This paper studies how topping up—allowing recipients of in-kind transfers to supplement subsidized consumption in a private market—affects optimal redistribution. Consumers can access a competitive private market, while a social planner offers an alternative nonlinear price schedule. We show that the effect of topping up depends on the correlation between redistributive priority and demand. When the correlation is positive, topping up does not affect the optimal mechanism. When the correlation is negative, topping up weakens screening and reduces redistribution. At the extensive margin, topping up reduces the set of environments in which intervention is optimal. At the intensive margin, topping up weakly reduces both the scope of a free public option and the mass of consumers served, and shifts redistribution away from the consumers with the highest redistributive priority. We characterize the optimal mechanisms and show how topping up changes the comparative statics of optimal redistribution with respect to redistributive priorities.
速读内容
扩展边际:何时干预
有 topping up 时,干预的充要条件是最大上尾加权福利与机会成本 𝛼 的对比:若上尾平均福利超过 𝛼,则社会计划可在某些环境中改进 laissez-faire;若所有福利权重相等于 𝛼,则两种参与结构下均不干预 。
无 topping up 时,干预的充要条件是某个类型的福利权重大于 𝛼;top-up 会缩窄干预的环境范围,尤其在福利权重呈负相关时更为明显 。
Intensive Margin: topping up 是否改变最优机制
正相关情形下,扩展分配边界的两种条件等价,因此 topping up 不改变最优机制;最优机制呈现“低阈值自由选项+非线性补贴”的分布结构 。
负相关情形下,topping up 改变了最优机制的形状,且会收窄干预范围、降低供给底线并向较低 redistributive priority 的群体倾斜分配 。
量化/策略要点:机制设计框架与比较静态
使用 generalized virtual valuation、iron-ing 等工具对两种参与结构下的最优分配进行刻画;topping up 的存在使得两者的比较静态在广义上不同,且对福利权重分布的依赖性不同。
topping up 的成本在正相关环境下较低,支持实施;在负相关环境下则显著提升筛选成本,需权衡行政与执法成本 。
思维导图
深度阅读
以下为对论文 Topping Up and Optimal Redistribution(Zi Yang Kang 与 Mitchell Watt,2026 年 6 月)之极为详尽的分析与解读。分析力求不仅概括结论,还对核心论点、数据点、假设、推理路径及图表含义进行逐点剖析,并把文中图表与表格的要点与文本论证联系起来,便于后续引用与溯源。文中涉及的图表在原文中以图片形式呈现,以下分析在对应处给出溯源标注。
元数据与概览
标题与作者:Topping Up and Optimal Redistribution,作者为 Zi Yang Kang 与 Mitchell Watt。文献类型为研究论文/工作论文(Working paper),发布时间为 2026 年 6 月,主题聚焦在“就地物资转移的 topping up(补足/叠加)对最优再分配设计的影响”。
topping up 的含义:若允许 topping up,消费者可以同时通过社会计划者的价格表购买商品并在私营市场以成本 c 补足购买;这意味着社会计划者对单位商品的“有效边际价格”不得超过 c,否则会被市场套利所克制。这一约束对社计划者的可行机制产生额外的约束,尤其在筛选(screening)层面带来挑战。该框架对比“没有 topping up 时”消费者只能在两者之间选择一种购买路径的情形。[page_idx:7-10]。
溯源与要点:
2.1 Setup 片段定义了模型的基础变量与外部市场约束的比较基准,及 topping up 的核心机制约束基础。[page_idx:7:end], [page_idx:8:end], [page_idx:9:end]。
2.2 Social Planner’s Problem 章明确了社会计划者的目标函数(加权总剩余:消费者剩余以 ω 为权重,利润以 α 的权重折现),以及在 topping up 与否两种参与结构下的可行性约束(IC/IR/LS/TU)。这为后续的广义 ironing 与 Lagrangian 推导打下基础。[page_idx:10:end]
Corollary 1:当且仅当存在“upper-tail average welfare weight 与 α 的比较”时,topping up 才改变干预决策。该推论补充说明:若最高福利权重来自最高类型的 ω,因此 upper-tail 的平均值与最大值一致时,topping up 不改变干预决策。此处提供了两种场景的边界条件。
Corollary 3 指出:存在 α_min,使得若 α 落在 (α_min, max ω) 区间,topping up 将改变扩展边界(extensive margin),但在 α 落在 min ω 与 max ω 之间的子区间内,topping up 对扩展边界的影响呈现不同的组合效应;具体地,α_min < α < max ω 时,topping up 可能改变 intensive margin 的结构。
这种情形下,topping up 会削弱对低消费量(低 q)的筛选能力,因为低类型可以通过补足实现被社计划者所 subsidize,但高类型也能模仿低类型的策略,在私营市场补贴后继续消费,从而削弱原本的筛选优势。Corollary 3 将两种参与结构下的机制变化清晰地联系起来,指出在负相关下两者的干预区间与机制结构有本质的差异。
Proposition 3:topping up 会在某些维度上“削弱”再分配水平:它同时降低 no-topping-up 情况下的 multipliers(对 LS 的约束的影子成本)以及降低社计划者在低类型之间的最大覆盖区域,导致更窄的覆盖范围。该结论解释了高类型在有 topping up 时的灵活性如何压缩对低类型的偏好化分配,因而整体再分配水平下降。文本给出直观的“单交叉点”性质(q* 与 q*TU 的单次交叉)。
图 3(Figure 3: Structure of the optimal allocation function under negative correlation characterized by Theorem 4)
描述:图 3 直观呈现负相关情景下的两种机制的对比下的截断结构。左图显示 topping up 情况下的截断与免费公共选项的分布,右图显示 no topping up 情况下的截断与私营市场的界线。该图强调在负相关下 topping up 会削弱低类型的筛选能力,导致两种机制的重叠区间与截断点的移动。
作者明确将 topping up 的行政成本、监控成本等设计成外部性/权衡以避免直接建模,但在现实政府政策设计中,监控、执法成本对是否允许 topping up 的决策具有实质性影响。论文在 Concluding Remarks 中也提及需要把“行政与 enforcement 成本”纳入综合评估以衡量 topping up 的净效益。这一点提醒政策制定者在应用时需结合实际成本结构进行再估值。
本文以静态、单期模型分析为主,未将时间演化、跨期预算约束、动态外部性(如长期学习、技能提升、市场进入/退出的反馈等)纳入。若引入动态性,最优机制的稳定性与比较静态可能改变,需要额外的理论工具与证据支持。该点在 A 辅助证明中被提及,但非核心研究对象。
结论性综合
作者清晰界定了“topping up 的净筛选成本”以及在不同相关性下的影响路径,指出在正相关场景下 topping up 具有零筛选成本,易于实施并强化非现金形式的再分配;在负相关场景下,topping up 会带来明显的筛选成本与再分配水平的下降。该结论为政策成本-收益分析提供了一个非常清晰的理论框架,并提示在考虑 topping up 的设计时需同时权衡行政成本与防篡改/滥用的治理成本。相关要点在 Concluding Remarks 与 Section 6 的总结中得到强调。, ,
结论性综合
全文的核心结论是:topping up 的引入并非对所有情形都是中性或有利的。其对最优再分配的影响是高度情境依赖的,取决于福利权重 ω 的分布及其与需求之间的相关性。正相关时,topping up 对干预的边界与机制的影响最小,甚至不改变最优机制的结构;负相关时,topping up 不仅降低了扩展干预的机会,还削弱了低类型的筛选能力,导致整体再分配水平下降,且对 redistributive priorities 的分布变化表现出不同的响应规律。此外,研究也揭示了两种市场设计路径(有 topping up 与无 topping up)的比较静态性质:两者在扩展边界上由上尾均值与 α 的比较决定,在 intensive margin 上则由整个 ω 的分布决定,且在正相关状态下二者趋于一致,在负相关状态下则呈现显著差异。该研究因此为政策制定者提供了一个在“非线性价格表设计”和“私有市场接入”共同作用下的完整框架,用以权衡设计成本、治理成本与行政成本之间的取舍。
Figure 1:Graphical depictions of the optimal mechanism(正相关与负相关两种区段的机制组合)— 源图路径 /images/4d7ece6ec70e0e072a70ca2aea86f36837a0aa7b0f409201277eddd69e0ac0a8.jpg?page=4,溯源参照 。
Figure 2:Structure of the optimal allocation function under positive correlation(正相关下 θ_L、μ*、是否出现免费公共选项的结构)— 路径 /images/4160e94a67832933c324e5246b354e816689b1cb379f11c21de1c6ea0cf4cfcd.jpg?page=17,溯源 。
Figure 3:Structure of the optimal allocation function under negative correlation(负相关下的上、下截断结构对比)— 路径 /images/9bd7e3821611c37e10f1e15301905f6429c70bd3a7a01991ffebd1fa5e9f1caa.jpg?page=24,溯源 。
Figure 4:Proof sketch of Theorem 1 with topping up(图示补贴对 U 的影响与 TU/LS 的关系)— 路径 /images/87dbb04a81ab243001482ba5cd136c22b2248963ebaffb24d999e9842f27149f.jpg?page=38,溯源 。
Figure 5:Proof of Theorem 1 without topping up(无 topping up 情形的证明直观图)— 路径 /images/9d5db51c6c5198cd849693fa16672a109423959f3a51d1ed61751ce658d90ccc.jpg?page=41,溯源 。