机制设计是经济学的一个分支，研究如何在参与者利益各异、掌握私人信息的情况下，制定资源分配和集体决策的规则。它颠倒了博弈论通常采用的研究视角：不是预测既定规则下的行为，而是探究哪些规则能够通过参与者的策略性行为产生特定结果。其研究对象包括拍卖、合同、公共决策和交易制度，尤其关注信息不对称使设计者无法直接确定适当配置的情形。(nobelprize.org)
历史发展
1960年，列奥尼德·赫维茨将经济制度视为通信系统，为机制设计奠定了重要基础：参与者发送信息，规则则将这些信息转化为配置结果。1972年，他提出激励相容，将其确立为制度设计的核心条件。20世纪70年代，关于显示原理和实施理论的研究拓展了这一框架的分析范围。(nobelprize.org)
埃里克·马斯金发展了实施理论，罗杰·迈尔森则推进了不完全信息下的机制分析及其在拍卖和规制中的应用。赫维茨、马斯金和迈尔森因奠定机制设计理论的基础，共同获得了2007年诺贝尔经济学奖。(nobelprize.org)
基本框架
模型需要明确参与者、可能的结果、信息、偏好以及设计者的目标。每位参与者的私人信息用其类型表示，类型可以描述买方的估值、生产者的成本，或对集体决策的偏好。机制规定参与者可以发送的信息或采取的行动，以及决定结果的规则。在允许货币转移支付的情况下，支付也可以取决于参与者发送的信息。这些规则构成一个博弈，其均衡决定了机制的预期表现。(nobelprize.org)
设计者可能追求有效率的配置、最大的预期收入，或其他明确定义的目标。因此，这一问题类似于数学优化，但受到策略性约束：如果参与者能够通过隐瞒或歪曲信息获益，理想的配置就不一定能够实现。机制还必须满足物理上的可行性；在自愿参与的情况下，还须满足个体理性约束，即参与者应认为参与机制不劣于其外部选择。(nobelprize.org)
激励与均衡
直接机制要求参与者报告自己的类型。如果在给定的行为假设下，如实报告构成均衡，该机制就是激励相容的。占优策略激励相容要求，无论其他人如何报告，如实报告都是最优选择。贝叶斯激励相容则要求，在参与者对他人信息持有特定信念、且他人采取如实报告策略的情况下，如实报告能够使其期望效用最大化。这两种保证在强度及所需的信息假设上有所不同。(theory.stanford.edu)
在贝叶斯框架中，先验分布用于表示参与者类型的不确定性。每位参与者以自己的信息为条件，利用效用的期望值评估策略。贝叶斯纳什均衡由在这些信念下互为最优的策略组成。激励相容并不意味着参与者与设计者具有相同的目标，而是意味着规则使规定的行为符合参与者自身的利益。(theory.stanford.edu)
显示与实施
显示原理指出，在相关假设成立时，任意机制的某个均衡结果，都可以由一个激励相容的直接机制加以复制。直接机制实际上模拟了每种被报告的类型在原有均衡中会采取的行动。这使研究者能够研究如实报告的直接机制，而不必遍历所有可能的通信程序。但这一原理并不能证明所有理想结果都能够实现。(nobelprize.org)
实施理论处理的是更进一步的困难：一个机制可能存在多个均衡，其中包括不理想的均衡。在某个均衡中产生预期结果，比确保所有均衡结果都满足设计目标的要求更弱。这一区别使均衡选择和所采用的均衡概念成为制度分析不可或缺的组成部分。(nobelprize.org)
拍卖与配置
拍卖理论是机制设计的一项重要应用。在单件物品的维克里拍卖中，出价最高者获胜，但支付的是第二高的出价。在私人价值假设下，如果效用等于估值减去支付金额，如实出价就是弱占优策略。将出价提高到自身估值之上，可能导致一笔无利可图的购买；将出价压低，则可能错失一笔有利可图的购买。(theory.stanford.edu)
维克里—克拉克—格罗夫斯机制推广了这一方法。在准线性效用条件下，它选择使报告的总价值最大化的结果，并通过转移支付使个体激励与这一目标保持一致。根据克拉克枢轴支付规则，参与者需要为其存在给他人造成的外部性付费。有效率的配置与收入最大化仍然是不同的目标；有效率的机制未必能使卖方收入最大化。(theory.stanford.edu)
应用与约束
机制设计的应用包括公共物品供给、经济规制、契约理论和社会选择。在规制中，生产成本属于企业的私人信息，这限制了规制者能够提供的合同。在贸易中，即使存在交易收益，私人估值也可能阻碍互利交易的达成。(nobelprize.org)
迈尔森—萨特思韦特定理揭示了双边交易的一项根本局限。在买卖双方的私人估值相互独立、且其分布的支撑集存在重叠等标准假设下，没有任何机制能够同时保证有效率的交易、贝叶斯激励相容、自愿参与和预算平衡。这类结果揭示的是不同目标之间的冲突，而非某种特定程序的缺陷。(nobelprize.org)
算法机制设计还考察配置规则和支付规则能否通过计算高效实现。庞大的结果空间会带来计算复杂性和偏好信息传递方面的问题。用任意近似算法替代精确的配置优化，可能破坏激励保证，因此必须将计算效率与策略性行为结合起来分析。(theory.stanford.edu)