[论文解读] Loss aversion in strategy-proof school-choice mechanisms
本文將基於期望的損失厭惡引入策略不變的學校選擇機制，表明非誠實的偏好申報——具體而言是頂級排名單調排序——在選擇適應個人均衡中可為嚴格最優。研究顯示，此類行為導致效率低下與正當嫉妒，從而破壞如延遲接受機制等機制所承諾的公平性與效率保障。
Evidence suggests that participants in strategy-proof matching mechanisms play dominated strategies. To explain the data, we introduce expectation-based loss aversion into a school-choice setting and characterize choice-acclimating personal equilibria. We find that non-truthful preference submissions can be strictly optimal if and only if they are top-rank monotone. In equilibrium, inefficiency or justified envy may arise in seemingly stable or efficient mechanisms. Specifically, students who are more loss averse or less confident than their peers obtain suboptimal allocations.
研究动机与目标
- 解釋為何在策略不變的學校選擇機制中，學生即使有誠實申報的優勢動機，仍經常提交非誠實的偏好。
- 分析損失厭惡與參考點依賴偏好如何扭曲靜態、策略不變匹配機制中的均衡結果。
- 描述在選擇適應個人均衡（CPE）中，非誠實申報成為可合理化的條件。
- 研究損-loss-厭惡行為在學校選擇情境中的效率與穩定性影響，特別是在損失厭惡異質的情況下。
- 挑戰「未申報偏好即代表無興趣」的經驗假設，顯示損失厭惡的學生可能因恐懼失望而戰略性地省略頂尖學校。
提出的方法
- 將學生建模為擁有關於匹配價值、損失厭惡程度以及學校相對優先順序信號的私人資訊。
- 應用 Kőszegi 和 Rabin（2007）提出的選擇適應個人均衡（CPE）框架，以納入參考點依賴偏好與失望厭惡。
- 引入頂級排名單調性，作為靜態策略不變機制中非誠實申報嚴格可合理化的必要且充分條件。
- 使用不動點論證與 Brower 定理，證明在損失厭惡異質情況下，選擇適應貝葉斯納什均衡（CBNE）的存在性。
- 將延遲接受（DA）機制視為靜態機制，並證明僅當 DA 機制實現學生最優穩定結果時，誠實申報才是 CPE。
- 運用 stochastic dominance（第一序 stochastic dominance）與凸性論證，顯示損失厭惡的代理人可能偏好 stochastically dominated（第一序 stochastically dominated）的彩票，因其可降低失望風險。
实验结果
研究问题
- RQ1在學生具有損失厭惡的情況下，非誠實偏好申報在策略不變學校選擇機制中，於何種條件下可為嚴格最優？
- RQ2基於期望的損失厭惡如何導致原本穩定且有效的機制出現效率低下與正當嫉妒？
- RQ3為何即使誠實申報是主導策略，低優先順序或高損失厭惡的學生仍會戰略性地低估報考頂尖學校的偏好？
- RQ4損失厭惡在多大程度上會破壞如延遲接受等策略不變機制所承諾的公平性與效率？
- RQ5當損失厭惡存在時，應如何解讀學校選擇中觀察到的偏好申報？對識別真實偏好有何影響？
主要发现
- 非誠實偏好申報僅在滿足頂級排名單調性時，才可能在選擇適應個人均衡中為嚴格最優。
- 即使在如延遲接受等策略不變機制中，損失厭惡的學生仍可能為避免失望而虛報偏好，導致效率低下且產生不正當嫉妒的配置。
- 損失厭惡程度較高或自信心較低的學生可能獲得次優配置，從而破壞策略不變機制所承諾的公平性。
- 模型顯示，當損失厭惡異質時，誠實申報在一般情況下並非 CPE，即使在標準效用模型中其為主導策略。
- 當損失厭惡存在時，從申報排序中識別真實偏好的經驗方法存在缺陷，因未申報可能反映對失望的恐懼而非真實偏好。
- 在輕微正則條件下，存在唯一的選擇適應貝葉斯納什均衡，頂尖學校申請的截斷策略取決於損失厭惡程度與相對優先順序信號。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。