李 淵 薛燕府 胡曉丹 張曦予 姚成威 張文浩 LI Yuan, XUE Yanfu, HU Xiaodan, ZHANG Xiyu, YAO Chengwei, ZHANG Wenhao

0 引言

酒店是旅游產業(yè)發(fā)展中重要的服務設施組成部分，其區(qū)位與旅游區(qū)位和其他服務設施區(qū)位高度相關，在城市中呈現(xiàn)顯著的空間特征[1]。與此同時，酒店價格中隱含的諸多影響因子是地區(qū)旅游產業(yè)發(fā)展的集中體現(xiàn)，在旅游業(yè)如火如荼的發(fā)展過程中，酒店行業(yè)的合理配置及優(yōu)化的市場定價是引導旅游業(yè)健康發(fā)展的重要任務[2]。合理的酒店布局模式以及定價模式有利于城市服務設施的合理配置，有效提升城市的服務能力，塑造良好的城市形象。

空間計量經濟學由荷蘭經濟學家J.Paelinck于1974年提出，并在Anselin和Florax等人的推動下逐步走向成熟?？臻g計量方法針對數(shù)據中存在的空間相互作用以及空間不均勻性進行分析，打破了傳統(tǒng)計量方法在空間層面的限制。

在使用空間計量方法的酒店行業(yè)研究中，國內外學者大多關注酒店空間分布特征[3-9]。例如梁雄飛等人基于大眾點評網POI數(shù)據，運用空間計量分析方法，研究深圳市經濟型酒店空間布局特征[8]；王彩萍等人以在中國大陸地區(qū)經營的上市跨國酒店集團為樣本，運用空間自相關Moran指數(shù)、局域空間關聯(lián)指標LISA集群圖及空間面板回歸模型進行研究，得出我國跨國酒店的空間分布影響因子及不同區(qū)域間的顯著差異性[9]。酒店空間分布的不均勻性在已有研究中得到了廣泛的驗證，同樣的酒店價格空間特征也與其空間分布密切相關，但進一步使用空間計量理論進行酒店價格的研究卻成為一個缺口。

在對酒店價格的研究中，國內外學者的研究普遍聚焦于4個方向。文蓉及Adam等學者從酒店成本、需求等微觀層面進行酒店定價分析，以此得出酒店價格影響因子及價格形成機制[10-11]；Slava及Matthias使用GIS、大數(shù)據挖掘等方式建立酒店價格在線決策支持系統(tǒng)，為連鎖酒店的實時定價決策提供重要參考[12-13]；部分學者以某一事件或特征作為價格變動觸發(fā)點來分析酒店價格變動情況，例如熊偉、吳必虎及周李等以廣交會為酒店價格變動觸發(fā)點，多年來對廣交會前后的廣州酒店價格動態(tài)偏離作了重要分析[14-16]，Dionysis等國外學者則以海景為價格偏離觸發(fā)點，運用GIS評價了海景對價格影響的局部效應以及價格的空間變異性[17]；李欣欣、尚天成等人較早將特征價格法引入酒店價格研究，以建立理論模型的方式進行酒店價格實證研究，得到了一系列酒店價格的重要影響因子，使酒店價格定量研究逐步得到推廣[18-20]。近年來在劉建華、Ismael等人的實證研究中，酒店價格模型不斷得以優(yōu)化，各影響因子的具體分析更加深入[21]。已有研究中，使用空間計量模型進行酒店價格研究的文獻較少，且大多數(shù)關注于某個特定模型[22]，缺少模型間的實證對比。

綜合來看，已有研究中使用空間計量方法進行酒店空間分布分析均取得了較好的進展，但進一步進行酒店價格空間特征的研究則較為稀缺，對于諸多模型間的比較篩選也存在一定缺口。使用空間計量方法可以深入挖掘酒店價格的空間性質，能夠更好地解釋酒店價格完整的形成機理，同時結合GIS技術能夠準確地進行空間分析。本文選取廈門島酒店為研究對象，試圖利用空間計量方法構建以廈門島為研究對象的酒店價格模型，探究廈門島酒店定價的影響因素及空間特質，以期對廈門市服務設施的優(yōu)化以及廈門市服務業(yè)的穩(wěn)步發(fā)展提供一定參考。

圖1 技術路線

1 數(shù)據與研究方法

1.1 技術路線

研究的主體思路如圖1。首先，在數(shù)據獲取的基礎上，基于GIS可視化分析得到酒店空間分布特征及酒店價格基本特征；其次，利用空間自相關分析檢驗酒店價格的空間特質；然后，開展空間計量模型分析，建立傳統(tǒng)OLS模型以及空間計量模型進行實證對比；最后，選取酒店價格最優(yōu)模型，得出影響因子及酒店價格空間特征，并以GWR模型中局部回歸因子的回歸系數(shù)為基礎，在空間層面討論各類因子對于酒店價格的影響，最終討論以價格模型為基礎的酒店定價策略及市場管控措施。

在空間計量模型的選擇中，選取全局回歸模型SEM以及SLM，同時選取局部回歸模型GWR進行橫向對比。相比于傳統(tǒng)的OLS模型，全局回歸模型與局部回歸模型均加入了空間因素，使傳統(tǒng)計量方法在空間層面得到了拓展，對于空間不均勻性較強的數(shù)據具備更加優(yōu)良的解釋力度。

1.2 數(shù)據來源及影響因子選擇

本文以著名的旅游目的地廈門島為例展開研究。在酒店篩選過程中，通過參考酒店空間分布已有文獻中的酒店密度特征[19-21]，依據每平方公里1.8個酒店的酒店分布密度標準，隨機篩選各類酒店共300家為研究初選樣本（圖2）。此外，由于酒店價格在節(jié)假日或特殊事件中波動幅度較大[7-9，12]，本文選用2018年6月16日（工作日）價格作為面板數(shù)據，以排除事件影響產生的價格溢出，同時統(tǒng)一價格獲取時間，最大程度地降低價格不確定性波動。最后在數(shù)據需求確定下，通過去哪兒網（https://www.qunar.com/）獲得有效數(shù)據酒店樣本289家。

對于酒店價格影響因子的篩選，研究通過查閱文獻[23-24]，得到一系列顯著性較強的影響因子，并以特征價格法為基礎，建立修正的影響因子體系（表1）。確定的酒店價格影響因素分為以下3類[11-15]。（1）內部因素：即酒店內部情況的價格影響因素，包含客房面積、酒店服務、酒店類型、裝修時間等。（2）外部因素：即酒店區(qū)位情況的價格影響因素，包含景點綜合指數(shù)、商業(yè)綜合指數(shù)、交通綜合指數(shù)等。通過收集去哪兒網對酒店臨近景點、商圈和交通設施的判定結果，依據去哪兒網對設施的排名進行評分加總，并進行標準化處理后得到3類指數(shù)的評分；（3）其他因素：即其他價格影響因素，包含酒店評分、事件價格溢出等。

圖2 廈門島樣本酒店核密度圖

1.3 模型的建立

傳統(tǒng)的回歸模型與空間自回歸結構相結合，即可得到一個標準回歸的空間擴展模型“空間滯后模型”（Spatial Lag Model，SLM）。使用標準化矩陣W乘以由空間相關變量所組成的向量y，可得到向量：

類似于時間序列之后，空間滯后模型研究變量在一個地區(qū)是否存在溢出效應，由此建立線性回歸模型，解釋空間觀測變量：

即假定獨立樣本數(shù)據中存在空間依賴性，則整個空間樣本中y的變化將被解釋為每個觀測量與其相鄰的觀測量的相關性。其中α為常數(shù)項；ρ為空間自回歸系數(shù)，代表樣本觀測值的空間依賴性；Wy為空間滯后算子，即隨機變量y的加權平均；X為解釋變量矩陣；ε為隨機誤差項。

表1 各變量描述性統(tǒng)計

空間誤差模型（Spatial Errors Model，SEM）認為誤差項表現(xiàn)出了空間的相互聯(lián)系，若空間相互作用通過地理空間不同產生差異則采用該模型：

其中，參數(shù)λ是空間相關誤差參數(shù)，衡量樣本值中的空間依賴作用；W為空間權重矩陣；X為解釋變量矩陣?？臻g誤差模型實質是在線性模型的誤差基礎上加入區(qū)域溢出因素以解釋空間相互作用。

地理加權回歸模型（Geographically Weighted Regression, GWR）是一種基于空間關系的計量模型，與全局回歸相比，地理加權回歸在數(shù)據處理時考慮局部特征作為權重，特點是通過在線性回歸模型中假定回歸系數(shù)是觀測點地理位置的位置函數(shù)，將數(shù)據的空間特性納入模型中，為分析回歸關系的空間特征創(chuàng)造了條件。即：

其中(ui,vi)為第i個采樣點的坐標，βk(ui,vi)為第i個采樣點的第k個回歸參數(shù)。在常用的兩個空間全局回歸模型SLM模型與SEM模型以及地理加權回歸模型中，進一步的模型選擇將是決定最終模型是否穩(wěn)健的重要過程。模型選擇通常存在R2、p值等普遍選擇依據，同時也存在Brsusch-Pagon Test、Likelihood Ratio Test等特殊空間模型檢驗方式，要求模型最佳需要模型通過所有檢驗且具有優(yōu)良的p值。

2 結果與分析

2.1 廈門島酒店價格空間相關性分析

空間自相關反映的是一個區(qū)域單元上的某種地理現(xiàn)象或某一屬性值與鄰近區(qū)域單元上同一現(xiàn)象或屬性值的相關程度，是一種檢測與量化多個標定點中取樣值變異的空間依賴性的空間統(tǒng)計方法[8]?？臻g自相關檢驗包括全局自相關檢驗與局部自相關檢驗。其中全局空間自相關分析是對變量的觀測值在整個區(qū)域的空間特征的描述，檢驗空間現(xiàn)象在整個區(qū)域上是否具有聚集效應。全局自相關檢驗通常使用Moran's I作為檢驗指標，其取值范圍在（-1）到1之間，接近于（-1）表示存在負的空間自相關，反之存在正自相關。利用GeoDa軟件可以對廈門島酒店價格進行全局自相關檢驗，其中Moran's I為0.0895，p值為0.0134，在95%的顯著性水平上顯著，因此可認為廈門島酒店價格空間分布呈現(xiàn)顯著的空間特質，且為正相關性，即高價酒店集聚與低價酒店集聚并存。局部空間自相關檢驗通過GIS軟件中的空間統(tǒng)計工具熱點分析（Getis-Ord Gi）計算（圖3）。由廈門島酒店價格熱點分析圖可觀察到，廈門島中部地區(qū)為酒店價格冷點區(qū)，由于火車站—SM片區(qū)及高崎—湖里片區(qū)的低質量吸引核的作用，低價酒店聚集明顯，形成了價格洼地；而沿海片區(qū)中高價酒店集聚現(xiàn)象明顯，尤其沙坡尾、會展等地受特殊城市功能或高端產業(yè)（世茂雙子樓）等因素形成的吸引核影響，成為高價酒店集聚區(qū)。

表2 廈門島酒店計量模型實證結果

圖3 廈門島酒店價格熱點分析圖

2.2 空間計量模型實證結果

在利用樣本數(shù)據進行實證分析的過程中，選用傳統(tǒng)OLS模型、空間誤差模型（SEM）、空間滯后模型（SLM）及地理加權模型（GWR）對比以選取最優(yōu)模型（表2）。通過檢驗發(fā)現(xiàn)，傳統(tǒng)OLS模型未通過懷特異方差檢驗，說明模型存在嚴重的異方差問題，導致模型的參數(shù)估計量無效，同時模型預測性遭到破壞，因此盡管所有解釋變量均通過0.01水平的顯著性檢驗，OLS模型仍為無效模型；同時方差膨脹因子檢驗均低于5，進而可認為所選取變量的多重共線性問題較小；觀察全局空間計量模型，R2值有一定提升但提升程度不大，根據已有文獻，可認為在空間計量模型與傳統(tǒng)OLS模型的對比中，解釋變量已最大程度地發(fā)揮作用，空間權重矩陣的作用主要體現(xiàn)為對模型的修正，解釋強度不大。對比空間誤差模型與空間滯后模型，兩者解釋變量均通過0.01顯著性水平檢驗，但在Brsusch-Pagon測試與Likelihood測試以及R2的數(shù)據結果中，空間誤差模型表現(xiàn)更為優(yōu)異； 而在地理加權模型的實證研究中，運用GWR4軟件檢驗得到，在客房面積、酒店服務、酒店類型、景點指數(shù)及酒店評分5個變量中，僅客房面積和酒店評分兩個變量適合加入局部分析，其余變量則適合加入全局分析，結果表明GWR模型與SEM及SLM模型結果的差別性不大，但客房面積和酒店評分作為局部回歸變量后，其回歸系數(shù)得到顯著提升，表明在SEM與SLM模型中低估了兩者對酒店價格的貢獻。

在初步選定的8個影響因子中，酒店裝修時間、交通指數(shù)及商業(yè)指數(shù)表現(xiàn)為不顯著。這一結果表明，廈門島酒店價格以及消費者偏向性與三者相關性較差，即酒店價格空間分布與交通吸引核、商業(yè)吸引核關聯(lián)性不強，且消費者的酒店選擇模式中，酒店裝修時間不會優(yōu)先置于考慮范圍（圖4）。

3種模型的實證分析中，客房面積、酒店服務、酒店類型、景點指數(shù)和酒店評分5個變量均通過了0.01水平的顯著性檢驗，并在傳統(tǒng)OLS模型中解釋了66.37%的殘差，在空間誤差模型中解釋了68.41%的殘差，具有相當明顯的擬合效果。針對各解釋變量對酒店價格的影響特征如下。

（1）客房面積。酒店客房面積數(shù)據來源為去哪兒網酒店搜索中的普通大床房平均面積。由插值圖可明顯看出，酒店客房面積具有空間特質。在進行全局自相關檢驗后，Moran's I指數(shù)達到0.1234，p值通過0.01水平的顯著性檢驗，說明酒店客房面積也具有空間自相關性。其中，中部片區(qū)、東渡片區(qū)、火車站片區(qū)以及曾厝垵片區(qū)的酒店客房面積較小，其主要原因為低差異吸引核造成的低質量酒店集聚現(xiàn)象，而曾厝垵片區(qū)則是由于民宿型酒店集聚造成的客房面積較小；會展片區(qū)、五緣灣片區(qū)為客房面積較大的酒店集聚區(qū)，其形成的主要原因為會展業(yè)務以及高端旅游產業(yè)發(fā)展而產生的高價酒店集聚現(xiàn)象。同時，酒店價格的客房面積彈性為0.4294，表明客房面積1%的變動將形成酒店0.4294%的價格增長區(qū)間。

（2）酒店服務。酒店服務數(shù)據來源為去哪兒網酒店搜索中的酒店設施相關數(shù)據。在進行全局自相關檢驗中，Moran's I指數(shù)達到0.0679，p值通過0.01水平的顯著性檢驗，空間自相關性較強，同時通過插值圖可發(fā)現(xiàn)酒店服務與酒店客房面積的空間分布相似，同樣出現(xiàn)了東北部與西南部的較大差異性。酒店價格的酒店服務彈性為0.1951，表明酒店服務水平每提高1%，將形成酒店0.1951%的價格增長區(qū)間。

表3 GWR模型的回歸系數(shù)和P值統(tǒng)計表

（3）酒店類型。酒店類型依據酒店星級來定義，數(shù)據選取去哪兒網的酒店星級分類。具體包括經濟型（一星級）、其他類型（二星級）、舒適型（三星級）、高檔型（四星級）和豪華型（五星級）5類酒店。在進行全局自相關檢驗中，Moran's I指數(shù)的p值未通過0.1水平的顯著性檢驗，即表明星級酒店的空間分布特征不明顯。而在進行會展片區(qū)以及曾厝垵片區(qū)的檢驗中，發(fā)現(xiàn)Moran's I指數(shù)達到0.1031，p值通過0.01水平的顯著性檢驗，印證了曾厝垵片區(qū)以民宿為主、會展片區(qū)以高端酒店為主的酒店產業(yè)結構。酒店價格的類型彈性為0.4622，表明若酒店星級由三星級提升至五星級，酒店的價格提升區(qū)間為30.81%。

（4）景點指數(shù)。景點指數(shù)來源于去哪兒網的酒店鄰近景區(qū)標識，并以去哪兒網廈門島內景點評分、排名為依據，制定景點指數(shù)評價標準。以中山路步行街與環(huán)島路風景區(qū)酒店對比為例，中山路步行街酒店價格具有2.028%的提升幅度。同時景點指數(shù)價格彈性較低的現(xiàn)象也證明廈門島內的全域旅游建設初具成效，但景點指數(shù)仍然通過0.01水平的顯著性檢驗，說明景點差異性仍舊存在。

（5）酒店評分。酒店評分選取去哪兒網用戶評分（截至2018年6月26日）。通過全局自相關檢驗，Moran's I指數(shù)達到0.2665，p值通過0.01水平的顯著性檢驗，表明消費者的酒店評分具有較強的空間自相關性。由插值圖可發(fā)現(xiàn)，酒店評分空間分布與其他解釋變量稍有不同，其評分高者聚集區(qū)主要位于曾厝垵一帶。綜合而言，曾厝垵屬于廈門島內的租金低洼區(qū)，同時民宿型酒店投資及運營的資金需求量小，因而酒店價格較低，但由優(yōu)越的地理位置引發(fā)的高性價比成為酒店評分重要的加分項，最終導致曾厝垵成為廈門島內的酒店評分高地。

圖4 酒店價格模型自變量的空間反距離權重插值圖

2.3 GWR模型空間作用模式分析

將客房面積和酒店評分加入局部回歸后（表3），其在GWR模型中的回歸系數(shù)可以充分展現(xiàn)空間非平穩(wěn)性（圖5）。酒店評分的回歸系數(shù)插值圖出現(xiàn)了西南部的回歸系數(shù)高值區(qū)以及南部的回歸系數(shù)低值區(qū)，可能的原因為：西南部區(qū)域為廈門市旅游景點的集中區(qū)域，酒店經營成本較高，低端酒店以壓低價格來獲取競爭力，各項服務供應不全，而高端酒店為吸引高消費群體，偏向于忽視酒店經營成本而提供高端服務，從而導致更高的酒店價格。因而在西南部區(qū)位條件相同的控制條件下，高評分酒店與低評分酒店的各項差距較大，出現(xiàn)了極端化的現(xiàn)象，酒店評分具有較大的方差同時具有較高的邊際價格；而在南部區(qū)域，酒店類型以曾厝垵中的普通民宿為主，較強的市場競爭環(huán)境促使酒店各項因素趨于一致，導致酒店評分不能直接反映酒店價格，因而酒店評分具有較低的邊際價格。

客房面積的回歸系數(shù)插值圖則出現(xiàn)了西北部的回歸系數(shù)高值區(qū)和東北部的回歸系數(shù)低值區(qū)，可能的原因為：除五緣灣公園及會展中心等區(qū)域以外，廈門島內的其他區(qū)域酒店客房面積較為一致，高值點鮮有出現(xiàn)。而西北區(qū)域是廈門島內各項資源較為匱乏的區(qū)域，以工廠廠區(qū)和碼頭配套功能為主，導致片區(qū)內不僅酒店價格較低，而且酒店的各項服務較為稀缺，進而引發(fā)此區(qū)域酒店客房面積具有較高的邊際價格，消費者的消費傾向也偏向于酒店客房面積的升級；而五緣灣片區(qū)由于其高端的定位傾向，高端酒店入駐率較高，導致酒店客房面積普遍偏大，酒店間的競爭不同于西北片區(qū)，偏向于服務質量和酒店等級的升級，因而片區(qū)酒店客房面積的邊際價格較低。

圖5 客房面積與酒店評分在GWR模型中的回歸系數(shù)插值圖

3 結論與討論

本文運用空間自相關以及空間計量模型，以廈門島為例，探究酒店價格空間分布的特征及其影響因素，并進一步探究酒店價格空間特征的形成機制，得出如下結論。

（1）廈門島酒店價格存在全局空間自相關。其中中部由于旅游資源核的缺乏表現(xiàn)為低價酒店集聚，西南部由于旅游資源的集聚形成了高價酒店聚集區(qū)，而東部則由于特殊城市功能引發(fā)了高價酒店集聚。總體而言，廈門島酒店價格表現(xiàn)為空間正相關，即高價酒店集聚與低價酒店集聚并存。

（2）廈門島酒店價格影響的相關因素對酒店價格的影響存在顯著的空間分異特征。其中客房面積、酒店服務、酒店類型、景點指數(shù)和酒店評分為5項顯著性較強的酒店價格影響因素。旅游資源分布是酒店基本空間布局形成的本質原因，在不同影響因素的共同作用下，驅使微觀酒店價格的形成，最終產生酒店價格空間分布的現(xiàn)狀特征。以中山路為例，步行街與輪渡碼頭帶來了人群結構復雜的游客群體，酒店需求不一，中山路組團酒店分布密集、差異性大，在租金等成本原因以及旅游熱度、客流密度等因素的綜合作用下，形成高價格酒店組團。

（3）通過將酒店評分與客房面積加入局部回歸，得出旅游資源、城市功能片區(qū)以及服務設施分布的不同，使各類影響因素對酒店價格的影響方式在不同區(qū)域展現(xiàn)出不同的特征。

研究通過探究酒店空間布局結構，結合酒店價格定價模式，分析得出完整的酒店價格空間現(xiàn)狀特征形成機理。相比于已有方法，本文使用空間計量方法對酒店價格游有了空間層面的深入解釋，同時本文的模型比較也使得結果更為精確。這種分析方式在經過優(yōu)化后，同樣適用于其他地區(qū)或景區(qū)的酒店價格空間特征研究。針對酒店價格的空間分異特征，應采取更為精細化的管理模式。首先，針對酒店價格高值聚集區(qū)，應注意實時定價與標準價格的偏離，在市場失調時進行有效介入與干預，引導酒店行業(yè)穩(wěn)步發(fā)展。其次，在全域旅游的建設環(huán)境下，還應關注酒店價格低值聚集區(qū)，此類特征的區(qū)域往往缺乏旅游競爭力，建立適當?shù)穆糜伟l(fā)展吸引核將有效緩解旅游產業(yè)布局不均衡的問題。