기술 요약: 이전 없는 타겟팅 (Targeting Without Transfers)

1. 문제 정의

본 논문은 화폐적 이전(monetary transfers)이 금지된 상황에서, 사적 가치(private valuations)를 가진 에이전트들 사이에 이질적인 재화를 배분하기 위한 메커니즘 설계를 다룬다. 설계자는 다음의 제약 조건 하에 공리적 후생(utilitarian welfare, 에이전트들의 카디널 가치의 합)을 극대화하는 것을 목표로 한다:

1. 인센티브 호환성 (IC): 에이전트들은 자신의 선호도를 진실하게 드러내야 한다.
2. 총 공급 제약: 각 재화의 총 배분량은 고정된 공급량을 초 exceed할 수 없다.

기존의 '이전 없는 배분' 관련 문헌(예: Hylland and Zeckhauser, 1979; Abdulkadiroğlu and Sönmez, 1998)이 주로 파레토 효율성이나 서열적 순위(ordinal rankings)에 집중하는 것과 달리, 본 프레임워크는 카디널 후생 목표를 명시적으로 포함한다. 핵심적인 과제는 설계자가 에이전트의 절대적인 필요 수준(카디널 값)을 직접 관찰할 수 없으며, 오직 드러난 재화 간의 상대적 선호도를 통해서만 이를 추론해야 한다는 점이다.

2. 방법론 및 모델

저자는 에이전트의 가치 벡터 $v \in \mathbb{R}^N_+$를 갖는 연속체(continuum)를 사용하여 문제를 모델링한다. 주요 방법론적 혁신은 절대적 가치와 상대적 가치의 분리이다.

• 재정규화 (Renormalization): 화폐적 이전이 없는 상황에서의 인센티브 호환성은 비례적 가치 벡터(동일한 상대적 선호를 가진 경우)를 가진 에이전트들이 비례적인 배분을 받아야 함을 의미하므로, 저자는 유형(types)을 상대적 가치 프로필 $\theta = v / \sum v_j$의 심플렉스(simplex) $\Gamma$로 매핑한다.
• 조건부 기댓값: 설계자의 목적 함수는 $\lambda(\theta) = E[\sum V_j \mid \Theta = \theta]$로 재구성된다. 여기서 $\lambda(\theta)$는 상대적 프로필 $\theta$를 가진 에이전트들의 기대 총 가치(필요도)를 나타낸다.
• 최적화: 문제는 유틸리티 함수의 볼록성(convexity) 제약과 공급 제약을 따르면서, 심플렉스 상의 간접 유틸리티에 대한 가중 적분을 극대화하는 문제로 변환된다. 분석에는 다차원 스크리닝(multidimensional screening) 도구, 구체적으로 최적 운송(optimal transport) 및 확률적 지배(stochastic dominance) 논증(Daskalakis et al., 2013, 2017; Kleiner and Manelli, 2019)을 활용한다.

3. 주요 결과

A. 순수 옵션 메커니즘 (The Pure Option Mechanism)

논문은 먼저 각 에이전트가 정확히 하나의 재화의 양을 받고 다른 재화는 받지 못하는 "순수 옵션" 메커니즘을 규정한다.

• 구현: 이 메커니즘은 동일 소득을 가진 경쟁 균형(CEEI), 즉 대표적 부존 경제의 왈라스적 균형 또는 선택 기반 로터리와 동일하다.
• 최적 조건: 저자는 이 메커니즘이 후생을 극대화하기 위한 필요충분조건을 도출한다. 이 조건들은 렌트 측도(rent measure) $\mu$와 **단조 운송 계획(monotone transport plan)**을 통해 표현된다.
  • 구체적으로, 순수 옵션 메커니즘은 (1차원 스크리닝의 '아이로닝(ironing)'과 유사한 전처리 단계를 거친 후) 렌트 측도의 음의 부분이 질량(mass)을 심플렉스의 정점(즉, 더 극단적인 상대적 선호를 향해)으로만 이동시켜 양의 부분으로 운송될 수 있을 때에만 최적이다.
• 충분 조건: 대칭적인 설정과 동일한 공급량 하에서, 순수 옵션 메커니즘은 자신이 가장 선호하는 재화에 대해 높은 절대적 가치를 가진 에이전트들이 더 선택적(강한 상대적 선호를 가짐)일 때 최적이다. 직관적으로, 고가치 에이전트가 더 까다롭다면, 번들(bundle)을 제공하기 위해 배분을 왜곡하는 것은 가치가 낮은(덜 선택적인) 유형에게 자원을 비효율적으로 이동시키는 결과를 초래한다.

B. 두 가지 재화가 있는 최적 메커니즘

재화가 정확히 두 개인 경우, 문제는 1차원 스크리닝 문제로 축소된다. 저자는 최적 메커니즘을 완전히 규정한다:

• 구조: 최적 메커니즘은 순수 옵션 메커니즘이거나, **두 개의 순수 옵션과 하나의 혼합 번들(mixed bundle)**을 포함하는 메뉴이다.
• 번들: 혼합 번들은 순수 옵션보다 더 많은 총량의 재화를 제공한다. 이는 선호 마진이 좁은(덜 까다로운) 에이전트들이 높은 총 가치를 가질 때 최적이다.
• 트레이드오프: 번들을 도입하는 것은 배분의 비효율성(에이전트가 덜 가치 있게 여기는 재화를 받게 됨)을 야기하지만, 이는 스크리닝 장치로서 기능한다. 덜 까다로운 에이전트들이 체계적으로 더 높은 가치를 가진다면, 번들을 통해 그들을 타겟팅함으로써 얻는 정보적 이득이 혼합(mixing)으로 인한 효율성 손실보다 크다.

C. 강건성 및 섭동 (Robustness and Perturbation)

논문은 순수 옵션 메커마니즘의 최적성이 대칭성에 의존하는 "칼날 위(knife-edge)" 결과가 아님을 입증한다. **상집합 여유(upper-set slack)**에 기반한 섭동 논증을 사용하여, 저자는 기초 분포(distributions)와 공급량(supplies)에 대해 작은 비대칭적 섭동이 가해지더라도 최적성 조건의 "여유(slack)"가 유지되는 한, 기초 모델에서 순수 옵션 메커니즘이 최적이라면 섭동된 환경에서도 최적임을 보여준다.

4. 의의 및 기여

본 논문은 '이전 없는 배분' 문헌에 세 가지 주요 기여를 한다:

1. 카디널 가치를 고려한 후생 극대화: 돈이 없는 메커니즘 디자인(전통적으로 서열적/ordinal)과 후생 경제학(카디널/cardinal) 사이의 간극을 메운다. 정책 입안자가 높은 절대적 필요를 가진 에이전트를 타겟팅하고자 할 때, 최적 메커니즘은 절대적 필요와 상대적 선호 강도 사이의 통계적 상관관계에 결정적으로 의존함을 보여준다.
2. 번들링(Bundling)의 규명: 비화폐적 환경에서 혼합 번들(또는 맞춤형 배분을 수용하는 것에 대한 '할인')이 왜 최적인지에 대한 엄밀한 근거를 제공한다. 저자는 고가치 에이전트가 덜 선택적일 때와 같은 특정 통계적 조건 하에서 이러한 왜곡이 후생을 개선함을 식별한다.
3. CEEI와의 연결: 후생 최적 메커니즘과 동일 소득을 가진 경쟁 균형(CEEI) 사이의 관계를 명확히 한다. CEEI는 파레토 효율적이지만, 본 논문은 그것이 항상 후생 극대화적인 것은 아님을 보여준다. 그러나 고가치 에이전트가 더 선택적인 광범위한 환경에서는 여전히 최적이며, 견고한 벤치마크 역할을 한다.

5. 논의된 응용 분야

저자는 이 결과들이 적용될 수 있는 구체적인 시장 설계 환경을 논의한다:

• 푸드 뱅크 (Food Banks): 인공 화폐를 사용하여 기부금을 입찰하는 Feeding America와 같은 시스템에서, 기부 지역의 푸드 뱅크가 특정 식품 항목에 대해 덜 선택적이라면, 사전 포장된 세트(assortments)의 할인된 번들을 제공함으로써 시스템을 개선할 수 있음을 시사한다.
• 저렴한 주택 (Affordable Housing): 대기 명단과 반복적인 로터리를 축약된 형태의 메커니즘으로 해석한다. 결과에 따르면, 저소득층 신청자가 더 덜 선택적이라면, 우선순위 큐(어떤 적절한 유닛이든 수용해야 함)와 표준 대기 명단(특정 유닛을 선택할 수 있음) 사이의 선택권을 제공하는 것이 후생을 증진할 수 있다.

논문은 기초 모델이 관찰 가능한 특성(예: 소득)을 추상화하고 있지만, 이 프레임워크가 그러한 라벨을 통합하도록 확장될 수 있으며, 잠재적으로 불평등한 소득이나 분절된 시장을 가진 메커니즘으로 이어질 수 있음을 언급하며 마무리한다.