5D Library

第六章 古德哈特定律：当指标变成目标

5D Library › 机制设计、激励相容与谈判博弈的数学模型 · English

第六章 古德哈特定律：当指标变成目标

两句话的出处

关于指标失效，流传最广的一句话是「当一个指标变成目标，它就不再是一个好指标」。它常被归于经济学家古德哈特，但这并不是他的原话。

证据

古德哈特的原话。 古德哈特 1975 年在澳大利亚储备银行的货币经济学会议论文中讨论英国的货币管理时写道，任何被观察到的统计规律，一旦为了控制的目的而对它施加压力，就会趋于崩溃（“Any observed statistical regularity will tend to collapse once pressure is placed upon it for control purposes”）(Goodhart 1975)。他针对的是货币当局把某个货币总量与经济活动之间过去稳定的关系当作政策目标后，这种关系随之失效的现象。

通俗表述的来源。 「当一个指标变成目标，它就不再是一个好指标」（“When a measure becomes a target, it ceases to be a good measure”）出自人类学家斯特拉森 1997 年发表在《欧洲评论》上讨论英国大学评估制度的文章；她在同一处说明，霍斯金把这一现象称为「古德哈特定律」 (Strathern 1997; Hoskin 1996)。

证据

坎贝尔定律。 社会心理学家与方法论学者坎贝尔在 1979 年的文章中独立地提出了一条相近的规律：任何量化的社会指标，越是被用于社会决策，就越容易受到腐蚀的压力，也越容易扭曲和腐蚀它本来要监测的社会过程（“The more any quantitative social indicator is used for social decision-making, the more subject it will be to corruption pressures and the more apt it will be to distort and corrupt the social processes it is intended to monitor”）(Campbell 1979)。他讨论的例子包括警方的犯罪统计与学校的成就测验。

两条定律说的是同一件事的两面：古德哈特强调统计关系会失效（指标不再能预测我们真正关心的东西），坎贝尔强调被测的过程本身会被扭曲（人们改变行为去迎合指标）。组织管理文献中更早的一篇名文，克尔 1975 年的《奖励 A 却希望得到 B 的愚蠢》，列举了大量类似的例子 (Kerr 1975)。

为什么会崩溃：一个选择模型

推导

20,000 名模拟员工。每人有一个基础的真实贡献 s∼N(0,1)s \sim N(0, 1)、一个「真正改进」的才能 a∼U(0.5,1.5)a \sim U(0.5, 1.5) 和一个「操纵指标」的才能 k∼U(0,2)k \sim U(0, 2)，三者相互独立（示意参数）。每个指标点的奖金为 bb。在二次成本 t2/(2a)t^2/(2a) 与 g2/(2k)g^2/(2k) 下，每个人选择真实努力 t=bat = ba 与操纵 g=bkg = bk。真实价值 V=s+tV = s + t，指标 M=s+t+g+εM = s + t + g + \varepsilon（噪声标准差 0.5）。

# Goodhart as selection. 20,000 staff: true baseline s ~ N(0, 1), talent for real work
# a ~ U(0.5, 1.5), talent for gaming k ~ U(0, 2), independent (illustrative). Pay b per
# metric point; with costs t^2/(2a) and g^2/(2k) each picks t = b a and g = b k.
# True value V = s + t; metric M = s + t + g + noise (sd 0.5).
import random, statistics as st
rng = random.Random(5)
staff = [(rng.gauss(0, 1), rng.uniform(0.5, 1.5), rng.uniform(0, 2), rng.gauss(0, 0.5))
         for _ in range(20000)]

def top(xs, q=0.10):
    return set(sorted(range(len(xs)), key=lambda i: -xs[i])[:int(len(xs) * q)])

def world(b):
    V = [s + b * a for s, a, k, e in staff]
    M = [s + b * a + b * k + e for s, a, k, e in staff]
    burned = st.mean(b * b * k / 2 for _, _, k, _ in staff)      # cost spent on gaming
    overlap = len(top(M) & top(V)) / (len(V) // 10)
    return st.mean(V), st.mean(M), st.correlation(M, V), overlap, burned

print("  b  | mean V | mean M | corr(M, V) | top 10 % by M also top by V | gaming cost")
for b in (0.0, 0.5, 1.0, 2.0, 4.0):
    mv, mm, r, ov, gc = world(b)
    print(f" {b:3.1f} | {mv:5.2f}  | {mm:5.2f}  |    {r:.2f}    |"
          f"            {ov:5.1%}            |    {gc:5.2f}")
#   b  | mean V | mean M | corr(M, V) | top 10 % by M also top by V | gaming cost
#  0.0 | -0.01  | -0.01  |    0.89    |            67.4%            |     0.00
#  0.5 |  0.49  |  0.99  |    0.87    |            63.5%            |     0.12
#  1.0 |  0.99  |  1.99  |    0.80    |            55.5%            |     0.50
#  2.0 |  1.99  |  3.99  |    0.67    |            43.3%            |     1.99
#  4.0 |  4.00  |  7.99  |    0.54    |            35.0%            |     7.98

b=0b = 0 时没有人操纵，指标与真实价值的相关是 0.89，按指标排在前 10% 的人中有 67.4% 也确实是真实价值的前 10%。奖金提高后发生了三件事。第一，真实价值确实上升了——激励并非无效。第二，指标上升得快一倍：在这些参数下，指标的每一分增长中有一半是操纵。第三，也是古德哈特所说的：指标区分人的能力崩溃了。b=4b = 4 时相关降到 0.54，指标前 10% 中只有 35.0% 真的是前 10%；被奖励和提拔的，越来越多是善于操纵的人。同时，花在操纵上的成本以 b2/2b^2/2 的速度增长（b=4b = 4 时为 7.98），这些全是浪费。

这个模型里没有人「作弊」到违法的程度，也不需要任何人有坏心。只要指标可以用比真实改进更便宜的方式推高，而且人们对这两种方式的才能不同，统计关系就会在施加压力后变弱。

多任务委托—代理：为什么最优激励应当「变钝」

本系列第 16 本已经介绍了霍姆斯特罗姆与米尔格罗姆 1991 年的多任务模型：当一项工作有多个维度、只有部分维度可以衡量时，对可衡量维度的强激励会把努力从不可衡量的维度上吸走，所以最优的激励往往比单任务模型给出的更弱 (Holmström and Milgrom 1991)。贝克 1992 年进一步指出，问题的核心在于指标与真实目标之间的不一致：指标对哪些行动敏感、真实价值对哪些行动敏感，两者越不一致，最优的激励强度越低 (Baker 1992)。这里不重复那些模型，而是讨论一个新问题：抽检与审计如何改变这个取舍。

推导

代理人选择真实工作 tt 与操纵 gg；指标为 t+gt + g，奖金为每点 bb。努力成本 C=(t2+g2)/2+stgC = (t^2 + g^2)/2 + s\,tg，s=0.5s = 0.5 表示两者争夺同一份时间与注意力。组织以概率 qq 进行审计，查出的每单位操纵罚款 F=2F = 2（有限责任使罚款不能无限大）；审计成本为每单位 qq 支付 K=0.4K = 0.4。奖金与罚款是转移支付，组织的目标是总剩余 t−C−Kqt – C – Kq。代理人的一阶条件为 b=t+sgb = t + sg 与 b−qF=g+stb – qF = g + st。程序在网格上寻找最优的 bb 与 qq；最后比较「公布的」与「不公布的」审计。

# Bonus b per metric point; metric = real work t + gaming g; cost (t^2 + g^2)/2 + s t g,
# s = 0.5. Audit probability q; fine F = 2 per unit of gaming found; audits cost K = 0.4
# per unit of q. Goal: total surplus t - cost - K q (pay and fines are transfers).
# Agent's first-order conditions: b = t + s g and b - q F = g + s t (g >= 0).
S, F, K = 0.5, 2.0, 0.4

def agent(b, q):
    g = (b - q * F - S * b) / (1 - S * S)
    return (b, 0.0) if g <= 0 else ((b - S * (b - q * F)) / (1 - S * S), g)

def surplus(b, q):
    t, g = agent(b, q)
    return t - (t * t + g * g) / 2 - S * t * g - K * q, t, g

bs, qs = [i / 200 for i in range(301)], [i / 200 for i in range(201)]
(w0, t0, g0), b0 = max((surplus(b, 0.0), b) for b in bs)
(w1, t1, g1), b1, q1 = max((surplus(b, q), b, q)
                          for b in bs for q in qs)
print(f"no audit    : b = {b0:.3f}, real work {t0:.3f}, gaming {g0:.3f},"
      f" surplus {w0:.3f}")
print(f"random audit: b = {b1:.3f}, q = {q1:.3f}, real work {t1:.3f}, gaming {g1:.3f},"
      f" surplus {w1:.3f}")
print(f"  audits let the organisation pay {b1 / b0:.1f} times as steeply per point")
# Two gaming routes (each costs g^2/2), budget to audit one route's worth, b = 1.
gaming = lambda q_route, b=1.0: max(0.0, b - q_route * F)
print(f"announced audit of route 1 only: gaming {gaming(1.0):.2f} + {gaming(0.0):.2f}")
print(f"unannounced, each route p = 1/2 : gaming {gaming(0.5):.2f} + {gaming(0.5):.2f}")
# no audit    : b = 0.500, real work 0.333, gaming 0.333, surplus 0.167
# random audit: b = 0.900, q = 0.225, real work 0.900, gaming 0.000, surplus 0.405
#   audits let the organisation pay 1.8 times as steeply per point
# announced audit of route 1 only: gaming 0.00 + 1.00
# unannounced, each route p = 1/2 : gaming 0.00 + 0.00

没有审计时，最优奖金只有 b=0.5b = 0.5：再高，操纵增长带来的浪费就超过了真实工作的增长；此时真实工作与操纵各为 0.333，总剩余 0.167。引入随机审计后，最优方案是 q=0.225q = 0.225、b=0.9b = 0.9：审计的期望罚款 qF=0.45qF = 0.45 恰好足以使操纵不划算，代理人把全部努力放在真实工作上（0.900），总剩余升到 0.405。审计的价值不只在于抓到操纵，更在于它允许组织使用更陡峭的激励——这里是 1.8 倍。

最后两行比较两种审计安排，预算都只够查一条操纵途径。公布的审计（总是查第一条、从不查第二条）只是把操纵转移到了第二条途径上：第一条为 0，第二条为 1.00。不公布查哪一条、各以一半的概率检查时，两条途径的期望罚款都是 1.0，恰好不低于奖金，操纵都被抑制了。

左：奖金强度提高后，指标与真实价值的相关以及「指标前 10% 也是真实前 10%」的比例同时下降。右：总剩余随奖金强度的变化；没有审计时最优奖金较低，随机审计恰好遏制操纵时，最优奖金更高、总剩余更大。所有参数为示意值。

证据

不透明与随机化。 拉齐尔 2006 年用「超速、恐怖主义与应试教学」的类比分析了这个问题：应不应该提前公布考什么、警察在哪里测速。他的结论取决于学习（或守法）的成本：对学习成本很高的学习者，或监测技术效率很低时，明确公布考试内容更好，能集中激励；对学习效率高的学习者，淡化考试本身更好。测速的类比也是如此：警力很少时，告诉司机警察在哪里更好；警力充足或罚款很高时，对测速点保密能让人处处守法 (Lazear 2006)。埃德勒、霍尔顿与迈耶 2018 年在一个双任务模型中证明，当只有代理人知道哪项任务更便宜时，刻意保持激励方案的不透明（让代理人不确定哪项任务会获得更多奖励）可以减少操纵，但会给风险规避的代理人增加风险；他们给出了不透明方案优于透明方案的条件 (Ederer, Holden, and Meyer 2018)。

注

模型的限度与挤出效应。 上面的程序假设代理人风险中性、审计结果准确、罚款可以执行；现实中，审计可能出错，频繁的检查也可能被员工读作「不被信任」。本系列第 24 本讨论过外在奖励与控制性监督可能挤出内在动机（贝纳布与梯若尔把它写成信号问题 (Bénabou and Tirole 2003)）：一套让人感到被怀疑的审计制度，可能在减少操纵的同时减少主动的、不被衡量的努力。本章的结论因此是有条件的：随机、多维、事先说明目的的审计，比密集、单一、带惩罚色彩的检查更可能利大于弊。

设计可抗操纵的指标

把这一章的模型翻译成做法，有四条：

  1. 找出最便宜的操纵途径。 对每一个关键指标，问「不创造任何真实价值的情况下，把它推高一点最便宜的办法是什么」；如果这个办法比真实改进更便宜，指标就有漏洞。
  2. 多维化。 用几个彼此牵制的指标（例如按时交货率与收货方记录的缺陷率），使任何单一途径的操纵都会在另一个指标上留下痕迹。
  3. 随机抽检。 由不受这个指标奖惩的人，按不事先公布的方式抽查；抽检的期望罚则要高于操纵的收益。
  4. 控制激励的陡峭程度。 在操纵无法被遏制之前，宁可让激励「钝」一些；遏制操纵之后，再逐步提高激励强度。

假说 · 尚未验证

「红队」测试能预测指标的失效（尚未确立）。让一组不受该指标奖惩的人在指标启用前列出操纵途径并估计其成本；预测：被红队标为「操纵比真实改进更便宜」的指标，在启用一年后与独立的真实结果指标之间的相关下降幅度，显著大于未被标出的指标。如果两类指标的相关变化没有差别，这一假说被削弱。

本章小结

古德哈特 1975 年的原话是「任何被观察到的统计规律，一旦为了控制的目的而对它施加压力，就会趋于崩溃」；「当一个指标变成目标」的通俗表述来自斯特拉森 1997；坎贝尔 1979 强调指标会腐蚀被测的过程。选择模型显示，只要操纵比真实改进更便宜、且人们的操纵才能不同，奖金越高，指标区分人的能力越差。随机审计的主要价值在于允许组织使用更陡峭的激励；公布查哪条途径的审计只会转移操纵，不公布的随机审计能同时遏制多条途径，但可能增加风险并挤出不被衡量的努力。下一章把这些现代研究与中国古代关于赏罚与名实的讨论并读。

参考文献

Baker, George P. 1992. “Incentive Contracts and Performance Measurement.” Journal of Political Economy 100 (3): 598–614. https://doi.org/10.1086/261831.
Bénabou, Roland, and Jean Tirole. 2003. “Intrinsic and Extrinsic Motivation.” Review of Economic Studies 70 (3): 489–520. https://doi.org/10.1111/1467-937X.00253.
Campbell, Donald T. 1979. “Assessing the Impact of Planned Social Change.” Evaluation and Program Planning 2 (1): 67–90. https://doi.org/10.1016/0149-7189(79)90048-X.
Ederer, Florian, Richard Holden, and Margaret Meyer. 2018. “Gaming and Strategic Opacity in Incentive Provision.” RAND Journal of Economics 49 (4): 819–54. https://doi.org/10.1111/1756-2171.12253.
Goodhart, Charles A. E. 1975. “Problems of Monetary Management: The u.k. Experience.” In Papers in Monetary Economics. Vol. 1. Sydney: Reserve Bank of Australia.
Holmström, Bengt, and Paul Milgrom. 1991. “Multitask Principal-Agent Analyses: Incentive Contracts, Asset Ownership, and Job Design.” Journal of Law, Economics, and Organization 7: 24–52.
Hoskin, Keith. 1996. “The ‘Awful Idea of Accountability’: Inscribing People into the Measurement of Objects.” In Accountability: Power, Ethos and the Technologies of Managing, edited by Rolland Munro and Jan Mouritsen, 265–82. London: International Thomson Business Press.
Kerr, Steven. 1975. “On the Folly of Rewarding a, While Hoping for b.” Academy of Management Journal 18 (4): 769–83.
Lazear, Edward P. 2006. “Speeding, Terrorism, and Teaching to the Test.” Quarterly Journal of Economics 121 (3): 1029–61. https://doi.org/10.1162/qjec.121.3.1029.
Strathern, Marilyn. 1997. “‘Improving Ratings’: Audit in the British University System.” European Review 5 (3): 305–21.

Fan, Y. (2026). Mechanism Design, Incentive Compatibility and the Game Theory of Negotiation: From Vickrey Auctions and the Myerson-Satterthwaite Theorem to Nash Bargaining, Read Beside Classical Chinese Legalist and Confucian Institutional Thought [机制设计、激励相容与谈判博弈的数学模型] (Version 1.0.0). 5D Library. https://doi.org/10.5281/zenodo.23765012 · Licensed under Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).