在线医疗社区的发展推动了各种在线健康服务的发展和线上线下互动,患者可以在线预约医生服务实现线下问诊,线下就诊患者也可以在平台上留下医生问诊的评价信息为其他患者的择医决策提供参考,这推动了医生信息的透明化,有效地缓解了医疗信息不对称的问题。但目前医患矛盾依然十分突出,医院对患者发放的满意度调查问卷往往存在正向偏差,考虑要依赖医院的诊治服务,患者往往更倾向于填写正面评价。通过在线社区的医生评价系统评价医生,患者的个人信息无法被医院获取,因此患者的评价会更为客观。了解在线医疗社区中的患者满意度及其择医行为能够有针对性地提升医疗服务质量,为医院的运营提供建议,因此本文着眼于挖掘在线医疗社区的患者满意度,并进一步探究满意度对患者择医行为的影响。本文基于好大夫在线3181位医生的9期服务数据和7.98万条患者就医评价展开了研究。首先我们利用LDA模型抽取出患者满意度的主题维度,并将其归纳为六个维度,这六大主题按照用户关注度排序依次为:服务态度满意度、技能水平满意度、医德医风满意度、解释清晰度满意度、就医流程满意度和设备设施满意度。在确定满意度主题维度后,我们使用机器学习方法识别出评论中的主题句,然后利用情感分析方法计算主题句的情感得分,并基于主题句情感分计算每个医生各主题维度的满意度得分。我们将满意度分为整体满意度、满意度评价人数(评论数)和分维度满意度,以它们作为自变量,并在模型中加入医生职称和医院等级作为医生属性变量,以患者疾病危险性作为调节变量,以医生每周的预约就诊量为因变量,最后加入了控制变量构建回归模型。由于因变量为计数变量,且标准差明显大于均值,因此本文采用负二项面板数据回归分析方法验证研究假设,并通过鲁棒性检验来保障结果的鲁棒性和有效性。结果表明患者在选择医生时更青睐高职称医生和高等级医院。整体满意度、评论数、服务态度满意度、技能水平满意度、医德医风满意度、解释清晰度满意度对患者的择医行为有显著正向影响,疾病危险性能够正向调节评论数对预约量的影响。此外,我们还发现网上推荐热度和医生职称之间存在负向交互作用,较高的网上推荐热度可以弥补医生职称上的不足。