雷兵 軒天池
(河南工業大學管理學院/商務智能與知識工程實驗室 河南鄭州 450001)
近年來,共享經濟作為一種新型商業模式在全球迅速發展,影響著各個城市的生產和消費體系,促進了對閑置商品或服務的利用。共享經濟涉及生活中的各行各業,如共享辦公、共享雨傘、共享汽車、共享短租房等[1,2]。其中,共享短租房作為共享經濟的產物之一,是年輕人最為青睞的住宿場所,受到許多學者的關注和研究,共享短租房價格影響因素研究一直是國內外學術研究的焦點。近年來,價格影響因素研究主要集中在房東信息、位置、房源類型與設施等房源內在因素和評論數量、評論分數等消費者偏好因素及信任度因素。然而,隨著旅游業的興起,游客人數增加為在線短租帶來源源不斷的客流,市場規模不斷擴大。旅游人數是人群流動的結果,因此,分析人群流動性對共享短租房價格的影響具有重要的意義。
現有研究主要分析房源信息、網絡口碑、信任度等對共享短租房價格的影響。王春英等(2018)(2021)[3,4]對房源定價的因素進行分析,發現不同價格水平的房源受房屋特性、地理位置與配套設施、預訂情況及消費者評論的影響程度不同,具有一定規模的專業房東對房源的定價高于業余房東,并且隨著房源規模的擴大而定價越高。吳曉雋等(2019)[5]分析了城市房價、房東特征、房間設施、信任度等對房源價格的影響,發現信任度與社交度兩類非經濟因素對Airbnb房價也有明顯影響,且對經營不同價位房源的房東,房源屬性和社交度、信任度對房價的影響程度有明顯區別。陳子燕等(2019)[6]在對短租市場租賃平臺定價機制的研究中發現專業房東定價對房源數量、房間的容納率、位置便利等較為重視,非專業房東對容納性和位置便利性的考慮相比專業房東更為看重。Hong等(2020)[7]得出短租房價格受房源功能、房東的屬性、聲譽變量和地理特征影響的結論,相同定價變量的解釋力在位置之間是不同的。Jorge等(2020)[8]從房東、客人、結構特征和位置等因素研究西班牙馬拉加地區Airbnb短租公寓的定價策略,結果顯示海灘、景點等對價格有積極影響,噪聲對價格有負面影響,價格與客人種族有顯著影響。王保乾等(2018)[9]通過Pearson相關性分析得出,短租房市場價格受消費者偏好強弱的影響,并運用混合Logit模型,分析消費者偏好對短租房定價的影響程度。閆強等(2020)[10]借助Airbnb平臺研究信任度對價格的影響,結果顯示,共享短租交易過程中,房客的信任水平會同時受到房東屬性和房源屬性的影響,房客的信任水平越高,所能接受的價格上浮程度越高,信任溢價現象越明顯。在酒店行業影響因素研究中,Subratat(2020)[11]將季節因素作為影響因素研究酒店的價格變動。
綜上所述,現有文獻對共享短租房價格影響因素的研究主要集中在房源信息、消費者偏好、信任度,研究酒店價格變動時提出了季節性因素,研究內容比較廣泛,研究結論對房東制定定價策略有重要意義。然而,隨著旅游業發展對民宿行業的帶動,人群流動性已然成為短租房價格重要的影響因素之一。因此,本文以Airbnb平臺的北京房源數據和騰訊位置大數據的人群流動數據作為數據來源,研究人群流動性對共享短租房價格的影響。
本文的主要目的是通過實證分析研究人群流動性對共享短租房價格的影響,同時分析現有研究中房源位置、房屋設施、消費者偏好、信任度、季節性等對共享短租房價格的影響。研究變量中包含靜態因素和動態因素,數據結構屬于面板數據。因此,本文使用兩種方法搭建模型:一是混合回歸。假設模型不存在個體效應,將所有數據視為橫截面數據,運用OLS估計。二是固定效應模型。可以解決遺漏變量問題,但無法估計不隨時間變化的變量。
本文OLS估計模型和固定效應模型中影響因素的變量設計主要為:Li包括北京位置區劃的大興區、朝陽區等行政區,Hi包括浴室、臥室的設施變量,Ri為評論總分變量,Ti包括注冊時間等變量,Si,j為星期,Mi,j為人群流動。
2.1.1. OLS 估計模型
本文應用共享短租房價格與人群流動性之間的關系建模時,先考慮人群流動性的影響因素,并綜合國內外文獻中已有的房源位置、房屋類型與設施、消費者偏好、信任度等因素,OSL估計模型如下:

其中,Yi,j表示第i個房源在第j天的價格,Li表示房源位置,Hi表示房屋類型和設施,Ri表示消費者偏好,Ti表示信任度,Si,j表示季節性,Mi,j表示人群流動性,εi,j表示擾動項。
2.1.2 固定效應模型
本文的固定效應模型主要針對面板數據中的動態因素進行建模,考慮人群流動性因素和季節性因素,固定效應模型如下:

其中,Yi,j表示第i個房源在第j天的價格,Si,j表示季節性,Mi,j人群流動性,θi,j表示擾動項。
本文中短租房數據來源于Airbnb網站的北京房源數據集,包含2019年4月17日—2020年4月15日的1128套房源的價格、房源類型、房源位置、消費者評論與評分、房東信譽等。人群流動數據采集于騰訊位置大數據網站,數據采集時間為2019年4月17日—2020年4月15日,通過八爪魚爬蟲工具抓取由其他地區流向北京地區的人群流動綜合指數。
表1第(1)~(6)列是OLS模型結果,可以看出人群流動性對共享短租房價格在1%的顯著水平上顯著,表明短租房價格隨著人群流動性的增加逐漸上升,出現這種狀況主要是因為人群流動性變化的因素,例如旅游、出差等。鑒于房源位置對共享短租房的影響,本文將房源區劃加入回歸模型,觀察加入位置因素后人群流動的顯著性,表1第(2)列顯示人群流動性對短租房價格依然顯著,且位置因素與短租房價格成正比。同樣,考慮房源設施作為短租房的基礎設備,是價格的重要影響因素,本文在模型中加入了浴室、臥室等變量。從表1第(3)列可以發現,加入房源基本設施因素后,人群流動性非常顯著,且浴室數量與房源價格呈負相關,臥室數量與房源價格呈正相關,說明消費者更關注房源的臥室。消費者偏好是消費者體驗房源后對房源作出的情感感知評價和價值感知評價,是短租房價格的重要影響因素。因此,本文將綜合評分加入回歸模型,從表1第(4)列可以看出,加入消費者偏好后,人群流動性依然顯著,且消費者偏好的各個變量都與價格呈正相關,因此,短租平臺應該密切關注消費者偏好,可以為房東設計更具競爭力的產品。信任度是房東與消費者之間的橋梁,消費者的信任感知越高,其購買決策就越果斷,同樣,越被信任的房東其短租房越受歡迎。因此,本文將房東回復率、注冊時間、是否為超級房東加入回歸模型,從表1第(5)列可以看出人群流動性依然顯著。季節性是隨著時間變化的規律性動態因素,在不考慮其他因素的情況下,季節性因素對價格的影響是周期性的。然而,現實中各種復雜的政策因素、突發事件因素使得價格呈現非規律性波動。因此,在模型中加入周期性的星期變量是非常必要的,如表1第(6)列所示,加入季節性因素后人群流動性依然顯著,且季節性與價格關系也比較顯著。從6個模型可以發現,在只加入人群流動性因素時,人群流動性與價格之間的關系最為顯著;逐漸加入房源位置、房源設施、消費者偏好、信任度、季節性因素后,人群流動性與價格的關系依然顯著,顯著性相比模型(1)稍微降低,說明各因素之間存在一定的多重共線性。

表1 OLS估計模型和固定效應模型回歸結果
本文數據屬于面板數據,因此利用固定效應模型對比分析人群流動性與季節性對共享短租房價格的影響。表1的第(7)(8)列是固定效應模型結果,表2是固定效應模型(8)的回歸結果。從模型(7)與模型(8)對比可以看出,模型(8)的顯著性降低,主要原因在于人群流動性數據具有趨勢性、周期性和季節性特點,當去掉人群流動性的趨勢性、周期性時,人群流動性因素的季節特征性與季節性因素之間存在共線性問題。同時,從表2中可以看出,人群流動性比季節性對短租房價格更為顯著,說明人群流動性對共享短租房價格影響更大。

表2 固定效應模型(8)的回歸結果
本文基于1128套共享短租房房源數據和2019年4月17日—2020年4月15日的人群流動性數據,運用OLS回歸模型和固定效應模型分析了人群流動性對共享短租房價格的影響。研究結果表明:第一,OLS回歸模型和固定效應模型的實證結果都顯示人群流動性與共享短租房價格在1%的顯著水平上顯著。第二,在OLS模型中加入房源位置、房源設施、消費者偏好、信任度及季節性因素后,人群流動性與共享短租房價格之間關系依然顯著,在固定效應模型中加入季節性因素后,得到了同樣的結果。同時,OLS模型和固定效應模型在加入季節性因素后顯著性都降低,說明人群流動性因素與季節性因素之間存在多元共線性。第三,人群流動性與共享短租房價格呈正相關,人群流動性的增加使得短租房價格上升??偠灾?,人群流動性是影響共享短租房價格的重要因素,且與價格的變動密切相關。
基于以上實證結論,結合共享短租平臺的發展現狀提出以下建議:第一,注重短租房疏密度分布。短租房平臺在關注平臺利潤的同時,要關注短租房的位置分布,人口流動性往往會帶動旅游業的發展,更多地將短租房分布在旅游城市及地區是極為重要的。同時,人群流動較大的地方主要為一線城市,通常會舉行各種大型活動和會議,因此,一線城市也是短租房發展的重點。第二,注重定價策略調整。房東在進行房源定價時要考慮房源類型、房源位置、房源設施等,人口流動性同樣是值得考慮的因素。當人口流動性較大時,尤其在節假日期間,房東可以適當提高房源價格,當人口流動較小時,房東可以根據市場同類型房源降低價格。第三,價格閾值設定。雖然人口流動性與價格之間呈正相關,但是如果隨著人口流動性的逐漸增加,不斷提高短租房價格就會適得其反。因此,無論是短租平臺還是房東,都需要將短租房價格設定在合理的范圍內,才能獲得可觀的利潤,使得共享短租行業穩定可持續發展。