两类用户对移动医疗软件选择影响因素对比研究

芦玉琦+张鑫瑜+欧思情+梁爽+孔瑞瑞

[摘 要] 近两年，我国的移动服务市场不断扩大，而其中的移动医疗服务更是未来非常重要的新兴发展方向。从移动医疗潜在用户视角出发，基于TAM理论模型，加入最新研究成果技术焦虑和社会影响等因素，利用Amos21.0进行结构方程建模统计分析。进行了两类用户对移动医疗软件使用意愿影响因素及影响路径的对比研究。实证研究發现：习惯使用搜索引擎来进行线上医疗查询的用户受抵制变化的影响最大，其中结果质量、使用成本、易用性对其产生负面影响，有用性呈正面影响；而习惯使用移动医疗软件进行线上医疗查询的用户受结果质量影响最大，其中结果质量、易用性、有用性呈正面影响，使用成本呈负面影响。

[关键词] 移动医疗；搜索引擎；在线医疗；影响因素

[中图分类号] F724.6；TP311.56 [文献标识码] A [文章编号] 1009-6043（2018）01-0109-04

Abstract： In the past two years， China's mobile service market has been expanding， and the mobile medical service is a very important and emerging development direction in the future. From the perspective of potential mobile medical users， Amos21.0 is used to do structural equation modeling and statistical analysis based on the TAM theoretical model， with the latest research results， technology anxiety and social influence. A comparative study of the influencing factors and the impact path of two types of users on mobile medical software is carried out. It is found out that users having the habit of online medical queries affected the most by the resistance to the change of search engines. The result quality and cost and ease of use have a negative impact； the usefulness has a positive influence. Users who are used to using mobile medical software for online queries are affected the most by the result quality. For them， result quality， ease of use and usefulness play positive effect； the use of cost exerts negative impact.

Key words： mobile medical service， search engine， online medical treatment， influencing factor

一、引言

目前国内医疗产品/服务类APP产品已达2000多种，竞争激烈程度加剧。因此针对移动医疗品牌提升的问题进行研究，具有现实意义[1-2]。移动医疗产品/服务主要有两种形式：一是大众健康咨询服务，通过手机检索或咨询医疗信息；二是医疗服务辅助工作，主要包括挂号、缴费等。以上产品/服务主要依赖于移动医疗软件，由于受限于移动终端功能，因此目前很难进行疾病信息的采集和治疗。而搜索引擎则具有整合网络资源，能从全方位多角度为用户提供方便快捷关于疾病的症状治疗处理等查询服务，这一点是移动医疗软件目前难以超越的。

二、研究背景及研究假设

Davis在1989年运用理性行为理论研究影响用户对信息系统的接受因素时提出了技术接受模型[3]（Technology Acceptance Model，TAM），认为感知有用性（Perceived Usefulness，PU）和感知易用性（Perceived Ease of Use，PEOU）是研究影响用户使用信息系统的两大重要因子，两者在外部变量的影响下作用于使用态度，从而决定用户的使用行为。其中PU代表用户认为使用一个具体系统对其工作业绩提高的程度，PEOU代表用户认为使用一个具体系统的容易程度。本研究基于此，提出下述假设，F1：感知易用性对感知有用性呈正向影响；F2：感知易用性与用户使用行为呈显著正向影响；F8：该移动医疗查询途径对用户的帮助性越大，感知有用性更显著，因此用户使其与使用行为呈正向影响。

基于国内外学者关于移动医疗查询的研究，通过赵杨和倪奇[4]对移动医疗服务用户采纳行为相关研究文献的荟萃分析，得到技术焦虑、变化抵制、感知风险等对用户使用意识有显著影响。基于此，本研究将技术焦虑、变化抵制、风险感知以及开发技术人员创造的信息质量，作为外部变量构建假设模型，并据此提出下述假设，F3：风险感知是由该产品带给用户的信任程度来反映的，往往由该产品的信息权威程度、个人信息安全程度等来决定，风险感知程度与用户的使用行为呈反比影响；F4：抵制变化反映了用户对一个产品更新的不满意程度，它与用户使用行为呈反比影响；F5：用户得到的服务与使用成本的比例越高，用户使用频率越高；F6：信息质量反应了一个应用系统满足明确的和潜在的需求能力的特性的总和，它与用户使用行为呈正向影响；F7：技术焦虑与用户使用行为呈反比影响。endprint

通过对这些相关变量与用户使用移动医疗行为的关系进行测量，进而揭示出两类用户在选择移动医疗软件时的影响因素。其中，两类用户，一类是习惯使用搜索引擎行为进行疾病查询的用户（简称SE用户），另一类是习惯使用移动医疗软件进行疾病查询的用户（简称MH用户）。综上，提出下述假设模型（图1）。

三、研究设计

（一）问卷设计与分析方法

问卷在已有研究的成熟量表[5]基础之上，进行适当调整，得到性别、年龄和职业等社会人口学基本信息以及8个变量的测量项：感知易用性（PEOU）、感知有用性（PU）、使用意愿（AI）[6]、抵制变化（RC）、信息结果（IQ）[7]、感知风险（PR）[8]、使用成本（CTU）、技术焦虑（TA）[9]。并根据被调查者在选择线上医疗时的使用倾向（搜索引擎或者移动医疗），把问卷分为两大部分加以进行比对研究。

通过线上线下共计发放350份问卷，剔除掉不完整、或明显不合格的问卷后，有效样本共计316份，发放问卷的有效率为90.3%。问卷所有题项均采用单项选择，不选择表示对题项说法“不赞同”，选择表示“赞同”，多个题项测量一个变量，取平均值表示变量测量结果。

问卷数据整理后，利用SPSS进行描述性统计分析、相关分析、信效度分析等，用Amos构建结构方程模型，检验模型假设。

（二）量表统计量描述

移动医疗潜在用户社会人口统计学特征见表1。

四、研究结果与分析

（一）信度分析

信度是指量表测量结果的一致性或稳定性的程度[10]。一般而言，信度分析用Cronbach'sAlpha系数测定综合评价体系的一致性、稳定性和可靠性，Alpha系数取值在0-1之间，越趋近于1表示数据信度越高，量表也就越稳定。利用SPSS19.0计算各个测量变量的Cronbach's Alpha值，结果如表2所示。Cronbach's Alpha值越高表示可信度越高，各测量变量的组合信度CR值均大于0.7，表明量表具有良好的信度。

（二）效度分析

效度主要评价量表的有效性、准确度以及正确性，即测定值与真实值的偏差大小[1]。利用SPSS19.0分析量表的收敛效度如表3所示。所有测量变量所对应的各个题项的因子载荷量均大于0.5，平均提取方差值AVE均大于0.7，说明量表具有良好的收敛效度。

（三）模型分析

利用Amos21.0进行SEM统计分析，检验模型假设，验证各测量变量之间关系[12]。模型各项适配度指标见表4，各项指标值均处于理想范围，可见所建模型具有良好的拟合效度。

（四）模型检验

通过路径分析得到模型各测量变量之间的影响系数，SE用户分析结果如图2所示。

在SE用户中抵制变化、感知有用性对使用意愿有正面影响（0.59，0.24），使用成本、信息结果、感知易用性对使用意愿有负面影响（-0.26，-0.26，-0.13）。

MH用户的分析结果如图3所示：在MH用户中使用成本、信息结果、感知有用性、感知易用性对使用意愿有正面影响（0.11，0.30，0.15，0.15），抵制变化对使用意愿有负面影响（-0.06）。

针对模型所提出的8条研究假设。其中SE用户得出的结果，有6条假设得到验证：TA对RC、RC对AI、CTU对AI、PU对AI、PEOU对PU、IQ对AI的影响；另2条假设的显著性未得到验证，PR对RC以及PEOU对PU的影响。根据MH用户结果，有6条假设得到验证：TA对RC、CTU对AI、PU对AI、PEOU对PU、PEOU对AI、IQ对AI的影响，而另2条假设的显著性并没有得到验证：PR对RC、RC对AI的影响。理论模型的路径系数与假设检验对比结果见表5。

五、结论及建议

本研究在两类医疗网络用户对移动医疗采用意愿影响因素中，考察了消极因素，通过实证有如下发现：

（一）两类用户的使用意愿（AI）受到抵制变化（RC）、感知有用性（PU）、信息结果（IQ）、使用成本（CTU）、感知易用性（PEOU）影响

对于SE用户，感知风险（PR）对RC的影响较小（-0.03），技术焦虑（TA）对RC的影响处于主导地位（1），表明习惯使用搜索引擎行为进行疾病查询的用户抵制变化主要是因为技术焦虑；RC对AI影响较大（0.59），SE用户不选择移动医疗的很大原因是抵制变化；CTU、IQ对AI的负面影响较大且相等（-0.26），SE用户在选择移动医疗软件时，付出期望很低，对移动医疗软件的结果质量也不满意；PU对AI的影响较大（0.24），说明感知有用性对SE用户来说很重要；PEOU对PU负面影响较大（-0.13），说明SE用户不会因为移动医疗软件易用而觉得其有用；PEOU对AI影响较小（-0.09），说明感知易用性不会影响SE用户对移动医疗软件的选择。

对MH用户的AI影响最大的是IQ（0.30），说明MH用户认为移动医疗软件可以提供可靠的信息；PU、PEOU对AI影响相等（0.15），说明移动医疗软件的感知有用性和感知易用性对MH用户来说很重要；PEOU对PU影响较大（0.13），说明感知易用性会影响MH用户对感知有用性的判断；TA对RC负面影响较大（-0.12），说明MH用户在使用移动医疗软件时几乎不会感到技术焦虑；CTU對AI的影响（0.11），即MH用户在选择使用移动医疗软件时，对使用成本的付出期望远远大于SE用户（-0.26）；PR对RC、RC对AI影响都比较小，且相等（-0.06），说明MH用户几乎不会因抵制变化、感知风险而拒绝使用移动医疗软件。

（二）抵制变化（RC）受到技术焦虑（TA）、感知风险（PR）影响

在SE用户中技术焦虑对抵制变化有正面影响且影响最大（1.00），感知风险对抵制变化有负面影响（-0.03），在MH用户中技术焦虑、感知风险对抵制变化均为负面影响（-0.12，-0.06）。endprint

（三）感知有用性（PU）受到感知易用性（PEOU）影响

在SE用户中感知易用性对感知有用性有负面影响（-0.09），在MH用户中感知易用性对感知有用性有正面影响（0.13）。

（四）SE用户对移动医疗软件的使用意愿受抵制变化的影响最大，其中对结果质量、使用成本、易用性呈负面影响，对有用性呈正面影响

SE用户不选择移动医疗软件的原因是因为习惯使用搜索引擎，并且几乎不会使用移动医疗软件，此类用户认为移动医疗软件有用，但又不想付出使用成本，并表示移动医疗软件不易用，且对结果质量有所担忧。

（五）MH用户对移动医疗软件的使用意愿受结果质量影响最大，其中对结果质量、易用性、有用性呈正面影响，对使用成本呈负面影响

MH用户对移动医疗软件的结果质量比较满意，并认为其有用、易用，并且易用性会正面影响MH用户对有用性的判断；MH用户愿意为移动医疗软件付出使用成本，而且他们的抵制变化不是因为技术焦虑，而是因为会失去现有APP的利益等其他因素。

定量分析结果表明，选择移动医疗软件的用户关心的是所得到的医疗服务的质量和实用价值，但由于医疗服务领域的特殊性，用户同样非常在乎风险，用户通过利用移动医疗软件所得到的信息质量，来降低其自身所面对的风险。移动医疗软件供应商应该通过改进各项医疗服务措施，进而提高移动医疗软件的安全性，增强移动医疗软件的信息质量。可通过联合更多拥有更高声誉的医院和医生，为用户提供准确、客观并且及时的医疗信息和诊疗服务。为了保证医疗服务的稳定性与持续性，以及深入整合医院这个具有高壁垒的渠道领域，移动医疗软件供应商需要拥有自己的专业医疗顾问团队。

虽然通过模型构建、理论假设以及实证检验，最终得到统计结果，为移动医疗提供商营销提供一定参考，但仍存在两方面局限性：第一，研究对象范围不够宽。本研究只考虑了患者用户移动医疗平台的接纳意愿的影响因素，而在移动医疗的整个生态圈里，鉴于当下中国“单点执业”制度下的医生资源的稀缺性，其是最重要最关键的核心用户群体，后续的研究可从影响医生接受移动医疗平台的因素入手，进而拓宽移动医疗提供商的营销视野。第二，本研究重点探讨了移动医疗软件用户采纳的影响因素，关于各个因素影响移动医疗软件采纳的实现过程只进行了简单的路径分析，没有进一步研究详细的实现机理。事实上，从模型中分析移动医疗服务提供商制约移动医疗软件的营销发挥较为复杂，未来可以进一步研究相关影响机理和实现路径，丰富和拓展移动医疗营销理论内涵和研究框架。

[参考文献]

[1]杨明刚，郭永艳.互联网时代的移动医疗品牌提升方略——以“春雨医生”为例[J].设计，2015，（17）.

[2]郭熙铜，张晓飞，刘笑笑，DougVogel.数据驱动的电子健康服务管理研究：挑战与展望[J].管理科学，2017，30（1）：3-14.

[3]Davis，F.D.，Bagozzi，R.P.，&Warshaw，P.R.UserAcceptanceofComputerTechnology：AComparisonofTwoTheoreticalModels[J].ManagementScience，1989，35（8）.

[4]赵杨，倪奇.基于荟萃分析法的移动医疗服务用户采纳研究[J].信息资源管理学报，2016，6（3）.

[5]王艺蓉，王前等.糖尿病患者移动医疗服务的使用意愿及其影响因素调查[J].中国全科医学，2017，13：1619-1625

[6]Johnston A C and Warkentin M. Fear appeals and information security behaviors： an empirical study [J].MIS Q uarterly， 2010，34（3）.

[7]Mc Knight， D. H.， Choudhury， V.， and Kacmar， C.Developing and validating trust measures for e-commerce： An integrative typology[J]. Information systems research， 2002， 13（3）.

[8]Cocosila， M.， and Archer， N. An empirical investigation of mobile health adoption in preventive interventions[C]. 22nd Bled e Conference， Bled， Slovenia， 2009.

[9]Komiak， S. Y. X.， and Benbasat， I. The effects of personalization and familiarity on trust and adoption of recommendation agents[J]. MISQ， 2006， 30（4）.

[10]張虎，田茂峰.信度分析在调查问卷设计中的应用[J].统计与决策，2007（21）。

[11]蒋小花，沈卓之，张楠楠，等.问卷的信度和效度分析[J].现代预防医学，2010（3）.

[12]李志宏，白雪，马倩，王娜.基于TAM的移动证券用户采纳影响因素研究[J].管理学报，2012（1）.

[责任编辑：史朴]endprint