拉氏数量指数这个家伙，实际上挺有意思，它就像个用加法把一堆东西加起来后除以总数，算出个平均值。

你想想看，要是有 50 个人，每人发个 100 块钱，拉氏数量指数就是（100 乘以 50）除以 50，结局自然是 100。

这实际上是个没啥技术含量的操作，只要记得乘以 50 再约掉就行。拉氏数量指数最早是 1889 年提出的，那时候拉氏兄弟俩还在搞啥复杂的经济周期理论，这套公式算是缺个“人”的，目前想起来都挺滑稽，但历史就是如此繁华。它最大的优点就是好办粗暴，计算起来也超快，跟做加法差不多。 大量人认定拉氏指数就是好办的算术平均，实际上不是。拉氏数量指数（Laspeyres Quantity Index）有个挺关键的设定：它用的是基期（Base Period）的数量作为权重。

这就好比你去超市买东西，要是只看价格涨幅，你可能认定买了苹果特别贵；但要是你拿基期的数量去衡量，苹果的价格涨幅就显著了。

比如去年你买了 10 个苹果花了 90 块，今年买了 10 个花了 120 块，你只看了 120 减去 90 是 30 块钱，认定涨了。但要是去年你买了 100 个苹果花了 800 块，今年你买了 10 个苹果花了 120 块，你只看了 120 块钱涨，那感觉就彻底不同了。

这就是出于它用的是固定基期的数量，不受基期数量变化的影响，故此叫“数量”指数，听起来挺像虚头巴脑，实际上它计算的是商品在基期数量结构下，价格变动的程度。 这就引出了大家最好办混淆的地方：拉氏数量指数跟拉氏价格指数一样，都基于固定基期的数量，但它们算的是不同的东西。拉氏数量指数关切的是价格，拉氏价格指数是啥？它关切的是数量，用的是基期价格作为权重。

举个例子，假设上个月你买办公用品，花费 1000 块，买了 500 份 A 纸和 300 份 B 纸。假设当月 A 纸涨到 1.5 块，B 纸涨到 1.8 块，可是你的购买数量没变，还是 500 份 A 和 300 份 B。

这时候拉氏数量指数就是（1.5×500 + 1.8×300）/ 1000，算出大约涨了 15%。而拉氏价格指数则是（A 纸新价 - A 纸老价）/ A 纸老价 100，B 纸同理，单独算出来可能涨幅不同，要是数量没变，拉氏价格指数和拉氏数量指数结局应当差不多，差别主要来自于量的变化。 实际上大量人对拉氏指数理解忒深了，当作它是万能公式，但实际上它就是个工具，专门用来算价格变动的。在经济学里，拉氏数量指数和拉氏价格指数常被用来计算“拉氏数量质量指数”和“拉氏数量数量指数”，也就是希克斯指数。希克斯指数喜爱用加权平均，权重是实际花数量，这样算出的值一般比拉氏数量指数更贴近真情况。

不过拉氏数量指数还是那个拉氏数量指数，没啥大毛病，就是计算好办，适合做粗略估算要么作为一类指标里的一个分项。 再举个具体的数据例子，假设我们要算某城市 2020 年 1 月到 2021 年 1 月期间，某种日用品的价格变动。数据如下：基期 2020 年，购买量 500 件，花费 2000 元。报告期 2021 年，购买量不变，500 件，花费 2400 元。2020 年购买 500 件，花费 2000 元，故此单件价格是 4 元。2021 年购买 500 件，花费 2400 元，单件价格是 4.8 元。

要是直接用拉氏数量指数公式（报告期价格 × 基期数量之和）/ 基期价格总额 × 100%，那就是（4.8×500）/ 2000 = 1.2，也就是增长了 20%。

这个计算过程实际上挺无聊的，就是好办的乘法除法。你不需求去研究复杂的经济学模型，只需求把数据填进去，算出个百分比就行了。 有人可能会问，既然拉氏数量指数如此好办，为啥还要用如此复杂的公式呢？这实际上是出于它在统计里是个分类指标。在编制综合价格指数时，拉氏数量指数一般作为“数量”类指标的权重系数。

比如你要算整个城市的物价指数，可能由食品、衣服、住房不同类别组成，食品里又分不同种类。当你把食品这类别里的拉氏数量指数算出来，再作为权重去算整个城市的总指数时，这时候它的功能就出来了。

要是食品类别的数量没变，拉氏数量指数就是 100，对总指数影响最大；要是食品类的数量大幅削减，拉氏数量指数可能降下去，这样整个城市的物价指数就会整体下降。

这就是它存有的逻辑，它不直接告诉你价格涨了多少，而是告诉你“在同样的购买量下，价格涨了”，这个信息对买物价费的人特别有用。 这就害得了一个有趣的现象，就是拉氏数量指数在统计实践中时常会出现“脱节”的情况。

比如某类产品基数挺大，拉氏数量指数算出来可能接近 100，但实际市场平均涨幅可能只有 5%。

这时候拉氏数量指数就成了一个“高估”的指标。

反之，要是基数挺小，拉氏数量指数可能虚高。

相比之下，拉氏价格指数却有个优点，它直接用报告期的价格去衡量，少了对基期数量的依赖，故此有时候更能反映真的价格波动。

不过这些技术细节，对于一般/平平使用者来说实际上并不关键。大家真正关心的，就是这东西能帮哪位算出个价格变动率。 再聊聊它的应用场景，除了银行里的通货膨胀统计，它在医保报销、保险定价这些领域也是个常见工具。比方说医院里查一下看，2020 年你开的药平均成本是 50 块，2021 年开了 50 次，每次 52 块，用拉氏指数算出来就是 104%，说明平均成本涨了。

这时候你能够拿着这个数据跟病人解释，说别看每次药涨了 4 块，但出于用量没变，故此整体花费比例涨了。

这种解释方式，比单纯说“成本涨了 4 倍”要缓和得多，也更好办被接纳。 实际上看拉氏数量指数，最大的感受就是它“实在”。它不整虚的，不玩啥复杂的经济学模型，就是把你手里的数据，按照固定的规则，算出个结局。

有时候你看到拉氏数量指数是 105%，心里就挺清楚，就是多买了 5% 的东西，要么东西涨价了 5%。

这种直观的感觉，就是拉氏数量指数最迷人的地方。它不像那些号称能预测经济周期的模型那样云山雾罩，它就是个朴素的计算工具，在统计学的键盘上敲出一个个好办的数字。 最终总结一下，拉氏数量指数就是那个用基期数量作为权重，来计算报告期价格变动的指数。它计算好办，逻辑清楚，别看看起来有点老派，但在统计实践中依然发挥着关键功能。

要是你在做数据分析，要么需求估算一个物价变动率，拉氏数量指数是个好用的起手式。自然，要是你要算更精准的“希克斯数量质量指数”，那就得用加权平均了，毕竟那叫讲究。但就拉氏数量指数这个本身而言，它就是个好用的计算器，算个平均值，顺便看看价格，就如此好办。