商业城市星级饭店选址影响因素的实证研究——以宁波市为例

董鸿安，任君庆，赵莺燕

（宁波职业技术学院 国际商贸系，浙江 宁波 315800）

一、引 言

20世纪80年代末国内外学者就城市的饭店分布及其发展过程开始研究，理论研究起步虽晚，但是，他们对城市饭店空间布局的研究一直较为关注。梳理国内外研究文献发现，国外学者从对酒店空间布局的研究基本上从最初的定性描述，后来过渡到定量分析，经过多年的探索研究，现已形成有代表性的理论模型。比如，Ashworth与Tunbridge（1990）通过对城市的六个主要场所（历史街区、过渡地带、风景地域、火车站、道路口和高速公路、机场的边缘）对酒店空间分布进行研究，提出了酒店分布的空间模型（简称Ashworth模型）［1］；Noam和Cohen-Hattab（2001） 在吸取前人研究成果的基础上，又在分析模型中加入了政治、宗教两个影响因素［2］；Ainhoa和Jsabel（2006）把地址、价格、规模以及服务作为主要影响因素，并指出饭店空间分布的集聚只有在差异化的基础上才能实现［3］；Tsung-Yu等（2008）运用运筹学分析法对饭店选址进行了模糊决策应用研究［4］，并对各地酒店的空间分布进行了大量实证研究。我国饭店业在过去30多年中快速发展，国内学者们从不同侧面对城市饭店的空间分布进行了探讨和研究。有的从旅游者空间移动的角度探讨饭店选址［5］，也有学者从城市经济学和城市地理学的角度探讨饭店的空间布局问题［6］，还有学者以某一城市饭店业为个案，认为饭店的空间布局要“做到与城市总体发展规划相适应，并且投资回报基本符合城市的土地总体价格”［7］。上述国内外有关城市饭店选址问题的研究都具有一定的理论指导意义，但至今为止，几乎没有学者比较系统探讨影响饭店选址的变量以及分析各种变量对其的影响程度。本文在延续以往研究成果的基础上，分析以宁波为代表的商业城市星级饭店选址的影响因素，为饭店经营投资者提供参照和参考。

二、研究假设

饭店业在空间发展上与农业、工业和其他第三产业一样，其发展布局受到空间资源、基础设施、客源市场等时空条件的约束。从经济理论来看，饭店建在不同的地段受不同的市场、成本和资源条件制约，饭店选址问题表现为多维影响因素所决定的饭店经济利益的权衡［8］。因此，饭店选址问题实质就是研究饭店所选区位与周围环境之间的互动关系。这里的互动关系也就是饭店选址要考虑的因素，文中分为顾客需求因素、同行竞争因素、配套基础设施因素、酒店消费因素和酒店规模因素五大类。另外，由于一个城市的人口和经济往往代表着宏观因素的某些特点，也是某一区域内饭店消费需求的驱动要素。因此，本文也把这两个要素设为影响饭店选址的需求性变量指标。综合考虑影响因素、变量选取原则和城市特点，对商业城市星级饭店选址的依附变量、解释变量及其细分指标做表1设定。

表1 操作性变量及其指标设定

为了区别商业城市与其他性质城市的星级饭店选址影响因素差异，本文研究结果主要检验以下假设：

E1：每个变量都会对商业城市星级饭店的选址产生影响；

E2：不同变量中个别变量对商业城市星级饭店选址的影响明显；

E3：顾客需求、同行竞争、配套设施、酒店消费和酒店规模对商业城市星级饭店选址的影响程度是不同的。

三、研究过程

（一）研究区域的选择

根据宁波市旅游局提供的相关统计数据显示，2007年，商业城市宁波市五星级酒店有6家，客房平均出租率56.07%，平均房价564.72元；2008年，五星级酒店8家，客房平均出租率55.01%，平均房价595.66元；2009年，五星级酒店10家，客房平均出租率51.48%，平均房价590.78元；2010年，五星级酒店14家，客房平均出租率59.47%，平均房价578.69元。截止到2010年末，五星级饭店数量为14家，四星级饭店数量21家，三星级51家。高、中、低档客房数量比例约为3：3：4。与2007年相比，五星级饭店的客房数量在星级饭店客房总数的比例显著提升，由8%上升至约15%。宁波五星级酒店数量上升但出租率不降反升，出租率在全国处于前列，三年后宁波市将会有50家相当于五星级的酒店［9］。投资商在宁波大量投资五星级酒店有多方面的原因：首先是看好宁波经济的发展；其次，宁波着力打造长三角地区最佳商务、会展中心，大力推动宁波旅游业的发展也是个重要因素；还有就是五星级酒店投资回报相对比较稳定。以上全市星级饭店的布局结构将使五星级饭店间的竞争加剧，并给三、四星级饭店的经营带来更大的压力。因此在未来的几年中，星级饭店业除了找准自己的市场定位外，如何慎重考虑饭店市场选择空间特征的影响因素，将成为影响星级饭店业整体绩效的关键问题。

（二）研究方法

根据前面研究假设，设计调查表格，选取宁波市37家不同星级、档次的饭店作为样本，并于2010年9中旬至12月以宁波市的星级饭店为样本进行实地走访调查。这些被调查饭店之中，五星级饭店占3.6%；四星级饭店占19.8%；三星级饭店占42.7%；二星级饭店占33.9%。调查数据以2006—2010年近5年的数据为准，采用相关性分析、线性回归分析和主成分分析的方法建立饭店选址模型，并用回归分析对星级饭店选址模型的预测结果进行实证分析。

（三）分析结果

本次使用的分析软件是SAS12.0。分析过程的三点说明：①以原变量形式分析定量指标；②以原等级形式分析等级变量；③定性指标采用方差分析法检验显著性，不列入回归分析。

1.相关性分析结果

将解释变量与依附变量进行相关分析，SAS12.0输出结果经过整理如表2所示。从宁波市星级饭店选址的五大影响因素与操作性变量的相关性来看，反映饭店选址的五大影响因素的41个指标都与营业收入存在着不同程度的相关性。这就较好地证明了前面研究假设当中的假设E1，即41个指标变量对商业城市饭店选址都是有影响的。在41个操作性变量指标中，相关性强的指标13个，占31.7%；相关性较强的指标9个，占21.95%；相关性弱的指标6个，占14.65%；相关性很弱的指标13个，占31.7%。为了提高拟合的精度，又使研究模型简单，有必要对自变量进行删减。首先，删除与因变量相关性弱、较弱的指标，保留相关性强和较强的指标；其次，在每组变量中，共线性程度达到70%的指标进行相应删除。经如上处理，影响饭店选址的操作性变量简化如表3所示。

表2 相关性分析统计

表3 操作性变量指标简化表

2.线性回归分析结果

相关性并不能说明因果关系，更好的办法是进行回归分析。将因变量与简化后的18个指标进行线性回归分析（见表4），SAS12.0输出结果将表明：通过将18个自变量与因变量进行拟合，拟合回归方程式的R2（决定系数）为91.049%、Radj（校正复相关系数）为88.37%，说明模型对数据的拟合效果好。从F检验分析，因变量和所有自变量之间仍然存在一个总体上的显著性关系。从表4结果可知：仅有X13、X21、X24、X32、X34、X36的回归系数t检验对应的显著性小于0.05，据此说明18个自变量中对因变量贡献大的主要是六个因素：最近星级饭店的客房总数、离市繁华区的距离、离客运码头的距离、餐饮的收入所占营业收入比例、饭店的客房数目、饭店的平均房价。这说明，在影响商业城市饭店选址的因素中，只有部分变量的影响最为重要，与此同时也证明了研究假设中的假设E2。

表4 因变量的线性回归分析

3.主成分分析结果

在经济活动实证问题研究中，为了全面、系统地分析问题，必须考虑众多对某经济活动过程有影响的因素，所涉及的因素叫做指标，在多元统计中也称变量。因为这些变量不同程度地反映所研究的某些问题信息，变量之间会有一定程度的重叠。我们总是希望在进行定量分析的过程中涉及的变量较少，而得到的信息量又较多。主成分分析是解决这一问题的理想的工具［10］。它是利用降维的思想，把多指标转化为少数几个综合指标的方法。运用SAS12.0对顾客需求变量、同行竞争变量、配套设施变量、酒店消费变量和酒店规模变量进行主成分分析，得到五个主成分F1、F2、F3、F4、F5。然后以五个主成分为自变量与营业收入进行回归分析，求得回归方程（如表5所示）。从结果可以看出，五组主成分变量与营业收入拟合的回归方程的R2达到70.76%、Radj也达到69.87%，从F检验分析，因变量和所有自变量之间仍然存在一个总体上的显著性关系。从偏回归系数估计分析结果中可以看出：仅有F1、F3、F5的回归系数t检验对应的显著性水平小于0.05，据此说明这三个指标群对因变量的贡献性较大，这较好地证明了前面研究假设中的假设E3，即五大变量对商业城市星级饭店选址的影响程度是不同的。

表5 主成分变量的线性回归分析

四、结论与讨论

（一）结论

（1）商业城市星级饭店发展的动力因子主要有人均年可支配收入、旅游者人均天花费和城市商业零售总额。这说明其星级饭店基本上是以当地及其周边城市居民消费、旅游和商贸活动推动的，宁波市较强的经济基础是星级饭店发展的有力因素，活跃的外向型经济也是推动当地高星级饭店快速发展的主要原因，而以旅游收入为动力因子也反映出该地区星级饭店业与旅游业发展相适应。

（2）配套设施变量对星级饭店选址的影响明显。经主成分分析，对因变量贡献较大的除酒店规模变量（F1）之外，紧接其后的便是配套设施变量（F3）。可见，影响星级饭店选址的众多因素中，具有空间特征的配套设施变量对饭店选址的影响比较明显。而且，不同变量的影响程度又不一样。

（3）社会宏观因素对星级饭店选址影响并不明显。从主成分分析结果可看出，顾客需求变量中的9项指标的主成分对回归方程的影响明显，表明顾客需求变量对饭店经营业绩有一定程度的影响。而从相关分析来看，却发现这9项指标与营业收入均呈弱或很弱的相关性，这反映出某一城市内的顾客需求变量对星级饭店选址的影响并不十分明显，可见，同一城市内社会宏观因素其实对饭店选址的影响并不明显。

（4）定位适合的等级才能实现饭店收益最大化。从相关性分析结果看出，反映饭店规模特点的指标（饭店星级水平、客房数目、平均房价）与营业收入也都有着极强的相关性；在线性回归分析中，反映饭店规模特点的三个指标都进入了模型，并且饭店的客房数目和平均房价对模型的影响也很明显；从主成分分析来看，这三项指标与客房实际出租间天数和平均出租率的主成分对营业收入的贡献最为突出。这表明饭店一旦建成后，其确定的等级、规模、档次应与所选区域的市场环境相适应。

（5）饭店的服务对象和服务功能必须多样化。在酒店消费变量指标当中，国内游客与入境旅游者选择饭店住宿的比例两个指标对饭店选址的影响不大。因为，饭店服务对象不仅仅是旅游者，还有其他类型的消费者，从而导致了旅游者的消费特征对饭店营业收入影响不明显。方差分析中定性变量饭店的目标市场与饭店的营业收入有很强的相关性更证明了这一点。因此，无论是从饭店本身的客源定位，还是从城市饭店业的构成特点，饭店的服务对象不能仅局限于旅游者，必须呈现多样化的特征。另外，在相关性分析中，变量客房收入占营业收入的比例对饭店营业收入影响较大。应注意的是，它的相关性系数符号和偏相关系数符号都呈现负号。这说明客房收入越高，营业收入越低，换句话说餐饮收入和其他收入越高，饭店营业收入越高。为此，在星级饭店选址决策时，要注意其功能分布多样化，而不能仅仅局限于提供客房服务上，还要注意开发饭店的其它附属功能，以迎合消费者的多样化、个性化需求。

（二）讨论

（1）本文的回归方程虽达到了较好的预期拟合效果，但还是存在遗漏变量的可能。比如，按通常分析，18个自变量中星级饭店的客房总数（X14）等6个指标与当地旅游业呈正相关，应该会对因变量的贡献较大，而事实与星级饭店的关系可能不明朗。因为它们相互之间存在竞争关系，也可能存在市场错位，但这些仅仅是一种假设。

（2）星级饭店的选址通常由饭店所有者、经营者统筹决策确定。所以饭店选址问题若要做更深层次的研究，应从饭店经营者、管理者实际运行和操作的视角来深入进行。

（3）由于本次研究对象定为住宿业中代表之一的星级饭店，若要想以此了解一个商业城市的饭店业发展水平，仅对住宿业一个侧面进行探讨恐怕比较单一有限。在采集现有样本的基础上，应将研讨的对象扩展到不同类型、功能、档次的饭店样本，得出的研究结论或许更全面和更有说服力。

（4）本研究局限于规范和实证相结合的分析方法，这是一种传统的思维方法。当今，行为主义、结构主义和文化转向等方法对于选址的影响越来越大，希望在以后的研究中能够更多地结合这些新的分析方法做进一步探究。

［1］Ashworth G，J Tunbridge.TheTourist-Historic City［M］.Lon⁃don：Belhaven Press，1990.

［2］Noam S，K Cohen-Hattab.Urban hotel development Pattems in the face of political shifts［J］.Annals of Tourism Research，2001，28（4）：908-925.

［3］Ainhoa Urtasun，Isabel Gutie'rrez.Hotel Location In Tourism Cities Madrid 1936-1998［J］.Annals of Tourism Researeh，2006，33（2）：382-402.

［4］Tsung-Yu，Chou Chia-Lun，Hsu Mei-Chyi Chen.A fuzzy multi-criteria decision Model for international tourist hotels location selection［J］.Intemational Journal of Hospitality Man⁃agement，2008，27（7）：293-301.

［5］保继刚.旅游者空间行为规律在宾馆选址中的意义初探［J］.人文地理，1991，6（3）：36-40．

［6］Chuck Y Gee.国际饭店管理［M］.谷慧敏，译.北京：中国旅游出版社，2004．

［7］赵嫒，黄秋吴.基于GIS技术的城市酒店空间分布研究［J］.数量经济技术经济研究，2003，（8）：l4-l5．

［8］汪纯孝.饭店物业投资决策与管理形式［M］.广州：中山大学出版社，1995.

［9］宁波市旅游局.2010年度宁波旅游经济运行分析白皮书［EB/OL］.［2012-02-10］.http：//www.nbtravel.gov.cn/zt/jjyx/20110 5/t61399.htm.

［10］朱建平.应用多元统计分析［M］.北京：科学出版社，2006.