MARC

 008260126s2025        us                              c    eng  d
■001000017357492
■00520260202103520
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798315798361
■035    ▼a(MiAaPQ)AAI32038566
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a658
■1001  ▼aLiu,  Yijun.▼0(orcid)0009-0001-6981-7508
■24510▼aEssays  on  Mechanism  Design
■260    ▼a[Sl]▼bNorthwestern  University▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a175  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-12,  Section:  A.
■500    ▼aAdvisor:  Ely,  Jeffrey;Pavan,  Alessandro.
■5021  ▼aThesis  (Ph.D.)--Northwestern  University,  2025.
■520    ▼aThis  dissertation  comprises  three  essays  on  mechanism  design.  The  first  essay  investigates  a  dynamic  mechanism  design  problem  in  which  the  agent  possesses  evolving  private  information  and  is  subject  to  limited  liability.  The  second  essay  examines  a  dynamic  delegation  problem  in  which  a  principal  allocates  resources  to  a  biased  agent  over  two  periods  and  receives  an  interim  signal  about  the  agent's  type.  The  third  essay  analyzes  an  optimal  market  segmentation  problem  under  a  monotone  partition  constraint.  This  framework  is  applied  to  university  grading  and  offers  a  potential  explanation  for  the  phenomenon  of  GPA  inflation.Chapter  1  studies  a  dynamic  screening  model  where  a  principal  hires  an  agent  with  limited  liability.  The  agent's  private  cost  of  working  is  an  i.i.d.  draw  from  a  continuous  distribution.  His  working  status  is  publicly  observable.  The  limited  liability  constraint  requires  that  payments  remain  nonnegative  at  all  times.  In  this  setting,  despite  costs  being  i.i.d.  and  the  payoffs  being  additively  separable  across  periods,  the  optimal  mechanism  does  not  treat  each  period  independently.  Instead,  it  features  backloading  payments  and  requires  the  agent  to  work  in  consecutive  periods,  which  provides  an  explanation  for  many  real-world  practices  of  offering  rewards  based  on  the  number  of  consecutive  actions,  such  as  consecutive  rides,  purchases,  or  logins  in  ride-sharing,  retail,  and  gaming  industries.  Specifically,  I  characterize  conditions  under  which  the  optimal  mechanism  either  grants  the  agent  flexibility  to  start  working  in  any  period  or  restricts  the  starting  period  to  the  first.  In  either  case,  once  the  agent  begins  working,  he  is  incentivized  to  work  consecutively  until  the  end.In  Chapter  2,  there  is  a  principal  who  allocates  resources  to  an  agent  with  a  project  of  privately  known  quality.  The  principal  aims  at  allocating  resources  to  match  the  project's  quality,  while  the  agent  always  prefers  a  higher  allocation.  In  the  presence  of  a  midterm  review,  Chapter  2  characterizes  the  principal's  optimal  resource  allocation  strategy  over  two  periods  (before  and  after  the  review).  Given  the  time  lag  between  the  midterm  review  and  the  initial  decision-making,  the  principal  should  leverage  the  midterm  review  information  to  inform  the  first-period  allocation.  Specifically,  the  optimal  first-period  allocation  aligns  with  the  project's  reported  quality,  with  higher-quality  projects  receiving  more  resources.  In  the  second  period,  the  principal  adjusts  the  allocation  to  reward  or  penalize  the  agent  based  on  the  midterm  review-being  more  lenient  toward  lower  types  and  stricter  with  higher  types.  This  strategy  incentives  the  agent  to  report  truthfully  in  the  first  period  and  maximizes  the  principal's  expected  payoff.  The  benefits  of  this  levering-information  strategy  are  robust  across  a  wide  class  of  loss  functions.Based  on  [13],  Chapter  3  studies  optimal  market  segmentation  under  the  constraint  that  only  monotone  partitions  of  the  type  space  are  allowed.  Specifically,  consider  a  setting  in  which  a  university  observes  students'  private  types  and  designs  a  grading  rule  to  disclose  information  to  employers.  For  fairness,  the  grading  rule  must  be  a  monotone  partition,  meaning  higher  types  receive  higher  grades.  When  the  university's  objective  is  a  weighted  sum  of  students'  and  employer's  surplus,  Chapter  3  finds  that  the  optimal  grading  rule  either  fully  reveals  all  type  information  or  features  coarser  partitions  for  higher  types  and  finer  partitions  for  lower  types.  The  latter  structure  is  optimal  when  the  university  places  more  weight  on  students'  surplus,  providing  a  theoretical  explanation  for  the  GPA  inflation  observed  in  practice.
■590    ▼aSchool  code:  0163.
■650  4▼aFinance
■653    ▼aContract  theory
■653    ▼aDynamic  delegation
■653    ▼aDynamic  mechanism  design
■653    ▼aInformation  economics
■653    ▼aMechanism  design
■690    ▼a0501
■690    ▼a0511
■690    ▼a0508
■71020▼aNorthwestern  University▼bEconomics.
■7730  ▼tDissertations  Abstracts  International▼g86-12A.
■790    ▼a0163
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17357492▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서