蔡文香，盧萬(wàn)合，于國(guó)強(qiáng)，甘 靜，王 丹，潘茹萍，許佳慧

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

0 引言

旅游業(yè)的快速發(fā)展促進(jìn)了人們對(duì)酒店日益增長(zhǎng)的消費(fèi)需求，我國(guó)酒店業(yè)的總體運(yùn)營(yíng)形式逐漸向好[1].2017年，我國(guó)共有住宿企業(yè)19 780個(gè)，營(yíng)業(yè)額3 963.9億元，其中客房393.2萬(wàn)間，客房收入2 051.2億元.酒店間的房?jī)r(jià)競(jìng)爭(zhēng)日益激烈，對(duì)旅游者的消費(fèi)決策具有重要影響.酒店房?jī)r(jià)影響因素眾多，包括酒店的設(shè)施、空間、星級(jí)、房齡、服務(wù)質(zhì)量、供需狀況、區(qū)域位置等.酒店房?jī)r(jià)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(jié)果.

近年來，酒店房?jī)r(jià)影響因素研究一直受到旅游和酒店研究者的關(guān)注.目前，酒店多采用市場(chǎng)導(dǎo)向的價(jià)格決策策略.國(guó)內(nèi)外學(xué)者在研究酒店房?jī)r(jià)時(shí)，主要運(yùn)用消費(fèi)者行為分析、聯(lián)合分析和特征價(jià)格分析三種方法，其中特征價(jià)格法更適合酒店房間影響因素的研究[2].特征價(jià)格法最早由美國(guó)學(xué)者K.J.Lancaster提出，即異質(zhì)型產(chǎn)品的特征束組成對(duì)消費(fèi)者產(chǎn)生的效用可以決定消費(fèi)者的總效用[3].S.Rosen[4]提出在競(jìng)爭(zhēng)市場(chǎng)背景下的價(jià)格特征模型(HPM)，基本假設(shè)是將市場(chǎng)化商品的價(jià)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(fù)合的、異質(zhì)的產(chǎn)品.因此，酒店客房的價(jià)格不僅取決于酒店的內(nèi)部屬性，還取決于位置的特點(diǎn)，如臨近市中心、高速公路、旅游景點(diǎn)和機(jī)場(chǎng).特征價(jià)格法按其技術(shù)差別可以劃分為三類：線性特征價(jià)格模型(linear HPM)、對(duì)數(shù)特征價(jià)格模型(log-linear HPM)、空間特征價(jià)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(duì)于酒店房?jī)r(jià)空間差異性影響因素研究具有優(yōu)勢(shì)，但目前學(xué)術(shù)界相關(guān)研究還很少.D.Latinopoulos[7]利用s-HPM模型，對(duì)希臘城市哈爾基迪基的557間客房進(jìn)行分析，結(jié)果顯示，海景對(duì)房?jī)r(jià)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(shí)了將地理加權(quán)回歸納入到特征價(jià)格模型中的有效性.因此，本文利用s-HPM模型，以上海市星級(jí)酒店為研究對(duì)象，通過元搜索引擎獲取相關(guān)數(shù)據(jù)，分析各影響因素對(duì)酒店房?jī)r(jià)空間差異性特征，為酒店房?jī)r(jià)科學(xué)化管理提供參考.此外，本研究方向還可以參考房產(chǎn)價(jià)格的研究成果，在更大空間尺度上對(duì)酒店房?jī)r(jià)進(jìn)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?jī)r(jià)影響因素眾多，總結(jié)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(jí)、規(guī)模、服務(wù)質(zhì)量等；另一類是空間參數(shù)，主要指酒店距離車站、機(jī)場(chǎng)、旅游景區(qū)等的距離.本文研究目的是確定酒店房?jī)r(jià)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(jí)酒店為研究對(duì)象，未對(duì)快捷酒店、度假型公寓、民宿等進(jìn)行分析，但研究結(jié)論對(duì)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(gè)基本參數(shù)作為酒店房?jī)r(jià)因素的變量，其中酒店房?jī)r(jià)(P)為因變量，其他參數(shù)為自變量，分別是酒店等級(jí)(Hotel-class)、服務(wù)質(zhì)量(Service-quality)、客房數(shù)量(Room-number)、酒店距離最近機(jī)場(chǎng)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(huì)2019年6月11日發(fā)布的數(shù)據(jù)，上海市共有星級(jí)酒店203家(截至2019年6月10日)，其中5星級(jí)72家，4星級(jí)63家，3星級(jí)56家，2星級(jí)12家，運(yùn)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(jià)格數(shù)據(jù)或者屬性信息不全，因此，本文最終研究對(duì)象為上海185家星級(jí)酒店.酒店房?jī)r(jià)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(biāo)準(zhǔn)間最低價(jià)格，服務(wù)質(zhì)量采用去哪兒網(wǎng)的酒店評(píng)分，距機(jī)場(chǎng)距離、距火車站距離、距汽車站距離采用去哪兒網(wǎng)標(biāo)注的數(shù)據(jù)，沒有標(biāo)注的，運(yùn)用高德地圖等軟件獲取，距CBD的距離采用酒店經(jīng)緯坐標(biāo)與CBD經(jīng)緯坐標(biāo)計(jì)算獲取.

1.2 研究方法

運(yùn)用空間特征價(jià)格模型(s-HPM模型)進(jìn)行酒店房?jī)r(jià)空間差異性研究，空間特征價(jià)格模型就是將地理加權(quán)納入到特征價(jià)格模型(HPM模型)中，需要滿足三個(gè)條件：第一，酒店房?jī)r(jià)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(duì)酒店房?jī)r(jià)的影響程度具有顯著的空間差異性.相關(guān)研究成果已經(jīng)證明前述假設(shè).

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?jī)r(jià)；xij第i處酒店房?jī)r(jià)的第j個(gè)解釋變量的值；(ui，vi)是第i處酒店的投影坐標(biāo)；βj(ui，vi)為第i處酒店房?jī)r(jià)的第j個(gè)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(jī)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(quán)重矩陣.

2 酒店價(jià)格影響因素空間差異性的實(shí)證分析

本文運(yùn)用GWR4軟件進(jìn)行運(yùn)算，根據(jù)酒店房?jī)r(jià)數(shù)據(jù)的空間結(jié)構(gòu)特征，選擇核函數(shù)為Adaptive Gaussian，用AIC評(píng)價(jià)標(biāo)準(zhǔn)進(jìn)行回歸建模，其中AIC為校驗(yàn)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(yàn)結(jié)果，其中標(biāo)準(zhǔn)差(DIFF of Criterion)均小于0，表明解釋變量對(duì)酒店房?jī)r(jià)在研究區(qū)范圍內(nèi)具有地理變異性，F(xiàn)值不服從于自由度F檢驗(yàn)的F分布.

表2 影響因素地理變異性檢驗(yàn)結(jié)果

表3中詳細(xì)給出了各因素對(duì)于酒店房?jī)r(jià)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(duì)酒店房?jī)r(jià)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(fù)，各影響因素平均值與中位數(shù)值對(duì)房?jī)r(jià)的影響程度符號(hào)均一致，說明各影響因素對(duì)區(qū)域內(nèi)各酒店的影響性質(zhì)是相對(duì)一致的，其中酒店等級(jí)、服務(wù)質(zhì)量、客房數(shù)量、距機(jī)場(chǎng)距離的影響是正向的，也就是酒店房?jī)r(jià)伴隨著這4個(gè)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(fù)向的，表明酒店房?jī)r(jià)伴隨著這3個(gè)因素值的升高而降低.正向因素中，酒店等級(jí)對(duì)酒店房?jī)r(jià)的影響最大，平均每增加1個(gè)星級(jí)，酒店房?jī)r(jià)增加218.8元，其次是服務(wù)質(zhì)量，平均每增加1個(gè)評(píng)分，酒店房?jī)r(jià)增加106.95元，再次為距機(jī)場(chǎng)的距離，平均增加1 km，酒店房?jī)r(jià)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?jī)r(jià)增加4.42元，酒店等級(jí)、服務(wù)質(zhì)量、客房數(shù)量3個(gè)正向影響因素的計(jì)算結(jié)果都符合酒店房?jī)r(jià)的一般規(guī)律，即酒店等級(jí)越高、規(guī)模越大、服務(wù)質(zhì)量越好，客房?jī)r(jià)格也就越高，距機(jī)場(chǎng)距離也為正向因素，這主要是因?yàn)闄C(jī)場(chǎng)一般位于遠(yuǎn)離市區(qū)的位置.負(fù)向因素中，距CBD的距離對(duì)酒店房?jī)r(jià)影響最大，該距離每增加1 km，酒店房?jī)r(jià)降低235.84元，其次是據(jù)火車站的距離，每增加1 km，酒店房?jī)r(jià)降低81.81元，再次為距離汽車站距離，每增加1 km，房?jī)r(jià)降低59.16元.

表3 s-HPM模型計(jì)算結(jié)果

s-HPM模型相對(duì)于傳統(tǒng)價(jià)格模型有自身的特點(diǎn)，就是能夠通過直觀圖形，反映出影響因素對(duì)酒店房?jī)r(jià)影響程度的空間差異性[9].據(jù)此將酒店房?jī)r(jià)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(diǎn)數(shù)據(jù)，首先將這些點(diǎn)數(shù)據(jù)在Arcgis軟件中通過泰森多邊形轉(zhuǎn)化為面數(shù)據(jù)，用以表征各個(gè)區(qū)域酒店房?jī)r(jià)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(jí)對(duì)酒店房?jī)r(jià)的影響

圖1為酒店等級(jí)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(jí)對(duì)酒店房?jī)r(jià)影響較大.從圖1中可以看出，酒店等級(jí)對(duì)酒店房?jī)r(jià)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(jí)回歸系數(shù)整體上還呈現(xiàn)“西高東低”的趨勢(shì)，低值主要集中在上海東部地區(qū).

2.2 服務(wù)質(zhì)量對(duì)酒店房?jī)r(jià)的影響

圖2是服務(wù)質(zhì)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(jí)，說明服務(wù)質(zhì)量也是酒店房?jī)r(jià)重要的影響因素.從圖2可以看出，服務(wù)質(zhì)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(jí)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(wù)質(zhì)量回歸系數(shù)整體上還呈現(xiàn)“北高南低”的趨勢(shì)，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(jí)回歸系數(shù)分布

圖2 服務(wù)質(zhì)量回歸系數(shù)分布

2.3 客房數(shù)量對(duì)酒店房?jī)r(jià)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(fù)值，其中負(fù)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?jī)r(jià)逐漸降低，負(fù)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(shì)；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?jī)r(jià)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(shì)，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(fù)向影響，外圍為正向影響.

2.4 距機(jī)場(chǎng)距離對(duì)酒店房?jī)r(jià)的影響

圖4是距機(jī)場(chǎng)距離回歸系數(shù)分布圖，所有值均為正值，說明距離機(jī)場(chǎng)越遠(yuǎn)，酒店的價(jià)格越高.從圖4可以看出，距機(jī)場(chǎng)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(shì).

圖3 客房數(shù)量回歸系數(shù)分布

圖4 距機(jī)場(chǎng)距離回歸系數(shù)分布

2.5 距火車站距離對(duì)酒店房?jī)r(jià)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(fù)值，說明伴隨著距離火車站的距離加大，酒店房?jī)r(jià)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(shì).

2.6 距汽車站距離對(duì)酒店房?jī)r(jià)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(fù)值，說明伴隨距離汽車站距離的增加，酒店房?jī)r(jià)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(shì).

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(duì)酒店房?jī)r(jià)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(fù)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?jī)r(jià)變化趨勢(shì)不一致.負(fù)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(jié)語(yǔ)

本文運(yùn)用s-HPM模型進(jìn)行酒店房?jī)r(jià)影響因素空間差異性研究，結(jié)果表明：影響因素對(duì)酒店房?jī)r(jià)的影響方向、影響程度呈現(xiàn)出顯著的差異，酒店等級(jí)、服務(wù)質(zhì)量、客房數(shù)量、距機(jī)場(chǎng)距離4個(gè)變量的影響是正向的，影響程度排序?yàn)椋壕频甑燃?jí)>服務(wù)質(zhì)量>距機(jī)場(chǎng)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(fù)向的，影響程度排序?yàn)椋壕郈BD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(nèi)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(jí)、服務(wù)質(zhì)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(shì)，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(fù)向影響，外圍為正向影響，在這兩個(gè)因素負(fù)向影響區(qū)域呈現(xiàn)出“中心高，外圍低”的趨勢(shì).

酒店等級(jí)與服務(wù)質(zhì)量提升是提高客房收益的重要途徑.酒店等級(jí)、服務(wù)質(zhì)量是酒店房?jī)r(jià)最重要的正向影響因素，如能在控制成本的基礎(chǔ)上，提升酒店等級(jí)與服務(wù)質(zhì)量，那么就能夠合理地提高酒店房?jī)r(jià)，從而獲得更高的客房收益.當(dāng)然，提升酒店等級(jí)與服務(wù)質(zhì)量都需要酒店不斷改善硬件設(shè)施、軟件設(shè)施，一定程度上會(huì)增加成本，相對(duì)而言，提升服務(wù)質(zhì)量更多地依靠軟件設(shè)施，成本相對(duì)較小.

酒店客房定價(jià)應(yīng)該充分考慮酒店所在地的區(qū)位特征.酒店房?jī)r(jià)影響因素存在顯著空間差異性，反過來就提示酒店經(jīng)營(yíng)者在客房定價(jià)過程中，應(yīng)該依據(jù)酒店自身的區(qū)位特點(diǎn)，遵循這些空間差異特征，合理確定酒店價(jià)格.對(duì)于一些新建酒店，選址過程中應(yīng)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?jī)r(jià)影響因素空間差異性問題有待深入研究.酒店房?jī)r(jià)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(duì)于這些特征產(chǎn)生原因，以及不同影響因素空間差異性的相互關(guān)系等的深入探究.酒店只有采取正確的客房定價(jià)策略，才能確保自身的正常運(yùn)轉(zhuǎn)和取得應(yīng)有的利潤(rùn).因此，采用GIS等技術(shù)，進(jìn)行酒店房?jī)r(jià)決定性因素的理論與實(shí)踐研究，將有助于酒店房?jī)r(jià)的科學(xué)化管理.