本文是一篇电子商务论文，本研究基于某大型互联网医疗企业旗下的医疗众包问诊平台为研究对象和数据来源数据，运用实证模型，验证了本文提出的研究假设并进行稳健性检验，进一步地，本文深入分析了等级激励对不同等级医生的影响异质性。
第一章 引言
第一节 研究背景与研究问题
一、研究背景
在宏观政策和互联网技术发展的双重推动下，互联网医疗行业高速发展，在医疗服务、医药流通、健康管理、科技升级、医疗保险五大板块充分利用医疗资源，探索有效商业模式，使得用户获取医疗健康信息的环境发生了巨大变化。根据易观分析发布的《中国互联网医疗年度盘点2021》，2019年中国移动医疗市场规模为1336.88亿元，较2018年环比增长35.6%。受2020年疫情影响，市场规模达2000亿，市场增长达2015年以来最高增速（图1.1）。
众包是在开放的互联网环境中催生的一种解决问题的新模式，指个体、企业或公共机构通过将未解决的问题上传互联网，征集大众智慧解决问题这一模式(Howe, 2006)。众包有三个参与主体：发包方、众包平台和接包方，发包方指发布问题的一方，发包方可以是个体、企业、公共机构等；接包方是解决问题的人，他们自主选择问题提交自己的解决方案；众包平台即第三方网络平台，是联系发包方和接包方的中介。目前，全球已有众多众包平台，如国外的Innocentive、i-Stockphoto,国内的猪八戒网、任务中国等。
第二节 研究目的与研究意义
一、研究目的
目前针对众包平台激励机制对接包方参与绩效的研究众多，但研究对象大多为商业问题或互联网竞赛。医疗众包问诊起步较晚，该平台上接包方均为拥有一定专业资格的医疗从业者，这区别于其它众包平台。较少有学者研究医疗众包问诊平台医生的参与绩效，然而在该平台上，医生参与绩效对于患者满意度和平台发展具有重要意义。
本文研究主题是实施等级激励对医疗众包问诊绩效的影响，目的是为了探究实施等级激励对医生参与绩效的影响，理解医生对激励模式改变的反应行为。将参与绩效的相关研究拓展到医疗众包问诊领域，以期填补在这一领域研究的不足。为提升医疗众包问诊平台医生的参与度提出指导意见，从而促进此类平台的发展并深化在线医疗对公众的影响。除此之外，众多学者对于众包参与绩效的研究大多采用问卷调查法，获取的数据具有较强主观性，同时这一研究成本较高。本文希望通过采用分布式爬虫技术从众包医疗问诊平台获取数据，利用数据处理、文本分析相关技术对医生参与绩效分析，得出更为精确的分析结果。
第二章 文献综述
第一节 众包
一、众包
（一）众包概念及特征
众包这一概念是由Howe在2006年首次提出，其含义为“众包是指一个公司或机构将过去由员工执行的工作任务以自由自愿的形式外包给非特定的（通常是大型的）大众网络的做法”(Howe, 2006)。众包有三个参与主体：发包方、众包平台和接包方，发包方指发布问题的一方，发包方可以是个体、企业、公共机构等；接包方是潜在的问题解决者，他们自主选择问题提交自己的解决方案；众包平台即第三方网络平台，是联系发包方和接包方的中介。在众包平台上，发包方发出问题，接包方提交解决方案后，发包方择优而选，并对中标者给予奖励(Afuah & Tucci, 2012;冯小亮，2013)。从上述定义可以看出，众包是除内包(internalsourcing) 和外包(outsourcing)之外为企业提供问题解决方案的第三种模式(Afuah & Tucci, 2012)。该模式扩大了解决问题的资源范围，触达企业外部资源，帮助企业分担创新压力。这一模式在企业界广为关注，每年有成千上万的企业参与到众包活动中，它们通过借助IN、猪八戒等众包平台发布任务需求，使得众包现已发展成为上千亿元的市场。
网络环境下的众包模式具有以下特征:
一是群体性创造，众包模式下，问题发出后通常由网络上群体参与解决，依靠群体智慧，可以有效降低得不到满意方案的风险(Piezunka & Dahlander, 2015; Prpić et al., 2015);
二是知识性，众包以解决知识型问题为核心，参与者利用自身的知识优势参与到感兴趣的任务当中，众包交易围绕知识服务而展开(Allen et al., 2018);
三是经济性，众包模式下，通常情况下少量的奖励金额就可以得到满意的解决方案，相比内包和外包，其成本更低(Afuah & Tucci, 2012)。
第二节 等级管理
一、等级制度
(一)等级概念
组织等级指的是个体在有价值的社会维度上的排序(Magee & Galinsky, 2008)，等级赋予了组织内个体的高低排序，这种排序造成组织内资源的不平等分布。在组织管理研究中, 通常用资源向少数人集中的程度来衡量资源的不平等分布(Blau, 1977; Harrison & Klein, 2007), 它是组织等级的具体表现形式。等级通常通过基尼系数(gini coefficient)或者变异系数(coefficient of variation, CV)进行衡量(Allison, 1978; Harrison & Klein, 2007)，这两种方法的衡量结果是一致的。当组织内所有成员拥有相同资源的时候, 基尼系数和变异系数均为 0, 此时不存在资源的不平等分布, 也就不存在组织等级结构; 而随着基尼系数或者变异系数变大, 意味着资源愈发集中于少数人手中, 组织等级程度也越高。
（二）等级管理相关研究
在企业中，等级是垂直管理的官方职位(Diefenbach & Sillince, 2011)，在一个等级组织中，成员之间的官方角色和职位是明确定义和划分的。基于此产生了权力不平等和薪酬不平等。一些研究发现高管团队权力不平等与团队绩效呈正相关(Ronay et al., 2012),而另外一些研究则发现与等级平等团队相比,等级不平等并不能显著改善团队绩效(Blinder & Morgan, 2008)。也就是说，权力不平等对绩效的影响会受到团队或其它因素的影响。关于薪酬不平等方面的研究，有学者指出，薪酬不平等会增加团队内的认知冲突和情感冲突，减少团队凝聚力和潜能(Ensley et al., 2007)，甚至导致团队成员的离职行为(Bloom & Michel, 2002; Carnahan et al., 2012)。
第三章 理论基础与研究假设 ....................... 21
第一节 理论基础 ........................................... 21
第二节 概念模型 ................................... 23
第三节 研究假设 .......................... 23
第四章 研究设计 ..................................... 27
第一节 数据收集 ............................ 27
第二节 变量测量 .................................. 29
第三节 回归模型 .......................................... 37
第五章 实证结果 .................................. 39
第一节 主回归结果 ................................... 39
第二节 稳健性分析 ..................................... 41
第三节 异质性分析 ....................................... 49
第五章 实证结果
第一节 主回归结果
本文采用随机效应模型，在表5.1中给出了主模型的分析结果。模型1-模型3分别表示了实施等级激励对医生回复数量、回复质量和情感支持的回归结果。考虑到相同医生在面对不同患者问题的扰动项自相关问题，回归中估计了以医生聚类的标准误（cluster robust standard error），展示在系数下方的括号中。
表5.1中模型1的被解释变量为𝑁𝑏𝑟𝐴𝑛𝑠𝑤𝑒𝑟𝑖𝑡，𝛽1为负且具有统计学意义。这个系数的含义是：在其他条件相同的情况下，实施等级激励会使得医生在每月的平均回答数量减少了15.389个。这个结果支持了假设1，即在医疗众包问诊平台实施等级激励负向影响医生的回复数量。
模型2的被解释变量为𝐿𝑒𝑛𝐴𝑛𝑠𝑤𝑒𝑟𝑖𝑡，𝛽1显著为负且具有统计学意义，表明在其它条件相同的情况下，实施等级激励使得医生每月回复内容的平均长度减少了21.268个字符。这个结果支持了假设2。即在医疗众包问诊平台实施等级激励负向影响医生的回复质量。
第六章 结论与展望
第一节 研究结论
一、研究结论
医疗众包问诊平台的发展为患者寻求帮助提供了新的途径，是互联网医疗高速发展下产生的新模式。本文在梳理众包、等级管理、激励机制历史文献的基础上，结合动机理论、激励理论和期望理论分析等级激励对医疗众包问诊平台医生参与绩效的影响。基于某大型互联网医疗企业旗下的医疗众包问诊平台为研究对象和数据来源数据，运用实证模型，验证了本文提出的研究假设并进行稳健性检验，进一步地，本文深入分析了等级激励对不同等级医生的影响异质性。
本文的研究成果主要有以下几点：
（1）实施等级激励使得医生的回复数量更少了，实施等级激励降低了医生的参与动机和期望值，抑制了医生的参与积极性；
（2）实施等级激励使得医生的回复质量变低，对医生在每条回答上的努力有抑制性；
（3）实施等级激励对医生情感支持有负向影响，医生回复文本中透露出的积极情感降低；
（4）实施等级激励对高等级医生在回答数量上的抑制作用有所减弱（相比低中等级），但在回答质量上的抑制作用有所加剧。
参考文献（略）