之前师兄分享的一篇文献:
Janet Currie, Wanchuan Lin, Juanjuan Meng Addressing antibiotic abuse in China: An experimental audit study
这篇论文研究在中国公立医院为什么会滥用抗生素,得出的结论是抗生素滥用的主要原因是开药的经济激励。一般而言,假如我们研究经济激励对抗生素滥用的影响,一般的方法是找到外生政策冲击,比如取消药品加成,然后用DID或者match进行政策评估。但这样的话,我们会发现可能找不到这个外生冲击。哪怕找到了,这个冲击也可能不符合平行趋势假设,抑或是改革太快,找不到对照组做DID。哪怕这三个条件都有,也容易让人鸡蛋里挑骨头,毕竟一个改革一般不是孤立的一个政策,而会影响到方方面面。君不见现在9月推行的市公立医院取消药品加成,就不仅取消了加成,还动了诸如挂号费手术费,且有别的政策进行限制。
但田野实验这种在真实条件下进行随机实验的方法,却能将很多因素剥离,仅仅研究财务激励对医生开药的影响。这样的话,不必要运用复杂的计量手段得出良好的结论。
这篇论文在2011年十月到2012年六月间做了两个实验。第一个实验:在某个大城市随机选择了80个医院(哪怕北京也才120多家医院,很怀疑文章作者如何随机选择),每个医院选择一个医生进行田野实验。之后训练20个学生,分为5组,每组4人,一组人将会去见同一个医生,每组人要负责16家医院。于是我们能得到4*80=320次访问数据。这一组四人按照实验设计的四种方案与医生沟通(方案如下图),伪装成得了轻微感冒。A方案是只说自己有轻微感冒,B方案是进一步要求抗生素,C方案是向医生表明要不要用抗生素由医生决定,但假如用药的话回去医院外面拿药品,D方案是B+C。
第二个实验:这个实验是实验一的改进,主要就是添加一种方案,就是送给医生小礼物(一只几块钱的笔);除了基准方案外,其他的方案也稍微有改进,之前主动要求抗生素的方案改为了“我从互联网上了解到抗生素滥用现象严重,假如可以的话我不想要抗生素”,而去外面拿药的方案改为了“我姐夫开药店,我去我姐夫那拿药”。
第二次试验选择同一个城市的60家医院,每家医院选择两个医生。有15个学生分成三组去进行实验,每组负责20家医院,一组5人要见完同一家医院的两个医生(个人理解为选择相似的两个医生A、B,然后5人中2人见A,3人见B,这是加快实验速度的举措?)最终产生60*5=300次拜访
这个实验将搜集医生所开处方信息(是否开抗生素、处方金额、药品种数、是否开2级抗生素)与医生的服务信息(是否仔细问诊、量体温与否、是否使用听诊器、是否询问痰的情况、是否给出有益的建议、在收到感谢后是否礼貌回应),这些将作为被解释变量进行简单回归。
而第一个实验的解释变量就是实验的各方案:Buy_Elsewhere、Request、Buy_Elsewhere ∗ Request。第二个实验的解释变量:Gift、Display、Buy elsewhere、Display * buy elsewhere
控制变量包括一个医生的被访问顺序,这里用order是哑变量向量,包含三个变量,是否是医生看的第二个病人、第三个、第四个病人。最后一些模型里也控制了病人和医生的固定效应
之后作者对实验1做了4个表格,前两个表格描述的是代表处方的被解释变量。第一个是描述在不同方案下各种被解释变量的情况;第二个是在不同模型设定下各解释变量对被解释变量的影响;后两个表格描述的是代表服务的被解释变量。形式与前两个类似。
实验2的表格与实验1形式是一样的
最终实验结果符合常人的直觉,有兴趣可以自己去论文中看。(结果能不能重复就另说了,毕竟结果好才能发出来。样本量也不算特别大,但毕竟是随机试验,够用了。)
总结一下,随机试验是科学研究的第一追求,除了费时费力这个缺点外,比随便用计量+调研数据强太多了。田野实验相对于实验室实验而言场景更真实,可控性有的时候也不必实验室差。
但随机实验难点就是可控性与随机性,这个需要读更多文章才能了解~