资料来自 吴晓隽、裘佳璐，东华大学，《Airbnb房源价格影响因素研究 —— 基于中国36个城市数据》。

分位数回归

分位数回归，Y ~ 标准化自变量 做回归，标准化过程中，有分位数的选择。



点击了解《 分位数回归模型学习笔记 》。

01 短租房源价格影响因素

价格通常被认为是影响消费者选择住宿的关键因素之一。如 Tanford等的研究证明,消费者往往认为价格是影响他们入住中低端酒店决策的最重要的影响因素。许多学者研究过影响传统酒店业房价的因素，并确定了一系列相关的价格决定因素,如品牌名称、星级、地理位置、酒店的年龄、客房设施等。

与酒店采用成熟的定价方式不同,Airbnb 的房源价格完全由房东个人决定。虽然 Airbnb有提供智能定价”这一功能,但房东仍需根据市场及个人判断发挥其主观能动性。已经有一些学者进行了相关研究，以确定哪些因素会影响 Airbnb 房源的价格(表1)。但是,学者们的研究结论并不一致,即使是同一影响因素,由于研究对象和研究方法的不同,所得出的结论甚至完全相反。

其中，Wang 和 Nicolau 对 Airbnb 价格影响因素的总结较为全面。他们确定了 Airbnb 房源的 5 类价格决定因素类别,包括房东属性、房源属性、设施和服务、租赁规则和在线评论等级（这5类因素又包含许多细分变量）,通过回归分析得出了一系列结论。

例如，房源属性中房源类型与价格显著负相关而房间类型与价格则是正相关关系；房间设施的各细分变量均与房源价格正相关；出租规则中即时预订政策反而导致低价,易取消预订政策与要求客人照片的规则使房源价格提高,但要求客人电话的规则对房源价格并没有显著影响!。但还有一些他们未讨论到的影响因素，如分析距离对房价的影响时,他们仅考虑了房源到市中心的距离,得出二者为负向相关的结论。 其实有学者就距离这一因素进行了更为详细深人的分析，如张志华等人在研究中所用的距离分为房源到会议中心与最近高速公路的距离；Balaguer 和 Pernias 在探讨酒店房间价格影响因素时,纳入了与竞争者的距离这个外部因素进行讨论，认为其对价格的影响不是简单线性正或负相关。另外,张志华等叫在考虑影响 Airbnb 房价的关键因素时,还加入了房源上线时间(即年数)这一因素,发现其对价格的影响为正;马警吴对在线短租市场房源销量的影响因素进行研究时,提出要基于信任这一因素；吕妹在分析社交需求对分享经济平台成交价格的影响时,包含了房客最少人住天数(即租客特征)这一变量,且所得结果为显著负相关。张志华等四基于田纳西州纳什维尔地区的房源样本,得出距离、评论数量、年龄和评论评分这 4个因素与 Airbnb 房源价格显著相关的结论。

不过，其研究结果与吕妹等学者的研究结论有所不同,即评论数量、评论分数和价格之间存在显著的负相关关系。而吕妹叫以及 Gutt 和 Herrmann 所得结论都是评论数越多，价格越高，Wang 和 Nicolau Ikkala 和 Lampinen 研究表明评论分数越高，房源价格越高，吕妹叫及 Ert 等相关研究认为房源价格与其评分并无显著相关关系，即值得信赖的在线评论分数对 Airbnb 房源价格没有影响。由于相关研究多是基于1个城市,所以大部分文献并没有考虑城市房价对房源价格产生的影响但本文是基于中国多个城市，住宅价格与住宅租金二者作为住宅价值不同的表现形式，其具体相关关系虽会因城市而异，但不论是 Airbnb 对住宅价格的影响还是各城市房价对当地民宿短租房源价。

由于相关研究多是基于1个城市，所以大部分文献并没有考虑城市房价对房源价格产生的影响，但本文是基于中国多个城市，住宅价格与住宅租金二者作为住宅价值不同的表现形式，其具体相关关系虽会因城市而异，但不论是 Airbnb 对住宅价格的影响还是各城市房价对当地民宿短租房源价格的影响都是不容忽视的。而在目前的研究中，学者们更多的是考虑 Airbnb 房源对住宅价格的影响有研究表明，Airbnb 房价上涨 10%，将会导致租金上涨 0.42%，住宅价格上涨 0.76%。反之，住宅价格也应会显著影响 Airbnb 房价,故此本文在下文的实证研究中加入代表此因素的变量。

02 社交度和信任度

社交度

传统的酒店行业中，服务已日益标准化，游客一般不考虑酒店除价格、服务外的其他非经济因素而 Airbnb 不同于传统酒店，它其实是一个以信任为基础的社区，为彼此陌生的用户建立起某种社会联系。非经济因素特别是其提供的社交是影响游客选择入住 Airbnb 的一个主要原因，因此社交度应纳入影响 Airbnb 房源成交价格的因素中。 Airbnb 的社交服务功能主要通过其完善的信息披露机制得以实现。

本文参照吕妹在分析此问题时的分类叫：一是房东主动披露,二是被动披露主动披露,即在 Airbnb 平台上提供房东个人信息 Fagerstrom 等叫甚至已经细致地探讨过 Airbnb 房东的面部表情对房屋出租的相对影响。被动披露，即过去租住房客的评价，以年均评价数量来衡量 Gutt 和 Herrmann 的实证研究报告称，评级可见性(多于3条评论)会导致价格上涨 2.69 欧元。不过 Wang 和 Nicolau 以及张志华等四的分析结果与其恰恰相反,认为评论数量越多,价格反而越低。这可能是由于房客往往选择价格较低的房源,房东为吸引房客,增加出租机会,更有可能会降低他们房源的价格,使得低价房源的出租可能性更大,获得的房客评论也就相应越多。

信任度

Airbnb是一个在线民宿 P2P市场，个人通过向其他个人租借住所来进行“短期”住宿。其中所暗含的直接面对面互动和临时占有个人财产，使之与常规电子商务、传统的 B2C 住宿相比具有更多的风险，比如人身暴力危害及资产滥用行为。因此，Airbnb 交易的必要条件是信任。

吴晓隽和沈嘉斌在探讨 Airbnb信任机制时也指出，为培养对分享经济的信任，从业者应该同步增强制度信任、产品信任和人际信任。但事实上，与传统渠道中的现有酒店品牌相比，客户在 Airbnb交易中所获得的信任度可能会大大降低，鉴于信任在分享经济平台中的重要性,学者们就房客对 Airbnb 及其房东的信任度这一主题进行了多角度的探讨。Liang 等的研究结果表明,Airbnb 房源的声誉或者说房客对房东的信任可能受到房东是否是“Superhost”的影响。Liang 等也在调查消费者回购意图时，提出关注感知真实性，线上口碑和消费者价格敏感度这 3 个因素的影响。

Airbnb 通过评分机制来显示和增加消费者对平台及房东的信任度,使得能表明信任度的在线评分也成为研究热点。不过,学者们的研究结论并不一致。Wang 和 Nicolau 和 Lampinen 所得结论与其猜想一致,即评分越高,房价越高;Ert等尝试以房东个人照片和评价分数作为信任变量探讨其在Airbn 中的作用,结果显示,房客对房价的选择及其预订可能性受到房东个人照片的可信度的影响,而评价分数反而对价格没有影响,即房东的可信赖度是比评价分数更好的价格和需求指标吕妹的研究结论与 Ert等的观点类似,而有学者甚至得出评分与价格呈负相关的结论。这可能是由于Airbnb 的平均评分显著高于其他平台的平均评分,并且从房客期望角度看,价格较低的房源房客预期也较低,更容易获得满足从而给出高评价I而且超过 90%的Airbnb 房东获得了4.5~5星的评论分数,使得它们实际上难以区分。事实上,不止一篇文献对用房客评分来衡量信任度提出质疑，Airbnb平台的房客评分趋向于同质化,方差极低,并且没有足够的价值基础来建立信任度。

特定的文化环境和经济环境也是分享经济发展的重要因素,因此除了在线评分外,各省各地区的守信程度,也会影响该地分享经济的发展。以前的研究已经确定了分享经济中买方和卖方之间信任的重要性,但并没有探讨其与价格的关系问题。在过去,与其他国家相比,中国的人际信任度比较低。在以往的跨文化研究中,中国也被认为是一个信任度比较低的社会。虽然改革开放以来,中国的市场经济有了很大的发展,尤其在一些经济发达的省市,契约精神逐渐建立起来,社会关系也在发生深刻的变化。人们一方面更加渴望接触其他人,一方面又对来得容易、去得轻松的流动关系更加宽容,人际间的信任度有很大的提升,不过从整个国家来看,因为发展差距比较大,省市之间的信任度差距也比较明显。