Selection Procedures in Competitive Admission

1. Probleemstelling

Het artikel onderzoekt hoe organisaties (bedrijven of universiteiten) hun selectieprocedures (toetsen en toelatingsregels) ontwerpen in een competitieve omgeving waarin ze strijden om kandidaten met onbekende productiviteit. De kernspanning ligt in de interactie tussen twee factoren:

1. Statistische Eigenschappen: De nauwkeurigheid en moeilijkheidsgraad van de toets die wordt gebruikt om kandidaten te screenen.
2. Strategische Selectie: Hoe kandidaten, die privé-informatie hebben over hun eigen productiviteit, kiezen voor welk bedrijf ze zich aanmelden, gebaseerd op de selectieprocedure van het bedrijf.

De auteur vraagt zich af: Hoe vormt concurrentie tussen bedrijven de statistische eigenschappen (nauwkeurigheid en moeilijkheidsgraad) van de toetsen die ze hanteren, en hoe verschilt dit van een monopolistische of niet-competitieve setting?

2. Methodologie en Modelopzet

De Spelstructuur

• Actoren: Twee bedrijven en een continuüm van kandidaten met massa 1. Kandidaten hebben privé-types $\theta \in [\underline{\theta}, \bar{\theta}]$ die productiviteit voorstellen, verdeeld volgens de CDF $F$.
• Strategie van Bedrijven: Bedrijven posten gelijktijdig een selectieprocedure $s = (t, \alpha)$, bestaande uit:
  • Een toets $t$ (een Blackwell-experiment met binaire signalen $h$ en $l$).
  • Een toelatingsregel $\alpha: \{h, l\} \to [0, 1]$ (kans op toelating gegeven het signaal).
• Strategie van Kandidaten: Kandidaten observeren de procedures en kiezen om zich aan te melden bij precies één bedrijf (vanwege sollicitatiekosten of capaciteitsbeperkingen zoals stages). Ze maximaliseren hun toelatingskans.
• Uitkomsten:
  • Kandidaten: $u = 1$ indien toegelaten, $0$ anderszins.
  • Bedrijven: Verwachte productiviteit van toegelaten kandidaten. Het basismodel gaat uit van geen capaciteitsbeperkingen en vaste lonen (of geen loonaanbiedingen), wat betekent dat bedrijven elke kandidaat met een positieve verwachte productiviteit willen accepteren.

Kernconcepten: Nauwkeurigheid en Moeilijkheidsgraad

De auteur maakt gebruik van twee partiële ordeningen om toetsen te karakteriseren, verdergaand dan standaard Blackwell-informativiteit:

1. Nauwkeurigheid ($\succeq_a$): Gebaseerd op Lehmann (1988). Een toets is nauwkeuriger als deze meer precieze informatie biedt over het type, wat voldoet aan de Monotone Likelihood Ratio Property (MLRP). Hogere nauwkeurigheid betekent dat de likelihood ratio van signalen gevoeliger is voor het type.
2. Moeilijkheidsgraad ($\succeq_d$): Gebaseerd op Hancart (2026). Een toets is moeilijker als een hoog signaal de achteraf-geloofsovertuigingen sterker verschuift naar hoge types, terwijl een laag signaal ze sterker verschuift naar lage types. Intuïtief is een moeilijke toets voor iedereen moeilijker te halen, maar vooral voor lage types.

Evenwichtsconcept

Het artikel richt zich op Symmetrische Subgame Perfect Equilibria (SSPE).

3. Belangrijkste Resultaten

A. Het Basismodel (Geen Capaciteitsbeperkingen, Geen Loonaanbiedingen)

In de standaard competitieve setting waarin bedrijven onbeperkt kandidaten kunnen accepteren en geen gedifferentieerde lonen kunnen bieden:

• Stelling 1: Er bestaat een uniek symmetrisch evenwicht waarbij bedrijven een toets kiezen die maximaal nauwkeurig is maar minimaal moeilijk (onder die welke uitkomstrelevante informatie bieden).
  • Mechanisme: Concurrentie drijft winsten naar nul (Bertrand-achtige logica).
  • Positieve selectie naar nauwkeurigheid: Hogere types profiteren meer van een nauwkeuriger toets.
  • Negatieve selectie naar moeilijkheidsgraad: Als een bedrijf een toets moeilijker maakt, moet het zijn toelatingsregel versoepelen (meer lage types accepteren) om kandidaten aan te trekken. Lage types profiteren onevenredig van deze mildheid. Een moeilijkere toets trekt dus een "slechtere" pool van kandidaten aan (negatieve selectie).
  • Resultaat: Bedrijven eindigen met "misleidende leerprocessen". Ze beschikken over precieze informatie (hoge nauwkeurigheid) maar gebruiken deze slecht. Ze accepteren kandidaten zelfs na een laag signaal (als de toets makkelijk genoeg is) of stellen de moeilijkheidsgraad zo laag dat het hoge signaal weinig nieuwe informatie biedt. De achteraf-verwachting na een hoog signaal is nauwelijks positief (vaak nul).

B. Vergelijkende Statistiek

• Sterkere Sollicitantenpool: Als de verdeling van kandidaten naar rechts verschuift (in de likelihood ratio-orde), wordt de evenwichtstoets minder moeilijk, en nemen de toelatingskansen toe voor alle kandidaten.
• Verbeterde Technologie: Als de set haalbare toetsen zich uitbreidt (betere technologie), nemen de gemiddelde toelatingskansen toe, hoewel sommige lage types er mogelijk op achteruitgaan.

C. Uitbreidingen: Capaciteitsbeperkingen en Loonconcurrentie

Het artikel zet het basismodel af tegen twee modificaties die de selectieprikkels veranderen:

1. Capaciteitsbeperkingen (Propositie 4):

   • Opzet: Bedrijven hebben een vaste capaciteit $k$.
   • Resultaat: Bedrijven gebruiken de moeilijkst mogelijke toets.
   • Mechanisme: Zodra ze op capaciteit zitten, kunnen bedrijven niet "onderbieden" door meer kandidaten te accepteren. Ze geven alleen om de kwaliteit van de marginale kandidaat. Een moeilijke toets zorgt ervoor dat het hoge signaal zeer informatief is (hoge achteraf-middeling). Omdat ze alleen hoge signalen accepteren, wordt de selectie voor de moeilijke toets positief (hoge types geven de voorkeur aan de moeilijke toets omdat deze hun kwaliteit effectiever signaleert). Dit leidt tot "cherry-picking".

2. Loonconcurrentie (Propositie 6):

   • Opzet: Bedrijven kunnen lonen aanbieden die afhankelijk zijn van het signaal.
   • Resultaat: Bedrijven gebruiken de moeilijkst mogelijke toets.
   • Mechanisme: Concurrentie verschuift van toelatingskans naar lonen. Bedrijven concurreren door hogere lonen aan te bieden aan kandidaten met een hoog signaal. Hoge types zijn bereid het risico van een moeilijke toets te nemen in ruil voor een hoger loon als ze slagen. Dit creëert positieve selectie voor moeilijke toetsen.

D. Asymmetrische Evenwichten (Propositie 5)

• Zonder Capaciteitsbeperkingen: Er bestaan geen asymmetrische evenwichten; bedrijven convergeren altijd naar dezelfde procedure.
• Met Capaciteitsbeperkingen: Een twee-niveau evenwicht kan ontstaan. Eén bedrijf wordt "selectief" (trekt alleen hoge types aan met een moeilijke/nauwkeurige toets), en het andere wordt "veilig" (trekt lagere types aan). Dit differentieert ex-ante identieke bedrijven endogeen.

4. Bijdragen

1. Endogeen Toetsontwerp: In tegenstelling tot eerdere literatuur die toetstechnologie als vast behandelt, modelleert dit artikel de keuze van zowel nauwkeurigheid als moeilijkheidsgraad als strategische variabelen.
2. Het "Misleidende Leerproces"-Paradox: Het artikel toont aan dat concurrentie kan leiden tot een evenwicht waarin bedrijven maximale informatie verwerven (nauwkeurigheid) maar deze niet optimaal benutten (minimale moeilijkheidsgraad), wat resulteert in een suboptimale selectie vergeleken met een monopolist.
3. Nieuwe Ordeningen voor Toetsvergelijking: Het past en breidt de concepten Nauwkeurigheid (Lehmann) en Moeilijkheidsgraad (Hancart) formeel toe op competitieve screeningsspellen, en toont aan hoe deze dimensies kandidaat-zelfselectie aandrijven.
4. Contextualisering van Selectiviteit: Het model biedt een theoretische verklaring voor de waargenomen daling in selectiviteit bij Amerikaanse college-toelatingen (Hoxby, 2009). Het suggereert dat, naarmate de sollicitantenpool verbetert of toetstechnologie vooruitgaat, instellingen rationeel hun moeilijkheidsdrempels kunnen verlagen om het sollicitantenvolume te maximaliseren, zelfs als ze een hoge nauwkeurigheid behouden.

5. Betekenis en Implicaties

• Beleidrelevantie: De bevindingen suggereren dat het simpelweg verhogen van de "rigor" van toelatingen (moeilijkheidsgraad) zonder rekening te houden met capaciteitsbeperkingen of loonstructuren niet noodzakelijk leidt tot betere selectie. In onbeperkte markten kunnen bedrijven de moeilijkheidsgraad juist verlagen om een bredere pool aan te trekken, wat leidt tot "lemon-dropping" (het accepteren van kandidaten van lage kwaliteit).
• Institutioneel Ontwerp: Voor universiteiten of bedrijven die geconfronteerd worden met capaciteitsbeperkingen, voorspelt het model een verschuiving naar "cherry-picking" (hoge moeilijkheidsgraad), terwijl die in markten met overaanbod verschuiven naar "lemon-dropping" (lage moeilijkheidsgraad, hoge nauwkeurigheid).
• Verbinding met Literatuur: Het overbrugt de kloof tussen informatiedesign (certificering) en competitieve zoekmarkten, en toont aan hoe de strategische interactie tussen de ontwerper (bedrijf) en de agent (kandidaat) de statistische eigenschappen van de onthulde informatie fundamenteel verandert.

Kortom, Hancart biedt een rigoureus speltheoretisch kader dat aantoont dat de aard van de concurrentie (beperkt versus onbeperkt, loon versus niet-loon) bepaalt of organisaties toetsen gebruiken om het slechtste eruit te filteren (gemakkelijke toetsen) of het beste te identificeren (moeilijke toetsen).