我国共享短租市场中的信任研究——基于Airbnb开源数据的分析

闫 励 牛新艳

一、引言

共享经济指以获得一定经济报酬为主要目的，以互联网为媒介来实现陌生人之间物品使用权暂时转移的一种新经济模式。共享经济的本质是整理集合线下的闲散物品、劳动力等资源，让闲置资源得到充分利用。在互联网和移动技术的推动下，共享经济现已在全球范围内迅速扩张。自2016 年以来，我国的共享经济市场规模始终保持高速增长态势，2018 年我国共享经济交易规模达29420亿元，同比增长41.6%。

根据《中国共享经济发展年度报告（2019）》显示，我国的共享经济重点领域可分为6个，分别是交通出行、房屋住宿、共享金融、知识技能、生活服务和生产能力。其中，属于房屋住宿领域的共享短租是最为典型的共享经济模式，最能体现共享经济的特征与内涵。首先，在产品层面，共享短租真正实现了整合和利用闲置资源。而在交通出行领域的共享单车和共享汽车，生活服务领域的共享充电宝和共享雨伞等“花样共享”均是通过创造资源来实现共享，偏离了共享经济的初衷和本质。其次，在交易层面，按照共享经济的定义，其交易过程应该表现为陌生人之间的物品使用权的暂时转移。而目前诸多通过产品制造实现共享的领域，其交易更多地发生在企业与企业或者企业与个人之间，无法体现出共享经济中的人与人、点对点的联系。再次，在发展层面，相较于共享金融、共享单车等遭遇发展瓶颈的领域，共享短租正呈现出逐年增长的强劲态势，保持着巨大的发展动力和潜力。2015—2018 年间，共享短租收入占住宿业客房收入的比重从2.3%提高到6.1%，共享短租收入年均增速约为45.7%，是传统住宿客房收入的12.7 倍，共享短租的用户普及率由1.5%提高到9.9%。

随着共享经济的蓬勃发展，其在全球经济中扮演着越来越重要的角色，不同国家和地区都对共享经济的驱动因素和发展障碍展开了大量研究。尽管在这些研究中所发现的驱动力不尽相同，但无论在何种驱动因素下，信任始终是维持共享经济增长的关键所在。并且，由于共享经济与传统电子商务具有不同的交易模式，也决定了信任在其交易过程中的重要地位。正如Fraiberger S.P.和Sundararajan A[1]所指出的，共享经济通过将商品的使用权从提供者向消费者转移实现商品或服务的共享，它的特点是交易双方之间的临时租赁活动。与所有权转让的P2P 交易（例如Ebay）相比，这种交互不仅需要消费者对提供者的信任，还需要提供者对消费者的信任，因此需要更高的信任和互惠水平。基于此，国内外学者对共享经济中的信任从不同角度进行了深入研究。Lusch R.F.和Nambisan S.（2015）[2]认为共享经济往往与服务交换活动有关，而不是单纯货物交换活动，通常涉及交易双方密切的互动。其交易过程中所蕴含的风险不仅包括财务损失，还可能包括身体伤害等人身损失，因此共享经济背景下的信任尤为重要。Enrique B.P.、Carvajal-Trujillo E.和Escobar-Rodríguez T.（2015）[3]指出，共享经济以提供方提供服务或商品为基础，消费者需要依赖于经验和对提供方的信任通过共享经济平台完成交易，然而多数提供方往往与消费者之间没有初步的关系建立，因此需要共享经济平台在信任建立过程中发挥作用。Möhlmann M.（2015）[4]提出了共享经济平台上的三个不同的信任目标，并指出与传统电子商务相比，共享经济与社会环境更为相关。Finley K.（2013）[5]通过文献分析和深度访谈对共享经济的信任问题做了探索性分析，该研究基于信任和在线信任理论，对共享经济中的信任问题做了详细阐述，进一步分析了信任系统和社交网络中的信任传递机制。Bente G.（2012）[6]采用实验的方法研究了共享者的头像和声誉对消费者信任的影响，发现用户头像和声誉评分对信任均有显著影响，但两者的交互作用对信任没有显著影响。此外，结果显示只要共享者有头像和声誉评分信息（不论信息是积极的还是消极的），就比共享者缺失信息更让消费者信任。

基于对共享经济信任特点和重要性的研究，一些学者针对共享短租领域中影响信任形成主要因素的探索逐步展开。Ert E.、Fleischer A.和Ma⁃gen N.（2016）[7]等人指出，房东照片反映出的视觉感知信任和吸引力会对Airbnb 上房屋的价格以及消费者的购买行为产生影响，房东照片有助于减弱网站的匿名性，并增加社会临场感，消费者会通过照片来推测房东的可信度，并且这个判断相较于其他属性更能影响消费者的选择。Edelman B.和Luca M.（2017）[8]通过收集美国5个城市的所有Airbnb 房源信息，探索了种族歧视在共享经济中对信任的影响。研究发现，当房客的名字很像黑人的名字时，就会比名字听起来像白人的房客被接受的概率低16%。Wu J.、Ma P.和Xie K.（2017）[9]研究了中国共享短租网站“小猪短租”的房主信任机制。研究发现，只有回复率对信任没有显著影响，原因在于每个房主的回复率几乎接近于1，极高的回复率在房主之间没有显著的差异。Zhang L.、Yan Q.和Zhang L.H.（2018）[10]使用文本挖掘和图像识别的方法研究房客对房东形成信任的影响因素，结论认为，房东的声誉、自我介绍、头像、回复行为、认证个数都对信任有显著的影响，其中声誉对信任的贡献比其他所有因素的贡献相加还要多。Cheng X.S.、Fu S.X.和Sun J.S.（2019）[11]等人利用文本挖掘和卷积神经网络的方法，从Airbnb 平台上房客评论的内容出发，研究影响房客信任感知的因素，结论得出室内设计风格、房东简介、房源位置、再次入住意愿、整体评价和房源描述这些评论主题都对房客的信任产生了影响。

由于共享经济在国内发展时间尚短，目前对共享经济中的信任研究，尤其是针对共享短租领域的信任研究相对较少。以下文献首先对有关共享经济的基本理论做了研究。汤天波和吴晓隽（2015）[12]指出，共享经济的发展拉动了信息技术行业软硬件生产、无线网络和信息终端等产业的发展。郑志来（2016）[13]通过对共享经济领域两家具有代表性的公司Uber（优步）和Airbnb（爱彼迎）的盈利模式进行分析，总结出了共享经济的三大盈利点和一般商业模式，并从信用安全体系、第三方共享经济平台监管、需求方权利保障机制等方面提出了政策性建议。

在对共享经济的信任研究方面，魏可心和潘红（2018）[14]认为，在共享经济领域，消费者的信任主要依靠互联网共享平台建立的信用机制来形成,因此平台建立安全有效的信任体系是促进共享经济健康发展的关键。吴光菊（2016）[15]从共享经济和社交网络视角对Airbnb（爱彼迎）和Uber（优步）模式进行了探索，使用Citespace 软件对国内有关研究进行梳理，从共享经济的概念、相关商业概念分类、共享经济的负面效应、社交网络与信任问题四个方面做了论述。王红丽和陈茁（2017）[16]通过调查问卷的方法收集数据，研究了信任对约车出行意愿的影响机制。

尽管国内外的学者对共享短租中的信任问题已经开展了不同程度的研究，但其中仍存在许多不足。首先，房客的信任目标有三个，分别为房东、房源和共享短租平台。学者们通常只从一个信任目标的角度出发来研究信任的影响因素，而没有综合考虑针对两个及以上的信任目标进行研究，这将造成结果得出的信任影响因素不全面。其次，缺少针对共享短租中信任形成的地域差异研究，以及信任对共享短租中交易的影响研究。再次，研究者们大多采用发放问卷、做实验以及深度访谈的方式来获取数据，而从共享短租平台上获取一手可靠开源数据来进行的分析研究仍在少数。最后，房客的信任和需求界定不够清晰，在确定信任的替代变量时，需求因素往往没有被剔除，由此造成结果不准确。

本文旨在通过对共享短租这一典型领域的研究，探索与交易双方信任形成有关的主要影响因素，以及信任在交易过程中所发挥的作用。第一，通过对共享短租平台开源数据的分析，得到共享短租中影响信任水平的主要因素，并给出这些影响因素对信任形成的作用方向和影响强度；第二，探究在我国不同地区，各影响因素在信任形成过程中表现出的地域差异；第三，研究信任对共享经济交易价格的影响。

二、研究设计

（一）研究对象

本文的研究对象为共享短租平台Airbnb，该平台成立于2008 年8 月，总部设在美国加利福尼亚州的旧金山市。Airbnb以服务型网站的形式提供不同地区的住宿信息，用户可通过网站平台或手机应用程序发布、搜索度假房屋短租信息并完成在线预定，以此为旅游人士和有闲置房源出租的房主提供交易服务。目前，Airbnb平台已在约191个国家、65000个城市为世界各地的旅行者们提供了数以百万计的独特入住选择，被《时代》周刊称为“住房中的EBay”。

Airbnb存在的意义是多方面的。首先，Airbnb改变了人们的租住意识。人们大多不愿意让陌生人住进自己家里，安全、隐私等问题一直让房东们望而却步。对房客而言亦是如此，住在陌生人的家里是否会丢失财产，是否会被人身攻击，这些都是房客担心的问题。虽然Airbnb 也曾出现过信任危机，但它的出现让住在陌生人的房间成为了可能。

其次，Airbnb的存在改变了它所在的行业。仅2011 年，Airbnb 服务就令人难以置信地增长了800%，自此开启了共享短租的新时代。继Airbnb之后，国内从2011 年起也涌现出了各种各样的短租平台，如蚂蚁短租、途家、住百家、小猪、榛果民宿等。虽然Airbnb 不是第一家做共享短租的团队，但它成功地扩展了市场，培养了用户，让它的效仿者同行们在一进入到这一行业时就能得到用户和投资人的认可。Airbnb和它的竞争者们正走在颠覆传统酒店行业的路上，为出行的人们提供了更多的住宿选择。

最后，Airbnb将共享经济的理念推广到其他行业。如果把Airbnb 的概念抽象一下，它的逻辑是：有空闲资源就可以出租，在提高闲置资源利用率的同时获得收益。这种共享闲置的逻辑同样可以应用到其他领域上，很多创业公司就依照这样的逻辑打造出了自己的产品，进一步丰富了共享经济的种类。

（二）数据来源

在Airbnb平台上，每个房源的主页总共分为6个板块，分别是“详情”“评价”“可订日期”“位置”“须知”和“房东”板块。由于“可订日期”板块没有提供本文需要的数据，在此不作赘述，只对剩余的5个板块做详细介绍。

“详情”板块有房源的名称、卧室个数、床数、卫生间的类型、最多容纳居住人数、房东收到的总评论数、房源类型、房东是否是超赞房东、入住退房时间、是否可以自助入住、房屋内的设施等信息。其中，为了招揽更多房客，房源的名称中一般会写明房源附近的公共场所（如景区、商业中心等）、交通方式等位置信息；房源类型包括合住房间、独立房间和整套公寓；卫生间的类型包括无卫生间、盥洗室、公共盥洗室、公共卫生间和独立卫生间这五种类型，通常情况下与他人合住的房间使用的是公共卫生间，整套的共享公寓有独立卫生间。此外，详情板块右边的预定区域提供了居住一晚的价格以及此房源收到的评论数信息。

“评价”板块显示了房源收到的总评论数、房客在居住后从“如实描述”“沟通交流”“干净卫生”“位置便利”“入住顺利”“高性价比”6 个方面给出的评分以及结合各个方面给出的综合评分，除此之外还有每条评论的文字内容和评论时间。

“位置”板块显示了房源所在的省份和城市，以及房主对房屋坐落的具体地点和出行信息的详细描述。

“须知”板块有房东对房客入住的基本要求、取消预定政策和交易提示。其中，Airbnb平台上房客入住的基本要求主要有以下四个方面，分别是禁止携带宠物入住、不能为儿童提供安全的住宿环境、禁止吸烟和禁止举办派对，房东可以从这四个方面任意选择来作为房客入住自己房源时的基本要求。

“房东”板块中房客可以通过点击房东名字旁边的“联系房东”按钮与房东取得联系，房东名字下有房东的具体注册时间、房东是否为超赞房东、房东收到的总评论数、房东是否已验证、房东的自我介绍、房东与房客的互动以及房东的回复率和回复时间等信息。

（三）变量选择

1.自变量选择。在自变量的选择上，应充分考虑在共享短租市场中影响房客信任的各类因素。由于研究仅针对Airbnb 平台，因此只需考虑“交易对象、产品和平台”这三个信任目标中的两个，即“交易对象”和“产品”。其中，“交易对象”确定为房东，“产品”确定为房源居住权，由此可以将自变量分为房东属性和房源属性两大类，如表1、表2 所示。信任水平的高低受到这两方面因素的共同影响。

表1 房东属性自变量简介

在上述自变量中，房源的相对价格是根据共享短租的交易特征所构造出的新的自变量。通常来说，房屋的价格，不论是出售价格还是出租价格，更多的是由房屋本身的属性所决定的，比如房屋面积、户型、周边配套和所在地区等。而房客在预定过程中对于房源价格的比较往往是发生在具有相同属性的房源之间。或者说，影响房客支付意愿的价格因素更多的是性价比而非绝对价格。因此，将房源按照所在地区、房屋类型、房源周围的公共场所数量、交通数量、是否有独立卫生间、卧室数量、床位数量、最大可容纳人数进行分类，同类房源具有相同的属性特征。在每一类内计算房源价格的平均值，并将各个房源的实际价格与平均价格的差值定义为房源的相对价格。相对价格可以有效地反映每个房源的价格在其同类房源中所处的水平，以此作为自变量分析房源价格对信任形成的影响将更具实际意义。

表2 房源属性自变量简介

2.因变量选择。因变量作为信任的替代变量，主要用于反映不同房源所表现出的被信任水平的高低。信任水平较高时，可以认为房客更容易建立对房东的信任。在共享经济中，信任具体体现在用户的支付意愿上，当用户产生信任感时，就会倾向于支付订单预定房源。因此在现有研究中，多数会选择将成交数量作为信任的替代变量，例如Wu J,Ma P 和Xie K.（2017）[9]选用一段时间内的订单量作为因变量。而Airbnb 平台上不提供订单量数据，所以用订单数量作为信任变量的方式在此并不适用。同时我们注意到，房客在预订过程中，首先会从需求角度对房源进行选择。也就是说房客在预定房源时首先会考虑到房源的卧室数量、床位数量、最大可容纳人数等条件是否满足了其客观需求。若单纯使用交易数量作为因变量，其中会不可避免地包含需求因素的影响，从而对信任的衡量造成偏差。为解决上述问题，我们根据Airbnb 的交易规则发现，每一次成功的交易，Airbnb平台都会要求房客对其住宿体验做出评论，因此选取评论数量来反映房源的成交情况。并分别在各个地区内，将房源按照卧室数量、床位数量、最大可容纳人数进行分类，计算每一类中各个房源收到的评论数的均值。将此均值作为基准，在各个分类内部分别计算每个房源实际收到的评论数与该均值间的差异率，即：

信任差异率=（房源实际评论数-同类房源平均评论数）/同类房源平均评论数

（四）模型设定

将14 个自变量中的数值型变量（回复率、取消预订率、注册时间、总评论数、禁止条件数量、相对价格、公共场所数量、交通数量、差评率）与因变量绘制散点图（图略），不难发现各数值型变量与因变量之间并非简单的线性关系，因此选择回归树这样一种可以处理复杂变量关系的树结构模型。使用回归树模型研究信任形成的影响因素，实际就是利用分支结构对不同信任水平进行划分的过程。回归树的叶节点是连续型数据，但它并不是具体的某个对象的信任水平的取值，而是通过上级节点划分后属于某个分支的所有对象的信任水平的均值。如果将全部信任水平看作一个整体，那么回归树模型的建立就是通过从根节点开始的各级节点，将整体分割为各个“群落”，在这些“群落”之间，信任水平存在明显的差异。而最终在回归树中表现出的各分割节点，就可以认为是对信任水平形成区分的主要因素，其对于信任进行划分的能力大小通过特定的数值指标体现。通过分析经过各级节点划分后的信任平均水平的变化，可以在一定程度上推断各因素对信任的作用方向和作用强度。

三、实证分析

（一）回归树模型建立

利用Python中的BeautifulSoup库爬取了共享短租平台Airbnb 上我国各地区的短租房源网页数据。为了满足数据完整性的需要，同时考虑我国各地区共享短租发展现状，最终选择北京、上海、广东、浙江、江苏、重庆、四川、福建、云南、湖南、山东、湖北、辽宁、天津、陕西等15个地区2018 年的数据进行研究。对于其中各个房源的评论数，按照前述因变量的设定方式计算信任水平的差异率。即将各个地区的房源，分别按照卧室数量、床位数量、最大可容纳人数分类并计算每一类中的评论数的均值，最后计算出实际收到的评论数量与其同类房源收到评论数量的均值间的差异率作为信任的替代变量。经过预处理后，最终得到有效数据5200 条。使用各个地区的数据分别建立15 个回归树模型，模型筛选出了对信任水平造成影响的主要因素并显示了这些因素的作用方向和作用强度。

（二）信任形成主要影响因素分析

对于回归树中筛选出的各级节点，当节点标识为正向改变时，如果在该节点“是”的一侧分支上信任平均水平较上一级划分有所提高，且在“否”的分支上有所降低，则认为该节点对应的影响因素对信任水平有正向影响，反之则认为有负向影响。表3 综合了15 个地区回归树中筛选出的影响信任的主要因素及其作用方向。其中，空白处表示在该地区该因素对信任没有显著影响，标号为“+”表示在该地区该因素对信任有显著的正向影响，标号为“-”表示在该地区该因素对信任有显著的负向影响。

从表3可以看出，影响信任水平的房东属性主要有注册时间、超赞房东、总评论数和禁止条件数量。其中超赞房东、总评论数和禁止条件数量为正向影响因素，注册时间为负向影响因素。具体来说，房东为超赞房东对信任的形成有明显的正向作用。超赞房东是Airbnb 平台为那些经验丰富、评分很高、致力于为房客提供优质住宿体验的房东而赋予的称号，可以将其认为是基于房东以往的行为和经验信息而产生的一种行业声誉。现有研究表明，共享经济中商品提供方的声誉会给潜在的消费者提供高质量信息，并对消费决策产生重要作用。对于短租交易来说，超赞房东这一称号会带给房客较高的交易安全感知，进而促进信任的建立以及最终交易的达成。房东收到的总评论数会对信任产生正向影响。房东收到的总评论数越多，意味着房东成功交易的经验越丰富。由此，房客对房东按约定提供住宿服务的能力会有更积极的评估，对获得正向回报的预期也更为确切。禁止条件数量指的是房东对房客在入住时关于禁止吸烟和禁止举办派对两方面规定的个数。通常情况下，禁止条件数量越多，反映出房东对房源内部设施和居住环境的关注程度越高，从而提高了房客对优质住宿条件的确定性。另一方面，注册时间对信任的形成有明显的负向作用。在总评论数相同的情况下，房东的注册时间越长，则表示其成功交易的频率越低。尤其当房东不是超赞房东且总评论数较少的时候，注册时间越长则房客对于房东能力的不确定性预期越高。

表3 各地区信任水平主要影响因素分布情况

此外，影响信任水平的房源属性主要有房源位置（房源周围的公共场所数量、交通数量）、差评率和房源的相对价格。首先，房源位置是信任形成的正向影响因素。房源位置通过周围的公共场所（如景区、商业中心等）数量和交通数量来衡量，以此来反映房源周边的邻里环境和便利程度。对于房客来说，一定数量的公共设施和交通设施，能够降低他们对于潜在的不便利性以及安全风险的担忧，从而对信任的建立产生正向影响。其次，房源差评率是信任形成的负向影响因素。在线交易在互联网中产生的“点对点影响”是其区别于传统交易的重要特征，现有消费者在线上给出的评价，会对潜在消费者决策产生影响，这是一种发生在陌生人之间的“劝说”效应。相较于好评来说，差评对消费者的影响更加强烈，它会促使消费者对潜在损失进行更为谨慎的评估，而在此过程中产生的惧怕损失以及担忧、怀疑和畏惧等情感恰恰是“不信任”形成的关键因素。从研究结果可以看出，在其他条件相同的情况下，具有较高差评率的房源往往对应相对较低的信任水平。特别的，房源相对价格与信任水平之间表现出明显的正相关。当房源相对价格为负值时，表示房源的实际价格低于同类房源的平均价格。如果相对价格过低，会使房客对房源的真实性和可靠性产生怀疑，从而对信任的建立产生负面作用；当相对价格取正值时，表示房源的实际价格高于平均价格。此时我们发现了一个有趣的现象，相对价格高的房源往往对应着较高的信任水平，这与我们对于消费行为的一般认知是不一致的。通常情况下，在具有相同客观条件的房源中，价格较低或处于平均水平的房源更容易获得房客的青睐，这是出于消费者对于性价比的追求。那么此处所表现出的相对价格越高信任水平越高的现象，我们认为它所反映的并非是价格对于信任的影响，而是由于较高的信任水平导致了房客愿意去接受较高的价格，也就是产生了信任溢价。

（三）信任形成影响因素的地区差异分析

在对15 个地区回归树模型的分析过程中我们发现，各影响因素在不同地区所表现出的重要性是不同的。按照各影响因素的重要性，可以将15个地区划分为3类。其中，北京、上海和广东为第一类；浙江、江苏、重庆、四川、福建、云南和湖南为第二类；山东、湖北、辽宁、天津、陕西为第三类。在这三类地区中，各影响因素表现出不同的重要性分布，这种分布的特征与各地区的房地产市场、旅游市场和共享短租市场的发展现状密切相关。

可以看到，在第一类地区中，房源因素和房东因素各半，但对信任水平产生主要影响的是房源因素，而其中的相对价格更是信任形成的最重要依据。该类地区是我国经济最为发达的“北上广”地区，囊括了全部的一线城市，也是目前全国房价最高的地区。一方面，高房价拉动住房租金，使得该类地区共享短租房源价格也处于较高水平。那么对于在该地区选择房源入住的租客来说，房源价格及其浮动是否在个人的可承受范围之内是首先要考虑的重要问题。另一方面，该类地区房地产市场管理较为规范，房价信息的获取渠道多样，价格透明度较高，相对来说房客更容易判断共享房源的价格是否合理，对于价格的浮动也更为敏感。当该类地区房源的相对价格适中或稍高时，最利于房客信任的建立；相对价格较低时，会让房客对房源的可信度和交易的安全性产生怀疑；而相对价格过高时，则会引发对房东的友善度和诚实度的质疑。因此，过低或过高的相对价格都会使房客产生怀疑和不信任的情绪，进而对信任的建立产生负面影响。

在第二类地区中，影响信任水平的因素中房东因素占据多半，总评论数在其中发挥最重要的作用。该类地区主要涵盖我国南方的重点旅游区，其房源价格比第一类地区低，普遍处于租客可以承受的范围内，因此价格因素并没有在此类地区产生决定性作用。我们注意到，在该类地区曾多次曝光旅游乱象、交易欺诈等不良事件，因此游客会对交易安全和人身安全给予更多关注。而房东收到的总评论数反映其历史交易的数量，是对房东成功完成交易的能力的客观体现，可以为潜在的交易风险的评估提供直接和有效的信息，由此成为租客们建立信任的主要依据。

第三类主要位于我国的北方地区，该类地区中影响信任水平的因素绝大多数为房东因素，这与第二类地区的情况类似，不同的是超赞房东取代了总评论数成为信任的决定性因素。与前两类地区相比，第三类地区的共享短租行业发展相对滞后，起步晚且增速较慢，大多数房东没有历史订单的积累，房客很难单从房东收到的总评论数获取足够的信息以形成交易安全感知，更多的是通过房东是否具有“超赞房东”这样一个行业声誉来评估房东的可靠性，从而促进信任的形成。

（四）信任对交易价格的影响分析

如前文所提到的，多个地区的回归树模型中体现出相对价格与信任水平之间的正相关关系，但它并不能归结为高的相对价格会形成高的信任水平。本文认为，应当将这种正相关理解为由信任所产生的溢价行为，即信任溢价，它是信任作用于共享短租交易过程的一种体现。信任溢价在传统的电子商务领域是普遍存在的，其溢价方向有向上和向下两种。向上溢价是指买家愿意向可信任的卖家支付高于平均水平的价格，而向下溢价则是买家出于自我保护会对卖家提出价格折扣以抵偿其担忧和不确定性。Airbnb平台没有设置议价机制，当房客的信任水平较低时，其表现并非是提出价格折扣而是选择不进行交易，导致无法检验向下的信任溢价。因此，只针对向上溢价进行讨论，采用方差分析的方法，检验共享短租领域信任溢价现象的存在。

检验过程中，使用信任差异率作为因子，将其按照大小划分为不同的因子水平。在因变量的设定上，由于在相同的信任水平下存在不同类型的房源，其本身的价格差异会对检验过程造成影响，因此需要将相对价格转换为价格浮动比，即使用每个房源的相对价格除以同类房源的平均价格所得的比率。在15 个地区中，筛选信任差异率和价格浮动比都大于或等于0的房源进行检验。一般来说，在交易过程中由于各方面因素的影响，房客可以接受一定程度的价格浮动。如果不存在信任溢价，那么在不同的信任水平下，房源成交价格的平均浮动比应该是大致相同的。如果随着信任水平的提高，出现平均价格浮动比增大的情况，并且这种增大是由于信任水平变化造成的，就可以认为发生了信任溢价，也就是较高的信任水平让房客愿意去接受更大的价格涨幅。

对全部15 个地区也按照相同的思路进行检验，结果表明北京、广东、上海、浙江、重庆、福建、云南、山东、湖北、辽宁和陕西等11 个地区的方差分析结果是显著的，这说明信任溢价在共享短租交易中也是普遍存在的。当房客的信任水平达到一定程度时，会愿意支付相应的溢价并将其视为获得财产和人身安全保障的成本；而当信任水平较低时，房客会拒绝支付较高的价格以抵消其风险成本，由此可以解释前文提出的相对价格与信任水平之间的正相关关系。

四、结论与建议

本文基于我国15 个地区的Airbnb 平台开源数据，运用回归树模型和方差分析技术，从信任形成的主要影响因素、信任形成的地区差异和信任对交易价格产生的影响三方面，对我国共享短租市场中的信任展开研究。研究结果表明，在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。经过回归树模型的筛选，房东属性中的注册时间、超赞房东、总评论数和禁止条件数量以及房源属性中的房源位置、差评率和相对价格是影响信任水平的最主要因素。在不同地区，各影响因素对信任水平的影响程度存在显著差别。从本文所划分的三类地区来看，在经济发达特别是房价处于较高水平的第一类地区，房客对价格因素更加敏感，因此相对价格成为影响信任水平的最重要因素；在旅游业相对发达、共享短租市场具有一定规模的第二类地区，房客在建立信任的过程中更加关注房东属性，尤其是房东收到的总评论数会对信任水平产生最直接影响；而在短租业刚刚起步的第三类地区，由于可参考的历史交易信息有限，房客会更加在意房东是否具有“超赞”称号。在共享短租交易中，普遍存在信任溢价。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。

基于本文得到的上述三个主要结论，可以给出保持共享短租行业健康、持续发展的相关对策启示。首先，从提高信任水平、促进交易达成的层面看，作为房屋出租方，一方面应当对房屋进行合理定价，参考同类型房源的平均价格，在此基础上依据个人房源的位置、设施和交通情况等对价格做出适当调整；另一方面应当保证每一次交易的顺利完成，包括对房源设施的维护，对房客的合理需求的满足等，以此获得更多的正面评价。此外，出租方在共享短租平台进行房源登记时，应尽量对房源情况进行详细描述，有利于房客了解房源特征进而建立信任。值得注意的是，对于不同地区，应当根据当地共享短租市场的特点，针对影响信任水平的关键因素进行规范与改善。例如第一类地区应当重点关注房源的合理定价，而第二、三类地区应当特别注意对房东行为的引导和规范。其次，从对共享短租市场的监管层面看，一是应当规范短租房源的定价机制，针对各类型房屋建立可参考的定价区间，预防和打击价格乱象。二是应当对各短租平台进行有效监管，包括对成交记录和历史评价进行真实性审查，对各种认证称号如“超赞房东”的授予流程进行规范性审查等，防止以虚假订单、评价和称号误导消费者，保证共享短租行业的良性发展。