受限型空間對激勵相容機制設計的影響？
當我們為拍賣設計 IC 機制時，我們通常假設每個代理 $ i $ 的類型 $ \theta_i $ 是從它的類型空間中提取的 $ \Theta_i $ ，其中包含所有可能的類型 $ i $ . 例如，在單件拍賣中，我們可以假設 $ \theta_i \in \mathcal{R}^+ $ ， IE， $ \Theta_i = \mathcal{R}^+ $ .
在某些情況下，拍賣師可以通過某種方式獲取關於類型空間的先驗資訊。例如，拍賣師可能會確認 $ \theta_i \le M $ 在設計任何機制之前。也就是每個agent可以支付的最高金額不超過 $ M $ . 拍賣師可能會從數據市場中的一些統計查詢中獲得資訊，如果我們必須解釋她是如何獲得的。然後我們可以有效地假設 $ \Theta_i $ 是 $ [0, M] $ 代替 $ \mathcal{R}^+ $ . 假設某個代理人只能通過誤報某些事情來使自己受益 $ \theta_i^{\prime} > M $ . 那麼我們就不用擔心真實性了，因為現在 $ \Theta_i = [0, M] $ . 請注意，代理不會報告高於 $ M $ 因為他們被告知拍賣師可以訪問統計數據（此處不考慮隱私問題）。
上面的例子可能沒有很好地構造，但是我正在考慮類似的設置，其中對代理類型空間的一些限制可能會使真實機制更容易獲得，甚至使非真實機制變得真實。我沒有找到任何關於這個主題的文獻。如果有人可以就在哪裡尋找此類研究以及這是否有效作為研究點提供指導，我將不勝感激。
類型空間是關於類型的信念的支持。允許機制設計者任意限制他們的信仰支持似乎有點奇怪。然而，你是對的：如果設計者可以通過獲取資訊來了解更多關於私有類型的資訊，這將直覺地讓他們減少資訊租金，因為它使類型“不那麼私有”。當然，最好完全公開類型，這樣就不必提供啟示的動機，並且可以完全提取剩餘。在您建構的範例中，排除非常高的類型可能沒有幫助 $ >M $ 因為通常在更接近真實類型的地方發現更有利可圖的偏差。這當然取決於手頭的問題。
我看不清楚你想用這個去哪裡。因此，讓我以類似的精神提出其他建議：有證據的機制設計。在這裡，代理可以通過提供他們的真實類型屬於類型空間的某個子集的證據來使他們的私人資訊變得困難。例如，參見 Ben-Porath、Dekel 和 Lipman（AER 2014、Ecta 2019等）、Bull 和 Watson（GEB 2007）、Hagenbach、Koessler 和 Perez-Richet（Ecta 2014）等人的工作。