顺序理性
顺序理性（Sequential Rationality）是博弈论中用于分析多阶段（动态）博弈的核心概念，要求参与者在博弈的每个决策节点——即使该节点在既定策略下永远不会被实际到达——都根据当前可用的信息作出最优选择。这一概念由诺贝尔经济学奖得主Reinhard Selten于1965年在子博弈完美均衡（Subgame Perfect Equilibrium）理论中首次系统引入，是对纳什均衡（Nash Equilibrium）在动态环境下最为重要的精炼（Refinement）之一。顺序理性确保了博弈参与者的承诺并非"空洞威胁"（Empty Threats），从而使均衡分析更加贴近现实世界中多阶段互动的决策逻辑。
1. 概念的逻辑基础与动机
在标准形式（Normal Form）博弈中，纳什均衡仅要求每个参与者的策略在其他参与者策略给定的情况下构成最优反应，但对博弈树中的非均衡路径——即那些在均衡策略下不会被实际选择的决策分支——不施加任何行为约束。然而，动态博弈的本质特征在于：参与者在博弈过程中可能偏离预定策略，而其他参与者应当能够针对这种偏离作出合理且及时的调整。如果均衡分析忽略了对非均衡路径的约束，就会产生一系列在直观上"不合理"的纳什均衡。
顺序理性填补了这一理论空白：它要求无论在均衡路径还是非均衡路径上，每个参与者在每个信息集（Information Set）上的选择都必须是此时此地的局部最优。换句话说，参与者的策略必须"逐点"（Pointwise）满足最优性条件，而不能仅仅在整体策略层面上构成最优。
具体而言，一个策略组合满足顺序理性，当且仅当存在一组一致的信念系统（Belief System），使得每个参与者在每个信息集上的行动都在给定其信念的情况下最大化期望收益，并且信念通过贝叶斯更新与策略保持一致。这一定义与Kreps和Wilson（1982）提出的序贯均衡（Sequential Equilibrium）概念一脉相承，后者将顺序理性与信念的一致性在数学上进行了严格刻画。
2. 子博弈完美均衡与逆向归纳法
Selten提出的子博弈完美均衡是顺序理性的最直接实现形式。一个策略组合是子博弈完美均衡，当且仅当它在每一个子博弈（Subgame）——即博弈树中一个包含完整后续分支且不切割任何信息集的独立部分——上都构成纳什均衡。求解子博弈完美均衡的标准方法是逆向归纳法（Backward Induction）：从博弈树的末端节点出发，逐层向前推导每个决策节点上的最优选择，同时剔除所有被严格占优的分支。
2.1 经典示例：进入威慑博弈
"进入威慑"（Entry Deterrence）博弈清晰地展示了顺序理性的解释力。在该博弈中，潜在进入者首先决定是否进入市场，在位企业随后决定是否以低价进行打压。在纳什均衡层面，在位企业可以"威胁"以低价打压进入者，即使这一威胁在进入实际发生之后不再是最优选择——因为低价打压会同时损害在位者自身的利润。顺序理性通过要求进入发生之后在位者的行动必须是最优反应，有效剔除了这类"不可信威胁"（Incredible Threats）。逆向归纳的结果是：进入者进入，在位者接受竞争，双方共享市场。
2.2 有限完美信息博弈的唯一性
在有限完美信息博弈（Finite Perfect-Information Game）中，逆向归纳法——从而顺序理性——给出唯一的子博弈完美均衡解。这一唯一性极大地简化了动态博弈的分析，并使博弈论能够对特定互动场景给出明确的预测。相比之下，同一博弈的标准形式可能包含大量纳什均衡，其中许多在动态视角下缺乏合理性。
3. 不完全信息动态博弈中的顺序理性
不完全信息动态博弈中的顺序理性需要借助完美贝叶斯均衡（Perfect Bayesian Equilibrium, PBE）来刻画。PBE要求参与者在每个信息集拥有一个关于博弈历史概率分布的信念（Belief），且这些信念在整个博弈过程中通过贝叶斯法则得到一致更新。参与者的策略在各个信息集上——包括那些按照均衡策略概率为零的信息集——相对于这些信念必须是最优的。
3.1 零概率事件中的信念更新
不完全信息场景中的一个核心技术难题在于如何处理零概率事件上的信念更新。当信息集按照均衡策略的到达概率为零时，贝叶斯法则的分母为零，无法直接计算出后验信念。此时，研究者需要借助更精细的信念精炼（Belief Refinement）方法——如Cho和Kreps（1987）的直觉标准（Intuitive Criterion）以及Banks和Sobel（1987）的选择规避（Divine Equilibrium）——来对非均衡路径上的信念施加额外的合理性约束，从而进一步精炼均衡解集。这些精炼工具在信号传递博弈（Signaling Game）和廉价谈话博弈（Cheap Talk Game）中具有广泛应用。
3.2 市场信号传递中的顺序理性
以斯彭斯（Spence, 1973）的劳动市场信号传递模型为例，顺序理性要求：即使某些教育水平在均衡中从未被任何类型的劳动者选择，企业也必须对那些"偏离"的教育水平形成合理的信念，并据此作出最优的工资报价。不同的信念设定会导致截然不同的均衡结果，而直觉标准等精炼工具可以帮助排除那些依赖"不合理"信念的均衡。
4. 与纳什均衡的关系及理论地位
顺序理性是对纳什均衡的动态化精炼。从逻辑层级来看，三者之间的关系为：
> 序贯均衡 ⊆ 完美贝叶斯均衡 ⊆ 子博弈完美均衡 ⊆ 纳什均衡
即：任何满足顺序理性（的某种具体形式）的策略组合必然构成纳什均衡，但反之不真。逆向归纳法常常剔除大量在静态意义上合理但在动态意义上不可行的纳什均衡，从而显著缩小均衡解集的规模，提高博弈分析的预测精度。在有限完美信息博弈中，逆向归纳法给出唯一解，而纳什均衡则存在多重性。顺序理性的这一"剔除非理性威胁"功能使其在产业组织理论、国际关系分析、公共经济学和应用微观经济学中占据核心地位。
5. 局限性与学术争论
顺序理性并非没有争议。以罗森塔尔（Rosenthal, 1981）的"蜈蚣博弈"（Centipede Game）为代表的悖论表明，逆向归纳推理在某些递推博弈中得出的结论与实验观察结果严重不符。在蜈蚣博弈中，标准理论预测理性参与者将在第一轮就选择"背叛"从而结束博弈，但实验室实验中的参与者往往选择"合作"多轮后再终止，从而获得远高于理论预测的总收益。
5.1 共同知识与逆向归纳
阿曼（Aumann, 1995）基于共同知识（Common Knowledge）假设为逆向归纳提供了形式化辩护：如果参与者之间的理性（Rationality）是共同知识，那么逆向归纳的结果就是唯一的逻辑推论。然而，实验博弈论（如Camerer, 2003）和演化博弈论（如Weibull, 1995）的研究持续对顺序理性的行为现实性提出挑战，指出真实人类决策者受限于有限理性（Bounded Rationality）和认知层次（Level-k Reasoning）等因素，很少严格遵循逆向归纳的逻辑链条。
5.2 技术上的复杂性
此外，在无完美记忆（Imperfect Recall）博弈和信息集连续统（Continuum of Information Sets）中，顺序理性的精确定义在技术上仍然具有相当的复杂性。在这些拓展模型中，传统的逆向归纳法可能不再适用，需要借助更抽象的工具——如代理策略（Agent Strategy）和马尔可夫完美均衡（Markov Perfect Equilibrium）——来重新表述顺序理性。
总结
顺序理性是动态博弈分析中不可或缺的基础概念，它将纳什均衡的静态最优性推广为整个博弈树上的逐路径一致性要求，通过确保每个信息集上的局部最优选择来剔除不可信威胁。从子博弈完美均衡到完美贝叶斯均衡再到序贯均衡，顺序理性构成了博弈论精炼均衡理论的逻辑主轴。尽管其行为假设在实验情境中受到广泛挑战，但作为规范分析工具，它仍然是理解多阶段战略互动的理论基石，在从产业组织到政治经济学的各个应用领域发挥着不可替代的作用。