基于GWR的蘇州酒店價格的空間異質(zhì)性及影響因素研究

【摘要】本文運用OLS、主成分分析法和GWR，對蘇州地域范圍內(nèi)酒店價格的空間異質(zhì)性及其影響因素進行了探討。研究發(fā)現(xiàn)：①酒店價格主要受周邊配套設施、酒店自身條件、周邊環(huán)境、長途交通條件和周邊醫(yī)療條件的顯著影響，其中周邊配套設施、酒店自身條件、長途交通條件和周邊醫(yī)療條件的影響程度在空間上存在異質(zhì)性②酒店自身條件、長途交通條件對酒店價格的正向影響最大，周邊醫(yī)療條件對酒店價格的負向影響最大。最后對全文做出了總結(jié)和探討。

【關(guān)鍵詞】酒店價格;GWR;空間異質(zhì)性

價格競爭一直以來都是酒店之間的一種重要競爭方式。而對于旅游者來說，酒店作為旅游六要素之一，其價格始終備受旅游者關(guān)注。關(guān)于酒店價格的近期研究中，國內(nèi)外的研究熱點都比較集中于酒店客房的定價策略和方法、酒店價格對于顧客滿意度的影響、影響酒店價格的因素等方面[1-3]。地理加權(quán)回歸（GWR）模型由英國Newcastle大學的Brunsdon等[4]提出，是一種能有效揭示被觀測者空間非平穩(wěn)性的方法，其在與地理位置有關(guān)的學科中具有重要的應用價值。除了Brunsdon之外，近年來還有其它學者[5]也將研究結(jié)果與OLS方法進行比較，都證實了地理加權(quán)回歸模型較優(yōu)。雖然很早之前就有國內(nèi)學者對酒店價格時空分異進行研究[6，7]，但是運用GWR模型進行研究的非常少。本文采用GWR模型對蘇州的酒店價格空間異質(zhì)性進行研究，以促進酒店價格的科學化制定。

1、研究方法與變量選取

1.1模型與方法

經(jīng)典的線性回歸模型通常是由隨機誤差項εi和一套參數(shù)β0和βi組成，可以寫成：

傳統(tǒng)的回歸模型是建立在最小二乘法基礎(chǔ)上對參數(shù)進行估計，OLS則在定義了全局因變量yi和自變量x關(guān)系后，i通過最小誤差平方和來得出方程參數(shù)的估計值[8]。雖然其對于空間平穩(wěn)性數(shù)據(jù)的回歸有較好的估計，但是對于空間非平穩(wěn)性數(shù)據(jù)的回歸估計卻不太理想。因此這時候就需要引入GWR模型，其允許一些不平穩(wěn)的數(shù)據(jù)直接被模擬。地理加權(quán)回歸方法對傳統(tǒng)回歸模型進行了拓展，使得參數(shù)能夠進行局部估計，其模型為：

式中：ui、vi是第i個樣本點的地理坐標;βi是隨著地理位置的變化而變化，每一個局部的βi都是用來估計它相鄰的空間觀測值。

1.2數(shù)據(jù)來源

本文蘇州酒店房價數(shù)據(jù)來源于攜程網(wǎng)，共獲取了7月25日到7月31日共七天的蘇州整個地域范圍內(nèi)的酒店信息，最后選取出3957家連續(xù)七天均獲取到客房最低價數(shù)據(jù)的酒店，將其七天的價格平均值作為原始數(shù)據(jù)。同時從攜程網(wǎng)獲取了每家酒店至7月31日為止的評分、評價數(shù)和酒店設施情況。評分為空的酒店其評分以同價格段所有酒店的平均值為準（例如價格為158元的酒店評分為空，則以價格為101-200元所有酒店的評分平均值作為其評分）。同時對酒店所提供的設施和服務進行統(tǒng)計，每提供一樣設施或服務其數(shù)量就加一。

蘇州地區(qū)內(nèi)的POI點數(shù)據(jù)均從百度地圖獲取，其中包括餐飲POI點88993個，地鐵站POI點129個，公交車站POI點9557個，購物POI點13457個，商務POI點2486個，休閑服務POI點894個，普通景點（除A級景點以外的其它景點）POI點2515個，3A級景點POI點11個，4A級景點POI點19個，5A級景點POI點8個，綜合醫(yī)院POI點140個，銀行（包括ATM機服務點）POI點5232個，車站（包括汽車站和火車站）POI點131個，高等院校POI點86個，共計14類POI點數(shù)據(jù)。由于百度地圖API一個矩形范圍內(nèi)只能返回最多400個POI點的數(shù)據(jù)，所以將蘇州市范圍切成80*80個切片對每一類POI點進行爬取。結(jié)果顯示沒有一個切片的數(shù)據(jù)量達到400，因此獲取的數(shù)據(jù)相對來說較為全面，基本沒有遺漏。最后將所有酒店和POI點數(shù)據(jù)導入ARCGIS10.5中計算酒店周邊1000米范圍內(nèi)各類POI點的數(shù)量。

1.3變量選取

由于不能將啞元數(shù)據(jù)導入GWR模型，經(jīng)過統(tǒng)計發(fā)現(xiàn)酒店周邊3A、4A和5A景區(qū)數(shù)量的數(shù)據(jù)為啞元數(shù)據(jù)，為了不影響模型最終結(jié)果，所以決定采用賦值法對這三個變量進行合并（一個3A級景點賦3分，4A級景點賦4分，5A級景點賦5分）。最終選取的所有自變量共16個，分別為：酒店評分、酒店評價數(shù)、酒店設施數(shù)、酒店類型、餐飲（“周邊餐飲數(shù)”的簡稱，下同）、地鐵、公交、購物、商務、休閑服務、普通景點、A級景點、醫(yī)院、銀行、車站、高校。

2、結(jié)果分析

2.1 OLS結(jié)果分析

注：***為0.001顯著性水平;**為0.01顯著性水平;*為0.05顯著性水平，下同。

本文中OLS模型回歸分析通過ARCGIS10.5中的普通最小二乘法工具實現(xiàn)，輸出的結(jié)果如表1所示。由于回歸結(jié)果中Koenker統(tǒng)計量的概率為0.000000（p<0.01），具有統(tǒng)計學上的顯著性，即說明數(shù)據(jù)可能存在空間非穩(wěn)定性，因此使用穩(wěn)健概率列（Robust_Pr）來確定系數(shù)顯著性。從表中可以看出自變量餐飲、購物、商務、休閑和銀行的VIF值均大于5.0，說明模型的自變量之間存在較為嚴重的全局或局部多重共線性。

2.2主成分分析

由于自變量之間存在多重共線性，但是這些變量的顯著性水平又較高，為了在消除自變量之間多重共線性的同時不遺漏重要的自變量，所以決定采用主成分分析方法。

將數(shù)據(jù)導入SPSS25.0軟件中，選擇因子分析中的主成分分析方法進行提取。得到的KMO和巴特利特檢驗結(jié)果KMO結(jié)果為0.838，且巴特利特球形度檢驗的顯著性為0.000（p<0.01），說明現(xiàn)有變量適合進行因子分析。

得到的成分矩陣如表2所示。經(jīng)過主成分分析，原有的16個自變量被降維成了5個新的主成分。根據(jù)表中各列的因子載荷可以看出，主成分1主要由餐飲、地鐵、公交、購物、商務、休閑、普通景點和銀行共8個變量構(gòu)成，因此可以將其命名為“周邊綜合生活配套設施”（簡稱PT）;主成分2主要由酒店評分、酒店評價數(shù)、酒店設施數(shù)和酒店類型共4個變量構(gòu)成，因此可以將去命名為“酒店自身條件”（ZS）;主成分3主要由A級景點這一變量構(gòu)成，因此可以將其命名為“酒店周邊環(huán)境”（HJ）;主成分4主要由車站這一變量構(gòu)成，因此可以將其命名為“長途交通條件”（JT）;主成分5主要由醫(yī)院數(shù)量這一變量構(gòu)成，同時高校占的比重也較高，因此可以將其命名為“周邊醫(yī)療條件”（YL）。

通過SPSS25.0將原有的16個自變量全部標準化，依照表2從上到下的順序設經(jīng)過Z標準化后的變量為X1，X2，…，X16。同時用每一列的因子載荷分別除以其相應的特征值的平方根（分別為5.927、1.853、1.408、1.185、1.017），得到的各主成分的表達式。

表2 成分矩陣

2.3 GWR結(jié)果分析

將上述所得5個新的變量導入GWR4.0軟件中進行運算，得到的回歸結(jié)果如表3所示，以及GWR模型的估計系數(shù)如表4所示。

從表3中可以看出，PT、ZS、JT和YL都是顯著的，只有HJ是不顯著的。結(jié)果說明PT、ZS、JT和YL都具有明顯的空間不平穩(wěn)性，其系數(shù)會隨著空間位置的變化而發(fā)生顯著變化;而HJ則不具有明顯的空間不平穩(wěn)性，隨著空間位置的變化其系數(shù)并不會發(fā)生顯著的變化。

表3 回歸結(jié)果

從表3中可以看出，ZS、HJ和JT的系數(shù)平均值均為正數(shù)，其對酒店價格的影響多為正向影響，其中酒店自身條件平均來說對酒店價格的影響最大為58.89，其次為長途交通條件對酒店價格的影響為56.77，最后為酒店周邊環(huán)境對酒店價格的影響為10.83，即酒店自身條件越好、長途交通條件越便捷，一般來說酒店的價格就越高;而酒店周邊環(huán)境越好一般其周邊同質(zhì)化競爭也較為激烈，因此對酒店價格的影響程度不高。而PT和YL的系數(shù)平均值均為負數(shù)，其對酒店價格的影響則多為負向影響，其中醫(yī)療條件越好的區(qū)域其周邊一般多為廉價快捷酒店方便病人家屬入住，其價格普遍較低。

3、結(jié)論與不足

本文基于GWR模型，對蘇州地域范圍內(nèi)酒店價格的空間異質(zhì)性及其影響因素進行了探討。研究發(fā)現(xiàn)：①酒店價格主要受周邊配套設施、酒店自身條件、周邊環(huán)境、長途交通條件和周邊醫(yī)療條件的顯著影響，其中周邊配套設施、酒店自身條件、長途交通條件和周邊醫(yī)療條件的影響程度在空間上存在異質(zhì)性②酒店自身條件、長途交通條件對酒店價格的正向影響最大，周邊醫(yī)療條件對酒店價格的負向影響最大。

酒店價格的形成是多種因素在一定區(qū)域范圍內(nèi)共同作用的結(jié)果，除了本文中提到的影響因素之外，一定還有其它重要因素會對酒店價格產(chǎn)生影響。酒店的地價、房租和建設成本是否會對酒店價格產(chǎn)生影響，這些都是酒店經(jīng)營者自己私下的交易行為我們暫時不得而知。我們曾嘗試將區(qū)域范圍內(nèi)的平均地價作為自變量代入模型中，但考慮到現(xiàn)實中酒店建設的復雜情況，總覺得有失偏頗，因此將其舍棄。每一個酒店經(jīng)營者對于所經(jīng)營酒店的價格期望和其所選擇的定價策略到底是怎樣的，會對酒店價格產(chǎn)生怎樣的影響這一點也有待進一步研究。政府的稅收制度、相關(guān)政策又會對酒店價格產(chǎn)生怎樣的影響也有待進一步探討。

參考文獻：

[1]文蓉.需求導向定價法在酒店價格形成機制中的應用[J].價格月刊，2014（03）：33-35.

[2]周李，張清源，朱其靜，陸林.廣交會對星級酒店房價影響的時空分異研究——以第117和118屆廣交會為例[J].地理科學，2017，37（09）：1363-1373.

[3]Sameer Mathur， Prem Prakash Dewani. Influence of cultural heritage on hotel prices，occupancy and profit：Theory and evidence[J]. Tourism Economics， 2016 ，22（5）： 1014-1032.

[4]Brunsdon C， Fotheringham A S， Charlton M. Some notes on parametric significance tests for geographically weighted regression[J]. Journal of Regional Science， 1999， 39（3）： 497-524.

[5]吳玉鳴.中國省域旅游業(yè)彈性系數(shù)的空間異質(zhì)性估計——基于地理加權(quán)回歸模型的實證[J].旅游學刊，2013，28（2）：35-43.

[6]熊偉，吳必虎.大型展會對高星級酒店房價影響的空間分析——以第100屆廣交會為例[J].旅游學刊，2008，23（2）： 80-86.

[7]湯慶園，徐偉，艾福利.基于地理加權(quán)回歸的上海市房價空間分異及其影響因子研究[J].經(jīng)濟地理201232（2）52-58.

作者簡介：

張義杰（1995-）男，漢族，江蘇淮安人，碩士研究生，旅游地理。