牛新艷

（山東財經大學統(tǒng)計學院，山東濟南 250014）

引言

共享短租是將閑置住宅提供給他人短期使用的一種共享經濟模式，自出現(xiàn)以來一直保持快速發(fā)展勢頭，并在一定程度上對傳統(tǒng)酒店行業(yè)造成沖擊。然而，在其高速發(fā)展的背后也存在諸多問題，特別是沒有形成統(tǒng)一的行業(yè)規(guī)范，給監(jiān)管工作造成很大的困難。2020年12月24日，北京市住房城鄉(xiāng)建設委、公安局、網(wǎng)信辦、文旅局四部門印發(fā)了《關于規(guī)范管理短租住房的通知》，旨在加強對共享短租市場的管理，促進其健康持續(xù)發(fā)展。眾所周知，不論是購買還是租用，價格問題始終是房地產市場的基本問題。對于短租市場來說，合理的定價機制是保障其規(guī)范管理的重要一環(huán)，特別是短租價格指數(shù)的編制，能夠及時客觀的反映市場變化，便于監(jiān)管部門發(fā)現(xiàn)異常交易行為并進行糾正。然而由于統(tǒng)計方法缺陷以及主觀選樣偏差，導致目前還未形成短租價格指數(shù)，現(xiàn)存的房地產價格指數(shù)，無法完全適應短租市場特點，不能客觀地反映市場運行情況。當前對房地產價格的統(tǒng)計方法主要包括平均法、重復交易法、特征價格法。與其他兩種方法相比，特征價格法在房價指數(shù)編制方面具有明顯的優(yōu)勢。首先，平均法難以滿足同質可比的要求。這種方法實際上假設除單元面積以外的房產屬性都是勻質的，在當前城市化進程加速推進的過程中，位置和周邊基礎設施在各個屬性中的權重越來越大，而這種做法顯然會造成價格統(tǒng)計出現(xiàn)系統(tǒng)性的偏差。其次，重復交易法在編制價格指數(shù)時要求本期統(tǒng)計價格的樣本與上一期的樣本一致，這就解決了平均法在統(tǒng)計中非同質的問題。然而，這一方法也會受樣本約束導致統(tǒng)計上的偏差：比如首次交易的房產難以進入統(tǒng)計，再比如某些重要地區(qū)因缺少兩次交易未能進入樣本從而導致偏差，特別是在交易量較少的情況也可能導致系統(tǒng)性的低估。特征價格法的最大優(yōu)勢在于：它通過建立方程將房地產的每一個特征都給出定價，這樣就解決了非同質可比的問題，同時可以為非交易的房產計算出市場價格。由于共享短租房源的本質是自有住宅，特征價格模型在住宅價格評估中表現(xiàn)出明顯優(yōu)勢，因此本文選用特征價格模型對共享短租房源進行定價。

在使用短租價格數(shù)據(jù)建立特征價格模型的過程中，我們發(fā)現(xiàn)不同地區(qū)、不同城市間建立的特征價格模型存在一定的差別。即便在同一城市中，由于房源所處區(qū)域的不同，其價格特征的作用方式和作用強度也有不同程度的差異。隨著對共享短租行業(yè)管理的逐步深入，建立合理規(guī)范的定價模型勢在必行，而差異化的定價是保證價格合理性的基本需求。

一、共享短租定價研究現(xiàn)狀

自20世紀60年代以來，特征價格研究蓬勃發(fā)展。國外方面，F(xiàn)erri[1]將特征價格指數(shù)與傳統(tǒng)方法編制的房價進行了對比，結果發(fā)現(xiàn)1965至1975年間傳統(tǒng)指數(shù)上漲86.2%，而特征價格指數(shù)僅為59.2%；其原因是后者剔除了由于樣本住房樓齡的縮短、住房設備的改善等因素對價格的影響。Case等[2]對特征價格指數(shù)、加權重復銷售指數(shù)和混合模型方法的結果進行了對比。Hill等[3]使用三種方法對澳大利亞悉尼市2001至2006年間出現(xiàn)的樓價暴漲和暴跌進行了測度，結果表明三者測度大體一致。特征價格法除了在房價指數(shù)編制方面的優(yōu)勢以及在房產稅稅基計算中的應用外，還有其他廣泛應用，最主要的應用是對公共產品和非市場產品的評估。這方面較早的一篇文獻是Ridker和Henning[4]關于空氣污染的研究，他們以圣路易斯市為樣本實證研究了空氣污染對房價影響的分析。Zabel和Kiel[5]對美國4個城市的空氣污染對房價的影響進行了研究。關于水環(huán)境方面，Bin等[6]對北卡羅來納州的海岸線房價受洪水影響的程度進行了分析，驗證了住宅市場和保險市場的均衡是一致的。

國內方面，祈神軍等[7]發(fā)現(xiàn)基于Hedonic模型的廈門市房地產價格指數(shù)除了能反應價格變化外，還能準確地反映廈門市房地產市場供求關系。蔡真等[8]建立了北京地區(qū)的住宅特征價格模型，提取出影響北京市住宅價格的主要特征。董倩[9]將特征價格法與重復交易法組合在一起，提出一種新的房價指數(shù)編制方法。陳永偉和陳立中[10]則首次考察了空氣環(huán)境對房價的影響。

共享短租定價方面，Gibbs等[11]研究了39837個Airbnb房源的屬性和銷售信息以及來自五個市場的1025家酒店的數(shù)據(jù)，探索Airbnb房東使用動態(tài)定價的程度，并將他們的定價策略與酒店的定價策略進行了對比。DWang和JL Nicolau[12]使用普通最小二乘法和分位數(shù)回歸方法，對Airbnb上的33個城市的住宿租賃報價進行了研究，以確定數(shù)字市場中基于共享經濟的住宿供應的價格決定因素。王春英和陳宏民[13]以小豬短租網(wǎng)站上的10個重要旅游城市的12527個房源為研究對象，使用最小二乘回歸以及分位數(shù)回歸的方法，對9個可能影響房源定價的因素進行分析，得出房源特性、地理位置與配套設施、房東特性及消費者評價對共享短租平臺房源定價均有不同程度的影響。牛阮霞和何硯[14]對螞蟻短租平臺31個城市房源數(shù)據(jù)進行OLS和分位數(shù)回歸，研究了八大類共18個特征變量對共享住宿平臺房源價格的影響，發(fā)現(xiàn)各影響因素不僅在不同價位水平的房源中存在差異，在不同經濟發(fā)展水平的城市的房源中也不盡相同。

在現(xiàn)有的關于共享短租房源定價研究中，多數(shù)工作集中在對價格影響因素的整體歸納和分析上，對差異化定價的討論相對缺乏，對時間因素的影響也鮮有考量。本文將這兩方面作為切入點，從時間和空間兩個維度對差異化定價的必要性和合理性進行探討，進一步改進和完善共享短租房源定價模型。

二、特征價格模型的建立

特征價格法認為：特定住房價格由其包含的各種特征以及每種特征的特征價格決定，通過大量數(shù)據(jù)反映的特征信息可以將房屋的價格逐一分解出來。其公式可表示成如下形式：

其中，c為常數(shù)項，X1…Xn分別為住房的n個特征因素，β1…βn分別為對應的特征價格，Dt為時間虛擬變量，at為時間虛擬變量系數(shù)，ε為隨機誤差項。

（一）共享短租房源價格特征選取及數(shù)據(jù)說明

為了研究短租房源在不同地域的特征價格差異，我們選擇上海市的短租房源作為研究對象。上海市一方面是熱門旅游城市，另一方面也是商務旅行的重點城市，短期旅游和商務出差的人組成了共享短租的主要客戶群體。我們在共享短租平臺上選取上海市2018年1月至2019年12月的短租房源數(shù)據(jù)，從而規(guī)避疫情對短租市場造成的影響。本文在定價模型建立過程中將時間因素作為虛擬變量加入其中，不僅反映不同區(qū)域的房源在各個特征上的定價差異，同時反映出節(jié)假日等時間因素對短租價格的影響。

由于上海在全域范圍內房產價格有兩個制高點，因此我們有針對性地建立兩個方程：一個是針對浦西，一個是針對浦東，進而發(fā)現(xiàn)兩個區(qū)域在短租房源價格特征上的異同。其中浦西地區(qū)的中心確定為太平橋公園附近的翠湖天地嘉苑小區(qū)，浦東地區(qū)的中心確定為陸家嘴附近的湯臣一品小區(qū)。另外，考慮到周邊環(huán)境對價格正負效應在空間上的差異，我們在進行鄰里和區(qū)位特征考察時，分別考慮了房源所在小區(qū)周邊300米、500米、800米和1000米四種情況。

短租價格特征的選取與住宅特征不同，通常短租房源不提供房屋的面積、朝向等信息，租客更關心的往往是房源能居住的人數(shù)，是否要與其他人合住等具體的居住信息。因此，綜合考慮短租房源的特點，我們選擇了四個部分的指標，包括：居住特征、鄰里特征、區(qū)位特征和政策特征。本文結合前人研究成果以及既有數(shù)據(jù)條件選取如下特征進入計算，見表1。這里就有關特征的計算方法作兩點說明：一是關于部分鄰里特征的賦值說明。商業(yè)環(huán)境，我們統(tǒng)計的信息類型只包括大型商場、市場這兩類，市場包括古玩市場、美食街等與游客相關性較高的類型，其中大型商場得分為2，市場得分為1；醫(yī)療條件包括醫(yī)院和診所兩類，醫(yī)院得分為2，診所得分為1；旅游資源主要考慮房源周邊一定范圍內的旅游景區(qū)數(shù)量，普通景區(qū)得分0.5，3A級景區(qū)得分1，4A級景區(qū)得分2，5A級景區(qū)得分2.5；公共場所，統(tǒng)計包括公園、場館、游樂場，這些設施與人們的休閑娛樂都相關，我們只統(tǒng)計數(shù)量，不對它們所產生的效用高低進行區(qū)分。第二點說明是關于區(qū)位特征中房源距區(qū)域中心距離的計算。我們視同一小區(qū)所有房源到區(qū)域中心的距離是相等的，即小區(qū)內房源之間的距離差距可以忽略；對于特別大型的小區(qū)，我們將其分割成若干小塊；然后應用googleearth軟件標注出小區(qū)中心的經緯度以及城市中心的經緯度，進而計算兩者之間的距離。

表1 短租房源特征價格指標

（二）共享短租房源特征價格綜合分析

圖2與圖3分別繪制了上海市浦西地區(qū)和浦東地區(qū)房源取對數(shù)后，隨距地區(qū)中心距離的變化情況。

圖2 浦西地區(qū)房源價格在地理空間上的差異

圖3 浦東地區(qū)房源價格在地理空間上的差異

從圖中可以看出，房源價格隨距離增加呈逐漸下降趨勢，但其下降趨勢并不是線性比例的下降，而是減速下降。這提示我們方程的形式應該包括二次形式。圖中的價格下降趨勢中呈現(xiàn)鋸齒形態(tài)，我們設想這是由四個方面的原因造成的：一是預訂政策之間的差異，二是是否整租導致的差異，三是交通便利性導致的差異，四是房源周邊的資源導致的差異。其中，預訂政策包括是否自助入住、能否隨時退訂和是否有押金；交通便利性區(qū)分為公交站點帶來的和地鐵站點帶來的便利性；周邊資源分為商業(yè)環(huán)境、旅游資源、醫(yī)療資源、公共場所四方面。在此基礎上，時間虛擬變量的加入有利于觀察短租價格在不同時點上的變動情況。于是構建如下的方程形式：

其中P表示價格，c為截距項，dis表示房源到區(qū)域中心的距離（單位公里），numb表示房源可容納人數(shù)，traf表示房源周邊的交通數(shù)量（包括地鐵站個數(shù)和公交站點的個數(shù)），neib表示房源周邊的資源（與鄰里特征對應），poly是政策虛擬變量，whole是整租虛擬變量，holy是時間虛擬變量，表示是否為法定節(jié)假日。

在區(qū)位特征中，為了對交通便利性進行合理賦值，我們分別計算了四種情形下的模型分析結果，四個模型分別對應房源所在小區(qū)周邊300米、500米、800米和1000米范圍的交通便利性。檢驗結果表明，當賦值范圍達到小區(qū)中心800m范圍時，地鐵站點系數(shù)通過T檢驗，我們選取800米范圍內的交通數(shù)量作為分析標準。較小的半徑范圍難以通過檢驗的原因是，范圍過小不能充分的包含地鐵站點信息，以小區(qū)中心300米半徑為例，很多大型的小區(qū)自身都覆蓋了這個面積，因此地鐵便利性賦值大都為0，難以起到區(qū)分作用。公交站點一般布局較密，所以在較小范圍內也能有效區(qū)分，不會出現(xiàn)地鐵便利性在較小范圍內不顯著的問題。

對于鄰里特征，我們以相同的思路進行分析，選擇對住宅價格有顯著影響的鄰里特征進入方程，最終確定浦西地區(qū)500米范圍的商業(yè)環(huán)境、1000米范圍的旅游資源、800米范圍的醫(yī)療條件和800米范圍的公共場所進入回歸方程；浦東地區(qū)選擇300米范圍的商業(yè)環(huán)境、1000米范圍的旅游資源、500米范圍的醫(yī)療條件和500米范圍內的公共場所進入回歸方程。

時間因素選擇上，因為共享短租的相當一部分客戶群體為游客，因此假期是短租房源的需求旺季，往往伴隨著價格上漲，我們主要考慮元旦、春節(jié)、清明節(jié)、端午節(jié)、勞動節(jié)、國慶節(jié)和中秋節(jié)7個法定節(jié)假日，將其劃分為長假和小長假兩類，使用虛擬變量表示當前時間是否處于假期以及處于哪種類型的假期。變量設置上，加入的時間虛擬變量以2018年3月為基底，其他各時間虛擬變量系數(shù)代表該時段相對于2018年3月房源價格的增長率。所有時間虛擬變量都通過了顯著性檢驗。我們將虛擬變量的系數(shù)做簡單的變換，就能得到基于特征價格模型的短租房源價格環(huán)比變動情況，并可以由此建立短租價格指數(shù)。

（三）特征價格模型的區(qū)域差異分析

表2給出浦東和浦西地區(qū)共享短租房源的特征價格模型回歸結果，可以看到，一部分特征因素在兩個區(qū)域對短租房源價格表現(xiàn)出類似的作用效果，而另一部分則表現(xiàn)出不同的影響方式。具體分析如下：

表2 上海市短租房源價格特征回歸結果

1.居住特征方面，兩個區(qū)域中容納人數(shù)的系數(shù)均為正，表示短租房源價格隨可入住人數(shù)的增加而增加，這種增加效應在浦西地區(qū)表現(xiàn)得更加明顯。因為浦西地區(qū)的短租房源在相同戶型條件下面積普遍較浦東偏小，因此容納人數(shù)的增加會導致戶型梯度發(fā)生變化，房源價格的增高也就更加明顯。在是否整租這個因素上，浦西和浦東地區(qū)的表現(xiàn)基本相同，在容納人數(shù)相同的條件下，整租房源要比分租價格高。

2.區(qū)位特征方面，不論是浦東還是浦西地區(qū)，距離的系數(shù)皆為負，表明隨距離的增加，房源價格是單調遞減的。但浦東距離系數(shù)的絕對值大于浦西距離系數(shù)的絕對值，表示浦東地區(qū)房源價格隨距離增加下降較快。距離的平方系數(shù)為正，說明這種遞減是減速遞減的。地鐵站點在兩個區(qū)域的系數(shù)皆為正，但在浦東地區(qū)未通過顯著性檢驗。說明地鐵站點對浦西地區(qū)房源價格有顯著的提升作用，而對浦東地區(qū)房源價格的影響不顯著。公交站點的系數(shù)在浦西地區(qū)為正，說明周邊公交站點對浦西地區(qū)房源價格有顯著的提升作用。區(qū)別于浦西的情況，浦東地區(qū)的公交站點系數(shù)為負，即公交站點對房源價格產生負效應。其原因在于，到上海的游客多數(shù)會選擇居住在浦西，因為浦西地區(qū)的商業(yè)資源和游樂資源相對豐富且位置較為集中，地鐵和公交是游客進行城市游的首選交通工具。而浦東相較于浦西來說是富人居住區(qū)，浦東居民的日常出行并不依賴于公共交通設施，有研究表明浦東地區(qū)的住宅價格不受地鐵設施的影響。而短租房源多數(shù)為閑置住宅，其價格必定以住宅價格作為基礎。同時，在浦東地區(qū)租賃短租房源的多為短期商務旅行人士，公共交通亦非其主要出行方式。特別是公交車相較于地鐵來說噪聲較大，會帶來噪聲污染和地面交通的擁堵，在一定程度上對房源價格造成負面影響。

3.鄰里特征方面，我們首先觀察商業(yè)環(huán)境。浦西地區(qū)商業(yè)環(huán)境系數(shù)通過了顯著性檢驗，且系數(shù)為正，說明房源周邊商業(yè)環(huán)境的繁榮對其價格有顯著提升作用，且商業(yè)離小區(qū)越近，作用越明顯。其原因在于上海相較于其他旅游城市來說，自然景觀并不豐富，主打的旅游形式為都市游。尤其浦西地區(qū)，生活氛圍亦偏向于市場化、商業(yè)化，無論是居民還是游客，對商業(yè)的接受程度和熱衷度都非常高。浦東地區(qū)的回歸結果，商業(yè)環(huán)境系數(shù)為負。區(qū)別于浦西地區(qū)情況，浦東地區(qū)住宅小區(qū)500米范圍內的商業(yè)越繁榮，房源價格越低。其次，在旅游資源方面，浦東和浦西都表現(xiàn)出旅游資源對房源價格有正向的影響。從系數(shù)來看，這種影響在浦西地區(qū)表現(xiàn)的更強，其原因還是在于兩個地區(qū)短租客戶群體的差異。再次，醫(yī)療條件在多數(shù)短租定價模型中沒有被考慮，因為短期出游的人群對于醫(yī)療并沒有普遍需求，但是醫(yī)療條件在住宅價格中是一個重要鄰里因素，而該價格與短租房源價格存在密切的關系，因此我們將其納入模型中。可以看到，和商業(yè)環(huán)境一樣，醫(yī)療條件對房源價格的影響是雙向的。我們認為醫(yī)療條件對房源價格的影響有兩方面：其一，鄰近醫(yī)療設施會帶來獲得醫(yī)療救助的便利性，在遇突發(fā)情況時能更加及時的獲得救助，所以醫(yī)療設施對房源價格帶來正的影響；其二，醫(yī)院是救死扶傷之場所，同時也是各種細菌病毒的滋生和聚集場所，越靠近醫(yī)院，醫(yī)療污染的風險越大，所以醫(yī)療設施對房源價格也會帶來負的影響。除此之外，我們還需考慮租住人口的年齡構成特征，一般來說短租面向的客戶群以短期旅游和商務出差的年輕人居多，在選擇租住房源時會更多考慮商業(yè)環(huán)境、旅游資源和自身工作便利性等因素。而較為年長的游客，絕大多數(shù)會選擇在健康狀況良好的情況下出游，對于醫(yī)療服務的需求并不迫切。即便考慮到部分老年人有一定的醫(yī)療需求，但他們的一個特別屬性是有大量的時間，空間上的距離是通過時間上的可達性丈量的，在時間相對充裕的情況下，距離的遠近也就并非重要。所以，醫(yī)療條件對房源價格的影響是極其復雜的，是以上因素的綜合考量結果。回歸結果表明，對于浦西地區(qū)大多數(shù)房源來說，醫(yī)療條件帶來的醫(yī)療便利性稍占主導。與浦西地區(qū)的回歸結果不同，醫(yī)療條件在浦東地區(qū)整體影響并不顯著。進一步分析發(fā)現(xiàn)，浦東地區(qū)醫(yī)療設施對房源價格的影響表現(xiàn)出了較強的趨勢性，即隨著范圍的擴大，影響逐漸由負變?yōu)檎?。距離醫(yī)療設施越近，醫(yī)療污染的可能性越大，人流、車流帶來的擁堵、污染等負面效應也越大；隨著距離醫(yī)療設施的距離增大，負面效果減弱，總的效應轉變?yōu)檎５挥?00米范圍模型的醫(yī)療設施系數(shù)通過了顯著性檢驗，說明對于浦東房源來說，醫(yī)療設施帶來的負面影響稍占主導。最后，公共場所對于游客生活便利性和舒適性的提升是顯然的，但同時也會帶來復雜環(huán)境形成的負面效應。在浦西地區(qū)公共場所系數(shù)均通過了顯著性檢驗，且均為正，說明公共場所對浦西房源的價格具有顯著的提升作用。同時公共場所的系數(shù)體現(xiàn)出了一定的趨勢性，隨著范圍的擴大，公共場所帶來的正效應逐漸降低。公共場所不僅為游客帶來生活的便利，同時也帶來生態(tài)環(huán)境方面正的外部性，緊鄰自然景觀或公園的房源能享受到更多的綠化及景觀，所以距離公共場所越近，受到的正效應越明顯。區(qū)別于浦西地區(qū)的回歸結果，浦東地區(qū)公共場所系數(shù)為負。對于浦東房源來說，公共場所帶來的人流、車流的污染等問題占據(jù)的了主導。并且，浦東地區(qū)多高檔社區(qū)和別墅，其生態(tài)景觀本身就很好，公共場所帶來的景觀外部性并不適用。

4.政策特征方面，在短租房源預訂時，不少人會考慮到因為某些突發(fā)狀況可能導致無法按時入住，因此能否自由退訂就成為影響房源價格的一個重要因素。結果表明，能夠在入住前隨時退訂這個預訂政策，給短租房源的價格帶來正面影響。預定時押金的收取會讓租客在能否順利退還方面產生顧慮，相比于入住前需支付押金的房源，那些除了房屋租金外不需交納其他費用的房源的價格可以稍向上浮動。另外，回歸結果顯示自助入住對房源價格有正向作用，這是由于，一方面不需與房東見面的自助方式在入住和退房的程序上都更為便捷，為租客節(jié)省了一定的時間成本。另一方面，自助的方式可能會導致房東在無法及時發(fā)現(xiàn)租客可能對房屋造成的一些損壞，增加了房源的維護成本，因此房東會適當提高價格來抵消潛在的風險。

以上四個方面可以歸納為上海市的短租房源價格在空間特征上的表現(xiàn)，此外我們在模型中加入了時間序列因素，重點觀察其在時間上的動態(tài)表現(xiàn)。模型中加入的時間虛擬變量以2018年3月為基底，其他各時間虛擬變量系數(shù)代表該時段相對于2018年3月房源價格的增長率。比如“是否長假”系數(shù)為0.5511，其含義是五一和十一長假期間價格相對于2018年3月增長55.1%，所有時間虛擬變量系數(shù)都通過了顯著性檢驗。從回歸結果可以看到，當處于五一、十一或春節(jié)長假期間，短租房源價格普遍上漲，并且其上漲幅度要高于清明、端午等小長假，這與我們對假期出游情況的一般認知較為相符。這提示我們，在進行短租房源定價時，應充分考慮當前所處的時期，以適當?shù)淖儎臃葘r格進行調整。

三、結論與建議

本文以共享短租開源數(shù)據(jù)為基礎，以上海市為例，對短租房源的價格特征進行了詳細深入的分析，一方面建立了可用于房源定價的特征價格模型，另一方面在空間和時間兩個層面歸納了在不同區(qū)域、不同時間點上可能存在的價格特征差異。

綜合前述的分析結果，在房源預定政策和時間動態(tài)變化方面，浦西和浦東兩個區(qū)域的房源表現(xiàn)出相似的價格特征。浦西的短租房源價格隨到浦西中心距離的增加而減速下跌，公交站點和地鐵站點系數(shù)為正，表明公共交通系統(tǒng)正向影響浦西地區(qū)的房源單價。商業(yè)環(huán)境、旅游資源、醫(yī)療條件和公共場所系數(shù)均為正且顯著，表明這些鄰里特征對浦西地區(qū)的短租價格有提升作用；浦東地區(qū)的建筑特征對價格的影響與浦西地區(qū)類似，但是區(qū)位特征上差異明顯，公共交通系統(tǒng)伴隨而來的污染和擁堵給浦東房源價格造成一定負面影響。鄰里特征中，除了旅游資源在兩個地區(qū)都表現(xiàn)出對房源價格的正向影響外，商業(yè)環(huán)境、醫(yī)療條件和公共場所三個因素帶來的負面效果在浦東地區(qū)占主導地位。相較于在浦西地區(qū)回歸結果中的強烈顯著且為正，浦東地區(qū)的回歸結果表明浦東地區(qū)的居住氛圍和租住群體顯著區(qū)別于浦西地區(qū)，對浦西地區(qū)房源帶來提升作用的因素并不一定在浦東地區(qū)產生同樣的效果。

通過對上海市的共享短租房源特征價格模型的研究，可以明顯看出，即使在同一個城市，當房源所處的區(qū)域不同時，建立的模型可能會存在明顯差異。一方面，影響短租房源價格的因素會與影響該區(qū)域住宅價格的因素重疊，且影響方式也非常類似，房源的價格很大程度上取決于其住宅本質。另一方面，由于不同區(qū)域的短租房源面向的租住群體存在差異，造成了某些因素對各個區(qū)域房源價格的影響方式表現(xiàn)出顯著差異，區(qū)域間的這些差異也必然會在不同城市之間存在。這些結論提示我們，當對共享短租房源進行定價時，首先應考慮房源所在的城市與其他城市的區(qū)別，建立針對特定城市的價格模型；其次，要在城市內對不同區(qū)域間的差異進行分析，包括在不同區(qū)域租住的人群特征等；最后，要考慮定價所處的時期特點，對于法定節(jié)假日等特殊時期，建立合理的價格浮動機制。由此，逐步建立起共享短租房源的合理、規(guī)范的定價機制，并在此基礎上編制短租價格指數(shù)，為監(jiān)管部門提供政策依據(jù)，保障短租行業(yè)的持續(xù)穩(wěn)定發(fā)展。