Victor R.Fuchs在2000年JHE发表过的“The future of health economics”中提到过，social norms以及behavior economics将会是卫生经济学未来可挖掘的重要因素。现在关于social norm 的文献没看到什么，但却在J Public E和HE、JDE上看到了一些关于田野实验的论文。
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~