二次診療能否有效抑制過度醫療？

摘 要：醫療市場是一個典型的信任品市場，存在著普遍的過度醫療現象。二次診療作為市場競爭的一種形式，從緩解信息不對稱的角度提供了一個重要的治理思路。文章基于社會偏好異質性的視角，利用實驗室實驗方法模擬醫療情境，檢驗了二次診療機制對于抑制過度醫療行為的有效性及穩健性。實驗結果表明，首先，社會偏好存在異質性，且不同社會偏好的被試在行為決策上存在明顯差異。其中親社會偏好和強自利偏好被試的比例分別為54.17%和33.33%，且前者的過度醫療率均低于后者；其次，二次診療機制總體上可以顯著降低過度醫療率，然而當醫生可以識別患者的問診次數時，過度醫療率會大幅上升甚至高于無二次診療機制的基準情況；最后，二次診療機制的效果依賴于被試的社會偏好類型，該機制對親社會偏好被試的約束作用大于其他偏好被試。文章的研究結論對我國醫療市場制度改革具有重要的政策參考價值，隨著互聯網醫療和人工智能技術的興起，完善和推廣二次診療機制可以作為治理過度醫療現象的重要措施。此外，醫療體制改革還需要考慮政策在不同群體中的穩健性問題，強化醫生的職業道德建設。

關鍵詞：醫療市場 二次診療 社會偏好 過度醫療

DOI：10.19592/j.cnki.scje.420206

JEL分類號：C91， I11， I13" "中圖分類號：F069

文獻標識碼：A" "文章編號：1000 - 6249（2024）11 - 001 - 17

一、引 言

醫療市場是一個典型的信任品市場，患者在接受醫療服務前后并不能完全判斷真實的醫療需求和醫療服務質量，因而醫生可以憑借這一信息優勢對患者采取過度醫療、醫療不足、過度收費等欺騙行為（Darby and Karni，1973；Kerschbamer and Sutter，2017）。隨著中國醫療衛生體制改革的推進，借助制定醫療規范手冊和公開統一收費標準等措施，有效地控制了醫療不足和過度收費等問題。然而，由于考證難度高和雙向道德風險等問題，藥品價格管制等政策的效果并不理想，過度醫療現象仍然普遍存在。多年來醫療衛生費用的增速遠超國內生產總值和人口老齡化的增速，造成了患者和國家的沉重負擔（于明遠，2020）。因此，如何遏制過度醫療這一“頑疾”，對于我國醫療行業的健康發展具有重要的現實意義。二次診療作為市場競爭的一種形式，從緩解醫患信息不對稱的角度提供了一個可能的解決機制。

二次診療是與一次診療相對應的概念，即當患者第一次問診收到大病診斷時，選擇尋求另一位醫生的再診斷意見。在患者只有一次問診的情況下，被問診的醫生實際上具有壟斷地位，可以通過過度醫療來攫取最大利益。而在患者可以多次問診的情況下，二次診療作為一種信號傳遞機制，促成了醫生之間的市場競爭。二次診療在國際醫療服務市場已經得到了較為普遍的應用，特別是在醫療保險行業，保險公司出于控費需求往往會鼓勵重疾患者進行再診斷，以避免因醫生錯誤診斷或過度醫療導致的高額賠付（K?nsgen et al.，2022）。由于中國醫療資源嚴重不足、醫療制度尚不完善，目前國內對二次診療的關注還比較滯后。不過，隨著互聯網醫療和人工智能技術的興起，在線問診、遠程醫療等新型醫療服務模式快速發展。我國互聯網醫療市場近年來始終保持年復合增長率30%以上的高增長態勢，互聯網醫療大大降低了患者的搜尋成本，提高了醫療資源的利用率和醫療服務的效率，這為二次診療制度的廣泛應用創造了有利條件。

二次診療制度在理論上被證明有利于緩解醫生的過度醫療行為，其作用邏輯在于，患者通過多次問診對比不同醫生的治療方案和價格，不僅提高了對自身疾病的認知水平，而且以拒絕服務的潛在威脅抑制了醫生的欺騙動機（Pitchik and Schotter，1993；Liu and Ma，2024）。然而在實際應用中，醫生和患者可能不會完全理性地遵從理論預測的行為，一方面患者可能會由于時間和經濟成本而不進行二次搜尋，并且第二次問診也存在被過度醫療的風險；另一方面醫生可能并不在意患者二次搜尋的潛在威脅，導致二次診療機制無法形成對醫生行為的有力約束而只是對醫療資源的無效消耗。因此在真實的醫療市場中，二次診療制度能否有效抑制過度醫療依舊是一個值得驗證的重要問題。

鑒于醫療行為的私密性和復雜性，相關研究數據非常難以獲取，而且即使可以獲取到部分數據，計量實證方法也很難解決數據的內生性等問題，從而無法實現干凈的因果效應識別（陳葉烽等，2020、2022）。相比之下，實驗作為一種實證數據的產生方法，具有可控性和可復制性等重要優勢。實驗不僅可以獲取被試的行為決策結果，還能觀測行為的產生過程，有助于人們更深入地理解經濟行為及其背后的動因（宗計川等，2017；王云和張畇彬，2020），由此作為政策實施的“風洞”來檢驗評估機制效果。Mimra et al.（2016a）通過實驗室實驗證實了二次診療有利于緩解過度醫療，然而值得注意的是，被試的過度醫療率顯著低于基于自利假設的理論預期。雖然作者參考經典文獻分析了社會偏好對實驗結果的可能影響，并根據被試誠實比例極低得出了社會偏好不影響實驗結論的論斷，但是這些解釋并不充分。眾所周知，現實中個體的社會偏好是異質的且會影響行為決策（Fehr and Charness，2023），然而目前的機制研究絕大多數還是依賴于傳統的理性自利范式，這可能是導致實際運行時機制失效的原因（Dulleck et al.，2011）。Kerschbamer et al.（2017）通過實驗直接證明了這一點，他們識別了被試的社會偏好類型，并發現不同社會偏好的被試對機制的反應存在差異。因此，從現實應用的角度，機制設計和評價應該在總體有效性的基礎上關注不同社會偏好群體的穩健性，從而針對不同情況安排不同的政策形式，以發揮制度的最優效果。

針對過度醫療現象的治理問題，本文旨在從社會偏好異質性的角度，利用實驗室實驗方法驗證二次診療機制的有效性和穩健性。本文采用被試內方法，設計了由社會偏好識別任務和機制效果檢驗任務構成的信任品博弈實驗。在社會偏好識別任務中，根據被試在不同價格向量下的供給策略，將被試劃分為自利、追求效率、惡意、不平等厭惡和不平等喜好等五種類型。機制效果檢驗任務由基準局、二次診療局以及可識別問診次數的二次診療局構成，本文通過對比被試在不同實驗局中的決策，分別采用全樣本和子樣本檢驗了二次診療機制的有效性與穩健性。實驗結果顯示，社會偏好確實存在異質性，且不同偏好的被試在決策上有明顯差異。其中54.17%的被試表現出親社會偏好及傾向，33.33%的被試表現出強自利偏好，且前者的過度醫療率顯著低于后者。從機制的總體效果來看，雖然二次診療機制能顯著抑制過度醫療，然而當醫生可以識別患者問診次數時，二次診療機制反而會加劇過度醫療，以至于過度醫療率超過了沒有二次診療機制的基準局。此外，二次診療機制的效果對于不同偏好群體并不穩健，二次診療會顯著降低追求效率型被試的過度醫療率，但不會顯著改善自利型被試的表現。

本文的邊際貢獻體現為以下三點：第一，研究主題的創新。過度醫療問題一直是一個研究熱點，但現有的信任品研究大多立足于經典的自利假設，忽略了個體偏好存在異質性的現實情況，這可能會造成機制效果與理論的偏差。本文著重探討了二次診療機制的效果對于異質社會偏好是否穩健，這不僅在理論上對現有文獻進行了補充和拓展，還有助于在實踐中提高政策的有效性。第二，分析維度的創新。與傳統研究僅進行定性闡述的方式不同，本文直接對比了不同偏好被試的決策差異，利用真實數據對二次診療機制在不同偏好群體中的有效性和穩健性進行統計性檢驗，從而使得研究結果更加可信和具體。第三，實驗設計的創新。本文綜合借鑒并改進了Mimra et al.（2016a）和Kerschbamer et al.（2017）的實驗框架，例如調整價格向量以避免偏好劃分與理論沖突、剔除患者是否進入市場的決策步驟以純粹識別個體偏好，這些實驗設計的創新有助于提高研究的準確性和可靠性。

本文后續安排如下：第二部分為文獻回顧；第三部分為實驗設計和理論假設；第四部分為實驗結果分析；最后是本文的結論與展望。

二、文獻回顧

醫生既是患者需求的診斷者又是醫療服務的提供者，這種角色雙重性導致了信息不對稱問題的存在。高度的信息不對稱是誘發醫生欺騙行為的根源，信任品模型為刻畫醫療市場的這一問題提供了一個非常貼切的研究框架。大量理論和實驗文獻探討了克服信任品市場的信息不對稱問題的方法（Balafoutas and Kerschbamer，2020），常見的治理機制包括專業知識（黃濤、顏濤，2009；Hyndman and Ozerturk，2011；Schneider et al.，2021）、聲譽（Mimra et al.，2016b；陳葉烽等，2022；Fong et al.，2022）、競爭管制（Dulleck and Kerschbamer，2006；杜創，2013；Momsen，2021）、認證制和責任制（Dulleck et al.，2011；Chen et al.，2022）等。

相較于以上幾種機制，二次診療常以搜尋成本的形式融合在價格競爭等機制研究中（Wolinsky，1995；Pesendorfer and Wolinsky，2003；Alger and Salanié，2006），純粹聚焦于二次診療的信任品研究較少。就筆者所知，目前僅有一篇理論文獻和兩篇實驗室實驗文獻。Pitchik and Schotter（1993）將二次診療作為一種信號傳遞機制，從理論上證明了二次診療機制雖然可以部分緩解信任品市場上的欺騙行為，但重復的搜尋成本會造成效率損失。Mimra et al.（2016a）和Agarwal et al.（2019）根據實驗室實驗結果直接驗證了二次診療機制的效果，不過兩篇研究的側重點、框架和結論存在差異。其中，Mimra et al.（2016a）基于信任品博弈模型，側重考查服務提供環節的決策類型。實驗中專家可以無成本地獲取消費者的需求類型，消費者一旦選擇搜尋二次診療，就必須接受第二位專家的治療方案，實驗結果顯示二次診療致使過度醫療率的降幅約40%1。Agarwal et al.（2019）則利用一個委托代理模型，側重分析需求診斷環節中的代理人“努力水平”。實驗中委托人只能選擇是否接受第一診療意見，二次診療意見只是充當參考。作者對比了事前的私人調查與事后的二次診療機制，結果發現委托人更傾向于采用私人調查而非二次診療，二次診療對市場效率的影響不明顯。對比而言，Mimra et al.（2016a）的實驗框架可以更貼切地刻畫醫患互動過程，因為實際上醫生大都能夠辨別患者的疾病類型，并通過交流和病歷來了解患者的問診次數。在只存在過度醫療顧慮的情況下，患者一般會在二次搜尋后直接就診，而非額外投入時間和金錢成本返回首診醫生。

雖然信任品市場的機制研究已經非常豐富，但絕大多數還是依賴于傳統的理性自利范式，忽略了社會偏好的影響，Dulleck et al.（2011）指出這可能是實驗中機制失效的原因。異質的社會偏好是影響個體行為決策的重要非經濟因素（陳葉烽，2009；Cabrales et al.，2010；王云和張畇彬，2021）。大量行為和實驗經濟學家發現了一系列違背傳統經濟學的理性預期的“反常現象”（Van Dijk and De Dreu，2021），進而拓展理論假設構建了包含利他、互惠、不平等厭惡等社會偏好的效用函數（Bruhin et al.，2019）。然而，通過效用函數形式來分類社會偏好的方法存在確定參數和函數形式的難點，且操作過程相對繁瑣。Charness and Rabin（2002）提出了一個開創性的方法，根據被試在獨裁者博弈實驗中的決策行為來直接劃分社會偏好。這種方法非常直觀且操作簡單，不過只根據一次決策而沒有重復觀察就判定的社會偏好可能存在穩定性方面的問題。社會偏好的穩定性尚存爭議，一些學者認為社會偏好會隨外生因素變化（Lotz et al.，2013；Chuang and Schechter，2015；Thielmann et al.，2020），也有一些實驗結果表明偏好是穩定的（San Miguel et al.，2002；De Oliveira et al.，2012；Carlsson et al.，2014；Bruhin et al.，2019）。盡管社會偏好的存在性及其對行為人決策的影響已經得到了廣泛論證，但目前還少有研究探討異質社會偏好下的機制穩健性問題。Kerschbamer et al.（2017）首次分析了外生機制效果在不同偏好群體中的穩健性，證實了Dulleck et al.（2011）的猜測。不同于以往文獻中的識別方法，他們創新性地提出了一個識別社會偏好類型的簡單模型。該模型無需預設效用函數的具體形式，并以重復決策設計來確保識別偏好的穩定性。不過，該模型也存在一些明顯的不足：首先，作者更側重于對異質社會偏好存在性的探討，并未直接對比不同偏好的個體受機制影響的差異；其次，實驗的參數設定和博弈流程也有一些不合理，例如存在社會偏好分類依據與理論模型相沖突的情況，供給方的行為決策會受到需求方是否進入市場的干擾等。

綜上所述，對于醫療市場中最普遍的過度醫療問題，二次診療機制的研究還比較匱乏。盡管Mimra et al.（2016a）整體上證明了二次診療機制的有效性，但他們沒有考慮社會偏好的異質性，因此無法深入探討哪類偏好的個體受此機制影響最大，以及是否存在特定群體對此機制免疫等具有應用價值的問題。在此基礎上，本文借鑒并改進了Kerschbamer et al.（2017）和Mimra et al.（2016a）的實驗方法，從而進一步驗證二次診療機制對治理不同偏好群體的過度醫療行為的有效性和穩健性。本文旨在提供社會偏好對機制設計穩健性影響的補充證據，并依據實驗結果為中國醫療市場改革建言獻策。

三、實驗設計與理論假設

為了研究二次診療對不同社會偏好個體的過度醫療行為的作用，本文在醫療服務供給的框架下，設計了一個由社會偏好識別任務和二次診療機制檢驗任務構成的實驗室實驗。實驗采用被試內設計（within-subjects design）和策略方法（strategy method），首先根據被試在三組價格向量下的供給行為來劃分其社會偏好類型，然后通過對比被試在不同機制情境下的供給行為以檢驗二次診療機制對抑制過度醫療的效果。實驗說明采用非中性框架，接下來將分別介紹這兩項任務的具體設計和實驗流程。

（一）任務一：社會偏好識別

實驗中構建了一個由醫生和患者組成的醫療市場，患者得大病和小病的概率分別為h和1-h。患者只知道疾病發生的概率，但無法確定自己的疾病類型，必須依賴醫生進行診斷和治療。醫生能夠準確診斷患者的疾病類型，并選擇提供大治療[qH]或小治療[qL]。其中，大治療可以治愈大小兩種疾病，小治療只能治愈小病，大（小）治療的價格和成本分別為[PH]（[PL]）和[CH]（[CL）]。醫生可以自由選擇治療方案，但要求其收費與治療必須匹配，即存在認證制。醫生的收益記為[πphysician=Pi?Ci]，其中[i=L，H]。患者的收益記為[πpatient=v?Pi，治愈?Pi，" 未治愈]。實驗中設置患者治愈的健康收益v=130，大病概率h=0.25，治療成本（[CL]，[CH]）為（60，80），治療價格（[PL]，[PH]）設置為（80，105）、（85，105）、（90，105），這三組價格向量保證本文可以通過觀察被試的供給行為來區分五類社會偏好類型。

如圖1的博弈樹所示，任務一每個價格向量隨機重復4輪，每一輪的實驗流程主要有三個步驟：①面對外生的價格向量，所有被試假設自己扮演醫生角色，分別對小病患者和大病患者提供治療建議；②計算機隨機決定被試成為醫生或患者，并隨機兩兩配對醫生被試和患者被試；③實際角色和收益展示。

參照Kerschbamer et al.（2017），醫生的效用函數[U（πphysician，πpatient）]滿足三個假設：①[?U?πphysiciangt;0]，這反映出醫生收入的正效應，即收入越多，醫生效用越高；②[?U?πphysiciangt;?U?πpatient]，這意味著醫生傾向于優先關注自身的經濟利益，即對其自身的收益變化更加敏感；③[?U?πpatient]的符號取決于[πphysician]和[πpatient]的大小關系，這體現了醫生對患者收益變化的效用依賴于其自身收益與患者收益的比較，具體如表1所示。根據效用函數劃分五類社會偏好：①自利（Selfish，簡稱SE），即被試的效用僅取決于自身收益；②追求效率（Efficiency Loving，簡稱EL），即被試的效用取決于自己與對方的總收益；③不平等厭惡（Inequality Averse，簡稱IA），即被試的效用隨著互動雙方收益差距的增加而減少；④不平等喜好（Inequality Loving，簡稱IL），即被試的效用隨著互動雙方收益差距的增加而增加；⑤惡意（Spiteful，簡稱SP），即被試效用隨著對方收益的減小而增加。

根據以上定義，本文繪制了圖2所示的無差異效用曲線1，從而根據被試在不同價格向量下的供給決策來識別其社會偏好類型。表1羅列了不同社會偏好的醫生在三組價格向量下的治療行為：第一，在外生價格為（85，105）時，醫生提供大治療和小治療可以獲得相同利潤，并且醫生提供大治療的收益等于患者收益。一方面，為小病患者提供小治療的醫生社會偏好可能是SE、EL或IL，提供大治療的醫生社會偏好則可能為SE、SP或IA；另一方面，為大病患者提供小治療的醫生社會偏好可能是SE、SP或IL，提供大治療的醫生社會偏好則可能是SE、EL或IA。由此可知在此價格向量下，SE醫生行為不確定，EL醫生總是提供正確治療，SP醫生總是提供錯誤治療，IA醫生總是提供大治療，IL醫生總是提供小治療。第二，在外生價格為（80，105）時，醫生提供大治療的利潤高于提供小治療的利潤。一方面，為小病患者提供小治療的醫生社會偏好可能是EL或IL，提供大治療的醫生社會偏好則可能是SE、SP或IA；另一方面，為大病患者提供小治療的醫生社會偏好可能是SP或IL，提供大治療的醫生社會偏好則可能為SE、EL或IA。所以在此價格向量下，EL醫生總是提供正確治療，SP醫生總是提供錯誤治療，SE和IA醫生總是提供大治療，IL醫生總是提供小治療。第三，在外生價格為（90，105）時，醫生提供大治療的利潤低于提供小治療的利潤。一方面，為小病患者提供小治療的醫生社會偏好可能是SE、EL或IL，提供大治療的醫生社會偏好則可能是SP或IA；另一方面，為大病患者提供小治療的醫生社會偏好可能是SE、SP或IL，提供大治療的醫生社會偏好則可能是EL或IA。所以在此價格向量下，EL醫生總是提供正確治療，SP醫生總是提供錯誤治療，IA醫生總是提供大治療，SE和IL醫生總是提供小治療。

綜合以上分析，本文將在三組價格向量中總是提供正確治療的醫生社會偏好劃分為追求效率（EL），總是提供錯誤治療的醫生社會偏好劃分為惡意（SP），總是提供大治療的醫生社會偏好劃分為不平等厭惡（IA），總是提供小治療的醫生社會偏好劃分為不平等喜好（IL），而將在（80，105）和（90，105）價格向量下分別總是提供大治療和小治療的醫生社會偏好劃分為自利（SE）。此外，由于醫生在公平價格向量（85，105）中的偏好決策不會影響其自身收益，而在其他兩組價格向量中的偏好決策可能會付出一定的效用損失，因此本文將在上述三組價格向量下能夠明確識別的偏好類型定義為強社會偏好，其余被試依據在（85，105）中的供給行為相應劃分為弱社會偏好。

（二）任務二：二次診療機制

表2展示了任務二包含的三個實驗局，即基準局（BL）、二次診療局（SO）和可識別問診次數的二次診療局（SOamp;Obs）。這些實驗局的參數設計與任務一基本相同，主要區別在于任務二將價格向量（[PL]，[PH]）設置為（75，115），二次診療意見的搜尋成本k=7。此外，為了專注于過度醫療行為的研究，任務二還在認證制的基礎上加入了責任制，即限制醫生針對大病患者只能提供大治療，以避免出現醫療不足和過度收費的情況。

表2 實驗局設置

[實驗局 二次診療機制 二次搜尋成本 是否可識別問診次數 基準局（BL） × 0 × 二次診療局（SO） √ 7 × 可識別問診次數的二次診療局（SOamp;Obs） √ 7 √ ]

無二次診療的博弈模型與任務1相似，默認患者接受醫生的治療方案。圖2展現了有二次診療機制的博弈框架，主要區別在于患者可以選擇拒絕大治療并搜尋第二診療意見。以實驗局SOamp;Obs為例，實驗流程分為以下四個步驟：①所有被試先扮演患者估計市場中醫生的可信任度，并報告當收到醫生的大治療建議時，是否愿意支付額外費用去搜尋第二診療意見；②面對外生的價格向量，所有被試再扮演醫生估計自己在患者心中的可信任度，并分別為第一次問診的小病患者、第一次問診的大病患者、第二次問診的小病患者、第二次問診的大病患者選擇治療方案1；③計算機隨機決定被試的角色類型和配對，在醫生提供大治療且患者選擇二次搜尋的情況下，繼續為該患者隨機分配另一名醫生；④計算機向被試展示本輪的角色收益、實現的治療方案和實際的二次搜尋人數。三個實驗局按照從簡單到復雜的順序依次進行，即先進行BL實驗局，然后進行SO實驗局，最后進行SOamp;Obs實驗局，每個實驗局重復進行8輪。

（三）研究假設

如文獻所述，人們并非都是完全自利偏好，在很多實驗中被試往往呈現了其他社會偏好或傾向，例如在Kerschbamer et al.（2017）的研究中，大約一半的被試顯示支持非自利偏好。因此在任務一中，預測可以識別出被試的非自利社會偏好或傾向，且重復多輪能夠更大程度上確保被試的偏好穩定性。根據效用函數設定，在（75，115）價格向量下，SE被試傾向于提供自身收益更高的大治療，EL被試傾向于提供正確治療，SP被試傾向于提供錯誤治療，IA被試傾向于提供大治療，IL被試傾向于提供小治療。因此在任務二的基準局中，預期SE、SP和IA偏好被試的過度醫療率為100%，EL和IL偏好被試的過度醫療率為0%。

假設1：被試偏好是異質的，且不同偏好的被試決策存在顯著差異。在基準局中，SE、SP和IA偏好被試的過度醫療率為100%，EL和IL偏好被試的過度醫療率為0。

在醫生無法識別患者問診次數的二次診療實驗局中，迫于患者可能拒絕大治療的威懾，理性的醫生應該會減少過度醫療的欺騙行為。然而由于被試具有不同的偏好類型，例如，SP和IA偏好的醫生仍然會堅持過度醫療，因為這樣給他們帶來的效用更大。因此，整體上過度醫療率的降幅低于基于完全自利假設下的理論預期。而在醫生能夠識別患者問診次數的二次診療實驗局中，根據理論預測，SE、SP和IA偏好的醫生一定會對第二次問診的患者進行過度醫療。患者預期到這種情況，就不會選擇搜尋二次診療，而是直接接受首診醫生的意見。醫生意識到患者的首診接受意愿提高，進而提高對首診患者的過度醫療率。因此總體來看，醫生可以識別患者問診次數的設計可能會加劇過度醫療現象。

假設2：二次診療機制總體上可以緩解過度醫療，但效果低于完全自利偏好的理論預期，且醫生可以識別患者問診次數的二次診療機制反而可能加劇過度醫療。

結合假設1和假設2，不同偏好的被試對二次診療機制會有不同的反應。在有二次診療機制的情況下，SE醫生由于擔心患者拒絕大治療時自身收益為0，因此從私人利益最大化的角度，SE醫生的過度醫療率會有所降低。EL醫生出于對患者利益和社會效率的關心，會更傾向于提供誠實治療。雖然患者拒絕大治療并二次問診可能會有更高的收益，但顯然低于患者首次問診即得到小治療的收益，因此SP醫生依然總是提供大治療，二次診療對這類被試的過度醫療行為無影響。對于IA醫生和IL醫生來說，當患者選擇拒絕大治療時，醫患之間最終的收益差可能會因患者二次問診得到小治療而進一步加大。IA醫生為了避免這類情況，可能會降低過度醫療率。與之相反，IL醫生為了追求利益差增大帶來的效用增加，可能反而會提高過度醫療率。不過考慮到上述情況發生的概率較低，因此綜合來說，IA和IL醫生的醫療行為變化不大。

假設3：被試的偏好類型可能導致其對二次診療機制的反應差異。雖然二次診療有利于降低SE、EL和IA被試的過度醫療率，但是不會影響SP被試的供給行為，甚至可能反而會提高IL被試的過度醫療動機。

在2018年12月和2019年1月，我們于浙江大學紫金港校區隨機招募120名學生被試進行了4場實驗，每場實驗30人。這些學生來自不同的年級和專業，且男性和女性的數量大致相等。全部決策過程在電腦上利用z-Tree軟件進行（Fischbacher，2007），為了確保被試理解實驗規則和收益計算，首先被試需要通過測試題才能進入正式實驗。實驗任務設置為非中性框架，并且分開發放兩個任務的實驗說明。待正式實驗結束后，計算機分別在任務一和任務二的三個實驗局中各隨機抽取一輪加總實驗點數，并按照0.5的比率兌換為現金報酬。最后被試需要填寫由A、B兩部分構成的調查問卷：A部分針對任務一的三組價格向量，調查了被試在沒有經濟激勵的情況下，作為醫生愿意提供的治療方案；B部分收集了被試的個人特征信息，主要包括性別、年齡、風險偏好、利他偏好等內容。每場實驗被試的平均報酬為67.05元，平均時長約80分鐘。

四、實驗結果

（一）社會偏好識別結果

根據被試在任務一中的決策，本文首先按照2/3的一致率（也就是說，12輪中至少有8輪符合效用函數設定），識別出95位被試的強社會偏好類型。接著對于其余25位未識別的被試，根據其在（85，105）價格向量下的供給行為，按照100%的一致率劃定相應的弱社會偏好類型1。被試劃分為弱偏好的主要原因是他們在同一價格向量的不同輪次中表現出了不同的行為，偏好缺乏穩定性。如表3所示，自利偏好（強SE）的被試有40位，占總人數的33.33%，這個比例高于Kerschbamer et al.（2017）的17%。追求效率偏好（強EL）的被試有53位，表現出追求效率偏好傾向（弱EL）的被試有12位，EL被試的合計占比為54.17%，高于Kerschbamer et al.（2017）的49%。由此可見，親社會偏好在醫療框架下是普遍的。

為了觀察被試在有無經濟激勵情況下的行為差異，我們在正式實驗任務結束后增設了獲取被試供給意愿的問卷。與任務一不同的是，問卷中被試的供給決策與實驗收益無關，且被試只需要針對每個價格向量單次決策。對比被試在兩種情境下的偏好類型和變化，結果顯示：首先，根據問卷結果能夠劃分所有被試的偏好，這是因為問卷只有一輪，削弱了對于偏好穩定性的要求；其次，被試在問卷中更多表現出追求效率偏好（強EL）及傾向（弱EL），同時自利（SE）的被試也從任務一中的40人下降至8人。此外，從被試偏好的一致性來看，追求效率偏好（EL）被試的行為一致性最高，而自利偏好（SE）的一致性最低。這些結果在一定程度上印證了經濟激勵會擠出親社會偏好的論點（Bowles and Polania-Reyes，2012）。

結論1：社會偏好具有異質性，實驗中33.33%的被試具有強自利偏好，54.17%的被試表現出親社會偏好或傾向，被試偏好在實驗和問卷中的變化證明了經濟激勵對親社會偏好的擠出效應。

（二）二次診療機制的有效性

表4以全樣本數據為對象，展示了過度醫療率、二次搜尋率和市場效率等關鍵變量的描述性統計結果。定義過度醫療率=選擇為小病患者提供大治療策略的醫生數/總醫生數，二次搜尋率=選擇搜尋二次診療策略的患者數/總患者數。實驗結果顯示，全樣本的平均過度醫療率在基準局中為62.19%，在二次診療實驗局中顯著降低至56.46%（p=0.01）。然而當醫生可以識別患者問診次數時，雖然醫生對首次問診患者的過度醫療率顯著低于基準局（p=0.00），且略低于SO實驗局（p=0.44）；但是醫生對二次問診患者的過度醫療率會大幅增加至78.65%，且顯著高于基準局和SO實驗局（p=0.00）。另外，從患者的搜尋行為來看，SO實驗局和SOamp;Obs實驗局的策略搜尋率分別為35.21%和21.56%（p=0.00），這說明在醫生可以識別問診次數的情況下，患者搜尋二次診療的意愿降低。最后，市場效率綜合衡量了醫患互動的經濟效益，定義患者市場效率=患者群體實際收益/患者群體最高收益，醫療市場總效率=醫患實際收益總和/醫患最高收益總和。二次診療機制將患者市場效率由基準局的59.43%提高至64.40%（p=0.00），將市場總效率由基準局的85.97%提高至86.45%（p=0.00）。但在當醫生可以區分患者問診次數時，患者市場效率和市場總效率分別下降至59.51%和85.32%，這表明醫生可以識別患者的問診次數會削弱二次診療機制的作用，不利于提高醫療市場效率。

通過構建Logit回歸模型，本文試圖進一步剖析醫生過度醫療行為的影響因素（見表5）。依據實驗局的條件設置，回歸模型將過度醫療（Overtreatment）作為被解釋變量，建立關于被試偏好和二次診療機制的虛擬變量，分別計算了每個解釋變量的邊際效應。具體來說，核心解釋變量SO和Obs分別代表二次診療機制和醫生可識別患者問診次數，若是則為1，否則為0。同時，考慮到被試特征對個體決策的影響，本文還選取了一系列控制變量，包括性別（Gender，男性=1，女性=0）、可信任度（Trust，0-5）、風險偏好（Risk，1-3）、公平感受（Fair，是=1，否=0）、醫生收入合理性（Wage，是=1，否=0）和輪次（Period）。

從模型（1）的回歸結果來看，二次診療變量SO的邊際效應在1%的水平上顯著為負，二次診療機制促使醫生過度醫療的概率降低了5.50%；相反，可識別變量Obs的邊際效應顯著為正，醫生可識別患者問診次數的二次診療機制反而導致過度醫療概率提高了9.30%。這些結果與前面描述性統計的結果相吻合，再次證明了二次診療機制能有效緩解過度醫療。然而一旦醫生可以識別患者問診次數，就可能發生擠出效應，這與二次診療機制的目標是相悖的。模型（2）加入了自利偏好變量SE及其與SO的交互項，結果顯示，SE的邊際效應顯著為正，而SE與SO的交互項系數為負但不顯著。由此說明，與非自利偏好被試相比，自利偏好被試的過度醫療傾向更高，且不易受到二次診療機制影響。類似地，模型（3）加入了追求效率偏好變量EL及其與SO的交互項，EL的邊際效應顯著為負（odds ratio=0.49），意味著EL偏好被試過度醫療的幾率僅為非EL偏好被試的一半。此外，EL與SO的交互項系數顯著為負，說明追求效率偏好對二次診療機制具有正向調節作用。模型（4）則同時包含了偏好變量及其與機制變量的交互項，SE和EL與SO的交互項系數均顯著為負，由此可見被試的社會偏好與二次診療機制之間存在交互效應。

與此同時，被試的一些個人特征和態度也會顯著影響其決策行為。例如，被試對自身的可信任度評分越高，公平感越高，越傾向于誠實治療。這說明大多數被試的決策行為和自我認知是統一的，提高醫生群體的公平感知和誠信建設有利于解決醫療市場的道德問題。被試的風險偏好態度與過度醫療的概率正相關，這可能是因為風險喜好的被試更偏好追求過度醫療帶來的高收益回報。本文在問卷中還詢問了被試對于現實醫生收入合理與否的評價，回歸系數顯示這一變量在1%的水平上顯著為負，意味著合理的醫生收入有利于緩解過度醫療問題。其中的邏輯在于，醫生的工作若能得到合理的報酬，則他通過欺騙患者攫取利益的動機就會降低。因此，醫療市場改革除了關注市場制度改革，也要注意醫生群體的誠信建設和薪酬激勵。

結論2：二次診療機制能夠有效降低過度醫療率并提高市場效率，然而這一機制的效果在醫生可以識別患者問診次數的情況下會受到顯著削弱，特別是加劇了醫生對二次問診患者的欺騙動機。

（三）二次診療機制的穩健性

基于任務一中識別的被試偏好，本節進一步分析二次診療機制的穩健性。由于大多數被試表現為SE偏好和EL偏好，因此主要針對這兩類被試進行對比分析。從圖4過度醫療率的輪次趨勢來看，被試在SO實驗局中的過度醫療率呈現隨輪次先上升后下降的趨勢，而在SOamp;Obs實驗局中被試對二次問診患者的過度治療率始終處于較高水平。對比不同的社會偏好樣本，過度醫療率基本遵循“SE樣本gt;全樣本gt;EL樣本”的分布規律。在所有條件下，針對SE樣本和EL樣本的過度醫療率進行Mann-Whitney檢驗，結果均顯示p值小于0.01。這意味著不同偏好被試的過度醫療行為存在顯著差異，并且這些差異并非在某種特定情境下偶然發生。從SE樣本和EL樣本的平均過度醫療率來看，在引入二次診療機制后，SE被試的過度醫療率由73.13%下降為67.50%（pgt;0.10），EL被試的平均過度醫療率由51.18%下降為40.33%（plt;0.01）。由此可見，二次診療機制可以抑制被試的過度醫療行為，且對EL被試的抑制效果更顯著。相較于醫生不能識別患者問診次數的SO實驗局，在醫生可以區分患者問診次數的SOamp;Obs實驗局中，雖然SE被試和EL被試會將首次問診患者的過度醫療率分別降低為65.00%和38.44%，然而他們對二次問診患者的過度醫療率則會大幅增加至84.69%和69.58%，最終導致整體過度醫療率超過了基準局。因此，不同偏好被試對二次診療機制的反應不同，換言之，二次診療機制對異質性社會偏好的作用是不穩健的。

圖5展示了不同偏好被試的二次搜尋行為，總體來看，被試的二次搜尋率分布規律表現為“EL樣本gt;全樣本gt;SE樣本”，且二次搜尋意愿隨輪次呈現下降趨勢。在SO實驗局中，SE被試和EL被試的平均搜尋率分別為35.21%和39.62%，SE被試的搜尋傾向顯著低于EL被試（plt;0.01），這符合理性經濟人的假定。而在加入可識別患者問診次數的SOamp;Obs實驗局中，SE被試和EL被試的平均搜尋率分別下降至21.56%和24.06%，兩者差異弱顯著（p=0.08）。綜上所述，可識別患者問診次數的設計不僅促發了醫生過度醫療的動機，也降低了患者二次搜尋的傾向，且不同偏好的被試對這一制度的反應沒有明顯區別。

除了上述兩種強社會偏好樣本，還有25名偏好強度和穩定性較低的弱社會偏好群體。相較于EL被試，弱EL被試僅在不影響自己利益的價格向量下表現出親社會偏好傾向，因此弱EL被試在所有實驗局中的過度醫療率均明顯高于EL被試。雖然弱EL樣本在SO實驗局中的平均過度醫療率為62.50%，略低于基準實驗局的71.88%，但是這一差異并不顯著（pgt;0.10）。而且在SOamp;Obs實驗局中，弱EL被試對首次問診和二次問診患者的過度醫療率均有所提高（分別為66.67%和90.63%）。弱SE偏好是所有偏好類型中最不穩定的，被試行為存在較大的隨機性。雖然弱SE被試在基準實驗局中的過度醫療率低于SE被試，但是在引入二次診療機制后，弱SE被試的過度醫療率反而有所上升，甚至高于SE被試。表6根據社會偏好類型進行分組回歸，針對弱EL樣本的SO系數不顯著，而針對弱SE樣本的SO系數顯著為正，由此說明二次診療機制對弱EL被試的約束效果比較有限，甚至還可能加劇弱SE被試的過度醫療行為。上述結果再次印證了二次診療機制對不同社會偏好群體的異質性影響，相反Obs的系數表明，醫生可識別患者就診次數的二次診療機制的消極作用是穩健的。

結論3：二次診療機制的效果依賴于被試的社會偏好類型，該機制對追求效率偏好被試的約束效果大于其他偏好被試，不過當醫生可以識別患者問診次數時，該機制會加劇所有偏好被試對二次問診患者的過度醫療行為。

五、結論及展望

本文基于社會偏好異質性的視角，采用一個被試內設計實驗，研究了二次診療機制對過度醫療行為的影響。結果發現，總體上二次診療機制可以有效抑制醫生的過度醫療行為，其作用邏輯在于患者拒絕大治療的潛在損失對醫生形成了提供適當醫療的約束。但當醫生可以識別患者問診次數時，預期到醫生很可能會對第二次問診的患者過度醫療，患者的二次搜尋率顯著下降，反過來導致二次診療機制對醫生的威懾力下降。在現實生活中，醫生了解患者的就診經歷是普遍情況：一方面，這些歷史信息可以方便醫生診療參考，從而避免漏診、誤診等醫療疏忽；另一方面，這也可能助長醫生的過度醫療動機，特別是在患者沉沒成本較大或粘性較高的情況下。因此，完善和推廣二次診療機制可以作為治理過度醫療現象的重要措施，例如進一步發展“互聯網+”醫療，從而為患者提供更多便捷可靠的問診渠道。與此同時，政策設計需要注意防范醫生根據掌握的患者就診歷史而實施精準過度醫療行為。

此外，本文發現二次診療機制對不同偏好被試的作用不具備穩健性。雖然二次診療機制可以顯著抑制親社會被試的過度醫療行為，但對自利偏好和其他被試的影響不顯著。這意味著在具有經濟激勵的醫療過程中，親社會群體的行為對二次診療機制的響應更明顯，而自利群體的行為更為穩定，受外在機制約束的影響較小。由此可見，社會偏好異質性可能是導致機制實際效果欠佳甚至完全失效的原因，因此醫療體制改革需要考慮政策在不同群體中的穩健性問題。具體來說，政府在制度實施時可以培養目標群體的特定偏好，例如在推廣二次診療機制的同時強化醫生的職業道德建設。當然，任何單一的政策都有其自身的局限性，無法完全解決所有問題。根據本文的實驗結果，二次診療機制只能讓“善者更善”，但對于其他偏好的醫生，這一機制的約束效果并不明顯。因此，如果希望進一步約束所有醫生的行為，就需要采取多種策略和機制，不斷優化和完善整個醫療體系，確保醫療服務的公平、公正和專業性。

本文針對現實中重要的過度醫療問題，利用實驗方法模擬醫療情境，創新性地檢驗了二次診療機制對于不同社會偏好的作用，研究結論為我國醫療市場制度改革提供了有益的政策啟示。當然，本文作為一篇探索性的基礎研究，還需要立足中國國情，在本土化方面做出更多改進：例如實驗設計進一步區分公立醫院和私立醫院，從而得到更具有現實應用價值的特色結論。此外，被試非理性行為的內在機理和理論建模也是值得未來深入研究的方向。

參考文獻

陳葉烽，2009，“親社會性行為及其社會偏好的分解”，《經濟研究》，第12期，第131-144頁。

陳葉烽、丁預立、潘意文、金菁、姚沁雪，2020，“薪酬激勵和醫療服務供給：一個真實努力實驗”，《經濟研究》，第1期，第132-148頁。

陳葉烽、黃娟、吳雅伊、李丹陽，2022，“聲譽能解決醫療保險的‘雙刃劍’難題嗎？——來自實驗的證據”，《南方經濟》，第2期，第68-87頁。

杜創，2013，“價格管制與過度醫療”，《世界經濟》，第1期，第116-140頁。

黃濤、顏濤，2009，“醫療信任商品的信號博弈分析”，《經濟研究》，第8期，第125-134頁。

王云、張畇彬，2020，“經濟學實驗中的信念誘導與測度：理論、方法與應用”，《南方經濟》，第6期，第87-104頁。

王云、張畇彬，2021，“社會偏好理論：爭議與未來發展”，《學術月刊》，第6期，第72-86頁。

于明遠，2020，“過度醫療、預算約束與醫療行業激勵性規制”，《經濟理論與經濟管理》，第9期，第102-112頁。

宗計川、朱鑫鑫、隋聰，2017，“資產組合調整慣性行為研究：實驗室證據”，《管理科學學報》，第11期，第61-74頁。

Agarwal， R.， Liu， C.W. and Prasad， K.， 2019， “Personal Research， Second Opinions， and the Diagnostic Effort of Experts”， Journal of Economic Behavior amp; Organization， 158： 44-61.

Alger， I. and Salanié， F.， 2006， “A Theory of Fraud and Overtreatment in Experts Markets”， Journal of Economics amp; Management Strategy， 15（4）： 853-881.

Balafoutas， L. and Kerschbamer， R.， 2020， “Credence Goods in the Literature： What the Past Fifteen Years Have Taught Us About Fraud， Incentives， And the Role of Institutions”， Journal of Behavioral and Experimental Finance， 26： 100285.

Bowles， S. and Polania-Reyes， S.， 2012， “Economic Incentives and Social Preferences： Substitutes or Complements？”， Journal of Economic Literature， 50（2）： 368-425.

Bruhin， A.， Fehr， E. and Schunk， D.， 2019， “The Many Faces of Human Sociality： Uncovering the Distribution and Stability of Social Preferences”， Journal of the European Economic Association， 17（4）： 1025-1069.

Cabrales， A.， Miniaci， R.， Piovesan， M. and Ponti， G.， 2010， “Social Preferences and Strategic Uncertainty： An Experiment on Markets and Contracts”， American Economic Review， 100（5）： 2261-2278.

Carlsson， F.， Johansson-Stenman， O. and Nam， P.K.， 2014， “Social Preferences are Stable Over Long Periods of Time”， Journal of Public Economics， 117： 104-114.

Charness， G. and Rabin， M.， 2002， “Understanding Social Preferences with Simple Tests”， The Quarterly Journal of Economics， 117（3）： 817-869.

Chen， Y.， Li， J. and Zhang， J.， 2022， “Efficient Liability in Expert Markets”， International Economic Review， 63（4）： 1717-1744.

Chuang， Y. and Schechter， L.， 2015， “Stability of Experimental and Survey Measures of Risk， Time， and Social Preferences： A Review and Some New Results”， Journal of Development Economics， 117： 151-170.

Darby， M.R. and Karni， E.， 1973， “Free Competition and the Optimal Amount of Fraud”， The Journal of Law and Economics， 16（1）： 67-88.

De Oliveira， A.， Croson R.T.A. and Eckel， C.C.， 2012， “Are Preferences Stable Across Domains？ An Experimental Investigation of Social Preferences in the Field”， Southern Economic Journal， 79（1）： 15-45.

Dulleck， U. and Kerschbamer， R.， 2006， “On Doctors， Mechanics， and Computer Specialists： The Economics of Credence Goods”， Journal of Economic Literature， 44（1）： 5-42.

Dulleck， U.， Kerschbamer， R. and Sutter， M.， 2011， “The Economics of Credence Goods： An Experiment on the Role of Liability， Verifiability， Reputation， and Competition”， American Economic Review， 101（2）： 526-555.

Fehr， E. and Charness， G.， 2023， “Social Preferences： Fundamental Characteristics and Economic Consequences”， CESifo Working Paper， No.10488.

Fischbacher， U.， 2007， “Z-Tree： Zurich Toolbox for Ready-made Economic Experiments”， Experimental Economics， 10（2）： 171-178.

Fong， Y.F.， Liu， T. and Meng， X.， 2022， “Trust Building in Credence Goods Markets”， American Economic Journal： Microeconomics， 14（1）： 490-528.

Hyndman， K. and Ozerturk， S.， 2011， “Consumer Information in a Market for Expert Services”， Journal of Economic Behavior amp; Organization， 80（3）： 628-640.

Kerschbamer， R. and Sutter， M.， 2017， “The Economics of Credence Goods–A Survey of Recent Lab and Field Experiments”， CESifo Economic Studies， 63（1）： 1-23.

Kerschbamer， R.， Sutter， M. and Dulleck， U.， 2017， “How Social Preferences Shape Incentives in （Experimental） Markets for Credence Goods”， The Economic Journal， 127（600）： 393-416.

K?nsgen， N.， Prediger， B.， Schlimbach， A.， Bora， A.M.， Hess， S.， Caspers， M. and Pieper， D.， 2022， “Attitude Toward Second Opinions in Germany–A Survey of the General Population”， BMC Health Services Research， 22（1）： 76.

Liu， T. and Ma， C.T.A.， 2024， “Equilibrium Information in Credence Goods”， Games and Economic Behavior， 145： 84-101.

Lotz， S.， Schl?sser， T.， Cain， D.M. and Fetchenhauer， D.， 2013， “The （In） Stability of Social Preferences： Using Justice Sensitivity to Predict When Altruism Collapses”， Journal of Economic Behavior amp; Organization， 93： 141-148.

Mimra， W.， Rasch， A. and Waibel， C.， 2016a， “Second Opinions in Markets for Expert Services： Experimental Evidence”， Journal of Economic Behavior amp; Organization， 131： 106-125.

Mimra， W.， Rasch， A. and Waibel， C.， 2016b， “Price Competition and Reputation in Credence Goods Markets： Experimental Evidence”， Games and Economic Behavior， 100： 337-352.

Momsen， K.， 2021， “Recommendations in Credence Goods Markets with Horizontal Product Differentiation”， Journal of Economic Behavior amp; Organization， 183： 19-38.

Pesendorfer， W. and Wolinsky， A.， 2003， “Second Opinions and Price Competition： Inefficiency in the Market for Expert Advice”， The Review of Economic Studies， 70（2）： 417-437.

Pitchik， C. and Schotter， A.， 1993， “Information Transmission in Regulated Markets”， Canadian Journal of Economics， 26（4）： 815-829.

San Miguel， F.， Ryan， M. and Scott， A.， 2002， “Are Preferences Stable？ The Case of Health Care”， Journal of Economic Behavior amp; Organization， 48（1）： 1-14.

Schneider， T.， Meub， L. and Bizer， K.， 2021， “Consumer Information in A Market for Expert Services： Experimental Evidence”， Journal of Behavioral and Experimental Economics， 94： 101754.

Thielmann， I.， Spadaro， G. and Balliet， D.， 2020， “Personality and Prosocial Behavior： A Theoretical Framework and Meta-Analysis”， Psychological Bulletin， 146（1）： 30-90.

Van Dijk， E. and De Dreu， C.K.W.， 2021， “Experimental Games and Social Decision Making”， Annual Review of Psychology， 72（1）： 415-438.

Wolinsky， A.， 1995， “Competition in Markets for Credence Goods”， Journal of Institutional and Theoretical Economics （JITE）/Zeitschrift für die gesamte Staatswissenschaft， 151（1）： 117-131.

Do Second Opinions Effectively Inhibit Overtreatment？

— An Experiment Based on Heterogeneous Social Preferences

Chen Yefeng" Huang Juan" Chen Xiajing

Abstract： As a typical credence goods market， the medical market suffers from inefficiencies caused by superior information of physicians. Overtreatment is the most common form of physicians' fraudulence， which not only increases the cost of patients， but also results in waste on medical resources. Based on the heterogeneity of social preferences， we apply a laboratory experiment to study the effectiveness and robustness of second opinions on inhibiting overtreatment. In the recognition of social preferences， 54.17% of the subjects are efficiency-loving， and 33.33% of the subjects are highly self-interested. The overtreatment rate of efficiency-loving physicians is lower than that of self-interested physicians. In the analysis of the effectiveness of the mechanism， we confirm that second opinions do significantly inhibit overtreatment. However， if physicians can identify patients requesting second opinions， the overall overtreatment rate will dramatically rise， even higher than that in the condition without second opinions. For the sub-sample divided by social preferences， the effect of second opinions is not robust： self-interested physicians' behavior doesn't perform significantly different， while efficiency-loving physicians' overtreatment rate decreases significantly. This study provides important policy references for Chinese medical system reform. With the emergence of online healthcare and artificial intelligence technology， promoting second opinions can serve as a significant approach to mitigate overtreatment. Moreover， the government needs to address the resilience of policies across diverse demographics， such as reinforcing physicians' professional ethics.

Keywords： Medical Market; Second Opinions; Social Preferences; Overtreatment

（責任編輯：劉業進）

*陳葉烽，浙江大學經濟學院，浙江大學跨學科社會科學研究中心，E-mail：lenggone@gmail.com，通訊地址：浙江省杭州市西湖區余杭塘路866號浙江大學經濟學院，郵編：310058；黃娟（通訊作者），浙江大學經濟學院，浙江大學跨學科社會科學研究中心，E-mail：hjjsrg@126.com，通訊地址：浙江省杭州市西湖區余杭塘路866號浙江大學經濟學院，郵編：310058；陳夏靜，網易（杭州）網絡有限公司，E-mail：ch_xiajing@163.com。感謝匿名審稿人和編輯部的寶貴意見，作者文責自負。

基金項目：本文受國家自然科學基金面上項目“過度醫療的治理機制和實驗檢驗：基于醫生支付激勵的視角”（72173116）、國家自然科學基金面上項目“信息不對稱背景下經驗品和信任品市場的信任機制實驗研究”（71773111）、浙江省哲學社會科學規劃重點項目“DRGs醫保支付方式潛在道德風險的機制設計和實驗檢驗”（22NDJC004Z）和中央高校基本科研業務費專項資金資助。

1 值得注意的是，對于實驗結果與理論預期存在差異的原因，作者猜測可能是社會偏好的影響，并在討論部分將過度醫療率低于10%的醫生劃分為親社會類型的情況加以分析。但本文認為該劃分方法比較粗糙，作者的解釋并不足以否認實驗設計忽略社會偏好的不足。

1 由于EL和SP、IA和IL行為具有一定的對稱性，并且一般SP和IL這兩類反社會偏好類型的人較少，所以此處僅以SE、EL和IA三類主要偏好為例。

1 而在實驗局SO中，由于醫生無法區分患者的問診次數，因此醫生只能為小病患者和大病患者分別選擇一個治療方案。

1 如被試在（85，105）價格向量下的4輪實驗中對小病患者和大病患者均會提供正確的治療，本文則認為在不影響個人收益的情況下，這類被試呈現了EL這類社會偏好的傾向。根據理論設定，由于（85，105）為公平價格向量，SE偏好在（85，105）價格向量下的治療決策不確定，因此我們將在（85，105）價格向量下的4輪實驗中的治療策略無規律的被試劃分為弱SE偏好。