聯合行為下寬恕政策的有效性分析 - 政大學術集成

全文

(1)國立政治大學社會科學學院財政研究所碩士論文指導教授：王智賢博士. 政治大立聯合行為下寬恕政策的有效性分析. ‧ 國. 學. ‧. The Effectiveness Analysis of Leniency Policy. n. al. y er. io. sit. Nat. under Cartel. Ch. engchi. i n U. v. 研究生：陳姿伶撰中華民國一O四年六月.

(2) 謝辭在政大讀碩士的兩年間的每一個日子都太充實，以致於時間過得要比想像中快上許多，剛入學對於論文全然不知的自己還晃如昨日，沒想到時至今日已能親手完成一篇自己的論文，真的覺得能有機會在政大讀書好幸運，細數這兩年的日子每一刻都好值得，自己著實成長了不少。撰寫論文的期間最感謝的莫過於我的指導老師王智賢教授，在學術上，除了每星期能與老師一起作研究，並從中發現研究結果如何呈現讓人更明瞭以及. 政治大卻沒有一刻放棄我並指導我到完成論文，真的讓我有滿腹的感謝。除此之外，立自己想法上的不足外；在生活上，期間老師的身體狀況並不是很好，但是老師. ‧ 國. 學. 也十分謝謝我的口試委員翁堃嵐教授以及林玫吟副教授給予我許多的建議與想法，讓我能提高整篇論文的完整性。. ‧. 真心感謝財政系所有教授學術上專業知識的教導以及生活中經驗的分享，. y. Nat. sit. 讓我得以在此期間找到自己未來努力的方向；也謝謝班上同學們與我一起合作. n. al. er. io. 無數的大小報告以及考前考古題的討論，在讀研究所的期間又多了幾個超級好. i n U. v. 朋友絕對是一件很幸福的事情，而這些一同上課、吃飯跟打鬧的日子在將來定會是我美好的回憶。. Ch. engchi. 最後，想謝謝我的家人一直當我生活中的強力後盾，給予我空間追求自己想完成的事情，也感謝一直在身邊支持我的朋友們從不嫌棄我時不時的抱怨，你們給予我的鼓勵讓我足以對自己的未來懷抱希望，相信自己能成為一個對社會有貢獻的人。再次感謝所有幫助過我的人，謝謝大家！姿伶謹誌 2015.06 于政大. i.

(3) 國立政治大學103學年度碩士論文提要研究所別：財政研究所論文題目：聯合行為下寬恕政策的有效性分析研究生：陳姿伶指導教授：王智賢. 立. 論文提要：. 政治大. ‧ 國. 學. 寬恕政策為政府打擊卡特爾不可或缺的重要工具，為了維持市場競爭公. ‧. 平性，各國相繼將其引入法條之中，該政策透過廠商主動揭露涉案行為，使得政. Nat. sit. y. 府可有效掌握證據將其處置。本文建立兩種賽局模型並分別利用子賽局完全均衡. n. al. er. io. 及序列均衡的概念，嘗試討論一般情況下寬恕政策的效率及納入資訊不對稱情形. i n U. v. 下的政策有效性，並由兩模型推論出：實行寬恕政策且廠商主動申報聯合行為為. Ch. engchi. 社會最有效率的均衡、透過政府制定適當的罰鍰區間引導下，主動申報聯合行為的行為可視為一區隔廠商型態的訊號。. 關鍵詞：寬恕政策、卡特爾、反托拉斯、子賽局完全均衡、資訊不對稱、序列均衡. ii.

(4) The Effectiveness Analysis of Leniency Policy under Cartel Abstracts The leniency policy plays an indispensable role in thwarting cartel formation. To maintain the fairness of market competition, most countries successively bring this policy into their antitrust legislation. After the enforcement of the policy, the involved firms may have incentive to self-report and provide evidences to the Antitrust Authority. Therefore, the authorities can get enough evidences to convict those firms of being cartel members.. 立. 政治大. In this paper, we develop two kinds of game theoretical model and use the concept. ‧ 國. 學. of subgame perfect equilibrium and sequential equilibrium to discuss the efficiency of leniency policy in general conditions, and the effectiveness of the policy under the. ‧. condition of information asymmetry. We show that it is efficient to the society and the. y. Nat. sit. authorities when the cartel members self-report under the enforcement of leniency. n. al. er. io. policy. Moreover, by setting up an appropriate fine payment, self-reporting can be a. i n U. v. signal for the authorities to segment the type of the involved firms.. Ch. engchi. Keywords: Leniency Policy, Cartel, Antitrust, Subgame Perfect Equilibrium, Information Asymmetry, Sequential Equilibrium. iii.

(5) 目錄第一章前言.............................................................................................1 第二章文獻探討 ....................................................................................5 第三章模型設定 ....................................................................................9 第一節模型 1 ..................................................................................................................................... 9 第二節模型 2 .................................................................................................................................... 19. 第四章. 治政大結論與建議 ..............................................................................31 立 ‧ 國. 學. 附錄 1........................................................................................................33. ‧. 附錄 2.......................................................................................................36. n. al. er. io. sit. y. Nat. 參考文獻...................................................................................................38. Ch. engchi. iv. i n U. v.

(6) 表目錄表 1 模型 1 之子賽局完全均衡 .......................................................... 14 表 2 模型 2 之單純策略下的序列均衡 .............................................. 23. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. v. i n U. v.

(7) 圖目錄圖 1 模型 1 的延伸型式賽局 ............................................................ 11 圖 2 模型 1 之罰款數線圖 ................................................................ 16 圖 3 模型 1 之罰款數線圖 ................................................................ 16 圖 4 模型 1 之罰款數線圖 ................................................................ 17 圖 5 模型 2 之延伸型式賽局 ............................................................ 21. 政治大. 圖 6 模型 2 序列均衡解分布圖........................................................ 27. 立. 圖 7 模型 2 政府將廠商利益考量在內之延伸型式賽局 ............... 36. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. vi. i n U. v.

(8) 第一章前言近年在國際化的趨勢下，聯合行為 (亦稱卡特爾) 的發生愈加複雜及頻繁，廠商間私下的結盟破壞市場原有的競爭公平性，因此各國政府皆致力於打擊此類行為以降低對市場整體的損害。然而，聯合行為多屬私下合意串通所成，致使政府機關在事證的蒐集上實屬不易，並無法有效地打擊聯合行為，因此寬恕政策成為打擊惡性卡特爾的重要方法，該政策可促使涉案廠商主動向政府機關告密，且. 政治大各國法律的制定皆具些微的差異，如在聯合行為的處分方面：美國主要為刑事罰、立. 協助機關調查與提供相關的事證。關於聯合行為的處分以及寬恕政策的適用上，. ‧ 國. 學. 歐盟為行政罰、台灣則為行政罰為主，但若未改正或屢犯的情形則亦有刑事罰約束。而美國的相關條款可見於「休曼法」之中，歐盟則訂定於「歐盟運作條例」，. ‧. 台灣則可在「公平交易法」中見其相關規定。. sit. y. Nat. 以美國而言，由休曼法第 1 條即可得知聯合行為的定義：任何限制美國州際. al. er. io. 間或與外國間之貿易或商業契約，以托拉斯或其他形式的聯合與共謀，均屬非法。. v. n. 而從事不法聯合行為的事業，在民事及刑事上皆可能遭受裁罰。經認定有罪後，. Ch. engchi. i n U. 於刑事罰上，營利事業將處以美金 1 億元以下的罰金；個人則處以 10 年以下有期徒刑，併科美金 100 萬元以下的罰金。而民事方面，由克來登法第 4 條可得知：任何因反托拉斯法所禁止的事項而遭受財產或營業損害的人，可在被告居住的、被發現的、或有代理機構的區向美國區法院提起訴訟，不論損害大小，一律給予其損害額的 3 倍賠償、訴訟費和合理的律師費。由上述對於聯合行為所制訂的反托拉斯法可發現美國對於卡特爾處以相當重的裁罰，因此使得之後寬恕政策的推行具一定的效果。寬恕政策的起源即為 1978 年美國實行的相關規範，該政策即後所俗稱的「窩裡反條款」，而 1993 年美國再對該政策進行大幅度的修正，提出了法人寬恕政策， 1.

(9) 又再於隔年推出個人寬恕政策，其前述政策目的皆為鼓勵涉案廠商主動申報違法事項及協助蒐集事證，而司法部將給予第一家告密的事業免除罰金的資格以作為獎勵，並給予第一家事業的相關職務人員免除刑事罪刑的優惠。自此之後，即陸續有聯合行為的廠商主動向司法部揭露以獲得罰金的免除。由實行後適用的案例可推論：寬恕政策在美國司法部調查聯合行為上具一定的效果，為一重要工具。再就歐盟的規定為例，歐盟於 2002 年也相應制定了寬恕政策，又再於 2006 年修正原有條款，提出現有執行的政策版本。歐盟對於聯合行為的處分為行政罰，條文中並無刑事罰的規定，而其寬恕政策的條款規定在執行委員會開始調查前，. 治政大 2 家以後的廠商仍有訂定部部罰鍰的資格，但不同於美國政策的是，歐盟對於第立. 或已展開調查但尚無足夠證據的案件中，第一家揭露聯合行為的廠商可得免除全. 報廠商，最多仍有減除 20% 罰鍰的資格。. 學. ‧ 國. 分減免的規定於法條之中，第 2 家申報者可減除 20% 至 30% 罰鍰，而以後申. ‧. 美國及歐盟除了對聯合行為的裁罰類別及可免除的比例具差異外，可以申請. y. Nat. 適用寬恕政策的對象也有所不同，美國的寬恕政策個人以及企業皆可申請適用，. er. io. sit. 但不得為該聯合行為的發起者；而歐盟並無制定個人寬恕政策，因此只有企業適用寬恕政策的規定，但並未明文規定適用對象不可為行為的發起者。. al. n. v i n 雖然各區域對於聯合行為以及寬恕政策的訂定有所不同，但是寬恕政策推行 Ch engchi U. 後，各區域皆有成功實際適用該政策的案例。如美國司法部 2004 年面板廠聯合壟. 斷價格的調查，該案例中共有 10 家亞洲面板廠商共謀，期間曾私下聚會達成價格協議並交換市場資訊，而其中廠商「三星」最早向美國司法部揭露聯合行為，並同時提供其他面板廠商的涉案事證，促使司法部能掌握足夠且適切的證據將參與聯合行為的廠商定罪，而被舉發的廠商也因此被處以相當高的裁罰金額1。而同案件歐盟執行委員會亦於 2010 年以涉及聯合壟斷 LCD 價格為由，對於此案件中的涉案廠商作出裁罰，廠商「三星」於歐盟地區仍為最早認罪得以適用寬恕政策. 1. 國家政策研究基金會，http://www.npf.org.tw/post/3/10026，最後瀏覽日期：2015/06/30。 2.

(10) 的廠商，故於此卡特爾案件中得免除全部罰鍰，其他廠商則是被處罰款共約 6 億多歐元2。由此面板廠商的案例中我們更加可以確信：寬恕政策在世界各地區調查聯合行為及蒐集事證上，為一重要的突破，應具相當的效益。另一方面，台灣對於聯合行為的規範，可從「公平交易法」中得知。我國於 2011 年首次將寬恕政策引入公平交易法中，增列第 35-1 條將寬恕政策的法規引入公平交易法內，且為提升廠商告密的誘因，也同時修正第 41 條中涉案廠商的罰緩，增列對情節重大廠商得處該事業上一會計年度銷售金額 10% 以下罰鍰之規定，且其金額不受第 41 條第 1 項 2500 萬元以下的限制3。我國再於 2012 年依據公平交易法第 35-1 條之授權，頒佈「聯合行為違法案件免除或減輕罰鍰實. 治政大施辦法」，此辦法對條款具體實行方面作規定，依照該辦法規定所示：在政府尚立未知悉或進行調查前，告密且提供協助的第一家廠商及其代表權人可免除全部的. ‧ 國. 學. 罰鍰；而在進行調查之後，主動承認涉案及配合調查的廠商亦可適用此政策，依. y. Nat. 下的罰鍰，至多四家可得減輕罰鍰的資格。. ‧. 主動申報的順序得減輕 30% 至 50%、20% 至 30%、10% 至 20% 及 10% 以. er. io. sit. 在我國實行寬恕政策之後，2012 年首度有跨國案例適用此條款，此案例中四家光碟機公司在投標過程中相互聯繫以交換資訊，於數次標案中預先對最終價格. al. n. v i n 。涉案公司於及得標名次私下達成協議，進而影響到國內光碟機市場的供給需求 Ch engchi U 4. 2011 年已經在美國司法部作認罪協商，而當時國內也已將寬恕政策納入公平交易. 法中，因此，國內即有事業主動提供事證並配合調查，加速了承辦案件的效率。此為我國第一件涉案事業提出免除全部罰鍰申請且獲准的案件，對於我國在寬恕政策的實行上具指標性的意義，且由此案例中可得知：寬恕政策的實行對於公平 2. 3. 4. 工商總會服務網， http://www.cnfi.org.tw/kmportal/front/bin/ptdetail.phtml?Part=magazine10111-512-2，最後瀏覽日期：2015/06/30。民國 104 年 2 月 4 日修正公布後，寬恕政策放入公平交易法第 35 條，情節重大之相關罰鍰於第 40 條。工商總會服務網， http://www.cnfi.org.tw/kmportal/front/bin/ptdetail.phtml?Part=magazine10111-512-2，最後瀏覽日期：2015/06/30。 3.

(11) 交易委員會調查案件具一定的效用，藉由罰鍰的減輕或是免除，可得到直接或間接的事證以提升定罪的機率。鑑於各國實行寬恕政策後，增加了卡特爾廠商主動認罪的案件數目，且藉此告密的機制下，使得政府能有效掌握證據以對涉案廠商作出裁處，寬恕政策的執行與其可達成的效果皆是社會以及政府所欲得知的。因此，現有許多文獻從寬恕政策的不同面向作研究，從寬恕政策與其執行後卡特爾數量間的分析，至政策內獎勵機制的探討皆有所聞，而我們將會對此於下一章節作介紹。本篇研究著重於討論寬恕政策是否能使對市場損害較大的涉案廠商主動揭露. 治政大架設兩類模型對此議題進行探討。模型 1 欲先討論寬恕政策實行下，自社會效率立. 聯合行為，且政府可藉由訂定一定的罰款區間致使此類廠商主動認罪，為此本文. 及政府效用的考量角度而言，廠商願主動申報涉案是否為最佳的均衡解，而我們. ‧ 國. 學. 設立延伸式賽局並利用子賽局完全均衡的方式求得均衡；模型 2 則再將涉案廠商. ‧. 分為對市場損害大與小的兩類廠商，而政府只知道廠商類型在社會上佔有的比率，. y. Nat. 但實際對於申報的廠商類型具資訊不對稱的情形，而我們欲得知寬恕政策的實行，. er. io. sit. 是否可讓損害大的廠商主動申報，使得政府可以將申報的行為視為一區隔型態的訊號；又抑或是寬恕政策的實行，可以同時讓兩類廠商皆主動申報涉案行為，而. al. n. v i n 由於模型 2 須將資訊不對稱納入分析，因此我們利用序列均衡的方式作議題的討 Ch engchi U 論求解。. 最後，本文討論架構依序如下：第一節為前言、第二節為相關文獻探討、第三節為模型 1、2. 的基本設定以及其相關命題與推論，第四節為結論與建議。. 4.

(12) 第二章文獻探討寬恕政策對於打擊聯合行為上佔有舉足輕重的角色，最早由美國提出並實行，而後歐盟及其他世界各國也陸續採用類似的政策打擊卡特爾，台灣也於 2011 年公平交易法修法引入寬恕政策，並同時也加重對市場損害較大的廠商的罰則。卡特爾組織對於經濟活動的影響以及對市場的損害是世界各國所欲抑制的，由我國修法方向可得知，損害大的廠商是政府與社會欲打擊的對象，因此我們想要藉由賽局理論模型，討論是否能誘使損害大的廠商主動申報，抑或是有聯合行. 政治大現有文獻中有寬恕政策實行後的成效分析：Brenner (2009) 把政策目的分為長立. 為的廠商皆主動申報，而目前尚無文獻討論此議題。. ‧ 國. 學. 短期，短期希望能夠提升偵查率及減少執法的成本；長期希望抑制卡特爾的形成。 Brenner 利用歐盟寬恕政策的資料作實證分析，得到政策實行後，反托拉斯機關獲. ‧. 得較先前更為充足的證據與資訊；但是對於長期效果而言，作者指出實際被定罪. sit. y. Nat. 的卡特爾數目雖大量提高，但不能表示為政策成效佳，也有可能為卡特爾的活動. al. er. io. 較以前更加興盛所致，因此並未在寬恕政策對於卡特爾組織的穩定與否間找到顯. n. 著關係。Hinloopen and Soetevent (2008) 研究寬恕政策實行後，對價格、卡特爾的. Ch. engchi. i n U. v. 活動及穩定性的影響，他們作了四種價格競爭的試驗，並提出寬恕政策使得價格下降的兩個因素，一為政策實行後，卡特爾減少原有的活動；另一為現有的卡特爾組織在靜態納許均衡價格 (static Nash equilibrium price) 之上較無索價的能力。 Miller (2009) 則利用理論及實證模型探討寬恕政策的效力，得出寬恕政策實行後，卡特爾被偵查的數量比實行前多，有抑制的效果。Motta and Polo (2003) 則認為雖然寬恕政策能夠使執法更有效，但同時可能會誘使聯合行為的發生，由於政策降低預期的罰金，因而降低本身違法行為的成本，因此若反托拉斯機關利用原有的罰金制度就可以預防聯合行為，則寬恕政策就不應被採用；但若反托拉斯機關的資源有限，寬恕政策即是次佳的選擇，而最適的採行方式即是讓 5.

(13) 與機關合作的廠商完全免除罰金。Motta and Polo 也提出寬恕政策的適用應擴及至調查開始後，不應侷限於調查前的申報才能獲取資格。在寬恕政策加入獎勵申報者的分析：Bigoni et al. (2012) 提出一個好的政策應有效降低價格及卡特爾的形成，而非提高定罪比率。Bigoni et al. 使用三種情形來討論反托拉斯政策對價格及抑制形成的效果，並推得傳統利用罰金控管卡特爾行為 (沒有寬恕政策) 可有效抑制其形成，但是使得現有的卡特爾將價格再提高；在寬恕政策推行下，可再更進一步的抑制卡特爾的形成，使得價格下降，但也使得現有組織更加穩定，社會福利的提升相當有限；而若罰金當作獎勵給主動申報者時，價格將顯著降低且確實能提升社會福利。Apesteguia，Dufwenberg and Selten. 治政大 (2007) 使用賽局理論以及實證模型探討寬恕政策對於價格、卡特爾的形成及偵查立. 的影響。Apesteguia，Dufwenberg and Selten 的理論分析得到：當所有廠商都必須. ‧ 國. 學. 受罰的情形下，將促成卡特爾的形成且價格相當高；當第一個告密者可以獲得免. ‧. 除罰金時，情形較前一種稍微改善；而當第一個告密者可以獲得免除罰金且能獲. y. Nat. 得獎金時，可以抑制卡特爾且誘使價格競爭。而實證分析中得到：當第一個告密. er. io. sit. 者可以獲得免除罰金時，相較於全部需受罰，價格顯著下降，同時也使得卡特爾形成的比率最低；然而在實證模型中，當第一個告密者可以免除罰金且能獲得獎. al. n. v i n 金時，卡特爾的數目相較於其他情形最多，與理論分析的結果相絀。Silbye (2012) Ch engchi U 使用賽局理論分析反托拉斯機關是否因應損害大小的不同調整罰金及有無獎勵申. 報者的情況下，兩家廠商的申報與否。Silbye 得到當損害越大，若寬恕政策沒有免除全部罰則，則其廠商主動申報的誘因越低。Silbye 並認為可透過完全免除責任或是獎勵主動申報者使政策更有效，但是完全免除將使受害者參與法律行動失去價值，而獎勵則有鼓勵違法的道德疑慮。將反托拉斯機關及廠商的資訊納入寬恕政策考量部分：Harrington (2013) 對寬恕政策的研究不同於一般假設資訊為共有，而將資訊分為私有或公開來討論政策的成效。Harrington 得到當寬恕政策提供申報者的優惠夠大下，即使被起訴的 6.

(14) 機率不高，因卡特爾間彼此有所顧慮，因此握有私有訊息的公司仍會主動申報；而若當資訊為公開且被起訴的機率不高時，公司則不會選擇主動申報。作者提出因組織成員間對於彼此搶先申報的顧慮，將使得原政策下的起訴效果更加被強化。 Sauvagnat (2010) 利用無窮重複賽局討論廠商是否繼續共謀或申報，並加入反托拉斯機關握有私有資訊作研究，得到寬恕政策可提高定罪的機率，進而可打擊現有的組織及抑制卡特爾的形成；且最適的寬恕政策應只提供豁免權給唯一申報的卡特爾成員，此情形下，也將使得寬恕政策最具誘惑力。其他分析面向：例如：對於跨國間反托拉斯機關的資訊交換分析， Choi and Gerlach (2012 ) 利用三種不同情況討論聯合行為的形成與反托. 治政拉斯機關間的資訊交換以及寬恕政策的效率大間的關係。 Choi and Gerlach 立研究結果顯示當機關彼此間完全不作資訊交換時，跨國公司較少主動申. ‧ 國. 學. 報，且跨國公司比國內公司更易維持卡特爾組織；當機關交換卡特爾組. ‧. 織的領導事業時，卡特爾面臨較高的偵查率及被定罪的機率，主動申報. y. Nat. 量因而增加，卡特爾的形成減少；而當機關間交換全部的卡特爾資訊時，. er. io. sit. 申報量間的增減取決於罰金與定罪的機率。 Hinloopen (2003) 則利用動態模型並假設每期的偵查率可以不同下，討論寬恕政策的效能，得到可透過減少罰金. al. n. v i n 的數額以及增加未來每期的偵查率增加政策的效率；而當申報者能獲取的罰金減 Ch engchi U 除額夠大的前提下，增加違法者的罰金也能增加政策效率。. 而國內在寬恕政策實行前後對聯合行為的相關研究：在政策引入前，王銘勇 (2006) 對減免罪責作經濟分析，討論不同國家與地區的寬恕政策，再反觀我國相關聯合行為立法上的缺失，進而檢討我國減免罪責的可行性，並提出應在法規建立明確的時間點及規範，並提高罰鍰。而在政策實行以後，顏廷棟 (2012) 回顧過往聯合行為案件發生時的運作情形，並對現有法規提出四個建言：調整同業公會的規範架構、專利授權等爭議案件須深入分析、區別許可聯. 7.

(15) 合行為的類型以及依據經濟環境調整適當的配套措施。作者也提出因我國制度上的缺失，立法者應授予公平會「專屬告發」的權限。綜合上述對卡特爾行為以及寬恕政策的相關文獻，仍未探討到我們欲討論的兩個議題 :一為採行寬恕政策後，自政府收益及整體市場的角度上，是否為一具有效率的方式；二為寬恕政策是否能誘使對市場損害大的廠商主動作申報，因此我們利用賽局模型對上述兩議題作分析。前者利用子賽局均衡作討論；後者因假設有對市場損害高低不同的廠商存在，政府對此損害有資訊不對稱的情形，因此我們利用序列均衡來作後續的討論。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 8. i n U. v.

(16) 第三章模型設定本節我們設立兩個模型由不同面向來探討寬恕政策，模型 1 著重於討論政府採行寬恕政策且誘使廠商主動申報時，相較於政府對聯合行為採行不處理或是廠商選擇不申報的其他均衡下，採行寬恕政策為前提的均衡是否較有效率，再藉由求得的罰款大小，檢視是否能在一定的罰款區間下，讓政府採行寬恕政策，廠商也有誘因申報自身的聯合行為，而在此討論議題上，我們設立延伸式賽局求解探討。而模型 2 我們假設有. 政治大小的，政府無法得知立主動申報聯合行為的廠商型態，因此模型. 兩種型態的廠商，一種為對市場損害較大的，另一種則為對市場損害較 2 我們利. ‧ 國. 學. 用序列均衡將資訊不對稱的情況納入考量求解，並再依求得的結果，檢視讓損害大的廠商主動申報聯合行為，以及讓損害大與小的廠商皆主動. ‧. 申報聯合行為的罰款應訂定的區間。在模型 2 中，我們主要探討寬恕政. sit. y. Nat. 策是否能成功誘使對市場損害大的廠商，也就是社會欲打擊的類型主動. n. al. er. io. 作申報。以下為模型 1 的設定：. Ch. 第一節. v. 模型 ni 1. engchi U. 假設政府為參賽者 1，廠商為參賽者 2。為探討政策的效率，假設參賽者 1 有兩種選擇：一種為採行寬恕政策，另一種為不採行寬恕政策；而在政府採行寬恕政策下，參賽者 2 有兩種選擇：第一種是主動申報有聯合行為，第二種是不申報聯合行為；而在參賽者 1 採行寬恕政策且參賽者 2 不申報，以及參賽者 1 不採行寬恕政策的兩種情況下，參賽者 1 有兩種選擇：第一種為對聯合行為調查，第二種為不調查是否有聯合行為。在計算每種情形下的報酬之前，我們假設廠商的利潤為 π ，聯合行為對市場的損害為 D ，廠商被查緝到具聯合行為時的罰款為 F ，而若在政府 9.

(17) 採行寬恕政策的情形下，廠商沒有主動申報且經政府調查屬實後，除原罰款 F 外，將再對廠商加重處上一年度利潤 π 的 α 倍罰款5，又 α ∈ ( 0,1) ，而政府稽查聯合行為的機率為 λ 且 λ ∈ ( 0,1) ，查核此行為的成本為 d 。在參賽者 1 採行寬恕政策的情形下，若參賽者 2 主動申報有聯合行為，根據寬恕政策的條款，參賽者 2 將可獲得免除罰款 F 的資格，此時參賽者 1 的報酬為 0 ，參賽者 2 的報酬為 π − D ；而若參賽者 2 沒有申報聯合行為，且參賽者 1 對聯合行為展開調查的情況下，此時參賽者 1 的報酬為 − (1 − λ ) D + λ F + αλπ − d ，參賽者 2 的報酬為 π − λ D − λ F − αλπ ；而若參賽者 2. 政治大. 沒有申報聯合行為，且參賽者 1 不調查是否有聯合行為的情況下，參賽者 1 的. 立. 報酬則為 − D ，參賽者 2 的報酬為 π 。. ‧ 國. 學. 在參賽者 1 不採行寬恕政策的情形下，若參賽者 1 決議對聯合行為展開調查，此時參賽者 1 的報酬為 − (1 − λ ) D + λ F − d ，參賽者 2 的報酬為. ‧. π − λ D − λ F ；而若在此情形下，參賽者 1 決議不調查是否有聯合行為，此時參. Nat. sit. n. al. er. io. 賽局樹如圖 1 所示. y. 賽者 1 的報酬則為 − D，參賽者 2 的報酬為 π ，綜合上述設定，可得模型 1 的. 5. Ch. engchi. i n U. v. 根據公平交易法第 40 條內容可得知經主管機關認定有情節重大者，得處該事業上一會計年度. 銷售金額百分比之罰鍰，故設此變數。 10.

(18) 申報. • (0, π − D). 2. • 寬恕. x2. 1. 調查. •. 不申報. x4 1. 不調查. x1 1. • x3. 立. 政治大 • (− D, π ). 不調查. 圖 1 模型 1 的延伸型式賽局. 學. ‧ 國. • (− D, π ). • (−(1 − λ ) D + λ F − d , π − λ D − λ F ). 調查不採行. • (−(1 − λ ) D + λ F + αλπ − d , π − λ D − λ F − αλπ ). ‧. sit. y. Nat. 根據上述模型的設定，我們將藉由倒推法 (backward induction) 求得子賽局完. io. er. 全均衡，並再檢視所求得的均衡解是否有政府採行寬恕政策下且廠商主動申報的. al. 解。因此，以下我們可以分別求得四個決策點 ( x1 − x4 ) 的判斷式：. n. v i n C 出發的子賽局可得知，參賽者 (1) 首先，我們由決策點 xh e 1 調查時報酬為 ngchi U 4. −(1 − λ )D + λ F + αλπ − d ，不調查時的報酬則為 − D ，因此當. −(1 − λ ) D + λ F + αλπ − d ≥ (≤) − D 時，也就是當. F ≥ (≤)(−λ D − αλπ + d ) / λ 時，參賽者 1 將調查 (不調查)。 (2) 再由決策點 x2 出發的子賽局可得知，當參賽者 1 不調查的情形下，若參賽者 2 選擇不申報的報酬為 π ，而選擇申報的報酬為 π − D ，可得. π > π − D ，因此在參賽者 1 不調查的情形下，參賽者 2 將不申報；而當參賽者 1 調查的情形下，若參賽者 2 選擇申報的報酬為 π − D ，不申報. 11.

(19) 的報酬為 π − λ D − λ F − αλπ ，可得當 π − D ≥ (≤)π − λ D − λ F − αλπ 時，也就是當 F ≥ (≤)[(1 − λ ) D − αλπ ]/ λ 時，參賽者 2 將申報 (不申報)。 (3) 接著我們再由決策點 x3 出發的子賽局可得知，參賽者 1 調查時報酬為. −(1 − λ )D + λ F − d ，不調查時的報酬則為 − D ，因此當 −(1 − λ ) D + λ F − d ≥ (≤) − D 時，也就是 F ≥ (≤)(−λ D + d ) / λ 時，參賽者 1 將調查 (不調查)。 (4) 最後綜合上述三點的判斷式，可得由決策點 x1 出發的子賽局有五種合理情況，第一種為決策點 x4 參賽者 1 選擇調查，決策點 x2 參賽者 2 選. 政治大. 擇申報，決策點 x3 參賽者 1 選擇調查下，參賽者 1 選擇寬恕的報酬為. 立. 0 ，不採行寬恕政策的報酬為 −(1 − λ )D + λ F − d ，因此當. ‧ 國. 學. 0 ≥ (≤) − (1 − λ )D + λ F − d ，也就是 F ≤ (≥)[(1 − λ ) D + d ]/ λ 時，參賽者 1 將採行寬恕政策 (不採行)。第二種為決策點 x4 參賽者 1 選擇調查，決. ‧. 策點 x2 參賽者 2 選擇申報，決策點 x3 參賽者 1 選擇不調查下，此時. Nat. sit. y. 參賽者 1 採行寬恕可得報酬 0 ，而不採行報酬為 − D ，可得 0 > − D ，. n. al. er. io. 因此參賽者 1 在第二種情況下將採行寬恕。第三種為決策點 x4 參賽者. i n U. v. 1 選擇調查，決策點 x2 參賽者 2 選擇不申報，決策點 x3 參賽者 1 選. Ch. engchi. 擇調查時，此時參賽者 1 採行寬恕可得報酬 −(1 − λ )D + λ F + αλπ − d ，不採行可得報酬 −(1 − λ )D + λ F − d ，可得. −(1 − λ ) D + λ F + αλπ − d > −(1 − λ ) D + λ F − d，因此參賽者 1 將採行寬恕。第四種為決策點 x4 參賽者 1 選擇調查，決策點 x2 參賽者 2 選擇不申報，決策點 x3 參賽者 1 選擇不調查時，此時參賽者 1 採行寬恕的報酬為 −(1 − λ )D + λ F + αλπ − d ，不採行的報酬 − D ，因此當. −(1 − λ ) D + λ F + αλπ − d ≥ (≤) − D 時，也就是 F ≥ (≤)(−λ D − αλπ + d ) / λ 時，參賽者 1 將採行寬恕 (不採行)；最後一種情況為決策點 x4 參賽者 1 12.

(20) 選擇不調查，決策點 x2 參賽者 2 選擇不申報，決策點 x3 參賽者 1 選擇不調查時，此時參賽者 1 採行寬恕或是不採行的報酬皆為 − D ，因此在最後一種情況時，兩種策略皆可能採取。綜合上述四個決策點的判斷式，我們可以求得八組子賽局完全均衡如表 1 所示：. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 13. i n U. v.

(21) 表 1 模型 1 之子賽局完全均衡. 寬恕. 申報. 參賽者 1 不處理下，參賽者 1 策略 ( x3 ). 調查. 立 (1.3). 寬恕. 不申報. (1.4). 寬恕. 不申報. 不調查. (1.5). 寬恕. 不申報. 不調查. 申報. 調查. 調查. 調查. 調查. 調查. y. ‧ 國. 不調查. io. al. n. (1.6) 不採行. ‧. 申報. 學. 寬恕. 成立條件. (1 − λ ) D + d  −λ D + d (1 − λ ) D − αλπ  max  , ≤ F ≤ λ λ  λ . 調查政治大. Nat. (1.2). 參賽者 2 不申報下，參賽者 1 策略 ( x4 ). sit. (1.1). 參賽者 1 寬恕下，參賽者 2 策略 ( x2 ). (1 − λ )D − αλπ. λ −λ D + d. λ. Ch. 不調查. engchi 調查. 14. i n U. v. ≤F≤. −λ D − αλπ + d. λ. er. 參賽者 1 策略 ( x1 ). F≤. F≥. ≤F≤. λ. (1 − λ ) D − αλπ. λ ≤F≤. −λ D − αλπ + d. λ (1 − λ )D + d. λ. −λ D + d. −λ D+d. λ.

(22) 表 1 模型 1 之子賽局完全均衡（續前頁）. 參賽者 1 寬恕下，參賽者 2 策略 ( x2 ). (1.7). 不採行. 不申報. (1.8). 不採行. 不申報. 參賽者 1 不處理下，參賽者 1 策略 ( x3 ). 參賽者 2 不申報下，參賽者 1 策略 ( x4 ). 不調查. 政治大立不調查. 調查不調查. 學. ‧ 國. 參賽者 1 策略 ( x1 ). 說明：由上至下依序記為均衡解八組，以下記為均衡 (1.1)-(1.8) 。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. 15. i n U. v. 成立條件. F=. −λ D − αλπ + d. λ −λ D − αλπ + d F≤ λ.

(23) 底下我們將依據表 1 中得到的四種 F 數值，設定不同的情形下，依據 F 的相對大小下可以求得的均衡解，整理不同區間內可以達成的子賽局完全均衡解。在 [(1 − λ ) D − αλπ ]/ λ > ( − λ D + d ) / λ 下，均衡解 (1.2) 不存在，而其餘七組解對應的罰款大小如圖 2 所示：. (1.7) (1.5)&(1.8). (1.4). •. (1.3). (1.1). •. •. •. (1 − λ )D − αλπ 治 λ政大λ. −λ D + d. −λ D − αλπ + d. λ. 立. (1.6). F. (1 − λ )D + d. λ. 圖 2 模型 1 之罰款數線圖. ‧ 國. 學. −λ D − αλπ + d. λ. sit. y. al. (1.1). v ni. n. •. (1.2)&(1.3)&(1.4). er. io. (1.7) (1.5)&(1.8). Nat. 3：. ‧. ( − λ D + d ) / λ 下，八組均衡解對應的罰款大小如圖在 [(1 − λ ) D − αλπ ]/ λ =. •. Ch. e+nd g c(1h− λi) DU− αλπ −λ D ＝ λ. λ. (1.6). •. (1 − λ ) D + d. F. λ. 圖 3 模型 1 之罰款數線圖. 在 [(1 − λ ) D − αλπ ]/ λ < ( − λ D + d ) / λ 下，均衡解 (1.3) 不存在，而其餘七組解對應的罰款大小如圖 4 所示：. 16.

(24) (1.7). (1.4). (1.5)&(1.8). (1.2). •. (1.1). •. •. −λ D + d. (1 − λ ) D + d. •. (1 − λ ) D − αλπ. −λ D − αλπ + d. λ. λ 圖 4. (1.6). λ. F. λ. 模型 1 之罰款數線圖. 底下我們將探討均衡的效率性，我們定義兩參賽者報酬相加起來最大的即為社會較有效率的均衡。由圖 1 可以得知：均衡 (1.1) 及 (1.2) 兩組參賽者的總報酬皆為 π − D；均衡 (1.3) 兩組參賽者的總報酬為 π − D − d ；均衡 (1.4) 及 (1.5). 政治大. 兩組參賽者的總報酬皆為 π − D；均衡 (1.6) 兩組參賽者的總報酬為 π − D − d ；. 立. 均衡 (1.7) 及 (1.8) 兩組參賽者的總報酬皆為 π − D 。比較上述總報酬的大小，. ‧ 國. 學. 我們可以得到總報酬為 π − D 的六組均衡解相對較具效率，而六組解中，均衡 (1.1) 及 (1.2) 的政府報酬為 0 ，均衡 (1.4)、(1.5)、(1.7) 及 (1.8) 的政府報酬為. ‧. − D ，因此自社會效率與政府效用的角度上來說，均衡 (1.1) 及 (1.2) 為較有利的. y. Nat. sit. 子賽局完全均衡解。. n. al. er. io. 綜合表 1 中均衡的成立條件及圖 2 至圖 4 的三種罰款大小假設下，我們可以整理出命題 1 如下：【命題 1】在模型 1：. Ch. engchi. i n U. v. (1) 當 F ≥ [(1 − λ ) D + d ]/ λ 時：只存在政府不採行寬恕政策，但廠商主動申報的均衡 (1.6)。 (2) 當 [(1 − λ ) D − αλπ ]/ λ ≤ F ≤ [(1 − λ ) D + d ]/ λ 時：存在對社會有效率且政府無負效用的均衡 (1.1) 或均衡 (1.2)。 (3) 當 F = (−λ D − αλπ + d ) / λ 時：存在對廠商不申報的均衡 (1.7)。 (4) 當 F ≤ (−λ D − αλπ + d ) / λ 時：存在對廠商不申報的均衡 (1.5)、(1.8)。觀察命題 1 中子賽局均衡的結果，我們發現當罰款. F. 訂定較低. ( F ≤ (−λ D − αλπ + d ) / λ ) 時，可得均衡 (1.5)、(1.7) 及 (1.8)，在此三種均衡底下， 17.

(25) 參賽者 2 都選擇不申報，因此罰款過低將使得政策無法產生效果，參賽者 2 沒有誘因主動申報聯合行為；相反地，當罰款訂定較高 ( F ≥ [(1 − λ ) D + d ]/ λ ) 時，可得均衡 (1.6)，此時參賽者 2 即有動機選擇主動申報，但因罰款較高，政府本身將不實施寬恕政策並主動調查廠商聯合行為，以獲得政府本身最高的效益 (但卻非對社會上最有效率解)。而具效率的均衡解方面，若排除第一種罰款假設下均衡 (1.2) 不存在外，較有效率的兩組均衡 (1.1) 及 (1.2) 皆可在一定的罰款區間內求得，且相較於均衡 (1.1)，均衡 (1.2) 在制定時，所訂定的罰款較低即可達到均衡 (1.1) 的結果，即參賽者 1 在實行寬恕政策下，參賽者 2 會選擇主動申報，且這兩組均衡相對於. 治政大其他均衡下政府所得的報酬，以社會效率兼考慮政府效用的角度上來說，均衡 (1.1) 立 1】在模型. 學. 【推論. ‧ 國. 及 (1.2) 是較為有利的，此可得到底下的推論 1。. 1 中，當我們將罰款額度訂在適中的區間時. ‧. ( [(1 − λ ) D − αλπ ]/ λ ≤ F ≤ [(1 − λ ) D + d ]/ λ )，即可以得到對社會上具有效率，且政. n. al. er. io. sit. y. Nat. 府無負效用的均衡解。. Ch. engchi. 18. i n U. v.

(26) 第二節. 模型 2. 假設廠商為參賽者 1，政府為參賽者 2。為了探討市場上存在不同型態的廠商，我們假設參賽者 1 有對市場損害較大 (1H ) 及較小 (1L ) 兩種型態，而 1H 型態的比例為 p ，1L 型態的比例為 1 − p ，且 p ∈ (0,1) ，先驗上參賽者 2 無法得知參賽者 1 的型態，只能得知 p 值的大小，而兩種型態的參賽者 1 皆有兩種選擇：一種為申報聯合行為，另一種為不申報聯合行為。在參賽者 1 申報聯合行為的情形下，參賽者 2 有兩種選擇：第一種為採行寬恕政策，第二種為不採行. 政治大. 寬恕政策；而在參賽者 1 選擇不申報聯合行為的情形下，參賽者 2 有兩種選擇：. 立. 第一種為對聯合行為進行調查，第二種為不調查是否有聯合行為。. ‧ 國. 學. 為計算不同情形下的報酬，我們假設不同型態的廠商利潤均為 π ，1H 型態的參賽者 1 對市場的損害為 DH ，被查緝到具聯合行為時的罰款為 FH ；. ‧. 1L 型態的參賽者 1 對市場的損害為 DL (< DH ) ，被查緝到具聯合行為時的. Nat. sit. y. 罰款為 FL (< FH ) 。若 1H 型態的參賽者 1 不主動申報聯合行為，且經政府調. n. al. er. io. 查屬實後，因其對市場損害屬情節重大者，因此除原罰款 FH 外，將再對 1H 型. i n U. v. 態的參賽者 1 加重處上一年度利潤 π 的 α 倍罰款，又 α ∈ ( 0,1) ，而政府稽. Ch. engchi. 查聯合行為的機率為 λ 且 λ ∈ ( 0,1) ，查核此行為的成本為 d 。在參賽者 1 主動申報聯合行為的情形下，對 1H 型態的參賽者 1 而言，若參賽者 2 採行寬恕政策，參賽者 1 將可獲得免除罰款 FH 的資格，則此時參賽者 1 的報酬為 π − DH ，參賽者 2 的報酬為 0 ；若參賽者 2 不採行寬恕政策，則此時參賽者 1 的報酬為 π − λ DH − λ FH ，參賽者 2 的報酬為. −(1 − λ ) DH + λ FH − d。而對 1L 型態的參賽者 1 而言，若參賽者 2 採行寬恕政策，參賽者 1 將具免除罰款 FL 的資格，則此時參賽者 1 的報酬為 π − DL ，參賽者. 19.

(27) 2 的報酬為 0 ；而若參賽者 2 不採行寬恕政策，則此時參賽者 1 的報酬為. π − λ DL − λ FL ，參賽者 2 的報酬為 −(1 − λ ) DL + λ FL − d 。在參賽者 1 不主動申報聯合行為的情形下，對 1H 型態的參賽者 1 而言，若參賽者 2 對聯合行為進行調查，則此時參賽者 1 的報酬為. π − λ DH − λ FH − αλπ ，參賽者 2 的報酬為 −(1 − λ ) DH + λ FH + αλπ − d ；而若參賽者 2 不調查是否有聯合行為，則此時參賽者 1 的報酬為 π ，參賽者 2 的報酬為 − DH 。而對 1L 型態的參賽者 1 而言，若參賽者 2 對聯合行為進行調查，則此時參賽者 1 的報酬為 π − λ DL − λ FL，參賽者 2 的報酬為 −(1 − λ ) DL + λ FL − d ；. 政治大. 若參賽者 2 不調查是否有聯合行為，則此時參賽者 1 的報酬為 π ，參賽者 2 的. 立. 報酬為 − DL 。. ‧. ‧ 國. 學. 綜合上述設定，可得模型 2 如圖 5 所示。. n. er. io. sit. y. Nat. al. Ch. engchi. 20. i n U. v.

(28) (π − λ DH − λ FH − αλπ , −(1 − λ ) DH + λ FH + αλπ − d ). (π − DH ,0). 調查 x1. 寬恕不申報. H. 1. x3. 申報. •. •. p. 不調查. 不採行. (π , − DH ). (π − λ DH − λ FH , −(1 − λ ) DH + λ FH − d ) N. 2. (π − λ DL − λ FL , −(1 − λ ) DL + λ FL − d ) 調查. (π − DL ,0). 政治1 − p 大. 寬恕. •. x2 不申報不調查. L. 1. x4 不採行. 學. 申報. ‧. ‧ 國. 立•. 2. (π − λ DL − λ FL , −(1 − λ ) DL + λ FL − d ). n. er. io. al. sit. Nat. 圖 5 模型 2 之延伸型式賽局. y. (π , − DL ). i n U. v. 根據模型 2 的設定，為求解存在兩種型態廠商下的序列均衡，我們定義在參. Ch. engchi. 賽者 1 主動申報的情形下，a 為參賽者 2 採取寬恕政策的機率；而參賽者 1 不申報的情形下， b 為參賽者 2 採取調查的機率，又 a, b∈[0,1] 。 µ ( x1 ) 為參賽者 2 得知參賽者 1 不申報下，認為不申報來自 1H 型態的信念 (belief)； µ ( x3 ) 則為參賽者 2 得知參賽者 1 申報下，認為申報來自 1H 型態的信念。經由上述設定，我們可得以下四個判斷式： (1) 1H 主動申報的預期效用為 a(π − DH ) + (1 − a)(π − λ DH − λ FH ) ，不申報下的預期效用為 b(π − λ DH − λ FH − αλπ ) + (1 − b)π ，因此當. −λ DH − λ FH − a( DH − λ DH − λ FH ) ≥ (≤)b(−λ DH − λ FH − αλπ ) 時，參賽者 1H 將申報 (不申報)。 21.

(29) (2) 1L 主動申報的預期效用為 a(π − DL ) + (1 − a)(π − λ DL − λ FL )，不申報下的預期效用為 b(π − λ DL − λ FL ) + (1 − b)π ，因此當. −λ DL − λ FL − a( DL − λ DL − λ FL ) ≥ (≤)b(−λ DL − λ FL ) 時，參賽者 1L 將申報 (不申報)。 (3) 在參賽者 1 主動申報的情形下，參賽者 2 採行寬恕政策的預期效用為 0 ，不採行寬恕政策的預期效用為. µ ( x3 )[−(1 − λ ) DH + λ FH − d ] + (1 − µ ( x3 ))[−(1 − λ )DL + λ FL − d ] ，因此當 µ ( x3 ) ≤ (≥)[(1 − λ ) DL − λ FL + d ]/[λ ( FH − FL ) − (1 − λ )( DH − DL )] 時，參賽者. 政治大. 2 將採行寬恕政策 (不採行)。. 立. (4) 在參賽者 1 不申報的情形下，參賽者 2 採取調查的預期效用為. ‧ 國. 學. µ ( x1 )[−(1 − λ ) DH + λ FH + αλπ − d ] + (1 − µ ( x1 ))[−(1 − λ ) DL + λ FL − d ] ，採取不調查的預期效用為 µ ( x1 )(− DH ) + (1 − µ ( x1 ))(− DL ) ，因此當. ‧. µ ( x1 ) ≥ (≤)(d − λ DL − λ FL ) /[λ ( FH − FL ) + λ ( DH − DL ) + αλπ ] 時，參賽者 2. Nat. sit. y. 將採取調查 (不調查)。. 6. al. n. 所示6：. er. io. (5) 綜合上述四個判斷式，我們可以求得八組單純策略下的序列均衡如表 2. Ch. engchi. i n U. v. 由於混合策略的均衡討論較為複雜，易使得我們討論的寬恕政策問題失焦於數學分析中，因此往下僅討論單純策略的情況。 22.

(30) 表 2 模型 2 之單純策略下的序列均衡. 參賽者 1 策略. 參賽者 1 申報，參賽者 2 策略. 參賽者 1 不申報，參賽者 2 策略. 信念. 成立條件. d − λ(D + F ) 治政 [λ ( F − F ) + λ ( D大 − D ) + αλπ ]. µ ( x1 ) ≥. 立µ ( x ) = p. 調查. (2.3). H. 1 ：申報 L 1：不申報. 寬恕. 調查. p≤. (1 − λ ) DH − αλπ. λ. (1 − λ ) DL. λ. (1 − λ ) DL − λ FL + d λ ( FH − FL ) − (1 − λ )( DH − DL ). ‧. y. n. al. FL ≥. d − λ ( DL + FL ) [λ ( FH − FL ) + λ ( DH − DL ) + αλπ ]. µ ( x3 ) = p. 調查. io. 1：申報. 不採行. µ ( x1 ) ≥. FH ≥. L. 學. L. H. 3. Nat. (2.2). 1H：申報. L. sit. 寬恕. H. L. p≥. (1 − λ ) DL − λ FL + d λ ( FH − FL ) − (1 − λ )( DH − DL ). er. L 1：申報. ‧ 國. (2.1). 1H：申報. L. Ch. e. µ ( x1 ) = 0 n g c h µ ( x3 ) = 1. 23. i. i n U. v.  (1 − λ ) DH − αλπ (1 − λ ) DH + d  FH ∈  ,  λ λ   d − λ DL (1 − λ ) DL  FL ∈  ,  λ  λ.

(31) 表 2 模型 2 之單純策略下的序列均衡（續前頁）. (2.4). L. 1：不申報. 不採行. 1 ：不申報 L 1：申報. 寬恕. 立. 調查. 信念. 成立條件. 政治大. µ ( x1 ) = 0 µ ( x3 ) = 1. FH ≥ FL ≥. µ ( x1 ) = 1 µ ( x3 ) = 0. 調查. ‧. H. 參賽者 1 不申報，參賽者 2 策略. al. n. 1：不申報. 寬恕. 調查. d − λ DL. λ.  d − λ DH − αλπ (1 − λ ) DH − αλπ  FH ∈  ,  λ λ   (1 − λ ) DL (1 − λ ) DL + d  FL ∈  ,  λ λ . er. io. L. λ. sit. y. Nat. (2.6). 1H：不申報. (1 − λ ) DH + d. 學. (2.5). 1H：申報. 參賽者 1 申報，參賽者 2 策略. ‧ 國. 參賽者 1 策略. µ ( x1 ) = p. iv. FH ≤. L. FL ≤. n (1 − λ ) DU− λ F µ(x e ) ≤n g c h i. Ch. 3. +d [λ ( FH − FL ) − (1 − λ )( DH − DL )] L. p≥. 24. (1 − λ ) DH − αλπ. λ. (1 − λ ) DL. λ. d − λ DL − λ FL λ ( FH − FL ) + λ ( DH − DL ) + αλπ.

(32) 表 2 模型 2 之單純策略下的序列均衡（續前頁）. 參賽者 1 策略. 參賽者 1 申報，參賽者 2 策略. 參賽者 1 不申報，參賽者 2 策略. 信念. 成立條件. µ(x ) = p 治政 (1 − λ )大 D − λF + d 1. L. 1：不申報. 1H：不申報 1：不申報. 不調查. 不採行. 立. µ ( x3 ) ≤. L. L. [λ ( FH − FL ) − (1 − λ )( DH − DL )]. µ ( x1 ) = p. (1 − λ ) DL − λ FL + d µ ( x3 ) ≥ [λ ( FH − FL ) − (1 − λ )( DH − DL )]. 不調查. ‧. L. 寬恕. y. Nat. er. io. sit. 說明：1.由上至下依序記為均衡解八組，以下記為均衡 (2.1)-(2.8) 。. 2.對 µ ( x1 ) 及 µ ( x3 ) 計算出的數值假設不同下，可得三種可能的信念區間：. n. al. Ch. engchi. i n U. v. 例：假設 (2.1) 的 d − λ ( DL + FL ) /[λ ( FH − FL ) + λ ( DH − DL ) + αλπ ] ≤ 0 ，則 µ ( x1 ) ∈[0,1] 。假設 (2.1) 的 d − λ ( DL + FL ) /[λ ( FH − FL ) + λ ( DH − DL ) + αλπ ] ≥ 1 ，則 µ ( x1 ) 不存在。假設 (2.1) 的 d − λ ( DL + FL ) /[λ ( FH − FL ) + λ ( DH − DL ) + αλπ ] ∈ (0,1) ，則. 25. p≤. d − λ DL − λ FL λ ( FH − FL ) + λ ( DH − DL ) + αλπ. p≤. d − λ DL − λ FL λ ( FH − FL ) + λ ( DH − DL ) + αλπ. 學. (2.8). 1 ：不申報. ‧ 國. (2.7). H.

(33) µ ( x1 ) ∈[d − λ ( DL + FL ) /[λ ( FH − FL ) + λ ( DH − DL ) + αλπ ],1] 。由以上三種假設方式，同理可推得 (2.1)、(2.2)、(2.6)、(2.7)、(2.8) 的 µ ( x1 ) 以及 µ ( x3 ) 區間。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 26. i n U. v.

(34) 藉由模型 2 的設定，我們可求得表 2 中 8 組序列均衡解，其中均衡解 (2.1)、 (2.2)、(2.6)、(2.7) 及 (2.8) 雖然具有均衡外訊號，但經由強勢準則 (dominance criterion) 以及直觀準則 (intuitive criterion) 的限制判斷下，上述五組解均可通過兩種準則的檢驗，並非準則下不合理可刪除的均衡，因此我們至此未再對模型 2 作進一步的假設及研究，而兩種準則的計算方式及應用將載於附錄 1 與附錄 2 中。底下我們根據表 2 中得到的成立條件，再依據 FH 及 FL 的大小求得不同區間內可以達成的序列均衡解分布圖如圖 6 所示：. 立. ‧ 國. 學. FL a. 政治大. 2 ○. ‧ y. n. al. er. io. sit. Nat. (2.2). (1 − λ ) DL + d. Ch. λ. e n (2.1) gchi. i n U. v. (2.2) & (2.4). (2.5) (1 − λ ) DL. (2.1) & (2.4). λ. b. 1 ○. (2.6) d − λ DL. λ. (2.3). (2.4). (2,7) & (2.8) d − λ DH − αλπ. λ. c. (1 − λ ) DH − αλπ. λ. (1 − λ ) DH + d. λ. 圖 6 模型 2 序列均衡解分布圖. 27. d FH.

(35) 1 方程式為 p =(d − λ D − λ F ) /[λ ( F − F ) + λ ( D − D ) + αλπ ] 。說明：1. 線 ○ L L H L H L 2 方程式為 2. 線 ○. p = [(1 − λ ) DL − λ FL + d ]/[λ ( FH − FL ) − (1 − λ )( DH − DL )] 。 1 及線 ○ 2 與 F 軸交點分別為 b 及 a ，又 3. 線 ○ L. b ={d − λ[(1 − p) DL + p( DH + απ )]}/ pλ ， a = [d + p(1 − λ ) DH + (1 − p)(1 − λ ) DL ]/[(1 − p)λ ] 。 1 及線 ○ 2 與 F 4. 線 ○ H 軸交點為 c 及 d ，又. 政治大 d ={d − λ[(1 −立 p) D + p( D + απ )]}/ pλ 。. c = [d + p(1 − λ ) DH + (1 − p)(1 − λ ) DL ]/ pλ ， L. H. ‧ 國. 學. 【命題 2】在模型 2：. (1) 當 p ≤ [(1 − λ ) DL − λ FL + d ]/[λ ( FH − FL ) − (1 − λ )( DH − DL )] 且. ‧. FH ≥ [(1 − λ ) DH − αλπ ]/ λ ，FL ≥ [(1 − λ )DL ]/ λ 時：存在對市場損害大或小. Nat. n. al. er. io. 府將採行寬恕政策之策略；而當. sit. y. 的廠商皆會主動申報聯合行為的均衡解 (2.1)，且此時在廠商申報下，政. i n U. v. p ≥ [(1 − λ ) DL − λ FL + d ]/[λ ( FH − FL ) − (1 − λ )( DH − DL )] 時，此時兩種廠商. Ch. engchi. 主動申報聯合行為下，政府將不採行寬恕政策，其為均衡解 (2.2)。 (2) 當 [d − λ DL ]/ λ ≤ FL ≤ [(1 − λ ) DL ]/ λ 且. [(1 − λ ) DH − αλπ ]/ λ ≤ FH ≤ [(1 − λ ) DH + d ]/ λ 時：存在對市場損害較大的廠商會主動申報聯合行為下，政府也採行寬恕政策的均衡解 (2.3)；另外，當 FL ≥ [d − λ DL ]/ λ 且 FH ≥ [(1 − λ ) DH + d ]/ λ 時，對市場損害較大的廠商主動申報聯合行為下，政府將不採行寬恕政策，其為均衡解 (2.4)。. 28.

(36) (3) 當 [d − λ DH − αλπ ]/ λ ≤ FH ≤ [(1 − λ ) DH − αλπ ]/ λ 且. [(1 − λ ) DL ]/ λ ≤ FL ≤ [(1 − λ ) DL + d ]/ λ. 時：存在對市場損害大的廠商不. 主動申報，而損害較小的廠商主動申報的均衡解，且政府在廠商選擇申報下會採行寬恕政策，不申報下將主動調查是否有聯合行為，其為均衡解 (2.5)。 (4) 當 FH ≤ [(1 − λ ) DH − αλπ ]/ λ ，FL ≤ [(1 − λ ) DL ]/ λ 時：存在對市場有損害的廠商皆不申報的均衡解。觀察命題 2 中序列均衡的結果，我們發現當罰款 FH 及 FL 訂定過低時. 政治大. ( FH ≤ [(1 − λ ) DH − αλπ ]/ λ ，FL ≤ [(1 − λ ) DL ]/ λ ) ，會求得均衡. 立. (2.6)、(2.7) 及. (2.8)。在此三種均衡下，不論對市場損害大或是小的廠商皆選擇不申報，因此我. ‧ 國. 學. 們可以得知：在罰款訂定過低下，廠商並不會主動去申報聯合行為。其次，當市場損害較大 (1H ) 型態的比例 p 較小時. ‧. ( p ≤ [(1 − λ ) DL − λ FL + d ]/[λ ( FH − FL ) − (1 − λ )( DH − DL )] )，罰款訂定較高. Nat. sit. y. ( FH ≥ [(1 − λ ) DH − αλπ ]/ λ ，FL ≥ [(1 − λ )DL ]/ λ ) 下，可得均衡 (2.1) ，此時兩種. n. al. er. io. 類型的廠商均選擇主動申報聯合行為，且政府也將採行寬恕政策此策略。然而當. i n U. v. 2 時，由均衡 (2.2) 我們可以得知兩種類型的廠商罰款組合高過於圖 6 中的線 ○. Ch. engchi. 主動申報聯合行為下，政府不採行寬恕政策的效益會高過於採行寬恕政策，因此此時政府將不會採行寬恕政策。因此我們可以得知：當罰款訂定較高時，廠商皆會主動申報聯合行為。而當我們訂定罰款 FH 於 [(1 − λ ) DH − αλπ ]/ λ ≤ FH ≤ [(1 − λ ) DH + d ]/ λ 以及 FL 於 [d − λ DL ]/ λ ≤ FL ≤ [(1 − λ ) DL ]/ λ ，此相較前述較中段的區間時，此時對市場損害較大的廠商主動申報聯合行為下，政府採行寬恕政策也是最佳的策略，此類型均衡解也是我們欲求得的結果，其為均衡解 (2.3)。且同前述情形，當. FH ≥ [(1 − λ ) DH + d ]/ λ 且 FL ≥ [d − λ DL ]/ λ 時，由均衡 (2.4) 我們可以得知對市 29.

(37) 場損害較大的廠商主動申報聯合行為下，政府不採行寬恕政策的效益會高過於採行寬恕政策，此時政府將不會採行寬恕政策。因此我們可以得知：存在一個罰款區間，可使得只有對市場損害較大的廠商主動申報聯合行為。綜合上述，我們可以得知均衡解 (2.1) 及 (2.3) 為模型 2 中我們所希望求得的對市場損害較大的廠商主動申報聯合行為，且政府採行寬恕政策的結果。唯比較 (2.1) 與 (2.3) 兩組均衡解當中，均衡解 (2.1) 還必須受到 p 大小的限制，由此可以得到底下的推論 2。【推論 2】在模型 2 中，不論對市場損害較大的型態比例為何，當我們將罰款額. 政治大. 度訂定在適宜的區間時 (即 [d − λ DL ]/ λ ≤ FL ≤ [(1 − λ ) DL ]/ λ 且. 立. [(1 − λ ) DH − αλπ ]/ λ ≤ FH ≤ [(1 − λ ) DH + d ]/ λ 時)，即可以使得對市場損害較大. ‧ 國. 學. 的廠商主動申報聯合行為，且此時政府採行寬恕政策也是最佳的策略，其中 (2.3) 即為我們欲求得的均衡解。. ‧. 均衡解 (2.3) 主要的特徵為：僅有對市場損害較大的廠商主動申報聯合行為，. Nat. sit. y. 而政府也對此主動申報的行為視為一區隔廠商型態的訊號 (signal)，並採取適當的. n. al. er. io. 因應措施。此即是適當的寬恕政策所導引出來的均衡結果。. Ch. engchi. 30. i n U. v.

(38) 第四章結論與建議本文藉由建立賽局模型來探討政府採行寬恕政策與廠商主動申報聯合行為之間的關係。我們可將模型 1 之延伸式賽局視為一般情形下的基本模型，在此模型下，只單純考慮一種廠商與政府作決策，並得到在政府採行寬恕政策的情況下，且廠商主動申報的均衡解，相較於其他情況 (政府不採行寬恕政策以及政府採行寬恕政策下廠商不申報等) ，自社會效率以及政府效用的考量之下為最佳，且政府可透過制定適當的罰款區間引導出此類均衡。. 政治大進而將廠商分為對市場損害大與小的兩種類型，並再將部分變數依廠商型態分為立而為了突顯廠商型態與政府間可能存在資訊不對稱的情形，文中於模型 2 再. ‧ 國. 學. 兩種，在此模型中，我們得到藉由制定適當的罰款區間，寬恕政策可促使只有損害較大的廠商主動申報，此時公平交易委員會即可將申報行為視為一區隔廠商型. ‧. 態的訊號；另外，我們也求得藉由制定適當的罰款區間，且損害較大的廠商為模. sit. y. Nat. 型 2 中所求得的比例時，可同時使得兩類廠商皆主動申報的均衡。而在模型 2 中，. al. er. io. 若政府將廠商利益納入自身利益作考量，所求得之均衡如附錄 2 所示，即兩類廠. v. n. 商皆不申報的均衡，顯示政府決策並非如此考量，因此我們推論政府在作此政策. Ch. engchi. i n U. 分析時，並不會在自身利益加入廠商利益，而是如文中模型 2 的決策方式來分析。最後，本文藉由兩類模型的設計討論，皆可得知罰款訂定的區間為廠商主動申報的主要考量因素。當罰款訂定過低時，廠商皆選擇不申報，使得寬恕政策無法產生效果；當罰款訂定過高時，雖廠商欲選擇主動申報，但因罰款較高，政府將不實施寬恕政策並主動調查廠商聯合行為，以獲得政府本身較高的利益，此情形也驗證 Motta and Polo (2003) 所提及的結論：若反托拉斯機關可以利用原有的罰金制度來預防聯合行為，則寬恕政策就不應被採用；但若政府機關對於聯合行. 31.

(39) 為的資訊有限，則寬恕政策即為次佳的選擇7。由此觀之，寬恕政策對於資訊缺乏的政府機關而言，在打擊聯合行為上為一關鍵性的工具，因事證蒐集的不易，藉由此制度的運作下，可促使廠商間搶先揭露聯合行為以得到免除處分的優惠。而由於台灣法規中對於廠商申報聯合行為的先後次序所獲得的罰鍰減除大小有所不同，因此推估不同的申報順序有可能影響政府與廠商之間的策略互動結果；又寬恕政策的適用下，一般多為兩個以上的廠商與政府間的互動，文中目前以一個廠商與政府間互動作討論，此部分可提供學者未來進一步討論分析。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. M. Motta, & M. Polo, “Leniency Programs and Cartel Prosecution,” 21 International Journal of Industrial Organization , 347-379 (2003). 32 7.

(40) 附錄 1 由模型 2 我們可求得表 2 中 8 組序列均衡解，而底下以均衡解 (2.1) 為例來分析強勢準則以及直觀準則的應用。. (一) 強勢準則由均衡解 (2.1) 可得知，參賽者 1 傳遞給參賽者 2 的訊號為申報 (代號為. 政治大者 1 訊號後的行動， A 為參賽者 2 的所有可能反應。在強勢準則的限制下，若立 R )，因此均衡外的訊號為不申報 (代號為 NR )，令 a 為參賽者 2 在得知參賽. ‧ 國. 學. 存在 t ( t ∈ T (= {1H ,1L } ) 跟均衡外訊號 {NR} ，使得. min a∈A u1 (t , R, a) > max a∈A u1 (t , NR, a)，則一個合理的均衡解應使 µ * (t | NR) = 0 ，. ‧. 若均衡解符合，則通過強勢準則。. y. sit. n. al. er. min a∈A u1 (1H , R, a) = min{π − DH , π − λ DH − λ FH } ，. io. (1). Nat. 根據上述強勢準則的規定，我們可以推得以下兩式：. v. max a∈A u1 (1H , NR, a) = π ，得 min a∈A u1 (1H , R, a) < max a∈A u1 (1H , NR, a) 。 (2). i n U. C. h eπn−gDLc, πh−iλ DL − λ FL } ， min a∈A u1 (1L , R, a) = min{. max a∈A u1 (1L , NR, a) = π ，得 min a∈A u1 (1L , R, a) < max a∈A u1 (1L , NR, a) 。. 綜合上述可得知：均衡解 (2.1) 不須對 µ * (t | NR) 有特殊限制，可以通過強勢準則。. 33.

(41) (二 ) 直觀準則同上述強勢準則的設定，即均衡解 (2.1) 中均衡外的訊號為 NR ， a 為參賽者 2 在得知參賽者 1 訊號後的行動， A 為參賽者 2 的所有可能反應。令 u1* (t ) 為 t 型態的傳訊者在均衡 (2.1) 所得的均衡報酬，. t ′ ∈ T \ S ( NR) ，而使得. S ( NR)= {t ∈ T | u1* (t ) > max a∈BR (T , NR ) u1 (t , NR, a)}，若存在. u1* (t ′) < min a∈BR (T \ S ( NR ), NR ) u1 (t ′, NR, a) ，則 µ1* (t | NR)= 0, ∀t ∈ S ( NR) ，若均衡解符合，則通過直觀準則。根據上述直觀準則的規定，我們可以推得以下兩式： (1). 政治大. u1* (1H ) = π − DH ， max a∈BR (T , NR ) u1 (1H , NR, a) = π − λ DH − λ FH − αλπ ，由表. 立. 2 中成立條件得 FH ≥ [(1 − λ ) DH − αλπ ]/ λ 且 FL ≥ [(1 − λ )DL ]/ λ ，因此. ‧ 國. 學. 推得 u1* (1H ) ≥ max a∈BR (T , NR ) u1 (1H , NR, a) 。. u1* (1L ) = π − DL ， max a∈BR (T , NR ) u1 (1L , NR, a)= π − λ DL − λ FL ，由表 2 中成. ‧. (2). y. Nat. 立條件得 FH ≥ [(1 − λ ) DH − αλπ ]/ λ 且 FL ≥ [(1 − λ )DL ]/ λ ，因此推得. io. sit. u1* (1L ) ≥ max a∈BR (T , NR ) u1 (1L , NR, a) 。. n. al. er. 在此情形下，由其成立條件 FH ≥ [(1 − λ ) DH − αλπ ]/ λ 且 FL ≥ [(1 − λ )DL ]/ λ ，. Ch. 我們可分為以下四種情況： (1). engchi. i n U. v. FH > [(1 − λ ) DH − αλπ ]/ λ ， FL >[(1 − λ )DL ]/ λ ，則此時 S ( NR) = {1H ,1L }，但卻不存在符合 T \ S ( NR) 的型態。. (2). FH > [(1 − λ ) DH − αλπ ]/ λ ， FL =[(1 − λ )DL ]/ λ ，則此時 S ( NR) = {1H } ， T \ S ( NR) = {1L } ，得 u1* (1L ) = min a∈BR (T \( NR ), NR ) u1 (1L , NR, a) 。. (3). FH= [(1 − λ ) DH − αλπ ]/ λ ， FL >[(1 − λ )DL ]/ λ ，則此時 S ( NR) = {1L } ， T \ S ( NR) = {1H } ，得 u1* (1H ) = min a∈BR (T \( NR ), NR ) u1 (1H , NR, a) 。. (4). FH= [(1 − λ ) DH − αλπ ]/ λ ， FL =[(1 − λ )DL ]/ λ ，則此時不存在符合. S ( NR) 的情況。 34.

(42) 綜合上述可得知：均衡解 (2.1) 不須對 µ * (t | NR) 有特殊限制，可以通過直觀準則。如同上述強勢準則以及直觀準則對於均衡解 (2.1) 的檢驗方式，同理我們可推得其他具有均衡外訊號之均衡解的檢驗結果。經由相同的檢驗步驟後，我們得知其餘均衡解也都可以通過兩個準則的判斷，因此於模型 2 中未再採取進一步的均衡解概念，進行求解。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 35. i n U. v.

(43) 附錄 2 模型 2 中我們設定政府未將廠商利益列入自身利益作分析，而若政府將廠商利益考量在內下，我們可得附圖 1 中修正後的模型 2：. (π − λ DH − λ FH − αλπ , π − DH − d ). (π − DH , π − DH ). 調查. 寬恕. x1. •. 立. 申報 x 1 治政大 • H. 不申報. 3. p. 不調查. 不採行. Nat. (π − λ DL − λ FL , π − DL − d ). 1− p. (π − DL , π − DL ). 寬恕. sit. io. •. iv x C 不申報申報 n x 1 h e n g c h i U 不採行不調查 n. (π , π − DL ). (π − λ DH − λ FH , π H − DH − d ). er. 調查. a l•. 2. y. N. 2. ‧. ‧ 國. 學. (π , π − DH ). L. 2. 4. (π − λ DL − λ FL , π − DL − d ). 圖 7 模型 2 政府將廠商利益考量在內之延伸型式賽局. 如模型 2 中計算均衡解的方式，同理於修正後的模型中可求得其均衡解。然而，在此模型中，只有一組序列均衡解存在，且其發生在兩種型態的參賽者 1 皆不申報的情況，而參賽者 2 在參賽者 1 不申報的情形下會採取不調查，申報的情形下會採取實行寬恕政策，又 µ ( x1 ) = µ ( x3 ) ∈[0,1] 。由此可得知：政府在作政 36.

(44) 策分析時，並不會將廠商利益納入政府利益之中，而是如文中未修正之模型 2 型式作討論。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 37. i n U. v.

(45) 參考文獻中文文獻王銘勇，「聯合行為寬恕減免責任條款之研究」，公平交易季刊，第 14 卷第 1 期 (2006)。顏廷棟，「聯合行為之執法檢討與展望」，公平交易季刊，第 20 卷第 4 期 (2012)。. 英文文獻 Apesteguia, J., Dufwenberg, M., & Selten, R., “Blowing the Whistle,” 31 Economic Theory, (2007).. 立. 政治大. Bigoni, M., Fridolfsson, S. O., Lecoq, C., & Spagnolo, G., “Fines, Leniency and. ‧ 國. 學. Rewards in antitrust, ” 43 RAND Journal of Economics, (2012). Brenner, S., “An Empirical Study of the European Corporate Leniency Program,” 27. ‧. International Journal of Industrial Organization, (2009).. Choi, J. P., & Gerlach, H., “Global cartels, leniency programs and international antitrust. sit. y. Nat. cooperation,” 30(6) International Journal of Industrial Organization, (2012). Harrington, J.E., “Corporate Leniency Programs When Firms Have Private Information:. io. n. al. er. The Push of Prosecution and the Pull of Pre-emption,” 61(1) Journal of Industrial Economics, (2013).. Ch. engchi. i n U. v. Hinloopen, J., “An Economic Analysis of Leniency Programs in Antitrust Law,” 151(4) De Economist, (2003).. Hinloopen, J., & Soetevent, A. R., “Laboratory Evidence on the Effectiveness of Corporate Leniency Programs,” 39 RAND Journal of Economics, (2008). Miller, N.H., “Strategic Leniency and Cartel Enforcement,” 99 American Economic Review, (2009). Motta, M., & Polo, M., “Leniency Programs and Cartel Prosecution,” 21 International Journal of Industrial Organization , (2003). Sauvagnat, J.,“ Prosecution and Leniency Programs：A fool’s game, ” Toulouse School of Economics working paper Series , (2010). Silbye, F., “A note on antitrust damages and leniency programs,” 33(3) European Journal of Law and Economics, (2012).. 38.

(46)