商業城市飯店選址的主因素識別

汪 焰

（浙江工貿職業技術學院，浙江 溫州325003）

1 研究前提

飯店選址包括宏觀和微觀兩個層次，即宏觀選位、微觀定址。第一，宏觀選位，即選擇什么地區或城市來投資飯店（區域），飯店投資者或飯店集團在選擇哪個城市作為發展基地時，實際上是在作宏觀區位（區域）的選擇與設計；第二，微觀定址，即具體選擇在該地區的什么位置，如選定北京市作為其投資飯店的基地，下一步面臨的問題就是選擇北京的哪個街區或地段作為投資的具體地點，這便是其微觀定址決策問題。限于研究的篇幅，本文主要探討商業城市內單體飯店的微觀選址研究，把商業城市內單體飯店企業作為我們研究飯店選址的切入方向，其研究目的是分析商業城市內單體飯店微觀選址的影響因素及變量，并識別出影響商業城市飯店定址的主因素。

從經濟學的角度看，不同的地理位置存在著不同的市場約束、成本約束和資源約束，飯店選址具體表現為多維空間地理坐標所決定的飯店經濟利益的差別。因此，本文認為飯店選址研究本質上是研究飯店所選地理位置占據的空間場所以及該場所與其周圍事物之間的經濟地理關系。這些關系就是飯店選址的影響因素，本文將它分為需求性因素、競爭性因素、物理性因素、消費性因素和規模性因素五大類。結合這些因素，根據變量選取的原則并考慮商業城市的特點，將商業城市飯店選址的操作性變量及指標進行設定，如表1所示。假定這些因素和變量對商業城市飯店選址都有影響。

2 研究方法

本次采取的方法是實證研究，在調查數據的基礎之上，進行統計分析，最后得出相關結論。根據研究前提，我們設計了調查表格，以廈門市的星級飯店為樣本進行實地調查。調查小組人員是廈門大學旅游系的研究生。被調查的飯店當中，五星級飯店占2.7%；四星級飯店占18.9%；三星級飯店占43.2%；二星級飯店占35.2%。被調查的數據資料年限以近五年的數據（有的超過五年）為主。

本次使用的分析軟件是SAS12.0。在進行分析之前，關于變量的情況有三點值得注意：第一，定量指標直接以原變量的形式進行分析；第二，等級變量仍用原等級的形式進行分析；第三，關于定性指標，我們不把它放入回歸分析，只用方差分析來看看這個變量對于因變量在統計上是否顯著。

為了對商業城市飯店選址的主因素進行識別，本次研究主要檢驗以下假設：

H1:每個變量對商業城市飯店選址都有影響。

H2:只有某些變量對商業城市飯店選址的影響是最為重要的。

H3:五大變量分別對商業城市飯店選址的影響是不同的。

3 分析結果

3.1 相關分析

將解釋變量與依附變量進行相關分析，SAS輸出結果經過整理如表2所示。通過相關分析，我們可以看出，反映商業城市飯店選址因素的41個變量都與營業收入存在著不同程度的相關性，只不過程度不同而已。這就證明了研究假設當中的假設H1，即41個指標變量對商業城市飯店選址都是有影響的。在41個變量中，相關性強的指標13個，占31.7%；相關性較強的指標9個，占21.95%；相關性弱的指標6個，占14.65%；相關性很弱的指標13個，占31.7%。但是為了盡可能地提高擬合的精度，又要盡可能地使模型簡單，因此有必要對自變量進行刪減。首先，我們刪除與因變量相關性弱及較弱的指標,保留相關性強和較強的指標。其次，在每組變量中，共線性程度達到70%的指標進行相應刪除。經過這樣的處理之后，影響商業城市飯店選址的主因素變量簡化如表3。

表1 操作性變量及指標設定表

表2 相關分析統計表

3.2 回歸分析

將因變量與簡化后的18個指標進行回歸分析，見表4。

SAS輸出結果表明，因變量與這18個自變量擬合的回歸方程的決定系數R2達到91.05%、校正復相關系數也達到89.47%，這說明該回歸方程達到了較好的擬合效果。從方差分析當中F統計量的檢驗效果來看，因變量和所有自變量之間仍然存在一個總體上的顯著性關系。

從偏回歸系數估計分析結果當中可以看見：僅有X14、X20、X25、X31、X35、X36的回歸系數 t檢驗對應的顯著性水平小于0.05，依此說明這六個指標對因變量的貢獻性較大。這就證明了研究假設中的假設H2，即在影響商業城市飯店選址的各種因素當中，只有某些主因素的影響是最為重要的。

3.3 逐步回歸分析

將因變量與38個定量自變量進行逐步回歸分析，SAS輸出結果見表5。

通過逐步回歸分析得到的結果表明，最終的回歸方程保留了 X1、X11、X13、X14、X18、X21、X23、X27、X33、X36、X37共 11 個自變量。因變量與這11個自變量擬合的回歸方程的決定系數R2達到94.53%，從方差分析當中F統計量的檢驗效果來看，因變量和11個自變量之間仍然存在一個總體上的顯著性關系，這說明逐步回歸方程達到了較好的擬合效果。

如果仔細觀察逐步回歸過程當中的每一步回歸（這里逐步回歸的每一步沒有列出），我們還會發現第8步回歸進入的變量X18、第10步回歸進入的變量X14和第11步的回歸進入的變量X13的回歸系數t檢驗對應的顯著性水平大于0.05，這說明X18、X14、X13三個變量在進入回歸方程當中的作用已不是非常顯著。但是從逐步回歸得到最后方程的偏回歸系數估計分析結果當中可以看見：僅有X13的回歸系數t檢驗對應的顯著性水平大于0.05，其它10個變量的回歸系數t檢驗對應的顯著性水平小于0.05，依此說明這10個變量對因變量的貢獻都有顯著性影響。這就進一步證明了研究假設中的假設H2，即在影響商業城市飯店選址的眾多因素當中，只有某些主因素對飯店選址的影響是最為重要的。

3.4 主成分分析

利用SAS12.0對需求性變量、競爭性變量、物理性變量、消費性變量和規模性變量五組指標群進行主成分分析，分別得到五個主成分 F1、F2、F3、F4、F5。 然 后 將 F1、F2、F3、F4、F5 當作自變量與因變量營業收入進行回歸分析，SAS輸出結果表明，因變量與五組指標群變量擬合的回歸方程的決定系數R2達到70.76%、校正復相關系數也達到69.87%，從方差分析當中F統計量的檢驗效果來看，因變量和自變量之間仍然存在一個總體上的顯著性關系。從偏回歸系數估計分析結果當中可以看見：僅有F1、F3、F5的回歸系數t檢驗對應的顯著性水平小于0.05，依此說明這三個指標群對因變量的貢獻性較大，這就證明了研究假設中的假設H3，即五大變量對于商業城市飯店選址的影響是不同的。

表3 指標簡化表

4 結論

（1）具有地理空間特性的物理性變量對商業城市飯店選址的影響是明顯的

通過主成分的分析，對因變量貢獻程度較大的除了規模性變量之后就是物理性變量，這說明在影響商業城市飯店選址的因素當中，具有地理空間特性的物理性變量對商業飯店選址的影響特別明顯。在這類變量中，每一個變量對于商業城市飯店選址的影響程度是不一樣的。經過分析，我們可以注意到：

表4 Parameter Standard

表5

變量飯店到機場的距離對于飯店選址影響較小；變量飯店到市繁華區的距離和飯店到客運碼頭的距離對飯店選址影響最為明顯；變量飯店停車場面積對飯店選址有著正的影響，即停車場面積越大，飯店業績越好；飯店所處道路類別由于道路設計性質和使用功能的不同，也間接的影響著飯店業績；變量飯店的可見度狀況與飯店的營業收入也存在著很強的正相關，但是通過進入三個模型的過程分析，飯店的可見度狀況對方程的影響并不顯著；變量飯店到火車站的距離與飯店營業收入有著較強的正相關，但在逐步回歸模型和回歸分析模型的偏相關系數符號為負，其原因可能是火車站是廈門市繁華區，兩者之間就存在嚴重的共線性關系，從而導致符號相反。

（2）同一城市內，宏觀環境因素對商業城市飯店選址的影響并不很大

宏觀環境因素包括人口、經濟、技術、政治法律、社會文化和自然環境等各種因素。但是在短時間和同一城市內，技術環境因素、政治法律環境因素、社會文化環境因素、自然環境因素是相對不變的。由于選取樣本限于廈門市島內，在變量設置過程中我們僅選取了人口環境因素和經濟環境因素兩項，它們代表著宏觀環境因素的某些特點，同時也蘊含著某一特定區域內的飯店需求特征。因此，我們也把這兩大項設定為特定區域內反映商業城市飯店選址影響因素中的需求性變量指標。

反映商業城市飯店選址的需求性變量指標我們設定為9項。在主成分分析結果中，這9項提出的主成分對方程影響明顯，說明需求性變量對飯店營業收入有一定的影響。從逐步回歸分析的過程看，僅有區域人口規模進入了方程，其偏相關系數符號為正，即區域人口規模越大，對飯店的營業收入影響越強。而在相關分析中，這9項指標與營業收入全都呈現弱或很弱的相關性。必然反映這樣一個事實，在本樣本的前提下，需求性變量指標對商業城市飯店選址的影響并不明顯，更進一步說，就是同一城市內宏觀環境因素對于商業城市飯店選址的影響并不明顯。

[1]汪純孝.飯店物業投資決策與管理形式[M].中山大學出社,1995.

[2]湯炎菲等.可行性研究與投資決策[M].武漢大學出版社,1998.

[3]顧鋒等.存在消費者購買選擇的企業定價選址模型[J].系統工程理論方法應用,1999,(4).

[4]張顯東等.市場競爭條件下的供應商選址模型研究[J].運籌與管理,1998,(6).

[5]David Sichilevi.Designing and Managing the Supply Chain-Concepts Strategies,and Case Studies[M].America:Melerraw-Hill.2000.

[6]Benital M.Beamon.Supply Chain Design and Analysis：Models and Methods[J].International Journal of Production Economics，1998，55.