基于特征价格模型的景区依附型民宿定价机制研究——以上海迪士尼度假区为例

时间：2024-07-06

黄和平 , 卢毅琮 , 姜红，赖庆晟

(1.上海商学院酒店管理学院，上海 201400； 2.复旦大学经济管理学院，上海 200436)

0 引言

目前，国内民宿规模正稳步增长，2016—2018年年均增幅达31%以上。2018年国内已有107.2万间民宿房源。国家于2017年首次出台针对民宿等小型旅游住宿设施的行业标准，并于2019年予以更新。民宿评定从此进入星级阶段。与此同时，民宿也成为当前学界关注的热点。在文化和旅游部2019年发布的《旅游民宿基本要求与评价》中，民宿被明确定义为利用当地民居等相关闲置资源(房屋来源)，经营用客房不超过4层、建筑面积不超过800 m2(规模)的小型住宿设施，服务主体为民宿主人(民宿业主或经营管理者)。相较于2017年版从房间数量上对民宿规模的限制[1]，2019年版对民宿规模的限制体现在楼层与建筑面积方面。两者共同点在于保留了对当前所有权与经营权普遍分离这一行业现状的接纳，与国内产业实际相符[2]。

价格是影响游客选择短期住宿的重要因素[3]。特征价格理论认为消费者实际购买的是产品包含的所有特征因素而非产品本身。性价比是客户选择民宿的主要原因。因此，产品相关特征及其单位成本影响了消费者购买决策。学界对酒店及民宿短租价格影响因素进行了较多研究，体现了该研究方向的重要性。特征价格模型可以实现对异质性商品价格微观影响因素的准确识别，普遍运用于异质性住宅产品隐含价格的研究。民宿产品具有明显的异质性。从硬件上看，民宿产品本身就是非标住宿。文化元素在民宿空间的呈现与展示既是地方性的情感表达，也是游客获得独特文化体验并形成地方认同的关键，更是民宿异质性属性的核心表征。此外，地理区域的改变和不同的民宿类型(如景区依附型、村镇集群型以及渔猎延伸型)进一步强化了民宿的异质性特征。目前，以研究酒店价格影响因素的成果居多，针对民宿的价格影响因素研究相对较少，研究历程也较短。国内学者聚焦国内多个城市的民宿价格研究，如王春英等收集了小猪短租平台来自10个国内旅游城市12 527间民宿数据并使用OLS及分位数回归，证实了性价比指标主要影响低价位房源价格[3]。吴晓隽等结合分位数回归对爱彼迎平台在国内36个城市的51 874间房源进行研究，揭示了一线城市、旅游城市及综合城市中不同价位民宿的价格影响因素[4]。杨红艳研究了西安市150家高星级酒店价格的影响因素，认为酒店星级与环境卫生对价格有重要影响[5]。

特征价格法在相关研究中得到了较多应用[6]。通过现有文献的梳理，民宿所涉及的特征变量类型主要包括建筑设施[7-8]、区位交通[9-10]、服务特征[11-13]、平台信息[14]4个维度。建筑设施的常用评价要素包括卧室数量、功能设施以及烹饪设施。区位交通的主要衡量指标为直线距离、靠近商圈、交通设施等。服务特征则通过餐饮服务、服务质量、响应时间等指标加以测度。平台信息维度的常用评价指标包括房源数量、运营月数、评论数量以及顾客评价等。特征价格理论认为消费者实际购买的是产品包含的所有特征因素而非产品本身。因此，产品相关特征及其单位成本影响了消费者购买决策[15-17]。现有研究表明，民宿产品与低价酒店之间存在明显竞争关系[3]，并且性价比是客户选择民宿的最主要原因[18-20]。现有特征价格研究中选取的民宿与酒店价格影响因素存在重合。尚天成等运用特征价格方法研究了北京95家酒店的价格形成机制，认为酒店拥有的无线网等功能性设施能提升房价[21]，王瑞对杭州1 262间民宿房源的研究也得出了类似结论[15]。刘婷等研究了黄山市69家酒店，认为酒店客房价格与距市中心距离的相关性不显著，除此以外的大部分研究都认为酒店客房价格或民宿价格与距市中心距离或景区距离呈显著负相关，具体选取的距离对象因研究对象的不同而有所区别，其中包括对黄山市79家酒店的研究结果[22]。除直线距离外，也有研究通过是否临近商圈来判定区位优势，不同学者就该特征是否构成价格的隐含价值存在分歧[23-26]。尽管研究范围不同，研究者们为探究价格影响因素而选用的变量却存在一定重合[27-30]，同时呈现出不同地区客房价格的影响因素存在差异。

综合现有研究成果，本研究以上海迪士尼度假区周围民宿为例，使用特征价格模型研究景区依附型民宿的价格影响因素[31-34]，符合特征价格模型对研究范围的空间要求，可以丰富民宿价格影响因素的研究成果。探究景区依附型民宿的价格形成机制，既能促使民宿产品供给者提升服务质量，优化产品结构，同时也能更好地满足民宿产品的消费需求，有利于市场良性发展。未来在对其他类型的非标住宿展开研究时，可更多体现空间同质性的特征，从而有效提升研究结论的理论价值和实践指导意义。

1 研究思路与模型构建

研究逻辑模型见图1。在明确研究目标的基础上，梳理现有住宿业价格影响因素及特征价格模型在酒店及民宿业的文献成果，了解常用特征变量，完成模型构建、数据收集与处理。在甄选模型常用变量的基础上，基于在线评论的文本挖掘，并通过初步调研得到消费者需求导向的关键要素，构建以上海迪士尼度假区周边民宿为研究对象的景区依附型民宿特征价格模型。呈现上海迪士尼度假区景区依附型民宿相关特征因素对产品价格的影响。基于需求束集合与特征束集合的匹配关系，呈现游客在消费过程中所获取的产品效用与所支付产品货币价值的数量关系，包括对隐含价值的测度。

图1 景区依附型民宿特征价格逻辑模型

1.1 特征变量选取

当前住宿特征价格的研究多集中在酒店，而针对民宿的研究较少且研究口径不够聚焦。尽管相关成果具有参考价值，但仍有必要对具体民宿类型(如景区依附型民宿)进行调研以选择更适合该类民宿实际的特征变量，提升模型的科学性和准确性。迪士尼度假区是上海市的重要旅游景点[25]，其落成带动了周边的民宿产业。由于当地有较多农村生活区，民宿投资人或房东大量出现在迪士尼周围。根据携程网的统计，截至2019年11月，其周边共有4 583间房源带有上海迪士尼字样或Logo，将其作为研究对象和获取数据的主要来源。基于国家颁布的民宿概念内涵，选取距迪士尼景区中心10 km之内的民宿为景区依附型民宿，从携程平台收集消费者评论并使用ROSTCM 6.0进行文本分析。鉴于民宿在线评论的真实性有待提高[3-4,20]，选取2019年12月携程平台民宿评论中含100有效字符(不含表情)以上的评论作为主要数据源。迪士尼乐园是周围民宿消费者出游中的关键内容，直接影响旅游体验，同时消费者也很关注民宿产品自身质量以及一同出游的孩子或家人朋友等同游者。这三者对消费者的旅游体验具有重要影响，如家长往往都会因为孩子在迪士尼游玩或住民宿时获得的喜悦而喜悦，不在乎自己是否一定享受游乐项目或民宿本身。相比于未被游客知觉所反映的对象，其彼此存在的关联对游客体验的影响更大，且随着对象之间的关联次数增加而递增。游客评价在目的地、掮客以及同游者之间的关联度最高。换言之，如果民宿产品提供者所提供的民宿产品特征能够兼顾游客对同游者(以孩子为主)与目的地之行(迪士尼度假区)的需求，则作为被关注对象的房东、同游者及目的地会更多地以这些特征为载体被游客知觉所构建、感知，从而对旅游者的旅游体验产生更大的影响。当产品的相关特征满足消费者需求时，这些特征的隐含价值就会得到需求方的认可，潜在地加入到产品的市场价值中。因此，该类特征在景区依附型民宿价格的研究中应被首先考虑。结合调研分析及现有研究，选定可能影响上海迪士尼周边民宿价格的相关特征，共计13个特征变量(表1)。

表1 特征、特征简介以及需求导向

1.2 特征模型构建

选取房间价格的自然对数作为因变量，将建筑设施、区位交通、房东服务、平台信息4个维度的三级变量统一进入模型。具体分析中，特征价格模型的变量关系包括线性、对数和半对数3种形式[16-17,20]。

式中：P为房间价格;a0是常数项;ai为特征变量的隐含价格;ci为特征变量;ε为误差项。特征价格模型的基本表达式为线性模型，为了增加模型的解释力度，可以根据研究目标和需要对模型进行优化和修正。最为常见的是将价格取自然对数作为因变量[6-7,9-10,12-16,20]。

2 研究区域、数据来源与模型检验

2.1 研究区域与数据来源

研究区域为上海迪士尼度假区周围的景区依附型民宿，如果民宿距景区中心直线距离10 km以内则判定其属于景区依附型民宿。为提高样本的代表性，选取样本的限制条件确定为：距离迪士尼中心10 km之内、满足民宿定义且拥有超过10条有效评论大于100字符的评论。加入对评论的限制条件可以在评论数量相近的情况下同时保证评论的真实性以及所选样本在市场上已获得一定的消费认可度。此两点在已有研究中有先例[4,20]。通过梳理携程民宿平台展示的1 000家民宿，按照上述标准确定196间符合要求的民宿房源，并收集了2020年1月22日的民宿价格与相关特征数据。

2.2 特征模型检验

从描述性统计结果可知，因变量、卧室数量、直线距离、房源数量等连续变量均值大于标准差，数据符合正态分布。样本民宿距离迪士尼度假区的平均直线距离为3.227 km，民宿平均卧室数量为1.214间，大部分房东提供午餐晚餐服务(66.3%)以及助游服务(77.6%)，80.6%的房源没有服务质量问题反馈，证明目前该地区民宿运作表现整体良好。近一半的房源提供有卡通装饰性软装(45.4%)，但配有特殊床型和复式房型的民宿占比均小于15.0%。57.7%的民宿邻近餐饮店，36.7%的民宿可供消费者自行烹饪。

2.3 案例结果分析

用Stata 15.0对数据进行OLS回归(表2)。所选自变量中卡通软装、烹饪设施、午餐晚餐服务以及服务质量问题对价格的影响不显著，其他9个变量在不同置信水平上对价格存在显著的正向或负向影响。当且仅当VIF值大于10时意味着变量间存在多重共线性，本研究不存在该问题。使用各特征变量的弹性系数乘以样本的房价均值可得各特征的隐含价值。对于半对数模型而言，弹性系数的表达式为：gi=eβi-1。式中：e为自然常数；βi为各特征的相关系数；gi为相应的弹性系数，表示连续变量每变动一单位或虚拟变量存在与否对民宿价格的影响。

本研究所选196个样本的平均房间价格为405.6元/间，乘以各特征变量的弹性系数便可得到各个特征所对应的隐性价值。建筑设施、区位交通、服务特征、平台信息4个维度的具体结果如表2所示。

(1)建筑设施特征维度。在影响景区依附型民宿价格的四大特征维度中，解释力最强的为建筑设施，其包含两大需求导向：儿童喜好特征的同游者需求和住宿性价比特征的景区出游需求。根据回归结果，在儿童喜好特征中，复式房型及特色床型均对景区依附型民宿的价格有显著正向影响，其中复式房型对价格的影响更显著，程度也更高，隐含价格为85.18元。这表明消费者愿意为这两类特征支付更高的房费，主要是因为这两类特征很难在旅游者自己的家中实现，因此，更受儿童欢迎。研究结果不支持卡通类型的软装对景区依附型民宿价格的影响，因为该特征较易实现，并且没有实用功能。消费者将在乐园中浸泡于卡通元素之中，因而民宿的卡通元素并不足以支撑消费者的支付意愿。住宿性价比特征方面，卧室数量对价格有显著的正向影响，且影响程度居各特征变量之首，与吴晓隽等[4]和C.Yong等[27]的结论相符。每间卧室附加的隐含价格为176.84元，体现了民宿的性价比优势。此外，迪士尼度假区民宿是否配备烹饪设施并不能为民宿带来更高的房价，与王春英等[3]的结论不符。这是因为前往迪士尼的游客早出晚归，会在1天内尽可能多地停留于度假区，回到民宿后不再具有自行烹饪的体力与时间。

表2 回归结果及价值

(2)区位交通特征维度。尽管本研究中区位交通特征维度只有两个特征，但均对价格有显著影响。根据回归结果，民宿距离餐饮设施500 m以内能够显著提升民宿价格，隐含价格为53.94元。这与尚天成等[21]的研究结果相符。旅游者的出游本就带有脱离惯常生活的动机，因此，除了上述提及的限制因素，游客本身具有体验当地饮食文化的动机，餐饮设施既能解决旅游者在就餐问题中缺乏体力与意愿的现状，也能让旅游者更好地体验当地饮食文化，所以该特征能够显著正向影响价格。民宿距离迪士尼的直线距离对价格有显著的负向影响。这与相关结论均吻合[6-7,9-10,12,17-18]。对于迪士尼周围的景区依附型民宿而言，距离每减少1 km，构成隐含价格15.41元。不同的研究会根据研究对象的特点选择相应的距离因素，而距离景区的直线距离则体现了景区依附型民宿消费者以景区出游为需求导向的特点。

(3)房东服务特征维度。房东服务维度除助游服务对价格有显著正向影响外，提供午餐晚餐以及存在服务质量问题均未对价格造成显著影响，支持了部分研究的结论[11,15,17]。原因是当旅游者携同家人朋友出游时更关注私密空间，更渴望与同游者共享旅途中的一切，因此，并不会为了房东或民宿经营者面对面介入的服务而支付更高的房价，因而民宿若提供另行收费的午餐晚餐服务也未能获得更高的溢价，同时存在的服务质量问题也更容易被忽略。午餐晚餐服务不显著的其他原因还包括部分游客更倾向于前往正规餐饮服务设施处解决就餐问题，而民宿并非正规餐饮店，因此，原本就不在消费者选择之列。助游服务对价格的影响体现了景区依附型民宿的特点，表明游客对景区助游的需求能够被民宿提供的助游服务特征所满足，因此，能够收取更高的房费，隐含价格为41.34元。上述结果表明，尽管房东及其服务是游客关注的重要组成部分，但对该类民宿而言，游客的构成多以家庭亲友为主，房东需注意在保证游客私密空间的前提下提供服务。

(4)平台信息特征维度。尽管平台信息特征维度的所有特征均对民宿价格有显著影响，但相应特征的解释程度均一般。回归结果显示，民宿运营月数对价格具有显著的负面影响，与C.F.Chen[13]的研究结果相符，与部分研究结果相左[7,23]。回归结果表明，相关系数仅为-0.008，即民宿运营月数每增加1个月，隐含价格为-10.14元。这可能是因为随着度假区建成的时间增加，景区依附型民宿的竞争压力日益增加，但产品差异越来越小，最终只能走向低价竞争，不仅导致游客面临更大的卫生与服务质量隐患，还将导致市场无法更好地满足消费者的需求，限制游客获得更好的旅游体验。有研究认为民宿主人的经验可提升房价[22]，但该结论并不适用于景区依附型民宿。这是因为景区依附型民宿数量会随着度假区建成而出现井喷式发展，相较普通民宿而言更容易陷入低价竞争。房源数量对价格有显著正向影响，与现有研究结论均相符[5-6,9-10,12,23]。低评分数对价格有显著负向影响，证明尽管高分评分可信度逐渐下降，但游客对低分所带来的警示信号仍较为敏感。同时，游客也倾向于认为拥有较多房源的房东更具保障，体现了民宿在平台上的相关特征确实为游客带来了质量保障。不过需要注意的是，上述特征对价格的影响较小，可见游客最关注的还是民宿的功能性特征。

3 结论、建议与讨论

3.1 结论

景区依附型民宿消费者主要关注出游景区、以房东为代表的民宿产品以及同游者3个方面。因此，民宿产品所提供的产品要素应匹配相应的消费者需求，提升游客出游体验，进而获得市场收益的增加。

景区依附型民宿最主要的价格影响因素是建筑设施和区位交通两个特征维度，共有5个特征对价格有显著影响，构成了产品市场价值。建筑设施维度中的复式房型和特色床型能够显著提升价格。卡通类型的软装为儿童所喜爱，但并不能为民宿房价带来显著影响。景区依附型民宿的价值构成在卧室数量特征上体现了民宿产品注重性价比的共有特质，但该特质并未体现自行烹饪特征，是景区依附型民宿和其他类型民宿产品的显著区别。同样体现景区依附型民宿特点的是区位交通维度中500 m内有餐饮设施以及与景区的距离，两者均构成产品市场价值。

房东服务与平台信息特征维度对景区依附型民宿价格具有关键影响，但是隐含价值小于其他两个维度，分别有1个和3个特征存在显著影响。在房东服务维度，助游服务可以显著提升房价，午餐晚餐服务和服务质量问题对房价没有显著影响，未能构成隐含价值。相较于房东服务，游客更注重与同游者的相处，但也需要房东的助游服务以提升景区出游体验。平台信息方面，房源数量和低评分数作为民宿质量保障特征对价格具有显著影响。民宿运营月数表明景区依附型民宿面临激烈的市场竞争以及差异化难度较大的问题，影响房东获得更高收益。总体而言，相对于软性服务，游客对房东提供的硬件服务更为看重。

3.2 建议

为了提升上海迪士尼度假区民宿的特征价值，可以通过增加儿童喜好特征或强化民宿性价比特征改变房价。考虑到许多民宿都是农村自建房，根据样本数据，现有民宿平均卧室数量仅为1.2间，拥有复式房型的仅有14%。因此，应适当增加民宿的卧室数量以适应家庭出游的游客，或将民宿改造成复式。如条件不允许，也应考虑购买双层床或卡通床与滑梯床等代替普通床，可带来52.32元的隐含价值。对于依附不同景区的民宿而言，房东应当了解目标游客的基本构成，如果目标市场较少单人出游或跟团出游，则应结合实际情况，提供不同的特色服务以满足游客在同游者方面的需求。结合房东服务和区位交通的分析，民宿选址时需要考虑附近餐饮设施以及景区距离。房东未必需要提供午餐晚餐服务，但可以在提供游园攻略方面下功夫，同时也要保证游客的私密度，提升游客体验。最后，房东应关注在线平台上自身房源的评分和信息维护，降低或消除低分评论的数量和影响，并在介绍房源时强调自身拥有房源的数量，让游客从相关信息中得到更多的质量保障，从而为房价获取更多的隐含价值。