质量信息披露与监管：Medicare Advantage 中的评分设计

质量评分在医疗、食品、教育等领域被广泛用于缓解信息不对称，但传统观点认为"信息越多越好"在评分存在均衡效应时不再成立——评分影响消费者对质量的需求，进而影响企业在质量上的投资供给，评分设计必须在信息效率与质量监管之间取得平衡。本文以美国联邦医疗保险优势计划（Medicare Advantage, MA）的"星级评分"（Star Rating）系统为实证场景，构建并估计了包含质量投资、保费定价和参保选择的结构模型，然后提出了一种新颖的最优评分设计方法论。论文首先记录了三个核心事实：消费者对星级评分有递增偏好（新参保者选择 5 星计划的可能性比 2 星计划高 18%）、消费者偏好与评分映射规则变化相关、保险公司会迅速且按比例地响应评分设计变化调整质量投资。模型捕捉了四个关键摩擦：消费者无法区分配备高评分产品的具体质量组合（within-score friction）；除非评分加权方式恰好与消费者偏好一致，否则消费者无法判断更高评分的产品是否真正提供更高的综合质量（across-score friction）；企业拥有定价和质量双重市场势力，导致斯宾塞式（Spence）质量投资扭曲；企业需在多个质量维度间分配投资但忽视消费者的维度偏好权重。核心发现包括：(1) 质量供给效率低下——平均合同质量边际改善的消费者剩余是生产成本的 $17–84 百万倍；(2) 信息摩擦使消费者剩余减少约 4 个月保费，其中 94.5% 的损失源于"跨评分错误分类"（22.7% 的保险计划从消费者角度看被错误评分）；(3) 市场更竞争和质量在评分中权重更高时，质量供给效率更高。基于模型估计的最优评分设计仅需 4 个评分等级（远少于 Star Rating 的 1-5 半星共 9 级），底层质量被合并为最低分以减少斯宾塞式扭曲，高层分配更多分级以平衡产品多样性和效率；最优加权方案与消费者偏好对齐以消除跨评分摩擦和多任务道德风险。该设计可提高总福利相当于 3.7 个月保费，且超过一半的增益来自评分对质量的监管效应而非纯粹的信息改善。一个简单的二元质量认证即可捕获该设计 98% 的福利增益——表明粗粒度评分在监管寡头质量供给时可能优于完全信息披露。