链式法则 (Chain Rule)

链式法则 (Chain Rule)

链式法则 (Chain Rule) 是微积分中复合函数求导的基本定理，也是整个微分学最核心的计算工具之一。它回答了一个基本问题：当一个变量通过一个中间变量间接影响另一个变量时，这种间接影响如何量化。

单变量情形

若变量 $y$ 是 $u$ 的函数 $y = f(u)$，而 $u$ 又是 $x$ 的函数 $u = g(x)$，则复合函数 $y = f(g(x))$ 关于 $x$ 的导数由下式给出：

其直觉是清晰的：$x$ 的微小变动 $\Delta x$ 通过 $g'(x)$ 引起 $u$ 的变动，而 $u$ 的变动再通过 $f'(u)$ 传导至 $y$，最终效果即为两个变化率的乘积。例如，若 $y = (3x^2 + 2x)^5$，令 $u = 3x^2 + 2x$，则 $dy/dx = 5u^4 \cdot (6x + 2) = 5(3x^2 + 2x)^4(6x + 2)$。

这一法则可以连续嵌套任意多层：若 $y = f(u)$、$u = g(v)$、$v = h(x)$，则 $dy/dx = f'(u) \cdot g'(v) \cdot h'(x)$，即所谓"链式"的由来。

多变量推广

在多元微积分中，链式法则有几种关键推广。若 $z = f(x, y)$ 而 $x = g(t)$、$y = h(t)$，则 $z$ 关于 $t$ 的全导数为：

全导数等于各偏导数乘以对应中间变量对 $t$ 的导数的总和。这是比较静态分析和包络定理推导的数学基础。

若中间变量本身也是多变量函数，如 $z = f(u, v)$ 且 $u = u(x, y)$、$v = v(x, y)$，则链式法则表现为：

这一推广在坐标系变换（极坐标、球坐标下的微分算子转换）、隐函数定理的推导和热力学麦克斯韦关系中具有基础地位。它也是反向传播算法（Backpropagation）中梯度逐层传播的数学依据。

在经济学中的应用

链式法则在经济学中的应用无处不在。在消费者理论中，斯卢茨基方程的推导依赖于链式法则连接马歇尔需求、希克斯需求和间接效用函数之间的微分关系，从而将价格变化的总效应分解为替代效应和收入效应。

在经济增长理论中，索洛增长模型的稳态分析通过链式法则表达资本深化项 $dk/dt$ 与人均产出增长率之间的关系。在国际贸易中，罗巴津斯基定理和斯托尔珀-萨缪尔森定理的证明均依赖链式法则对一般均衡系统进行全微分。

在计量经济学中，Delta方法通过链式法则的一阶泰勒展开将估计量 $\hat{\theta}$ 的渐近正态性传递给其非线性变换 $g(\hat{\theta})$：

这一工具在计算风险价值（VaR）和边际效应的标准误时至关重要。

在金融工程中，期权 Greeks（如 Delta、Gamma、Vega）的计算直接依赖链式法则对Black-Scholes-Merton模型定价公式中的复合函数求偏导。在最优控制与动态规划中，伴随方程和横截条件的推导围绕链式法则对现值汉密尔顿函数关于状态变量和协状态变量的全微分展开。

链式法则虽形式简单，但其多变量推广构成了一阶近似、敏感性分析和梯度优化等经济学定量方法论的统一数学基础。从宏观模型的脉冲响应分析到微观结构估计中的数值梯度计算，链式法则始终是经济学工具箱中最基本也最强大的分析工具之一。