技術要約：不透明な部分的コミットメント下における認定学習と均衡の実装

1. 問題設定

本論文は、**不透明な部分的コミットメント（opaque partial commitment）**が存在する環境における、統計的学習とゲーム理論的均衡の交差領域を扱う。この設定は、送り手（例：プラットフォーム）が、外生的な確率 $\rho$ でのみインストールされた情報政策に拘束されるという、ベイズ的説得（Bayesian persuasion）を拡張したものである。政策が拘束されているか否か（「拘束ショック」$c$）の実現は、受け手からは隠蔽されている。さらに、受け手は永続的な構造的環境（送り手のタイプ $\theta$。これには利得関数およびインストールされたカーネルが含まれる）を観測できない。

核心となる課題は二重である：

1. 統計的識別（Statistical Identification）： 受け手は、潜在的なメカニズム（特定の拘束カーネルと裁量的カーネル）の回復が観測的同値性によって妨げられている場合でも、相互作用を支配する関連オブジェクト（受け手側の簡約形式）を学習できるか？
2. 均衡実装（Equilibrium Implementation）： この簡約形式の学習は、その後の戦略的相互作用において厳密な完全ベイジアン均衡（PBE）を支持するか？ 著者らは、単なる「服従に関する統計的な議論」だけでは不十分であり、送り手のインセンティブ、展開時の情報集合におけるベイズ整合的な信念、および確率ゼロのメッセージに対する行動を確立する必要があると主張している。

本モデルは二段階の構造を導入している：

• 第I段階（認定キャリブレーション）： 信頼できるサーティファイア（認証者）が、構造的環境から推奨事項と状態のペアの i.i.d. サンプルを生成する。このサンプルは利得中立的であり、操作不能であり、事後的に状態を明らかにする。
• 第II段階（非認定展開）： 新たな状態と拘束ショックが描かれる。受け手はキャリブレーション・トランスクリプト（記録）と現在のメッセージを観測し、行動を選択する。

2. 方法論およびフレームワーク

2.1 構造的プリミティブ

環境は、有限の状態空間 $\Omega$、行動空間 $A$、およびメッセージ空間 $M=A$ によって定義される。永続的な構造的タイプ $\theta$ は、共通の事前分布 $\lambda_0$ に従って有限の辞書 $\Theta$ から描かれる。各タイプ $\theta$ は以下によって特徴付けられる：

• 送り手の効用 $u_S^\theta$ および受け手の効用 $u_R$（タイプ間で共通）。
• 拘束確率 $\rho$。
• インストールされた拘束カーネル $\pi_\theta$（$c=1$ の時に有効）および裁量的処方 $\sigma_\theta$（$c=0$ の時に有効）。
• 送り手の最良行動集合 $B_S^\theta$。

受け手側の簡約形式（reduced form） $x_\theta$ は、状態とメッセージの結合分布である：
$$x_\theta(\omega, m) = \mu(\omega) [\rho \pi_\theta(m|\omega) + (1-\rho)\sigma_\theta(m|\omega)]$$
決定的なことに、裁量的カーネルは $\text{supp } \sigma_\theta(\cdot|\omega) \subseteq B_S^\theta(\omega)$ を満たさなければならない。

2.2 学習と信念構築

受け手はキャリブレーション・トランスクリプト $Z_N$ を観測する。ベイズの法則を用いて、受け手は構造的タイプに関する事後分布 $\lambda_N(\theta | Z_N)$ を更新する。

• 簡約形式の十分性： 受け手の完全な隠れたノード（タイプ、状態、拘束ショック）に関する事後信念は、$\lambda_N$ で重み付けされたタイプ固有のカーネルの混合として構築される。
• 予測的信念： 受け手の意思決定に関連する信念は、事後予測的簡約形式から導かれる状態事後分布 $\beta_N(\omega | m, Z_N)$ である。
• 識別： 母集団の法則は、簡約形式 $x_\theta$ と同値類 $[\theta] = \{\vartheta : x_\vartheta = x_\theta\}$ を識別する。潜在的なペア $(\pi_\theta, \sigma_\theta)$ は、同値類内で一定である場合にのみ識別される。分解の制限がない場合、同じ簡約形式が複数の潜在的表現を許容する場合がある。

2.3 認定と活性化

公開ゲートは、トランスクリプト $Z_N$ が**予測的服従テスト（predictive obedience test）**に合格した場合にのみ、通信プロトコルを起動する。このテストは、正の予測確率を持つすべてのメッセージ $m$ について、推奨に従うことによる期待受け手効用の利得がマージン $\tau$ を超えることを検証する。
$$D_{m,a}(Z_N) = \sum_{\theta, \omega} \lambda_N(\theta|Z_N) x_\theta(\omega, m) [u_R(m, \omega) - u_R(a, \omega)] \geq \tau p_N(m|Z_N)$$

3. 主要な貢献

3.1 識別と簡約形式の特性化

本論文は、有限のタイプ辞書において、母集団のキャリブレーション法則が簡約形式 $x_\theta$ と同値類 $[\theta]$ を識別することを確立している。

• 厳密な識別境界： 潜在的な座標は、それが同値類上で一定である場合にのみ識別される。
• 多重性： 分解の制限がない場合、同じ簡約形式が、異なる潜在的ペアを持つ観測的に同値なタイプを含む有限の辞書内であっても、複数の潜在的表現を許容し得る。

3.2 均衡実装定理

著者らは、**静的な直接追従実装定理（static direct-following implementation theorem）を証明している。もし予測的簡約形式が服従不等式（正のマージンを伴う）を満たすならば、展開の継続は以下の条件を満たす厳密な完全ベイジアン均衡（PBE）**を支持することを示す：

1. 受け手の逐次的合理性： オンパスにおいて、受け手は推奨に従う。
2. 送り手の逐次的合理性： 非拘束ブランチ（$c=0$）において、送り手の処方された裁量的メッセージは、受け手の追従行動を前提として最適である。
3. ベイズ整合性： 信念はオンパスにおいてベイズの法則に従って更新される。
4. オフパスの補完： 確率ゼロのメッセージに対する信念と最良反応が指定される。

この結果は、漸近的または期待値としてではなく、受理されたすべてのトランスクリプトに対して成立する。

3.3 有限サンプルでの活性化

有限タイプ分離（finite-type separation）、共通の推奨サポート（common recommendation support）、および正の服従マージンの下で、本論文は、キャリブレーション・サンプルが（高確率で）真の同値類に収束することを証明している。

• 高確率での進入： トランスクリプトが服従テストに失敗し（したがってPBEの起動に失敗し）る確率 $\eta$ が抑えられる。
• エラーの区別： 統計的失敗確率（$\eta$）は、いかなる均衡近似パラメータとも異なる。ゲートが起動した場合、得られる均衡は近似ではなく、厳密なもの（$\epsilon=0$）である。

3.4 頑健な設計と計算

本論文は、送り手の価値とプロトコルの証明可能性（服従マージン）との間のトレードオフを分析する**頑健な価値フロンティア（robust value frontier）**をフレームワークに組み込んでいる。

• 線形計画法（LP）： 固定された服従マージンの下で最大化される送り手の価値を計算するための、サポートごとのLPアルゴリズムが提供されている。
• バイナリ行動の特化： バイナリ行動の場合、問題は有界分数ナップサック問題に帰着し、$O(|\Omega| \log |\Omega|)$ で解ける。
• 経験的監査： 非パラメトリックな経験的監査が、PBEの証明で使用される均衡の信念とは異なる、仮想的な安定化統計量として提案されている。

4. 主要な結果

1. 定理 6.3（事後キャリブレーションによる厳密なPBE）： 予測的服従テストに合格する任意の実行可能なトランスクリプト $Z_N$ に対して、展開の継続は、受け手が推奨に従い、送り手がインストールされた裁量的戦略をプレイする厳密なPBEを認める。
2. 定理 6.7（高確率での進入）： 正の服従マージンと十分な分離を持つ真のタイプに対し、キャリブレーション・トランスクリプトが厳密なPBE領域を起動する確率は、サンプルサイズ $N$ が増加するにつれて1に近づく。
3. 命題 4.3 および 4.4： 母集団の法則は、簡約形式と同値類を識別する。制約のない空間では潜在的な分解は一意的ではないが、有限の辞書は候補集合を制限する。
4. 定理 7.3（局所線形頑健化）： 特定の厳密化可能条件の下で、送り手の価値に対して正の服従マージン $\gamma$ を課すコストは $\gamma$ に対して線形である。

5. 意義と主張

本論文は、不透明な部分的コミットメント環境における直接追従行動のための**条件的実装の基礎（conditional implementation foundation）**を提供することを目的としている。その意義は以下の点にある：

• 統計学とゲーム理論の架け橋： キャリブレーション（学習プロセス）が、単に服従が「起こりやすい」ことを示唆するだけでなく、その後の戦略的相互作用において厳密な均衡を厳密に支持する、プレプレイの情報の更新として機能することを実証している。
• 厳密性： 多くの学習結果が均衡への収束や $\epsilon$-近似を提供するのに対し、本フレームワークは、受理されたあらゆる記録に対して厳密なPBEを保証する。不確実性は、均衡の質（$\epsilon$）ではなく、ゲートが記録を拒絶する確率（統計的失敗）に限定される。
• 制度的明確性： 本モデルは、制度的なデータの生成（認定キャリブレーション）と戦略的プレイを明示的に分離している。これは、送り手が自発的にプロトコルをインストールしたり、キャリブレーション自体が均衡の結果であったりすることを主張するものではない。むしろ、インストールされたプロトコルと公開された記録が与えられた下での、継続ゲームを分析している。
• 範囲の限定： 著者らはその範囲について謙虚である。結果は、インストールされたタイプ依存のプロトコルを条件としている。本論文は、内生的なメカニズム選択、実験の選択、またはレピュテーション形成の問題を解決するものではない。また、制約のない不完全コミットメント・ゲームの全均衡を特徴付けるものでもなく、特定のインストールされたプロトコルが学習後に頑健な均衡をもたらす条件を特定するものである。

要約すれば、本論文は、不透明な部分的コミットメントの下で、認定されたキャリブレーション・サンプルが、簡約形式が特定の服従マージンと分離条件を満たす場合に、統計的学習問題をゲーム理論的な厳密な均衡行動の基礎へと変容させ得ることを確立している。