Efficient Public Good Provision Between and Within Groups

논문 개요

이 논문은 Gallice 와 Monzón (2019) 의 모델을 일반화하여, 그룹 (Groups), 위치 불확실성 (Position Uncertainty), 그리고 **관찰 학습 (Observational Learning)**이 결합된 공공재 게임 모델을 제시합니다. 연구의 핵심은 이기적인 행위자들 (self-interested players) 로 구성된 유한한 기간 (finite horizon) 의 게임에서도 그룹 간 및 그룹 내에서의 완전한 협력이 equilibrium(균형) 로서 가능함을 증명하는 것입니다.

1. 연구 문제 (Problem)

공공재 공급은 두 가지 주요 장애물에 직면해 있습니다.

1. 그룹 간 프리라이딩 (Free-riding): 각 그룹은 다른 그룹의 기여에 의존하려는 유인이 있습니다.
2. 그룹 내 비협력: 그룹 내 개인들은 서로 협력할 유인이 부족합니다.

기존 연구들은 주로 '대동맹 (Grand Coalition)'의 필요성이나 강제 메커니즘의 부재에 초점을 맞추었으나, 이 논문은 강제 장치 없이도 조건부 협력 (conditional cooperation) 과 위치 불확실성을 통해 효율적인 공공재 공급이 가능함을 보여줍니다.

2. 방법론 (Methodology)

가. 게임 설정

• 행위자: $N$명의 플레이어가 $b$개의 그룹으로 무작위 할당됩니다. 각 그룹의 크기는 $n$입니다.
• 게임 순서:
  1. 자연 (Nature) 이 플레이어를 그룹에 할당하고 그룹의 순서를 무작위로 결정합니다.
  2. 그룹들은 순차적으로 게임을 진행합니다.
  3. 위치 불확실성: 각 그룹은 자신의 정확한 순서 (위치) 를 알지 못합니다.
  4. 관찰: 각 그룹은 이전 그룹들의 기여에 대한 **불완전한 표본 (incomplete sample)**을 관찰합니다.
     • 표본 크기 $m$: 각 그룹은 직전 $m$개의 그룹의 기여 정보를 관찰합니다.
     • 표본 정보 $\zeta = (\zeta', \zeta'')$: 관찰된 그룹 수 ($\zeta'$) 와 해당 그룹 내 기여자 수 ($\zeta''$) 를 포함합니다.
• 행동: 그룹 내 플레이어들은 동시에 기여 ($C$) 또는 불이행 ($D$) 을 선택합니다.
• 보수 (Payoff):
  • 기여 시: $r/N \times (\text{그룹 내 기여자 수}) - 1$
  • 불이행 시: $r/N \times (\text{그룹 내 기여자 수})$
  • 조건: $1 < r < N$ (개인의 기여 비용이 직접적인 수익보다 크지만, 사회적 후생은 기여가 더 낫습니다).

나. 분석 도구

• 균형 개념: 크립스와 윌슨 (Kreps & Wilson, 1982) 의 **연속적 균형 (Sequential Equilibrium)**을 사용합니다.
• 전략: 관찰된 표본 $\zeta$에 기반하여 기여할 확률을 결정하는 전략 $\sigma_i(C|\zeta)$를 분석합니다.

3. 주요 기여 (Key Contributions)

1. 위치 불확실성과 그룹 내 동시 결정의 결합:

   • 기존 Gallice 와 Monzón (2019) 의 개인 단위 모델을 그룹 단위 (동시 결정) 로 확장했습니다.
   • 위치 불확실성이 그룹 내의 표준 공공재 게임을 **Palfrey 와 Rosenthal (1984) 의 이산적 공공재 게임 (discrete public goods game)**의 변형으로 전환시킵니다.
   • 결과적으로, **완전 기여 (Full Contribution)**가 균형의 일부가 될 수 있음을 증명했습니다.

2. 대동맹 (Grand Coalition) 없이도 협력 가능:

   • 기존 문헌은 글로벌 공공재 (예: 탄소 배출 감소) 를 위해 거대 연합이 필요하거나 강제 메커니즘이 필수적이라고 보았습니다.
   • 본 연구는 2 개 이상의 그룹이 존재하고 위치 불확실성이 있는 경우, 어떤 강제 장치 없이도 동시적 개인 기여가 발생할 수 있음을 보였습니다. 이는 "대동맹 부재"가 오히려 협력에 유리한 조건이 될 수 있음을 시사합니다.

3. 그룹 크기의 역할:

   • 그룹 내 각 구성원이 **결정적 (Pivotal)**인 역할을 한다는 점을 강조합니다. 한 명의 이탈이 후속 그룹 전체의 이탈을 촉발할 수 있다는 인식이 협력을 유지합니다.

4. 주요 결과 (Results)

가. 명제 1: $m > 1$인 경우 (순수 전략 균형)

• 조건: 그룹이 1 개 이상의 이전 그룹을 관찰할 때 ($m > 1$).
• 전략: "이탈 (Defection) 이 관찰되지 않으면 기여하고, 관찰되면 불이행한다."
• 결과: 투자 수익률 $r$이 충분히 크다면 (식 1 참조), 순수 전략 균형에서 완전 협력이 가능합니다.
  • $r \geq \frac{2N}{N - n(m + 1) + 2}$
• 의미: 그룹 내 동시 선택은 순수 전략 균형의 존재를 방해하지는 않지만, 조건을 더 엄격하게 만듭니다. (그룹 내 다른 구성원에게 프리라이딩할 수 있기 때문).

나. 명제 2: $m = 1$인 경우 (순수 및 혼합 전략 균형)

• 상황: 그룹이 직전 1 개 그룹만 관찰할 때 ($m=1$).
• 순수 전략 균형:
  • 그룹 크기가 1 인 경우 ($n=1$) 에는 특정 $r$ 이상에서 순수 전략 균형이 사라질 수 있음 (Gallice & Monzón, 2019).
  • 하지만 그룹 크기가 2 이상 ($n > 1$) 일 경우, $r \geq \frac{2N}{N - 2(n-1)}$이면 순수 전략 균형이 항상 존재합니다.
  • 이유: 그룹이 크면 한 사람의 기여로 과거의 완전한 협력 역사를 회복할 수 없으므로, 이탈자에 대한 처벌이 신뢰할 수 있게 됩니다.
• 혼합 전략 균형:
  • $r$이 충분히 크면, 이탈을 일정 확률 $\gamma \in (0,1)$로 용서하는 두 개의 서로 다른 혼합 전략 균형이 존재합니다.
  • 용서 확률 ($\gamma$) 과 그룹 크기 ($n$) 의 관계: 그룹이 커질수록 균형을 유지하기 위해 개인이 이탈을 용서할 확률 $\gamma$는 높아져야 합니다. (그룹이 크면 한 사람의 기여가 전체 그룹 기여로 이어질 확률이 낮아지므로, 더 높은 용서 확률이 필요합니다).
  • Figure 1 분석: $\Delta(\gamma)$ 함수 (기여와 불이행의 효용 차이) 는 $n > 1$일 때 $(0,1)$ 구간에서 적어도 하나의 국소 최대값을 가지며, 이는 두 개의 균형점 (두 개의 $\gamma$) 을 생성합니다.

5. 의의 및 시사점 (Significance)

1. 정책적 시사점:

   • 기후 변화 협약과 같은 글로벌 공공재 문제에서 '강제적 대동맹'이 필수적이지 않을 수 있음을 시사합니다.
   • 그룹 간 순차적 접근과 위치 불확실성을 활용한 설계가 강제력 없이도 협력을 유도할 수 있습니다.

2. 실용적 적용 (크라우드 펀딩):

   • 크라우드 펀딩 운영자가 기부자 풀을 여러 그룹으로 나누고, 순차적으로 접근하며 이전 그룹의 달성 여부를 공개하는 전략이 효과적일 수 있습니다.
   • "다음 그룹이 우리 그룹의 기여를 보고 따라할 것"이라는 기대와 "우리가 마지막 그룹인지 모른다"는 불확실성이 대규모 기여를 유도합니다.

3. 이론적 기여:

   • 관찰 학습 (Observational Learning) 문헌에 공공재 게임의 맥락을 추가했습니다.
   • 위치 불확실성이 어떻게 동시적 게임의 구조를 변화시켜 협력을 가능하게 하는지 메커니즘을 규명했습니다.

결론

이 논문은 이기적인 행위자들 사이에서도 위치 불확실성과 그룹 내 동시성이 결합될 때, 외부의 강제력 없이도 공공재의 효율적 공급이 가능함을 수학적으로 증명했습니다. 특히 그룹 크기가 클수록 이탈에 대한 처벌이 신뢰할 수 있게 되어 협력이 유지된다는 점은 기존 문헌과 구별되는 중요한 발견입니다.