU . 
What  now  is  the  effective  marginal  cost  to  the  downstream  firm?  The 
downstream  firm  is  buying  products  from  the  upstream  firm  at  price  pU,  and 
assembling them into end products at a cost of MCD; so their effective marginal cost 
is 

  MCD′ = MCD + pU . 
If  the  downstream  firm  maximizes  their  own  profit,  they  set  their  perceived 
marginal cost equal to their marginal revenue: 
  MRD = MCD ' = MCD + pU . 
Observing that PU > MCU, we get 
  MRD > MCU + MCD . 
This  says  marginal  revenue  from  the  last  unit  sold  is  higher  than  the  total 
marginal  production  cost.  This  is  because  the  upstream  firm  maximizes  profit  by 
charging a price that’s higher than their marginal cost, and so does the downstream 
firm. In effect, the downstream firm is buying a product that’s already been marked 
up,  and  then  marking  it  up  again  upon  selling  it  to  the  end  customer  ‐  which  is 
where the term double marginalization comes from.  What this means for the final 
price of the downstream firm’s end product is that it will be higher than the price 
that maximizes total profits. 
If  we  look  at  the  downstream  firm’s  profit  function,  they  face  demand 
represented by p(q) and have costs of production CD(q) as well as the costs of buying 
the upstream firm’s components at pU; so, their profit function is 
  πD = p(q)q − pU q − CD (q) . 
Maximizing we get 
  MR − pU − MCD = 0 . 

  358
If we solve for pU we get 
  pU = MR − MCD . 
Thus, we have a function that describes the price that the upstream firm can charge 
the downstream firm; in other words, we have an inverse demand function for the 
upstream firm. This says that the highest price the upstream firm can charge is the 
difference  between  the  downstream  firm’s  marginal  revenue  and  their  marginal 
cost. 
The  figure  to  the  right  illustrates 
this scenario graphically. The upstream  pU+MCD 
firm  maximizes  profit,  setting  MRU  pD 
equal  to  MCU.  Thus,  they  sell  q 
components to the downstream firm at  MCU 
a  price  of  pU,  which  is  determined  by  pU 
their  demand  curve  obtained  from  the 
previous  discussion  (pU  =  MR  –  MCD).  MCD 
The  downstream  firm’s  effective  p(q)
marginal  cost  is  the  price  they  pay  for  q
the component plus their marginal cost  MR 
of  production  (pU  +  MCD),  and  when  q 
they  maximize  profit  they  set  their  pU = MR‐MCD 
MRU 
effective  marginal  cost  equal  to  their 
marginal  revenue.  This  gives  q  final 
products sold at a price of pD. 
Now  suppose  these  two  firms 
vertically  integrated,  thereby  pU+MCD 
pD 
avoiding the double marginalization  p* MCTOT = MCU + MCD 
 
problem.  Then,  the  total  marginal 
cost of producing the end product is  MCU 
just MCU + MCD. The situation would  pU 

look like graph to the right. The firm 
maximizes  profit  by  setting  MR  MCD 
equal  to  MCTOT,  and  ends  up  with  a  p(q)
quantity  of q*  units  at  a  price  of  p*.  q
MR 
So,  we  can  see  through  the  two 
graphs that firms acting individually  q  q* 
add  two  mark‐ups  to  the  same  MRU  PU = MR‐MCD 
product, and end up charging a price 
that’s higher than the price that maximizes profit. 
 

  359
Example 

Final  demand  is  p = 11− q .  The    pU = 10.2 − 10 2 = 5.20  

4
upstream  firm’s  cost  of  production  is  The  final  price  of  the  end  product 
CU  =  0.2q,  and  the  downstream  firm’s  is 
cost  of  production  is  CD  =  0.8q.  Begin 
by finding the upstream firm’s inverse    p = 11− 10 4 = 8.50 . 
demand  function.  We  do  this  by 
Profits are as follows. 
starting  with  the  downstream  firm’s 
profit function and maximizing.    π U = (5.2 − 0.2)10 = 50  
The downstream firm’s profit is    π D = (8.5 − 5.2 − 0.8)10 = 25  
  (
π = 11 − q
4 ) q − p q − 0.8q . 
U   π TOT = (8.5 − 5.2 − 0.8)10 = 25  

Maximizing, we get  If  the  firms  were  to  merge,  the 

profit  function  for  the  overall  firm 
dπ
  = 11 − q − pU − 0.8 = 0   would be 

( ) q − .8q − 0.2q . 
dq 2
  π = 11 − q
and  solving  for  pU  we  obtain  the  4
upstream  firm’s  inverse  demand 
Maximizing  gives  the  following 
curve: 
solution. 
  pU = 10.2 − q 2 .  dπ
  = 11− q −1 = 0  
dq 2
Now,  the  upstream  firm  will 
maximize  their  profit.  Their  profit    q = 20  
function is 
  p = 11− 20 4 = 6  
  (
πU = 10.2 − q
2 ) q − 0.2q .    π TOT = (6 − 1)20 = 100  
Maximizing we find to following.  So,  prices  are  lower,  quantity  is 
dπU higher,  and  total  profits  are  higher 
  = 10.2 − q − .2 = 0   when  the  firms  cooperate  than  when 
dq
they operate independently. 
  q = 10  
 
 
Just  as  with  the  other  problems  considered  above,  there  are  several  potential 
ways  to  deal  with  double  marginalization.  One  is  repeated  interaction.  We  know 
from our study of game theory that where cooperation may not be possible in a one‐
shot  game,  it  may  be  possible  in  a  repeated  game.  But,  cheating  is  always  a 
possibility  for  one  of  the  players,  so  this  is  not  an  end‐all  solution  to  the  problem. 
Another is to form a contract that specifies what the price will be between the two 
firms. But, as we know, contracts don’t always work. Plus, being tied down to a long‐
term contract can sometimes hurt the parties more than they benefit them. 

  360
 The final way to deal with this issue is to merge the two firms into a single firm. 
This  is  not  without  its  limitations;  after  forming  the  firm,  you  now  have  two 
different divisions, and if the managers of each of these divisions are paid based on 
how well their division performs, they will be incentivized to increase the profit of 
their division, rather than the entire firm. But, if you are able to have a CEO that can 
ensure  that  the  price  the  upstream  firm  charges  the  downstream  firm  is  just  the 
upstream  firm’s  marginal  cost  (that  is,  pU  =  MCU),  then  the  issue  will  be  resolved. 
This  is  known  as  transfer  pricing,  and  the  idea  is  that  within  a  firm,  the  transfer 
prices  should  reflect  marginal  costs  as  opposed  to  some  other  value  that  is  being 
marked up. 

The Role of the Firm 
In  summary,  creating  a  firm  is  simply  a  last  resort  that  can  be  used  to  avoid 
problems encountered when trying to procure inputs from either the spot market or 
through  contracting.  The  firm  is  a  collection  of  agreements  between  agents 
(management  and  workers)  and  principals  (stockholders  and  management)  that 
defines  who  is  the  final  arbiter  of  disputes.  The  reason  a  firm  is  a  last  resort  is 
because  by  creating  a  firm,  you  lose  specialization  and  division  of  labor. 
Nevertheless,  the  firm  is  a  unique  solution  to  problems  inherent  in  dealing  with 
complex  contracting  environments,  unique  products,  transactions  costs,  and 
information problems. It targets areas of a free market economy that don’t function 
as  they  are  supposed  to,  internalizes  the  inefficiencies,  solves  them  using  a 
centralized  structure,  and  creates  residual  claimants  to  enforce  agreements  and 
profit from them. This is summarized in the figure below. 
High Transactions Costs?
Team Production?  Spot 
Large Specific Investments?  No
Market 
Too much market power up 
or down stream?

Yes

Complex contracting 
environment?  No Contract 
High degree of uncertainty? 
Unenforceable Contracts? 

Yes

Integrate the activity into 
the firm.

  361
Chapter 21 Terminology 
The  following  is  a  list  of  terms  that  you  should  know  in  order  to  discuss  and 
apply the material from this chapter. 
 
Spot Market­ A free market economy in its purest sense. People go to this market to 
determine the market price of whatever input they need and buy as many of them as 
they require. It functions well as long as there is perfect information, products are 
standardized, and transaction costs are low. 
Free Riding­ A problem that occurs in team production when a team member fails 
to work hard, reducing his individual costs but receiving the same amount of benefit 
from everyone else’s hard work. This can stem from a team production situation in 
which individual team members bear all the costs of an action but only receive a 
small share of the benefit. 
Relationship­Specific Investment­ An investment made solely for the purpose of 
facilitating a certain market transaction, which loses all of its value if the transaction 
does not occur. Three types include geographic location, physical asset, and human 
capital. 
Hold­Up Problem­ Problem that occurs because the party making the relationship‐
specific investment is subject to opportunistic behavior by the other party in the 
contract. Unless there is a very rigid and explicit contract in place that can be 
enforced, the party making the investment can be “held up” and pressured for 
renegotiation by the other party. Because the party that is making the investment 
can predict this type of behavior, they will tend to sink less money into the initial 
investment, causing the transaction to have less value than it otherwise could.   
Vertical Integration­ Strategy by a firm that uses a hierarchical structure to 
produce all parts of a product, each part at a different level of the hierarchy, instead 
of buying them from the spot market or other firms. This occurs when a 
downstream and an upstream firm merge. 
Double Marginalization­ Problem that occurs when both a downstream and 
upstream firm (unmerged) markup price over marginal cost. This causes price paid 
by consumers to be much more than optimal. 
 

  362