田野实验

田野实验（Field Experiment）

田野实验（Field Experiment）是社会科学中在真实世界环境下开展的随机对照实验，其核心特征在于实验对象在自然情境中接受干预，而非在人工实验室环境内。作为实验经济学的三大支柱之一（另两类为实验室实验和自然实验），田野实验通过在现实场景中引入随机化干预，兼顾了内部效度与外部效度，成为因果识别方法中的黄金标准。

概念界定与分类框架

田野实验区别于实验室实验的关键在于实验环境是否受控、被试是否知晓参与实验。哈里森与利斯特（Harrison \& List, 2004）提出了经典的六类分类体系：实验室实验（被试为大学生样本，实验室内进行）、人为田野实验（非标准被试，但仍在实验室环境）、框架田野实验（实验对象为真实市场参与者，以"实验"框架呈现任务）、自然田野实验（被试在自然环境中完成不认为是实验的任务）、以及自然实验（研究者无法操控的随机变异）。

约翰·利斯特（John List）在2000年代初通过球场交易卡的实地实验开创了自然田野实验范式——他亲自在体育卡展会上设置摊位，以不同报价策略检验经济理论，发现经典理论预测与真实市场行为之间存在显著偏差。此后，田野实验的应用迅速扩展至经济学各子领域。

方法论基础与因果识别

田野实验的因果识别逻辑建立在随机化与实验控制两大支柱之上。随机分配处理组与控制组，确保两组在可观测特征与不可观测特征上均无系统性差异，从而使得处理组与控制组的结果差异可被无偏地归因于处理效应。

令 $Y_i(1)$ 为个体 $i$ 接受处理的潜在结果，$Y_i(0)$ 为未接受处理的潜在结果，则个体处理效应为 $\tau_i = Y_i(1)-Y_i(0)$。由于每个个体只能观测到一种状态（反事实问题），随机化使得分析者能够识别平均处理效应 $ATE = E[Y(1)-Y(0)]$。在完全随机化条件下，控制组均值 $\bar{Y}^{C}$ 是对 $E[Y(0)]$ 的一致估计，处理组均值 $\bar{Y}^{T}$ 是对 $E[Y(1)]$ 的一致估计，故 $ATE = \bar{Y}^{T} - \bar{Y}^{C}$。

田野实验相较于实验室实验的一个核心优势在于外部效度——真实场景中的行为反应更接近政策实施后的实际情况。但这一优势以部分牺牲内部效度为代价：田野环境中干扰因素更多，随机损耗（attrition）、溢出效应（spillover）和霍桑效应均可能威胁因果推断的有效性。

发展经济学中的田野实验革命

2019年，阿比吉特·班纳吉（Abhijit Banerjee）、埃丝特·迪弗洛（Esther Duflo）与迈克尔·克雷默（Michael Kremer）因以实验方法减轻全球贫困的贡献共同获得诺贝尔经济学奖，标志着田野实验作为发展经济学核心方法的制度性认可。

克雷默在1990年代与肯尼亚学校合作开展的教科书供给实验是最早的教育干预田野实验之一：随机选取25所小学提供额外教科书，但发现教科书对学习成绩的整体影响并不显著——只有成绩最好的学生从中受益，这一反直觉结果揭示了教育生产函数的复杂性。

班纳吉与迪弗洛创建的贫困行动实验室（J-PAL）将田野实验方法论系统化，发展出一套涵盖项目设计、随机化方案、数据收集与分析的标准操作规程。J-PAL在微量信贷、教育激励、健康行为等方面积累了大量实验证据，例如针对印度乌代普尔地区的免疫接种实验发现：提供小额实物激励（一公斤豆子）使免疫完成率从6\%跃升至39\%，而仅提供信息告知的效果微乎其微。

行为经济学与实验室外的决策研究

田野实验在行为经济学中同样扮演着至关重要的角色。传统实验室实验虽能精细识别个体决策偏差，但其被试群体以大学生为主、决策环境高度抽象，难以推广至真实市场。田野实验使得研究者能够在实际市场环境中检验行为理论。

丹尼尔·卡尼曼的前景理论核心预测在多个田野实验中得到了验证：损失厌恶（Loss Aversion）在股票投资者、房地产市场和劳动供给决策中均有显著表现。利斯特在2003年的经典田野实验中发现，在真实交易场景中，市场经验越丰富的交易者，其行为越趋近于标准经济理论的预测——这表明学习效应能够部分纠正初始的认知偏差，而这一结论在实验室环境中难以获得。

实验伦理与实践挑战

田野实验的独特伦理问题源于其影响的对象是真实人群，且干预措施可能改变教育、健康等根本性人类福祉。知情同意原则在田野环境中面临挑战：当研究人员在学校或社区层面进行随机化时，个体未被单独征求参与意愿。此外，控制组被剥夺潜在利益的伦理问题是随机化设计的内在张力——阶梯楔形设计（Stepped Wedge）和随机化安慰剂等创新方案部分缓解了这一问题。

实践层面，田野实验还面临统计功效不足（样本量约束）、实验污染（控制组成员接触处理内容）、以及一般均衡效应（局部实验结果无法外推至整体经济系统）等挑战。正如迪弗洛所言，田野实验揭示的是局部平均处理效应（LATE），而非政策全面实施后的一般均衡效果——这一方法论边界是每一位实证研究者需要清醒认知的。