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(chǎn)業(yè)發(fā)展中重要的服務(wù)設(shè)施組成部分，其區(qū)位與旅游區(qū)位和其他服務(wù)設(shè)施區(qū)位高度相關(guān)，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(chǎn)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(dǎo)旅游業(yè)健康發(fā)展的重要任務(wù)[2]。合理的酒店布局模式以及定價模式有利于城市服務(wù)設(shè)施的合理配置，有效提升城市的服務(wù)能力，塑造良好的城市形象。

空間計量經(jīng)濟(jì)學(xué)由荷蘭經(jīng)濟(jì)學(xué)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(jù)中存在的空間相互作用以及空間不均勻性進(jìn)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(nèi)外學(xué)者大多關(guān)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(wǎng)POI數(shù)據(jù)，運用空間計量分析方法，研究深圳市經(jīng)濟(jì)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(jīng)營的上市跨國酒店集團(tuán)為樣本，運用空間自相關(guān)Moran指數(shù)、局域空間關(guān)聯(lián)指標(biāo)LISA集群圖及空間面板回歸模型進(jìn)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(guān)，但進(jìn)一步使用空間計量理論進(jìn)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(nèi)外學(xué)者的研究普遍聚焦于4個方向。文蓉及Adam等學(xué)者從酒店成本、需求等微觀層面進(jìn)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(jī)制[10-11]；Slava及Matthias使用GIS、大數(shù)據(jù)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(xué)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(xué)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(yīng)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(jìn)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(jìn)行酒店價格研究的文獻(xiàn)較少，且大多數(shù)關(guān)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(jìn)行酒店空間分布分析均取得了較好的進(jìn)展，但進(jìn)一步進(jìn)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(zhì)，能夠更好地解釋酒店價格完整的形成機(jī)理，同時結(jié)合GIS技術(shù)能夠準(zhǔn)確地進(jìn)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(gòu)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(zhì)，以期對廈門市服務(wù)設(shè)施的優(yōu)化以及廈門市服務(wù)業(yè)的穩(wěn)步發(fā)展提供一定參考。

圖1 技術(shù)路線

1 數(shù)據(jù)與研究方法

1.1 技術(shù)路線

研究的主體思路如圖1。首先，在數(shù)據(jù)獲取的基礎(chǔ)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(guān)分析檢驗酒店價格的空間特質(zhì)；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(jìn)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(chǔ)，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(chǔ)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(jìn)行橫向?qū)Ρ取Ｏ啾扔趥鹘y(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(qiáng)的數(shù)據(jù)具備更加優(yōu)良的解釋力度。

1.2 數(shù)據(jù)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(xiàn)中的酒店密度特征[19-21]，依據(jù)每平方公里1.8個酒店的酒店分布密度標(biāo)準(zhǔn)，隨機(jī)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(jù)，以排除事件影響產(chǎn)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(jù)需求確定下，通過去哪兒網(wǎng)（https://www.qunar.com/）獲得有效數(shù)據(jù)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(xiàn)[23-24]，得到一系列顯著性較強(qiáng)的影響因子，并以特征價格法為基礎(chǔ)，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(nèi)部因素：即酒店內(nèi)部情況的價格影響因素，包含客房面積、酒店服務(wù)、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(wǎng)對酒店臨近景點、商圈和交通設(shè)施的判定結(jié)果，依據(jù)去哪兒網(wǎng)對設(shè)施的排名進(jìn)行評分加總，并進(jìn)行標(biāo)準(zhǔn)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(jié)構(gòu)相結(jié)合，即可得到一個標(biāo)準(zhǔn)回歸的空間擴(kuò)展模型“空間滯后模型”（Spatial Lag Model，SLM）。使用標(biāo)準(zhǔn)化矩陣W乘以由空間相關(guān)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(yīng)，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(jù)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(guān)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(jī)變量y的加權(quán)平均；X為解釋變量矩陣；ε為隨機(jī)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(rèn)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(chǎn)生差異則采用該模型：

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

地理加權(quán)回歸模型（Geographically Weighted Regression, GWR）是一種基于空間關(guān)系的計量模型，與全局回歸相比，地理加權(quán)回歸在數(shù)據(jù)處理時考慮局部特征作為權(quán)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(jù)的空間特性納入模型中，為分析回歸關(guān)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(biāo)，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(quán)回歸模型中，進(jìn)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(jù)，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(jié)果與分析

2.1 廈門島酒店價格空間相關(guān)性分析

空間自相關(guān)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?qū)傩灾档南嚓P(guān)程度，是一種檢測與量化多個標(biāo)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(guān)檢驗包括全局自相關(guān)檢驗與局部自相關(guān)檢驗。其中全局空間自相關(guān)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(yīng)。全局自相關(guān)檢驗通常使用Moran's I作為檢驗指標(biāo)，其取值范圍在（-1）到1之間，接近于（-1）表示存在負(fù)的空間自相關(guān)，反之存在正自相關(guān)。利用GeoDa軟件可以對廈門島酒店價格進(jìn)行全局自相關(guān)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(rèn)為廈門島酒店價格空間分布呈現(xiàn)顯著的空間特質(zhì)，且為正相關(guān)性，即高價酒店集聚與低價酒店集聚并存。局部空間自相關(guān)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(zhì)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(chǎn)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(jié)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(jié)果

在利用樣本數(shù)據(jù)進(jìn)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(quán)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(yán)重的異方差問題，導(dǎo)致模型的參數(shù)估計量無效，同時模型預(yù)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(jìn)而可認(rèn)為所選取變量的多重共線性問題較??；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(jù)已有文獻(xiàn)，可認(rèn)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(quán)重矩陣的作用主要體現(xiàn)為對模型的修正，解釋強(qiáng)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(jù)結(jié)果中，空間誤差模型表現(xiàn)更為優(yōu)異； 而在地理加權(quán)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(wù)、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(jié)果表明GWR模型與SEM及SLM模型結(jié)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(xiàn)。

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(jié)果表明，廈門島酒店價格以及消費者偏向性與三者相關(guān)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(guān)聯(lián)性不強(qiáng)，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(wù)、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(dāng)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(jù)來源為去哪兒網(wǎng)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(zhì)。在進(jìn)行全局自相關(guān)檢驗后，Moran's I指數(shù)達(dá)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(guān)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(zhì)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?。粫蛊瑓^(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(wù)以及高端旅游產(chǎn)業(yè)發(fā)展而產(chǎn)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(wù)。酒店服務(wù)數(shù)據(jù)來源為去哪兒網(wǎng)酒店搜索中的酒店設(shè)施相關(guān)數(shù)據(jù)。在進(jìn)行全局自相關(guān)檢驗中，Moran's I指數(shù)達(dá)到0.0679，p值通過0.01水平的顯著性檢驗，空間自相關(guān)性較強(qiáng)，同時通過插值圖可發(fā)現(xiàn)酒店服務(wù)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(wù)彈性為0.1951，表明酒店服務(wù)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(jù)酒店星級來定義，數(shù)據(jù)選取去哪兒網(wǎng)的酒店星級分類。具體包括經(jīng)濟(jì)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(jìn)行全局自相關(guān)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(jìn)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(dá)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(chǎn)業(yè)結(jié)構(gòu)。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(wǎng)的酒店鄰近景區(qū)標(biāo)識，并以去哪兒網(wǎng)廈門島內(nèi)景點評分、排名為依據(jù)，制定景點指數(shù)評價標(biāo)準(zhǔn)。以中山路步行街與環(huán)島路風(fēng)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(nèi)的全域旅游建設(shè)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(wǎng)用戶評分（截至2018年6月26日）。通過全局自相關(guān)檢驗，Moran's I指數(shù)達(dá)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(qiáng)的空間自相關(guān)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(nèi)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(dǎo)致曾厝垵成為廈門島內(nèi)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(quán)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(jīng)營成本較高，低端酒店以壓低價格來獲取競爭力，各項服務(wù)供應(yīng)不全，而高端酒店為吸引高消費群體，偏向于忽視酒店經(jīng)營成本而提供高端服務(wù)，從而導(dǎo)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(qiáng)的市場競爭環(huán)境促使酒店各項因素趨于一致，導(dǎo)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(nèi)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(nèi)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(dǎo)致片區(qū)內(nèi)不僅酒店價格較低，而且酒店的各項服務(wù)較為稀缺，進(jìn)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(dǎo)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(wù)質(zhì)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(jié)論與討論

本文運用空間自相關(guān)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(jìn)一步探究酒店價格空間特征的形成機(jī)制，得出如下結(jié)論。

（1）廈門島酒店價格存在全局空間自相關(guān)。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(guān)，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(guān)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(wù)、酒店類型、景點指數(shù)和酒店評分為5項顯著性較強(qiáng)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(zhì)原因，在不同影響因素的共同作用下，驅(qū)使微觀酒店價格的形成，最終產(chǎn)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(jié)構(gòu)復(fù)雜的游客群體，酒店需求不一，中山路組團(tuán)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(tuán)。

（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(wù)設(shè)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(jié)構(gòu)，結(jié)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(jī)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(jié)果更為精確。這種分析方式在經(jīng)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(yīng)采取更為精細(xì)化的管理模式。首先，針對酒店價格高值聚集區(qū)，應(yīng)注意實時定價與標(biāo)準(zhǔn)價格的偏離，在市場失調(diào)時進(jìn)行有效介入與干預(yù)，引導(dǎo)酒店行業(yè)穩(wěn)步發(fā)展。其次，在全域旅游的建設(shè)環(huán)境下，還應(yīng)關(guān)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(dāng)?shù)穆糜伟l(fā)展吸引核將有效緩解旅游產(chǎn)業(yè)布局不均衡的問題。