基于多元Logistic 模型的互聯網醫(yī)療使用意愿影響因素分析

任萱煜，朱林慧

（滁州學院，安徽滁州 239000）

引言

醫(yī)藥衛(wèi)生事業(yè)關系億萬人民的健康，是重大的民生問題。深化醫(yī)藥衛(wèi)生體制改革，加快醫(yī)藥衛(wèi)生事業(yè)發(fā)展，適應人民群眾日益增長的醫(yī)藥衛(wèi)生需求，是貫徹落實科學發(fā)展觀、促進經濟社會全面協(xié)調可持續(xù)發(fā)展的必然要求，是全面建設小康社會和構建社會主義和諧社會的一項重大任務。且早在2016 年6 月，國務院辦公廳就印發(fā)了《關于促進和規(guī)范健康醫(yī)療大數據應用發(fā)展的指導意見》，將健康醫(yī)療大數據應用發(fā)展納入了國家大數據戰(zhàn)略布局。

互聯網醫(yī)療在為人們提供便利的同時，也存在著一些問題，如傳統(tǒng)醫(yī)療方式根深蒂固、監(jiān)管缺失以及互聯網醫(yī)療的權威性等?；ヂ摼W醫(yī)療雖已獲得多輪融資，但為了能讓互聯網醫(yī)療走的更遠，還需要立足于用戶，根據用戶滿意度來對各部分進行整改。本次調查從社會公眾的角度分析滁州市居民對于互聯網醫(yī)療的使用現狀，了解互聯網醫(yī)療使用現狀及影響因素。通過使用差異性分析對互聯網醫(yī)療進行卡方分析，基于多元Logistic 模型對用戶使用頻次進行研究，最后根據研究結論為普及互聯網醫(yī)療提出可操作的意見和建議，為政府及有關部門進行科學決策提供有力依據，為居民提供切實健康保障。

一、研究設計

（一）研究目的及意義

通過調查分析互聯網醫(yī)療使用意愿影響因素，加速普及互聯網醫(yī)療。本次調查以滁州市常住人口為調查對象，采用分層抽樣、簡單隨機抽樣、偶遇抽樣和三階段抽樣相結合的方法來分析互聯網醫(yī)療使用意愿影響因素。通過了解患者性別、年齡、學歷、職業(yè)以及互聯網醫(yī)療使用情況等特征數據，基于多元Logistic 模型對于用戶使用頻次進行研究，分析得出互聯網醫(yī)療使用意愿影響因素，并為加速普及互聯網醫(yī)療提出可操作的意見和建議。

（二）調查方案設計

本次調研評價體系應充分反映現代不同年齡段居民對于互聯網醫(yī)療現狀的了解與認知，以及各指標間存在的內在聯系，以便能全面科學地進行評價。本次調研以問卷調查為主，并輔之以典型調查、實地訪談法調查。

本次共發(fā)放1 250 份問卷，共收回1 198 份，其有效問卷為1 106 份，有效問卷回收率88.48%。對問卷樣本進行可靠性檢驗，一是使用Cronbach’Alpha 信度系數，得到系數值為0.895（題目項數14），表明量表存在內在一致性，可以接受；二是采用KMO 檢驗和Bartlett 球形檢驗，得到KMO 檢驗統(tǒng)計量0.886，卡方檢驗統(tǒng)計量為7 616.404（顯著性為0.000），表明該樣本包含的變量之間存在顯著相關性。因此，本次調查的數據可認為是相對有效的。

二、數據分析

（一）基于卡方檢驗的了解使用互聯網醫(yī)療的差異性分析

表1 基本信息與是否了解使用互聯網醫(yī)療卡方分析

從表1 可以看出，性別與是否了解或使用互聯網醫(yī)療不存在顯著性差異（P 值小于5%的顯著性檢驗），而年齡、學歷、職業(yè)以及健康狀況與是否了解或使用互聯網醫(yī)療存在顯著性差異（均通過5%顯著性檢驗）。

通過問卷結果可以發(fā)現，本次調查對象在是否了解或使用互聯網醫(yī)療上呈現出年齡差異。其中，18—45歲的群體是擁有一定收入的中青年人，是了解或使用互聯網醫(yī)療的主力軍，在忙碌的生活工作中，互聯網醫(yī)療將成為他們了解自身健康的快捷途徑；而一些疾病多發(fā)年齡層的老人對新生事物接受較慢，再加上他們大多不會使用互聯網，所以對互聯網醫(yī)療了解較少。在學歷方面，本科及以上的群體對互聯網醫(yī)療的了解及使用情況更好，他們對于在社會生活中所產生的新生事物的接受速度等會更快。在職業(yè)方面，學生占本次調查對象的主體。在健康狀況方面，身體狀況良好的群體是了解或使用互聯網醫(yī)療人數最多的，這是因為身體狀況良好的群體會根據自身情況的需求體現對互聯網醫(yī)療相關信息的特別關注，通過了解或使用互聯網醫(yī)療平臺時刻關注自己的身體健康狀況。

（二）基于多元Logistic 模型的用戶使用頻次研究

互聯網醫(yī)療用戶使用頻次受多種因素影響，通過建立有序多分類Logistic 回歸模型，定量分析互聯網醫(yī)療用戶的性別、年齡、學歷、職業(yè)和健康狀況等因素對用戶使用頻率的影響，可以確定互聯網醫(yī)療用戶群所具有的顯著特征。

1.模型的選擇

由于使用頻次是一個多項選擇的問題，因此對于這個多分類變量建立多元選擇模型。在多元離散選擇模型中，Logit 分布更適合于效用最大化時的分布選擇，所以應用最多的多元離散選擇模型是Logit 模型。Logit模型的似然函數能夠快速可靠地收斂，當方案或者決策個體數量較大時，計算比較簡便。

2.多元Logistic 模型的建立

將“您使用互聯網醫(yī)療的頻率”這種多元選擇行為表示為因變量，當選擇“經常使用”時，y取值為1；當選擇“偶爾使用”時，y取值為2；當選擇“從未使用”時，y取值為3。

由于本次設置的問卷調查中大量數據為分類變量。對于無序多分類變量，如職業(yè)，它們之間不存在數量上的高低，因此不可能為其給出一個單獨的回歸系數估計值來表示職業(yè)每上升一個單位時因變量的變化趨勢。

在對基準類的設定上，為方便錄入，原則上將最后一個選項設為基準類。當最后一個選項為其他或該選項的被選中頻次小于30 次時，則以倒數第二個選項設定為基準類。

因此，本次調查采用統(tǒng)計上標準的做法，采用虛擬變量進行擬合，然后根據分析結果對模型進行簡化。定義變量如表2 所示。

表2 多元Logistic模型變量表

3.對互聯網醫(yī)療用戶使用頻率的研究

納入所有需要考慮的變量，建立形如下式的多元選擇Logit 模型：

對初步建立的回歸方程根據極大似然估計的統(tǒng)計量的概率值刪除對因變量影響不顯著的自變量，顯著性水平給定為0.05。經過多輪篩選，排除不顯著的變量后，得到的回歸結果如表3 所示。

表3 多元Logistic模型回歸結果

模型中使用似然比檢驗的x統(tǒng)計量為58.341，各解釋變量的檢驗統(tǒng)計量P 值都小于5%的顯著性水平，可以認為解釋變量的整體顯著性良好。

4.模型結果分析

在5%的顯著性水平上，年齡在18—30 歲和31—45 歲的兩個變量通過顯著性檢驗，系數分別為2.229和1.414，都是正的。說明這個年齡段的人群使用互聯網醫(yī)療的傾向程度更高，這與年輕人的生活方式及他們對新鮮事物的接受程度有關；相對于老年人，這個年齡段的人群熱于追求新事物，在忙碌的生活工作中，互聯網醫(yī)療將成為他們了解自身健康的快捷途徑。

從回歸結果看，學生這個變量通過了5%的顯著性檢驗，回歸系數為0.403。說明學生這個群體使用互聯網醫(yī)療更頻繁，因為學生相對于其他職業(yè)的群體更喜歡接觸新東西、了解新事物。

對于健康狀況，在5%的顯著性水平下，只有身體狀況良好的用戶使用頻率相對于基礎類型的用戶要高。身體狀況良好的用戶會根據自身情況的需求體現對互聯網醫(yī)療相關信息的特別關注，通過了解或使用互聯網醫(yī)療平臺時刻關注自己的身體健康狀況。因此，身體狀況良好的用戶群體的使用頻率更高。

三、結論與建議

通過對互聯網醫(yī)療使用意愿影響因素的研究分析可以發(fā)現，群眾對互聯網醫(yī)療有一定的認知，其安全權威性和便捷性備受關注；年齡、學歷、職業(yè)以及健康狀況與是否了解或使用互聯網醫(yī)療存在顯著性差異；互聯網醫(yī)療的感知有用性對用戶使用意愿產生較大的影響。為促進互聯網醫(yī)療的發(fā)展，可針對用戶的影響因素進行針對性宣傳和用戶精準定位。