[论文解读] Effect of selfish choices in deferred acceptance with short lists

Hedyeh Beyhaghi, Daniela Sabán+1 more|arXiv (Cornell University)|Jan 3, 2017

Auction Theory and Applications参考文献 9被引用 5

一句话总结

本文研究在医疗实习生仅能申请K所医院的条件下，其在延迟接受匹配机制中的策略行为，将他们的选择建模为具有分层偏好的博弈。研究发现，实习生理性地将申请分配给‘冲刺’（高阶）、‘稳妥’（低阶）和中等层级的医院，且稳妥申请比例呈现非单调性；令人惊讶的是，尽管存在自私策略，社会福利仅略有下降。

ABSTRACT

We study the outcome of deferred acceptance when prospective medical residents can only apply to a limited set of hospitals. This limitation requires residents to make a strategic choice about the quality of hospitals they apply to. Through a mix of theoretical and experimental results, we study the effect of this strategic choice on the preferences submitted by participants, as well as on the overall welfare. We find that residents' choices in our model mimic the behavior observed in real systems where individuals apply to a mix of positions consisting mostly of places where they are reasonably likely to get accepted, as well as a few "reach" applications to hospitals of very high quality, and a few "safe" applications to hospitals of lower than their expected level. Surprisingly, the number of such "safe" applications is not monotone in the number of allowed applications. We also find that selfish behavior can hurt social welfare, but the deterioration of overall welfare is very minimal.

研究动机与目标

• 理解当实习生受限于申请短名单时，如何战略性地选择申请哪些医院。
• 分析市场构成（如高阶与低阶医生及医院的比例）如何影响申请策略。
• 评估在短名单限制下的延迟接受匹配中，自私行为对整体社会福利的影响。
• 在分层偏好模型下，刻画该策略博弈的纳什均衡。
• 探讨均衡行为与福利如何随允许的申请数量（K）及市场参数（v, r）变化。

提出的方法

• 构建一个双面匹配市场，医生和医院均分为两级（高/低），并假设偏好具有相关性。
• 假设医生提交K所医院的申请列表，层级内偏好随机均匀分布，并采用医生主导的Gale-Shapley算法。
• 运用大市场近似方法推导对称纳什均衡，刻画高阶与低阶医生的最优申请策略。
• 结合分析与实验方法研究均衡行为，包括对高阶、低阶及中阶医院的申请数量。
• 将社会福利量化为K、v（高阶与低阶医生之比）和r（高阶与低阶医院之比）的函数，以匹配带来的总效用衡量。
• 分析高阶医生申请对低阶医生机会与匹配概率产生的外部性影响。

实验结果

研究问题

• RQ1 当偏好相关且层级差异化时，实习生如何最优地在高阶、中阶和低阶医院之间分配其有限的申请数量？
• RQ2 低阶医生的均衡策略（如稳妥申请数量）如何依赖于允许的申请数量（K）和市场构成（v, r）？
• RQ3 在短名单限制下的延迟接受匹配中，自私策略行为对整体社会福利有何影响？
• RQ4 为何低阶医生的稳妥申请数量并非随K单调变化？其非单调性的驱动因素是什么？
• RQ5 在何种条件下，提高高阶个体比例（即提高v）会导致社会福利下降，即使可实现更多高质量匹配？

主要发现

• 存在唯一对称纳什均衡，其中高阶与低阶医生根据市场参数，战略性地将K个申请分配至各层级，采用混合或纯策略。
• 低阶医生对低阶医院的稳妥申请数量在K上呈现非单调性：其变化趋势可能先增后减，或反之，具体取决于高阶与低阶医院之比（r）和高阶与低阶医生之比（v）。
• 当v接近1时，提高高阶医生比例可能降低社会福利，原因在于低阶医院竞争加剧，尽管更多高质量匹配成为可能。
• 社会福利随K和v增加而提升，但随r的变化并非单调；特别是当v接近1时，由于高阶医生过度集中于低阶医院，福利可能下降。
• 尽管存在自私行为，社会福利的恶化程度极小，表明系统在策略激励下仍保持高度效率。
• 低阶医生的均衡策略对r的变化高度敏感：当r减小（高阶医院更少）时，低阶医生更可能申请高阶医院，因可用性提高且竞争减少。