Selection Procedures in Competitive Admission

Nathan Hancart 의 논문 "Selection Procedures in Competitive Admission"(2026 년 5 월) 에 대한 상세한 기술적 요약입니다.

1. 문제 제기

이 논문은 생산성이 불확실한 후보들을 두고 경쟁하는 환경에서 조직 (기업 또는 대학) 이 어떻게 선발 절차 (시험과 합격 규칙) 를 설계하는지 조사합니다. 핵심적인 긴장 관계는 다음 두 요인 간의 상호작용에 있습니다:

1. 통계적 속성: 후보들을 선별하는 데 사용되는 시험의 정확성과 난이도.
2. 전략적 선발: 자신의 생산성에 대해 사적으로 정보를 가진 후보들이 기업의 선발 절차에 기반하여 어느 기업에 지원할지 선택하는 방식.

저자는 다음과 같은 질문을 던집니다: 기업 간의 경쟁이 그들이 사용하는 시험의 통계적 속성 (정확성과 난이도) 을 어떻게 형성하며, 이는 독점적이거나 비경쟁적 환경과 어떻게 다른가?

2. 방법론 및 모델 설정

게임 구조

• 주체: 두 개의 기업과 질량이 1 인 연속적인 후보 집단. 후보들은 생산성을 나타내는 사적 유형 $\theta \in [\underline{\theta}, \bar{\theta}]$을 가지며, 이는 누적분포함수 $F$에 따라 분포합니다.
• 기업의 전략: 기업들은 동시에 다음으로 구성된 선발 절차 $s = (t, \alpha)$를 게시합니다:
  • 시험 $t$ (이진 신호 $h$와 $l$을 가진 Blackwell 실험).
  • 합격 규칙 $\alpha: \{h, l\} \to [0, 1]$ (신호에 따른 합격 확률).
• 후보의 전략: 후보들은 절차를 관찰하고 지원 비용이나 인턴십과 같은 수용 능력 제약으로 인해 정확히 한 기업에만 지원하도록 선택합니다. 그들은 합격 확률을 극대화합니다.
• 보수:
  • 후보: 합격 시 $u = 1$, 그렇지 않으면 $0$.
  • 기업: 합격한 후보들의 기대 생산성. 기준 모델은 수용 능력 제약이 없고 고정된 임금 (또는 임금 제안 없음) 을 가정하므로, 기업들은 양의 기대 생산성을 가진 모든 후보를 합격시키고 싶어 합니다.

핵심 개념: 정확성과 난이도

저자는 표준적인 Blackwell 정보성 개념을 넘어 시험을 특징짓기 위해 두 가지 부분 순서를 활용합니다:

1. 정확성 ($\succeq_a$): Lehmann (1988) 에 기반합니다. 시험이 유형에 대해 더 정밀한 정보를 제공할 때 더 정확하다고 간주되며, 단조 우도비 성질 (MLRP) 을 만족합니다. 더 높은 정확성은 신호의 우도비가 유형에 대해 더 민감하게 반응함을 의미합니다.
2. 난이도 ($\succeq_d$): Hancart (2026) 에 기반합니다. 높은 신호가 사후 믿음을 고생산성 유형 쪽으로 더 강하게 이동시키고, 낮은 신호가 사후 믿음을 저생산성 유형 쪽으로 더 강하게 이동시킬 때 시험이 더 어렵다고 간주됩니다. 직관적으로, 어려운 시험은 모든 사람에게 통과하기 어렵지만 특히 저생산성 유형에게는 더 어렵습니다.

균형 개념

이 논문은 **대칭적 부분완전균형 (SSPE)**에 초점을 맞춥니다.

3. 주요 결과

A. 기준 모델 (수용 능력 제약 없음, 임금 제안 없음)

기업이 무제한의 후보를 합격시킬 수 있고 차별화된 임금을 제안할 수 없는 표준적인 경쟁 환경에서:

• 정리 1: 기업들이 최대 정확성을 가지지만 최소 난이도 (보상 관련 정보를 제공하는 시험 중) 를 선택하는 유일한 대칭적 균형이 존재합니다.
  • 메커니즘: 경쟁은 베르트랑 (Bertrand) 식 논리에 따라 이윤을 0 으로 끌어냅니다.
  • 정확성으로의 긍정적 선택: 고생산성 유형은 더 정확한 시험으로부터 더 큰 혜택을 봅니다.
  • 난이도로의 부정적 선택: 기업이 시험을 더 어렵게 만들면, 후보를 유치하기 위해 합격 규칙을 완화 (저생산성 유형을 더 많이 합격시킴) 해야 합니다. 저생산성 유형은 이러한 관대함으로부터 불균형적으로 혜택을 봅니다. 따라서 더 어려운 시험은 더 "나쁜" 후보 풀을 유치하게 됩니다 (부정적 선택).
  • 결과: 기업들은 "오도된 학습 (misguided learning)"에 빠집니다. 그들은 정밀한 정보 (높은 정확성) 를 보유하지만 이를 제대로 활용하지 못합니다. 시험이 충분히 쉬우면 낮은 신호를 받은 후보라도 합격시키거나, 높은 신호가 거의 새로운 정보를 전달하지 않을 정도로 난이도를 낮춥니다. 높은 신호 후의 사후 기대값은 거의 양수 (종종 0) 에 불과합니다.

B. 비교정적 분석

• 강화된 지원자 풀: 후보의 분포가 우도비 순서에서 오른쪽으로 이동하면, 균형 시험은 더 덜 어렵게 변하며 모든 후보에 대한 합격 확률이 증가합니다.
• 개선된 기술: 실현 가능한 시험의 집합이 확장되면 (더 나은 기술), 평균 합격 확률은 증가하지만 일부 저생산성 유형은 더 나빠질 수 있습니다.

C. 확장: 수용 능력 제약과 임금 경쟁

이 논문은 선발 인센티브를 변화시키는 두 가지 수정 사항을 기준 모델과 대비시킵니다:

1. 수용 능력 제약 (명제 4):

   • 설정: 기업들은 고정된 수용 능력 $k$를 가집니다.
   • 결과: 기업들은 가능한 가장 어려운 시험을 사용합니다.
   • 메커니즘: 수용 능력에 도달하면 기업들은 더 많은 후보를 합격시킴으로써 "가격 인하"를 할 수 없습니다. 그들은 오직 한계 후보의 품질에만 관심을 가집니다. 어려운 시험은 높은 신호가 매우 유익한 정보 (높은 사후 평균) 가 되도록 보장합니다. 그들은 높은 신호만 합격시키므로, 어려운 시험으로의 선택은 긍정적이 됩니다 (고생산성 유형은 자신의 품질을 더 효과적으로 신호 보낼 수 있으므로 어려운 시험을 선호합니다). 이는 "체리 피킹 (cherry-picking)"으로 이어집니다.

2. 임금 경쟁 (명제 6):

   • 설정: 기업들은 신호에 조건부 임금을 제안할 수 있습니다.
   • 결과: 기업들은 가장 어려운 시험을 사용합니다.
   • 메커니즘: 경쟁은 합격 확률에서 임금으로 이동합니다. 기업들은 높은 신호를 가진 후보들에게 더 높은 임금을 제안함으로써 경쟁합니다. 고생산성 유형은 합격 시 더 높은 임금을 받기 위해 어려운 시험의 위험을 감수할 의사가 있습니다. 이는 어려운 시험으로의 긍정적 선택을 창출합니다.

D. 비대칭 균형 (명제 5)

• 수용 능력 제약 없음: 비대칭 균형은 존재하지 않으며, 기업들은 항상 동일한 절차로 수렴합니다.
• 수용 능력 제약 있음: 이중 계층 균형이 발생할 수 있습니다. 한 기업은 "선별적" (어렵고 정확한 시험으로 고생산성 유형만 유치) 이 되고, 다른 기업은 "안전" (저생산성 유형 유치) 이 됩니다. 이는 ex-ante 에 동일한 기업들을 내생적으로 차별화합니다.

4. 기여

1. 시험 설계의 내생화: 이전 문헌이 시험 기술을 고정된 것으로 취급한 것과 달리, 이 논문은 정확성과 난이도의 선택을 모두 전략적 변수로 모델링합니다.
2. "오도된 학습" 역설: 이 논문은 경쟁이 기업들이 최대의 정보 (정확성) 를 획득하지만 이를 최적으로 활용하지 못해 (최소 난이도) 독점주에 비해 하위 최적의 선별이 이루어지는 균형으로 이어질 수 있음을 보여줍니다.
3. 시험 비교를 위한 새로운 순서: 정보 설계 (인증) 와 경쟁적 검색 시장 간의 간극을 연결하며, 설계자 (기업) 와 주체 (후보) 간의 전략적 상호작용이 드러나는 정보의 통계적 속성을 어떻게 근본적으로 변화시키는지 보여줍니다.
4. 선별성의 맥락화: 이 모델은 미국 대학 입시에서 관찰된 선별성 감소 (Hoxby, 2009) 에 대한 이론적 설명을 제공합니다. 지원자 풀이 개선되거나 시험 기술이 발전함에 따라 기관들이 지원자 수를 극대화하기 위해 합리적으로 난이도 임계값을 낮출 수 있음을 시사합니다.

5. 중요성 및 함의

• 정책 관련성: 이 연구 결과는 수용 능력 제약이나 임금 구조를 고려하지 않고 단순히 입학의 "엄격성" (난이도) 을 높이는 것만으로는 더 나은 선별로 이어지지 않을 수 있음을 시사합니다. 제약이 없는 시장에서는 기업들이 오히려 더 넓은 풀을 유치하기 위해 난이도를 낮추어 "나쁜 과자 (lemon-dropping, 저품질 후보 합격)"를 초래할 수 있습니다.
• 제도 설계: 수용 능력 제약에 직면한 대학이나 기업의 경우, 이 모델은 "체리 피킹" (높은 난이도) 으로 이동할 것을 예측하는 반면, 공급 과잉 시장에서는 "나쁜 과자" (낮은 난이도, 높은 정확성) 로 이동할 것으로 예측합니다.
• 문헌 연결: 정보 설계 (인증) 와 경쟁적 검색 시장 간의 간극을 연결하며, 설계자 (기업) 와 주체 (후보) 간의 전략적 상호작용이 드러나는 정보의 통계적 속성을 어떻게 근본적으로 변화시키는지 보여줍니다.

요약하자면, Hancart 는 경쟁의 성격 (제약 유무, 임금 유무) 이 조직들이 시험을 사용하여 최악을 걸러내는지 (쉬운 시험) 아니면 최고를 식별하는지 (어려운 시험) 를 결정한다는 엄밀한 게임이론적 프레임워크를 제공합니다.