Budgeting Discretion: Theory and Evidence on Street-Level Decision-Making¶

会议: NeurIPS 2026
arXiv: 2602.10039
领域: 社会计算
关键词: 街头官僚决策, 自由裁量权预算, 动态规划, 尺度不变性, 重尾分布

一句话总结¶

本文将街头官僚在既定规则下的自由裁量权形式化为一个受限预算内的有限时域动态决策问题，理论上证明了决策率对福利收益尺度具有尺度不变性且完全由收益分布形状（尾部厚度）决定，并通过圣路易斯无家可归救助系统数据验证了裁量权使用与短期运力空缺及行政时序紧密相关的动态配给机制。

研究背景与动机¶

在社会救助、医疗分诊、儿童福利审查和司法裁决等一线公共服务场景中，一线决策者（即“街头官僚”，street-level bureaucrats）始终处于机械执行统一规则与根据个体复杂现实进行专业裁量之间的两难境地。随着组织日益依赖自动化评分或规则引擎来确保程序一致性与程序正义，集中式算法往往难以捕捉弱势群体的细微现实、本地约束与私有信息。因此，绝大多数真实分配系统都会保留一线人员推翻默认推荐的专业自由裁量权（discretionary overrides）。

然而，这种自由裁量权在现实中绝非无限供给，而是受到下游物理承载能力（如重症监护床位、过渡安置房指标）、上级审计压力与行政审核带宽的刚性约束。个案工作人员既不能将所有申请者都升级至最高强度救助项目，也不能在每次直觉冲突时都随意推翻默认推荐。过往公共行政学模型多将自由裁量简化为个人行政成本与公共服务收益之间的静态权衡，忽视了其核心的跨期摩擦：今天消耗一个推翻默认推荐的宝贵配额，意味着未来面对更紧急或收益更大的极端个案时将失去干预能力。

本文的切入角度是将有限自由裁量权严格建模为带预算约束的在线随机分配问题，从动态规划视角剖析最优裁量权应该如何在时间流中被理性配给。本文的核心 idea 是：将街头决策推翻默认规则的裁量权形式化为在有限时域与有限配额下的动态阈值控制，证明最优干预率对收益的物理尺度完全不变而纯粹由分布的尾部几何形状驱动，揭示出重尾分布迫使决策者保持耐心等待极端离群值、轻尾分布导致频繁日常干预的普适行为定律。

方法详解¶

整体框架¶

本文构建了一个决策者在有限时域 $T$ 内分配有限自由裁量预算 $K$ 的序贯决策框架。每个决策周期 $t$ 接收外生申请个案（在极简两期单配额设定下为到达两户基线福利不同的家庭），系统根据预设默认策略给出推荐分配，决策者则观察推翻该推荐所能获得的潜在增量福利增益 $\Delta_t$。若推翻推荐，则消耗 1 单位裁量预算并兑现该增量收益；若遵循默认，则保留预算至后续阶段。

整体运行机制由状态空间定义、贝尔曼方程动态递推以及基于增益分布尾部特征的阈值裁决三部分构成。输入为当前剩余决策期数 $\tau$、剩余预算配额 $k$ 以及当前周期观测到的增量收益 $\Delta_t$；输出为当前是否执行推翻操作 $d_t^* \in \{0, 1\}$；核心流转由状态价值函数差分诱导出的临界门槛 $\mathcal{T}_{\tau, k}$ 实施截断。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    In["当前申请与默认策略推荐<br/>状态: 剩余时域 τ, 剩余预算 k"] --> Align{"策略一致性检验<br/>是否出现错配?"}
    Align -->|一致 At 概率 p| Keep["默认执行策略<br/>增益 Δ=0, 预算滚存至下一期"]
    Align -->|错配 At^c 概率 1-p| Eval["增量福利增益建模<br/>观测 Δ=(IM - Im)+"]
    Eval --> Thresh["动态临界阈值判定<br/>计算机会成本 T_τ,k = V(τ-1,k) - V(τ-1,k-1)"]
    Thresh -->|Δ < T_τ,k| Conserve["保留裁量预算<br/>权衡跨期期权价值, 暂不干预"]
    Thresh -->|Δ >= T_τ,k| Spend["执行裁量推翻<br/>消耗1个预算配额, 兑现增益Δ"]
    Conserve --> Trans["状态转移更新<br/>进入期数 τ-1, 预算维持 k"]
    Spend --> Trans2["状态转移更新<br/>进入期数 τ-1, 预算扣减 k-1"]

关键设计¶

1. 增量福利增益建模：剥离基线需求并提炼纯粹裁量价值

在社会救助典型场景中，默认算法常遵循脆弱度优先原则（如将紧急避难所 ES 还是过渡性住房 TH 分配给基线福利最差的家庭 $m=\arg\min \{w_i\}$），但一线工作人员更关注干预所能带来的真实福利净增量（即让能实现最大改善的家庭 $M=\arg\max \{I_i\}$ 获益）。设每个家庭 $i$ 的改善潜力为独立同分布随机变量 $I_i \sim \mathcal{I}_\theta$。默认策略福利为 $U^{\mathrm{pol}} = w_m + I_m + w_M$，而全局最优干预福利为 $U^{\mathrm{max}} = w_m + w_M + \max\{I_m, I_M\}$。通过做差，基线福利需求 $w_m, w_M$ 完全被抵消，自由裁量权带来的增量福利增益简化为： $$\Delta = (I_M - I_m)^+$$ 当默认推荐与专业判断一致（$I_m \ge I_M$）时发生对齐（Alignment 事件 $\mathsf{A}_t$，概率为 $p$），$\Delta = 0$；当两者冲突时发生错配（Misalignment 事件 $\mathsf{A}_t^c$，概率为 $1-p$），$\Delta > 0$。这种建模将繁复的社会福利核算提炼为外生冲击下的单边增益抽样，使跨期期权定价成为可能。

2. 动态临界阈值判定：将机会成本转化为状态价值函数差分

在时域 $T$、配额 $K$ 的通用动态规划中，状态由 $(\tau, k)$ 描述（$\tau$ 为剩余周期数，$k$ 为剩余预算）。若当前周期发生错配且增益为 $\Delta$，执行推翻的即时与未来总期望收益为 $\Delta + V(\tau-1, k-1)$，而放弃推翻并遵循默认的总期望收益为 $V(\tau-1, k)$。由此诱导出严格的状态依赖阈值规则： $$d_t^*(\tau, k) = \begin{cases} 1, & \text{若 } \mathsf{A}_t^c \text{ 且 } \Delta(t) \ge \mathcal{T}_{\tau, k} \\ 0, & \text{其他情况} \end{cases}$$ 其中临界阈值 $\mathcal{T}_{\tau, k}$ 恰好等于保留该单位预算进入下一期的边际影子价格： $$\mathcal{T}_{\tau, k} = V(\tau-1, k) - V(\tau-1, k-1)$$ 特别地，在两期单预算（$\tau=2, k=1$）的基准情境下，第二期若有预算剩余则遇错配必推翻（$\mathcal{T}_{1,1}=0$），使得第一期面临的阈值精确退化为单期期望增益：$\mathcal{T}_{2,1} = \mathbb{E}[\Delta] = (1-p)\mathbb{E}[\Delta \mid \mathsf{A}_t^c]$。该阈值直接将推翻概率与未来错配频率 $(1-p)$ 和预期错配严重程度耦合。

3. 尺度不变性与形状依赖定理：揭示由尾部厚度驱动的行为耐心规律

若家庭改善增量属于位置-尺度分布族 $I = a + sX$（其中 $s>0$ 为尺度，$a \in \mathbb{R}$ 为位置，$X \sim \mathcal{D}$ 为基础形状分布），增益差值中位置参数 $a$ 自动抵消，尺度参数 $s$ 线性析出，即 $\Delta = s(X_M - X_m)^+$。基础阈值可完全由基础形状 CDF 表示为： $$c(\mathcal{D}) = \int_0^\infty F_{\mathcal{D}}(x)(1 - F_{\mathcal{D}}(x))\,dx$$ 最优阈值随尺度严格线性缩放 $\mathcal{T}_{2,1} = s \cdot c(\mathcal{D})$。此时，代理人选择不消耗预算的无条件耐心概率 $\psi = \Pr(\Delta_1 \le \mathcal{T}_{2,1}) = F_{\Delta}(\mathcal{T}_{2,1}) = G_{\mathcal{D}}(c(\mathcal{D}))$ 中，分子分母的尺度 $s$ 完全约去。这证明了最优干预概率与度量单位（如美元还是千美元、健康指数绝对量级）完全无关，纯粹由收益分布的尾部形状决定。重尾分布（如 Pareto、极端对数正态）存在罕见但极高收益的“黑天鹅”个案，拉高等待期权价值，导致决策者表现出极高耐心（$\psi \to 1$），在早期倾向于“按兵不动”储备预算；而轻尾分布（如半正态、大参数伽马）改善收益相对均质，等待期权溢价微薄，决策者更早、更常规化地消耗预算。

损失函数 / 训练策略¶

在理论动态规划求解中，价值函数遵循如下解析贝尔曼递推： $$V(\tau, k) = \mu_{\mathrm{pol}} + p V(\tau-1, k) + (1-p)\mathbb{E}_{\Delta \mid \mathsf{A}_t^c}\big[\max\{V(\tau-1, k), \Delta + V(\tau-1, k-1)\}\big]$$ 在实证部分，为了在历史行政数据中客观恢复基准启发式策略 $P_i$，作者采用了短可解释规则决策树（SER-DT）算法，利用申请时的 34 项人口统计学与脆弱性特征训练最大深度为 4 的浅层决策树，以拟合该时期个案工作人员对紧急避难所（ES）与过渡性住房（TH）的典型启发式推荐规则。

随后，实证分析将每日个案聚合为二项分布试验，采用 Logit 链接函数的广义线性模型（GLM）拟合每日总体裁量率 $p_t^{\mathrm{all}}$、向上升级率 $p_t^\uparrow$（$P_i=\text{ES} \to A_i=\text{TH}$）与保守配给率 $p_t^\downarrow$（$P_i=\text{TH} \to A_i=\text{ES}$）： $$\log\left(\frac{p_t^j}{1 - p_t^j}\right) = \alpha_{\mathrm{DayType}(t)}^j + \gamma_{\mathrm{month}(t)}^j + \beta_S^j \cdot \mathrm{THShare}_{t-1} + \beta_H^j \cdot H_t + (\beta_L^j)^\top L_t$$ 模型以对应的合格试验集规模（总体 $n_t$、升级候选集 $n_t^{\mathrm{ES}}$、配给候选集 $n_t^{\mathrm{TH}}$）为权重进行最大似然估计，所有系统运力状态特征均严格基于 $t-1$ 之前的时间窗构造以杜绝内生性。

实验关键数据¶

主实验¶

实证数据基于美国密苏里州圣路易斯市无家可归管理信息系统（HMIS）2008至2014年间的行政安置记录。表1总结了基于前7天滚动窗口系统状态特征拟合的二项-Logit GLM 模型中，关键预测变量对自由裁量发生比（Odds Ratio, OR）的影响。

预测变量类别	变量名称	总体裁量 ($p_t^{\mathrm{all}}$) OR [95% CI]	升级裁量 ($p_t^\uparrow$) OR [95% CI]	配给/降级 ($p_t^\downarrow$) OR [95% CI]
运力状态 (前7天)	滞后1天TH分配占比	1.070 [0.869, 1.312]	0.931 [0.683, 1.271]	1.150 [0.853, 1.551]
运力状态 (前7天)	ES 退出/空缺人数	0.995 [0.982, 1.007]	0.971** [0.953, 0.989]	1.026** [1.007, 1.045]
运力状态 (前7天)	TH 退出/空缺人数	0.994 [0.978, 1.011]	1.021† [0.998, 1.045]	0.952*** [0.928, 0.977]
时序周期 (基准:周二至五)	周一 (Mon)	1.239** [1.072, 1.432]	1.140 [0.919, 1.415]	1.241* [1.006, 1.531]
时序周期 (基准:周二至五)	周末 (Weekend)	0.778* [0.618, 0.980]	0.813 [0.574, 1.153]	0.639** [0.465, 0.879]
季节性 (基准:10月)	11月 (Nov)	0.697* [0.507, 0.957]	0.880 [0.544, 1.424]	0.677† [0.427, 1.075]
季节性 (基准:10月)	12月 (Dec)	0.575*** [0.417, 0.793]	0.730 [0.448, 1.190]	0.547* [0.345, 0.869]
季节性 (基准:10月)	1月 (Jan)	0.779† [0.579, 1.048]	1.125 [0.720, 1.758]	0.612* [0.398, 0.943]
季节性 (基准:10月)	6月 (Jun)	0.689* [0.509, 0.932]	1.027 [0.647, 1.630]	0.522** [0.339, 0.804]

消融实验¶

为验证理论所推导的“尺度无关性”与“形状依赖性”，作者在不同理论分布族下通过 $N=10^6$ 次蒙特卡洛模拟，对基础门槛估计值 $\hat{c}$ 与第一期保存预算的耐心标量 $\hat{\psi}$ 进行对比分析。

分布族	形状参数	尾部特征 / 尺度范围	均值固定条件	门槛 $\hat{c}$	耐心标量 $\hat{\psi}$
指数分布 (尺度测试)	$k=1.0$ (固定)	$b=0.1 \to 10.0$ (100倍尺度变化)	随尺度变化	$0.050 \to 5.002$	0.697 (严格不变)
半正态分布 (尺度测试)	N/A (固定)	$\sigma=0.2 \to 20.0$ (100倍尺度变化)	随尺度变化	$0.066 \to 6.620$	0.667 (严格不变)
对数正态 (尺度测试)	$\sigma=1.0$ (固定)	$e^\mu=1 \to 5$ (5倍尺度变化)	随尺度变化	$0.856 \to 4.288$	0.736 (严格不变)
伽马分布 (形状测试)	$k=0.5$	重尾 (L-型衰减)	$\mathbb{E}[X]=1, \theta=2.0$	0.637	0.732 (高耐心/推翻率降)
伽马分布 (形状测试)	$k=2.0$	轻尾 (钟型单峰)	$\mathbb{E}[X]=1, \theta=0.5$	0.375	0.675 (常规支出/推翻率升)
威布尔分布 (形状测试)	$c=0.8$	重尾	$\mathbb{E}[X]=1, \lambda \approx 0.883$	0.581	0.721 (高门槛/等待极值)
威布尔分布 (形状测试)	$c=1.5$	轻尾	$\mathbb{E}[X]=1, \lambda \approx 1.108$	0.371	0.668 (低门槛/常规支出)
对数正态 (极端重尾)	$\sigma=5.0$	极重尾 (峰度 $\approx 8 \times 10^5$)	自由	极端偏高	0.992 (逼近Always-Hold)
帕累托分布 (极端重尾)	$b=1.05$	幂律分布 (峰度 $\approx 6 \times 10^5$)	自由	极端偏高	0.919 (强力囤积预算)
伽马极限 (退化轻尾)	$k=10^4$	退化轻尾 (峰度 $\approx 0$)	自由	逼近下确界	0.655 (触及耐心下限)

关键发现¶

尺度不变性得到精确解析与数值确证：在固定形状参数下，无论将指数分布或对数正态分布的尺度拉伸5倍至100倍，最优门槛 $\hat{c}$ 按比例缩放，但第一期保存预算的概率 $\hat{\psi}$ 维持小数点后三位完全不变（如指数分布恒为 0.697，与理论解析值 $1 - \frac{1}{2}e^{-1/2} \approx 0.697$ 严格吻合）。
尾部厚度诱导截然不同的“政策性格”：当分布尾部增厚（如威布尔分布 $c$ 从 1.5 降至 0.8），在均值恒定为 1 的条件下，决策门槛从 0.371 攀升至 0.581，耐心标量 $\hat{\psi}$ 从 0.668 增至 0.721，第一期干预概率显著下降约 16%。在对数正态 $\sigma=5.0$ 等极重尾环境中，$\hat{\psi}$ 高达 0.992，系统演化为极端保守的“按兵不动”策略，仅在遇到改变命运的极端特异个案时才动用配额。
现实裁量权严格跟踪短期空缺（Slack）而非单纯工作负荷：实证结果显示，近期紧急避难所退出（ES Exits）增多显著促进将 TH 推荐降级为 ES 的配给行为（OR=1.026, $p<0.01$），而紧缺住房退出（TH Exits）增多则显著抑制降级配给（OR=0.952, $p<0.001$）。这表明个案工作人员在实际排队管理中动态评估机会成本，床位充裕时放宽准入，床位收紧时保守收缩。
行政时间节律带来显著体制分割：周一呈现显著的初审批处理效应，总体裁量显著升高（OR=1.239, $p<0.01$）；而周末由于中央热线停服及管理协调带宽受限，裁量权被强力压制（周末配给 OR=0.639, $p<0.01$）。

亮点与洞察¶

将质性街头官僚理论转化为可微可验的动态运筹框架：过去社会学常将自由裁量视为不可量化的主观道德决断，本文首次建立其跨期随机控制模型，成功将“个案自由度”界定为一种带影子价格的稀缺资源。
优美深刻的尺度无关性（Scale-Free Invariance）定理：通过位置-尺度分布族性质证明了干预概率仅由无量纲的尾部几何形状决定，摆脱了社会福利无法客观统一度量单位的传统理论泥潭。
对人机协同决策支持系统的现实指导价值：表明在设计带人类干预（human-in-the-loop）的公共算法系统时，不应仅提示“当前个案是否值得推翻”，还必须内嵌根据当前剩余时域、剩余资源库存和未来个案尾部风险提示的“何时推翻才最优”的跨期期权引导。

局限与展望¶

基准策略依赖反事实树模型近似：由于历史行政记录未直接标记官方基准与人类推翻的原始标签，基准策略系通过 SER-DT 模型重构，可能混入未观测到的结构性混杂因素。
模型假设单期个案到达与收益独立同分布：实际救助场景中存在明显的季节性聚集、家庭亲属关联与社会危机爆发等时空自相关，违背了 i.i.d. 假设。
预算 $K$ 在现实中多为软约束而非刚性截断：真实机构往往面临的是上级抽检率、同行压力与疲劳阈值构成的软性配额，未来可拓展至具有边际惩罚成本的连续松弛预算控制。

评分¶

新颖性: ⭐⭐⭐⭐⭐ [首次将街头官僚自由裁量权形式化为动态配额分配问题并证明尺度不变性定理。]
实验充分度: ⭐⭐⭐⭐☆ [包含严格的理论解析推导、百万级蒙特卡洛多分布验证及多年真实政府救助系统的 GLM 实证分析。]
写作质量: ⭐⭐⭐⭐⭐ [数学表述严谨透彻，理论与社会学背景结合紧密，实验设计与稳健性检验详实。]
价值: ⭐⭐⭐⭐⭐ [为公共服务人机协同、算法审计以及稀缺资源动态配给提供了坚实的微观理论与行为学基础。]

分布族	形状参数	尾部特征 / 尺度范围	均值固定条件	门槛 \(\hat{c}\)	耐心标量 \(\hat{\psi}\)
指数分布 (尺度测试)	\(k=1.0\) (固定)	\(b=0.1 \to 10.0\) (100倍尺度变化)	随尺度变化	\(0.050 \to 5.002\)	0.697 (严格不变)
半正态分布 (尺度测试)	N/A (固定)	\(\sigma=0.2 \to 20.0\) (100倍尺度变化)	随尺度变化	\(0.066 \to 6.620\)	0.667 (严格不变)
对数正态 (尺度测试)	\(\sigma=1.0\) (固定)	\(e^\mu=1 \to 5\) (5倍尺度变化)	随尺度变化	\(0.856 \to 4.288\)	0.736 (严格不变)
伽马分布 (形状测试)	\(k=0.5\)	重尾 (L-型衰减)	\(\mathbb{E}[X]=1, \theta=2.0\)	0.637	0.732 (高耐心/推翻率降)
伽马分布 (形状测试)	\(k=2.0\)	轻尾 (钟型单峰)	\(\mathbb{E}[X]=1, \theta=0.5\)	0.375	0.675 (常规支出/推翻率升)
威布尔分布 (形状测试)	\(c=0.8\)	重尾	\(\mathbb{E}[X]=1, \lambda \approx 0.883\)	0.581	0.721 (高门槛/等待极值)
威布尔分布 (形状测试)	\(c=1.5\)	轻尾	\(\mathbb{E}[X]=1, \lambda \approx 1.108\)	0.371	0.668 (低门槛/常规支出)
对数正态 (极端重尾)	\(\sigma=5.0\)	极重尾 (峰度 \(\approx 8 \times 10^5\))	自由	极端偏高	0.992 (逼近Always-Hold)
帕累托分布 (极端重尾)	\(b=1.05\)	幂律分布 (峰度 \(\approx 6 \times 10^5\))	自由	极端偏高	0.919 (强力囤积预算)
伽马极限 (退化轻尾)	\(k=10^4\)	退化轻尾 (峰度 \(\approx 0\))	自由	逼近下确界	0.655 (触及耐心下限)