互聯(lián)網(wǎng)時(shí)代人群流動(dòng)性對(duì)共享短租房?jī)r(jià)格的影響

雷兵　軒天池

摘 要：研究人群流動(dòng)性對(duì)共享短租房?jī)r(jià)格的影響意義重大。本文以1128套共享短租房源和2019年4月17日—2020年4月15日的人群流動(dòng)數(shù)據(jù)，構(gòu)建OLS模型和固定效應(yīng)模型，研究人群流動(dòng)性對(duì)共享短租房?jī)r(jià)格的影響。結(jié)果表明，人群流動(dòng)性對(duì)共享短租房?jī)r(jià)格呈正向影響，同時(shí)驗(yàn)證了房源位置、房源設(shè)施、消費(fèi)者偏好、信任度、季節(jié)性等因素對(duì)短租房?jī)r(jià)格的影響顯著。因此，建議短租平臺(tái)根據(jù)人群流動(dòng)性規(guī)劃短租房疏密度，房東根據(jù)人群流動(dòng)性及時(shí)調(diào)整定價(jià)策略，并預(yù)設(shè)短租房?jī)r(jià)格閾值。

關(guān)鍵詞：人群流動(dòng)性;OLS模型;固定效應(yīng);共享短租房?jī)r(jià)格

本文索引：雷兵，軒天池.<標(biāo)題>[J].商展經(jīng)濟(jì)，2022（05）：-057.

中圖分類號(hào)：F714 文獻(xiàn)標(biāo)識(shí)碼：A

近年來(lái)，共享經(jīng)濟(jì)作為一種新型商業(yè)模式在全球迅速發(fā)展，影響著各個(gè)城市的生產(chǎn)和消費(fèi)體系，促進(jìn)了對(duì)閑置商品或服務(wù)的利用。共享經(jīng)濟(jì)涉及生活中的各行各業(yè)，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(jīng)濟(jì)的產(chǎn)物之一，是年輕人最為青睞的住宿場(chǎng)所，受到許多學(xué)者的關(guān)注和研究，共享短租房?jī)r(jià)格影響因素研究一直是國(guó)內(nèi)外學(xué)術(shù)研究的焦點(diǎn)。近年來(lái)，價(jià)格影響因素研究主要集中在房東信息、位置、房源類型與設(shè)施等房源內(nèi)在因素和評(píng)論數(shù)量、評(píng)論分?jǐn)?shù)等消費(fèi)者偏好因素及信任度因素。然而，隨著旅游業(yè)的興起，游客人數(shù)增加為在線短租帶來(lái)源源不斷的客流，市場(chǎng)規(guī)模不斷擴(kuò)大。旅游人數(shù)是人群流動(dòng)的結(jié)果，因此，分析人群流動(dòng)性對(duì)共享短租房?jī)r(jià)格的影響具有重要的意義。

1 文獻(xiàn)回顧

現(xiàn)有研究主要分析房源信息、網(wǎng)絡(luò)口碑、信任度等對(duì)共享短租房?jī)r(jià)格的影響。王春英等（2018）（2021）[3，4]對(duì)房源定價(jià)的因素進(jìn)行分析，發(fā)現(xiàn)不同價(jià)格水平的房源受房屋特性、地理位置與配套設(shè)施、預(yù)訂情況及消費(fèi)者評(píng)論的影響程度不同，具有一定規(guī)模的專業(yè)房東對(duì)房源的定價(jià)高于業(yè)余房東，并且隨著房源規(guī)模的擴(kuò)大而定價(jià)越高。吳曉雋等（2019）[5]分析了城市房?jī)r(jià)、房東特征、房間設(shè)施、信任度等對(duì)房源價(jià)格的影響，發(fā)現(xiàn)信任度與社交度兩類非經(jīng)濟(jì)因素對(duì)Airbnb房?jī)r(jià)也有明顯影響，且對(duì)經(jīng)營(yíng)不同價(jià)位房源的房東，房源屬性和社交度、信任度對(duì)房?jī)r(jià)的影響程度有明顯區(qū)別。陳子燕等（2019）[6]在對(duì)短租市場(chǎng)租賃平臺(tái)定價(jià)機(jī)制的研究中發(fā)現(xiàn)專業(yè)房東定價(jià)對(duì)房源數(shù)量、房間的容納率、位置便利等較為重視，非專業(yè)房東對(duì)容納性和位置便利性的考慮相比專業(yè)房東更為看重。Hong等（2020）[7]得出短租房?jī)r(jià)格受房源功能、房東的屬性、聲譽(yù)變量和地理特征影響的結(jié)論，相同定價(jià)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(jié)構(gòu)特征和位置等因素研究西班牙馬拉加地區(qū)Airbnb短租公寓的定價(jià)策略，結(jié)果顯示海灘、景點(diǎn)等對(duì)價(jià)格有積極影響，噪聲對(duì)價(jià)格有負(fù)面影響，價(jià)格與客人種族有顯著影響。王保乾等（2018）[9]通過(guò)Pearson相關(guān)性分析得出，短租房市場(chǎng)價(jià)格受消費(fèi)者偏好強(qiáng)弱的影響，并運(yùn)用混合Logit模型，分析消費(fèi)者偏好對(duì)短租房定價(jià)的影響程度。閆強(qiáng)等（2020）[10]借助Airbnb平臺(tái)研究信任度對(duì)價(jià)格的影響，結(jié)果顯示，共享短租交易過(guò)程中，房客的信任水平會(huì)同時(shí)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(jià)格上浮程度越高，信任溢價(jià)現(xiàn)象越明顯。在酒店行業(yè)影響因素研究中，Subratat（2020）[11]將季節(jié)因素作為影響因素研究酒店的價(jià)格變動(dòng)。

綜上所述，現(xiàn)有文獻(xiàn)對(duì)共享短租房?jī)r(jià)格影響因素的研究主要集中在房源信息、消費(fèi)者偏好、信任度，研究酒店價(jià)格變動(dòng)時(shí)提出了季節(jié)性因素，研究?jī)?nèi)容比較廣泛，研究結(jié)論對(duì)房東制定定價(jià)策略有重要意義。然而，隨著旅游業(yè)發(fā)展對(duì)民宿行業(yè)的帶動(dòng)，人群流動(dòng)性已然成為短租房?jī)r(jià)格重要的影響因素之一。因此，本文以Airbnb平臺(tái)的北京房源數(shù)據(jù)和騰訊位置大數(shù)據(jù)的人群流動(dòng)數(shù)據(jù)作為數(shù)據(jù)來(lái)源，研究人群流動(dòng)性對(duì)共享短租房?jī)r(jià)格的影響。

2 研究設(shè)計(jì)

2.1 模型設(shè)定

本文的主要目的是通過(guò)實(shí)證分析研究人群流動(dòng)性對(duì)共享短租房?jī)r(jià)格的影響，同時(shí)分析現(xiàn)有研究中房源位置、房屋設(shè)施、消費(fèi)者偏好、信任度、季節(jié)性等對(duì)共享短租房?jī)r(jià)格的影響。研究變量中包含靜態(tài)因素和動(dòng)態(tài)因素，數(shù)據(jù)結(jié)構(gòu)屬于面板數(shù)據(jù)。因此，本文使用兩種方法搭建模型：一是混合回歸。假設(shè)模型不存在個(gè)體效應(yīng)，將所有數(shù)據(jù)視為橫截面數(shù)據(jù)，運(yùn)用OLS估計(jì)。二是固定效應(yīng)模型。可以解決遺漏變量問(wèn)題，但無(wú)法估計(jì)不隨時(shí)間變化的變量。

本文OLS估計(jì)模型和固定效應(yīng)模型中影響因素的變量設(shè)計(jì)主要為：Li包括北京位置區(qū)劃的大興區(qū)、朝陽(yáng)區(qū)等行政區(qū)，Hi包括浴室、臥室的設(shè)施變量，Ri為評(píng)論總分變量，Ti包括注冊(cè)時(shí)間等變量，Si，j為星期，Mi，j為人群流動(dòng)。

2.1.1. OLS 估計(jì)模型

本文應(yīng)用共享短租房?jī)r(jià)格與人群流動(dòng)性之間的關(guān)系建模時(shí)，先考慮人群流動(dòng)性的影響因素，并綜合國(guó)內(nèi)外文獻(xiàn)中已有的房源位置、房屋類型與設(shè)施、消費(fèi)者偏好、信任度等因素，OSL估計(jì)模型如下：

其中，Yi，j表示第i個(gè)房源在第j天的價(jià)格，Li表示房源位置，Hi表示房屋類型和設(shè)施，Ri表示消費(fèi)者偏好，Ti表示信任度，Si，j表示季節(jié)性，Mi，j表示人群流動(dòng)性，εi，j表示擾動(dòng)項(xiàng)。

2.1.2 固定效應(yīng)模型

本文的固定效應(yīng)模型主要針對(duì)面板數(shù)據(jù)中的動(dòng)態(tài)因素進(jìn)行建模，考慮人群流動(dòng)性因素和季節(jié)性因素，固定效應(yīng)模型如下：

其中，Yi，j表示第i個(gè)房源在第j天的價(jià)格，Si，j表示季節(jié)性，Mi，j人群流動(dòng)性，θi，j表示擾動(dòng)項(xiàng)。

2.2 數(shù)據(jù)來(lái)源

本文中短租房數(shù)據(jù)來(lái)源于Airbnb網(wǎng)站的北京房源數(shù)據(jù)集，包含2019年4月17日—2020年4月15日的1128套房源的價(jià)格、房源類型、房源位置、消費(fèi)者評(píng)論與評(píng)分、房東信譽(yù)等。人群流動(dòng)數(shù)據(jù)采集于騰訊位置大數(shù)據(jù)網(wǎng)站，數(shù)據(jù)采集時(shí)間為2019年4月17日—2020年4月15日，通過(guò)八爪魚爬蟲工具抓取由其他地區(qū)流向北京地區(qū)的人群流動(dòng)綜合指數(shù)。

2.3 實(shí)證結(jié)果和分析

表1第（1）～（6）列是OLS模型結(jié)果，可以看出人群流動(dòng)性對(duì)共享短租房?jī)r(jià)格在1%的顯著水平上顯著，表明短租房?jī)r(jià)格隨著人群流動(dòng)性的增加逐漸上升，出現(xiàn)這種狀況主要是因?yàn)槿巳毫鲃?dòng)性變化的因素，例如旅游、出差等。鑒于房源位置對(duì)共享短租房的影響，本文將房源區(qū)劃加入回歸模型，觀察加入位置因素后人群流動(dòng)的顯著性，表1第（2）列顯示人群流動(dòng)性對(duì)短租房?jī)r(jià)格依然顯著，且位置因素與短租房?jī)r(jià)格成正比。同樣，考慮房源設(shè)施作為短租房的基礎(chǔ)設(shè)備，是價(jià)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(fā)現(xiàn)，加入房源基本設(shè)施因素后，人群流動(dòng)性非常顯著，且浴室數(shù)量與房源價(jià)格呈負(fù)相關(guān)，臥室數(shù)量與房源價(jià)格呈正相關(guān)，說(shuō)明消費(fèi)者更關(guān)注房源的臥室。消費(fèi)者偏好是消費(fèi)者體驗(yàn)房源后對(duì)房源作出的情感感知評(píng)價(jià)和價(jià)值感知評(píng)價(jià)，是短租房?jī)r(jià)格的重要影響因素。因此，本文將綜合評(píng)分加入回歸模型，從表1第（4）列可以看出，加入消費(fèi)者偏好后，人群流動(dòng)性依然顯著，且消費(fèi)者偏好的各個(gè)變量都與價(jià)格呈正相關(guān)，因此，短租平臺(tái)應(yīng)該密切關(guān)注消費(fèi)者偏好，可以為房東設(shè)計(jì)更具競(jìng)爭(zhēng)力的產(chǎn)品。信任度是房東與消費(fèi)者之間的橋梁，消費(fèi)者的信任感知越高，其購(gòu)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(fù)率、注冊(cè)時(shí)間、是否為超級(jí)房東加入回歸模型，從表1第（5）列可以看出人群流動(dòng)性依然顯著。季節(jié)性是隨著時(shí)間變化的規(guī)律性動(dòng)態(tài)因素，在不考慮其他因素的情況下，季節(jié)性因素對(duì)價(jià)格的影響是周期性的。然而，現(xiàn)實(shí)中各種復(fù)雜的政策因素、突發(fā)事件因素使得價(jià)格呈現(xiàn)非規(guī)律性波動(dòng)。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(jié)性因素后人群流動(dòng)性依然顯著，且季節(jié)性與價(jià)格關(guān)系也比較顯著。從6個(gè)模型可以發(fā)現(xiàn)，在只加入人群流動(dòng)性因素時(shí)，人群流動(dòng)性與價(jià)格之間的關(guān)系最為顯著;逐漸加入房源位置、房源設(shè)施、消費(fèi)者偏好、信任度、季節(jié)性因素后，人群流動(dòng)性與價(jià)格的關(guān)系依然顯著，顯著性相比模型（1）稍微降低，說(shuō)明各因素之間存在一定的多重共線性。

本文數(shù)據(jù)屬于面板數(shù)據(jù)，因此利用固定效應(yīng)模型對(duì)比分析人群流動(dòng)性與季節(jié)性對(duì)共享短租房?jī)r(jià)格的影響。表1的第（7）（8）列是固定效應(yīng)模型結(jié)果，表2是固定效應(yīng)模型（8）的回歸結(jié)果。從模型（7）與模型（8）對(duì)比可以看出，模型（8）的顯著性降低，主要原因在于人群流動(dòng)性數(shù)據(jù)具有趨勢(shì)性、周期性和季節(jié)性特點(diǎn)，當(dāng)去掉人群流動(dòng)性的趨勢(shì)性、周期性時(shí)，人群流動(dòng)性因素的季節(jié)特征性與季節(jié)性因素之間存在共線性問(wèn)題。同時(shí)，從表2中可以看出，人群流動(dòng)性比季節(jié)性對(duì)短租房?jī)r(jià)格更為顯著，說(shuō)明人群流動(dòng)性對(duì)共享短租房?jī)r(jià)格影響更大。

3 結(jié)語(yǔ)

本文基于1128套共享短租房房源數(shù)據(jù)和2019年4月17日—2020年4月15日的人群流動(dòng)性數(shù)據(jù)，運(yùn)用OLS回歸模型和固定效應(yīng)模型分析了人群流動(dòng)性對(duì)共享短租房?jī)r(jià)格的影響。研究結(jié)果表明：第一，OLS回歸模型和固定效應(yīng)模型的實(shí)證結(jié)果都顯示人群流動(dòng)性與共享短租房?jī)r(jià)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(shè)施、消費(fèi)者偏好、信任度及季節(jié)性因素后，人群流動(dòng)性與共享短租房?jī)r(jià)格之間關(guān)系依然顯著，在固定效應(yīng)模型中加入季節(jié)性因素后，得到了同樣的結(jié)果。同時(shí)，OLS模型和固定效應(yīng)模型在加入季節(jié)性因素后顯著性都降低，說(shuō)明人群流動(dòng)性因素與季節(jié)性因素之間存在多元共線性。第三，人群流動(dòng)性與共享短租房?jī)r(jià)格呈正相關(guān)，人群流動(dòng)性的增加使得短租房?jī)r(jià)格上升。總而言之，人群流動(dòng)性是影響共享短租房?jī)r(jià)格的重要因素，且與價(jià)格的變動(dòng)密切相關(guān)。

基于以上實(shí)證結(jié)論，結(jié)合共享短租平臺(tái)的發(fā)展現(xiàn)狀提出以下建議：第一，注重短租房疏密度分布。短租房平臺(tái)在關(guān)注平臺(tái)利潤(rùn)的同時(shí)，要關(guān)注短租房的位置分布，人口流動(dòng)性往往會(huì)帶動(dòng)旅游業(yè)的發(fā)展，更多地將短租房分布在旅游城市及地區(qū)是極為重要的。同時(shí)，人群流動(dòng)較大的地方主要為一線城市，通常會(huì)舉行各種大型活動(dòng)和會(huì)議，因此，一線城市也是短租房發(fā)展的重點(diǎn)。第二，注重定價(jià)策略調(diào)整。房東在進(jìn)行房源定價(jià)時(shí)要考慮房源類型、房源位置、房源設(shè)施等，人口流動(dòng)性同樣是值得考慮的因素。當(dāng)人口流動(dòng)性較大時(shí)，尤其在節(jié)假日期間，房東可以適當(dāng)提高房源價(jià)格，當(dāng)人口流動(dòng)較小時(shí)，房東可以根據(jù)市場(chǎng)同類型房源降低價(jià)格。第三，價(jià)格閾值設(shè)定。雖然人口流動(dòng)性與價(jià)格之間呈正相關(guān)，但是如果隨著人口流動(dòng)性的逐漸增加，不斷提高短租房?jī)r(jià)格就會(huì)適得其反。因此，無(wú)論是短租平臺(tái)還是房東，都需要將短租房?jī)r(jià)格設(shè)定在合理的范圍內(nèi)，才能獲得可觀的利潤(rùn)，使得共享短租行業(yè)穩(wěn)定可持續(xù)發(fā)展。

參考文獻(xiàn)

凌超，張贊.“分享經(jīng)濟(jì)”在中國(guó)的發(fā)展路徑研究：以在線短租為例[J].現(xiàn)代管理科學(xué)，2014（10）：36-38.

田林，余航.共享經(jīng)濟(jì)外部影響定量研究綜述[J].管理科學(xué)學(xué)報(bào)，2020，23（9）：1-18.

王春英，陳宏民.共享短租平臺(tái)住宿價(jià)格及其影響因素研究：基于小豬短租網(wǎng)站相關(guān)數(shù)據(jù)的分析[J].價(jià)格理論與實(shí)踐，2018（6）：14-17.

王春英，陳宏民.共享短租平臺(tái)房東定價(jià)行為：基于小豬短租平臺(tái)的數(shù)據(jù)分析[J].系統(tǒng)管理學(xué)報(bào)，2021（2）：363-372.

吳曉雋，裘佳璐.Airbnb房源價(jià)格影響因素研究：基于中國(guó)36個(gè)城市的數(shù)據(jù)[J].旅游學(xué)刊，2019，34（4）：13-28+43.

陳子燕，鄧麗.短租市場(chǎng)租賃平臺(tái)定價(jià)機(jī)制研究：基于不同房東類型的分析[J].價(jià)格理論與實(shí)踐，2019（5）：149-152.

Hong，I.，Yoo，C.Analyzing Spatial Variance of Airbnb Pricing Determinants Using Multiscale GWR Approach[J]. Sustainability，2020，12（11）.

Jorge，C，O.， Juan，G，G.， José.，etal，G.Effects of location on Airbnb apartment pricing in Málaga[J]. Tourism Management，2020，103981.

王保乾，鄧菲.共享經(jīng)濟(jì)中的短租房均衡價(jià)格：基于個(gè)人微觀數(shù)據(jù)與混合Logit模型[J].產(chǎn)經(jīng)評(píng)論，2018，9（3）：34-46.

閆強(qiáng)，胡承蓉，張樂(lè).共享經(jīng)濟(jì)中消費(fèi)者信任影響因素實(shí)證研究[J].科研管理，2020，41（10）：202-209.

Subrata Kumar Mitra. Estimating the duration of different seasons and their impact on hotel room prices[J]. International Journal of Hospitality Management，Volume 90，2020，102604：0278-4319.