📈 economics

Affirmative Action in India with Hierarchical Reservations

该论文针对印度复杂的垂直与水平保留制度，提出了层级选择规则并证明其能选出最具资格的申请者，进而论证了结合该规则的广义延迟接受机制是唯一能消除正当嫉妒、满足稳定性且策略免疫的分配机制。

原作者： Orhan Aygün, Bertan Turhan

发布于 2026-02-19

📖 1 分钟阅读☕ 轻松阅读

原作者： Orhan Aygün, Bertan Turhan

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

这篇论文探讨的是印度一个非常复杂且独特的“公平分配”系统。为了让你轻松理解，我们可以把印度政府的工作岗位和大学学位想象成一场盛大的“超级选秀大会”。

在这个大会上，有几千个申请人（学生或求职者）想要争夺有限的席位。为了照顾弱势群体，政府制定了复杂的规则。这篇论文就是为了解决这些规则中出现的“死结”，并设计出一个既公平又高效的“选秀算法”。

以下是用通俗语言和比喻对这篇论文的解读：

1. 背景：一场带有“特殊通道”的选秀

想象一下，学校要招 100 个学生。

垂直保留（Vertical Reservations）： 就像学校把 100 个名额分成了几个大篮子。
- 15 个给“表列种姓”（SC）。
- 7.5 个给“表列部落”（ST）。
- 27 个给“其他落后阶级”（OBC）。
- 10 个给“经济弱势群体”（EWS）。
- 剩下的 40.5 个是“公开名额”（Open），谁都能报。
- 关键点： 如果一个 SC 的学生成绩特别好，考进了“公开名额”，他的那个名额不会从 SC 的篮子里扣掉。这叫“额外保留”，意味着 SC 学生可以“双保险”：要么进 SC 篮子，要么凭实力进公开篮子。
水平保留（Horizontal Reservations）： 这是为了照顾其他特定群体，比如残障人士。
- 规则要求：在每一个大篮子（SC、ST、OBC、公开）里，都要切出一小块蛋糕给残障人士。
- 难点来了： 一个申请人可能同时属于多个类别。比如，一个人既是"SC 种姓”，又是“残障人士”，还是“经济困难”。
- 问题： 如果这个人被录取了，他是只算作“残障人士”名额，还是同时算作"SC"和“残障”两个名额？
- 论文的做法（一对多）： 论文采用了一种“一对多”的计数方式。如果这个人被录取了，他同时占用了"SC"名额和“残障”名额。这就像一个人拿着两张优惠券，同时核销了两个账户的额度。

2. 核心挑战：当规则像“俄罗斯套娃”一样嵌套

如果残障人士的类别之间没有逻辑关系（比如“盲人”和“聋人”互不相关），这种“一对多”的计数会导致系统崩溃，找不到一个稳定的分配方案（就像试图把两个互斥的磁铁强行吸在一起）。

但是，印度的法律（如《残疾人权利法案》）规定，这些类别是**层级化（Hierarchical）**的。

比喻： 想象一个俄罗斯套娃。
- 最大的套娃是“所有残障人士”。
- 里面套着“视力障碍者”。
- 再里面套着“盲人”。
- 或者：里面套着“听力障碍者”。
- 这种结构叫“嵌套”或“层级”。如果你属于“盲人”，那你自动属于“视力障碍者”，也属于“所有残障人士”。

论文的贡献： 作者发现，只要这些类别是这种“套娃”式的层级结构，就可以设计出一个完美的算法，既照顾了弱势群体，又不会让系统乱套。

3. 解决方案：聪明的“分层挑选”算法

作者设计了一个叫**“层级选择规则”（Hierarchical Choice Rule）**的算法。

怎么运作？
想象你在挑选水果。
1. 第一层： 先挑那些属于“最底层、最具体”类别的人（比如“盲人”）。如果名额够，直接选；如果人多，按分数（成绩）挑最好的。
2. 第二层： 挑完“盲人”后，剩下的名额留给“视力障碍者”（但不包括已经被选走的“盲人”）。同样按分数挑。
3. 第三层： 最后挑剩下的“所有残障人士”名额。
4. 最后： 如果还有空位，就按分数从高到低，谁分高谁上，不管类别。
为什么这个算法好？
- 最优秀原则（Merit-Undominated）： 它保证了在满足所有法律规定的“照顾弱势群体”的前提下，录取的人选是分数最高的那一批。没有因为照顾谁而故意把高分的人刷掉。
- 公平性： 如果一个高分的人没被录取，那一定是因为录取了的人要么分数更高，要么拥有他/她所没有的“特殊保护资格”（比如也是残障人士）。

4. 最终机制：稳定的“延迟接受”系统

有了这个聪明的挑选规则，作者把它放进一个经典的“延迟接受机制”（Deferred Acceptance，简称 DA）中。

比喻： 就像相亲。
- 申请人按自己的喜好向学校“求婚”（申请）。
- 学校手里拿着这个“层级选择规则”的清单。
- 学校会暂时保留（Hold）一些申请人，但不会立刻发录取通知书，而是看看有没有更好的或者符合特殊规则的人出现。
- 这个过程一直循环，直到没人再想换学校为止。
结果：
1. 稳定（Stable）： 没有人会后悔。被录取的人不会想换学校，没被录取的人也不会觉得“如果我去那所学校，学校肯定会要我”。
2. 防作弊（Strategy-proof）： 申请人不需要耍心眼。比如，不需要假装自己不是残障人士，或者故意把喜欢的学校排在后面。只要你诚实申报，系统就会给你最好的结果。
3. 消除“正当嫉妒”（Eliminates Justified Envy）： 如果一个高分的人被拒了，而低分的人被录了，那一定是因为低分的人有特殊的“保护伞”（比如残障身份），这是法律允许的，所以高分者不能“嫉妒”。

5. 扩展：关于 OBC（其他落后阶级）的特殊情况

论文还讨论了一个特殊情况：OBC 的名额如果没招满，能不能转给“公开名额”？

硬保留 vs. 软保留： SC 和 ST 是“硬”的，没招满就空着。但 OBC 在某些情况下是“软”的，没招满可以转给公开名额。
论文的做法： 设计了一个“向前转移”机制。先按规则填满 OBC，如果 OBC 没填满，剩下的名额自动变成“公开名额”，让所有高分的人来竞争。
结论： 即使加上这个复杂的转移规则，之前的“稳定、防作弊、公平”的好结果依然成立。

总结

这篇论文就像是为印度这个世界上最复杂的“公平分配”系统，编写了一套完美的操作手册。

它告诉我们：

只要把那些复杂的“残障人士”类别理清楚（像俄罗斯套娃一样分层），就能避免系统崩溃。
通过一种**“先照顾最具体的弱势群体，再按分数通吃”**的聪明算法，可以在不牺牲“择优录取”原则的前提下，完美执行法律规定的照顾政策。
这套系统让申请人可以诚实地申报，不用担心被系统“坑”了，同时也保证了录取结果的公平和稳定。

简单来说，这就是一套让“照顾弱者”和“奖励强者”能够和谐共存，且不会引发混乱的数学魔法。

论文技术总结：带有层级预留的印度平权行动

1. 研究背景与问题定义

背景：
印度实施了世界上最复杂的平权行动（Affirmative Action）计划，用于分配政府职位和大学席位。该计划通过**垂直预留（Vertical Reservations）和水平预留（Horizontal Reservations）**的混合机制运行。

垂直预留： 针对特定社会群体（如表列种姓 SC、表列部落 ST、其他落后阶级 OBC、经济弱势群体 EWS）。这些类别是互斥的（一个人只能属于一个垂直类别）。
水平预留： 针对其他边缘化群体（如残疾人 PwD）。一个人可以同时属于多个水平类别（例如，既是 SC 又是残疾人）。
司法裁决与模糊性： 印度最高法院（SCI）的裁决（如 Indra Sawhney 和 Saurav Yadav 案）规定了垂直预留的“超额”性质（over-and-above）以及水平预留必须在每个垂直类别（包括开放类别）中作为最低保障实施。然而，当申请人同时符合多个水平预留类别时，法律并未明确说明该申请人是应被计入所有符合条件的水平类别（one-to-all），还是仅计入其中一个（one-to-one）。

核心问题：
本文关注在**“一对多”（one-to-all）**的水平匹配框架下（即被录取的申请人若符合多个水平类别，则同时计入所有这些类别的配额），如何设计资源分配机制。

挑战： 在一对多框架下，如果申请人具有互补性（complementarities），通常会导致稳定匹配（Stable Matching）不存在。
特定结构： 印度的水平预留（如残疾人预留）通常遵循层级结构（Hierarchical/Nested Structure）（例如：总残疾人配额 4%，其中盲人 1%，听障 1%）。这种嵌套结构为稳定匹配的存在提供了可能。

2. 方法论与模型构建

模型设定：

参与者与机构： 有限集合的申请人 $I$ 和机构 $S$ 。
垂直类别： $V = \{o, SC, ST, OBC, EWS\}$ ，其中 $o$ 为开放类别。
水平类型： $H = \{h_1, ..., h_L\}$ 。
层级结构定义（Definition 1）： 水平预留是层级的，如果对于任意两个重叠的水平类型 $h, h'$ ，其中一个集合包含另一个（ $\rho^{-1}(h) \subset \rho^{-1}(h')$ 或反之）。
偏好： 与以往文献不同，本文允许申请人对**“机构 - 垂直类别”对** $(s, v)$ 进行严格排序，而非仅对机构排序。这捕捉了现实中申请人可能因“预留类别”带来的污名化（stigma）而偏好开放类别而非同一机构的预留类别的现象。
匹配框架： 采用**一对多（One-to-All）**框架，即申请人若符合多个水平类别，其录取会同时消耗这些类别的配额。

核心机制设计：

层级选择规则（Hierarchical Choice Rule, $Ch$）：
- 针对每个垂直类别，设计了一个顺序选择过程。
- 步骤： 首先考虑符合所有水平类型的申请人，然后依次考虑符合 $L-1$ 个、 $L-2$ 个...直到符合 0 个水平类型的申请人。
- 逻辑： 在每一步中，根据层级结构更新剩余配额，并在当前层级中按分数（Merit）选择最高分的申请人。
- 目标： 在满足水平预留约束的前提下，最小化对完全基于 merit（分数）的录取结果的偏离。
聚合选择规则（Aggregate Choice Rule, $\bar{Ch}$ ）：
- 将层级选择规则应用于所有垂直类别。
- 顺序： 按照 $Open \to SC \to ST \to OBC \to EWS$ 的优先级顺序处理垂直类别。
- 性质： 该规则满足替代性（Substitutes）、规模单调性（Size Monotonicity）和公平性（Fairness）。
扩展：OBC 的软预留（Soft Reserves）：
- 针对 OBC 类别，如果预留席位未被填满，允许将其转化为开放类别（Forward Transfer）。
- 设计了带有转移机制的聚合选择规则 $Ch^T$ ，确保未填满的 OBC 席位最终由所有剩余申请人竞争。

3. 主要理论结果

定理 1：层级选择规则的唯一性与优越性

结果： 层级选择规则 $Ch$ 是满足水平预留约束的唯一“未被 merit 支配”（merit-undominated）的选择规则。
含义： 在所有满足水平预留约束的规则中，$Ch $录取的申请人集合在分数排序上是最优的（即没有其他规则能录取一组在分数上严格优于$ Ch$ 录取集合的申请人）。

定理 2：聚合选择规则的公平性

结果： 聚合选择规则 $\bar{Ch}$ 是**公平（Fair）**的。
定义： 如果一个申请人未被录取，那么所有被录取的人要么分数更高，要么拥有该申请人所缺乏的垂直或水平预留资格。
意义： 这确保了在满足法律约束的同时， merit 原则得到了最大程度的尊重。

定理 3：广义延迟接受机制（Generalized DA）的性质

机制： 将广义延迟接受机制（Cumulative Offer Mechanism, COM）与聚合选择规则 $\bar{Ch}$ 结合。
结果： 该机制是：
1. 稳定的（Stable）： 满足个体理性、机构选择规则一致性且无阻塞对。
2. 策略免疫的（Strategy-proof）： 申请人没有动机谎报偏好。
3. 消除正当嫉妒（Eliminates Justified Envy）： 如果一个申请人嫉妒另一个人的录取结果，那么被嫉妒者要么分数更高，要么拥有前者所缺乏的合法预留资格。
唯一性： 这是满足上述所有性质的唯一机制。

定理 4 & 5：软预留扩展（OBC De-reservations）

结果： 引入 OBC 未填满席位转开放类别的机制（ $Ch^T$ ）后，聚合选择规则依然保持公平性。
机制性质： 相应的广义 DA 机制（ $\Phi^{hT}$ ）依然是稳定的、策略免疫的，并消除正当嫉妒。

4. 关键贡献与创新点

解决“一对多”匹配下的稳定性难题：
以往文献（如 Sönmez & Yenmez, 2022）多采用“一对一”匹配（申请人只计入一个水平类别）以避免互补性导致的稳定性缺失。本文证明了在层级结构下，即使采用更复杂的“一对多”匹配（符合印度实际法律解释），依然可以设计出稳定且公平的机制。
更丰富的偏好域（Preference Domain）：
不同于以往假设申请人对同一机构的开放席位和预留席位无差异，本文允许申请人对 $(机构，垂直类别)$ 进行排序。这更真实地反映了申请人的策略行为（例如，为了获得更好的学校而放弃预留资格，或反之）。
层级选择规则的公理化：
首次形式化定义了层级选择规则，并证明了其在 merit 支配意义上的最优性。这为处理嵌套约束（Nested Constraints）提供了通用的理论工具。
统一框架：
将垂直预留、水平预留（层级结构）以及软预留（OBC 转开放）整合在一个统一的机制设计框架内，并证明了广义 DA 机制在此框架下的优良性质。

5. 意义与影响

政策指导： 为印度最高法院和政府在实施复杂的平权行动政策时提供了明确的机制设计依据，特别是解决了“多重水平资格如何计数”的法律模糊性问题。
理论扩展： 证明了层级约束结构是保证稳定匹配存在的关键条件（呼应 Kamada & Kojima, 2018 的研究），并将这一理论应用扩展到了包含垂直和水平双重约束的复杂场景。
全球适用性： 该模型不仅适用于印度，也适用于巴西（Quota Law）、美国（大学招生中的种族/社会经济地位分层）以及其他具有多层级多样性约束的资源分配问题（如公共住房分配）。

6. 结论

本文通过引入层级选择规则，成功解决了印度平权行动中垂直与水平预留交织带来的复杂匹配问题。研究证明了在层级结构下，存在一种唯一的机制（广义延迟接受机制），能够同时实现稳定性、策略免疫性、消除正当嫉妒以及最大化录取者的整体 merit。这一成果不仅填补了市场设计理论在复杂多样性约束下的空白，也为现实中的公平分配政策提供了坚实的理论支撑。