上海市星級酒店客房出租率影響因素實證研究

邱建輝， 張新齊

(1.華東師范大學商學院，上海 200241;2.駐馬店市第三高級中學，河南駐馬店 463000)

一、引言

酒店客房出租率用實際租出的客房數量占可供出租客房數量的比例來表示，它反映了酒店客房的利用率和銷售數量，是體現酒店經營好壞的一個重要指標。因此，設法提高星級酒店客房的出租率有利于增加營業收入，減緩經營壓力。目前，上海市各級別星級酒店客房平均出租率約為55%，其中高星級酒店客房出租率稍高，中低星級酒店的客房出租率僅為53%左右，面臨著較為嚴峻的經營壓力?；诖?，本文將從這些影響酒店客房出租率的因素入手，通過引入交叉變量構建多元回歸模型，分析不同因素對不同星級酒店客房出租率影響程度的大小，并針對不同星級酒店未來的經營措施提出相應的建議。

二、文獻回顧

目前，學術界對星級酒店的研究主要集中在空間分布結構、酒店效率、酒店網絡系統及中低星級酒店的發展方向四個方面。如陳雪鈞運用GIS技術和數理方法對重慶主城區星級酒店的空間布局進行分析［1］，姜海寧運用核密度指數及空間關聯描述方法對長三角五星級酒店的空間分布特征進行探討，并提出了相應的影響因素［2］，梅林從中國星級酒店分布特征入手，選取6大動力活力因子共12個影響因素，通過構建星級酒店發展的活力系統模型，并運用Pearson相關分析法深入分析了各影響因子對我國星級酒店空間分布的影響程度［3］，他們分別基于微觀、中觀和宏觀視角對星級酒店的空間分布結構進行分析;彭建軍、陳浩利用DEA方法中的C2R模型分別對北上廣星級酒店和浙江星級酒店的效率進行了評價［4－5］;熊偉在確定酒店網站功能結構和評價指標的基礎上，利用問卷調查法對顧客需求進行調查，并通過對廣州60家樣本酒店網站的分析，從酒店網站基礎層功能、主體層功能與核心層功能對其網站功能進行了評價，最終提出要使酒店網站真正成為酒店管理和營銷的有效工具，必須充分考慮酒店顧客需求這一結論［6］;張夢基于攜程網1092家酒店網上預訂數據，構建對數線性回歸模型，深入分析了酒店特征信息、顧客評論信息和預訂平臺推薦信息對4類不同等級酒店在線預訂的影響［7］;李俊、龐田田分別指出了我國中低星級酒店的發展現狀，并提出了相應的對策［8－9］。

在星級酒店出租率方面，目前的研究比較少，且主要以定性研究為主。鄭昌江通過對哈爾濱幾家三星級酒店的分析，發現淡季降低房價并不能有效提高其客房出租率［10］;在此基礎上，安杏林提出客房的出租率不但與客房價格相關，還與酒店的星級和地理位置存在密切關系，同時指出酒店的客房出租率應該保持在一定水平上，并非越高越好［11］;蘇甦、周燕分別基于武漢市和南昌市旅游酒店的客房利用現狀，對旅游酒店客房出租率下降的原因進行探討，并提出相應的對策分析［12－13］;在定量研究方面，白智廣利用神經網絡建立了北京酒店客房出租率的預測模型，并給出了相對準確的預測結果［14］。

綜合以上研究發現，學術界對星級酒店研究的內容比較多元，集中程度較弱，而對星級酒店客房出租率影響因素的研究顯得捉襟見肘，缺乏定量的實證性分析。鑒于此，本文從影響星級酒店客房出租率的因素入手，通過對上海市4年(2008—2011年)星級酒店月度相關數據的梳理，結合多元回歸分析方法，得出不同因素對不同星級酒店客房出租率的影響程度。

三、數據描述與計量模型構建

(一)基本數據描述

本文運用的數據主要來源于上海市旅游局政務網公布的2008年1月—2011年12月的旅游統計資料，從中選取各星級酒店的月度客房出租率與客房價格數據，同時截取這4年上海的月度入境游客量作為宏觀數據，以便進行合理分析。此外，由于星級酒店的經營受到旅游季節性的影響較大，本文將引入一些虛擬變量。

作為我們主要關心的因變量，上海市不同星級酒店的月度客房出租率反映了不同星級酒店的經營現狀，是作為酒店經營好壞的一個重要標準。

中國最高法院設立“一帶一路”國際商事法庭不是一個不證自明的課題，在邏輯前提上，國際商事法庭設立的必要性是第一個無法回避的問題。

星級酒店客房月度平均價格(主要反映上海市不同星級酒店的服務質量)與月度入境游客量(主要反映上海市星級酒店客流量的變化)是本文中最主要的兩個自變量。需要說明的是，我們試圖用上海市的總游客量來反映酒店客流量的變化，但受制于數據的可獲得性，本文只能采用相對精確的入境游客量來代替。

為了區分不同酒店的星級，本文在對具體的星級酒店運算中用1代表所分析的星級酒店，其它則為0。

為了更精確地測算客房價格和入境游客量對不同級別星級酒店客房出租率的影響程度，本文引入了兩類交叉變量:酒店客房價格與酒店星級的交叉變量(即在特定星級酒店下該星級酒店價格對客房出租率的影響)和入境游客量與酒店星級的交叉變量(即在特定星級酒店下入境游客量對客房出租率的影響)，二者都作為增量(當系數為正時)或減量(當系數為負時)存在。

此外，數據中還包括反映季節性的虛擬變量。根據以往經驗，上海市星級酒店在“十一”黃金周期間出租率較高，因此對10月份賦值為1，5、6、7、8、9月份也屬于旺季，賦值為0.5，其他月份相對為淡季，賦值為0。主要變量的統計特征描述見表1。

表1 描述統計量

(二)計量模型構建

根據以上變量的確定，本文擬采用多元回歸分析方法，建立如下模型:

其中，Ri為i星級酒店月度客房出租率;β0為常數項;P為星級酒店客房月度平均價格;T為入境游客量;Si為i星級酒店;SiP為i星級酒店與客房價格的交叉變量;SiT為i星級酒店與入境游客量的交叉變量;U為虛擬變量(季節性);ε為隨機干擾項。

為了測算出客房價格對不同星級酒店的影響程度，我們可以利用β1+β4(其中β1代表所有星級酒店客房價格對客房出租率的影響程度，作為一個基礎存量;β4代表當該酒店為i星級時酒店客房價格對客房出租率的影響程度，是在存量基礎上的一個增量或減量)來確定，二者之和越大，說明該星級酒店客房價格對客房出租率的影響程度越大，反之則越小。同理，也可利用β2+β5(其中β2代表所有星級酒店入境游客量對客房出租率的影響程度，作為一個基礎存量;β5代表當該酒店為i星級時入境游客量對客房出租率的影響程度，是在存量基礎上的一個增量或減量)來測算出入境游客量對不同星級酒店客房出租率的影響程度。

四、計量結果與分析

(一)酒店客房出租率與客房價格、入境游客量關系分析

為了更好地運用回歸分析，本文首先對因變量與兩個主要自變量之間的相關關系進行分析。分析結果顯示，酒店的客房出租率與其價格和入境游客量存在顯著的相關關系，兩個自變量之間顯著性不強，這為后面的回歸分析提供了基礎。

值得注意的是，酒店的月度客房出租率與其價格并不呈現傳統的負相關關系，相反，呈現出正相關關系(雖然相關系數不大)。這可能有以下原因:首先，上海市星級酒店客房出租率的變化受入境游客量和季節性的影響較大，在旅游旺季，雖然客房價格有所抬升，但由于供給相對減少，其出租率仍會保持在較高水平，淡季則恰好相反。其次，根據數據統計情況來看，星級酒店客房價格的調整幅度不大，客房作為滿足人們基本需求的商品，其需求價格彈性較小，在一定程度上客房價格的上調造成的出租率下降被游客量的增加抵消了。這種現象在2010年5—10月上海世博會期間表現最為明顯，雖然客房價格高居全年之首，但其出租率已接近80%，遠遠高于平時水平。

(二)不同星級酒店客房出租率受其價格與入境游客量影響程度分析

由于各個變量的單位不同，數據之間的差值較大，為了便于分析，本文先運用SPSS19.0對所有變量數據進行標準化處理。經過標準化變換，既消除了無量綱的影響，又保留了原始數據信息，不會改變原變量之間的相關系數。因此，以下分析均采用標準化后的數據。

在此基礎上，本文分別對不同星級酒店的客房出租率、客房價格、入境游客量、星級數、交叉變量、虛擬變量等進行多元回歸，通過分析其相應自變量的系數，來推斷客房價格和入境游客量對不同星級酒店客房出租率的影響程度。

第一，對五星級酒店相關數據進行多元回歸分析，發現P(五星級酒店客房價格)和T(入境游客量)與R(五星級酒店客房出租率)顯著相關，并且都通過了T檢驗。此外，該模型的R2為0.521，雖然不是很高，但是在可接受范圍內。同時經過F檢驗發現 sig.=0.00＜0.01，說明該模型整體回歸具有較強的顯著性。

通過多元回歸分析還發現，五星級酒店的客房出租率會受到其價格和入境游客量的顯著影響。但是S5*T和S5*P沒有通過T檢驗，說明五星級酒店的客房價格和入境游客量對客房出租率的影響并不顯著異于對其他星級酒店客房出租率的影響。因此，這兩個變量不能被引入模型。按前文所述計算五星級酒店客房出租率受客房價格的影響程度為:β1+β4=0.308。同理，五星級酒店客房出租率受入境游客量的影響程度為:β2+β5=0.58。

第二，對四星級酒店相關數據進行多元回歸分析，發現與五星級酒店相同，P(四星級酒店客房價格)和T(入境游客量)與R(四星級酒店客房出租率)顯著相關，并且都通過了T檢驗。此外，該模型的R2為0.526，在可接受范圍內。同時經過F檢驗發現 sig.=0.00＜0.01，說明該模型整體回歸具有較強的顯著性，可以進行后續分析。

四星級酒店的客房出租率受到其價格和入境游客量的顯著影響。與五星級酒店一樣，S4*T沒有通過T檢驗，說明入境游客量對四星級酒店客房出租率的影響并不顯著異于對其他星級酒店客房出租率的影響，該變量不能被引入模型;但是S4*P通過了T檢驗，說明四星級酒店的客房價格對其出租率的影響顯著異于對其他酒店客房出租率的影響，該變量可被引入模型。因此，四星級酒店客房出租率受其價格的影響程度為:β1+β4=1.083。同理，四星級酒店客房出租率受入境游客量的影響程度為:β2+β5=0.563。

第三，對三星級酒店相關數據進行多元回歸分析，發現與五星級、四星級酒店相同，P(三星級酒店客房價格)與T(入境游客量)與R(三星級酒店客房出租率)顯著相關，并且都通過了T檢驗。此外，該模型的R2為0.531，在可接受范圍內。同時經過 F檢驗發現 sig.=0.00＜0.01，說明該模型整體回歸具有較強的顯著性，可以進行后續分析。

三星級酒店的客房出租率受到其價格和入境游客量的顯著影響。S3*T沒有通過T檢驗，說明入境游客量對三星級酒店客房出租率的影響并不顯著異于對其他星級酒店客房出租率的影響，該變量不能被引入模型;S3*P通過了T檢驗，說明三星級酒店的客房價格對其出租率的影響顯著異于對其他酒店客房出租率的影響，該變量可被引入模型。因此，三星級酒店客房出租率受其價格的影響程度為:β1+β4=1.465。同理，可得三星級酒店客房出租率受入境游客量的影響程度為:β2+β5=0.572。

第四，對二星級酒店相關數據進行多元回歸分析，發現與以上星級酒店相同，P(二星級酒店客房價格)與T(入境游客量)與R(二星級酒店客房出租率)顯著相關，并且都通過了T檢驗。此外，該模型的R2為0.519，在可接受范圍內。同時經過F檢驗發現 sig.=0.00＜0.01，說明該模型整體回歸具有較強的顯著性。

二星級酒店的客房出租率受到其價格和入境游客量的顯著影響。但是S2*T和S2*P沒有通過T檢驗，說明二星級酒店的客房價格和入境游客量對二星級酒店客房出租率的影響并不顯著異于對其他星級酒店客房出租率的影響，這兩個變量不能被引入模型。因此，二星級酒店客房出租率受其價格的影響程度為:β1+β4=0.265。同理，二星級酒店客房出租率受入境游客量的影響程度為:β2+β5=0.585。

第五，對一星級酒店相關數據進行多元回歸分析，發現與以上星級酒店相同，P(一星級酒店客房價格)與T(入境游客量)與R(一星級酒店客房出租率)顯著相關，并且都通過了T檢驗。此外，該模型的R2為0.555，在可接受范圍內。同時經過F檢驗發現 sig.=0.00＜0.01，說明該模型整體回歸具有較強的顯著性，可進行后續分析。

一星級酒店的客房出租率受到其價格和入境游客量的顯著影響。且S1*T和S1*P都通過T檢驗，說明一星級酒店的客房價格和入境游客量對一星級酒店客房出租率的影響均顯著異于對其他星級酒店客房出租率的影響，這兩個變量均可以被引入模型。因此，一星級酒店客房出租率受其價格的影響程度為:β1+β4=1.131。同理，一星級酒店客房出租率受入境游客量的影響程度為:β2+β5=0.046。

五、結論

通過對以上五類星級酒店的多元回歸分析，我們可以認為不管是哪種星級的酒店，其客房出租率都受到客房價格和入境游客量的影響，但是從相關分析與回歸系數來看，客房出租率受入境游客量的影響明顯大于客房價格調整的影響，這與上海作為全國著名的旅游城市不同季節游客量的變化有密切關系。同時還發現，旅游旺季適當漲價并不會引起酒店客房出租率的下降，淡季實行降價策略也不會使客房出租率有明顯的提升。因此，建議上海市星級酒店在旅游旺季可以上調客房價格，在淡季保持客房價格的穩定。

根據對不同星級酒店客房出租率的比較，我們發現上海市中低星級(三星及以下)酒店的客房出租率明顯較低，可能與近年來經濟型酒店的快速擴張有較大關系。面對服務質量更高、價格相對較低的經濟型酒店，中低星級酒店的經營壓力越來越大。因此，為了避免在未來的競爭中慘遭淘汰，這些中低星級酒店可采取提高酒店星級、細化目標客源、提高客戶忠誠度、結成聯盟、形成網絡化營銷平臺等措施［9］。

通過對五類星級酒店的多元回歸分析，我們發現一星級、三星級和四星級酒店的客房出租率受價格變量的影響顯著異于其他星級酒店，且回歸系數都為正，即是說這三種星級酒店受客房價格的影響程度更大;對一星級酒店來說，其客房出租率受入境游客量的影響顯著異于其他星級酒店，但回歸系數為負，說明一星級酒店客房出租率受入境游客量的影響明顯小于其他級別的星級酒店。為了更直觀地顯示不同星級酒店受價格和入境游客量的影響程度，根據前文的回歸分析結果，把相關數據整理，見表2。

表2 各星級酒店客房價格和入境游客量對客房出租率影響程度對比

從表2可以得出以下結論:首先，客房價格對一星級、三星級和四星級酒店的影響程度較大，主要可能因為這三類酒店的需求價格彈性較大，一星級酒店由于受經濟型酒店這一替代品的威脅，價格的微小變動即可促使游客選擇性價比更高的經濟型酒店，而三、四星級酒店客源主要是廣大觀光、休閑旅游者，消費者對其價格的變動較敏感。由于這三類酒店價格的調整會引起客房出租率較大的波動，因此本文建議這三類酒店應盡量保持客房價格的穩定。其次，除一星級酒店外，其他星級酒店受入境游客量的影響基本一樣，說明外來游客可能更傾向于入住上海市二星級及以上的酒店，入住一星級酒店的游客數量不多，因此它受入境游客量的影響程度最小。

六、研究不足與展望

本文通過引入交叉變量，并運用多元回歸分析方法，測算出上海市不同星級酒店受價格及入境游客量的影響程度。由于本文只考慮了客房價格和入境游客量兩個影響酒店客房出租率的主要因素，忽略了其他相關因素(如地理位置、酒店服務等)，可能造成所得結論與實際有所偏差。因此，以后的研究應注重自變量選取的全面性，應盡可能多地反映因變量的信息內容。

［1］陳雪鈞.重慶市主城區星級酒店的空間結構特征研究［J］.華中師范大學學報:自然科學版，2011，45(2):340－344.

［2］姜海寧，肖海平，李廣斌，等.長三角五星級酒店空間格局研究［J］.商業研究，2011(7):79－83.

［3］梅林，韓蕾.中國星級酒店空間分布與影響因子分析［J］.經濟地理，2011，31(9):1580 －1584.

［4］彭建軍，陳浩.基于DEA的星級酒店效率研究——以北京、上海、廣東相對效率分析為例［J］旅游學刊，2004(2):59－62.

［5］陳浩.基于DEA的浙江星級酒店效率評價［J］.江蘇商論，2005(8):76－77.

［6］熊偉，黃思芹，吳必虎.基于顧客需求的星級酒店網站功能評價——以廣州市60家星級酒店為例［J］.旅游學刊，2009，24(9):61 －66.

［7］張夢，張廣宇，葉作亮.在線信息對酒店網上預訂的影響研究——基于攜程網酒店在線預訂數據的分析［J］.旅游學刊，2011(7):79 －84.

［8］李俊.中低星級酒店的現狀與出路［J］.全國商情·經濟理論研究，2008(16):36 －37，24.

［9］龐田田.關于中低星級酒店生存與發展的思考［J］.內蒙古農業大學學報:社會科學版，2011(5):99－100.

［10］鄭昌江.旅游飯店執行淡季優惠價格的探討［J］.商業經濟與管理，1997(2):56－59.

［11］安杏林.星級飯店財務評價客房出租率和房價的確定［J］.技術經濟，2001(4):61－62.

［12］蘇甦.武漢市旅游飯店客房出租率下降的原因及對策分析［J］.湖北大學學報:哲學社會科學版，2000(1):107－109.

［13］周燕.南昌旅游飯店客房現狀分析及對策［J］.科技經濟市場，2008(8):105－106.

［14］白智廣，杜軍平.基于神經網絡的客房出租率預測研究［J］.北京工商大學學報:自然科學版，2006(1):35－37.