7.3 社会选择与匹配

7.3 社会选择与匹配

本节摘要：货币不管用的地方，机制设计还在吗？本节处理两类无货币分配。社会选择研究"个人偏好如何聚合成集体决定"：阿罗不可能定理宣示完美聚合程序的不存在，中位投票人定理给出单维政治的最稳定落点；匹配研究"人与位置如何配对"：盖尔-沙普利延迟接受算法用一段十几行的循环，同时换来稳定与抗操纵，录取与移植系统至今在用它。读完本节，投票规则与录取规则在你眼里都不再是中性的管道。

一、阿罗不可能定理：完美投票程序的陪葬名单

把个人偏好聚合成社会偏好的程序需要满足哪些条件才算"公平"？阿罗 1951 年列出四条看似无害的要求：无限制域——任何合法的个人偏好组合都该有答案；帕累托——所有人都偏好甲于乙时，社会也该偏好甲；无关选项独立——甲乙之间的排序只该取决于众人对甲乙的排序，与丙无关；非独裁——没有一个人的偏好能单方面决定社会。阿罗定理证明：候选人多于两个时，没有任何程序能同时满足四条。这与孔多塞投票悖论同源：三人三案（甲优于乙、乙优于丙、丙优于甲）的循环多数，让"多数意愿"在不同议程顺序下指向不同赢家——议程的设置权就是权力。工程含义直白：投票规则的选择从来不是技术细节，而是在不可能性面前选择牺牲哪条公理：多数决牺牲无关选项独立，计分制牺牲无限制域，带权重的程序化方案则离独裁更近。

单维议题上有一块稳定的落点。中位投票人定理：若偏好是单峰的（每人有一个理想点，离理想点越远越不满意）且议题一维，多数决的赢家是中位选民的理想点。它解释了选举政治里两党向中间靠拢的引力，也解释了为什么极端派在两极分化的选民分布下会重新抬头——中位点的位置随分布移动，定理只承诺稳定性，不承诺温和。

二、匹配市场：没有价格的高效分配

拍卖失灵的场景比比皆是：器官移植禁止定价，学生不付费选学校，实习生不给岗位出价。这些场景的本质是"双边配对"：一方是人，一方是位置，双方各有偏好序。低效的自由匹配有标志性症状：不完满（有人想换到彼此更想去的对方）与阻塞（两人互相中意却各自被制度绑在别处）。稳定匹配的定义就是消除这两种症状——没有任何一对会绕开机制私奔。

盖尔与沙普利 1962 年的延迟接受算法是二十世纪应用最广的经济学发明之一。以录取为例（学校申请学生）：每轮中，每个学生向当前最想去的未拒绝过自己的学校申请；每所学校在自己申请池里只"暂时保留"最好的若干名，其余全部拒绝；被拒者进入下一轮向次选申请；循环到无人被拒为止。它有三条性质。必在有限轮内终止——每人的申请清单逐轮下移，总量有限；结果稳定——暂时保留贯穿全程，最终保留即正式录取，阻塞对不可能出现；对提案方有利——由学生提案还是由学校提案，结果系统性偏向提案方，这是同一个算法的两个面孔。

# 延迟接受算法：学生申请制录取
students = ["甲", "乙", "丙"]
schools = {"A 校": 1, "B 校": 1}          # 各一名额
stu_prefs = {"甲": ["A 校", "B 校"],
             "乙": ["A 校", "B 校"],
             "丙": ["B 校", "A 校"]}
sch_prefs = {"A 校": ["甲", "乙", "丙"],   # 学校眼里的排序
             "B 校": ["乙", "丙", "甲"]}

def deferred_acceptance():
    free = list(students)                  # 未落定的学生队列
    next_choice = {s: 0 for s in students} # 每人申请进度
    held = {}                              # 学校当前保留名单
    while free:
        s = free.pop(0)
        target = stu_prefs[s][next_choice[s]]
        next_choice[s] += 1
        pool = held.get(target, []) + [s]
        pool.sort(key=lambda x: sch_prefs[target].index(x))
        held[target] = pool[:schools[target]]     # 只留名额内最优
        for rejected in pool[schools[target]:]:
            if next_choice[rejected] < len(stu_prefs[rejected]):
                free.append(rejected)             # 落榜者下轮申次选
    return held

print(deferred_acceptance())
# 输出：甲被 A 校保留 乙被 B 校保留 丙落榜
​

手推一遍可核对：甲乙都首选 A 校，A 校按自身排序保留甲、拒乙；丙首选 B 校，B 校在丙与后续申请的乙之间比较，按学校偏好保留乙、拒丙；丙的次选 A 校已被甲占满，落定。稳定检验：甲-乙？乙更想与 A 校配对，但 A 校更想要甲（已配甲）——无阻塞对；乙-丙配 B 校，乙在其中且乙优于丙，无动机私奔。乙靠算法拿到了比"先到先得"更好的结果——这就是提案方设计的分配政治学。

三、案例推演：一场录取规则的换血

背景。某市高中录取原用"第一志愿优先"规则：学校先录满所有把本校填在第一志愿的学生。学生策略性的代价惨重——成绩中上的家庭不敢填心仪名校（怕第一志愿落空全盘皆输），倾向保守填报，好学校与好学生的配对率长期偏低。

操作。该市把规则换成延迟接受（学生提案版）：全市统一轮次，学生按志愿序逐轮申请，学校按自身排序暂时保留，被拒者滚动进入下一志愿。关键在于暂时保留的可撤销性——学生不再为"第一志愿是否安全"支付策略成本，如实按偏好填报成为优势策略（在该市的具体偏好结构下可验证）。

结果。第一志愿满足率与整体匹配满意度上升，落榜生规模下降；争议集中在两点——学校失去了"锁定死忠生源"的旧权力，以及学生提案版比学校提案版更偏向学生一侧。两个争议恰好对应理论的两个预言：算法改变了权力分配，稳定与公平之间没有免费的午餐。

解读。这个案例是机制设计方法论的标准示范：先诊断旧规则的策略漏洞（志愿排序的博弈引诱谎报），再选定理背书的新机制（稳定、抗操纵、无事后私奔），最后接受权力再分配的政治代价。肾脏交换链、实习生与医院的全国配对、公益组织与受助者的对接，都是同一套流程在不同法律约束下的重装。注意理论边界：延迟接受的抗操纵性依赖偏好为严格序与单边提案的真实执行，现实中的同桌商量、学区房投机，都在从外部改变偏好结构本身——机制挡得住谎报，挡不住围绕机制的家庭移民与资产配置，这些"更高阶的博弈"是应用永远要留一栏的账。

本节要点回顾

• 要点一：阿罗定理宣示候选人多于两个时完美投票程序不存在，议程设置权因循环多数而成为真权力。
• 要点二：中位投票人定理给出一维单峰偏好的稳定落点，解释政治光谱向中间收敛的引力。
• 要点三：延迟接受算法以十几行代码换来稳定匹配，提案方设计决定偏向谁，学生提案与学校提案是两个政治面孔。
• 要点四：机制换血的代价是权力再分配，应用时要为"围绕机制的更高阶博弈"预留账目。