雷兵 軒天池

(河南工業(yè)大學(xué)管理學(xué)院/商務(wù)智能與知識工程實驗室 河南鄭州 450001)

近年來，共享經(jīng)濟作為一種新型商業(yè)模式在全球迅速發(fā)展，影響著各個城市的生產(chǎn)和消費體系，促進了對閑置商品或服務(wù)的利用。共享經(jīng)濟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)濟的產(chǎn)物之一，是年輕人最為青睞的住宿場所，受到許多學(xué)者的關(guān)注和研究，共享短租房價格影響因素研究一直是國內(nèi)外學(xué)術(shù)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(shè)施等房源內(nèi)在因素和評論數(shù)量、評論分數(shù)等消費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源源不斷的客流，市場規(guī)模不斷擴大。旅游人數(shù)是人群流動的結(jié)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。

1 文獻回顧

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(fā)現(xiàn)不同價格水平的房源受房屋特性、地理位置與配套設(shè)施、預(yù)訂情況及消費者評論的影響程度不同，具有一定規(guī)模的專業(yè)房東對房源的定價高于業(yè)余房東，并且隨著房源規(guī)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(shè)施、信任度等對房源價格的影響，發(fā)現(xiàn)信任度與社交度兩類非經(jīng)濟因素對Airbnb房價也有明顯影響，且對經(jīng)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(qū)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(fā)現(xiàn)專業(yè)房東定價對房源數(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(jié)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(jié)構(gòu)特征和位置等因素研究西班牙馬拉加地區(qū)Airbnb短租公寓的定價策略，結(jié)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(guān)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(jié)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(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格變動。

綜上所述，現(xiàn)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(jié)性因素，研究內(nèi)容比較廣泛，研究結(jié)論對房東制定定價策略有重要意義。然而，隨著旅游業(yè)發(fā)展對民宿行業(yè)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(shù)據(jù)和騰訊位置大數(shù)據(jù)的人群流動數(shù)據(jù)作為數(shù)據(jù)來源，研究人群流動性對共享短租房價格的影響。

2 研究設(shè)計

2.1 模型設(shè)定

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(xiàn)有研究中房源位置、房屋設(shè)施、消費者偏好、信任度、季節(jié)性等對共享短租房價格的影響。研究變量中包含靜態(tài)因素和動態(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)模型不存在個體效應(yīng)，將所有數(shù)據(jù)視為橫截面數(shù)據(jù)，運用OLS估計。二是固定效應(yīng)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(yīng)模型中影響因素的變量設(shè)計主要為：Li包括北京位置區(qū)劃的大興區(qū)、朝陽區(qū)等行政區(qū)，Hi包括浴室、臥室的設(shè)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(yīng)用共享短租房價格與人群流動性之間的關(guān)系建模時，先考慮人群流動性的影響因素，并綜合國內(nèi)外文獻中已有的房源位置、房屋類型與設(shè)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(shè)施，Ri表示消費者偏好，Ti表示信任度，Si，j表示季節(jié)性，Mi，j表示人群流動性，εi，j表示擾動項。

2.1.2 固定效應(yīng)模型

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

其中，Yi，j表示第i個房源在第j天的價格，Si，j表示季節(jié)性，Mi，j人群流動性，θi，j表示擾動項。

2.2 數(shù)據(jù)來源

本文中短租房數(shù)據(jù)來源于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(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(qū)流向北京地區(qū)的人群流動綜合指數(shù)。

2.3 實證結(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(xiàn)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(qū)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(shè)施作為短租房的基礎(chǔ)設(shè)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(fā)現(xiàn)，加入房源基本設(shè)施因素后，人群流動性非常顯著，且浴室數(shù)量與房源價格呈負相關(guān)，臥室數(shù)量與房源價格呈正相關(guān)，說明消費者更關(guān)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(guān)，因此，短租平臺應(yīng)該密切關(guān)注消費者偏好，可以為房東設(shè)計更具競爭力的產(chǎn)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(fù)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(jié)性是隨著時間變化的規(guī)律性動態(tài)因素，在不考慮其他因素的情況下，季節(jié)性因素對價格的影響是周期性的。然而，現(xiàn)實中各種復(fù)雜的政策因素、突發(fā)事件因素使得價格呈現(xiàn)非規(guī)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(jié)性因素后人群流動性依然顯著，且季節(jié)性與價格關(guān)系也比較顯著。從6個模型可以發(fā)現(xiàn)，在只加入人群流動性因素時，人群流動性與價格之間的關(guān)系最為顯著；逐漸加入房源位置、房源設(shè)施、消費者偏好、信任度、季節(jié)性因素后，人群流動性與價格的關(guān)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(yīng)模型回歸結(jié)果

本文數(shù)據(jù)屬于面板數(shù)據(jù)，因此利用固定效應(yīng)模型對比分析人群流動性與季節(jié)性對共享短租房價格的影響。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(shù)據(jù)具有趨勢性、周期性和季節(jié)性特點，當(dāng)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(jié)特征性與季節(jié)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(jié)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(yīng)模型(8)的回歸結(jié)果

3 結(jié)語

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日的人群流動性數(shù)據(jù)，運用OLS回歸模型和固定效應(yīng)模型分析了人群流動性對共享短租房價格的影響。研究結(jié)果表明：第一，OLS回歸模型和固定效應(yīng)模型的實證結(jié)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(shè)施、消費者偏好、信任度及季節(jié)性因素后，人群流動性與共享短租房價格之間關(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，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，說明人群流動性因素與季節(jié)性因素之間存在多元共線性。第三，人群流動性與共享短租房價格呈正相關(guān)，人群流動性的增加使得短租房價格上升?？偠灾巳毫鲃有允怯绊懝蚕矶套夥績r格的重要因素，且與價格的變動密切相關(guān)。

基于以上實證結(jié)論，結(jié)合共享短租平臺的發(fā)展現(xiàn)狀提出以下建議：第一，注重短租房疏密度分布。短租房平臺在關(guān)注平臺利潤的同時，要關(guān)注短租房的位置分布，人口流動性往往會帶動旅游業(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，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(fā)展的重點。第二，注重定價策略調(diào)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(shè)施等，人口流動性同樣是值得考慮的因素。當(dāng)人口流動性較大時，尤其在節(jié)假日期間，房東可以適當(dāng)提高房源價格，當(dāng)人口流動較小時，房東可以根據(jù)市場同類型房源降低價格。第三，價格閾值設(shè)定。雖然人口流動性與價格之間呈正相關(guān)，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(shè)定在合理的范圍內(nèi)，才能獲得可觀的利潤，使得共享短租行業(yè)穩(wěn)定可持續(xù)發(fā)展。