第11章提问：给定偏好和禀赋，竞争性市场能否产生有效结果？答案——是的，在福利定理条件下——将市场机制视为既定。本章反转这个问题：给定期望结果，我们能否设计一个机制来实现它？
机制设计常被称为"逆向博弈论"。不是预测博弈的结果，而是设计博弈以产生期望结果。市场设计将这些思想应用于现实制度：拍卖、匹配市场、频谱分配、肾脏交换。
前置知识：第7章（博弈论基础、纳什均衡）和第10章（福利定理、一般均衡）。
重要文献：Myerson (1981); Vickrey (1961); Clarke (1971); Groves (1973); Gale & Shapley (1962); Roth (2002); Milgrom (2004)。
挑战在于：代理人的类型是私人信息。我们如何让他们如实披露其类型？
图 12.1.机制设计时间线。
机制设计者选择规则（消息空间和结果函数）以实现期望的社会选择函数。
直接机制要求每个代理人简单地报告其类型（其私人信息）。如果如实报告是均衡策略——没有代理人能从撒谎中获益——则该机制是激励相容的（IC）。
这是机制设计中最强大的简化。原则上，可能的机制空间是无限大的。拍卖可以有任意数量的轮次、任意竞标规则、任意支付公式。匹配算法可以以任何可想象的方式运行。在所有可能的机制中搜索最优者似乎毫无希望。
显示原理指出：你不必搜索。无论任何机制能实现什么结果，一个直接机制（只需要求每个人如实报告）可以实现相同的结果。因此，机制设计问题简化为：找到最优的分配规则和支付规则作为报告类型的函数，受制于如实报告是最优的约束。这将一个无限广泛的搜索转化为一个明确定义的优化问题。
DSIC更强但更难实现。BIC更弱但允许更多机制。
你现在拥有机制设计工具：显示原理、激励相容，以及DSIC与BIC之间的区分。这些工具形式化了当政府无法直接观察人们类型时它能和不能实现什么。
机制设计以惊人的清晰度形式化了再分配问题。政府想要从高能力主体向低能力主体转移，但无法直接观察能力——只能观察收入，而收入是一个选择变量。显示原理说任何再分配方案都可以被分析为一个主体报告其类型的直接机制。具约束力的约束是激励相容：高能力主体不应觉得通过少工作来模仿低能力主体是有利可图的。税收—转移体系在字面上就是一个机制——它把报告的收入映射到税后收入——而显示原理告诉你，如果任何方案能实现一个再分配目标，一个说真话的直接机制也能。这是最优所得税（米尔利斯1971）的概念基础：税收表是一个在激励相容约束下最大化社会福利的机制。
激励相容在再分配与效率之间制造了一种不可化约的权衡——而且比直觉版本更糟。迈尔森-萨特斯韦特定理（§12.4）表明，在带私人信息的双边交易中，没有任何机制能同时实现效率、激励相容、个人理性和预算平衡。把这个逻辑应用到再分配上：政府面临同一种不可能性的一个版本。它无法设计一个既完全再分配、又尊重激励、又避免无谓损失的税收体系。此外，机制设计框架假设了一个仁慈的、信息充分的计划者，他即使不了解个体类型也了解类型分布。实际上，再分配政策是由政治经济学——中位选民、利益集团、游说——塑造的。设计问题被充分理解；实施问题则不然。
机制设计框架直接连接到最优所得税理论。米尔利斯（1971）表明最优税收表取决于能力分布和劳动供给弹性——两者都是经验量。机制设计方法给出概念架构；定量答案需要数据。迈尔森的最优拍卖在结构上与最优税收相同：两者都在激励相容和个人理性约束下最大化一个目标。设计收入最大化拍卖的数学与设计福利最大化税收表的数学是同一个。
效率-公平权衡是真实的，但机制设计让它从模糊变得精确。权衡不是"再分配有成本"——而是"再分配的成本恰好等于激励相容约束有约束力的程度"。大小取决于具体参数：劳动供给的弹性有多大？能力分布的尾部有多肥？这些是有经验答案的经验问题，而非意识形态问题。机制设计把不平等之争从哲学转变为工程——但工程受到任何聪明才智都无法规避的信息限制的约束。
机制设计给你框架；最优税收理论给出数字。请在第16章（§16.7）回来看拉姆齐最优税收结果——对缺乏弹性的商品多征税——以及定量估计：最优顶层边际税率很可能为50–70%（Diamond & Saez 2011），高于大多数国家的实施，但低于"什么都征"所暗示的水平。然后在第20章（§20.5、§20.8），问题走向全球：国内不平等相对于国家间不平等微不足道，而应对它的工具——制度、人力资本、发展干预——与国内税收设计完全不同。
伊丽莎白·沃伦的提案遇上机制设计：对再分配的约束性条件是激励相容，因为主体可以隐藏其类型。财富比收入更难隐藏。这使得财富税成为更好的机制吗？
高级这是机制设计中对应阿罗不可能定理的结果。它表明，在一般社会选择设定下，没有非独裁机制能在占优策略中引出真实偏好。
突破口：限制定义域。在准线性偏好（$U_i = v_i(a) + t_i$，其中 $t_i$ 是货币转移）下，吉巴德-萨特斯韦特障碍被突破。VCG机制通过转移支付实现效率和DSIC。
维克里-克拉克-格罗夫斯（VCG）机制通过货币转移，以如实报告为占优策略实现有效分配。
有效分配最大化总价值：$a^*(\theta) = \arg\max_a \sum_i v_i(a, \theta_i)$。
代理人 $i$ 支付她对他人施加的外部性：有她和没有她时其他人福利的差额。
为什么如实报告是占优策略？在如实报告下，代理人 $i$ 的收益为：
$$v_i(a^*(\theta)) + t_i = v_i(a^*(\theta)) + \sum_{j \neq i} v_j(a^*(\theta_{-i})) - \sum_{j \neq i} v_j(a^*(\theta))$$
这简化为 $\sum_j v_j(a^*(\theta)) - \sum_{j \neq i} v_j(a^*(\theta_{-i}))$。第二项不依赖于 $i$ 的报告。因此 $i$ 通过选择报告来最大化 $\sum_j v_j(a^*(\theta))$ 以最大化其收益，而这恰好在她如实报告时发生，因为 $a^*$ 已经最大化了总价值。
输入代理人对单一不可分割物品的估值。计算器计算VCG支付（对单物品等同于第二价格拍卖）。
图 12.2.代理人估值与VCG支付。每个代理人支付其对他人施加的外部性。获胜者支付第二高价值（在单物品拍卖中，VCG简化为维克里拍卖）。
三位市民对一座桥的估值分别为 $v_1 = 30$、$v_2 = 25$、$v_3 = 15$。成本为 $C = 60$。
若 \$\sum v_i > C\$ 则建造：\\$10 > 60\$ → 是。
克拉克税支付：
总收取：\\$10 + 15 + 5 = 40 < 60\$。存在20的预算赤字；VCG通常不能实现预算平衡。每个代理人支付其"枢纽"贡献。
| 形式 | 规则 | 获胜者支付 |
|---|---|---|
| 英式（升序） | 竞标者提高出价；最后竞标者获胜 | 第二高价值（近似） |
| 荷兰式（降序） | 价格下降直到有人认领 | 其出价 |
| 第一价格密封投标 | 最高出价获胜 | 其出价 |
| 第二价格密封投标（维克里） | 最高出价获胜 | 第二高出价 |
维克里拍卖（第二价格密封投标）是DSIC的：每个竞标者的占优策略是按其真实价值 $v_i$ 出价。高于 $v_i$ 出价有以高于价值的价格中标的风险；低于 $v_i$ 出价有在第二高出价低于 $v_i$ 时错失的风险。
含义：在这些条件下，拍卖形式之间的差异（公开与密封、升序与降序、第一价格与第二价格）对期望收入没有影响。
收入等价在以下常见情形中失效：
设置竞标者数量及其价值分布。运行单次拍卖查看个别结果，或运行100轮观察收入等价（各种形式的平均收入趋于一致）。调整风险厌恶滑块以打破等价。
图 12.3.拍卖结果。在单次运行中，由于随机性，各种形式的收入不同。经过100次运行，平均收入趋于一致，展示了收入等价。增加风险厌恶（$\rho > 0$）可以打破等价：第一价格收入高于第二价格。
当卖方想要最大化收入（而非效率）时，迈尔森证明了最优机制使用虚拟价值：
其中 $F$ 是竞标者价值分布的CDF，$f$ 是PDF。
最优拍卖将物品分配给虚拟价值最高的竞标者，前提是其为正值。如果所有虚拟价值均为负，卖方保留物品。这意味着一个保留价：卖方设置等于 $\psi^{-1}(0)$ 的最低出价。
价值在 $[0, 1]$ 上均匀分布：$F(\theta) = \theta$，$f(\theta) = 1$。
$\psi(\theta) = \theta - (1-\theta)/1 = 2\theta - 1$
$\psi(\theta) = 0 \implies \theta = 1/2$。最优保留价 = $1/2$。
带保留价 $1/2$ 的第二价格拍卖是最优的：只有当至少一个竞标者的估值超过 $1/2$ 时，物品才会售出。
对于从Uniform$[0, V_{\max}]$中抽取的价值，虚拟价值为 $\psi(\theta) = 2\theta - V_{\max}$。拖动保留价滑块。收入曲线显示期望收入作为保留价的函数。最优保留价（最大化期望收入）被突出显示。
图 12.4a。虚拟价值函数 $\psi(\theta) = 2\theta - 1$（对于 $U[0,1]$）。保留价设在 $\psi(r) = 0$ 处。估值 $\theta < r$ 的竞标者被排除（红色阴影区域）。
图 12.4b。期望收入作为保留价的函数。绿色圆点标记最大化期望收入的最优保留价。您选择的保留价显示为蓝色圆点。
政府向两家公司之一分配许可证。公司 $i$ 的私人价值 $\theta_i \in \{L, H\} = \{10, 50\}$，各以等概率出现。
将许可证分配给报告更高价值的公司；平局时分配给公司1。获胜者支付30。
检验高价值公司（$\theta = 50$）的IC：
如实报告更优。IC对类型 $H$ 成立。
检验低价值公司（$\theta = 10$）的IC：
如实报告更优。IC对类型 $L$ 成立。该机制是激励相容的。
两个竞标者的价值独立地从 $U[0, 100]$ 中抽取。
第二价格拍卖：期望收入 = $E[\text{2nd highest value}] = 100/3 \approx 33.33$。
第一价格拍卖：2个竞标者的最优出价：$b(\theta) = \theta/2$。期望收入 = $E[\max(b_1, b_2)] = E[\max(\theta_1/2, \theta_2/2)] = E[\max(\theta_1, \theta_2)]/2 = (200/3)/2 = 100/3 \approx 33.33$。
两种形式都产生 \\$100/3\$ 的期望收入，验证了收入等价。第一价格拍卖产生较低的收入波动（每个获胜者恰好支付其价值的一半），而第二价格拍卖的波动较高（支付取决于第二高价值，可能变化很大）。
卖方想要夸大其成本（以获取更高价格）。买方想要低报其价值（以少付款）。激励相容要求向双方留下"信息租金"。这些租金成本高昂，在预算平衡下，没有足够的剩余来支付双方的租金并确保所有有效交易发生。
私人信息下的现实谈判总是涉及某些低效率：工资谈判、二手车购买、并购交易。发布价格、声誉系统和标准化合同等制度缓解了这一问题，但无法完全消除。
某些物品不能通过价格分配：我们不会（或不该）出售学校入学名额、器官移植或住院医师职位。匹配市场使用算法替代。
定理（Gale & Shapley, 1962）。该算法在最多 $n^2$ 轮内终止，并产生稳定匹配：没有未匹配的配对双方都偏好对方而非其当前匹配。
延迟接受算法有四个值得注意的性质：
输入学生和学校的偏好列表。算法动画展示每一轮：提议、暂时接受和拒绝。以逗号分隔的名称输入偏好（例如"W,X,Y,Z"）。
四名学生（A、B、C、D）和四所学校（W、X、Y、Z）。学生提议。
| 学生 | 偏好 | 学校 | 偏好 |
|---|---|---|---|
| A | W > X > Y > Z | W | B > A > D > C |
| B | X > W > Y > Z | X | A > B > C > D |
| C | W > Y > X > Z | Y | C > D > A > B |
| D | Y > W > X > Z | Z | D > C > B > A |
最终匹配为 A-W、B-X、C-Y、D-Z，这是稳定的：没有配对想要偏离。使用上面的互动工具逐步验证。
分别运行学生提议和学校提议的Gale-Shapley。比较两个稳定匹配。提议方总是获得其最优稳定匹配；回应方获得其最差稳定匹配。
阿尔文·罗斯（2012年诺贝尔奖，与劳埃德·沙普利共享）将此描述为"经济学家即工程师"的方法：运用经济理论不仅解释世界，还设计改善人们生活的现实制度。
市场不是自发产生的自然物体。它们是被设计的制度：决定谁获得什么、以什么价格、通过什么过程的规则、算法和执行机制。设计选择决定了结果。
该市决定拍卖在市中心黄金地段经营柠檬水摊的专营权。三位潜在供应商：玛雅（$v_M = 50$/天）、内特（$v_N = 35$/天）、奥利维亚（$v_O = 20$/天）。价值从 $U[0, 60]$ 中抽取。
第二价格拍卖（维克里）：占优策略是如实竞标。玛雅出价50，内特出价35，奥利维亚出价20。玛雅获胜，支付35。
最优拍卖（迈尔森）：虚拟价值，其中 $F(\theta) = \theta/60$，$f(\theta) = 1/60$：
$\psi(\theta) = \theta - (60 - \theta) = 2\theta - 60$
保留价：$\psi(\theta) = 0 \implies \theta = 30$。
玛雅的虚拟价值：\\$1(50) - 60 = 40\$。内特的：\\$10\$。奥利维亚的：\$-20\$（被最优拍卖排除）。
在保留价为30的第二价格拍卖中：玛雅获胜，支付 $\max(35, 30) = 35$。
Roth的"经济学家即工程师"。阿尔文·罗斯（2012年诺贝尔奖）将机制设计从纯理论转化为重新设计真实市场的实用学科。他的工作表明，市场是被设计的制度，而非自然现象。
全国住院医师匹配项目（NRMP）：Roth诊断了原始住院医师匹配失败的原因（不稳定性、策略操纵），并使用延迟接受算法重新设计。新系统每年匹配约40,000名住院医师。
肾脏交换：Roth、Sönmez和Ünver设计了交换协议，允许不兼容的供体-患者配对通过移植链交换供体，挽救了数千人的生命。这是纯粹的市场设计：在没有价格的情况下创建一个本不存在的市场。
择校：Roth及其同事用策略防护系统替代了波士顿可操纵的学校分配机制。在旧系统下，如实报告偏好的家长会受到惩罚；在新系统下，诚实总是最优的。
频谱拍卖：Milgrom和Wilson（2020年诺贝尔奖）为FCC设计了组合拍卖，在有效分配频谱许可证的同时筹集了数十亿美元。2017年的激励拍卖单独筹集了\\$198亿。
共同线索：经济理论提供蓝图，但实施需要理解具体的制度背景，即纯理论所抽象掉的那些"细节"。
你现在拥有完整的工具箱：福利定理告诉你市场何时起作用（第11章）；机制设计和市场设计向你展示当它们不起作用时该怎么做。这是最后一站。
当传统市场失灵，当福利定理条件不成立时，你可以工程化更好的制度。显示原理说设计空间是可处理的：聚焦于直接说真话的机制。当偏好是准线性时，VCG以占优策略激励实现有效率结果。而在价格根本无法起作用的地方（肾脏不能买卖、学位不能拍卖），Gale-Shapley延迟接受算法在没有任何货币转移的情况下产生稳定匹配。肾脏交换通过创造一个本不可能存在的市场挽救了数千生命。学校选择再设计用防策略系统取代了可操纵的系统，使诚实成为每位家长的最优策略。频谱拍卖（Milgrom和Wilson，2020年诺贝尔奖）在有效配置许可的同时筹集数十亿。Roth的"经济学家即工程师"项目表明，经济理论可以设计出超越未受监管市场和粗糙政府干预的真实制度。
Myerson-Satterthwaite不可能性为机制设计的乐观情绪降温：在带私人信息的双边交易中，没有机制能同时实现效率、激励相容、个人理性和预算平衡。这是根本的不可能性，不是技术限制。市场设计的成功故事（匹配、拍卖、肾脏交换）共享一个关键特征：它们运作于结构化、定义明确的环境中，"博弈规则"清晰，设计者拥有实质性控制。在更混乱的环境中——医疗体系、金融市场、劳动市场、宏观经济政策——制度设计问题的难度要大几个数量级。机制设计者需要知道类型分布、可行配置集合和主体的效用函数。在复杂的现实环境中，这种知识恰恰是设计者所缺乏的。机制设计革命可能在容易的案例上成功了，却没有触及困难的那些。
市场设计成熟为一门务实的学科，认真对待这些限制。罗斯的方法论明确是"设计、实施、观察、再设计"——而不是"证明最优然后部署"。NRMP匹配算法随着新问题的出现（伴侣匹配、乡村医院短缺）多次修订。频谱拍卖格式随FCC从早期轮次学习经验，从简单的同时上升拍卖演变为复杂的组合设计。学界从证明不可能结果转向问：在给定这些不可能性的情况下，最佳可达成的机制是什么？计算机制设计——把算法约束与激励约束整合——是活跃的前沿，尤其在数字平台成为主导市场制度时尤为相关。
当福利定理条件成立时，市场有效配置资源——它们近似成立的程度足以使市场成为大多数商品的默认选择。当它们失败时，机制设计提供了真正的替代方案：不是"让政府决定"，而是"设计一个其激励产生你想要结果的制度"。成功故事是真实且重要的。但机制设计不是万能溶剂。它在结构化、定义明确的场景下效果最好。前沿——数字市场、算法定价、AI中介交易、平台垄断——提出了现有理论未能完全解决的问题。"市场有效配置资源吗？"的答案是：条件成立时，是的；当条件不成立时，我们有时能工程化出更好的东西——但"有时"承担着重大分量，而工程比理论所暗示的更难。
这是大问题 #7 的最后一站。这段弧线从作为基准的剩余（第3章）经过市场失灵（第4章）、形式化福利定理（第11章），到现在的机制设计。"市场有效配置资源吗？"原来是错误的问题；正确的问题是"在什么条件下，以及当条件失败时我们能建造什么？"答案涉及福利定理与机制设计以及设计受政治、信息和计算约束的实践智慧。下一个前沿是机制设计与行为经济学学（第19章）相遇的地方：并非完全理性的主体可能不会按理论所预测的那样对激励相容的机制做出反应。有限理性可能是机制设计尚未解决的具约束力约束。
伯尼·桑德斯的口号遇上机制设计：医疗在福利定理的每一个条件上都失败。机制设计能做得更好吗？对于器官来说，肾脏交换说可以。对于医疗的其余部分，设计问题仍未解决。
中级Khan的反垄断悖论：平台市场是被设计的制度，但由平台设计、为平台服务。消费者福利标准对此视而不见。
高级| 标签 | 方程 | 描述 |
|---|---|---|
| 式 12.1 | $U_i(\theta_i, \theta_i) \geq U_i(\hat{\theta}_i, \theta_i)$ for all $\hat{\theta}_i, \theta_{-i}$ | DSIC |
| 式 12.2 | $E[U_i(\theta_i, \theta_i)] \geq E[U_i(\hat{\theta}_i, \theta_i)]$ | BIC |
| 式 12.3 | $t_i = \sum_{j \neq i} v_j(a^*(\theta_{-i})) - \sum_{j \neq i} v_j(a^*(\theta))$ | VCG支付 |
| 式 12.4 | $\psi(\theta) = \theta - (1-F(\theta))/f(\theta)$ | 迈尔森虚拟价值 |
第五部分即将到来：研究生宏观。模型变得严肃，政策辩论也是如此。