信息经济学：逆向选择与道德风险

逆向选择、信号传递、筛选机制、道德风险与委托代理模型

第 7 讲：信息经济学：逆向选择与道德风险

本章导学

前面的模型大多假设相关信息对参与者是共同可知的。本章放松这一假设：如果交易一方知道自己的类型、努力或风险，而另一方不知道，市场价格和普通合同就可能失灵。信息经济学的重点不是“信息越多越好”这句空话，而是分析信息结构如何改变选择、交易和福利。

学完本章后，你应当能够：

区分逆向选择、信号传递、筛选和道德风险。
用类型、行动、合同和激励约束描述信息不对称问题。
分析柠檬市场、保险筛选、教育信号和委托-代理模型的均衡逻辑。
解释一阶最优和二阶最优之间为什么会出现效率损失。

常见考查会要求你判断某个现实问题属于隐藏信息还是隐藏行动，并写出参与约束、激励相容约束或最优合同条件。做题时先问“信息在什么时候不对称”：签约前多半是逆向选择，签约后多半是道德风险。

本章承接第 6 章的策略互动，并为第 8 章的机制设计提供问题来源：当私人信息无法直接观察时，制度设计必须处理激励相容。

经济动机 (Economic Motivation)

在许多交易中，一方比另一方拥有更多的信息，这种"信息不对称 (Asymmetric Information)"现象普遍存在：

二手车市场：卖家比买家更了解车况（是"桃子"还是"柠檬"）
保险市场：投保人比保险公司更了解自己的风险水平
劳动市场：求职者比雇主更了解自己的能力；雇员比雇主更了解自己的努力程度
金融市场：借款人比银行更了解自己的还款能力和项目风险

信息不对称会严重扭曲市场运行，甚至导致市场失灵 (Market Failure)。George Akerlof、Michael Spence和Joseph Stiglitz因对信息经济学的开创性贡献共同获得2001年诺贝尔经济学奖。

信息不对称的两种类型

逆向选择 (Adverse Selection)：签约前的隐藏信息问题
- 一方的类型 (type) 是私人信息
- 例：二手车市场上车的质量、保险市场上客户的风险类型
道德风险 (Moral Hazard)：签约后的隐藏行动问题
- 一方的行动 (action) 不可观测
- 例：保险后的谨慎程度、雇员的努力水平

一、逆向选择：柠檬市场模型 (Adverse Selection: The Lemons Model)

1.1 Akerlof的柠檬市场 (1970)

模型设定：

有两种二手车：好车（桃子，peaches）和坏车（柠檬，lemons）
卖家知道自己车的质量，买家不知道
好车占比 $\lambda \in (0,1)$ ，坏车占比 $1-\lambda$

估值结构：

卖家对好车的保留价值： $v_H^s = 2000$
卖家对坏车的保留价值： $v_L^s = 1000$
买家对好车的估值： $v_H^b = 2400$
买家对坏车的估值： $v_L^b = 1200$

注意到 $v_H^b > v_H^s$ 且 $v_L^b > v_L^s$ ，即交易有效率增益。

买家的理性推断：如果市场价格为 $p$ ，买家无法观测车的质量，只能根据市场上车的平均质量定价：

E[v^b] = \lambda v_H^b + (1-\lambda) v_L^b = \lambda \cdot 2400 + (1-\lambda) \cdot 1200

均衡分析：

情形1：如果 $E[v^b] < v_H^s = 2000$ ，即 $\lambda < \frac{2000-1200}{2400-1200} = \frac{2}{3}$

好车主不愿意以 $E[v^b]$ 的价格出售（因为 $E[v^b] < 2000$ ）
好车退出市场，市场上只剩坏车
买家意识到这一点，只愿出价 $v_L^b = 1200$
最终均衡：只有坏车交易，价格 $p^* = 1200$
市场部分失灵：有效率的好车交易无法实现

情形2：如果 $\lambda \geq \frac{2}{3}$

$E[v^b] \geq 2000$ ，好车主愿意出售
均衡价格 $p^* \in [2000, E[v^b]]$ ，好车和坏车都交易

核心洞见：

当信息不对称足够严重（好车占比 $\lambda$ 太低）时，信息劣势方（买家）的悲观预期会导致信息优势方中的"好类型"（好车主）退出市场，最终只有"坏类型"留下。这就是逆向选择的本质。

1.2 保险市场的逆向选择

Rothschild-Stiglitz模型 (1976)

设定：

两类消费者：高风险类型 $H$ （事故概率 $p_H$ ）和低风险类型 $L$ （事故概率 $p_L$ ），其中 $p_H > p_L$
保险公司不知道客户类型，但知道类型分布
消费者初始财富 $W$ ，事故损失 $D$
保险合同 $(q, \alpha)$ ：保费 $q$ ，赔付 $\alpha$ （全额赔付时 $\alpha = D$ ）

消费者效用（风险规避， $u'' < 0$ ）：

高风险类型： $U_H(q, \alpha) = p_H \cdot u(W - D + \alpha - q) + (1-p_H) \cdot u(W - q)$
低风险类型： $U_L(q, \alpha) = p_L \cdot u(W - D + \alpha - q) + (1-p_L) \cdot u(W - q)$

保险公司零利润条件：

对高风险客户： $q_H = p_H \cdot \alpha_H$
对低风险客户： $q_L = p_L \cdot \alpha_L$

无差异曲线的斜率（在 $(q, \alpha)$ 空间）：

\frac{dq}{d\alpha}\Big|_{U=\bar{U}} = \frac{p_i \cdot u'(W-D+\alpha-q)}{p_i \cdot u'(W-D+\alpha-q) + (1-p_i) \cdot u'(W-q)}

在确定性线（ $q = p_i \alpha$ ，即公平保费线）上：

\frac{dq}{d\alpha}\Big|_{U=\bar{U}, \text{fair}} = p_i

关键性质：高风险类型的无差异曲线更陡（ $p_H > p_L$ ），即在同一点处：

\frac{dq}{d\alpha}\Big|_{H} > \frac{dq}{d\alpha}\Big|_{L}

这个"单交性 (Single-Crossing Property)"是分离均衡存在的关键。

竞争均衡（Rothschild-Stiglitz）：

不存在混同均衡 (Pooling Equilibrium)
- 如果两类客户购买同一合同 $(q^*, \alpha^*)$
- 保费必须满足： $q^* = [\lambda p_H + (1-\lambda) p_L] \alpha^*$
- 但保险公司可以提供一个低赔付、低保费的合同 $(q', \alpha')$ ，只吸引低风险客户并盈利
- 原混同均衡被打破
分离均衡 (Separating Equilibrium) 可能存在
- 高风险类型：获得全额保险 $(q_H, D)$ ，其中 $q_H = p_H D$ （零利润）
- 低风险类型：获得部分保险 $(q_L, \alpha_L)$ ，其中 $q_L = p_L \alpha_L < p_L D$
- 合同设计使得高风险类型不愿选择低风险合同（激励相容约束）

关键结论：

在分离均衡中，低风险类型只能获得部分保险（而非完全保险），这是为了防止高风险类型模仿
低风险客户承受了信息不对称的成本
均衡可能不存在（当两类客户比例不合适时）

1.3 信用配给 (Credit Rationing)

Stiglitz-Weiss模型 (1981)

即使有愿意支付更高利率的借款人，银行也可能限制贷款数量，这看似违反供求规律，但信息不对称给出了解释。

机制：

提高利率 $r$ 会导致逆向选择：安全项目的借款人退出，只剩高风险项目
提高利率还会导致道德风险：借款人选择更冒险的项目
银行的期望收益可能随利率上升而下降

因此，银行选择一个最优利率 $r^*$ 并通过配给 (rationing) 来限制贷款，而非提高价格（利率）来出清市场。

二、信号传递 (Signaling)

2.1 Spence的教育信号模型 (1973)

背景：雇主无法直接观测到求职者的能力，但能力影响生产力和工资。高能力者如何向雇主证明自己？

模型设定：

两类工人：高能力 $\theta_H$ 和低能力 $\theta_L$ （ $\theta_H > \theta_L$ ）
能力是私人信息，工人比例 $\lambda$ （高能力）和 $1-\lambda$ （低能力）
生产力：高能力工人产出 $y_H$ ，低能力工人产出 $y_L$ （ $y_H > y_L$ ）
教育水平 $e \geq 0$ （可观测信号），教育本身不增加生产力（纯粹信号）

成本结构（关键假设）：

高能力工人的教育成本： $c(e, \theta_H) = c_H \cdot e$
低能力工人的教育成本： $c(e, \theta_L) = c_L \cdot e$
单交性条件： $c_L > c_H$ （低能力者获取教育的成本更高）

工人效用：

u(\theta_i, e) = w(e) - c(e, \theta_i)

其中 $w(e)$ 是雇主根据教育水平支付的工资。

雇主的信念和工资设定：在均衡中，雇主观察到教育水平 $e$ 后，形成关于工人能力的信念 (belief) $\mu(\theta|e)$ ，并支付等于期望生产力的工资：

w(e) = E[y|\theta, e] = \mu(\theta_H|e) \cdot y_H + \mu(\theta_L|e) \cdot y_L

2.2 分离均衡 (Separating Equilibrium)

在分离均衡中，不同类型选择不同的教育水平： $e_H \neq e_L$ 。

候选均衡：

高能力工人选择 $e_H^* > 0$
低能力工人选择 $e_L^* = 0$
雇主信念： $w(e_H^*) = y_H$ ， $w(0) = y_L$

均衡条件：

高能力工人的激励相容 (IC-H)： $y_H - c_H \cdot e_H^* \geq y_L - c_H \cdot 0$
即： $e_H^* \leq \frac{y_H - y_L}{c_H}$
低能力工人的激励相容 (IC-L)： $y_L - c_L \cdot 0 \geq y_H - c_L \cdot e_H^*$
即： $e_H^* \geq \frac{y_H - y_L}{c_L}$

分离均衡存在条件：

\frac{y_H - y_L}{c_L} \leq e_H^* \leq \frac{y_H - y_L}{c_H}

这要求 $c_L > c_H$ （单交性），且任何满足上述不等式的 $e_H^*$ 都可以支持分离均衡。

数值例子：

$y_H = 100$ , $y_L = 50$
$c_H = 1$ , $c_L = 2$

分离均衡需要：

\frac{100-50}{2} \leq e_H^* \leq \frac{100-50}{1}

25 \leq e_H^* \leq 50

例如 $e_H^* = 30$ ：

高能力工人： $u_H = 100 - 1 \times 30 = 70$ （vs. 假装低能力： $50 - 0 = 50$ ）
低能力工人： $u_L = 50 - 0 = 50$ （vs. 模仿高能力： $100 - 2 \times 30 = 40$ ）

两类工人都没有激励偏离，构成分离均衡。

2.3 混同均衡与精炼 (Pooling Equilibrium and Refinement)

混同均衡：两类工人都选择相同的教育水平 $e^*$ 。

候选： $e^* = 0$ ，工资 $w(0) = \lambda y_H + (1-\lambda) y_L$

问题：需要对非均衡路径 (off-equilibrium path) 的信念 $\mu(\theta|e \neq 0)$ 进行限制。

直觉准则 (Intuitive Criterion, Cho-Kreps 1987)：如果某个偏离行动 $e'$ 对某类型（如低能力）无论雇主如何反应都不如均衡收益，而对另一类型（高能力）则可能有利，那么理性的雇主应该推断选择 $e'$ 的一定是高能力者。

应用直觉准则，可以排除许多"不合理"的混同均衡，Riley结果：唯一符合直觉准则的均衡是最小成本分离均衡（ $e_H^* = \frac{y_H - y_L}{c_L}$ ）。

三、筛选机制 (Screening)

筛选是信息劣势方的主动策略：通过设计一套菜单合同 (menu of contracts)，让不同类型自我选择。

3.1 非线性定价 (Nonlinear Pricing)

垄断筛选模型：

设定：

垄断企业出售某种产品，边际成本为 $c$
两类消费者：高需求类型 $\theta_H$ 和低需求类型 $\theta_L$ （ $\theta_H > \theta_L$ ）
消费者效用： $U(\theta, q, T) = \theta \cdot v(q) - T$ $U (θ, q, T) = θ \cdot v (q) - T$
- $q$ ：消费数量， $T$ ：总支付
- $v(q)$ ：基础效用函数， $v' > 0, v'' < 0$

企业目标：设计菜单 $\{(q_H, T_H), (q_L, T_L)\}$ 最大化利润

\max_{(q_H,T_H),(q_L,T_L)} \lambda [T_H - c \cdot q_H] + (1-\lambda)[T_L - c \cdot q_L]

约束：

参与约束 (PC)：
- $\theta_H v(q_H) - T_H \geq 0$ （PC-H）
- $\theta_L v(q_L) - T_L \geq 0$ （PC-L）
激励相容约束 (IC)：
- $\theta_H v(q_H) - T_H \geq \theta_H v(q_L) - T_L$ （IC-H）
- $\theta_L v(q_L) - T_L \geq \theta_L v(q_H) - T_H$ （IC-L）

最优合同特征：

高类型：参与约束不紧（ $\theta_H v(q_H) - T_H > 0$ $θ_{H} v (q_{H}) - T_{H} > 0$ ），获得信息租金
- 效率： $\theta_H v'(q_H) = c$ （第一最优）
低类型：参与约束紧（ $\theta_L v(q_L) - T_L = 0$ $θ_{L} v (q_{L}) - T_{L} = 0$ ），无信息租金
- 扭曲： $\theta_L v'(q_L) > c$ （低于第一最优， $q_L$ 被压低）

直觉：

企业通过降低 $q_L$ （扭曲低类型的数量）来减少高类型模仿的激励
这样可以对高类型收取更高的 $T_H$ ，提取更多剩余
效率损失：低类型的数量扭曲是筛选的成本

3.2 保险市场的筛选

回到Rothschild-Stiglitz模型，保险公司可以提供不同的合同组合：

高风险合同： $(q_H = p_H D, \alpha_H = D)$ （全额保险）
低风险合同： $(q_L = p_L \alpha_L, \alpha_L < D)$ （部分保险）

通过设计合同使得：

高风险客户选择全额保险（因为他们更需要保险）
低风险客户选择部分保险（接受一定风险以换取更低保费）

四、道德风险与委托-代理模型 (Moral Hazard and Principal-Agent Model)

4.1 基本框架

道德风险：签约后，代理人的行动不可观测，会影响最终结果。

经典例子：

保险：投保后驾驶更不小心
雇佣关系：雇主无法观测员工的努力水平
企业融资：借款后企业选择更冒险的项目

标准委托-代理模型：

参与者：

委托人 (Principal)：雇主、股东、保险公司
代理人 (Agent)：员工、经理、投保人

时序：

委托人提供合同 $w(\pi)$ （工资依赖于产出 $\pi$ ）
代理人选择是否接受合同
代理人选择努力水平 $e$ （不可观测）
产出实现 $\pi = \pi(e, \epsilon)$ （ $\epsilon$ 为随机冲击）
支付工资 $w(\pi)$

代理人效用：

U(w, e) = u(w) - c(e)

$u(w)$ ：货币效用， $u' > 0, u'' < 0$ （风险规避）
$c(e)$ ：努力成本， $c' > 0, c'' > 0$ （边际成本递增）
保留效用： $\bar{U}$

委托人效用：

V(\pi, w) = \pi - w(\pi)

假设委托人风险中性

4.2 完全信息基准 (First-Best)

如果努力可观测，委托人直接要求 $e = e^{FB}$ 并支付固定工资 $w^{FB}$ ：

问题：

\max_e E[\pi(e, \epsilon)] - w

\text{s.t. } u(w) - c(e) = \bar{U}

一阶条件：

E[\pi_e] = c'(e^{FB})

代理人获得固定工资 $w^{FB} = u^{-1}(\bar{U} + c(e^{FB}))$ ，承担零风险。

4.3 不完全信息：道德风险 (Second-Best)

努力不可观测，委托人只能观测产出 $\pi$ 。

简化模型（两个努力水平）：

努力： $e \in \{e_L, e_H\}$ ，其中 $e_H > e_L$
产出： $\pi \in \{\pi_H, \pi_L\}$ ，其中 $\pi_H > \pi_L$
高努力时高产出概率： $p_H = \Pr(\pi_H | e_H)$
低努力时高产出概率： $p_L = \Pr(\pi_H | e_L)$
假设 $p_H > p_L$ （高努力增加高产出概率）

合同： $\{w_H, w_L\}$ ，其中 $w_H$ 是高产出时的工资， $w_L$ 是低产出时的工资。

委托人问题：

\max_{w_H, w_L} p_H(\pi_H - w_H) + (1-p_H)(\pi_L - w_L)

约束：

激励相容 (IC)：代理人愿意选择高努力 $p_H u(w_H) + (1-p_H) u(w_L) - c(e_H) \geq p_L u(w_H) + (1-p_L) u(w_L) - c(e_L)$
简化为： $(p_H - p_L)[u(w_H) - u(w_L)] \geq c(e_H) - c(e_L) \equiv \Delta c$
参与约束 (PC)： $p_H u(w_H) + (1-p_H) u(w_L) - c(e_H) \geq \bar{U}$

关键结论：

必须有工资差异： $w_H > w_L$ $w_{H} > w_{L}$
- 如果 $w_H = w_L$ ，IC约束无法满足（代理人会偷懒）
代理人承担风险
- 为了激励努力，必须让工资依赖于产出
- 但代理人是风险规避的，这降低了其效用
效率损失
- 相比第一最优，代理人承担了本应由风险中性的委托人承担的风险
- 这是信息不对称的成本

4.4 数值例子

参数：

产出： $\pi_H = 100$ ， $\pi_L = 0$
概率： $p_H = 0.8$ （高努力）， $p_L = 0.2$ （低努力）
成本： $c(e_H) = 20$ ， $c(e_L) = 0$
效用： $u(w) = \sqrt{w}$ （CRRA，风险规避系数为0.5）
保留效用： $\bar{U} = 4$

第一最优（努力可观测）：

固定工资： $\sqrt{w^{FB}} - 20 = 4 \Rightarrow w^{FB} = 576$
委托人收益： $0.8 \times 100 + 0.2 \times 0 - 576 = 80 - 576 = -496$ （不可行）

改为要求低努力：

$\sqrt{w} - 0 = 4 \Rightarrow w = 16$
委托人收益： $0.2 \times 100 - 16 = 4$

第二最优（努力不可观测）：

IC约束：

(0.8 - 0.2)[\sqrt{w_H} - \sqrt{w_L}] \geq 20

\sqrt{w_H} - \sqrt{w_L} \geq 33.33

PC约束：

0.8\sqrt{w_H} + 0.2\sqrt{w_L} - 20 = 4

0.8\sqrt{w_H} + 0.2\sqrt{w_L} = 24

求解（假设IC紧）：

$\sqrt{w_H} = 33.33 + \sqrt{w_L}$
代入PC： $0.8(33.33 + \sqrt{w_L}) + 0.2\sqrt{w_L} = 24$
$26.66 + 0.8\sqrt{w_L} + 0.2\sqrt{w_L} = 24$ （矛盾！）

说明在这些参数下，无法通过激励合同使代理人选择高努力且满足PC。最优是提供低努力合同。

调整参数或使用连续模型可以得到内点解。

4.5 线性合同与CARA-正态模型

假设：

产出： $\pi = e + \epsilon$ ，其中 $\epsilon \sim N(0, \sigma^2)$
代理人效用： $U = -\exp(-r(w - c(e)))$ （CARA，风险规避系数 $r$ ）
成本： $c(e) = \frac{1}{2}be^2$

线性合同： $w = \alpha + \beta \pi$

$\alpha$ ：固定工资
$\beta$ ：绩效工资系数（激励强度）

代理人的确定性等价收益：

CE = \alpha + \beta e - \frac{1}{2}be^2 - \frac{1}{2}r\beta^2\sigma^2

最后一项是风险溢价。

代理人的最优努力（给定 $\beta$ ）：

\frac{\partial CE}{\partial e} = \beta - be = 0 \Rightarrow e^*(\beta) = \frac{\beta}{b}

委托人问题：

\max_{\alpha, \beta} e^*(\beta) - \alpha - \beta e^*(\beta)

\text{s.t. } \alpha + \beta e^*(\beta) - \frac{1}{2}b[e^*(\beta)]^2 - \frac{1}{2}r\beta^2\sigma^2 = \bar{U}

代入 $e^* = \beta/b$ ：

\max_{\beta} \frac{\beta}{b} - \frac{\beta^2}{b} - \bar{U} - \frac{1}{2}r\beta^2\sigma^2

一阶条件：

\frac{1}{b} - \frac{2\beta}{b} - r\beta\sigma^2 = 0

\beta^* = \frac{1}{1 + rb\sigma^2}

结论：

$\beta^* < 1$ （不是完全激励）
$\beta^*$ 随 $\sigma^2$ 增加而降低（风险越大，激励越弱）
$\beta^*$ 随 $r$ 增加而降低（代理人越风险规避，激励越弱）

这体现了激励与保险的权衡 (Incentive-Insurance Tradeoff)：

强激励（高 $\beta$ ）→ 代理人承担更多风险 → 需要更高风险溢价
弱激励（低 $\beta$ ）→ 代理人承担较少风险 → 但努力不足

五、应用案例 (Applications)

5.1 CEO薪酬设计

现实：

股票期权、绩效奖金、长期激励计划
高度依赖公司业绩（高 $\beta$ ）

理论解释：

CEO的努力难以观测（道德风险）
通过将薪酬与股价挂钩来激励
但CEO也承担了市场风险（非其控制因素）

争议：

期权激励是否过度（Jensen-Murphy, 1990）
短期主义（short-termism）问题

5.2 信用评分与大数据筛选

传统：

银行通过信用评分（FICO）筛选借款人
抵押品要求、共同签署人

现代：

大数据和机器学习提高了类型识别能力
减轻逆向选择问题
但引发隐私和歧视问题

5.3 医疗保险的共同支付

道德风险：

全额保险导致过度医疗消费
保险公司通过共同支付 (co-payment) 和免赔额 (deductible) 来约束

权衡：

降低道德风险 vs. 增加患者风险暴露
最优设计需要平衡

5.4 学历信号的社会成本

Spence模型的含义：

教育作为信号可能没有生产力价值（纯粹浪费）
"军备竞赛"：所有人都提高学历，但相对地位不变
社会福利损失

反驳：

教育确实增加人力资本（人力资本理论 vs. 信号理论）
实证难以区分两种效应

直觉总结 (Intuitive Summary)

逆向选择 vs. 道德风险

维度	逆向选择	道德风险
时间	签约前	签约后
信息	类型（type）不可观测	行动（action）不可观测
例子	二手车质量、保险客户风险	保险后谨慎度、员工努力
解决方案	信号传递、筛选	激励合同、监督
效率损失	好类型退出市场、低类型被扭曲	代理人承担过多风险

信号 vs. 筛选

机制	信号传递 (Signaling)	筛选 (Screening)
主动方	信息优势方	信息劣势方
工具	发送成本高昂的信号	设计菜单合同
例子	教育文凭、品牌广告	保险合同、价格歧视
均衡	分离/混同均衡	激励相容合同

核心洞见

信息租金 (Information Rent)：信息优势方在均衡中获得额外收益
扭曲 (Distortion)：为了分离类型，必须扭曲某些配置（通常是低类型）
第二最优 (Second-Best)：信息不对称导致无法实现第一最优效率
激励-保险权衡：激励代理人努力 vs. 为其提供保险

文献导读 (Literature Guide)

奠基性论文：

Akerlof, G. (1970). "The Market for 'Lemons': Quality Uncertainty and the Market Mechanism." QJE.
Spence, M. (1973). "Job Market Signaling." QJE.
Rothschild, M., & Stiglitz, J. (1976). "Equilibrium in Competitive Insurance Markets." QJE.
Stiglitz, J., & Weiss, A. (1981). "Credit Rationing in Markets with Imperfect Information." AER.
Holmström, B. (1979). "Moral Hazard and Observability." Bell Journal.

教科书：

Bolton, P., & Dewatripont, M. (2005). Contract Theory. MIT Press.
Laffont, J.-J., & Martimort, D. (2002). The Theory of Incentives. Princeton.
Salanie, B. (2005). The Economics of Contracts. MIT Press.

应用领域：

金融经济学：信贷配给、证券设计
劳动经济学：工资合同、教育回报
产业组织：质量信号、广告
公共经济学：机制设计、最优税收

本章小结

信息经济学揭示了信息不对称如何扭曲市场配置，并提供了理解现实经济制度（合同、信号、筛选）的理论框架。逆向选择和道德风险是两种核心问题，前者发生在签约前（类型隐藏），后者发生在签约后（行动隐藏）。

解决信息问题的机制包括：

信号传递：信息优势方主动发送成本高昂的信号
筛选：信息劣势方设计菜单合同诱导自我选择
激励合同：通过绩效工资等激励不可观测的努力

所有机制都涉及效率损失：相比完全信息的第一最优，信息不对称导致扭曲（低类型配置被压低）和风险承担（代理人承担本不应承担的风险）。理解这些权衡是设计最优合同和政策的关键。

自学检查

核心直觉回看：信息经济学的重点是“谁知道什么、什么时候知道、能不能验证”。只要这些答案不同，价格和普通合同就可能筛选出错误的人，或激励出错误的行动。

关键模型提醒：逆向选择通常写成类型 $\theta$ 的私人信息问题；道德风险通常写成行动 $a$ 不可观察的问题。合同设计必须同时满足参与约束（IR）和激励相容约束（IC）。

常见误区

把逆向选择和道德风险混在一起。前者是签约前隐藏类型，后者是签约后隐藏行动。
认为信号只要“看起来好”就有效。有效信号必须让高类型和低类型的成本或收益不同。
看到筛选菜单就只算利润，忘记检查不同类型是否真的愿意自我选择。
把二阶最优的扭曲理解成设计错误。很多扭曲是信息约束下不得不付出的激励成本。

自测题

二手车市场中，好车为什么会先退出市场？用买家的条件期望解释。
教育信号模型中，分离均衡需要满足哪些激励约束？
筛选和信号传递的主动方分别是谁？
委托-代理模型中，为什么高激励工资通常也让代理人承担更多风险？
现实中保险免赔额同时解决了哪些信息问题？

下一步学习提示

机制设计会把本章的 IC 和 IR 约束抽象成一般工具。进入下一章时，请把“如何识别信息问题”推进到“如何设计规则让私人信息被正确揭示”。

下一章我们将学习机制设计理论，从更一般的框架（显示原理、激励相容）出发，研究如何在信息不对称下设计最优机制，包括VCG机制、最优拍卖等核心应用。

Edit this pageorReport an issue

寡头垄断与策略性市场行为

古诺、伯特兰、斯塔克尔伯格模型、卡特尔稳定性、进入阻止

机制设计与拍卖理论

显示原理、激励相容、VCG机制、收入等价与最优拍卖