Fisher–Schultz Lecture: Contracting Over Pharmaceutical Formularies and Rebates¶
作者: Kate Ho, Robin S. Lee
来源: Econometrica
主题: 经济理论 / 应用
相关性: 2/10
机构绿灯: Princeton University（US News 前 50，免分进入精读）
链接: https://doi.org/10.3982/ecta22488
一、领域脉络与小综述¶
这个方向是什么： 这个子方向属于产业组织理论中的结构式实证分析，具体聚焦于医疗市场中的多维度合约与谈判机制。其根本科学问题是：在存在中间人（药房福利管理者，PBM）的市场中，产品的配置规则（处方集的分层与排除）如何作为谈判筹码，影响上游制造商（品牌药厂）与中间人之间的均衡返利，并最终传导至消费者的需求与福利。当前该方向的成熟度较高：理论模型已从简单的一维定价演进到多维合约菜单，实证上已具备成熟的 BLP（Berry, Levinsohn, Pakes）类需求估计流程，但将复杂的多维合约均衡与微观数据结合进行反推与量化预测，仍是当前的技术前沿。
发展脉络： 由于本次精读材料仅包含摘要，缺乏 introduction 与 bibliography 全文，下述脉络基于摘要中明确出现的术语（"multidimensional contracting"、"BLP-style demand estimation"、"equilibrium rebate negotiation"）及该领域公认的经典节点构建，无法提供作者对被引文献的原话判断： - 奠基工作：Berry, Levinsohn, Pakes (1995, BLP) —— 建立了差异化产品市场的离散选择需求估计框架，留下了内生价格与产品特征如何联合估计的计量挑战。 - 主要进展（合约理论侧）：Hart & Tirole (1990) 等人的纵向合约与排他性合约理论 —— 证明了排他性条款可以作为谈判杠杆改变均衡利润分配，但未将其参数化以适配实证数据。 - 主要进展（医疗实证侧）：Ho (2009) 等人 —— 将医院-健康险的谈判引入结构式估计，留下了"谈判机制如何与需求端离散选择统一"的接口。 - 当前前沿：将多维合约（返利菜单）与内生配置（处方集设计）同时纳入均衡框架，并在微观数据上量化预测不可观测的返利。 - 本文的位置：在上述两条进展的交汇处，本文将处方集的分层与排除视为 PBM 的内生选择，与制造商谈判 formulary-contingent 的返利菜单，而非仅谈判单一返利率。
子线索聚类： 1. 结构式需求估计线索：从 BLP 框架出发，针对处方药市场的索赔数据，估计消费者对分层放置（自付额差异）的响应弹性。这一簇解决的是"需求端参数如何从观测数据中恢复"。 2. 多维度合约与谈判线索：从 Hart-Tirole 等纵向合约理论出发，构建 PBM 与多个制造商的 Nash 谈判或菜单博弈，解决的是"供给端均衡返利如何作为内生变量被求解"。 3. 排除与分层机制线索：研究排他性合约在医疗市场的具体形态——PBM 可以将药物置于优选层、非优选层或直接排除，这构成了多维度合约的具体维度。
这个方向在追问的核心问题： 1. 识别问题：在返利数据通常保密不可观测的情况下，如何仅凭标价、处方集配置与需求参数，反推或识别均衡返利？ 2. 均衡机制问题：当合约维度从单一返利扩展到"formulary-contingent rebate menu"时，均衡的性质（唯一性、稳定性）如何变化？PBM 的配置选择权如何改变制造商的让利激励？ 3. 配置的外部性问题：一个制造商的返利与分层配置，如何通过需求替代效应，影响其他制造商的均衡返利？ 当前主流方法是通过设定特定的谈判博弈（如 Nash-in-Nash），结合需求估计参数，数值求解均衡。已知瓶颈在于：返利数据的缺乏使得模型预测的验证只能依赖粗略的总量数据，且多维菜单博弈的均衡计算复杂度随产品数指数上升。
⚠️ 作者的 framing（这是作者的说法）： - 作者将缺口 frame 为：现有文献多将返利视为一维谈判，而忽略了 PBM 实际上拥有"差异化分层与排除"的配置权，这使得返利谈判本质上是多维度的。作者由此让自己的"formulary-contingent rebate menu"模型成为"显然的下一步"。 - 被淡化或回避的路线：摘要中未提及 PBM 与雇主（保险公司）之间的委托-代理摩擦——PBM 可能截留返利而非全部传递给雇主，这一摩擦可能根本性地改变返利谈判的激励结构。 - 缺失的引用/存在：摘要未涉及半参数/非参数需求估计的文献（如 Matzkin 的工作），也未涉及因果推断中处理分层配置内生性的最新文献。这可能是值得研究者去查的问题：结构式 IO 模型与因果推断识别理论在此场景下是否有对话空间？
张力： 未见明显对立引用。但在该领域的一般认知中，存在一个隐性张力：BLP 类结构式模型依赖特定的参数化假设与均衡条件来识别未观测变量（返利），而因果推断流派则倾向于用更弱的识别假设（如工具变量）来处理内生性。这两派在处理同一经济问题时，结论的稳健性往往有差异。
二、这篇论文做了什么¶
三句话： ①研究了 PBM 的处方集配置权（分层与排除）如何影响品牌药制造商的均衡返利支付。 ②核心工具是构建一个多维度合约理论模型（formulary-contingent rebate menu），并结合 BLP 式离散选择需求估计与观测标价进行均衡反推。 ③主要结论是，允许 PBM 进行差异化分层与排除，能显著增加谈判获得的返利，且模型预测的返利与可获得的总量返利数据一致。
关键设定与假设： - PBM 与制造商的谈判设定：PBM 作为买方代表，与多个品牌药制造商同时谈判。谈判对象不是单一返利率，而是"返利菜单"（rebate menu），即返利额 contingent on 该药物最终被放在处方集的哪个层级（优选、非优选或排除）。 - 处方集配置的内生性：PBM 在观测到所有制造商提供的返利菜单后，选择最大化自身目标的处方集配置（将各药物分配到不同层级或排除）。这相当于 PBM 拥有配置权作为谈判筹码。 - 需求系统假设：消费者需求遵循离散选择模型（BLP 式），消费者对药物的选择依赖于其所在层级决定的自付额。这意味着分层配置直接改变需求份额。 - 标价假设：制造商的标价是外生给定的或由更高阶博弈决定，本文模型中返利是在标价基础上的折扣。 - 统计含义：上述假设意味着，返利是内生不可观测变量，其识别依赖于理论模型推导的均衡条件与需求估计参数的联合，而非直接从数据中回归得出。相比已有文献将返利视为一维外生协商，本文将返利维度扩展并内生化。
主要结果： - 理论结果：推导了存在差异化分层与排除机制下的均衡返利菜单。核心直觉是：排除威胁（将药物移出处方集，需求降为 0）赋予了 PBM 谈判筹码，迫使制造商为留在优选层支付更高返利；而多层级设计允许 PBM 进行更精细的歧视性榨取。 - 实证结果（量化结论）：利用普林斯顿大学雇员的他汀类药物索赔数据估计需求参数后，代入理论模型计算均衡返利。发现允许优选/非优选分层与排除，相比仅允许单一层级，能"substantially increase negotiated rebate payments"（摘要原话）。 - 验证结果：模型预测的返利水平与"available aggregate rebate data"（可获得的总量返利数据）一致。这是一个相对粗略的外部有效性检验。
证明路线与技术技巧（应用/方法型重点拆方法设计与实证）： - 整体路线： 1. 构建理论模型：设定 PBM-制造商的多维菜单谈判博弈，推导均衡返利菜单与处方集配置的解析/数值解条件。 2. 估计需求系统：使用微观索赔数据，估计 BLP 式离散选择需求模型，获得消费者对层级放置（自付额差异）的响应弹性。 3. 反推均衡返利：将需求弹性、观测到的标价代入理论模型的均衡条件，数值求解不可观测的均衡返利菜单。 4. 政策模拟：比较"允许差异化分层+排除"与"限制分层/不允许排除"两种设定下的均衡返利差异。 5. 外部验证：将模型预测的返利与独立获得的总量返利数据对比。 - 关键跳跃点：从需求参数与标价跨向不可观测返利的识别。难点在于返利不可观测，必须完全依赖理论模型推导的均衡方程组来"算出"返利。如果理论模型的均衡假设不成立，返利预测将系统性偏离。 - 技术技巧点名： - BLP-style demand estimation：用于处理差异化产品需求与内生价格（虽然此处价格可能部分由层级决定，层级本身也可能内生）。起的作用是恢复需求弹性矩阵，这是后续谈判模型的核心输入。 - Multidimensional contracting / Menu of rebates：用于刻画 PBM 的多维度谈判策略。起的作用是将一维返利扩展为状态依存菜单，使得排除威胁与层级歧视成为可分析的博弈工具。 - Tier placement exclusion mechanism：作为排除威胁的具体化。起的作用是提供 PBM 的外部选项，改变 Nash 谈判的威胁点。
真实例子与应用： - 用的什么数据/场景：普林斯顿大学雇员的处方索赔数据，场景为他汀类药物市场。普林斯顿作为雇主，通过单一 PBM 为雇员提供处方药覆盖。 - 怎么把本文方法用上去：首先，从索赔数据中观测到药物在不同处方集层级下的处方量与自付额，估计需求对层级/自付额的响应。其次，观测他汀类药物的公开标价。最后，将需求参数与标价代入多维合约模型，反推各品牌药制造商在优选层与非优选层的均衡返利。 - 得到什么结果：模型反推的返利预测与可获得的总返利数据在量级上一致；模拟显示，若 PBM 被允许使用差异化分层与排除，谈判获得的返利显著高于受限情形。 - 这个例子想说明什么：验证理论模型的合理性（预测与外部数据一致），并展示多维度合约工具（分层与排除）对 PBM 谈判力的实质性提升，为政策制定（是否限制 PBM 的排除权）提供量化依据。
🔎 结论是否比证明窄： - 摘要中 claim "predictions are consistent with available aggregate rebate data"。这里的"consistent"是一个较宽的陈述，实际论文中可能仅在均值或总量层面一致，而非在药物级别的微观返利层面严格匹配。这是理论模型反推不可观测变量时常见的验证局限。 - "substantially increase negotiated rebate payments"是一个量化模拟结论，其成立严格依赖于前述需求估计参数与理论均衡假设的准确性，若需求弹性估计有偏或均衡假设不成立，该增加量可能不成立。
三、开放问题（点到为止，扎根具体语句）¶
- 返利数据的微观识别：摘要提到"predictions are consistent with available aggregate rebate data"，暗示微观层面的返利数据仍不可得。开放问题：能否在不依赖强理论均衡假设的情况下，利用更弱的因果推断识别条件（如工具变量、DML）从观测数据中直接识别或估计返利？
- PBM-雇主委托代理摩擦：摘要完全将 PBM 视为雇主利益的代表，未提及 PBM 截留返利的激励。开放问题：引入 PBM-雇主间的委托代理摩擦后，PBM 的处方集配置选择与返利谈判均衡如何改变？
- 动态合约与多期谈判：摘要模型为静态单期博弈。开放问题：在多期动态设定下，制造商的返利承诺与 PBM 的排除威胁如何形成动态均衡路径？
四、最核心、最简单的例子 / 数学问题¶
剥掉 BLP 需求估计的参数化外壳与多制造商的复杂均衡计算，支撑整篇论文的最小内核是一个1个 PBM、2个对称品牌药、3个处方集位置（优选、非优选、排除）的谈判特例。
最简特例： - 设市场上有药物 A 和 B，需求替代弹性为 \(\sigma\)。 - PBM 可将药物放入优选层（自付额低，需求份额 \(D_{pref}\)）、非优选层（自付额高，需求份额 \(D_{non}\)）或排除（需求份额 0）。 - 制造商向 PBM 提供返利菜单：\((r_{pref}, r_{non})\)，即"如果我被放在优选层，我返利 \(r_{pref}\)；如果被放在非优选层，我返利 \(r_{non}\)"。
在这个特例下，要证的命题退化成： 排除威胁如何迫使对称制造商在优选层给出更高返利，使得 PBM 的总返利收入高于仅允许单一层级的情形？
证明直觉怎么走、为什么成立： 1. 无排除威胁时（单一层级）：PBM 只能将 A 和 B 都放在同一层级。制造商的威胁点是"我不给你返利，你依然得把我放在层级里（因为需求需要）"。此时返利谈判的 Nash 剩余较小，制造商只需支付少量返利。 2. 有排除威胁时（多层级）：PBM 可以威胁"如果你不给我足够返利，我把你排除，把所有流量给 B"。此时制造商 A 的威胁点利润降为 0（被排除）。为了留在优选层，A 必须支付足够高的返利 \(r_{pref}\) 以补偿 PBM 放弃排除的损失。 3. 均衡结果：由于 A 和 B 对称，两者都会竞相提高 \(r_{pref}\) 以争夺优选层位置，同时降低 \(r_{non}\)（因为非优选层份额小）。PBM 利用这个竞拍机制，榨取了接近全部的优选层剩余。 4. 为什么成立：核心在于排除机制改变了谈判的威胁点。在单一层级下，威胁点是"不返利但仍在处方集"；在多层级下，威胁点是"不返利则被排除，流量归竞争对手"。这个威胁点的恶化，是 PBM 获得更高返利的数学根源。论文的一般情形只是将这个 2 药物-3 层级的特例扩展到 \(N\) 药物、连续需求弹性与 BLP 参数化需求系统，并加入了数值求解的复杂度。
Maintained by 陈星宇 · Homepage · Source on GitHub