Selection Procedures in Competitive Admission

ナタン・ハンカールによる論文「競争的入試における選抜手続き」（2026 年 5 月）の詳細な技術的要旨を以下に示す。

1. 問題提起

本論文は、生産性が不明な候補者を巡って競合する組織（企業または大学）が、どのように選抜手続き（試験と合格ルール）を設計するかを調査する。核心的な緊張関係は、以下の 2 つの要因の相互作用にある：

1. 統計的性質: 候補者をスクリーニングするために使用される試験の精度と難易度。
2. 戦略的選抜: 自身の生産性について私的情報を持つ候補者が、企業の選抜手続きに基づいてどの企業に応募するかを選択する方法。

著者は問いかける：企業間の競争は、企業が採用する試験の統計的性質（精度と難易度）をどのように形成するか、またこれは独占的または非競争的な環境とどのように異なるか？

2. 手法とモデル設定

ゲーム構造

• 主体: 2 社の企業と、質量 1 の連続的な候補者群。候補者は生産性を表す私的タイプ $\theta \in [\underline{\theta}, \bar{\theta}]$ を持ち、累積分布関数 $F$ に従って分布する。
• 企業の戦略: 企業は同時に、以下の要素からなる選抜手続き $s = (t, \alpha)$ を提示する：
  • 試験 $t$（二値信号 $h$ と $l$ を持つブラックウェル実験）。
  • 合格ルール $\alpha: \{h, l\} \to [0, 1]$（信号が与えられたときの合格確率）。
• 候補者の戦略: 候補者は手続きを観察し、（申請コストやインターンシップなどの容量制約により）ちょうど 1 社に応募することを選択する。彼らは合格確率を最大化する。
• 利得:
  • 候補者: 合格すれば $u = 1$、そうでなければ $0$。
  • 企業: 合格した候補者の期待生産性。基準モデルでは容量制約がなく、固定賃金（または賃金提示なし）を仮定しており、企業は期待生産性が正の候補者を誰でも受け入れたいと考える。

主要概念：精度と難易度

著者は、標準的なブラックウェル情報量を超えて、試験を特徴づけるために 2 つの偏順序を使用する：

1. 精度 ($\succeq_a$): Lehmann (1988) に基づく。ある試験がタイプに関するより正確な情報を提供し、単一尤度比性質 (MLRP) を満たす場合、より正確であるとされる。精度が高いとは、信号の尤度比がタイプに対してより敏感であることを意味する。
2. 難易度 ($\succeq_d$): Hancart (2026) に基づく。ある試験が、高い信号が後確率をより強く高タイプへシフトさせ、低い信号がより強く低タイプへシフトさせる場合、より困難であるとされる。直感的には、困難な試験は全員にとって合格しにくいが、特に低タイプにとってより困難である。

均衡概念

本論文は対称部分ゲーム完全均衡 (SSPE) に焦点を当てる。

3. 主要な結果

A. 基準モデル（容量制約なし、賃金提示なし）

企業が無制限の候補者を受け入れ、差別化された賃金を提示できない標準的な競争環境において：

• 定理 1: 企業は、（利得に関連する情報を提供するものの中で）最大限に正確だが最小限に困難な試験を選択する唯一の対称均衡が存在する。
  • メカニズム: 競争により利潤がゼロになる（ベルトラン型の論理）。
  • 精度への正の選抜: 高タイプは、より正確な試験からより大きな利益を得る。
  • 難易度への負の選抜: 企業が試験をより困難にすると、候補者を惹きつけるために合格ルールを緩和（低タイプをより多く受け入れる）しなければならない。低タイプはこの寛容さから不釣り合いに恩恵を受ける。したがって、より困難な試験は「質の低い」候補者プールを惹きつける（負の選抜）。
  • 結果: 企業は「誤った学習」に陥る。彼らは正確な情報（高精度）を保有しているが、それを適切に活用していない。彼らは（試験が十分に簡単であれば）低い信号の後でも候補者を受け入れたり、高い信号がほとんど新しい情報を伝えないほど難易度を低く設定したりする。高い信号後の事後期待値はわずかに正（しばしばゼロ）に留まる。

B. 比較静学

• より強力な応募者プール: 候補者の分布が尤度比順序において右にシフトする場合、均衡における試験はより困難でなくなり、すべての候補者に対する合格確率が上昇する。
• 技術の向上: 実行可能な試験のセットが拡大する場合（技術の向上）、平均的な合格確率は上昇するが、一部の低タイプは不利益を被る可能性がある。

C. 拡張：容量制約と賃金競争

本論文は、選抜インセンティブを変化させる 2 つの修正を基準モデルと比較する：

1. 容量制約（命題 4）:

   • 設定: 企業には固定容量 $k$ がある。
   • 結果: 企業は可能な最も困難な試験を使用する。
   • メカニズム: 容量に達すると、企業はより多くの候補者を受け入れることで「価格破壊」できなくなる。彼らが気にするのは、限界候補者の質だけである。困難な試験は、高い信号が非常に情報的（高い事後平均）であることを保証する。彼らは高い信号のみを受け入れるため、困難な試験への選抜は正となる（高タイプは、困難な試験が自らの質をより効果的にシグナリングするため、それを好む）。これは「 cherry-picking（高品質なものの選別）」をもたらす。

2. 賃金競争（命題 6）:

   • 設定: 企業は信号に基づいて賃金を提示できる。
   • 結果: 企業は最も困難な試験を使用する。
   • メカニズム: 競争は合格確率から賃金へシフトする。企業は高い信号を持つ候補者に高い賃金を提示することで競争する。高タイプは、合格すればより高い賃金が得られるという見返りに、困難な試験のリスクを取ることに同意する。これにより、困難な試験への正の選抜が生まれる。

D. 非対称均衡（命題 5）

• 容量制約なし: 非対称均衡は存在せず、企業は常に同じ手続きに収束する。
• 容量制約あり: 2 段階均衡が生じ得る。1 社が「選別的」（困難で正確な試験で高タイプのみを惹きつける）となり、もう 1 社が「安全」（より低タイプを惹きつける）となる。これにより、事前には同一であった企業が内生性によって分化する。

4. 貢献

1. 試験設計の内生化: 従来の文献が試験技術を固定とみなすのに対し、本論文は精度と難易度の両方を戦略変数として選択するモデルを構築する。
2. 「誤った学習」のパラドックス: 本論文は、競争が、企業が最大限の情報（精度）を獲得するが、それを最適に活用できず（最小限の難易度）、独占企業と比較して劣った選抜結果をもたらす均衡へと至ることを示す。
3. 試験比較のための新たな順序: 競争的スクリーニングゲームにおいて精度（Lehmann）と難易度（Hancart）の概念を形式的に適用・拡張し、これらの次元が候補者の自己選抜をどのように駆動するかを示す。
4. 選別性の文脈化: このモデルは、米国の大学入試における選別性の低下（Hoxby, 2009）の観測事実に対する理論的説明を提供する。応募者プールの改善や試験技術の進歩に伴い、機関は応募者数を最大化するために、高い精度を維持しつつも、合理的に難易度の閾値を下げることが示唆される。

5. 意義と含意

• 政策関連性: 容量制約や賃金構造を考慮せずに単に入学の「厳格さ」（難易度）を高めるだけでは、より良い選抜にはつながらない可能性が示唆される。制約のない市場では、企業は実際により広いプールを惹きつけるために難易度を下げ、「レモン・ドロッピング（低品質な候補者の受け入れ）」を引き起こす可能性がある。
• 制度設計: 容量制約に直面する大学や企業にとって、このモデルは「 cherry-picking（高難易度）」への移行を予測するのに対し、供給過剰市場にある組織は「レモン・ドロッピング（低難易度、高精度）」へ移行すると予測する。
• 文献との接点: 情報設計（認証）と競争的検索市場の間のギャップを埋め、設計者（企業）とエージェント（候補者）の戦略的相互作用が、明らかにされる情報の統計的性質を根本的に変化させることを示す。

要約すると、ハンカールは、競争の性質（制約ありか制約なしか、賃金ありか賃金なしか）が、組織が試験を最悪のものを排除する（簡単な試験）ために使うのか、それとも最良のものを見極める（困難な試験）ために使うのかを決定することを示す、厳密なゲーム理論的枠組みを提供している。