Posterior-Separable Costs and Menu Preferences

Resumo Técnico: Custos Separáveis no Posterior e Preferências por Menus

1. O Problema

O artigo aborda a modelagem de agentes com atenção racional (Rational Inattention - RI) que precisam adquirir informações antes de tomar decisões. Na literatura padrão, os custos de informação são frequentemente modelados como custos separáveis no posterior (posterior-separable costs), onde o custo de um experimento $\pi$ é dado pela integral de uma função de incerteza $\psi$ sobre a distribuição dos posteriores:
$$c(\pi) = \int \psi(p) \pi(dp)$$

Embora essa estrutura permita o uso de ferramentas de design de informação (como a concavificação), ela não garante, por si só, propriedades desejáveis de unicidade na solução do problema de otimização do agente. Especificamente, a existência de múltiplos "hiperplanos ótimos" (soluções para o problema de concavificação) pode levar a comportamentos inconsistentes ou a dificuldades na identificação única da função de custo subjacente a partir das preferências observadas.

O objetivo central do paper é fornecer uma caracterização axiomática das preferências sobre menus de atos que geram custos separáveis no posterior, garantindo, adicionalmente, a unicidade do hiperplano ótimo e uma condição de suavidade (diferenciabilidade) na função de custo.

2. Metodologia

Os autores utilizam uma abordagem de teoria da escolha axiomática sobre menus de atos, integrando-a com a teoria de design de informação bayesiana.

• Domínio: Preferências $\succsim$ definidas sobre menus finitos de atos ($F, G, H$).
• Representação: O agente é modelado como maximizando uma utilidade indireta $V(\phi_F)$ sujeita a um custo de informação:
  $$V(\phi_F) = \max_{\pi \in \Pi(p_0)} \int [\phi_F(p) - \psi(p)] \pi(dp)$$
  Onde $\phi_F(p)$ é a utilidade máxima esperada dado o posterior $p$, e $\Pi(p_0)$ são as distribuições de posteriores consistentes com o prior $p_0$.
• Geometria: O problema é reformulado geometricamente como a busca pelo hiperplano mais baixo que fica acima do gráfico da função líquida $N_F = \phi_F - \psi$. A solução do problema de RI corresponde ao suporte da distribuição ótima de posteriores, que deve tocar esse hiperplano.
• Axiomas Propostos: Os autores introduzem dois axiomas cruciais para restringir a classe de funções de custo:
  1. Independência de Alternativas Irrelevantes (IIA): Se o agente é indiferente entre dois menus $F$ e $G$ e também entre sua interseção $F \cap G$, então ele deve ser indiferente à união $F \cup G$. A intuição é que opções fora da interseção são irrelevantes e não agregam valor à flexibilidade.
  2. Equivalência da Ignorância (Ignorance Equivalence - IE): Para todo menu $F$, existe um ato $h$ (o "equivalente da ignorância") tal que $h \sim F \sim F \cup \{h\}$. Isso implica que adicionar um ato que não requer aquisição de informação não altera o valor do menu, funcionando análogo ao "equivalente de certeza" em contextos de risco.

3. Contribuições Principais

1. Caracterização Axiomática de Custos Suaves:
   O paper demonstra que os axiomas IIA e IE são necessários e suficientes para que o agente tenha preferências representadas por um custo separável no posterior, onde a função de incerteza $\psi$ satisfaz uma condição de suavidade chamada Diferenciabilidade Direcional Conjunta (Joint-Directional Differentiability - JDD).

2. Propriedade do Hiperplano Único (UHP):
   Os autores estabelecem uma ligação direta entre os axiomas comportamentais e a geometria da solução. Eles mostram que IIA e IE são equivalentes à existência de um único hiperplano ótimo para qualquer menu. Sem essa propriedade, múltiplos hiperplanos tangentes poderiam existir, levando a violações dos axiomas.

3. Definição de Diferenciabilidade Direcional Conjunta (JDD):
   Introduzem uma nova condição técnica para a função $\psi$. Diferente da diferenciabilidade padrão, a JDD exige que não existam pontos $\{p_i\}$ no domínio efetivo de $\psi$ (onde o prior $p_0$ está no casco convexo deles) que compartilhem uma mesma direção de não-diferenciabilidade $\delta$. Isso garante que o "canto" (kink) da função não permita múltiplas soluções de hiperplano que satisfaçam as condições de otimalidade.

4. Invariância de Prior e Custos Uniformemente Separáveis:
   Quando o custo de informação é invariante para diferentes priors (o mesmo conjunto de funções $\Psi$ gera o custo para qualquer $p_0$), os axiomas implicam que o custo é uniformemente separável no posterior e que a função $\psi$ é diferenciável em todo o interior relativo do seu domínio.

4. Resultados Teóricos (Teorema Principal)

O Teorema 1 estabelece a equivalência entre três afirmações para uma preferência racionalmente inatenta:

1. A preferência satisfaz os axiomas IIA e IE.
2. A preferência possui uma representação com custo separável no posterior, onde a medida de incerteza canônica $\psi$ satisfaz a Diferenciabilidade Direcional Conjunta (JDD).
3. A preferência possui uma representação com custo separável no posterior onde a medida de incerteza $\psi$ satisfaz a Propriedade do Hiperplano Único (UHP).

Além disso, fixada a função de utilidade $u$, a medida de incerteza canônica $\psi$ que representa a preferência é única sob essas condições.

Exemplo Ilustrativo (Seção 3.3):
Os autores apresentam um exemplo onde $\psi(p) = |p - 0.5| + (p - 0.5)^2$. Como $\psi$ não é diferenciável no prior $p_0=0.5$, a JDD é violada. Nesse cenário, é possível construir menus onde a adição de opções irrelevantes individualmente não altera o valor, mas a adição conjunta (união) altera o hiperplano ótimo e aumenta o valor do menu, violando o axioma IIA.

5. Significado e Implicações

• Fundamentação Microeconômica: O trabalho fornece uma base comportamental rigorosa para o uso de custos separáveis no posterior, que são amplamente utilizados em modelos de design de informação e mecanismos. Mostra que a suposição de "suavidade" (diferenciabilidade) não é apenas uma conveniência matemática, mas tem implicações comportamentais testáveis (IIA e IE).
• Identificação e Unicidade: Resolve problemas de identificação na literatura de atenção racional. Sem a condição de JDD/UHP, diferentes funções de custo podem gerar as mesmas preferências, tornando impossível identificar o custo real a partir dos dados de escolha. A condição de diferenciabilidade garante a unicidade da representação.
• Conexão com Design de Informação: Ao vincular a preferência por menus à existência de um hiperplano único, o paper facilita a aplicação de técnicas de concavificação (como em Kamenica e Gentzkow, 2011) em contextos de RI, garantindo que a solução do problema de otimização seja bem-comportada e única.
• Generalidade: A classe de funções que satisfazem JDD é densa e inclui funções de custo comuns na literatura, como Entropia (Sims, 2003), Log-verossimilhança e Variância Residual, validando o uso desses modelos em aplicações empíricas e teóricas.

Em suma, o artigo conecta a estrutura axiomática das preferências sobre menus à geometria das funções de custo de informação, estabelecendo que a consistência lógica das escolhas (via IIA e IE) exige que a "complexidade" da informação seja medida por funções suficientemente suaves para garantir soluções únicas e bem definidas.