根据第5章第5.3节的汽车召回流程建模的分析， 可以对汽车召回建立动态博弈模型， 如图7.1所示。
图7.1 不完全信息的动态博弈模型
从缺陷汽车召回博弈树中可以看出， 博弈分两阶段进行： 第一阶段T＝1， 汽车制造商1对汽车召回进行博弈； 第二阶段T＝2， 政府2对汽车召回行为进行博弈。 政府2因为财政投入有限， 因此， 在进行召回决策选择时， 会依照制造商1的行为结果来决定召回行为。 当制造商1发起召回时， 政府2的最优策略是不发起召回； 而当制造商1不发起召回时， 政府2的最优策略是发起召回。 制造商1主动发起召回的概率为t。
博弈过程通过反向归纳法来分析。 T＝2时， 政府2观测到制造商1的行动为召回， 选择策略 （召回、 不召回）， 政府资源效益最大化的期望为
当且仅当
，即
时，政府2选择不召回。
T＝1时， 制造商1了解自己的类型， 并预期到政府的行为为 （召回、 不召回）， 因此， 制造商也进行 （召回、 不召回） 的策略选择， 最大化自己的支付函数。
①当
时，制造商1预期到政府进行召回，制造商1的最优化反应行为是max｛－pmnmrm－xmk－c，－pmnmrm－xmk－βf｝， 从而制造商1选择召回的充要条件是c＜βf， 即要使制造商1召回的充要条件是： 一次检测成本小于政府2对其违规的惩罚成本。 当c＜βf时， 汽车召回博弈模型的一个均衡解为 （制造商召回、 政府召回）。
②当
时，制造商1预期到政府不召回，制造商1的最优化反应行为是max｛－pmnmrm－xmk－c，－pmnmλk｝，从而制造商1选择召回的充要条件是c＋pmnmrm＋xmk＜pmnmλk，即要使制造商1召回的充要条件是： 汽车召回所发生的成本 （检查费用、 缺陷部件的更换成本和对已经发生事故的赔偿费用之和） 小于汽车缺陷所引起的事故赔偿成本。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
