【摘要】本文運(yùn)用OLS、主成分分析法和GWR，對蘇州地域范圍內(nèi)酒店價(jià)格的空間異質(zhì)性及其影響因素進(jìn)行了探討。研究發(fā)現(xiàn)：①酒店價(jià)格主要受周邊配套設(shè)施、酒店自身?xiàng)l件、周邊環(huán)境、長途交通條件和周邊醫(yī)療條件的顯著影響，其中周邊配套設(shè)施、酒店自身?xiàng)l件、長途交通條件和周邊醫(yī)療條件的影響程度在空間上存在異質(zhì)性②酒店自身?xiàng)l件、長途交通條件對酒店價(jià)格的正向影響最大，周邊醫(yī)療條件對酒店價(jià)格的負(fù)向影響最大。最后對全文做出了總結(jié)和探討。

【關(guān)鍵詞】酒店價(jià)格;GWR;空間異質(zhì)性

價(jià)格競爭一直以來都是酒店之間的一種重要競爭方式。而對于旅游者來說，酒店作為旅游六要素之一，其價(jià)格始終備受旅游者關(guān)注。關(guān)于酒店價(jià)格的近期研究中，國內(nèi)外的研究熱點(diǎn)都比較集中于酒店客房的定價(jià)策略和方法、酒店價(jià)格對于顧客滿意度的影響、影響酒店價(jià)格的因素等方面[1-3]。地理加權(quán)回歸（GWR）模型由英國Newcastle大學(xué)的Brunsdon等[4]提出，是一種能有效揭示被觀測者空間非平穩(wěn)性的方法，其在與地理位置有關(guān)的學(xué)科中具有重要的應(yīng)用價(jià)值。除了Brunsdon之外，近年來還有其它學(xué)者[5]也將研究結(jié)果與OLS方法進(jìn)行比較，都證實(shí)了地理加權(quán)回歸模型較優(yōu)。雖然很早之前就有國內(nèi)學(xué)者對酒店價(jià)格時(shí)空分異進(jìn)行研究[6，7]，但是運(yùn)用GWR模型進(jìn)行研究的非常少。本文采用GWR模型對蘇州的酒店價(jià)格空間異質(zhì)性進(jìn)行研究，以促進(jìn)酒店價(jià)格的科學(xué)化制定。

1、研究方法與變量選取

1.1模型與方法

經(jīng)典的線性回歸模型通常是由隨機(jī)誤差項(xiàng)εi和一套參數(shù)β0和βi組成，可以寫成：

傳統(tǒng)的回歸模型是建立在最小二乘法基礎(chǔ)上對參數(shù)進(jìn)行估計(jì)，OLS則在定義了全局因變量yi和自變量x關(guān)系后，i通過最小誤差平方和來得出方程參數(shù)的估計(jì)值[8]。雖然其對于空間平穩(wěn)性數(shù)據(jù)的回歸有較好的估計(jì)，但是對于空間非平穩(wěn)性數(shù)據(jù)的回歸估計(jì)卻不太理想。因此這時(shí)候就需要引入GWR模型，其允許一些不平穩(wěn)的數(shù)據(jù)直接被模擬。地理加權(quán)回歸方法對傳統(tǒng)回歸模型進(jìn)行了拓展，使得參數(shù)能夠進(jìn)行局部估計(jì)，其模型為：

式中：ui、vi是第i個(gè)樣本點(diǎn)的地理坐標(biāo);βi是隨著地理位置的變化而變化，每一個(gè)局部的βi都是用來估計(jì)它相鄰的空間觀測值。

1.2數(shù)據(jù)來源

本文蘇州酒店房價(jià)數(shù)據(jù)來源于攜程網(wǎng)，共獲取了7月25日到7月31日共七天的蘇州整個(gè)地域范圍內(nèi)的酒店信息，最后選取出3957家連續(xù)七天均獲取到客房最低價(jià)數(shù)據(jù)的酒店，將其七天的價(jià)格平均值作為原始數(shù)據(jù)。同時(shí)從攜程網(wǎng)獲取了每家酒店至7月31日為止的評分、評價(jià)數(shù)和酒店設(shè)施情況。評分為空的酒店其評分以同價(jià)格段所有酒店的平均值為準(zhǔn)（例如價(jià)格為158元的酒店評分為空，則以價(jià)格為101-200元所有酒店的評分平均值作為其評分）。同時(shí)對酒店所提供的設(shè)施和服務(wù)進(jìn)行統(tǒng)計(jì)，每提供一樣設(shè)施或服務(wù)其數(shù)量就加一。

蘇州地區(qū)內(nèi)的POI點(diǎn)數(shù)據(jù)均從百度地圖獲取，其中包括餐飲POI點(diǎn)88993個(gè)，地鐵站POI點(diǎn)129個(gè)，公交車站POI點(diǎn)9557個(gè)，購物POI點(diǎn)13457個(gè)，商務(wù)POI點(diǎn)2486個(gè)，休閑服務(wù)POI點(diǎn)894個(gè)，普通景點(diǎn)（除A級景點(diǎn)以外的其它景點(diǎn)）POI點(diǎn)2515個(gè)，3A級景點(diǎn)POI點(diǎn)11個(gè)，4A級景點(diǎn)POI點(diǎn)19個(gè)，5A級景點(diǎn)POI點(diǎn)8個(gè)，綜合醫(yī)院POI點(diǎn)140個(gè)，銀行（包括ATM機(jī)服務(wù)點(diǎn)）POI點(diǎn)5232個(gè)，車站（包括汽車站和火車站）POI點(diǎn)131個(gè)，高等院校POI點(diǎn)86個(gè)，共計(jì)14類POI點(diǎn)數(shù)據(jù)。由于百度地圖API一個(gè)矩形范圍內(nèi)只能返回最多400個(gè)POI點(diǎn)的數(shù)據(jù)，所以將蘇州市范圍切成80*80個(gè)切片對每一類POI點(diǎn)進(jìn)行爬取。結(jié)果顯示沒有一個(gè)切片的數(shù)據(jù)量達(dá)到400，因此獲取的數(shù)據(jù)相對來說較為全面，基本沒有遺漏。最后將所有酒店和POI點(diǎn)數(shù)據(jù)導(dǎo)入ARCGIS10.5中計(jì)算酒店周邊1000米范圍內(nèi)各類POI點(diǎn)的數(shù)量。

1.3變量選取

由于不能將啞元數(shù)據(jù)導(dǎo)入GWR模型，經(jīng)過統(tǒng)計(jì)發(fā)現(xiàn)酒店周邊3A、4A和5A景區(qū)數(shù)量的數(shù)據(jù)為啞元數(shù)據(jù)，為了不影響模型最終結(jié)果，所以決定采用賦值法對這三個(gè)變量進(jìn)行合并（一個(gè)3A級景點(diǎn)賦3分，4A級景點(diǎn)賦4分，5A級景點(diǎn)賦5分）。最終選取的所有自變量共16個(gè)，分別為：酒店評分、酒店評價(jià)數(shù)、酒店設(shè)施數(shù)、酒店類型、餐飲（“周邊餐飲數(shù)”的簡稱，下同）、地鐵、公交、購物、商務(wù)、休閑服務(wù)、普通景點(diǎn)、A級景點(diǎn)、醫(yī)院、銀行、車站、高校。

2、結(jié)果分析

2.1 OLS結(jié)果分析

注：***為0.001顯著性水平;**為0.01顯著性水平;*為0.05顯著性水平，下同。

本文中OLS模型回歸分析通過ARCGIS10.5中的普通最小二乘法工具實(shí)現(xiàn)，輸出的結(jié)果如表1所示。由于回歸結(jié)果中Koenker統(tǒng)計(jì)量的概率為0.000000（p<0.01），具有統(tǒng)計(jì)學(xué)上的顯著性，即說明數(shù)據(jù)可能存在空間非穩(wěn)定性，因此使用穩(wěn)健概率列（Robust_Pr）來確定系數(shù)顯著性。從表中可以看出自變量餐飲、購物、商務(wù)、休閑和銀行的VIF值均大于5.0，說明模型的自變量之間存在較為嚴(yán)重的全局或局部多重共線性。

2.2主成分分析

由于自變量之間存在多重共線性，但是這些變量的顯著性水平又較高，為了在消除自變量之間多重共線性的同時(shí)不遺漏重要的自變量，所以決定采用主成分分析方法。

將數(shù)據(jù)導(dǎo)入SPSS25.0軟件中，選擇因子分析中的主成分分析方法進(jìn)行提取。得到的KMO和巴特利特檢驗(yàn)結(jié)果KMO結(jié)果為0.838，且巴特利特球形度檢驗(yàn)的顯著性為0.000（p<0.01），說明現(xiàn)有變量適合進(jìn)行因子分析。

得到的成分矩陣如表2所示。經(jīng)過主成分分析，原有的16個(gè)自變量被降維成了5個(gè)新的主成分。根據(jù)表中各列的因子載荷可以看出，主成分1主要由餐飲、地鐵、公交、購物、商務(wù)、休閑、普通景點(diǎn)和銀行共8個(gè)變量構(gòu)成，因此可以將其命名為“周邊綜合生活配套設(shè)施”（簡稱PT）;主成分2主要由酒店評分、酒店評價(jià)數(shù)、酒店設(shè)施數(shù)和酒店類型共4個(gè)變量構(gòu)成，因此可以將去命名為“酒店自身?xiàng)l件”（ZS）;主成分3主要由A級景點(diǎn)這一變量構(gòu)成，因此可以將其命名為“酒店周邊環(huán)境”（HJ）;主成分4主要由車站這一變量構(gòu)成，因此可以將其命名為“長途交通條件”（JT）;主成分5主要由醫(yī)院數(shù)量這一變量構(gòu)成，同時(shí)高校占的比重也較高，因此可以將其命名為“周邊醫(yī)療條件”（YL）。

通過SPSS25.0將原有的16個(gè)自變量全部標(biāo)準(zhǔn)化，依照表2從上到下的順序設(shè)經(jīng)過Z標(biāo)準(zhǔn)化后的變量為X1，X2，…，X16。同時(shí)用每一列的因子載荷分別除以其相應(yīng)的特征值的平方根（分別為5.927、1.853、1.408、1.185、1.017），得到的各主成分的表達(dá)式。

表2 成分矩陣

2.3 GWR結(jié)果分析

將上述所得5個(gè)新的變量導(dǎo)入GWR4.0軟件中進(jìn)行運(yùn)算，得到的回歸結(jié)果如表3所示，以及GWR模型的估計(jì)系數(shù)如表4所示。

從表3中可以看出，PT、ZS、JT和YL都是顯著的，只有HJ是不顯著的。結(jié)果說明PT、ZS、JT和YL都具有明顯的空間不平穩(wěn)性，其系數(shù)會(huì)隨著空間位置的變化而發(fā)生顯著變化;而HJ則不具有明顯的空間不平穩(wěn)性，隨著空間位置的變化其系數(shù)并不會(huì)發(fā)生顯著的變化。

表3 回歸結(jié)果

從表3中可以看出，ZS、HJ和JT的系數(shù)平均值均為正數(shù)，其對酒店價(jià)格的影響多為正向影響，其中酒店自身?xiàng)l件平均來說對酒店價(jià)格的影響最大為58.89，其次為長途交通條件對酒店價(jià)格的影響為56.77，最后為酒店周邊環(huán)境對酒店價(jià)格的影響為10.83，即酒店自身?xiàng)l件越好、長途交通條件越便捷，一般來說酒店的價(jià)格就越高;而酒店周邊環(huán)境越好一般其周邊同質(zhì)化競爭也較為激烈，因此對酒店價(jià)格的影響程度不高。而PT和YL的系數(shù)平均值均為負(fù)數(shù)，其對酒店價(jià)格的影響則多為負(fù)向影響，其中醫(yī)療條件越好的區(qū)域其周邊一般多為廉價(jià)快捷酒店方便病人家屬入住，其價(jià)格普遍較低。

3、結(jié)論與不足

本文基于GWR模型，對蘇州地域范圍內(nèi)酒店價(jià)格的空間異質(zhì)性及其影響因素進(jìn)行了探討。研究發(fā)現(xiàn)：①酒店價(jià)格主要受周邊配套設(shè)施、酒店自身?xiàng)l件、周邊環(huán)境、長途交通條件和周邊醫(yī)療條件的顯著影響，其中周邊配套設(shè)施、酒店自身?xiàng)l件、長途交通條件和周邊醫(yī)療條件的影響程度在空間上存在異質(zhì)性②酒店自身?xiàng)l件、長途交通條件對酒店價(jià)格的正向影響最大，周邊醫(yī)療條件對酒店價(jià)格的負(fù)向影響最大。

酒店價(jià)格的形成是多種因素在一定區(qū)域范圍內(nèi)共同作用的結(jié)果，除了本文中提到的影響因素之外，一定還有其它重要因素會(huì)對酒店價(jià)格產(chǎn)生影響。酒店的地價(jià)、房租和建設(shè)成本是否會(huì)對酒店價(jià)格產(chǎn)生影響，這些都是酒店經(jīng)營者自己私下的交易行為我們暫時(shí)不得而知。我們曾嘗試將區(qū)域范圍內(nèi)的平均地價(jià)作為自變量代入模型中，但考慮到現(xiàn)實(shí)中酒店建設(shè)的復(fù)雜情況，總覺得有失偏頗，因此將其舍棄。每一個(gè)酒店經(jīng)營者對于所經(jīng)營酒店的價(jià)格期望和其所選擇的定價(jià)策略到底是怎樣的，會(huì)對酒店價(jià)格產(chǎn)生怎樣的影響這一點(diǎn)也有待進(jìn)一步研究。政府的稅收制度、相關(guān)政策又會(huì)對酒店價(jià)格產(chǎn)生怎樣的影響也有待進(jìn)一步探討。

參考文獻(xiàn)：

[1]文蓉.需求導(dǎo)向定價(jià)法在酒店價(jià)格形成機(jī)制中的應(yīng)用[J].價(jià)格月刊，2014（03）：33-35.

[2]周李，張清源，朱其靜，陸林.廣交會(huì)對星級酒店房價(jià)影響的時(shí)空分異研究——以第117和118屆廣交會(huì)為例[J].地理科學(xué)，2017，37（09）：1363-1373.

[3]Sameer Mathur， Prem Prakash Dewani. Influence of cultural heritage on hotel prices，occupancy and profit：Theory and evidence[J]. Tourism Economics， 2016 ，22（5）： 1014-1032.

[4]Brunsdon C， Fotheringham A S， Charlton M. Some notes on parametric significance tests for geographically weighted regression[J]. Journal of Regional Science， 1999， 39（3）： 497-524.

[5]吳玉鳴.中國省域旅游業(yè)彈性系數(shù)的空間異質(zhì)性估計(jì)——基于地理加權(quán)回歸模型的實(shí)證[J].旅游學(xué)刊，2013，28（2）：35-43.

[6]熊偉，吳必虎.大型展會(huì)對高星級酒店房價(jià)影響的空間分析——以第100屆廣交會(huì)為例[J].旅游學(xué)刊，2008，23（2）： 80-86.

[7]湯慶園，徐偉，艾福利.基于地理加權(quán)回歸的上海市房價(jià)空間分異及其影響因子研究[J].經(jīng)濟(jì)地理201232（2）52-58.

作者簡介：

張義杰（1995-）男，漢族，江蘇淮安人，碩士研究生，旅游地理。