对于所有A∈ ∑使得P（A）>0和 ∈ （0，P（A）]，存在A A使得P（A) =  和z（A) = z（A）。证据让A如上所述。由于padmit是一个密度，因此对于所有t∈（0，P（A）]，存在Bt A使得P（Bt）=t和Z（ω）≤ Z（ω）表示所有ω∈ Btandω∈ A\\b.同样，也存在Ct A使得P（Ct）=t和z（ω）≥ Z（ω）表示所有ω∈ Ctandω∈ A\\Ct。对于t=0，定义B=C=.允许 如上所述。考虑英国电信∪ C-t、 t型∈ [0, ]. 自z（Bt）起≥ z（A）和z（C-t）≤ z（A）表示所有t∈ (0, ) 和z（Bt∪ C-t） 在t中是连续的（因为Padmits是密度），存在t∈ [0, ] 使z（Bt∪ C-t） =z（A）。平均值（Bt∪ C-t） = 通过构造，所以让= 英国电信∪ C-我们完成了。A、 1.2定理1的证明。取任何能从代理人那里获得高回报的最优激励合同，并将hAn，πn，zn，wniNn=1作为相应的元组。相反，假设一些aj不是Z凸的。根据定义1，存在 Ajand▄AAk，k 6=j，使得（i）P（A），P（A），P（|A）>0，和（ii）z=（1- s） z+sz，其中z：=z（A）6=z：=z（A），~z：=z（~A）和s∈ (0, 1). 引理3 ∈ （0，min{P（A），P（A），P（￠A）}），存在 A、 A A和▄AA测量（i）P（A) = P（A) = P（yenA) = , 和（ii）z（A) = z、 z（A) = zandz（▄A) = ~z.考虑监控技术的两个干扰：（a）移动a至AkandA至Aj；（b） 移动▄A至Ajand A致Ak。通过构造，扰动都不会影响高干扰下输出信号的概率分布，从而降低监测成本。下面，我们证明其中一个与原始（最优）合同相比，严格降低了总成本。扰动（a）Let hAn(), πn，zn()iNn=1be扰动后与监控技术相关的元组（a）。

按结构，Aj() = （Aj∪A) \\ A.,sozj公司() =πjzj- z+~zπj=zj+s（z- z） πj.同样，Ak() = （Ak∪ A.) \\A和() = 对于n 6=j，k，以及类似的代数操作，如上所述zj公司() = zj+s（z- z） πj,zk公司() = zk公司-s（z- z） πk,锌() = 锌n 6=j，k.（A.1）考虑工资比例hwn()iNn=1如此w() = 0和（IC）约束在扰动后保持不变，即NXn=1πnu（wn()) 锌() =NXn=1πnu（wn）zn=c.（A.2）仔细检查方程式（A.1）和（A.2）发现M>0的存在与 这样，当 如果规模较小，则存在上述满足| wn的工资利润() - wn |<米 对于所有n，因此引理2的（LL）约束。稍微滥用符号，写出˙wn() = （wn）() - wn）/ 和˙zn() =（锌() - 锌）/,请注意˙w() = 0、何时 是一个很小的扩展方程（A.2），使用u（·）和| wn的二次微分() - wn |~ O() yieldsNXn=1πnu（wn）zn=NXn=1πnu（wn）+u（wn）·wn() ·  + O（zn+˙zn() · ) .将上述方程乘以扰动前与（IC）约束相关的拉格朗日乘子λ>0。重新排列产量Snxn=1πn·u（wn）·λzn·˙wn() = -λNXn=1u（wn）·πn˙zn() + O() ,并使用˙w简化() = 0，对于n，u（wn）=1/（λzn）≥ 2（引理1和2）和方程（A.1）yieldsNXn=1πn˙wn() = s（u（周）- u（wj））（λz- λz）+O() . （A.3）微扰（b）重复上述微扰参数（b）yieldsNXn=1πn˙wn() = -λ (1 - s） （u（周）- u（wj））（z- z） +O() . （A.4）准确地说，回想一下n的u（wn），zn>0≥ 引理2。因此，当 很小，zn() > n为0≥ 2和solvingPNn=2πnu（xn）zn() =PNn=2πnu（wn）Zn产生如上所述的工资利润。请注意，我们不假设wn的差异性() 或锌() 关于.

这一点同样适用于本文的其余部分。然后从u（wj）6=u（wk）（引理2），z6=z（假设）和λ>0，可以得出方程（A.3）或（A.4）的右侧严格为负很小。因此，无论是扰动（a）还是扰动（b），我们都可以构建一个比原始最优合同产生更低激励成本的工资比例，这会导致一种冲突。A、 1.3定理2的证明。根据定理1，任何最多N∈ {2，···，K}细胞完全以N为特征-1切割点bz、···、bzN-1满足最小Z(Ohm) ≤ bz公司≤··· ≤ bzN公司-1.≤ 最大Z(Ohm). Writebz=（bz，···，bzN-1)>. 定义Z={bz：最小Z(Ohm) ≤ bz公司≤ ··· ≤ bzN公司-1.≤ 最大Z(Ohm)},为zn配备sup范数k·k，并注意zn在假设3下是紧的。让W（bz）成为在bz形成的监控技术下从代理人那里获得高回报的最小激励成本。请注意，W（bz）存在且是有限的当且仅当min Z(Ohm) < bzn<最大Z(Ohm) 对于一些n，因为z（A）6≡ 0穿过性能类别A形成的下界Z，所以W（bz）可以通过应用引理1来求解。我们分两步进行。步骤1表明，对于任何给定的N，W（bz）是连续的inbz∈ {2，···，K}。修复anybz∈ Zn使得W（bz）是有限的。W、 l.o.g.考虑bzn\'s完全不同的情况。对于非常小的δ>0，设bzδ为zn的任何元素，使kbzδ-bzk<δ。设πnand zn（分别为πδnand zδn）表示概率（在a=1下）和z值An={ω：z（ω）∈ [bzn-1，bzn）}（分别为Aδn=ω：Z（ω）∈ [bzδn-1，bzδn）),分别地让Wn表示a的最佳工资。修复任何 > 0，并考虑支付wn+ 在Aδnif zδn>0，否则为wn。通过施工，该工资比例满足（LL）约束。

在假设2和3下，当δ足够小时，它满足（IC）约束：limδ→0Xnπδnuwn+1zδn>0·zδn=Xnπnu（wn+1zn>0·）) zn>c，其中不等式成立，因为Pnπnzn=0和zn6≡ 对于某些氮，0 so zn>0。此外，sincelimδ→0Xnπδnwn+1zδn>0·=Xnπn（wn+1zn>0·) ,因此，当δ非常小时，Wbzδ- W（bz）≤Xnπδnwn+1zδn>0·-Xnπnwn<,其中，第一个不平等之所以成立，是因为构建的工资比例不一定是zδ下的最优值。最后，在上述推导中交换Nbz和bzδ之间的作用，得到W（bz）- Wbzδ< , 意味着Wbzδ- W（bz）<  当δ非常小时。步骤2在假设4（a）下，以下数量：WN：=minbz∈ZNW（bz）存在，并且对所有N都是有限的∈ 第1步{2，···，K}和ZN的致密性。Letmn表示WN获得的最小评分量表。Solvingmin2解决方案≤N≤KWN+u·f（mN）得出了负责人问题的解决方案。在假设4（b）下，委托人的问题可以写为：minbz∈ZKW（bz）+u·h（π（bz）），其中π（bz）是在z下形成的概率向量，并且在z内明显连续。然后从步骤1和ZK的紧性得出解的存在性。A、 2第4节的证明在本附录中，写出任何N部分合同hP，w（·）i作为对应的整数hAn，πN，zn，wniNn=1，其中Anis是P，πN=P（An），zn=（z1，N，z2，N）>：=（z（An），z（An））>和wn=（w1，N，w2，N）>：=（w（An），w（An））>。A、 2.1有用引理下一个引理将引理1和2推广为包含多个代理：引理4。假设假设1。然后，在任何从两个代理人那里获得高回报的最优激励契约下，（i）存在λ，λ>0，使得ui（wi，n）=1/（λizi，n），当且仅当wi，n>0；（ii）对于所有j 6=k证明，wj6=WK。

给定监控技术下的工资最小化问题hAn，πn，zniNn=1isminh▄wi，niXi，nπn▄wi，n-XiλiXnπnui（~wi，n）zi，n- ci！-Xi，nηi，nwi，n，其中λi和ηi，n分别说明与wi，n处的（ICi）约束和（LLi）约束相关的拉格朗日乘子。将目标函数与▄wi、nyields区分为第（i）部分中的一阶条件。第（ii）部分的证明与引理2的证明相同，因此省略。下一个引理起着与引理3类似的作用：引理5。假设假设6。固定任意δ>0和任意A∈ ∑使得P（A）>0。那么对于所有人来说 ∈ （0，P（A）]，存在 A使得P（A) =  andkz（A) - z（A）k<δ。证据稍微滥用一下符号，让P是Ohm 这样每B∈ P是可测的，kZ（ω）- Z（ω）k<δ，对于所有ω，ω∈ B、 P存在，因为Padmits a density和Z(Ohm) 是R.definep+={B中的紧集∈ P:P（A∩ B） >0}且P={B∈ P:P（A∩ B） =0}，两者都是有限的。注意PB∈PP（A∩ B） =0，PB∈P+P（A∩ B） =P（A）和Z（A）=PB∈P+P（A∩ B） z（A∩ B） 。由于Padmits是a密度，因此对于所有B∈ P+，存在CB A.∩b这样P（CB）=P（A∩ （B）/P（A）。还应注意kz（CB）-z（A∩ B） k<δ的构造。让A= ∪B∈P+CB。然后P（A) =PB∈P+P（A∩ （B）/P（A）=andkz（A) - z（A）k=kXB∈P+P（A∩ B） P（A）（z（CB）- z（A∩ B） ）k≤XB公司∈P+P（A∩ B） P（A）kz（CB）- z（A∩ B） k<δ。A、 2.2定理3的证明。取任何能从两个代理中获得高回报的最优激励合同，并让hAn，πn，zn，wniNn=1为相应的元组。相反，假设一些aj不是Z凸的。根据定义，存在 Ajand▄A∈ Ak，k 6=j，使得（i）P（A），P（A），P（|A）>0，和（ii）z=（1- s） z+z，其中z：=z（A）6=z：=z（A），~z：=z（~A）和s∈ (0, 1).

通过引理5，对于所有δ>0和 ∈ （0，min{P（A），P（A），P（￠A）}），存在 A、 A A和▄AA测量（i）P（A) = P（A) = P（yenA) = , 和（ii）kz（A) - zk，kz（A) - zk，kz（￠A) -zk<δ。考虑对监控技术的两个干扰：（a）移动a至AkandA至Aj；（b） 移动▄A至Ajand A致Ak。根据假设1，在a=1的情况下，扰动都不会影响输出信号的概率分布，因此也不会影响监控成本。下面，我们证明其中一个与原始最优合同相比，严格降低了激励成本。扰动（a）Let hAn() , πn，zn()iNn=1在扰动（a）后，删除与监控技术相关的元组，其中Aj() = （Aj∪A) \\A., Ak公司() =（Ak∪ A.) \\A和() = Anfor n 6=j，k。简单代数表明zj公司() = zj+z（￠A) - z（A)πj,zk公司() = zk公司-z（yenA) - z（A)πk,锌() = 锌n 6=j，k，（A.5）和thatkz（￠A) - z（A) - （￠z）- z） k级≤kz（yenA) -zk+kz（A) - zk<最小值2δ，4最大ω∈OhmkZ（ω）k. （A.6）对于i=1，2，定义Bi={n:wi，n=0}。考虑工资福利hwn()iNn=1对于i=1，2：（1）wi，n() = wi，n=0表示n∈ Bi；（2） agent i的激励相容性约束在扰动（a）后仍具有约束力，即NXn=1πnui（wi，n()) zi，n() =NXn=1πnui（wi，n）zi，n=ci。（A.7）仔细检查方程式（A.5）-（A.7）发现M>0的存在与 δ使得当 由于规模非常小，上述工资水平满足kwn的要求() - wnk<米 对于所有n，因此（LLi）约束。稍微滥用符号，写出˙wn() = （wn）() - wn）/ 和˙zn() =（锌() - 锌）/, 注意˙wi，n() = 0表示i=1、2和n∈ Bi。

什么时候 是使用ui（·）和| wi，n的二次微分的小型扩展方程（A.7）() -wi，n |~ O() 将结果乘以与扰动屈服前的（ICi）约束相关的拉格朗日乘数λi>0 snxn=1πn·ui（wi，n）·λizi，n·˙wi，n() = -λiNXn=1ui（wi，n）·πn˙zi，n() + O() .使用˙wi，n简化() = 如果为n，则为0∈ Bi，u（wi，n）=1/（λizi，n）如果n/∈ Bi（引理4）和方程（A.5）yieldsXi，nπn˙wi，n=（英国- uj）>∧（z（~A）) - z（A)) + O() ,其中，对于n=k，j和∧，un=（u（w1，n），u（w2，n））>=λ0 λ. 进一步简化方程（A.6）和▄z=（1- s） 当δ较小时，z+sz产生以下结果：Xi，nπn˙wi，n=（uk- uj）>∧（￠z- z） +O()+ （英国- uj）>∧（z（≈A) - z（A) - （￠z）- z） ）=s（英国- uj）>∧（z- z） +O() + O（δ）。（A.8）微扰（b）重复上述微扰参数（b）yieldsXi，nπn˙wi，n=-(1 - s） （英国- uj）>∧（z- z） +O() + O（δ）。（A.9）考虑两种情况：情况1（英国- uj）>∧（z- z） 6=0。在这种情况下，方程式（A.8）和（A.9）的右侧具有相反的符号 和δ非常小，证明的剩余部分与定理1相同。案例2（英国- uj）>∧（z- z） =0。在这种情况下，请注意（英国- uj）>通过引理4∧6=0>，其中0表示零的2向量。然后从假设5（Z在连通集上无原子分布）出发，存在B A、 B类 A和BA使得P（B），P（B），P（￠B）>0，z（￠B）=（1- s） 对于某些s，z（B）+sz（B）∈ （0，1）和（英国- uj）>∧（z（B）- z（B））6=0。在上述参数中，分别将A、A和▄A替换为B、频带▄B，将得到所需的结果。A、 2.3定理4Proof的证明。根据定理3，任何最多N∈ {2，···，K}单元的充分特征是（1）顶点z，····，zqNin z的有限个qNof(Ohm),（2）一个qN×qnAdjacenty矩阵M，如果zland zm由线段连接，则其lm\'th条目等于1，否则为0。

根据定义，M是对称的，因此由其上部三角形条目确定，该条目可以是0或1。ThusM属于MN：={0，1}qN×（qN-1） /2，这是一个有限集。为（z，···，zqN）>写入~z。对于任意N∈ {2，··，K}与邻接矩阵M∈MN，definezn（M）={~z：（~z，M）分区z(Ohm) 对于至多N个凸多边形}，用sup范数k·k装备ZN（M），并注意，根据假设6，ZN（M）是紧的。让W（~z，M）表示在（~z，M）形成的监控技术下，从两个代理诱导高回报的最小激励成本。W（~ z，M）存在且有限当且仅当所有i=1，2，zi（A）6≡ 在（~ z，M）下形成的绩效类别A\'s中为0。我们分两步进行。步骤1表明，对于任何给定的N，W（~ z，M）在第一个参数中是连续的∈{2，···，K}和M∈ 明尼苏达州。固定任意z∈ ZN（M），使得W（~ z，M）是有限的。对于非常小的δ>0，设~zδ为ZN（M）的任何元素，使得k~zδ-~zk<δ。标记（~ z，M）下形成的绩效类别，以及~zδ，M分别作为An和Aδn，因此，对于n=1，2，·····，zl是cl（Z（An））的顶点当且仅当Zδ是cl的顶点ZAδn.设πnand zi，n（分别为πδnand zδi，n）分别表示An的概率（在a=1的情况下）和zi值（分别为aδn）。让wi，ndente在一个时间点上给出代理i的最佳工资。修复任何 > 0、考虑支付wi、n+/如果zδi，n>0和wi，则为2，因此满足（LLi）约束。

在假设5和6下，当δ足够小时，满足（ICi）约束：limδ→0Xnπδi，nuwi，n+1zδi，n>0·/2.zδi，n=Xnπnuwi，n+1zi，n>0·/2.zi，n>ci，其中不等式成立，因为nπnzi，n=0和zi，n6≡ 0 so zi，对于某些n，n>0。此外，sincelimδ→0Xi，nπδnwi，n+1zδi，n>0·/2.=Xi，nπnwi，n+1zi，n>0·/2.,因此，当δ非常小时，W~zδ，M- W（~ z，M）≤Xi，nπδnwi，n+1zδi，n>0·/2.-Xi，nπnwi，n<,如果第一个不平等仍然存在，因为根据~zδ，M. 最后，在上述推导中互换~zδ和~z之间的角色，得到W（~z，M）-W~zδ，M< , 意味着W~zδ，M- W（~ z，M）< 当δ非常小时。步骤2在假设4（a）下，以下数量：WN：=最小∈MN，~ z∈ZN（M）W（~ z，M）存在，并且对所有N都是有限的∈ {2，···，K}步骤1，ZN（M）的致密性和MN的完整性。在假设4（b）下，委托人的问题可以写成如下：∈MK，~ z∈ZK（M）W（~ z，M）+u·h（π（~ z，M）），其中π（~ z，M）是在（~ z，M）下形成的概率向量，并且在~ z中明显连续。证明的其余部分与定理2相同，因此省略。A、 3第5节的证明在本附录中，写出z（A）=（za（A））>A∈D对于任何集合A∈ 正测度的∑，以及任何N-分合同hP，w（·）i作为对应的tuplehAn，πN，zn，wniNn=1，其中Anis是P的泛型单元，πN=Pa*（An），zn=z（An），wn=w（An）。假设w.l.o.g.w≤ ··· ≤ wN。A、 3.1有用引理下一个引理将引理1和2推广为包含多个代理：引理6。假设假设1。然后对于任何最优激励合同*, （i） 存在λ∈ R | D |+，kλk>0，使得u（wn）=1/λ> 锌i仅当wn>0时；（ii）λ>z<0<λ>z<····························。证据

给定监控技术的工资最小化问题hAn，πn，zniNn=1isminhwniXnπnwn-Xnπnu（~wn）·λ>zn-Xnηnwn，其中λ表示与（ICa）约束相关的拉格朗日乘子，ηn与wn处的（LL）约束相关的拉格朗日乘子。请注意，kλk>0，因为否则所有（ICa）约束都是松弛的，Hencesubtracing较小 > 所有正工资中的0表示改善。将目标函数与wn进行区分，得出第（i）部分中的一阶条件。第（ii）部分的证明与引理2的证明相同，因此省略。A、 3.2定理5的证明。采取任何最佳激励合同，以诱导*. 设hAn，πn，zn，wniNn=1b为对应的元组，λ为与（ICa）约束相关的拉格朗日乘子的函数。相反，假设一些ajis不是Zλ-凸的。那么就有一个，一个 Ajand▄A Ak，k 6=j，使得（i）Pa*（A） ，宾夕法尼亚州*（A） ，宾夕法尼亚州*（￠A）>0，和（ii）λ>￠z=（1- s） λ>z+sλ>z，其中z：=z（A），z：=z（A），~z：=z（~A），λ>z6=λ>zand s∈ (0, 1). 引理3 ∈ （0，最小值{Pa*（A） ，宾夕法尼亚州*（A） ，宾夕法尼亚州*（▄A）}），存在 A、 A A和▄AA使得（i）Pa*（A）) = 帕*（A）) = 帕*（A) = , 和（ii）λ>z（A) = λ> z，λ>z（A) = λ> zandλ>z（￠A) = λ> ~z.考虑监控技术的两个干扰：（a）移动a至AkandA至Aj，和（b）移动▄A至Ajand A致Ak。根据假设1，在动作a下，任何扰动都不会影响输出信号的概率分布*因此需要监控成本。下面，我们将证明其中一个与原始（最优）合同相比，严格降低了激励成本。扰动（a）Let hAn(), πn，zn()iNn=1e扰动后与监控技术相关的元组（a），其中Aj() = （Aj∪A) \\ A., Ak公司() =（Ak∪ A.) \\A和() = Anfor n 6=j，k。

直截了当的代数表明zj公司() = zj+z（￠A) - z（A)πj,zk公司() = zk公司-z（yenA) - z（A)πk,锌() = 锌n 6=j，k，（A.10）和thatkz（￠A) - z（A) k≤ kz（yenA)k+kz（A) k≤ 2最大ω∈OhmkZ（ω）k.（A.11）考虑工资福利hwn()iNn=1如此（1）w() = w=0和（2）所有（ICa）约束松弛0() 扰动后，即0≤NXn=1πnu（wn()) za，n() -NXn=1πnu（wn）za，n~ O() 一∈ D.（A.12）仔细检查方程式（A.10）-（A.12）可以发现M>0的存在，当 由于规模非常小，因此存在上述满足| wn()-wn |<米 对于所有n，因此为（LL）约束。写入˙wn=（wn()-wn）/ 和˙zn() = （锌() - 锌）/. 什么时候 是一个很小的扩展方程（A.12），使用u（·）和| wn的二次微分() -wn |~ O()将结果乘以λyieldsNXn=1πn·u（wn）·λ>zn·˙wn() = -NXn=1u（wn）·πn·λ>˙zn() + O() .使用˙w简化() = 0，u（wn）=1/λ> 锌对于n≥ 2（引理6）和方程（A.10）yieldsNXn=1πn˙wn() = s（u（周）- u（wj））λ> z- λ> z+ O() . （A.13）为了了解原因，定义κA=PNn=2πnu（wn）za，nand Sa=nhxniNn=2∈ 注册护士-1： PNn=2xnza，n≥ 每个a的κAo∈ D、 注意hπnu（wn）iNn=2∈ ∩一∈DSa。如果我们无法构建上述工资比例，则存在∈ D使∩a=a，anhxniNn=2∈ 注册护士-1： PNn=2xnza，n≥ κao=nhxniNn=2∈ 注册护士-1： PNn=2xnza，n=κAo，因此za，n=-za，NfN=2，····，n和κa=-κa.与此同时，κa≥ c（a*) - 所有a的c（a）>0∈ D、 从而产生矛盾。微扰（b）重复上述微扰（b）的参数yieldsNXn=1πn˙wn() = -(1 - s） （u（周）- u（wj））λ> z- λ> z+ O() . （A.14）由于引理6中的u（wk）6=u（wj）且λ>z6=λ>zby假设，方程（A.13）和（A.14）的右侧在以下情况下具有相反的符号： 很小。证明的剩余部分与定理1相同，因此省略。A、 3.3定理6的证明。

定义∧=nλ：λ∈ R | D |+和kλk | D |=1o，其中k·k | D |表示| D |维欧氏范数。根据定理5，任何最大N∈ {2，···，K}性能类别由λ完全接受∈ ∧和N- 1切割点bz、···、bzN-1使最小ω∈Ohmλ> Z（ω）≤bz公司≤ ··· ≤ bzN公司-1.≤ 最大ω∈Ohmλ> Z（ω）。Writebz=（bz，···，bzN-1). 定义Zn（λ）=bz：最小ω∈Ohmλ> Z（ω）≤ bz公司≤ ··· ≤ bzN公司-1.≤ 最大ω∈Ohmλ> Z（ω）,用sup范数k·k装备ZN（λ），注意ZN（λ）根据假设3是紧的。对于任何给定对（λ，bz），写出诱导*asW（λ，bz），注意W（λ，bz）存在并且是有限的，当且仅当λa>0表示ALA∈ D和最小ω∈Ohmλ> Z（ω）<bzn<最大ω∈Ohmλ> 对于某些n，Z（ω）。第一个条件是必要的：否则存在∈ D使得za（A）≡ 在（λ，bz）下形成的所有性能类别A中为0，因此将违反（ICa）约束。我们分两步进行。步骤1表明，对于任何给定的N，W（λ，bz）在（λ，bz）中是连续的∈ {2，···，K}。固定任意λ∈ ∧和BZ∈ ZN（λ），使得W（λ，bz）是有限的。W、 l.o.g.考虑bzn都不同的情况。对于非常小的δ>0，设λδ和bzδ为∧和ZN的任意元素λδ, 分别使kλδ- λk | D |，kbzδ-bzk<δ。设πnand zn（分别为πδnand zδn）表示概率（在a=a的情况下*) 和| D |-与性能类别An相关的Z值向量=ω：λ>Z（ω）∈ [bzn-1，bzn）（分别为Aδn=ω：λδ>Z（ω）∈ [bzδn-1，bzδn）), 分别地让Wn表示最佳工资atAn。修复任何 > 0，并考虑支付wn+ 在Aδnif zδA时，对于所有A，n>0∈ D和wn，否则。通过施工，该工资比例满足（LL）约束。

在假设2和3下，当δissmall:limδ时，它满足每个（ICa）约束→0Xnuwn+Ya∈Dzδa，n>0·!πδnzδa，n=Xnuwn+Ya∈Dza，n>0·!πnza，n>Xnu（wn）πnza，n，其中不等式成立，因为对于所有∈ 所以存在n这样的qa∈Dza，n>0=1。要完成防护，请注意LIMδ→0Xnπδnwn+Ya∈Dzδa，n>0·!=Xnπnwn+Ya∈Dza，n>0·!,因此，当δ足够小时，以下公式成立：Wλδ，bzδ- W（λ，bz）≤Xnπδnwn+Ya∈Dzδa，n>0·!-Xnπnwn<.最后，在（λ，bz）和λδ，bzδ在上述推导中，得到W（λ，bz）- Wλδ，bzδ< , 意味着Wλδ，bzδ- W（λ，bz）<  当δ非常小时。步骤2在假设4（a）下，以下数量：WN：=最小λ∈∧，bz∈ZN（λ）W（λ，bz）存在，并且对所有N都是有限的∈ {2，···，K}与∧和zn（λ）的紧性。在假设4（b）下，委托人的问题可以写为：minλ∈∧，^z∈ZK（λ）W（λ，bz）+u·h（π（λ，bz）），其中π（λ，bz）表示在（λ，bz）下形成的概率向量，并且在其参数中是连续的。证明的其余部分与定理2相同，因此省略。B其他扩展B。1个人理性在本附录中，除了代理人受个人理性而非有限责任的约束外，一切都应与基线模型一样：XA∈PP（A）u（w（A））≥ c+u（IR）工资方案为w:P→ R、 而一个能从代理人那里获得高额回报的最优激励合同（简称最优激励合同）在（IC）和（IR）约束条件下，将总实施成本降至最低。推论4。在假设1下，任何诱导药剂产生影响的最佳监测技术都包含Z凸细胞。证据取任意最优激励契约，让hAn，πn，zn，wniNn=1为对应的元组。

在不丧失一般性的情况下，假设z≤ ··· ≤ 锌。步骤1显示z<···<ZN和w<···<wN。给定hAn，πn，zniNn=1isminhwniNXn=1πnwn的工资最小化问题- λNXn=1πnu（~wn）zn- c- γNXn=1πnu（~wn）- （c+u）！，其中λ和γ分别表示与（IC）和（IR）约束相关的拉格朗日乘子。将目标函数与wn进行微分，并将结果设置为零，我们得到u（wn）=λzn+γ。因此，如果zj=zk，对于某些j 6=k，则wj=wk。但是，合并AJA和AK对激励成本没有影响，但通过假设1（b）严格降低了监控成本，这与原始合同的最优性相矛盾。步骤2显示Z-凸性。相反，假设一些aj不是Z凸的。考虑定理1证明中的第一个扰动（a）。接受任何工资比例hwn()iNn=1使得（IC）和（IR）约束在扰动后仍具有约束力，即NXn=1πnu（wn()) 锌() =NXn=1πnu（wn）zn，（B.1）和NXn=1πnu（wn()) =NXn=1πnu（wn）。（B.2）仔细检查方程式（A.1）、（B.1）和（B.2）可以发现M>0的存在，因此当 如果规模足够小，则存在如上所述的工资比例，即| wn() - wn |<米 对于所有n.写入˙wn() = （wn）() - wn）/ 和˙zn() = （锌() - 锌）/, 设λ>0和γ>0分别表示扰动前与（IC）和（IR）约束相关的拉格朗日乘子。利用u（·）和| wn的二次微分展开λ（B.1）+γ（B.2）() -wn |~ O() 当 较小：NXn=1πn·u（wn）·（λzn+γ）·˙wn() = -λNXn=1u（wn）·πn˙zn() + O() . （B.3）要了解原因，请确定κ=PNn=1πnu（wn）zn，κ=PNn=1πnu（wn），S=nhxniNn=1∈ RN：PNn=1xnzn≥ κo和S=nhxniNn=1∈ RN：PNn=1xn≥ κo，注意hπnu（wn）iNn=1∈ S∩S

然后从z<···<zN，可以得出尺寸S∩S=N，并结合方程式（A.1）得出所需结果。使用u（wn）=1/（λzn+γ）和方程（A.1）yieldsNXn=1πn˙wn进行简化() = s（u（周）- u（wj））（λz- λz）。（B.4）考虑下一个扰动（B）。与上述类似的代数运算yieldsNXn=1πn˙wn() = -(1 - s） （u（周）- u（wj））（λz- λz）。（B.5）由于u（wj）6=u（wk）和z6=z，我们必须有sgn（B.4）6=sgn（B.5），证明的剩余步骤与定理1相同。B、 2随机监测技术本附录扩展了基线模型，以涵盖随机监测技术q：Ohm → K将原始数据点映射到K-dimensionalsimplex中的元素。时间演变如下：1。委托人向总部、wi承诺；2、代理人私自选择∈ {0, 1};3、自然绘制ω∈ Ohm 根据Pa；4、监测技术输出n∈ 概率为qn（ω）的{1，···，K}；5、委托人支付承诺工资wn≥ 0、在hq、wi下，如果代理人发挥了较高的效力，则其被分配到绩效类别n，概率πn=Zqn（ω）dP（ω）。定义N={N：πN>0}。对于n∈ N、 definezn=ZZ（ω）qn（ω）dP（ω）/πnas性能类别N的z值。对于N/∈ N、 设wn=0。然后hq、wi与ifXn完全兼容∈Nπnu（wn）zn≥ c、 （IC）在这种情况下，监控成本与高输出条件下的原始数据和输出信号的互信息成比例：H（q，1）=Xn∈NZqn（ω）logqn（ω）Rqn（ω）dP（ω）dP（ω）。最优激励契约hq*, w*一种能从代理人solvesminhq、wiXn处获得高效能的方法∈Nπnwn+u·H（q，1）s.t.（IC）和（LL）。下一个定理给出了最优激励契约的特征：定理7。对于任何最佳激励合同，总部*, w*如果能从代理人那里获得高回报，我们有（i）q*: Z(Ohm) → K（ii）最小值{w*n： n个∈ N*} = 0; （iii）对于所有j、k∈ N*, w*j6=w*坎德q*k（z）/q*如果w，则j（z）在z中严格增加*j<w*k、 证明。

由于激励成本在q（ω）中是线性的，而监控成本是converxin q（ω），因此q*: Z(Ohm) → K那个w*j6=w*k所有j、k∈ N*. 已写入*= {1，···，N}并假设w.l.o.g*< ··· < w*N、 然后w*= 0的原因与引理2的证明相同。将委托人的目标函数与q（z）进行区分，得到以下一阶条件：- w*n+λu（w*n） z=ulogq公司*n（z）q*（z）- 对数π*nπ*n=2，···，n，（B.6），其中λ>0表示与（IC）约束相关的拉格朗日乘数。方程（B.6）的左侧在z上严格递增，从而证明了该定理的第（iii）部分。下一个定理证明了最优激励契约的存在性：定理8。假设假设2和3。然后，存在一个能从代理人那里获得高回报的最优激励合同。证据对于任意给定的q，当且仅当zj6=zk时，对于某些j，k，工资最小化问题才有解∈ N、 在这种情况下，我们表示最小激励成本byW（q）。主体问题是minqw（q）+u·H（q，1），它的任何解在Z上都必须是连续可微的(Ohm) 根据方程式（B.6）和假设2和3（通常注意端点处的导数）。定义Z(Ohm) , K作为上述q的集合，并配备CZ(Ohm) , K具有超范数k·k，即kq-qk=supz，n | qn（z）-qn（z）|。将校长的问题改写如下：minq∈C（Z(Ohm),K） W（q）+u·H（q，1），注意目标函数在q中是连续的。要证明解的存在性，请注意infq∈C（Z(Ohm),K） W（q）+u·H（q，1）是一个有限的数字，以下用x表示。Letqk公司是C中的任意序列Z(Ohm) , K这样limk→∞Wqk公司+ u·Hqk，1= x、 显然，qkis对所有k一致有界，并且族qk公司根据假设3和ofC的定义是等连续的Z(Ohm) , K.

因此qk公司一致收敛于某个q∞byHelly选择定理和W（q∞) + u·H（q∞, 1） =x乘以目标函数的连续性。参考文献Alchian，A.A.和H.Demsetz（1972）：“生产、信息成本和经济组织”，《美国经济评论》，62（5），777-795。Baiman，S.和J.S.Demski（1980）：“经济最优绩效评估和控制系统”，《会计研究杂志》，18（S），184-220。Bergemann，D.和S.Morris（2019）：“信息设计：统一的视角”，《经济文学杂志》，57（1），44-95。Blackwell，D.（1953）：“实验的等效比较”，《数理统计年鉴》，24（2），265-272。Bloom，N.、B.Eifert、A.Mahajan、D.McKenzie和J.Roberts（2013）：“管理重要吗？来自印度的证据”，《经济学季刊》，128（1），1-51。Bloom，N.、R.Sadun和J.Van Reenen（2012）：“美国人做得更好：美国跨国公司和生产率奇迹”，《美国经济评论》，102（1），167-201。Bloom，N.和J.Van Reenen（2006）：“衡量和解释企业和国家的管理实践”，经济绩效讨论文件中心，第716号。--（2007）：“衡量和解释企业和国家的管理实践”，《经济学季刊》，122（4）：1351-1408。--（2010）：“为什么各国的管理实践有所不同？”经济展望杂志，24（1），203-224。Cover，T.M.和J.A.Thomas（2006）：信息理论要素，新泽西州霍博肯：John Wiley&Sons，第二版。Cr'emer，J.，L.Garicano和A.Prat（2007）：“语言与企业理论”，《经济学季刊》，122（1），373-407。Dilm\'e，F.（2017）：“最佳语言”，工作文件。Dye，R.A.（1986）：“机构的最佳监控政策”，《兰德经济杂志》，17（3），339-350。Ewenstein，B.、B.Hancock和A。

Komm（2016）：“曲线前方：绩效管理的未来”，麦肯锡季刊，5月。Green，J.R.和N.L.Stokey（1983）：“锦标赛和合同的比较”，《政治经济学杂志》，91（3），349-364。Grossman，S.J.和O.D.Hart（1983）：“主要代理问题分析”，《计量经济学》，51（1），7-45。Kayyali，B.、D.Knott和S.Van Kuiken（2013）：“医疗保健领域的‘大数据’革命”，《麦肯锡季刊》，1月。Holmstrom，B.（1979）：“道德风险与可观察性”，《贝尔经济学杂志》，10（1），74-91（1982）：“团队中的道德风险”，《贝尔经济学杂志》，13（2），324-340。Holmstrom，B.和P.Milgrom（1991）：“多任务委托代理分析：激励合同、资产所有权和工作设计”，《法律、经济和组织杂志》，7（S），24-52。Hook，C.、A.Jenkins和M.Foot（2011）：引入人力资源管理，Pearson，第六版，J¨ager，G.、L.P.Metzger和F.Riedel（2011）：“Voronoi语言：具有高维信号和少量信号的廉价对话游戏中的均衡”，《游戏与经济行为》，73（2），517-537。Kaplan，E.（2015）：《刺杀我的间谍：工作场所监控的人力成本》，哈珀杂志，3月。Kim，S.K.（1995）：“机构模型中信息系统的效率”，《计量经济学》，63（1），89-102。Lazear，E.P.和S.Rosen（1981）：“排名赛作为最佳劳动合同”，《政治经济学杂志》，89（5），841-864。Ma\'ckowiak，B.和M.Wiederholt（2009）：“理性疏忽下的最优粘性价格”，《美国经济评论》，99（3），769-803。Martin，D.（2017）：“理性忽视质量的战略定价”，游戏与经济行为，104131-145。Matˇejka，F.和A.McKay（2012）：“理性疏忽消费者的简单市场均衡”，《美国经济评论：论文和论文集》，102（3），24-29。穆克吉，D。

（1984）：“具有多个代理人的最优激励计划”，《经济学研究评论》，51（3），433-446。Murff，H.J.、F.FitzHenry、M.E.Matheny、N.Gentry、K.L.Kotter、K.Crimin、R.S.Dittus、A.K.Rosen、P.L.Elkin、S.H.Brown和T.Speroff（2011）：“使用自然语言处理在电子病历中自动识别术后并发症”，《美国医学会杂志》，306（8），848-855。Ravid，D.（2017）：“与理性疏忽的谈判”，工作文件。圣保罗G.（2017）：“理性疏忽的“量化”方法”，《欧洲经济评论》（EuropeanEconomic Review），100，50-71。Shannon，C.E.（1948）：“沟通的数学理论”，《贝尔实验室技术杂志》，27（3），379-423。Sims，C.A.（1998）：“粘性”，卡内基-罗切斯特公共政策系列会议，49317-356（2003）：“理性疏忽的影响”，《货币经济学杂志》，50（3），665-690。Singer，N.（2013）：“心情好吗？呼叫中心代理可以告诉你，”纽约时报，10月12日。Sobel，J.（2015）：“广义条款和组织准则”，工作文件。Woodford，M.D.（2009）：“信息约束的国家相关定价”，《货币经济学杂志》，56（S），S100-S124。Yang，M.（2019）：“灵活信息获取下债务的最优性”，《经济研究评论》，即将出版。