The Economics of Partisan Gerrymandering

党派性选区重划（gerrymandering）是美国政治中的核心制度议题——执政党通过重新划分选区边界来最大化其预期席位份额。本文在同时存在总量不确定性（全州层面的选票波动）和个体异质性不确定性（选民层面的投票偏好差异）的框架下，系统刻画了最优选区划分策略。核心发现为「分离-配对」原则（segregate-pair districting）：最优计划总是将较弱选区分配给单一选民类型（类似于传统pack-and-crack中的"打包"选区），而较强选区则包含两种选民类型（类似于"分割"选区）。当个体异质性不确定性占主导时——利用2016-2020年美国众议院选区级选举数据的实证分析表明这是实际情况——对于拥有多数选民支持的政党，最优策略近似于负向选型配对（NAD, 将极左极右选民配对）；对于少数支持政党，则近似于分离反对者并配对自己支持者（SOP），这在实践中等价于传统的pack-and-crack策略。当总量不确定性占主导时，最优策略为配对极端选民并分离温和派。本文方法论上的核心贡献在于建立了选区划分与信息设计之间的形式化对应关系——将选民分配至选区等价于将世界状态分配至信号。这一对应不仅使本文得以利用贝叶斯劝说（Bayesian persuasion）文献的最新分析工具，也为选区重划研究开辟了新的分析路径。研究结论对选区重划改革（如独立选区划分委员会的设计）、政治极化（区内vs区间极化）以及选区重划的司法检测均具有直接的政策意义。

关键词: Gerrymandering、选区重划、pack-and-crack、信息设计、政治极化