共享經(jīng)濟中的短租房均衡價格
——基于個人微觀數(shù)據(jù)與混合Logit模型

一 引言及文獻綜述

近些年來的經(jīng)濟觀察表明，信息及通信技術(shù)的創(chuàng)新與應(yīng)用推廣重塑了消費和交易的手段。對社會關(guān)系和可持續(xù)性的關(guān)注與行動導致了P2P(Peer to Peer，對等網(wǎng)絡(luò))消費模式的增長，這被稱之為“共享經(jīng)濟”。Joe L. Spaeth教授于1978年在“Community Structure and Collaborative Consumption: A Routine Activity Approach”中首次提出共享經(jīng)濟概念，將共享經(jīng)濟定義為由第三方創(chuàng)建、以信息技術(shù)為基礎(chǔ)的平臺市場(Daunoriené et al.，2015)[1]，如今的共享經(jīng)濟與實體經(jīng)濟、網(wǎng)絡(luò)經(jīng)濟、信息經(jīng)濟相互融合，改變了傳統(tǒng)主流的信息二分法，將互聯(lián)網(wǎng)、信息和行為內(nèi)在有機地聯(lián)系起來。共享經(jīng)濟作為一種新型的P2P貿(mào)易形式，在“互聯(lián)網(wǎng)+”的大環(huán)境下得到迅速發(fā)展，它的主要內(nèi)容就是為市場提供服務(wù)以及閑置商品，以互聯(lián)網(wǎng)技術(shù)為基礎(chǔ)的分享和協(xié)同開創(chuàng)出一種“我的就是你的”的全新經(jīng)濟共享模式(Botsman和Rogers，2010)[2]。當前，國外學者普遍認為共享經(jīng)濟其協(xié)作大于競爭(杰里米·里夫金，2014)[3]，是個人閑置物品的再分享；國內(nèi)尚無共享經(jīng)濟的官方定義，多數(shù)學者認為，共享經(jīng)濟偏向于陌生人的網(wǎng)上交易(朱文征，2014)[4]。

當前，中國有超過7億人參與共享經(jīng)濟，共享經(jīng)濟市場交易額約為49205億元。在現(xiàn)代化服務(wù)業(yè)不斷發(fā)展的時代背景下，共享經(jīng)濟、“互聯(lián)網(wǎng)+”的經(jīng)濟模式相互融合，推動了短租房交易市場逐漸崛起，使閑置資源得到更充分地利用。螞蟻短租、小豬短租等中國本土短租房交易平臺以及2016年正式進入中國市場的Airbnb等國外短租房線上交易平臺一起對中國傳統(tǒng)的旅游住宿業(yè)造成了巨大沖擊。《中國分享經(jīng)濟發(fā)展報告2018》顯示，2017年，中國房屋住宿領(lǐng)域交易規(guī)模為145億元，同比增長70.6%，主要住房分享平臺的房源數(shù)量超過190萬套，用戶總?cè)藬?shù)超3500萬人，每日在線申請的用戶房源達到1500個。

資源共享的本質(zhì)特性正隨閑置物品的分享和陌生人的網(wǎng)上交易擴展而得到越來越多的表達：在交通出行方面，共享單車、共享電動車、共享汽車等交通工具作為共享對象，改變了人們的出行方式；在知識技能方面，在線問答、網(wǎng)絡(luò)直播等技能出租、付費豐富了人們解決問題的方法和形式，并使問題的解決更具針對性和便利性；在醫(yī)療服務(wù)領(lǐng)域，線上醫(yī)療應(yīng)用軟件實體化、線下實體醫(yī)療機構(gòu)電子化將有效推動醫(yī)療改革，縮小城鄉(xiāng)醫(yī)療衛(wèi)生方面的差距；在生產(chǎn)領(lǐng)域，閑置資源的共享推動企業(yè)資源配置方式變革和行業(yè)轉(zhuǎn)型升級，優(yōu)化了中國產(chǎn)品和服務(wù)的發(fā)展環(huán)境。

在房屋住宿方面，線上短租房市場發(fā)展勢頭迅猛，共享經(jīng)濟為閑置的房屋資源提供了合理利用的途徑，避免了資金和空間的閑置浪費。當互聯(lián)網(wǎng)的“訂單經(jīng)濟”與旅游住宿相互交叉，閑置房屋的短期出租交易作為共享經(jīng)濟在旅游界催生的新興產(chǎn)業(yè)，因其性價比高、租賃周期隨意、租住時間機動性強，正在逐漸代替?zhèn)鹘y(tǒng)酒店、旅館住宿。當前，中國短租房交易較為活躍的地點主要集中在一線城市和東部地區(qū)，據(jù)統(tǒng)計，這些地區(qū)的房源供給和用戶占比均在60%以上。可以預(yù)見，共享短租房未來市場潛力巨大，房源數(shù)、用戶數(shù)、交易額等都將持續(xù)增加，而短租房交易的發(fā)展也將帶動保潔、裝修、維修、保險等相關(guān)行業(yè)的發(fā)展。

網(wǎng)絡(luò)經(jīng)濟下，消費者不再滿足于個別信息或局部信息，期望掌握更多的關(guān)聯(lián)性動態(tài)性信息，這體現(xiàn)了互聯(lián)網(wǎng)關(guān)聯(lián)信息元吸收性和兼容性的意義(張永林,2016)[5]。圖1展示了線上短租房交易過程在互聯(lián)網(wǎng)與信息態(tài)屏幕化市場下的概念圖。隨著互聯(lián)網(wǎng)技術(shù)應(yīng)用的拓展，線上短租克服了時間的稀缺性約束，信息可以被無限復制傳輸。短租房相關(guān)信息以線上交易平臺為依托，在互聯(lián)網(wǎng)這個信息池中集合，通過反饋機制，促進信息的交換，最終將結(jié)果體現(xiàn)至終端。具體表現(xiàn)為：一方面，房東可以通過電腦端或手機端看到自己閑置房屋出租的全過程，另一方面，消費者通過電腦端或手機端可以看到自己預(yù)定房屋的全過程。

圖1 線上短租房交易在互聯(lián)網(wǎng)與信息態(tài)屏幕化市場下的概念圖

在現(xiàn)有的短租房市場交易模式中，互聯(lián)網(wǎng)線上交易成為主要交易方式，消費者可根據(jù)信息平臺上提供的可視信息進行判別，選擇理想的住房進行租住。以Airbnb相關(guān)數(shù)據(jù)為例，Ert et al.(2016)[6]的研究認為短租房的交易率與房東的特征以及產(chǎn)品的特性有關(guān)，而房東的特征則通過可視化的信息(如頭像照片)以及不可視化的信息(如信譽)來判斷，產(chǎn)品的特征則可根據(jù)互聯(lián)網(wǎng)交易平臺上的產(chǎn)品圖片來判斷。他們研究發(fā)現(xiàn)，消費者在選擇短租房時，更傾向于信賴可感知的信息，例如房東性別、房屋照片等，而不是交易平臺上消費者對短租房過高的交易評分。鄭志來(2016)[7]以Airbnb為案例指出，當前共享經(jīng)濟的商業(yè)模式基礎(chǔ)應(yīng)該是閑置、價值與回報。

現(xiàn)有研究中，國內(nèi)外學者主要關(guān)注短租房交易軟件的運營模式、企業(yè)內(nèi)部管理等方面，極少對短租房本身的價格影響因素進行量化研究。本文運用混合Logit模型，基于消費者的偏好選擇，分析短租房的出租價格影響因素，并預(yù)測各個因素最終對消費者選擇短租房的影響，以便為完善線上短租房交易市場的定價、提升網(wǎng)絡(luò)平臺交易的有效性提供參考。

二 模型構(gòu)建及解釋變量分析

在多值選擇模型中，Mixed Logit模型能考慮到不同消費者選擇偏好的異質(zhì)性，較好地反映不同決策者之間參數(shù)的不同，且當不同時間擾動項之間存在相關(guān)性時，能直接把模型推廣到面板數(shù)據(jù)，同時克服IIA(Independence from Irrelevent Alternatives)假設(shè)。McFadden和Train(2000)[8]證明任何隨機效用模型可以以任意精度被Mixed Logit模型逼近，趨近任何一種基于隨機效用理論的離散選擇模型。同時，由于沒有封閉概率表達形式，Mixed Logit模型的使用方式靈活。因此，本文將通過建立混合Logit模型框架并進行回歸標定效用函數(shù)，最后對短租房交易過程中，不同消費者的偏好選擇進行預(yù)測。

(一)模型構(gòu)建

短租房市場的消費者面臨選擇時，往往是多值的。消費者的年齡、家庭收入、對相關(guān)信息的敏感程度等都將影響消費者對不同價位短租房的選擇。因此，需要采用多值選擇模型，分析消費者多種互相排斥的選擇。本文采用混合Logit模型，從消費者的偏好選擇入手，對短租房價格影響因素進行分析。

1.多項Logit模型

在多值選擇中，消費者i選擇不同價位的短租房j帶來的隨機效用為：

Uij=x′iβj+εij(i=1， …，n；j=1， …，J)

(1)

消費者i選擇短租房j的概率為：

P(yi=j|xi)=P(εik-εij≤x′i,βj-x′i,βk， ?k≠j)

(2)

假設(shè){εij}為iid且服從I型極值分布，則多項Logit模型可表達為：

P(yi=j|xi)={ 11+∑Jk=2exp(x′i,βk) (j=1)
exp(x′i,βk)1+∑Jk=2exp(x′i,βk) (j=2，…，J)

(3)

其中，j=1所對應(yīng)的方案為參照方案。

2.混合Logit模型

一般而言，個體選擇備選方案主要受三個方面的影響，分別是系統(tǒng)效用、隨機效用和誤差部分(白瑞等，2006)[9]，固定效用包含決策者的屬性變量或選擇性的屬性變量，在Mixed Logit模型中，對待估參數(shù)α(α=α1，α2，α3……)可用下式表達：

Uij=V′ijα+εij+ξij

(4)

其中，Uij為消費者i(i=1， 2， 3……)對選擇的短租房j(j=1， 2， 3……)的效用，V′ij為系統(tǒng)效用，又稱可觀測效用，εij為隨機效用，又稱不可觀測效用。

Mixed Logit模型的概率函數(shù)為多項Logit模型在其密度函數(shù)上的積分形式(劉振和周溪召，2005)[10]，即：

Pij=∫Kij(α)f(α|θ)d(α)

(5)

其中，Kij(α) 為待估參數(shù)α的多項Logit模型，即：

Kij(α)=evij (α)∑Nn=1evij(α)

(6)

將式(2)、式(3)合并，即可得Mixed Logit模型的選擇概率：

Pij=∫evij (α)∑Nn=1evij (α)f(α|θ)d(α)

(7)

其中，f(α|θ)是α的密度函數(shù)，其種類可以根據(jù)研究的方向不同而進行選擇，混合Logit 模型可計算待估參數(shù)α的均值M和標準差S兩個參數(shù)。

3.IIA值假定檢驗

經(jīng)濟學很多分支都有IIA(Independence of Irrelevant Alternatives)假定，在多項Logit和混合Logit模型中，如果不同方案之間內(nèi)容類似、聯(lián)系緊密，將不一定滿足IIA假定，因此，需要對模型進行IIA假定的檢驗。本文采用豪斯曼檢驗：

(8)

其中，βR為去掉某個方案后子樣本的系數(shù)估計值，βF為全樣本的系數(shù)估計值，m為βR的維度。

(二)數(shù)據(jù)來源與變量描述性統(tǒng)計

1.數(shù)據(jù)來源

根據(jù)《中國分享經(jīng)濟發(fā)展報告2018》，一線城市和東部地區(qū)為線上短租房交易活躍地區(qū)，因此本文以江蘇、浙江、上海為研究對象。通過Python技術(shù)，截取螞蟻短租平臺線上三地的房源定價，除去異常值后，得到四分位數(shù)據(jù)，在此基礎(chǔ)上，將當前短租房日均價格細分成5種模式。

表1 江浙滬線上短租房市場定價及劃分

本文分析數(shù)據(jù)來源于2017年7月-2017年10月的問卷調(diào)研。調(diào)研團隊根據(jù)中國旅游研究院發(fā)布的《中國國內(nèi)旅游發(fā)展年度報告2017》客源地潛在出游力分類，即客源地居民群體在經(jīng)濟能力、休假制度、身心健康等條件下形成的參與戶外休閑或旅游的綜合能力劃分，同時考慮各地區(qū)線上短租房交易活躍度及經(jīng)濟狀況等因素，選取江蘇省、福建省、江西省等3個出游力不同的省份。其中，江蘇省為出游力極強地區(qū)，其次是福建省，江西省出游力一般。在調(diào)研過程中，選取3個省份中經(jīng)濟發(fā)展水平不同的地區(qū)，僅從消費視角進行分析。本次調(diào)研范圍涉及到9個縣(市)，與當?shù)芈眯猩绾献鳎S機選擇了一定數(shù)量的調(diào)研對象，調(diào)研對象均為了解線上短租房或曾有過線上短租房租住經(jīng)歷的消費者。本次調(diào)研共發(fā)放問卷500份，剔除答題不完整、答案前后矛盾的無效問卷后，實際有效問卷460份，占總問卷量的92%。

研究的基本思路是，在調(diào)查表中設(shè)計了若干影響中國短租房價格形成的因素變量，整理收集到的橫截面數(shù)據(jù)，用于模型的預(yù)估檢測分析，建立混合Logit模型展開實證分析，對建立的混合Logit模型進行預(yù)測效率檢驗，修正模型，最終得到預(yù)測效率較高的預(yù)測模型。

研究變量從個人偏好選擇入手，分為個人屬性和出行屬性兩方面，形成變量層，具體指標的設(shè)定如圖2。

2.樣本基本特征

社會人口統(tǒng)計特征能較好地反映消費者的個體狀況，故個人屬性部分采用人口學指標，內(nèi)容主要包括年齡、收入。其中，收入具體為年家庭可支配收入，其可反映消費者用于最終消費、投資、非義務(wù)性支付及儲蓄的收入水平。年齡分布上，本文以具有完全民事行為能力公民最低年齡18周歲為劃分基線。在家庭可支配收入方面，以當前中國常見的家庭組成方式——核心家庭為計算基準。核心家庭的主要家庭成員組成方式為夫妻二人及其未婚子女，因此，問卷調(diào)查中，對于家庭可支配收入的相關(guān)算法為共同居住的夫妻二人收入加上未婚子女收入。對于好評率和用戶評價的關(guān)注與否，是消費者在線上短租房選擇過程中個人情感傾向的表達方式，也是可視的直觀信息。出行人數(shù)及出行費用預(yù)算則可能影響消費者在出行過程中對房屋住宿方面的開支及短租房價格的接受程度。

表2描述了本次調(diào)查的基本特征。年輕用戶是住房分享經(jīng)濟的第一大消費群體，因此，調(diào)查對象年齡分布在23-29歲、30-39歲兩個年齡段居多，分別占樣本總量的38.9%和37.4%，家庭可支配收入分布中，12-18萬、18-24萬的受訪人群較多，分別占總樣本的32.2%和41.5%。

表2 調(diào)查樣本基本特征的描述性統(tǒng)計

(續(xù)上表)

3.變量說明和描述性統(tǒng)計

將因變量短租房價格劃分為200元以下、200-400元、400-600元、600-800元及800元以上5個模式(模式一、模式二、模式三、模式四、模式五)，由被調(diào)查者綜合自身情況進行選擇。表3就3個省份的選擇結(jié)果做出描述。

表3 江蘇省、福建省、江西省短租房價格模式選擇情況分析

由表3可見，3個省份的調(diào)查對象對線上短租房價格模式的選擇是有差異的(P=0.000)。整體選擇趨勢表明，參與調(diào)查的絕大多數(shù)消費者對200-400元、400-600元兩個價格區(qū)間的短租房需求量更大，三省中選擇模式二、模式三的人群百分比均比其他三種模式要高，這一結(jié)果符合預(yù)期。江蘇省作為3個調(diào)查地區(qū)中出游力最強的省份，樣本數(shù)據(jù)相對更豐富，對于各個價格下的短租房接受度也最高，鐘士恩等(2009)[11]認為，60%的出游力是由社會經(jīng)濟規(guī)模決定的，居民生活水平和對外聯(lián)系水平的影響約占30%和10%，從出游力的形成因素進行分析，也可以得出樣本數(shù)據(jù)的合理性。觀察五種價格模式下的短租房需求量發(fā)現(xiàn)，模式一為最低價格段，在該價格段內(nèi)，江西省調(diào)查對象的選擇人數(shù)遠超其他兩省，即在低價短租房需求量上，江西省的消費者遠高于江蘇省和福建省；模式二和模式三作為中端住宿價位，在3個省調(diào)查對象中需求量都是較大的，觀察線上平臺的房源信息，發(fā)現(xiàn)模式二和模式三價位下的短租房房源較多，且相關(guān)設(shè)施均能滿足一般個人或家庭的出行住宿需求，即線上房源的供給數(shù)量和質(zhì)量在一定程度上也影響著消費者的選擇。模式四作為短租房中的中高端價位，需求量已經(jīng)開始減少，但江蘇省消費者的需求量大于其他兩個省。模式五劃歸為高端價位的短租房，由于該價位房源較少，多數(shù)設(shè)施精致、房屋面積大，且對消費者的消費能力有一定要求，因此需求量較少。出行的主體是人，不同的社會人口統(tǒng)計特征可能會影響消費者對短租房的選擇，且不同特征的影響程度不同，因此，下文將從家庭可支配收入、年齡、家庭出行費用預(yù)算等人口統(tǒng)計特征以及消費者個人偏好入手，探究各因素對共享經(jīng)濟中短租房均衡價格形成的影響。

家庭可支配收入(HDI)。該變量為不隨方案而變的解釋變量，《2017年中國統(tǒng)計年鑒》顯示，2016年，全國人均可支配收入為23821元，其中，東部地區(qū)人均可支配收入為30654.7元，中部地區(qū)人均可支配收入為20006.2元，西部地區(qū)人均可支配收入為18406.8元，東北地區(qū)人均可支配收入為22351.5元。由于樣本調(diào)查區(qū)域均為東部地區(qū)，因此，將6萬元作為本調(diào)查中家庭可支配收入的基線較合適。根據(jù)統(tǒng)計數(shù)據(jù)，調(diào)查人群中，家庭可支配收入大部分集中在12-24萬元之間。根據(jù)偏好選擇指標分析顯示，家庭可支配收入的差別具有統(tǒng)計學上的意義。

年齡(Age)。該變量為不隨方案而變的解釋變量，為了考察年齡對消費者選擇短租房價位的影響，本次調(diào)查設(shè)置了5個年齡水平，由表3可見，調(diào)研對象年齡主要集中在23-49歲間，年輕的消費群體占據(jù)了多半線上短租房市場，成為共享閑置房屋的主要參與主體。且年齡的增長在一定程度上影響著對短租房價格的承受能力。

是否關(guān)注好評率(FR)。該變量為不隨方案而變的解釋變量，是虛擬變量(1=“關(guān)注”；0=“不關(guān)注”)。由表3得到，各個消費階層的消費者對于好評率的關(guān)注度實際上并未有較大起伏，原因可能在于，好評率是線上短租房質(zhì)量的直觀體現(xiàn)，隨著價格的增長，消費者對于好評率的關(guān)注度又有所上升。

是否關(guān)注用戶評價(CMNT)。該變量為不隨方案而變的解釋變量，是虛擬變量(1=“關(guān)注”；0=“不關(guān)注”)。消費者對用戶評價的關(guān)注度與對好評率的關(guān)注度呈現(xiàn)出類似規(guī)律，隨著對短租房價格承受能力的增加，消費者對用戶評價的關(guān)注度越來越高。不過，當前線上短租房也存在著相關(guān)用戶評價缺少參考價值、評價有較為強烈的個人情感傾向以及各消費者接受度和期望值不盡相同等問題。

是否關(guān)注房東性別(Gender)。該變量為不隨方案而變的解釋變量，是虛擬變量(1=“關(guān)注”；0=“不關(guān)注”)。調(diào)查發(fā)現(xiàn)，對于房東性別的關(guān)注比例隨著對房屋價格承受度的增加而有所減弱。

出行人數(shù)(TN)。該變量為不隨方案而變的解釋變量，線上短租房主要針對市場上自助出行的消費者，考慮到當前的家庭結(jié)構(gòu)、家庭出行方式、個人出行、出行便利度等情況，將四人及四人以上出行人數(shù)合并為一類。

家庭出行費用預(yù)算(HTB)。該變量為不隨方案而變的解釋變量，體現(xiàn)了家庭在出行方面的費用開支。一般來說，家庭出行費用預(yù)算越高，對房屋價格承受能力也將越高。

具體的變量說明及描述性統(tǒng)計如表4所示。

表4 短租房價格模式偏好選擇結(jié)果的描述性統(tǒng)計

(續(xù)上表)

三 模型實證結(jié)果及分析

(一)因素間Pearson相關(guān)矩陣

本文采用Pearson相關(guān)系數(shù)分析各因素間聯(lián)系強弱。

表5 影響線上短租房定價因素的Pearson相關(guān)矩陣

(續(xù)上表)

注：*P<0.1，**P<0.05。

Pearson相關(guān)系數(shù)的大小決定了各變量間相關(guān)關(guān)系的強弱，Cohen(1988)[12]提出當0.1<|r|<0.3時，分析對象互為弱相關(guān)，0.3<|r|<0.5為中度相關(guān)，|r|>0.5為強相關(guān)，根據(jù)表5可知，出行人數(shù)、家庭可支配收入以及家庭出行費用預(yù)算與短租房價格選擇存在著強相關(guān)關(guān)系，對好評率、用戶評價的關(guān)注度與短租房價格選擇存在一定的相關(guān)關(guān)系，但相關(guān)性較弱。其中，出行人數(shù)與家庭出行費用預(yù)算對短租房價格選擇的影響較大，出行人數(shù)增加，對于房間面積、住房基礎(chǔ)設(shè)施、交通便利度等方面的要求更高，因此對房間價格的可接受度也越高，年齡與出行人數(shù)之間存在著強相關(guān)，一般而言，隨著年齡的增長，家庭組合結(jié)構(gòu)發(fā)生變化，家庭出游人數(shù)也可能相應(yīng)增加。2017年國家全面開放二孩政策，從長遠來看，未來家庭出行人數(shù)可能持續(xù)增加；年齡與家庭可支配收入存在著強相關(guān)，年齡的增加往往伴隨著工作經(jīng)驗、工作年齡的增加，薪金、福利待遇也會有所增加，加上未婚子女參與工作取得收入，因此家庭可支配收入與年齡存在著正向相關(guān)性；家庭可支配收入與家庭出行費用預(yù)算存在著強相關(guān)，可以理解為消費者用于最終消費、投資、非義務(wù)性支付及儲蓄的收入水平高低影響其在出行方面的開支。對房東性別關(guān)注度這一解釋變量與出行人數(shù)和家庭可支配收入具有相關(guān)性，對原數(shù)據(jù)進行觀察，發(fā)現(xiàn)當出行人數(shù)為一人或者較少時，消費者對房東性別的關(guān)注度更高，此舉可能是出于安全性或是溝通便利性考慮，當出行人數(shù)較多時，房東的性別在一定程度上不會對消費者選擇短租房構(gòu)成影響。

(二)構(gòu)建用于預(yù)測的多值選擇模型

通過Stata軟件建立多項Logit模型用于豪曼斯檢驗。估計多項Logit模型后，進一步對模型進行豪斯曼檢驗，得出表6。

表6 豪斯曼檢驗結(jié)果

豪斯曼檢驗結(jié)果顯示，去掉四個非參照方案中的任一方案，均不拒絕IIA的原假設(shè)，滿足“無關(guān)選擇的獨立性”，因此隨機檢驗?zāi)Ｐ涂蛇M行本次調(diào)查數(shù)據(jù)的分析預(yù)測，參數(shù)估計結(jié)果將較為準確。

(三)混合Logit模型的構(gòu)建

經(jīng)對數(shù)據(jù)進行IIA檢驗并得出不拒絕IIA原假設(shè)后，進一步構(gòu)建混合Logit模型。混合Logit模型對對照組的選擇要求不高，本文將模式三設(shè)置為對照組的原因在于，模式三價格處于5個模式中間位置，且相對選擇人數(shù)較多。

表7 基于消費者偏好的價格模式選擇的混合Logit模型

注：*P<0.1，**P<0.05，***P<0.01。

模型的另一目的是進行預(yù)測，以便反映現(xiàn)實狀況的發(fā)展趨勢。因此，在構(gòu)建混合Logit模型后，對基于情感偏好下消費者對不同價位短租房的選擇進行樣本內(nèi)預(yù)測，以100例樣本數(shù)據(jù)作為檢驗樣本進行建模，再將模型代入總樣本進行預(yù)測效率的檢驗，最終得出表8。

表8 基于消費者偏好的價格模式選擇的混合Logit模型預(yù)測效率分析

表8顯示，在現(xiàn)有數(shù)據(jù)樣本下，基于消費者偏好的價格模式選擇的混合Logit預(yù)測模型對模式一的預(yù)測一致率為51.1%，對模式二的預(yù)測一致率為63.4%，對模式三的預(yù)測一致率為71.2%，對模式四的預(yù)測一致率為52.2%，對模式五的預(yù)測一致率為40%，模型總體預(yù)測效率為62.83%，該模型除了對模式五的預(yù)測一致率低于50%外，其余一致率均在50%以上。由于本次調(diào)查中收集到的模式五選擇樣本較少，導致最終的預(yù)測一致率偏低，考慮到模型預(yù)測的準確性，將在后續(xù)調(diào)查中增加相關(guān)樣本容量，提升模型對模式五的預(yù)測一致率。

(四)短租房市場價格影響因素分析

在影響因素的分析中以模式三為對照組。

混合Logit模型的常數(shù)項顯示，在沒有任何影響因素的情況下，消費者更愿意選擇模式一(200元以下)的短租房，而不愿意選擇價格較高的短租房。這種偏好十分理想，現(xiàn)實中幾乎不可能存在，因此，模型的常數(shù)項僅提供分析其他變量的基線水平。

相對于模式三，家庭可支配收入的增加使得消費者選擇模式四(600-800元)及模式五(800元以上)的概率增加，即家庭可支配收入越高，消費者對高價的短租房接受度也越高，他們傾向于選擇價格較高的短租房，而不再考慮價格相對較低的。

在不同年齡階段，消費者對短租房的價格選擇也呈現(xiàn)出一定的規(guī)律性，隨著年齡的增加，消費者傾向于選擇模式一和模式四。出現(xiàn)這種情況可能有以下兩種原因：第一，家庭組成人員發(fā)生變化。一方面，當子女形成自己家庭后，家庭出行人數(shù)減少，對臨時住房要求降低，從而傾向于選擇價格相對較低的短租房，這一年齡階段主要集中在50歲及以上；另一方面，年齡的增加也可能帶來家庭人口的增加，因此出現(xiàn)了對模式四價格下短租房的選擇偏好，這一年齡階段主要集中在30-40歲之間。第二，家庭儲蓄的變化。Chamon和Prasad(2010)[13]等認為中國的年齡-儲蓄率呈U形關(guān)系，低儲蓄率的年輕人家庭或老年人家庭傾向于選擇與他們的中年父母或子女居住在一起，這一方面提高了青年戶主家庭和老年戶主家庭的平均儲蓄率,另一方面也拉低了中年戶主家庭的平均儲蓄率(李蕾和吳斌珍，2014)[14]。

在對線上短租房可視信息——好評率的關(guān)注度上，對比于模式三，認為好評率的高低對自己選擇起到重要作用的消費者主要集中在模式二和模式四中，這可能與當前國內(nèi)線上短租房市場剛剛興起有關(guān)。由于以“短租房”形式開展的房屋共享在國內(nèi)剛剛起步，普及率不高，多數(shù)人對“閑置房屋共享”這一概念較陌生，線上短租房相關(guān)的評價人數(shù)少且好評率均較高，模式二、模式三、模式四的房間價位為200-800元，高接受度和高入住率帶來的好評率更具參考價值。

表7顯示，消費者將用戶評價作為重要依據(jù)從而選擇模式二、模式三、模式四、模式五的相對概率是不斷上升的，這可能是由于，隨著支出的增加，消費者對支付對象選擇更加謹慎，用戶評價作為參與共享環(huán)節(jié)的非利益相關(guān)人，對共享物品的文字描述具體且直觀，成為潛在消費群體重要的參考意見。當然，用戶評價也具有強烈的個人感情色彩，消費者個人偏好不同，對評價信息的接受度可能不同，這也成為了部分消費者對用戶評價關(guān)注度較低的一個原因。

在對房東個人信息的關(guān)注度上，相較于模式三，選擇模式一、模式二的消費者更關(guān)注房東個人信息，進一步分析這一預(yù)測結(jié)論可以發(fā)現(xiàn)，偏好選擇這三種模式的消費群有很大一部分是單獨出行或少數(shù)人結(jié)伴出行，出于自身安全等相關(guān)因素的考慮，選擇該房價的消費者將房東個人信息作為選擇的重要依據(jù)之一也就不難理解了。

在出行人數(shù)方面，出行人數(shù)越多，越傾向于選擇模式四和模式五。一般而言，出行人數(shù)越多，對住所空間需求就越大，對住宿環(huán)境、房屋基礎(chǔ)設(shè)施要求也較高，這種情況下，消費者提高了對房間的承受價格，或者說，當出行人數(shù)較多時，消費者對房屋的價格不再敏感，在合理范圍內(nèi)，他們的選擇也更多。

家庭出行費用預(yù)算顯示隨著家庭在出行方面支出的增加，選擇房間的價格也將隨之增加。

(五)實證結(jié)果討論

盡管多數(shù)學者對房屋的均衡價格有所研究，但是共享經(jīng)濟中的類似問題仍然較少討論。當前學界幾乎沒有進行關(guān)于共享經(jīng)濟線上短租房價格的實證研究，共享經(jīng)濟中的住宿預(yù)訂與原有酒店行業(yè)的影響因素可能大有不同。本文補充了相關(guān)領(lǐng)域的研究不足，并得出了短租房市場價格與消費者的家庭可支配收入、年齡、對好評率的關(guān)注度、對用戶評價的關(guān)注度、出行人數(shù)、家庭出行費用預(yù)算以及對房東性別關(guān)注度等因素的相關(guān)性強度，以及不同因素對最終閑置房源定價的影響。本研究的一個目的是了解用戶情感偏好對短租房均衡價格的影響，另一個更實際的目標是幫助參與共享經(jīng)濟活動的雙方作出更好的決策。

共享經(jīng)濟下，短租房的交易主體是分享者(房東)與需求者(消費者)，兩者的供需平衡將構(gòu)成短租房市場的均衡價格，當消費者通過個人需求，結(jié)合網(wǎng)頁可視信息選擇房屋時，房東同樣也可以選擇消費者。本文的研究結(jié)果將更有利于房東掌握不同消費者選擇住宿的規(guī)律特點，并根據(jù)自身心理預(yù)期和需求，推出相適應(yīng)的住宿產(chǎn)品，從而使個人利益最大化。2017年7月，國家發(fā)展改革委發(fā)布《關(guān)于促進分享經(jīng)濟發(fā)展的促進性意見》指出，“將進一步取消或放寬資源提供者市場準入條件限制，審慎出臺新的市場準入標準。”該意見鼓勵更多擁有閑置房屋資源的房東進入線上短租房市場。在此發(fā)展背景下，若房東在充分評估閑置房屋自身條件后，明確線上短租房均衡價格區(qū)間，根據(jù)地區(qū)旅游者特點，將房屋定價設(shè)置為不同模式范圍內(nèi)，不僅有利于充分利用閑置房屋資源，而且有助于構(gòu)建規(guī)范的短租房市場定價機制，自發(fā)形成合理的市場價格。

四 結(jié)論及進一步提升短租房市場質(zhì)量的討論

隨著居民消費結(jié)構(gòu)中旅游服務(wù)業(yè)占比不斷增加，消費者對于共享短租房的消費習慣逐漸形成，未來中國線上短租房發(fā)展的潛力和空間巨大。這種共享模式不僅極大地降低交易成本，還盤活閑置資源存量、創(chuàng)造新的社會價值，成為未來新的經(jīng)濟增長點。為了促進國家短租房市場的健康發(fā)展，理順短租房與其它商用住房的價格關(guān)系，讓價格更好地反映消費者的多元化偏好，延續(xù)本文的研究結(jié)論，進一步提出關(guān)于提升短租房市場質(zhì)量的幾個討論要點。

第一，就短租房的提供者而言，明確潛在客戶群體，根據(jù)不同消費者的選擇偏好，有針對性地定制閑置房屋的價格十分重要。在對固定消費群體的家庭可支配收入、年齡階段、出行人數(shù)、家庭出行費用預(yù)算有了整體的了解評估后，房東還應(yīng)對好評率、用戶評價進行個性化管理，同時完善豐富可視的個人信息，合理制定房屋租價，提高交易率。

第二，對短租房交易在線平臺企業(yè)來說，需要建立良好的信任機制。共享經(jīng)濟模式的基礎(chǔ)是信任，建立良好的信任機制將有助于雙方參與者放心交易，在當前線上交易的網(wǎng)頁設(shè)置上，交易率、好評率、評價信息、房東簡介等相關(guān)信息成為相互了解、信任的途徑。線上交易平臺應(yīng)嚴格把關(guān)，制定信息評估體系，統(tǒng)一標準，確保參與雙方信息的真實性和準確性，同時落實安全政策和隱私保護政策，保障個人信息的安全。

第三，對短租房市場的管理部門來說，通過法律法規(guī)明確交易雙方及交易平臺的責任和義務(wù)是提升線上短租房市場質(zhì)量的一個關(guān)鍵。與酒店、家庭旅館等正規(guī)化、規(guī)模化、商業(yè)化、標準化的運營模式相比，線上短租房經(jīng)營模式進入中國市場時間短，交易方式較為私人化。為此應(yīng)明確線上短租房交易雙方的法律地位，厘清共享平臺以及閑置資源提供者與共享平臺間的法律關(guān)系，制定統(tǒng)一的標準化審核機制，以彌補短租房市場的交易漏洞，減少參與雙方的交易風險。

[參考文獻]

[1] Daunoriené, A., Drak?aité, A., Snie?ka, V., et al.. Evaluating Sustainability of Sharing Economy Business Models[J].Procedia-SocialandBehavioralSciences, 2015, 213: 836-841.

[2] Botsman, R., Rogers, R.. What’s Mine is Yours: How Collaborative Consumption is Changing the Way We Live[J].HarperCollins, 2010.

[3] (美)杰里米·里夫金, 賽迪研究院專家組譯. 零邊際成本社會[M]. 北京: 中信出版杜, 2014.

[4] 朱文征. 商業(yè)網(wǎng)絡(luò)團購模式下影響消費者信任的關(guān)鍵因素及其信任形成機制的研究[D]．杭州: 浙江理工大學, 2014.

[5] 張永林. 互聯(lián)網(wǎng)、 信息元與屏幕化市場: 現(xiàn)代網(wǎng)絡(luò)經(jīng)濟理論模型和應(yīng)用[J]. 經(jīng)濟研究, 2016, (9): 147-161.

[6] Ert, E., Fleischer, A., Magen, N.. Trust and Reputation in the Sharing Economy: The Role of Personal Photos in Airbnb[J].TourismManagement, 2016, 55: 62-73.

[7] 鄭志來. 共享經(jīng)濟的成因、 內(nèi)涵、 與商業(yè)模式研究[J]. 現(xiàn)代經(jīng)濟探討, 2016, 411(3): 32-36.

[8] Mcfadden, D., Train, K.. Mixed MNL Models for Discrete Response[J].JournalofAppliedEconometrics, 2000, 15(5): 447-470.

[9] 白瑞, 沈其君, 張曉等. 嵌套Logit模型原理及其在醫(yī)學離散選擇問題分析中的應(yīng)用[J]. 中國衛(wèi)生統(tǒng)計, 2006, 23(2): 181-183.

[10] 劉振, 周溪召. 巢式Logit交通方式劃分模型及求解方式研究[J]. 山東交通學院學報, 2005, 13(4): 28-32.

[11] 鐘士恩, 張捷, 任黎秀等. 基于社會經(jīng)濟屬性的中國省際出游力研究:兼對中國與世界已研究國家案例比較[J]. 經(jīng)濟地理, 2009, 29(1): 153-159.

[12] Cohen, G.. Auxiliary Problem Principle Extend to Variational Inequalities[J].JournalofOptimizationTheoryandApplications, 1988, 59(2): 325-333.

[13] Chamon, M. D., Prasad, E. S.. Why are Saving Rates of Urban, Households in China Rising?[J].AmericanEconomicJournal:Macroeconomics, 2010, 2(1): 93-130.

[14] 李蕾, 吳斌珍. 家庭結(jié)構(gòu)與儲蓄率U形之謎[J]. 經(jīng)濟研究, 2014, (S1): 44-54.