在线健康平台医生团队多样性对服务绩效的影响研究

司广森 刘 汕,2,3 吴依珂

(1.西安交通大学管理学院；2.西安交通大学系统行为与管理实验室；3.陕西物流集团-西安交通大学物流科创融合发展研究中心)

1 研究背景

在线健康平台打破了信息壁垒[1]，近年来推出医生团队服务的新功能，其通常由一名领衔专家和其他几名医生组成，在个人、科室和医院3个层面上可能存在特征差异，是多样性的重要来源。在个人层面，成员可能存在性别差异，会影响他们与患者交流的方式[2]；在科室层面，领衔专家邀请来自不同类型科室的医生参与团队[3]，为患者提供广泛的疾病知识；在医院层面，成员来自多家或者同一家医院，具有不同的临床服务模式和组织文化。因此，本研究着重关注性别、科室种类和医院数量的多样性，探究其对在线服务绩效的影响。有关团队多样性的既有研究主要集中于公司高管团队[4,5]，而本研究将团队多样性拓展至在线背景。

在线医生团队多样性对于服务绩效可能是一把“双刃剑”。一方面，成员特征差异较大的团队能够从多个角度为患者提供丰富的疾病治疗信息，帮助患者了解自身疾病；另一方面，患者通常比较担心自己的病情，不太容易信任医生[6]，多样性的疾病知识导致团队缺乏说服力。已有研究主要关注团队的专业资本、成员规模[7]和知识合作[8]对团队绩效的影响，仅个别研究关注了在线医生团队多样性[3]，但并未系统地梳理不同层面的医生特征差异。另外，对于团队来说，高级职称医生人数占比反映了团队整体专业技术水平，可能会支配团队多样性影响。因此，本研究探索高级职称医生人数占比如何调节不同层面团队多样性影响。此外，团队领衔专家与团队关联较为紧密，地位更加突出，团队多样性可能会进一步溢出影响领衔专家服务绩效。然而，有关医疗团队的研究仅关注团队绩效[7,8]，忽略了团队领衔专家服务绩效；同样，关于高管团队多样性的研究主要关注公司绩效，忽视了团队或董事会领导的个人绩效[4,5]。为此，本研究进一步探究不同层面的团队多样性对领衔专家服务绩效的溢出影响。总体来说，本研究主要探索以下问题：医生性别、科室种类和医院数量多样性如何影响团队服务绩效？高级职称医生人数占比如何调节这种影响？不同层面多样性如何溢出影响团队领衔专家服务绩效？

针对上述问题，本研究基于多样性理论构建模型，从健康平台上采集相关数据，并通过实证分析方法对假设进行验证，结果对于领衔专家如何组建和管理医生团队，以及提升绩效有重要意义。另外，本研究关注健康平台上医疗团队信息、服务绩效等内容，通过信息管理驱动了管理学信息系统、市场营销以及医疗健康等学科领域的交叉融合，对信息管理在各学科领域的研究和应用有一定拓展。

2 理论基础与研究假设

2.1 理论基础

2.1.1在线医生团队及其服务

在线健康平台中，医生可以采用“一对一”或“多对一”两种方式为患者提供咨询服务[9]。“一对一”方式仅允许一名医生与患者交流；而“多对一”方式则允许领衔专家组织多名医生以虚拟团队形式为患者提供咨询服务，具有灵活、成本低、服务全面等特点[9]。“一对一”方式在健康平台较早出现，已经吸引了大量学者的关注[6,10]。少数研究关注了“多对一”方式的在线医生团队服务，比如，WU等[8]研究在线医生团队成员的知识合作对其绩效的影响，李佳颖等[9]研究团队规模对个人服务绩效的直接影响。另外，一些学者检验了在线医生团队的回复速度对团队价格、绩效[11]和团队是否解散[3]的影响。由此可见，目前有关在线医生团队的研究，大都忽略了团队成员在不同层面的特征多样性及其影响和溢出。医生的性别[2]、科室[3]及医院[7]是影响患者的态度和行为的重要因素，患者在选择团队时可能会关注团队成员的个人、科室及医院等层面的信息。因此，有必要从这3个层面探究医生团队多样性对团队服务绩效的影响，以及对领衔专家服务绩效的溢出影响。

2.1.2多样性理论基础

团队多样性可定义为团队医生成员在某一特定属性上存在的差异[12]。现有研究对团队多样性效应的理论解释主要从社会类化[13]和信息决策[14]两个维度。社会类化理论认为，个体倾向于将自己与群体内其他人进行比较和归类，认同与自己相似的个体，并赋予正面评价。当成员间差异较小时，群体沟通和运作过程比较流畅，更具有凝聚力；反之，群体内成员的刻板印象和偏见不断加深，更容易产生分歧。信息决策理论则认为，高度异构的团队拥有更多不同的资源和信息，有助于促进组织内部互相学习，做出更合理的决策[15]。上述两维度从相反角度解释了多样性对于绩效的利弊，已被应用在有关高管团队的研究中。例如，公司负面的绩效反馈会导致董事会成员的调整，一方面提高团队成员的专业知识多样性，另一方面降低团队成员的背景多样性来提高董事会成员间的信任[4]。

团队成员提供的疾病治疗信息有助于患者判断和决策自身疾病，多样性较大的医生团队可能为患者提供更丰富的治疗信息。另外，医生成员可能具有不同的个人特征、组织文化、工作方式等，这些方面造成了团队成员间的类化差异，可能会阻碍成员间的沟通，也可能为患者提供不一致的疾病知识，进而导致医生团队缺乏凝聚力和说服力。总的来说，信息决策和社会类化为本研究解释医生团队多样性的“双刃剑”影响提供了有力支撑。

2.2 研究假设

2.2.1医生性别多样性影响

性别是医生重要的个人基本特征，性别多样性反映了团队中医生成员性别的构成差异。某些在线医生团队可能具有较多的女性或男性医生。如果不同团队具有不同数量的男性和女性医生，就会导致团队性别差异。在医生团队中，如果女性与男性医生人数相差越大，则团队成员在性别方面更加一致，因此团队成员间的性别差异较小。既有研究表明，团队成员的性别差异对绩效有正向影响[16]，也有负向影响[17]。医生的性别会潜在影响他们与患者交流的方式[2]，具有性别差异的医生团队会导致与患者交流内容和方式的不同。与男性医生相比，女性医生往往更擅长倾听，考虑更加全面，能够耐心地为患者提供咨询，同时，女性医生的服务态度也相对较好[18]。因此，如果团队中女性医生较多，则团队可能会以耐心的服务态度为患者提供更加详细的疾病指导信息，得到患者的认可。性别多样性也可能会影响医生团队成员之间的协作及运作效率。对于成员性别差异较小的团队来说，成员间的沟通交流和协作会更加灵活和顺畅。尤其是女性医生较多、性别差异较小的团队，其提供的服务可能更加高效，同时也能够以良好的沟通方式来缓解患者的心理负担[6]。因此，女性人数较多、性别差异较小的医生团队可能更受患者青睐。

假设1医生性别多样性正向影响团队的服务绩效。

2.2.2医生科室种类多样性影响

科室种类多样性反映了团队中医生成员来自科室类型方面的不同，某些医生团队中的成员可能全部来自不同类型科室，而部分团队成员仅来自一个科室，因此不同团队的成员科室类型可能不同，即团队医生成员之间存在科室种类的差异性。科室种类关系着团队擅长的疾病专业知识[3]，这些知识有助于患者进行信息判断和决策。患者可以选择不同的医院和医生，但必须选择合适的科室才能够进行科学诊断。相对于医生其他方面的特征信息，医生的科室类型信息与患者关联更为紧密。因此，平台上团队成员的科室类型差异性可能是患者重点关注的信息。医生与患者之间存在严重的信息不对称性，患者担心自身的疾病[6]，更期望从医生那里获得具有说服力的疾病知识。不同类型科室的医生往往具有不同的专业知识和经验，他们会从自己擅长疾病的角度为患者提供诊疗方案[6]，对于担心的患者来说，会选择能够为自身疾病提供一致的诊疗方案和科室类型有差异的团队进行咨询。医生团队旨在为患者提供专业的医疗服务，这类服务具有信息不对称、高信任等属性，会导致医疗知识缺乏的患者不能有效评估医生的专业服务[19]。科室种类较多的医生团队可能反映出其提供的医疗服务缺乏专业性，疾病治疗信息更加不一致，对于担心的患者来说缺乏说服力[6]。换句话说，科室类型差异较大的团队提供的疾病知识更加多样化，可能无法满足患者的高信任需求。

假设2医生科室种类多样性负向影响团队的服务绩效。

2.2.3医生医院数量多样性影响

医院数量多样性反映了团队成员的医院分布情况，某些团队成员可能全部来自不同医院，也可能全部来自同一所医院。因此，不同团队的成员来自医院的数量可能存在差异。而不同医院在组织文化和性质、服务模式和理念、临床实践等其他方面也可能存在差异[20]。作为医院组织的员工，医生长期在医院中工作，需要遵循医院的各种制度，医生的认知、情感和行为会受到医院组织的多方面因素的长期约束[21]。因此，不同医院的医生可能具有不同的个人特征，在临床实践中有不同的工作方式。团队中医生来自不同医院的数量在一定程度上反映了团队成员间的多样性。在不同医院数量较少的医生团队中，成员间的特征差异较小，在社会比较和归类过程中，特征相似的成员往往会对彼此给予积极的评价和认同，成员间的沟通过程更加流畅，从而团队也更加具有凝聚力[13]，这样的医生团队能为患者提供说服力较高的医疗服务。相同医院的医生的工作方式、医疗规范相同，沟通成本较低[20]。相反，在不同医院数量较多的医生团队中，成员间具有较高的特征差异性，可能会互相排斥，在沟通交流过程中容易产生分歧和冲突[13]，不利于为患者提供高质量的医疗服务。因此，医院数量多样性较低的医生团队更受患者青睐。

假设3医生医院数量多样性负向影响团队的服务绩效。

2.2.4团队医生职称的调节作用

在医疗服务行业中，患者注重服务提供者的专业技术能力[22]。一名医生的职称体现了该名医生的专业知识水平[20]，医生团队中高级职称医生占比能充分反映团队整体的专业技术水平。如果团队中高级职称的医生人数较高，则团队能够为患者提供更加专业的医疗服务。在平台上“一对一”方式的医生与患者交互中，医生职称会正向[23]、负向[24]调节医生对患者行为或感知的影响，比如，医生职称可以减弱医生线下服务的数量对患者在线问诊选择的影响[24]。同样，在“多对一”的团队与患者交互中，医生团队性别、科室和医院多样性对团队服务绩效的影响，也可能会随着团队中高级职称医生人数占比发生变化。医生职称可以作为服务质量的信号，减少患者在选择医生时对其他信息的依赖[24]。因此在健康平台团队问诊中，患者可能会将对医生团队多样性信息的注意力，转移到团队高级职称医生人数占比这一重要信息上面，在这种情况下，高级职称医生人数占比可能会减轻患者对团队多样性的感知，即团队中高级职称的医生人数越多，则患者越不会感知团队的多样性信息对自身产生的影响。

假设4团队高级职称医生人数占比负向调节性别多样性对团队服务绩效的正向影响。

假设5团队高级职称医生人数占比负向调节科室种类多样性对团队服务绩效的负向影响。

假设6团队高级职称医生人数占比负向调节医院数量多样性对团队服务绩效的负向影响。

2.2.5团队多样性影响溢出

团队不同层面的多样性不仅会对团队服务绩效产生影响，也可能进一步溢出影响团队领衔专家的服务绩效。团队领衔专家作为团队的主要领导人，与团队联系最为紧密，往往是团队的代名词。医生团队领导身份对个人绩效有促进作用[9]。本研究中，不同层面的医生团队多样性可以体现领衔专家的个人能力、专业资本和社会资源[8]，例如，团队成员如果来自不同科室和医院的数量越多，则体现领衔专家的个人能力越强、社会资源越丰富。如果科室中的女性医生较多，则能体现出领衔专家重视团队的医疗服务态度，即能与患者建立和维护良好的人际关系。与此同时，团队“领衔专家”的身份可以增强领导者的个人声誉[9]，可能会影响患者的选择。患者可能会根据团队不同层面的多样性信息判断团队领衔专家，进而决定是否进行在线问诊。总的来说，不同层面团队多样性对团队层面的服务绩效不仅能产生直接影响，也可能会进一步溢出而对个人层面的领衔专家服务绩效产生促进作用。

假设7a 医生性别多样性正向溢出影响领衔专家的服务绩效。

假设7b 医生科室种类多样性正向溢出影响领衔专家的服务绩效。

假设7c 医生医院数量多样性正向溢出影响领衔专家的服务绩效。

本研究根据多样性理论基础构建研究模型(见图1)。由图1可知，医生的多样性主要关注个人、科室种类和医院数量3个层面；服务绩效主要关注团队层面的服务绩效，在此基础上进一步关注领衔专家个人层面的服务绩效。

图1 研究模型

3 研究方法

3.1 数据收集

本研究选择国内一家领先的在线医疗健康平台作为研究背景。选择该平台的主要原因有以下几个方面：①该平台是一家规模较大的互联网健康平台，经过17年的运营，已经覆盖全国1万余家医院、89万名医生，平台注册医生高达约25万名，是患者进行线上问诊的主要途径，具有代表性。②该平台已经形成了完备的服务模式和运营体系，具有门诊挂号、图文咨询、电话咨询、医疗知识科普、健康随访等功能，能够为研究在线健康平台背景下的医患交互提供丰富数据，作为研究对象已被应用到大量研究中[25,26]，具有有效性。③该平台具有成熟的“多对一”形式的医生团队远程医疗服务模式，为本研究的顺利进行提供了可行性。该平台网站上有个人和团队咨询服务模块，患者根据需要不仅可以选择领衔专家个体进行咨询，也可选择领衔专家所在的医生团队进行咨询[9]，还可根据平台展示的团队成员的背景信息(如性别、科室和医院)进入团队或领衔专家个人模块来咨询[6]。

考虑到大量医生在2017年通过平台推出的团队咨询问诊功能来组建自己的团队为患者提供服务[9]，为进一步确保研究样本的完善性，本研究于2021年应用Python爬虫技术收集了该平台上全部医生团队及其领衔专家个人的相关数据，主要包括2 588个团队及其领衔专家个人的问诊服务、团队及其成员的基本信息，如团队服务价格、医生职称、领衔专家所获的感谢信等。由于部分团队无服务记录或相关信息缺失，删除缺失和无效的数据后，本研究最终得到2 381条医生团队和领衔专家的观测数据。

3.2 研究变量

本研究进一步处理观测数据，获得实证研究所需的因变量、自变量和控制变量。

(1)因变量本研究分析在线健康平台场景下的团队多样性对团队和领衔专家服务绩效的影响，所关注的因变量分别为团队服务绩效(TP)和领衔专家服务绩效(EP)。在该场景下，患者在平台网站上浏览团队成员和领衔专家的介绍信息，然后再决定是否选择该团队或领衔专家进行在线咨询。如果患者决定选择该团队或医生进行咨询，那么团队或医生在平台上的问诊数量将会增加。结合医生与患者进行在线咨询的流程特点，患者问诊数量是其对团队和领衔专家进行选择或购买服务的结果，能够较好地体现团队和领衔专家在健康平台上获得的服务成果[24]。不同团队及领衔专家在平台上的患者问诊数量不同，获得的服务成果存在差异。同时，已有研究将医生个人服务的患者问诊数量作为其个人的服务绩效[9]，将团队服务的患者问诊数量作为团队的服务绩效[8]。与既有研究保持一致，本研究使用团队的线上患者问诊数量作为团队的服务绩效，同时使用领衔专家的线上患者问诊数量作为其个人的服务绩效。

(2)自变量本研究的自变量为不同层面的医生团队多样性，主要包括医生性别、科室种类和医院数量多样性。由既有研究可知，男女医生在为患者提供服务时具有差异[2,27]。对于团队成员性别差异，可以通过男女医生的性别比例、男女医生数量的差值两种形式来度量。然而，比例形式的测度方式并不能准确反映出男女医生在数量方面的不平衡性。比如团队A(B)有2(4)名男性和4(8)女性医生组成，如果采用比例的形式来计算团队性别差异，则两个团队的性别差异相同，其值均为0.5，而实际上两个团队的男性和女性人数的数量差值是不一样的。本研究主要关注团队中男性与女性医生数量的不平衡性，因此使用女性医生数量与男性医生数量之差作为团队医生性别多样性(GD)。另外，对于整个团队成员来说，每位成员都有属于自己的科室，患者可能根据每位医生成员的科室类型来感知和判断团队科室类型的差异性，因此本研究使用团队成员来自不同类型的科室数量与团队规模(团队总人数)的比值作为团队科室种类多样性(DD)，该值的大小反映了团队全部成员的科室种类多样性的大小。同样，本研究使用团队成员来自不同医院的数量与团队规模的比值作为医生医院数量多样性(HD)。

(3)调节变量鉴于医生的职称能够较好地反映出医生的经验和专业技术水平[20,24]。医生的职称级别主要有主任医师、副主任医师、主治医师和住院医师4个级别，其中前两种级别在现有的研究通常被认为是高级职称[24]。团队中高级职称医生人数占比在一定程度上反映了团队整体的专业技术水平。因此，本研究将团队中的主任医师和副主任医师的总人数与团队规模的比值(HR)作为调节变量，其值越大，则团队的整体专业技术水平越高。

(4)控制变量为了排除潜在混淆因素的影响，本研究控制了团队层面和领衔专家个体层面上一系列可能的干扰因素。首先，在团队层面上，控制了平台上团队各成员擅长疾病介绍的差异情况(各成员擅长描述字数的标准差，SK)、团队服务价格(SP)，这些变量关系着团队成员的风格和服务。在领衔专家个体层面上，控制了领衔专家职称(DL)，主任医师(1)、副主任医师(2)、主治医师(3)、住院医师及其他(4)以及获得的感谢信数量(TL)，这些变量关系着领衔专家的职业资本和声誉，可能会同时影响其个人和团队服务的绩效。另外，根据以往文献[3,9]，本研究也控制了团队规模(TN)、领衔专家的推荐热度(RH)及诊后服务星级(SS)等。各变量的Pearson相关系数和描述性统计见表1。由表1可知：①自变量与因变量存在不同的显著相关关系，适合进一步检验假设；②自变量和控制变量的各相关系数的值较小，因此不必考虑多重共线问题；③性别、科室种类和医院数量多样性的均值分别为-1.365、0.516和0.467，表明全部医生团队中男性医生人数略多于女性医生，团队中大约一半人员来自不同的医生和科室。

表1 变量相关性分析及描述性统计(N=2 381)

3.3 实证模型

为了检验假设，本研究对因变量作对数化处理以减小偏差，并设定以下估计模型：

ln (TP)=β0+β1GD+β2DD+β3HD+

δControls+ε；

(1)

ln (TP)=β0+β1GD+β2DD+β3HD+

β4GD×HR+β5DD×HR+β6HD×HR+

δControls+ε；

(2)

ln (EP)=β0+β1GD+β2DD+β3HD+

δControls+ε，

(3)

式中，β0为常数项；β1、β2、β3分别为性别、科室种类、医院数量多样性主效应和溢出效应的系数；β4、β5、β6分别对应高级职称医生人数占比的调节效应系数；Controls为包含一系列控制变量的向量；ε为误差项。式(1)用于检测团队多样性对团队服务绩效的影响；在式(1)的基础上，加入高级职称医生人数占比与各团队多样性的交乘项，得到式(2)，用于检验高级职称医生人数占比对团队多样性产生的团队绩效影响的调节效应；式(3)用于检验团队多样性对领衔专家服务绩效的溢出效应。

4 研究结果

4.1 实证分析结果

本研究首先使用最小二乘法(OLS)对模型进行参数估计，并对计数类变量进行对数处理，采用分步回归的方式分别对式(1)～式(3)进行估计，回归结果见表2。表2中，列(1)仅包含自变量和控制变量，列(2)～列(4)逐步加入各自变量与调节变量的交乘项，列(5)引入全部自变量及其对应的交乘项，列(6)包含自变量和控制变量。为了减轻潜在的异方差问题[28]，使用稳健标准误对全部模型进行估计。

表2 服务绩效回归结果(N=2 381)

由表2列(1)可知，性别多样性对团队服务绩效有正向且显著的影响(β1=0.023，p<0.1)，故假设1成立。可能的原因是，女性较多、性别差异较大的医生团队可能为患者提供更细致的服务，从而受患者青睐。科室种类多样性对团队服务绩效有负向且显著的影响(β2=-0.935，p<0.01)，故假设2成立，表明科室种类较多的医生团队不太容易被患者选择。可能的原因是，科室种类差异性较大的医生团队无法提供有较强说服力的疾病治疗信息，难以取得患者的信任。医院数量多样性对团队服务绩效无显著影响，故假设3和假设6不成立。可能的原因是，患者主要关注自身疾病，而医院因素可能与患者疾病关联性较低，不足以使团队对患者具有吸引力。另外，由列(2)、列(4)和列(5)可知，高级职称医生人数占比负向调节性别多样性对团队服务绩效的影响(β3=-0.153，p<0.01)，故假设4成立，表明高级职称医生占比会减弱性别多样性对于团队服务绩效的正向影响。可能的原因是，高级职称医生人数占比反映团队整体技术水平，会弱化患者对性别信息的关注。同时，科室种类多样性与高级职称医生人数对应交乘项系数不显著，故假设5不成立。可能的原因是，科室类型与团队提供疾病知识联系紧密，与患者关系紧密，不太容易受其他因素的干扰。由列(6)可知，医生性别(β1=0.040，p<0.01)、科室种类(β2=0.282，p<0.05)和医院数量(β3=0.385，p<0.01)对领衔专家服务绩效影响均为正向且显著，故假设7a～假设7c成立，表明团队不同层面的多样性对领衔专家有正向的溢出效应，即团队中医生的性别、科室种类和医院数量的多样性越大，领衔专家服务绩效越高。

4.2 稳健性和遗漏变量检验

本研究同时采用替代多样性变量和回归方法进行稳健性检验。考虑到团队多样性的不同测度方式，基于既有研究使用团队成员具有某一特征的总数来测度多样性[3]，本研究分别使用团队成员来自不同科室的总数(DN)和医院的总数(HN)，来测度在线团队的科室种类和医院数量多样性，同时在模型中控制团队规模。对于一定团队规模，来自不同科室和医院的医生人数越多，团队的科室类型和医院数量的多样性也就越大。同时，考虑到所关注的因变量为计数类数据以及其均值小于方差(由表1可知)，故类似于既有研究[6,29]，采用负二项回归方法重新检验模型。可替代变量和估计方法的回归结果分别见表3和表4，主效应及调节效应的估计结果与表2中结果一致。

表3 替代OLS和多样性的团队服务绩效回归结果(N=2 381)

表4 替代OLS和多样性的领衔专家服务绩效回归结果(N=2 381)

尽管本研究已经控制了不同层面可能存在的干扰因素，但是其他一些未观测到的干扰因素可能使估计结果产生偏差。为此，本研究使用Oster检验[30]进一步对潜在的遗漏变量进行检验。通过检验处理效应系数β的取值范围来判断遗漏变量的威胁程度，将遗漏变量方程对应的最大拟合优度参数Rmax设置为1.3倍于当前拟合优度，选择比例参数δ设置为1，检验结果见表5。由表5可知，所有结果均通过了稳健性检验，表明模型不太可能存在与本研究所关注自变量同等重要的遗漏变量。

表5 遗漏变量检验结果(N=2 381)

4.3 团队多样性影响溢出机制分析

上文主要关注医生高级职称人数对团队层面的服务绩效影响的调节作用，下面进一步分析该调节变量如何调节多样性对领衔专家服务绩效的影响，这对于深入了解这两个层面服务绩效间的差异有重要意义。考虑到高级职称人数占比反映了团队层面的整体医疗技术水平，该调节变量与团队层面的服务绩效关联更加紧密。团队层面的职称信息可能促使患者在选择团队时，忽略了性别、科室种类、医院数量多样性的信息，而患者在选择领衔专家个体进行咨询时，不太会关注团队层面的医生职称信息。因此，该调节变量不太可能对团队多样性对个体层面的领衔专家服务绩效的影响有调节作用。结果显示，高级职称人数占比对性别(β=-0.018，p>0.1)、科室种类(β= -0.030，p>0.1)、医院数量(β= -0.221，p>0.1)多样性对领衔专家服务绩效的影响均无调节作用。这间接表明，团队多样性对团队和领衔专家个体层面的服务绩效的影响渠道存在差异性，即对领衔专家服务绩效产生的影响是通过溢出渠道产生的。如果团队多样性对领衔专家个人服务绩效的影响是通过基于团队服务绩效的溢出渠道，则领衔专家与团队的服务绩效之间应存在联系。如果这两个维度的绩效不存在联系，那么团队多样性对领衔专家服务绩效的影响是通过其他渠道而非溢出渠道产生的。为此，进一步验证这种溢出渠道存在的可能性，使用团队服务绩效对领衔专家的服务绩效进行回归，并包含所有的控制变量。结果表明，团队服务绩效与领衔专家服务绩效之间存在显著的正向影响(β=0.094，p<0.01)。这从侧面进一步验证了，团队多样性是通过基于团队服务绩效的溢出渠道对领衔专家的个人服务绩效产生影响。

4.4 其他分析

基于上述研究结果，团队多样性对服务绩效同时有正向和负向的影响，当团队成员多样性程度太高时，可能会出现相反的影响，为此，本研究进一步检验团队多样性与服务绩效之间是否存在非线性关系。通过构建多样性自变量的平方项，并将其加入到回归模型中重新进行估计。结果表明，性别、科室种类和医院数量多样性的平方项变量对团队服务绩效(p>0.1)和领衔专家服务绩效(p>0.1)的影响系数均不显著，说明团队多样性和服务绩效之间不存在倒U或正U形关系。

另外，个人、科室和医院层面的多样性对于不同绩效的重要性可能不同。一方面，患者在进行团队问诊时，可能更加看重与自身疾病知识相关紧密的成员科室种类信息；另一方面，患者在选择领衔专家问诊时，可能更加看重能体现领衔专家个人能力的成员科室种类和医院数量信息。鉴于此，本研究运用Wald检验进一步验证3个层面的多样性因素对服务绩效的影响是否存在差异。结合表2中列(1)和列(6)的回归结果，对不同层面上团队多样性影响进行两两比较，结果见表6。由表6可知，对于团队服务绩效，科室种类多样性产生的影响显著大于性别和医院数量多样性，表明患者在选择团队问诊时，更可能受成员科室信息的影响；对于领衔专家服务绩效，医院数量和科室种类多样性对领衔专家服务绩效的影响无显著差异，但二者影响均显著大于性别多样性，表明科室和医院层面信息更能体现领衔专家的技术水平和社会资本。

表6 团队多样性对服务绩效影响比较(N=2 381)

5 结语

本研究基于多样性理论，检验了在线健康平台场景下个人、科室和医院层面团队多样性对服务绩效的影响。研究发现：①团队成员性别和科室种类多样性分别正向和负向影响团队服务绩效；②团队高级职称医生人数占比负向调节性别多样性的正向影响；③3个层面团队多样性均正向溢出影响领衔专家服务绩效；④科室种类相对于其他两种多样性对团队服务绩效更加重要，科室种类和医院数量多样性对领衔专家服务绩效的重要性无显著差异，均强于性别多样性。

本研究有以下理论贡献：①对多样性因素进行系统梳理，从多层面的视角探究了在线医生团队多样性，丰富了团队多样性和在线医疗健康领域研究；②将大多集中在公司董事会[4]、工作团队[5]等线下场景的团队多样性研究拓展至在线背景，同时也加强了在线背景下的多样性理论基础；③在关注团队绩效[7,8]的基础上，进一步探究了团队多样性对领衔专家服务绩效的溢出影响机制，促进了对不同层面服务绩效的理解；④检验了团队层面的高级职称医生占比的调节作用，拓展了医生职称在团队层面的边界应用。

本研究有以下管理启示：①性别多样性正向影响团队和领衔专家服务绩效，因此领衔专家可以使团队中女性医生人数较多；②科室种类多样性分别负向和正向影响团队和领衔专家服务绩效，因此领衔专家应权衡自身和团队的服务绩效；③医院数量多样性正向影响领衔专家服务绩效，因此领衔专家可以邀请更多来自不同医院的医生；④高级职称医生人数占比对性别多样性的影响有负向调节作用，因此团队领衔专家在组建和管理团队时应权衡两方面利弊，对于相同职称的男性和女性医生，领衔专家可以邀请女性医生加入团队；⑤平台管理者可以优化平台功能，为领衔专家提示成员不同特征的统计信息，促进领衔专家和患者了解团队。

本研究存在以下局限性：①仅选取了中国一家领先的在线健康平台，限制了结果的普适性，未来将会考虑从更多的在线健康平台来收集数据；②由于在数据收集期间，所关注的健康平台网站中的团队问诊模块有多次改版，同时团队部分成员未开通个人服务渠道，因此无法获得数据来分析团队其他成员的服务绩效，未来研究可以考虑团队成员间的竞争、合作等问题；③仅聚焦于3个层面在线医生团队多样性，未来研究可以考虑其他层面、有意义的特征变量。