1704420457
1704420458
不过，在这里我们将把e的差异解释为学生在学校里表现的差异，而不是学生接受学校教育时间的差异，从而绕过上面的动态问题。据此，1—4的博弈就可以运用于一组高中毕业生（即接受整整12年教育的工人），或一组大学毕业生或MBA。在这种解释下，e衡量所学课程的门数及种类、在固定的教育期内取得的学分质量和赢得的荣誉等。学费支出（如果有的话）从而和e不再相关，于是成本函数c（η，e）量度非货币的（或精神的）成本：在给定的学校中，能力较低的学生发现要取得好成绩更加困难，同时在一所更具竞争力的学校中要得到相同的分数也更加困难。用教育以此种方法作为一个信号也可以说明下面的事实：企业雇佣给定学校中最好的毕业生和最好学校的毕业生，并支付他们更高的工资。
1704420459
1704420460
斯彭斯的模型中最关键的假定是较低能力的工人发出同样的信号要比较高能力工人花费的成本高，更为精确地，较低能力工人受教育的边际成本要高于较高能力工人：对所有e
1704420461
1704420462
ce（L，e）＞ce（H，e），
1704420463
1704420464
其中ce（η，e）表示能力为η、教育水平为e的工人进一步教育的边际成本。为解释这一假定，考虑一个教育水平为e1的工人，其工资水平为w1，如图4.2.3所示，并计算这一工人的教育水平要从e1提高到e2需要相应提高多少工资才能够得到补偿。答案决定于工人的能力：低能力的工人发现要取得更高的教育较为困难，于是就需要工资增加得更高些（增加到wL，而不是只增加到wH），才足以补偿他的努力。这一假定用图形表示就是低能力工人的无差异曲线较高能力工人更为陡峭——比较图中的IL和IH。
1704420465
1704420466
1704420467
1704420468
1704420469
图4.2.3
1704420470
1704420471
斯彭斯同时还假定企业之间的竞争可使期望利润趋于0。在我们的模型中建立这一假定的方法之一，是把第（3）阶段的两个企业用市场这一单一参与者代替，它给出单一的工资要约w、并得到收益-[y（η，e）-w]2（通过这种转换可使模型属于前一节定义的单一接收者信号博弈）。为最大化其期望收益，根据信号要求2R的要求，对给定的市场在观测到e之后关于工人能力的推断，市场的工资要约将等于教育水平为e的工人的期望产出：
1704420472
1704420473
w（e）=μ（H|e）·y（H，e）+[1-μ（H|e）]·y（L，e）， （4.2.1）
1704420474
1704420475
其中μ（H|e）表示市场断定的工人能力高的概率。在阶段（3），直接分析有两个企业相互竞争性地开出工资要约，也会得到相同的结果，而不需要借助于称之为市场的虚拟参与者。不过，为保证企业将永远开出等于工人期望产出的工资，我们还需要加上另一假定：观测到教育选择e之后，两企业持有关于工人能力的推断是相同的，我们仍用μ（H|e）表示。由于信号要求3决定了在观测到处于均衡路径之上的e后，两企业必须持有的推断，我们的假定事实上就是要求在观测到不处于均衡路径上的e被选择后，两企业所持有的推断仍然相同。在这一假定下，可以进而得到在任何精炼贝叶斯均衡中，两企业给出的工资要约都为（4.2.1）中的w（e），正像第1.2.B节的贝特兰德模型，两企业的报价都等于产出的边际成本。从而，在本节的两接收者模型中（4.2.1）就可以替代相互要求2R。
1704420476
1704420477
作为分析这一信号博弈的精炼贝叶斯均衡的准备，我们首先考虑和它对应的完全信息博弈。也就是说，我们暂时假定工人的能力在所有参与者之间是共同知识，而不只是工人的私人信息。在这种情况下，阶段（3）两企业之间的竞争意味着能力为η、教育水平为e的工人可得到工资w（e）=y（η，e），从而能力为η的工人选择满足下式的e：
1704420478
1704420479
1704420480
1704420481
1704420482
用e*（η）表示最优解，如图4.2.4所示，并令w*（η）=y[η，e*（η）]。
1704420483
1704420484
1704420485
1704420486
1704420487
图4.2.4
1704420488
1704420489
现在，我们（永远地）回到工人的能力是私人信息的假定。这提供了一种可能性，即低能力的工人冒充为高能力的工人，从而可能会发生两种情况。图4.2.5表示的情况为，对低能力工人来讲要得到教育水平e*（H）所花费的成本过高，即使可骗取企业相信该工人是高能力的并可得到工资w*（H），也不足以补偿。也就是说，在图4.2.5中，w*（L）-c[L，e*（L）]＞w*（H）-c[L，e*（H）]。
1704420490
1704420491
1704420492
1704420493
1704420494
图4.2.5
1704420495
1704420496
图4.2.6则表示了相反的情况，我们可以把这种情况理解为低能力的工人嫉妒高能力工人在完全信息条件下的工资和教育水平——也就是说，w*（L）-c[L，e*（L）]＜w*（H）-c[L，e*（H）]。后一种情况即更加现实，而且（正如我们将看到的）更加有趣。在工人的能力不限于两个值的模型中，前一种情况只有当每一可能的能力值都和其相邻的可能值有足够差异时才可能发生。例如，如果能力是一个连续变量，则就适用于后一种情况。
1704420497
1704420498
1704420499
1704420500
1704420501
图4.2.6
1704420502
1704420503
和前一节描述的相同，这一模型可以存在3类精炼贝叶斯均衡：混同、分离以及杂合，每一类均衡的存在都十分广泛，我们只集中讨论几个例子。在两种类型的工人都选择单一的教育水平ep的混同均衡中，根据信号要求3，企业在观测到ep之后的推断必须等于其先验推断，μ（H|ep）=q，这又意味着在观测到ep之后给出的工资要约必须为
1704420504
1704420505
wp=q·y（H，ep）+（1-q）·y（L，ep）. （4.2.2）
1704420506