蔡文香，盧萬合，于國強，甘 靜，王 丹，潘茹萍，許佳慧

(1.吉林師范大學 數(shù)學學院，吉林 四平 136000；2.吉林師范大學 旅游與地理科學學院，吉林 四平 136000)

0 引言

旅游業(yè)的快速發(fā)展促進了人們對酒店日益增長的消費需求，我國酒店業(yè)的總體運營形式逐漸向好[1].2017年，我國共有住宿企業(yè)19 780個，營業(yè)額3 963.9億元，其中客房393.2萬間，客房收入2 051.2億元.酒店間的房價競爭日益激烈，對旅游者的消費決策具有重要影響.酒店房價影響因素眾多，包括酒店的設施、空間、星級、房齡、服務質量、供需狀況、區(qū)域位置等.酒店房價呈現(xiàn)出顯著的空間差異性特征，這是由各種影響因素空間差異性共同作用的結果.

近年來，酒店房價影響因素研究一直受到旅游和酒店研究者的關注.目前，酒店多采用市場導向的價格決策策略.國內外學者在研究酒店房價時，主要運用消費者行為分析、聯(lián)合分析和特征價格分析三種方法，其中特征價格法更適合酒店房間影響因素的研究[2].特征價格法最早由美國學者K.J.Lancaster提出，即異質型產品的特征束組成對消費者產生的效用可以決定消費者的總效用[3].S.Rosen[4]提出在競爭市場背景下的價格特征模型(HPM)，基本假設是將市場化商品的價格與其屬性或特征捆綁在一起.H.Zhang等[5]提出酒店客房是一種復合的、異質的產品.因此，酒店客房的價格不僅取決于酒店的內部屬性，還取決于位置的特點，如臨近市中心、高速公路、旅游景點和機場.特征價格法按其技術差別可以劃分為三類：線性特征價格模型(linear HPM)、對數(shù)特征價格模型(log-linear HPM)、空間特征價格模型(s-HPM)，其中s-HPM解決了空間非平穩(wěn)性問題[6].盡管s-HPM模型對于酒店房價空間差異性影響因素研究具有優(yōu)勢，但目前學術界相關研究還很少.D.Latinopoulos[7]利用s-HPM模型，對希臘城市哈爾基迪基的557間客房進行分析，結果顯示，海景對房價的影響具有顯著的空間變異性.I.P.Soler和G.Gema[8]的研究成果也證實了將地理加權回歸納入到特征價格模型中的有效性.因此，本文利用s-HPM模型，以上海市星級酒店為研究對象，通過元搜索引擎獲取相關數(shù)據(jù)，分析各影響因素對酒店房價空間差異性特征，為酒店房價科學化管理提供參考.此外，本研究方向還可以參考房產價格的研究成果，在更大空間尺度上對酒店房價進行深入研究[9-12].

1 數(shù)據(jù)來源和研究方法

1.1 數(shù)據(jù)來源

酒店房價影響因素眾多，總結起來共分為兩類：一類是酒店自然屬性參數(shù)，比如酒店的等級、規(guī)模、服務質量等；另一類是空間參數(shù)，主要指酒店距離車站、機場、旅游景區(qū)等的距離.本文研究目的是確定酒店房價影響因素的空間差異性特征，考慮到數(shù)據(jù)可得性，因此以上海市星級酒店為研究對象，未對快捷酒店、度假型公寓、民宿等進行分析，但研究結論對于這些新興酒店類型同樣適用.根據(jù)已有研究成果，選取8個基本參數(shù)作為酒店房價因素的變量，其中酒店房價(P)為因變量，其他參數(shù)為自變量，分別是酒店等級(Hotel-class)、服務質量(Service-quality)、客房數(shù)量(Room-number)、酒店距離最近機場的行車距離(A-distance)、酒店距離最近火車站的行車距離(T-distance)、酒店距離汽車站的距離(B-distance)、酒店距離CBD的距離(C-distance)，如表1所示.

根據(jù)上海市旅游行業(yè)協(xié)會2019年6月11日發(fā)布的數(shù)據(jù)，上海市共有星級酒店203家(截至2019年6月10日)，其中5星級72家，4星級63家，3星級56家，2星級12家，運用“去哪兒網(wǎng)”獲取酒店數(shù)據(jù)，其中有18家酒店沒有得到價格數(shù)據(jù)或者屬性信息不全，因此，本文最終研究對象為上海185家星級酒店.酒店房價為2019年8月30日搜索的2019年9月21日入住，9月22日離店的標準間最低價格，服務質量采用去哪兒網(wǎng)的酒店評分，距機場距離、距火車站距離、距汽車站距離采用去哪兒網(wǎng)標注的數(shù)據(jù)，沒有標注的，運用高德地圖等軟件獲取，距CBD的距離采用酒店經(jīng)緯坐標與CBD經(jīng)緯坐標計算獲取.

1.2 研究方法

運用空間特征價格模型(s-HPM模型)進行酒店房價空間差異性研究，空間特征價格模型就是將地理加權納入到特征價格模型(HPM模型)中，需要滿足三個條件：第一，酒店房價主要決定因素是區(qū)位條件和自身屬性；第二，各因素具有顯著的空間不均衡性；第三，各因素對酒店房價的影響程度具有顯著的空間差異性.相關研究成果已經(jīng)證明前述假設.

本文采用s-HPM建模方法，其基本模型為

其中：Pi為第i處的酒店房價；xij第i處酒店房價的第j個解釋變量的值；(ui，vi)是第i處酒店的投影坐標；βj(ui，vi)為第i處酒店房價的第j個解釋變量的回歸系數(shù)；k為解釋變量的數(shù)量；β0(ui，vi)為常數(shù)；εi為第i處的隨機誤差.回歸系數(shù)為

其中：X為自變量矩陣，W(ui，vi)為第i處的空間權重矩陣.

2 酒店價格影響因素空間差異性的實證分析

本文運用GWR4軟件進行運算，根據(jù)酒店房價數(shù)據(jù)的空間結構特征，選擇核函數(shù)為Adaptive Gaussian，用AIC評價標準進行回歸建模，其中AIC為校驗值，能夠判斷系數(shù)在空間上的變化情況.表2為各影響因素的地理變異性檢驗結果，其中標準差(DIFF of Criterion)均小于0，表明解釋變量對酒店房價在研究區(qū)范圍內具有地理變異性，F(xiàn)值不服從于自由度F檢驗的F分布.

表2 影響因素地理變異性檢驗結果

表3中詳細給出了各因素對于酒店房價影響程度的平均值、最小值、上四分位數(shù)值、中位數(shù)值、下四分位數(shù)值.從表中可以看到，各因素對酒店房價的影響程度呈現(xiàn)出顯著的空間差異性，回歸系數(shù)有正有負，各影響因素平均值與中位數(shù)值對房價的影響程度符號均一致，說明各影響因素對區(qū)域內各酒店的影響性質是相對一致的，其中酒店等級、服務質量、客房數(shù)量、距機場距離的影響是正向的，也就是酒店房價伴隨著這4個因素值的升高而升高，距火車站距離、距汽車站距離、距CBD距離的影響是負向的，表明酒店房價伴隨著這3個因素值的升高而降低.正向因素中，酒店等級對酒店房價的影響最大，平均每增加1個星級，酒店房價增加218.8元，其次是服務質量，平均每增加1個評分，酒店房價增加106.95元，再次為距機場的距離，平均增加1 km，酒店房價增加32.1元，客房數(shù)量影響最小，平均每增加1間客房，酒店房價增加4.42元，酒店等級、服務質量、客房數(shù)量3個正向影響因素的計算結果都符合酒店房價的一般規(guī)律，即酒店等級越高、規(guī)模越大、服務質量越好，客房價格也就越高，距機場距離也為正向因素，這主要是因為機場一般位于遠離市區(qū)的位置.負向因素中，距CBD的距離對酒店房價影響最大，該距離每增加1 km，酒店房價降低235.84元，其次是據(jù)火車站的距離，每增加1 km，酒店房價降低81.81元，再次為距離汽車站距離，每增加1 km，房價降低59.16元.

表3 s-HPM模型計算結果

s-HPM模型相對于傳統(tǒng)價格模型有自身的特點，就是能夠通過直觀圖形，反映出影響因素對酒店房價影響程度的空間差異性[9].據(jù)此將酒店房價影響因素在不同位置的回歸系數(shù)用圖形表示，來具體分析其空間差異性.本文中酒店數(shù)據(jù)為點數(shù)據(jù)，首先將這些點數(shù)據(jù)在Arcgis軟件中通過泰森多邊形轉化為面數(shù)據(jù)，用以表征各個區(qū)域酒店房價及影響因素的一般狀況，從而觀察回歸系數(shù)的空間特征.

2.1 酒店等級對酒店房價的影響

圖1為酒店等級回歸系數(shù)分布圖，回歸系數(shù)所有值均為正值，而且數(shù)值較大，說明酒店等級對酒店房價影響較大.從圖1中可以看出，酒店等級對酒店房價影響呈現(xiàn)出明顯的“中心-外圍”特征，即中心城區(qū)回歸系數(shù)值大，外圍城區(qū)回歸系數(shù)值小，而且是中心逐步向四周降低.觀察圖1，還可以發(fā)現(xiàn)酒店等級回歸系數(shù)整體上還呈現(xiàn)“西高東低”的趨勢，低值主要集中在上海東部地區(qū).

2.2 服務質量對酒店房價的影響

圖2是服務質量回歸系數(shù)分布圖，回歸系數(shù)所有值也均為正值，數(shù)值大小在正向因素中僅低于酒店等級，說明服務質量也是酒店房價重要的影響因素.從圖2可以看出，服務質量回歸系數(shù)總體上也呈現(xiàn)出“中心-外圍”特征，但這種特征不像酒店等級那樣規(guī)整，在中心城區(qū)出現(xiàn)了明顯的低值區(qū)域.觀察圖2，還可以發(fā)現(xiàn)服務質量回歸系數(shù)整體上還呈現(xiàn)“北高南低”的趨勢，金山區(qū)、奉賢區(qū)、閔行區(qū)、浦東新區(qū)、松江區(qū)、青浦區(qū)的南部地區(qū)是明顯的低值區(qū)域.

圖1 酒店等級回歸系數(shù)分布

圖2 服務質量回歸系數(shù)分布

2.3 客房數(shù)量對酒店房價的影響

圖3是客房數(shù)量回歸系數(shù)分布圖，回歸系數(shù)既有正值又有負值，其中負值主要分布在中心城區(qū)，說明這部分區(qū)域伴隨酒店客房數(shù)量增加，酒店房價逐漸降低，負值區(qū)域呈現(xiàn)出明顯的中間數(shù)值大，外圍數(shù)值小的趨勢；正值主要分布于外圍城區(qū)，或者中心城區(qū)的邊緣地帶，說明這部分區(qū)域伴隨著客房數(shù)量的增加，酒店房價逐步升高，正值區(qū)域數(shù)值分布，呈現(xiàn)出西南低、東北高的趨勢，其中上海東北部為正值的高值區(qū).總體看，客房數(shù)量回歸系數(shù)呈現(xiàn)出“中心-外圍”反向分布特征，即中心為負向影響，外圍為正向影響.

2.4 距機場距離對酒店房價的影響

圖4是距機場距離回歸系數(shù)分布圖，所有值均為正值，說明距離機場越遠，酒店的價格越高.從圖4可以看出，距機場距離回歸系數(shù)高值中心主要出現(xiàn)在上海中心城區(qū)及閔行區(qū)，低值中心出現(xiàn)在中心城區(qū)與浦東新區(qū)的交界區(qū)域，在外圍城區(qū)，總體上呈現(xiàn)出西北高、東部和南部低的趨勢.

圖3 客房數(shù)量回歸系數(shù)分布

圖4 距機場距離回歸系數(shù)分布

2.5 距火車站距離對酒店房價的影響

圖5是距火車站距離回歸系數(shù)分布圖，所有值都是負值，說明伴隨著距離火車站的距離加大，酒店房價逐步降低，其中高值區(qū)域集中在上海的中心城區(qū)，低值區(qū)域集中在上海中心城區(qū)的東北部，以及浦東新區(qū)的西部部分區(qū)域，上海外圍城區(qū)總體上呈現(xiàn)出北高南低的趨勢.

2.6 距汽車站距離對酒店房價的影響

圖6為距汽車站距離回歸系數(shù)分布圖，所有值均為負值，說明伴隨距離汽車站距離的增加，酒店房價逐步降低，其中高值區(qū)域、次高值區(qū)域都集中在上海主城區(qū)，低值區(qū)域分布在上海西部、南部、東部城區(qū)，包括青浦區(qū)、松江區(qū)、金山區(qū)、奉賢區(qū)、南匯區(qū)、嘉定區(qū)的西南部、浦東新區(qū)的東南部，以及上海中心城區(qū)與浦東新區(qū)交匯一小部分地區(qū).上海外圍城區(qū)總體上呈現(xiàn)出北高南低的趨勢.

圖5 距火車站距離回歸系數(shù)分布

圖6 距汽車站距離回歸系數(shù)分布

2.7 距CBD距離對酒店房價的影響

圖7為距CBD距離回歸系數(shù)分布圖，數(shù)值差異較大，既有負值，又有正值，說明伴隨著酒店距CBD距離的增加，不同區(qū)域酒店房價變化趨勢不一致.負值區(qū)域數(shù)值較大，主要在上海市的東北部，主要為中心城區(qū)、浦東新區(qū)及寶山區(qū)附近區(qū)域，并且這一區(qū)域呈現(xiàn)出顯著的“中心-外圍”特征，由中心向外圍顯著降低.正值區(qū)域數(shù)值較小，但區(qū)域面積較大，青浦區(qū)、松江區(qū)、金山區(qū)、奉賢區(qū)、閔行區(qū)、南匯區(qū)、嘉定區(qū)、寶山區(qū)、崇明區(qū)的大部分地區(qū).

圖7 距CBD距離回歸系數(shù)分布

3 結語

本文運用s-HPM模型進行酒店房價影響因素空間差異性研究，結果表明：影響因素對酒店房價的影響方向、影響程度呈現(xiàn)出顯著的差異，酒店等級、服務質量、客房數(shù)量、距機場距離4個變量的影響是正向的，影響程度排序為：酒店等級>服務質量>距機場距離>客房數(shù)量，距火車站距離、距汽車站距離、距CBD距離的影響是負向的，影響程度排序為：距CBD距離>距火車站距離>距汽車站距離；影響因素影響程度在研究區(qū)范圍內具有地理差異性，并呈現(xiàn)出顯著的“中心-外圍”特征，其中酒店等級、服務質量、距火車站、距汽車站距離呈現(xiàn)出明顯的“中心高，外圍低”的趨勢，客房數(shù)量、距CBD距離呈現(xiàn)出“中心-外圍”反向分布特征，即中心為負向影響，外圍為正向影響，在這兩個因素負向影響區(qū)域呈現(xiàn)出“中心高，外圍低”的趨勢.

酒店等級與服務質量提升是提高客房收益的重要途徑.酒店等級、服務質量是酒店房價最重要的正向影響因素，如能在控制成本的基礎上，提升酒店等級與服務質量，那么就能夠合理地提高酒店房價，從而獲得更高的客房收益.當然，提升酒店等級與服務質量都需要酒店不斷改善硬件設施、軟件設施，一定程度上會增加成本，相對而言，提升服務質量更多地依靠軟件設施，成本相對較小.

酒店客房定價應該充分考慮酒店所在地的區(qū)位特征.酒店房價影響因素存在顯著空間差異性，反過來就提示酒店經(jīng)營者在客房定價過程中，應該依據(jù)酒店自身的區(qū)位特點，遵循這些空間差異特征，合理確定酒店價格.對于一些新建酒店，選址過程中應該充分考慮房間影響因素存在的“中心-外圍”特征，盡可能地將酒店選址在接近城市CBD，交通便捷的位置(靠近火車站、汽車站).

酒店房價影響因素空間差異性問題有待深入研究.酒店房價影響因素空間差異性的研究成果較少，且主要集中在影響因素影響程度的空間差異性特征，缺乏對于這些特征產生原因，以及不同影響因素空間差異性的相互關系等的深入探究.酒店只有采取正確的客房定價策略，才能確保自身的正常運轉和取得應有的利潤.因此，采用GIS等技術，進行酒店房價決定性因素的理論與實踐研究，將有助于酒店房價的科學化管理.