Testing for Monotone Equilibrium Strategies in Games of Incomplete Information

Dit artikel presenteert een unificerend raamwerk om de monotonie van Bayesiaanse Nash-evenwichtstrategieën in games met onvolledige informatie te testen door het probleem te herformuleren als het toetsen van een aftelbare verzameling momentongelijkheden, wat wordt geïllustreerd met een toepassing op karteldetectie in aanbestedingen.

De kern

Stel je voor dat je een detective bent die probeert te achterhalen of mensen eerlijk spelen in een spel, maar je kunt hun echte gedachten, gevoelens of kennis (in de economie "types" genoemd) niet zien. Je ziet alleen wat ze doen: hun biedingen, hun inspanningen of hun productie.

Dit wetenschappelijke artikel, geschreven door Yu-Chin Hsu en collega's, is als het ware een nieuwe, slimme detector die helpt om te zien of spelers eerlijk en logisch spelen, of dat ze misschien samenzweren (zoals een kartel).

Hier is de uitleg in simpele taal, met wat creatieve vergelijkingen:

1. Het Probleem: De Onzichtbare Gedachten

In veel spelletjes (zoals veilingen, wedstrijden of concurrentie tussen bedrijven) hebben spelers geheimen. Een veilingbieder weet hoeveel een schilderij voor hem waard is, maar jij ziet alleen zijn bieding. Een speler in een wedstrijd weet hoe hard hij kan werken, maar jij ziet alleen zijn inspanning.

De economische theorie zegt: "Als mensen rationeel en eerlijk spelen, dan moet hun actie logisch samenhangen met hun geheim."

• De regel: Hoe meer een schilderij waard is (geheim), hoe hoger de bieding (actie).
• De term: Dit noemen we een monotone strategie. Het betekent: "Hoe sterker je binnenste, hoe sterker je buitenste."

Het probleem is dat economen die "binnenste" sterkte nooit kunnen meten. Ze zien alleen de "buitenste" actie. Hoe kun je dan controleren of de regel klopt?

2. De Oplossing: De "Spiegel" (Quasi-Inverse)

De auteurs vinden een slimme manier om dit op te lossen. Ze zeggen: "We hoeven niet naar de gedachten te kijken. We kunnen een spiegel maken van de acties zelf."

Stel je voor dat je een spiegel hebt die de biedingen omkeert. Als je kijkt in deze spiegel, zie je niet de bieding, maar een berekening die vertelt: "Als deze bieding logisch is, dan moet deze persoon een bepaald niveau van kennis hebben."

• De ontdekking: Als de spelers eerlijk spelen, moet deze "spiegel" (de wiskundige term is quasi-inverse) ook logisch lopen. Als de bieding omhoog gaat, moet het afgeleide niveau van kennis ook omhoog gaan.
• De metafoor: Het is alsof je een berg beklimt. Als je echt klimt (eerlijk speelt), moet je met elke stap omhoog ook hoger komen. Als je plotseling een stap naar beneden doet terwijl je hoger probeert te komen, weet je dat er iets mis is (bijvoorbeeld dat je een valkuil hebt of dat je niet eerlijk klimt).

3. De Test: Het "Regelboek" Controleren

De auteurs hebben een test ontwikkeld om te kijken of die "spiegel" logisch loopt.

• Hoe werkt het? Ze nemen alle data (alle biedingen) en kijken of er een patroon is dat de regel "Hoger = Beter" schendt.
• De analogie: Stel je voor dat je een lange rij auto's hebt die allemaal versnellen. Je test of de auto's die sneller rijden, ook echt een hogere versnelling hebben. Als je een auto ziet die heel snel rijdt maar in de versnelling '1' zit, dan is er iets raars aan de hand.
• De kracht: Deze test is heel flexibel. Hij werkt niet alleen voor veilingen, maar ook voor:
  • Wedstrijden: Wie harder trapt, heeft meer kans om te winnen.
  • Publieke goederen: Wie meer geld geeft, krijgt meer plezier van het park.
  • Markten: Wie meer produceert, heeft lagere kosten.

4. Waarom is dit belangrijk? (Het Kartel-gevaar)

Dit is waar het echt spannend wordt. Waarom willen we weten of mensen eerlijk spelen? Omdat bedrog vaak de regel schendt.

• Het scenario: Stel je voor dat een groep bedrijven een kartel vormt (ze zijn in het geheim afspraken gemaakt om de prijs hoog te houden). Ze doen alsof ze concurreren, maar in werkelijkheid spelen ze een heel ander spel.
• Het resultaat: Omdat ze niet echt op hun eigen kosten of waarde reageren, maar op afspraken, breekt hun gedrag de logische regel. De "spiegel" ziet er dan raar uit: een bedrijf met lage kosten biedt plotseling heel hoog, of andersom.
• De toepassing: De auteurs hebben deze test toegepast op asfalt-pavimentatie-projecten in Zweden, Finland en Californië.
  • Californië (Eerlijk): De test zei: "Alles ziet er logisch uit." Geen kartel gevonden.
  • Zweden & Finland (Verdacht): De test vond in Zweden sterke aanwijzingen dat de regel werd geschonden. Dit bevestigt wat historici al wisten: daar waren kartels actief die probeerden te verstoppen. De test kon zien wat andere methoden misschien niet zagen.

Samenvatting in één zin

De auteurs hebben een wiskundige "luchtdruktest" bedacht die, puur op basis van wat mensen doen (hun acties), kan vertellen of ze logisch en eerlijk spelen, of dat ze misschien in het geheim aan het bedriegen zijn, zonder dat we ooit hun echte gedachten hoeven te kennen.

Het is als het controleren van een auto's motor door alleen naar de wielen te kijken: als de wielen niet logisch draaien, weet je dat er iets mis is met de motor, zelfs als je de motor niet kunt openen.

Technische samenvatting

1. Het Probleem

In speltheoretische modellen met onvolledige informatie (Bayessche spellen) zijn de strategieën van spelers functies die hun privé-typen (zoals waarderingen, kosten of signalen) koppelen aan acties. Een cruciale voorspelling van de theorie is dat deze evenwichtsstrategieën monotoon zijn: spelers met hogere waarderingen of lagere kosten kiezen agressievere acties.

Deze monotonie is essentieel voor twee redenen:

1. Identificatie en Schatting: Het is een fundamentele voorwaarde voor het "inversie"-proces waarbij economen waargenomen acties terugrekenen naar latente typen. Als monotonie niet geldt, zijn structurele modellen en hun tegenwereldscenario's (counterfactuals) ongeldig.
2. Empirische Toetsing: Afwijkingen van monotonie kunnen wijzen op collusie (bijv. in veilingen) of andere niet-concurrerende gedragingen.

Het huidige probleem is dat er weinig methoden bestaan om deze monotonie te toetsen, omdat de typen zelf niet worden waargenomen door de econometrist. Bestaande methoden (zoals Liu en Vuong, 2021) zijn beperkt tot veilingen en maken gebruik van complexe niet-parametrische schatters (LCM - Least Concave Majorant), wat moeilijk toepasbaar is op andere speltypen en heterogeniteit.

2. Methodologie

De auteurs ontwikkelen een unificerend raamwerk om monotonie te toetsen door het probleem te vertalen naar een test op momentenongelijkheden.

A. Rationalisatie en Quasi-Inverse Strategie
De kern van de methologie is een rationalisatieresultaat (Theorema 2.1). De auteurs tonen aan dat, binnen het paradigma van symmetrische onafhankelijke privé-typen, de monotonie van de evenwichtsstrategie $s(v)$ in de typen $v$ equivalent is aan de monotonie van een quasi-inverse strategie $\xi(b)$ in de waargenomen acties $b$.

De quasi-inverse strategie wordt gedefinieerd als:
$$\xi(b) = \frac{T'(b)}{P'(b)}$$
Waarbij:

• $P(b)$ de verwachte toewijzing (allocation rule) is.
• $T(b)$ de verwachte betaling (payment rule) is.
• Beide zijn afgeleid van de verdeling van waargenomen acties en de institutionele regels van het spel.

Omdat $P(b)$ en $T(b)$ identificeerbaar zijn uit de data, kan het testen van monotonie van de latente strategie worden herformuleerd als het testen of $\xi(b)$ monotoon stijgend is in $b$.

B. Transformatie naar Momentenongelijkheden
In plaats van een concaviteitstest te gebruiken (zoals bij LCM), transformeren de auteurs de nulhypothese ($H_0$: $\xi(b)$ is monotoon) naar een telbaar aantal momentenongelijkheden.
Ze definiëren een functie $\nu(b_1, b_2, q)$ gebaseerd op geïntegreerde waarden van $T'$ en $P'$ over intervallen. De nulhypothese is equivalent aan:
$$H'_0: \nu(b_1, b_2, q) \leq 0 \quad \text{voor alle } (b_1, b_2, q) \in \mathcal{L}$$
Deze ongelijkheden hangen alleen af van onvoorwaardelijke verwachtingen (unconditional expectations) van waargenomen acties, wat schatting vereenvoudigt.

C. Teststatistiek en Inferentie

• Statistiek: Er wordt een Cramér–von Mises (CvM)-type statistiek gebruikt die de som is van de kwadraten van de geschatte momentenongelijkheden (gewogen door een functie $Q$).
• Kritieke Waarden: De kritieke waarden worden bepaald via een niet-parametrische bootstrap gecombineerd met de Generalized Moment Selection (GMS) methode (Andrews en Shi, 2013). Dit zorgt ervoor dat de test de grootte (size) asymptotisch controleert en consistent is tegen vaste alternatieven.

D. Omgaan met Heterogeniteit
De methode is flexibel genoeg om twee soorten heterogeniteit te behandelen:

1. Waargenomen heterogeniteit (Covariaten): Door de test te conditioneren op covariaten $X$ (bijv. projectgrootte of kwaliteit).
2. Onwaargenomen heterogeniteit: Door de implicaties van monotonie te integreren over de verdeling van onwaargenomen variabelen $Z$. Voor continue covariaten wordt ook een semiparametrische homogenisatie voorgesteld (gebaseerd op Haile et al., 2003), waarbij acties worden geschaald om de invloed van covariaten te verwijderen voordat de test wordt uitgevoerd.

3. Toepassingsgebieden (Voorbeelden)

Het raamwerk wordt toegepast op vier veelvoorkomende modellen:

1. Eerste-prijs veilingen: Herleidt tot de bekende quasi-inverse biedstrategie van Guerre et al. (2000).
2. Tullock-competities: Test op monotonie van inspanningsniveaus.
3. Openbare goederen: Test op vrijwillige bijdragen.
4. Cournot-concurrentie: Test op productiehoeveelheden met privé-kosteninformatie.

4. Resultaten

A. Simulatiestudies (Monte Carlo)

• De auteurs tonen aan dat de test de grootte goed controleert (lage type I-fout) onder de nulhypothese.
• De power (type II-fout) neemt toe met de steekproefgrootte en de mate van schending van monotonie.
• De test presteert goed in steekproefgroottes die typisch zijn voor veilingstudies (bijv. 100-500 veilingen).
• De keuze van tuningparameters (zoals het aantal intervallen) heeft weinig invloed op de resultaten, wat de robuustheid aangeeft.

B. Empirische Toepassing: Asfaltverharding
De test wordt toegepast op data van asfaltverhardingsveilingen in Zweden, Finland en Californië (data van Aaltio et al., 2025).

• Californië (Controle): Geen bewijs tegen monotonie. Dit is consistent met een concurrerende markt zonder kartelvorming.
• Zweden en Finland (Kartelgebieden):
  • In Zweden wordt er sterke bewijs gevonden tegen monotonie (lage p-waarden), wat wijst op niet-concurrerend gedrag.
  • In Finland is het bewijs zwakker, wat overeenkomt met eerdere bevindingen dat het Zweedse kartel succesvoller was in het nabootsen van competitief gedrag dan het Finse, of dat het Zweedse kartel een groter effect had op de biedverdeling.
• Conclusie: De test slaagt erin om afwijkingen van monotonie te detecteren die andere methoden (zoals die van Bajari en Ye, 2003) mogelijk missen, omdat die methoden monotonie vaak als gegeven aanvaarden in plaats van te toetsen.

5. Belang en Bijdrage

De belangrijkste bijdragen van dit artikel zijn:

1. Unificatie: Het biedt het eerste uniforme raamwerk om monotonie te toetsen in een breed scala aan Bayessche spellen (niet alleen veilingen, maar ook concurrentie en publieke goederen).
2. Eenvoud en Implementatie: Door het probleem te vertalen naar momentenongelijkheden met onvoorwaardelijke verwachtingen, vermijdt de methode de noodzaak voor complexe niet-parametrische dichtheidsschattingen of concaviteitstests.
3. Heterogeniteit: De methode lost een belangrijk probleem op in de structurele economie: het toetsen van monotonie in aanwezigheid van zowel waargenomen als onwaargenomen spel-heterogeniteit.
4. Empirisch Nut: Het biedt een krachtig instrument voor toezichthouders en economen om kartelvorming en andere vormen van marktverstorend gedrag te detecteren door de fundamentele aanname van rationeel, monotoon gedrag te testen.

Kortom, dit artikel vult een belangrijke leemte in de econometrische literatuur over speltheorie door een robuuste, toepasbare en theoretisch onderbouwde test te bieden voor een van de meest fundamentele aannames in modellen met onvolledige informatie.