互联网时代人群流动性对共享短租房价格的影响

雷兵　轩天池

摘 要：研究人群流动性对共享短租房价格的影响意义重大。本文以1128套共享短租房源和2019年4月17日—2020年4月15日的人群流动数据，构建OLS模型和固定效应模型，研究人群流动性对共享短租房价格的影响。结果表明，人群流动性对共享短租房价格呈正向影响，同时验证了房源位置、房源设施、消费者偏好、信任度、季节性等因素对短租房价格的影响显著。因此，建议短租平台根据人群流动性规划短租房疏密度，房东根据人群流动性及时调整定价策略，并预设短租房价格阈值。

关键词：人群流动性;OLS模型;固定效应;共享短租房价格

本文索引：雷兵，轩天池.<标题>[J].商展经济，2022（05）：-057.

中图分类号：F714 文献标识码：A

近年来，共享经济作为一种新型商业模式在全球迅速发展，影响着各个城市的生产和消费体系，促进了对闲置商品或服务的利用。共享经济涉及生活中的各行各业，如共享办公、共享雨伞、共享汽车、共享短租房等[1，2]。其中，共享短租房作为共享经济的产物之一，是年轻人最为青睐的住宿场所，受到许多学者的关注和研究，共享短租房价格影响因素研究一直是国内外学术研究的焦点。近年来，价格影响因素研究主要集中在房东信息、位置、房源类型与设施等房源内在因素和评论数量、评论分数等消费者偏好因素及信任度因素。然而，随着旅游业的兴起，游客人数增加为在线短租带来源源不断的客流，市场规模不断扩大。旅游人数是人群流动的结果，因此，分析人群流动性对共享短租房价格的影响具有重要的意义。

1 文献回顾

现有研究主要分析房源信息、网络口碑、信任度等对共享短租房价格的影响。王春英等（2018）（2021）[3，4]对房源定价的因素进行分析，发现不同价格水平的房源受房屋特性、地理位置与配套设施、预订情况及消费者评论的影响程度不同，具有一定规模的专业房东对房源的定价高于业余房东，并且随着房源规模的扩大而定价越高。吴晓隽等（2019）[5]分析了城市房价、房东特征、房间设施、信任度等对房源价格的影响，发现信任度与社交度两类非经济因素对Airbnb房价也有明显影响，且对经营不同价位房源的房东，房源属性和社交度、信任度对房价的影响程度有明显区别。陈子燕等（2019）[6]在对短租市场租赁平台定价机制的研究中发现专业房东定价对房源数量、房间的容纳率、位置便利等较为重视，非专业房东对容纳性和位置便利性的考虑相比专业房东更为看重。Hong等（2020）[7]得出短租房价格受房源功能、房东的属性、声誉变量和地理特征影响的结论，相同定价变量的解释力在位置之间是不同的。Jorge等（2020）[8]从房东、客人、结构特征和位置等因素研究西班牙马拉加地区Airbnb短租公寓的定价策略，结果显示海滩、景点等对价格有积极影响，噪声对价格有负面影响，价格与客人种族有显著影响。王保乾等（2018）[9]通过Pearson相关性分析得出，短租房市场价格受消费者偏好强弱的影响，并运用混合Logit模型，分析消费者偏好对短租房定价的影响程度。闫强等（2020）[10]借助Airbnb平台研究信任度对价格的影响，结果显示，共享短租交易过程中，房客的信任水平会同时受到房东属性和房源属性的影响，房客的信任水平越高，所能接受的价格上浮程度越高，信任溢价现象越明显。在酒店行业影响因素研究中，Subratat（2020）[11]将季节因素作为影响因素研究酒店的价格变动。

综上所述，现有文献对共享短租房价格影响因素的研究主要集中在房源信息、消费者偏好、信任度，研究酒店价格变动时提出了季节性因素，研究内容比较广泛，研究结论对房东制定定价策略有重要意义。然而，随着旅游业发展对民宿行业的带动，人群流动性已然成为短租房價格重要的影响因素之一。因此，本文以Airbnb平台的北京房源数据和腾讯位置大数据的人群流动数据作为数据来源，研究人群流动性对共享短租房价格的影响。

2 研究设计

2.1 模型设定

本文的主要目的是通过实证分析研究人群流动性对共享短租房价格的影响，同时分析现有研究中房源位置、房屋设施、消费者偏好、信任度、季节性等对共享短租房价格的影响。研究变量中包含静态因素和动态因素，数据结构属于面板数据。因此，本文使用两种方法搭建模型：一是混合回归。假设模型不存在个体效应，将所有数据视为横截面数据，运用OLS估计。二是固定效应模型。可以解决遗漏变量问题，但无法估计不随时间变化的变量。

本文OLS估计模型和固定效应模型中影响因素的变量设计主要为：Li包括北京位置区划的大兴区、朝阳区等行政区，Hi包括浴室、卧室的设施变量，Ri为评论总分变量，Ti包括注册时间等变量，Si，j为星期，Mi，j为人群流动。

2.1.1. OLS 估计模型

本文应用共享短租房价格与人群流动性之间的关系建模时，先考虑人群流动性的影响因素，并综合国内外文献中已有的房源位置、房屋类型与设施、消费者偏好、信任度等因素，OSL估计模型如下：

其中，Yi，j表示第i个房源在第j天的价格，Li表示房源位置，Hi表示房屋类型和设施，Ri表示消费者偏好，Ti表示信任度，Si，j表示季节性，Mi，j表示人群流动性，εi，j表示扰动项。

2.1.2 固定效应模型

本文的固定效应模型主要针对面板数据中的动态因素进行建模，考虑人群流动性因素和季节性因素，固定效应模型如下：

其中，Yi，j表示第i个房源在第j天的价格，Si，j表示季节性，Mi，j人群流动性，θi，j表示扰动项。

2.2 数据来源

本文中短租房数据来源于Airbnb网站的北京房源数据集，包含2019年4月17日—2020年4月15日的1128套房源的价格、房源类型、房源位置、消费者评论与评分、房东信誉等。人群流动数据采集于腾讯位置大数据网站，数据采集时间为2019年4月17日—2020年4月15日，通过八爪鱼爬虫工具抓取由其他地区流向北京地区的人群流动综合指数。

2.3 实证结果和分析

表1第（1）～（6）列是OLS模型结果，可以看出人群流动性对共享短租房价格在1%的显著水平上显著，表明短租房价格随着人群流动性的增加逐渐上升，出现这种状况主要是因为人群流动性变化的因素，例如旅游、出差等。鉴于房源位置对共享短租房的影响，本文将房源区划加入回归模型，观察加入位置因素后人群流动的显著性，表1第（2）列显示人群流动性对短租房价格依然显著，且位置因素与短租房价格成正比。同样，考虑房源设施作为短租房的基础设备，是价格的重要影响因素，本文在模型中加入了浴室、卧室等变量。从表1第（3）列可以发现，加入房源基本设施因素后，人群流动性非常显著，且浴室数量与房源价格呈负相关，卧室数量与房源价格呈正相关，说明消费者更关注房源的卧室。消费者偏好是消费者体验房源后对房源作出的情感感知评价和价值感知评价，是短租房价格的重要影响因素。因此，本文将综合评分加入回归模型，从表1第（4）列可以看出，加入消费者偏好后，人群流动性依然显著，且消费者偏好的各个变量都与价格呈正相关，因此，短租平台应该密切关注消费者偏好，可以为房东设计更具竞争力的产品。信任度是房东与消费者之间的桥梁，消费者的信任感知越高，其购买决策就越果断，同样，越被信任的房东其短租房越受欢迎。因此，本文将房东回复率、注册时间、是否为超级房东加入回归模型，从表1第（5）列可以看出人群流动性依然显著。季节性是随着时间变化的规律性动态因素，在不考虑其他因素的情况下，季节性因素对价格的影响是周期性的。然而，现实中各种复杂的政策因素、突发事件因素使得价格呈现非规律性波动。因此，在模型中加入周期性的星期变量是非常必要的，如表1第（6）列所示，加入季节性因素后人群流动性依然显著，且季节性与价格关系也比较显著。从6个模型可以发现，在只加入人群流動性因素时，人群流动性与价格之间的关系最为显著;逐渐加入房源位置、房源设施、消费者偏好、信任度、季节性因素后，人群流动性与价格的关系依然显著，显著性相比模型（1）稍微降低，说明各因素之间存在一定的多重共线性。

本文数据属于面板数据，因此利用固定效应模型对比分析人群流动性与季节性对共享短租房价格的影响。表1的第（7）（8）列是固定效应模型结果，表2是固定效应模型（8）的回归结果。从模型（7）与模型（8）对比可以看出，模型（8）的显著性降低，主要原因在于人群流动性数据具有趋势性、周期性和季节性特点，当去掉人群流动性的趋势性、周期性时，人群流动性因素的季节特征性与季节性因素之间存在共线性问题。同时，从表2中可以看出，人群流动性比季节性对短租房价格更为显著，说明人群流动性对共享短租房价格影响更大。

3 结语

本文基于1128套共享短租房房源数据和2019年4月17日—2020年4月15日的人群流动性数据，运用OLS回归模型和固定效应模型分析了人群流动性对共享短租房价格的影响。研究结果表明：第一，OLS回归模型和固定效应模型的实证结果都显示人群流动性与共享短租房价格在1%的显著水平上显著。第二，在OLS模型中加入房源位置、房源设施、消费者偏好、信任度及季节性因素后，人群流动性与共享短租房价格之间关系依然显著，在固定效应模型中加入季节性因素后，得到了同样的结果。同时，OLS模型和固定效应模型在加入季节性因素后显著性都降低，说明人群流动性因素与季节性因素之间存在多元共线性。第三，人群流动性与共享短租房价格呈正相关，人群流动性的增加使得短租房价格上升。总而言之，人群流动性是影响共享短租房价格的重要因素，且与价格的变动密切相关。

基于以上实证结论，结合共享短租平台的发展现状提出以下建议：第一，注重短租房疏密度分布。短租房平台在关注平台利润的同时，要关注短租房的位置分布，人口流动性往往会带动旅游业的发展，更多地将短租房分布在旅游城市及地区是极为重要的。同时，人群流动较大的地方主要为一线城市，通常会举行各种大型活动和会议，因此，一线城市也是短租房发展的重点。第二，注重定价策略调整。房东在进行房源定价时要考虑房源类型、房源位置、房源设施等，人口流动性同样是值得考虑的因素。当人口流动性较大时，尤其在节假日期间，房东可以适当提高房源价格，当人口流动较小时，房东可以根据市场同类型房源降低价格。第三，价格阈值设定。虽然人口流动性与价格之间呈正相关，但是如果随着人口流动性的逐渐增加，不断提高短租房价格就会适得其反。因此，无论是短租平台还是房东，都需要将短租房价格设定在合理的范围内，才能获得可观的利润，使得共享短租行业稳定可持续发展。

参考文献

凌超，张赞.“分享经济”在中国的发展路径研究：以在线短租为例[J].现代管理科学，2014（10）：36-38.

田林，余航.共享经济外部影响定量研究综述[J].管理科学学报，2020，23（9）：1-18.

王春英，陈宏民.共享短租平台住宿价格及其影响因素研究：基于小猪短租网站相关数据的分析[J].价格理论与实践，2018（6）：14-17.

王春英，陈宏民.共享短租平台房东定价行为：基于小猪短租平台的数据分析[J].系统管理学报，2021（2）：363-372.

吴晓隽，裘佳璐.Airbnb房源价格影响因素研究：基于中国36个城市的数据[J].旅游学刊，2019，34（4）：13-28+43.

陈子燕，邓丽.短租市场租赁平台定价机制研究：基于不同房东类型的分析[J].价格理论与实践，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，邓菲.共享经济中的短租房均衡价格：基于个人微观数据与混合Logit模型[J].产经评论，2018，9（3）：34-46.

闫强，胡承蓉，张乐.共享经济中消费者信任影响因素实证研究[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.