基于多元Logistic 模型的互联网医疗使用意愿影响因素分析

任萱煜，朱林慧

（滁州学院，安徽滁州 239000）

引言

医药卫生事业关系亿万人民的健康，是重大的民生问题。深化医药卫生体制改革，加快医药卫生事业发展，适应人民群众日益增长的医药卫生需求，是贯彻落实科学发展观、促进经济社会全面协调可持续发展的必然要求，是全面建设小康社会和构建社会主义和谐社会的一项重大任务。且早在2016 年6 月，国务院办公厅就印发了《关于促进和规范健康医疗大数据应用发展的指导意见》，将健康医疗大数据应用发展纳入了国家大数据战略布局。

互联网医疗在为人们提供便利的同时，也存在着一些问题，如传统医疗方式根深蒂固、监管缺失以及互联网医疗的权威性等。互联网医疗虽已获得多轮融资，但为了能让互联网医疗走的更远，还需要立足于用户，根据用户满意度来对各部分进行整改。本次调查从社会公众的角度分析滁州市居民对于互联网医疗的使用现状，了解互联网医疗使用现状及影响因素。通过使用差异性分析对互联网医疗进行卡方分析，基于多元Logistic 模型对用户使用频次进行研究，最后根据研究结论为普及互联网医疗提出可操作的意见和建议，为政府及有关部门进行科学决策提供有力依据，为居民提供切实健康保障。

一、研究设计

（一）研究目的及意义

通过调查分析互联网医疗使用意愿影响因素，加速普及互联网医疗。本次调查以滁州市常住人口为调查对象，采用分层抽样、简单随机抽样、偶遇抽样和三阶段抽样相结合的方法来分析互联网医疗使用意愿影响因素。通过了解患者性别、年龄、学历、职业以及互联网医疗使用情况等特征数据，基于多元Logistic 模型对于用户使用频次进行研究，分析得出互联网医疗使用意愿影响因素，并为加速普及互联网医疗提出可操作的意见和建议。

（二）调查方案设计

本次调研评价体系应充分反映现代不同年龄段居民对于互联网医疗现状的了解与认知，以及各指标间存在的内在联系，以便能全面科学地进行评价。本次调研以问卷调查为主，并辅之以典型调查、实地访谈法调查。

本次共发放1 250 份问卷，共收回1 198 份，其有效问卷为1 106 份，有效问卷回收率88.48%。对问卷样本进行可靠性检验，一是使用Cronbach’Alpha 信度系数，得到系数值为0.895（题目项数14），表明量表存在内在一致性，可以接受；二是采用KMO 检验和Bartlett 球形检验，得到KMO 检验统计量0.886，卡方检验统计量为7 616.404（显著性为0.000），表明该样本包含的变量之间存在显著相关性。因此，本次调查的数据可认为是相对有效的。

二、数据分析

（一）基于卡方检验的了解使用互联网医疗的差异性分析

表1 基本信息与是否了解使用互联网医疗卡方分析

从表1 可以看出，性别与是否了解或使用互联网医疗不存在显著性差异（P 值小于5%的显著性检验），而年龄、学历、职业以及健康状况与是否了解或使用互联网医疗存在显著性差异（均通过5%显著性检验）。

通过问卷结果可以发现，本次调查对象在是否了解或使用互联网医疗上呈现出年龄差异。其中，18—45岁的群体是拥有一定收入的中青年人，是了解或使用互联网医疗的主力军，在忙碌的生活工作中，互联网医疗将成为他们了解自身健康的快捷途径；而一些疾病多发年龄层的老人对新生事物接受较慢，再加上他们大多不会使用互联网，所以对互联网医疗了解较少。在学历方面，本科及以上的群体对互联网医疗的了解及使用情况更好，他们对于在社会生活中所产生的新生事物的接受速度等会更快。在职业方面，学生占本次调查对象的主体。在健康状况方面，身体状况良好的群体是了解或使用互联网医疗人数最多的，这是因为身体状况良好的群体会根据自身情况的需求体现对互联网医疗相关信息的特别关注，通过了解或使用互联网医疗平台时刻关注自己的身体健康状况。

（二）基于多元Logistic 模型的用户使用频次研究

互联网医疗用户使用频次受多种因素影响，通过建立有序多分类Logistic 回归模型，定量分析互联网医疗用户的性别、年龄、学历、职业和健康状况等因素对用户使用频率的影响，可以确定互联网医疗用户群所具有的显著特征。

1.模型的选择

由于使用频次是一个多项选择的问题，因此对于这个多分类变量建立多元选择模型。在多元离散选择模型中，Logit 分布更适合于效用最大化时的分布选择，所以应用最多的多元离散选择模型是Logit 模型。Logit模型的似然函数能够快速可靠地收敛，当方案或者决策个体数量较大时，计算比较简便。

2.多元Logistic 模型的建立

将“您使用互联网医疗的频率”这种多元选择行为表示为因变量，当选择“经常使用”时，y取值为1；当选择“偶尔使用”时，y取值为2；当选择“从未使用”时，y取值为3。

由于本次设置的问卷调查中大量数据为分类变量。对于无序多分类变量，如职业，它们之间不存在数量上的高低，因此不可能为其给出一个单独的回归系数估计值来表示职业每上升一个单位时因变量的变化趋势。

在对基准类的设定上，为方便录入，原则上将最后一个选项设为基准类。当最后一个选项为其他或该选项的被选中频次小于30 次时，则以倒数第二个选项设定为基准类。

因此，本次调查采用统计上标准的做法，采用虚拟变量进行拟合，然后根据分析结果对模型进行简化。定义变量如表2 所示。

表2 多元Logistic模型变量表

3.对互联网医疗用户使用频率的研究

纳入所有需要考虑的变量，建立形如下式的多元选择Logit 模型：

对初步建立的回归方程根据极大似然估计的统计量的概率值删除对因变量影响不显著的自变量，显著性水平给定为0.05。经过多轮筛选，排除不显著的变量后，得到的回归结果如表3 所示。

表3 多元Logistic模型回归结果

模型中使用似然比检验的x统计量为58.341，各解释变量的检验统计量P 值都小于5%的显著性水平，可以认为解释变量的整体显著性良好。

4.模型结果分析

在5%的显著性水平上，年龄在18—30 岁和31—45 岁的两个变量通过显著性检验，系数分别为2.229和1.414，都是正的。说明这个年龄段的人群使用互联网医疗的倾向程度更高，这与年轻人的生活方式及他们对新鲜事物的接受程度有关；相对于老年人，这个年龄段的人群热于追求新事物，在忙碌的生活工作中，互联网医疗将成为他们了解自身健康的快捷途径。

从回归结果看，学生这个变量通过了5%的显著性检验，回归系数为0.403。说明学生这个群体使用互联网医疗更频繁，因为学生相对于其他职业的群体更喜欢接触新东西、了解新事物。

对于健康状况，在5%的显著性水平下，只有身体状况良好的用户使用频率相对于基础类型的用户要高。身体状况良好的用户会根据自身情况的需求体现对互联网医疗相关信息的特别关注，通过了解或使用互联网医疗平台时刻关注自己的身体健康状况。因此，身体状况良好的用户群体的使用频率更高。

三、结论与建议

通过对互联网医疗使用意愿影响因素的研究分析可以发现，群众对互联网医疗有一定的认知，其安全权威性和便捷性备受关注；年龄、学历、职业以及健康状况与是否了解或使用互联网医疗存在显著性差异；互联网医疗的感知有用性对用户使用意愿产生较大的影响。为促进互联网医疗的发展，可针对用户的影响因素进行针对性宣传和用户精准定位。