Free to Choose? Reform, Choice, and Consideration Sets in the English National Health Service
By Martin Gaynor, Carol Propper, and Stephan Seiler* American Economic Review 2016

    作为今年的Arrow Award for the best paper in health Economics，他们研究英国NHS手术医院选择自由化改革所带来医院绩效的提高。
    以 coronary artery bypass graft ( CABG )手术操作作为研究对象，因为这种手术的绩效很好体现，就是疗程之间的死亡率
    识别策略：构造了包含了医生以及患者效用函数以及医院选择行为的结构性识别方法，将死亡率下降（或患者福利上升）分为分配效应和供给效应，前者是病人获取选择自由权后会去名声最好的医院，后者指的是改革引发的医院竞争能提高医疗效率。在这过程中，回归出了很多符合经验规律的结果，并认为改革并不会损害低收入者的福利。

    文章虽然是好文章，但我确实不太清楚如何识别，比如效用作为因变量怎么来的，死亡率可是解释变量呀！
求感兴趣的多多讨论该文~

8.31日更新一下，看来离完整介绍完还有相当长的距离呀。。
1初始模型设定
公式如下图1， W代表j医院在t期内CABG手术的平均等待时间 t , Z代表j医院在t期内CABG手术的质量, D 代表病人i到医院j的距离，ξj 代表不可观测的医院质量（固定效应）， ε  ij 是异质口味冲击，满足i.i.d. extreme value。 “We incorporate preference heterogeneity byallowing the coefficients on waiting times and mortality ( βwi and β  zi ) to vary with patient characteristics.”也就是说作者通过让病人的等待时间与死亡率系数变化来代表病人个体偏好异质性（个人没弄清楚如何对个体进行系数估计，最多进行分组）。

2数据描述数据集为HES数据，最主要是CABG的死亡率，作者还附上了代表地理信息的数据集。附录上写了所用数据的年份，即 改革前的2004年1月 到2005年4月 ，改革后的 2007年1月到  2008年4月 a。其中，为了处理的干净，数据集里排除了病重患者试点期数据，以及只提供两个选择的过渡期。
   同时，为了体现病人的自主选择，数据不包含急诊数据。
   病人个体的衡量指标除一般性别年龄外，还有IMD来衡量收入 ( Index of Multiple Deprivation），还有根据HES数据中并发症可以用来计算the Charlson index，并发症的致死率越高，该系数也就越高，这里取0、1、2，60%的人是0。之后将根据这些指标来划分病人群体。  
3结构式估计
记 Ωpatient = βwi , βzi , α  d , ξ为属性变量，Ωphysian类似。假如我没理解错，此处的重点应该是通过最后的矩估计公式求出系数。但这之前作者需要求出改革前以及改革后的选择病人医院匹配概率。重点是改革前的概率，是需要假设品味冲击分布进行模拟的。后面根据极大似然估计法进行不断模拟，得出不一样的选择集