📈 economics

Robust Welfare under Imperfect Competition

本文通过将供给侧约束纳入分析，将稳健福利分析扩展至不完全竞争领域，证明在仅部分掌握转嫁率和行为参数的情况下，极值福利界限由具有单一价格截断点的逆转嫁函数实现，从而得以推导出消费者剩余、生产者剩余、总剩余和无谓损失的简明界限。

原作者： Konstantin von Beringe, Mark Whitmeyer

发布于 2026-04-29

📖 1 分钟阅读☕ 轻松阅读

原作者： Konstantin von Beringe, Mark Whitmeyer

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象你是一名城市规划者，正试图弄清楚对咖啡征收新税会如何损害购买者、销售商店以及城市整体的幸福感。

通常，经济学家会通过画一条完美的平滑线来解决这个问题，这条线连接两个点：征税前的咖啡价格和数量，以及征税后的价格和数量。他们假设自己确切知道这条线是如何弯曲的。但在现实世界中，我们并不知道这条线的确切形状。它可能是一条平缓的斜坡、一个陡峭的下跌，或者一个奇怪的曲线。如果你猜错了形状，那么关于谁受益、谁受损的计算结果可能会完全错误。

这篇论文《不完全竞争下的稳健福利》（Robust Welfare under Imperfect Competition）由康斯坦丁·冯·贝林格（Konstantin von Beringe）和马克·惠特迈尔（Mark Whitmeyer）撰写，提出了一种无需猜测线条确切形状的新方法来解决这一难题。他们不是试图寻找唯一的“真实”答案，而是根据我们实际掌握的信息，计算出数学上可能的最佳情况和最坏情况（即“界限”）。

以下是他们使用简单类比进行的方法：

1. 两张快照（我们仅有的事实）

研究人员仅从市场的两张照片开始：

照片 A：征税前（价格 $p_0$ ，数量 $Q_0$ ）。
照片 B：征税后（价格 $p_1$ ，数量 $Q_1$ ）。

他们不知道中间发生了什么。价格可能立即跳涨，也可能缓慢爬升。商店的反应也可能各不相同。

2. “供给方”之谜（浴缸里的水）

这篇论文引入了一种处理“供给方”（商店及其成本）的新方法。他们假设我们不知道商店将税收成本转嫁给顾客的确切规则，但我们确实知道税收转嫁程度的一个范围（最小值和最大值）。

为了找出最坏和最好的结果，他们使用了一个巧妙的技巧，称为**“浴缸原理”**。

想象咖啡的需求是一个浴缸，左边（高需求）较深，右边（低需求）较浅。
你有一定量的“水”（税收总变化量）要倒入这个浴缸。
为了得到对生产者最坏的结果，你首先将所有水倒入浴缸最深的部分（即需求最高的地方）。
为了得到最好的结果，你首先将其倒入最浅的部分。
结果：数学表明，极端情况总是发生在税收以最大转嫁率或最小转嫁率转嫁时，中间有一个单一的“临界点”进行切换。这从来不是各种转嫁率的混乱混合，而是从一个极端到另一个极端的干净切换。

3. “需求方”之谜（变形者）

在需求方（顾客）方面，作者基于 Kang 和 Vasserman 的先前工作进行了构建。他们说：“我们不知道曲线的形状，但我们知道它遵循某些规则（例如它总是向下倾斜）。”

他们发现，即使数学变得复杂，“最坏”和“最好”的需求曲线也不是奇怪、锯齿状的线条。它们是简单的形状，看起来像楼梯，或者是一条最多切换两次方向的折线。他们称这种形状为**"EATS"**（Endpoints with At most Two Switches，即最多两次切换的端点）。

想象一名徒步者从 A 点走到 B 点。这名徒步者只能以“慢”速或“快”速行走。为了获得最极端的结果，他们只需在慢速和快速之间切换几次，而不是不断改变速度。

4. “市场力量”因素（勒纳指数）

该论文还考虑了商店拥有多少权力。它们是处于激烈的竞争中（就像高速公路上的加油站），还是处于垄断地位（镇上唯一的咖啡店）？

他们使用一个“行为参数”（一个从 0 到 1 的旋钮）来代表这种权力。
数学表明，极端的福利结果总是发生在你将这个旋钮转到最低设置（完全竞争）或最高设置（垄断）时。你无需检查中间设置即可找到界限。

最终配方（“烹饪书”）

该论文为政策制定者总结了一个简单的配方：

拍下你的两张照片（征税前和征税后）。
选择你的范围：确定可能的最小和最大“转嫁率”（有多少税收转嫁给顾客）以及最小和最大的“市场力量”。
运行两个场景：
- 场景 A：假设税收在达到某个价格之前以最大比率转嫁，然后以最小比率转嫁。
- 场景 B：假设税收在达到某个价格之前以最小比率转嫁，然后以最大比率转嫁。
寻找需求曲线：对于每个场景，找到使结果最高或最低的"EATS"需求曲线（即最多切换两次速度的那条曲线）。
计算：将这些代入公式，得出消费者剩余、生产者剩余和无谓损失（效率损失）的尽可能紧密的范围。

为什么这很重要

这篇论文没有说：“如果我们假设需求曲线是一条直线，那么税收成本为 1000 万美元”，而是说：“鉴于我们只知道起点和终点，且税收转嫁率在 X 和 Y 之间，成本必须在 800 万美元到 1200 万美元之间。”

它提供了一个安全网。它告诉政策制定者：“无论市场在中间实际上是如何表现的，真相都不可能超出这些界限。”这使得政策决策更加稳健，因为它们不依赖于关于经济形状的单一、可能错误的猜测。

以下是 Konstantin von Beringe 和 Mark Whitmeyer 的论文《不完全竞争下的稳健福利》的详细技术总结。

1. 问题陈述

本文探讨了在基础供给和需求结构仅部分已知的情况下，对离散（非边际）政策变化（特别是税收变化）进行福利分析所面临的挑战。

差距： 传统的实证福利分析通常依赖强函数形式假设（例如线性或 CES 需求），以在两个观测到的均衡快照 $(p_0, Q_0, \tau_0)$ 和 $(p_1, Q_1, \tau_1)$ 之间进行插值。如果真实的函数形式不同，这些假设可能导致误导性的结论。
目标： 在不假设供给或需求具有特定参数形式的情况下，推导消费者剩余（CS）、生产者剩余（PS）、总剩余（TS）和无谓损失（DWL）的尖锐且稳健的界限。相反，作者依赖：
1. 需求侧的形状限制（例如，弹性或斜率的界限）。
2. 供给侧的可行区间，用于转嫁率（ $\rho$ ）和行为参数（ $\kappa$ ，代表市场势力）。

2. 方法论与框架

作者通过整合供给侧分析，扩展了 Kang 和 Vasserman (2025) (KV) 的稳健需求侧框架。该方法论通过三个主要分析步骤进行：

A. 模型设定与分解

数据： 特定税收变化 $\Delta \tau > 0$ 前后的两个快照，导致价格变化 $\Delta p > 0$ 和数量变化 $\Delta Q < 0$ 。
假设：
- 需求： 逆需求函数 $P(Q)$ 严格递减。
- 供给（转嫁）： 均衡价格曲线 $p(\tau)$ 是绝对连续的，转嫁率 $\rho(\tau) = dp/d\tau$ 被限制在 $[\rho_L, \rho_U]$ 范围内。这定义了逆转嫁 $u(p) = d\tau/dp \in [\alpha, \beta]$ 的区间，其中 $\alpha = 1/\rho_U$ 且 $\beta = 1/\rho_L$ 。
- 供给（行为）： 市场结构由 Bresnahan (1982) 的行为恒等式捕捉：
  $p - \tau - MC(Q) = \kappa(Q)[-P'(Q)Q]$
  其中 $\kappa(Q) \in [\kappa_L, \kappa_U]$ 。这涵盖了完全竞争（ $\kappa=0$ ）、古诺竞争（ $\kappa \approx 1/n$ ）和垄断（ $\kappa=1$ ）。
关键分解： 生产者剩余的变化（ $\Delta PS$ $Δ P S$ ）被分解为三项：
1. 来自消费者的转移： $-\int Q(p) dp$ （即 $\Delta CS$ ）。
2. 税收负担： $-\int Q(p)u(p) dp$ （“逆转嫁项”）。
3. 加价/行为效应： $-\int \kappa(Q)Q(p) dp$ 。

B. 供给侧优化（“浴缸”原理）

作者将项 $\int Q(p)u(p) dp$ 隔离为对未知转嫁曲线 $u(p)$ 的唯一依赖。

约束： $u(p)$ 必须满足 $\alpha \le u(p) \le \beta$ 且 $\int u(p) dp = \Delta \tau$ 。
优化： 由于需求 $Q(p)$ $Q (p)$ 是递减的，作者应用了Hardy-Littlewood 重排论证。
- 为了最大化积分（对生产者而言的最坏情况），高值 $u$ （ $\beta$ ）应放置在 $Q(p)$ 最大的地方（低价格）。
- 为了最小化积分，高值 $u$ 应放置在 $Q(p)$ 最小的地方（高价格）。
结果： 极值逆转嫁函数是**“BATS”**（边界值阈值切换）。它们仅取端点值 $\alpha$ $α$ 和 $\beta$ $β$ ，由单一价格截断点 $p^*$ $p^{*}$ 分隔。
- $\beta$ -BATS：当 $p < p^*$ 时 $u(p) = \beta$ ，随后为 $\alpha$ 。
- $\alpha$ -BATS：当 $p < p^*$ 时 $u(p) = \alpha$ ，随后为 $\beta$ 。

C. 需求侧优化

在固定供给侧极值后，问题简化为在形状限制（例如弹性界限）下寻找极值需求曲线 $Q(p)$ 。

加权积分： 福利目标变为需求曲线的加权积分： $\int \phi(s) A^{-1}(G(s)) ds$ ，其中 $\phi$ 是诱导的权重函数。
情况 1：单号权重： 如果 $\phi$ 不改变符号，极值曲线是标准的 KV 曲线（逐点最大/最小）。
情况 2：单次交叉权重： 如果 $\phi$ $ϕ$ 恰好改变一次符号，作者引入了一类新的极值曲线，称为EATS（“端点取值，最多两次切换”）。
- 这些曲线的导数在形状限制的上下界之间最多切换两次。
- 最优曲线是通过在权重为正的区间“拼接”最高可行曲线，在权重为负的区间拼接最低可行曲线构建而成的，它们在特定的阈值处相遇。

3. 主要贡献

供给与需求稳健性的整合： 与以往仅关注需求不确定性的工作不同，本文提供了一个统一的框架，同时界定了供给（转嫁和行为）和需求（形状）不确定性下的福利界限。
极值供给曲线的表征： 本文证明了最坏情况的供给曲线是由单一价格截断点决定的简单阶跃函数（BATS），而非复杂的函数形式。
引入"EATS"需求曲线： 作者指出，当福利权重改变符号（在不完全竞争中很常见）时，极值需求曲线不是标准的 KV 曲线，而是具有最多两次斜率切换的"EATS"曲线。
市场势力的透明作用： 该框架明确将勒纳指数（ $L = \kappa / |\eta|$ ）与福利界限联系起来。它表明，较低的福利界限对应于较高的行为（更多的市场势力）与特定的转嫁曲线的结合，反之亦然。

4. 主要结果

本文建立了一个计算尖锐福利界限的**“操作指南”**：

定理 5.1： 全局福利界限由具有以下结构的候选者实现：
1. 逆转嫁（ $u$ ）： 采取 BATS 形式（ $\alpha$ -BATS 或 $\beta$ -BATS）。
2. 行为（ $\kappa$ ）： 取端点值（ $\kappa_L$ 或 $\kappa_U$ ）。
3. 需求（ $Q$ ）： 对应于变换后的导数 $f$ 为EATS函数（在界限之间最多切换两次）的曲线。
福利界限公式：
- 生产者剩余（PS）： 由 BATS 曲线和行为端点的组合界定。具体而言，下界使用行为的上限（ $\kappa_U$ ）和使生产者税收负担最大化的转嫁曲线。
- 无谓损失（DWL）： 由极值税收负担项与行为项之和减去固定的税收收入界定。
- 计算可行性： 问题简化为对 EATS 曲线的“切换点”（权重符号变化处的变换需求值）进行一维优化。

5. 意义与启示

政策相关性： 本文为监管者和政策制定者提供了一种严格的方法，用于评估福利结论的稳健性（例如，“这项税收是否有益？”），而无需依赖任意的函数形式假设。它量化了结论在多大程度上取决于市场势力的程度和供给弹性。
实证应用： “操作指南”方法允许研究人员输入观测数据和可信的转嫁及行为区间（源自外部矩或行业研究），从而生成对 CS、PS 和 DWL 的紧密且可辩护的界限。
理论进展： 它弥合了部分识别文献（Manski）与结构福利分析之间的差距，证明了即使存在显著的不确定性，福利对象也可以由简单的规范函数（BATS 和 EATS）进行界定。
市场势力洞察： 结果阐明，市场势力对福利界限的影响并非以简单的方式单调变化；它与转嫁曲线相互作用。例如，高市场势力结合低转嫁率可能产生与高市场势力结合高转嫁率不同的福利结果。

总之，von Beringe 和 Whitmeyer 为不完全竞争市场中的福利分析提供了一个数学上严谨且实际可用的工具包，用可验证的经济行为区间限制取代了不可检验的函数形式假设。