更改

=== 通用增长曲线与近似解 ===

=== 通用增长曲线与近似解 ===

如果将某市场的参数（包括：[math]\beta_I,\beta_L,c_I,c_L[/math]等）上述微分方程的解给出了公司随时间的增长轨迹。通过对该方程进行积分，可以得到一个描述公司资产 [math]A(t)[/math] 与其年龄 [math]t[/math] 之间关系的隐式表达式，该表达式被称为：

如果将某市场的参数（包括：[math]\beta_I,\beta_L,c_I,c_L[/math]等）代入式({{EquationRef|13}})，则该微分方程的解给出了企业随时间的增长轨迹。通过对该方程进行积分，可以得到一个描述企业资产 [math]A(t)[/math] 与其年龄 [math]t[/math] 之间关系的隐式表达式，该表达式被称为：

'''通用增长曲线（Generalized Growth Curve）'''：

'''通用增长曲线（Generalized Growth Curve）'''：

</math>

</math>

然而，对于一般的情形，这个方程通常无法直接反解出 [math]A(t)[/math] 的显式表达式。然而，当负债的标度指数 [math]\beta_L[/math] 约等于 1 时，可以得到一个很好的近似解：

然而，对于一般的情形，这个方程通常无法直接反解出 [math]A(t)[/math] 的显式表达式。当负债的标度指数 [math]\beta_L[/math] 约等于 1 时，可以得到一个很好的近似解：

'''幂律增长近似解（Power Law Approximation）'''：

'''幂律增长近似解（Power Law Approximation）'''：

</math>

</math>

其中，指数 [math]\gamma[/math] 和系数 [math]c[/math] 由标度指数 [math]\beta_L[/math] 和 [math]\beta_I[/math] 决定。当 [math]\beta_L[/math] 恰好等于 1 时（例如在美国市场），指数 [math]\gamma[/math] 的表达式简化为 [math]\gamma = \frac{1}{1-\beta_{I}}[/math]。根据美国市场的实证数据，[math]\beta_I \approx 0.85[/math]，这导致 [math]\gamma \approx 6.79[/math]。

其中，指数 [math]\gamma[/math] 和系数 [math]c[/math] 由幂指数 [math]\beta_L[/math] 和 [math]\beta_I[/math] 决定。当 [math]\beta_L[/math] 近似等于 1 时（例如在美国市场），指数 [math]\gamma[/math] 的表达式简化为 [math]\gamma = \frac{1}{1-\beta_{I}}[/math]。根据美国市场的实证数据，[math]\beta_I \approx 0.85[/math]，这导致 [math]\gamma \approx 6.79[/math]。当然，我们也可以通过数值的方式，反解出[math]A(t)[/math]。

总之，该模型表明，公司的增长轨迹是一个复杂的、由其内在财务结构决定的动态过程。与生物体最终停止生长的S形曲线不同，该模型预测的公司可以经历类似城市一样的开放式增长，即具有较大幂指数的超线性幂律增长。这种理论框架能够灵活地适用于不同市场（例如，中国、欧洲市场的 [math]\beta_L[/math] 略大于1），并做出准确的预测。

 

该模型表明，公司的增长轨迹是一个复杂的、由其内在财务结构决定的动态过程。与生物体最终停止生长的S形曲线不同，该模型预测的公司可以经历类似城市一样的开放式增长，即亚线性的幂律增长。这种理论框架能够灵活地整合不同市场的异质性（例如，中国、欧洲市场的 [math]\beta_L[/math] 略大于1）并做出准确的预测。

=== 模型的验证 ===

=== 模型的验证 ===