共享住宿对中国传统酒店的影响

The Impact of Shared Accommodation on Traditional Chinese Hotels

摘要: 本研究探讨了共享住宿和传统酒店之间的替代效应和互补效应。本研究采用的是2009年~2020年中国传统酒店和共享住宿的省份面板数据，来评估共享住宿对传统酒店造成的冲击和影响。研究结果显示，共享住宿对传统酒店数量产生了显著的负向影响，但却尚未显著影响到传统酒店的收益。

Abstract: This study explored the substitution effect and complementary effect between shared accommodation and traditional hotels. This study uses the provincial panel data of traditional hotels and shared accommodation in China from 2009 to 2020 to assess the impact and impact of shared accommodation on traditional hotels. The results show that shared accommodation has a significant negative impact on the number of traditional hotels, but it has not significantly affected the revenue of traditional hotels.

1. 引言

从《2021中国酒店业发展报告》中可以看出，目前中国酒店业呈现低端、中端、高端的分布层次。高端酒店面临成本控制压力大、供大于求、经营业绩下降、员工收入降低、服务水平下降等问题；中端酒店面临供大于求和地域差异问题；低端酒店面临快速扩张后陷入衰落以及消费群体需求转变的问题。报告还指出共享住宿作为顺应消费升级趋势、技术创新和模式创新结合的新业态，消费品类不断拓展、品质不断提升、服务持续优化、供需匹配效率持续提升，更好地适应消费者多样性、灵活性和交互性的消费需求。共享住宿平台的经营模式基于用户大数据的画像和网络平台的供需匹配，对用户需求更加敏锐，与酒店相比更加多样化。结合传统酒店业面临的问题以及共享住宿业的发展特点，中国的共享住宿业很有可能会对传统酒店业形成一定的影响。这对传统酒店业而言，是机会还是挑战，在中国会产生互补效应还是替代效应，是本文拟探究的核心问题。

目前，中国共享住宿的市场规模大，企业数量增长迅速。2017年~2020年，共享住宿市场累计交易规模668亿元，年均增长23%¹。截至2021年12月，在政府工商部门登记注册的共享住宿企业数量约6.7万余家，其中近5年注册的共享住宿企业约6.1万家，占全部共享住宿企业的90%以上。另外，共享住宿企业的企业类型以个体工商户为主，约占全部注册企业的90%以上，在披露注册资本的1.07万家共享住宿企业中，500万元以下的企业约占94.88%²，可见目前共享住宿的平均规模较小，企业单体的所有权结构比较多样。跟酒店相比，共享住宿企业的注册类型比较灵活，门槛较低。受新冠肺炎疫情影响，2020年前三个月，中国共享住宿市场交易额同比下降50%、94%、90%，订单量和每晚预订价格出现“双减”。从2020年4月起，共享住宿市场交易额、订单量和接待人数开始逐渐恢复，3月、4月、5月的交易额环比分别增长78%、199%、35%；订单量环比分别增长141%、152%、50%；接待人次环比分别增长81%、112%、28%³。可见，共享住宿虽然因为疫情受到了一定的冲击，但是其恢复能力强、速度快，说明共享住宿并不是昙花一现，已经拥有了较强的抵抗力和应对风险的能力，发展趋于成熟。

酒店业方面，总体而言产业规模巨大，市场趋于饱和，除了存在区域分布不均衡、产品结构同质性等问题，共享住宿的出现也给酒店带来新的冲击。截至2020年1月1日，全国酒店业设施有338,021家，客房总数1760余万间，平均客房规模约52间，从酒店业设施供给总量来看，酒店业依然占据我国住宿业的主导地位。从城市的角度来看，我国62%酒店都分布在除一线城市和副省级城市及省会城市之外的其它城市区域，表明酒店的发展已经下沉到了四五线城市，酒店业的发展区域较广⁴。

从省份区域分布的角度来看，根据省一级行政区域酒店业设施的客房数，排名前十位的省份分别是广东、山东、浙江、江苏、四川、河南、云南、湖北、河北和湖南，其中东部省份有6个，中部省份有4个，说明酒店业在东部发展最好，中部次之，西部酒店业发展较为落后。这也表明中国酒店业发展存在区域不均衡的现象。从共享住宿区域分布的角度来看，数量排名前十名的省份分别为浙江、广东、安徽、湖北、陕西、四川、河北、福建、湖南。通过酒店业和共享住宿的数量区域分布对比，不难发现，酒店业发达的地区共享住宿也会比较发达，因此研究二者之间的关系是有意义的。截至2020年，全国酒店数量和共享住宿数量的分布情况见图1。

Figure 1. Regional distribution of the number of hotels and shared accommodations in the country in 2020

图1. 2020年全国酒店和共享住宿数量区域分布

从2009年到2020年，目前存续且在工商部门登记注册的共享住宿企业共106,173家，最多分布在浙江省，合计16,283家，最少分布在上海市，合计69家。超过6000家的省份有浙江省、安徽省、湖北省、广东省、四川省、陕西省。从酒店数量和共享住宿数量的区域分布中可以看出，酒店数量较多的地区，共享住宿的数量往往也较多，酒店数量较少的地区，共享住宿的数量也较少，这也从侧面印证了酒店业与共享住宿业之间存在内在的联系。

综上，本文通过搜集已进行政府工商注册的共享住宿企业数据，结合酒店业相关数据，在酒店数量、平均出租率、收入与共享住宿的数量和注册资本的非线性模型的基础上，运用固定效应模型进行研究。本文的创新点在于，将共享住宿与酒店的替代互补关系，从企业层面拓展到行业层面，并依据中国共享住宿发展特点和规模，分析对传统酒店的异质性影响，从而为酒店的发展提出针对性建议。本文研究结构如下：第一部分为文献综述，第二部分是本研究的理论框架和模型构建，第三部分为实证检验和结果分析，第四部分为讨论、结论和管理启示。

2. 文献综述

吴晓隽等(2019)认为共享经济是一种依赖于互联网，建立在分享知识、服务或闲置资料的“使用权”基础上的需要社会大众广泛参与的新经济形态，对当前社会生活的很多领域都产生了深刻的影响 [1]。共享住宿作为共享经济的重要组成部分，其发展已经得到国内外学者的广泛关注，依据本文的研究目的和意义，文献将从以下三个方面展开，分别是共享住宿的发展现状；对酒店业发展影响的理论研究；相关的实证研究。

近期关于共享住宿的研究大多从影响共享住宿的发展因素、共享住宿的出现对旅游业的影响、共享住宿的出现对酒店业的影响等方面展开。在共享住宿出现后，对旅游业产生了多方面的影响。Fang et al. (2016)以美国爱达荷州为例，依据爱达荷州2009~2013年的县级年度旅游就业数据以及Airbnb网站上的数据，研究发现共享经济的出现促进了旅游业的发展 [2]。Song et al. (2020)采用双向固定效应的DID模型，验证了共享住宿的进入对当地旅游景点具有可量化的正向溢出效应 [3]。关于影响共享住宿发展的因素，Guttentag (2015)从颠覆性创新理论的角度进行分析了Airbnb的出现、发展及其核心竞争力。文中提到Airbnb新颖的商业模式主要体现在充分运用现代互联网技术、节约成本、家庭设施和更真实的体验 [4]。类似的研究还有Gunter (2018)，他研究发现Airbnb的商业化运营更有可能获得超级房东的地位 [5]。共享住宿房间的价格因素与共享住宿业绩的表现之间存在着相互影响的关系。Gunter and Önder (2018)通过2015年7月~2016年6月持续经营的维也纳Airbnb房源的横截面数据，确定了影响Airbnb需求的关键因素，并根据需求弹性量化了它们的边际贡献。通过聚类调整的OLS回归发现，维也纳的Airbnb需求价格需求弹性很小 [6]。Wang and Nicolau (2017)根据Airbnb网站上给出的33个城市的180,533个房源的信息，使用OLS回归和分位数回归的方法，研究证实了与场地、物业属性、设施、服务、租赁规则和客户评论相关的因素会显著影响共享住宿的价格 [7]。Liang et al. (2018a)探讨了在Airbnb概念兴起的前提下满意度、信任与转换意愿以及回购意愿之间的关系。总体来说，交易满意度对体验满意度、信任和回购意愿有显著影响，经营者应当重视交易的满意度 [8]。

以往研究酒店业发展的因素大多从宏观方面展开，如地区经济发展、顾客满意度、酒店智慧化程度等(如Xiang et al. (2015) [9]，熊伟等(2018) [10]，Vermeulen and Seegers (2009) [11]、Ye et al. (2009) [12])。由于共享住宿的蓬勃发展，行业结构发生改变，酒店业面临的竞争环境和发展环境发生变化，因此本文将重点综述共享住宿的出现对酒店业到底有没有影响？影响如何？在这方面目前国外已有学者进行了相关的研究和验证。现有学者认为，共享住宿的出现对酒店业既有积极影响也有消极影响。

1) 共享住宿对酒店业绩效和收入有负面影响。Benítez-Aurioles (2019)根据巴塞罗那市2010年8月至2018年10月的月度数据，使用共享住宿的评论数量来取代共享住宿的数量供应，探究了Airbnb的扩张对旅游目的地酒店的影响，结果发现共享住宿的增长对酒店的入住率和业绩产生了负面影响，并且与酒店类别无关 [13]。Dogru et al. (2019)以美国的十大酒店市场为研究对象，收集了2008年7月至2017年6月期间的数据，研究了Airbnb对酒店关键绩效指标(客房收入、日均房价、入住率)的影响，结果表明，不断增加的Airbnb供应量对酒店业的所有三个绩效指标都产生了负面影响 [14]。Zervas et al. (2017)从Airbnb刚进入得克萨斯州的情况入手，量化了Airbnb进入后对得克萨斯州酒店业的影响。作者用双重差分的方法，通过比较受Airbnb影响的城市中的酒店在Airbnb的进入前后的收入差异，发现在德克萨斯州，Airbnb市场规模每增加10%，酒店客房收入就会减少0.39% [15]。Gunter et al. (2020)利用纽约市2014年9月至2016年6月期间的1461个持续经营的Airbnb房源的空间面板数据，目的是确定Airbnb和传统住宿行业之间的关系是一种替代关系还是互补的关系。研究结果表明，Airbnb对纽约的影响主要体现在租金不断上涨以及提供了出租闲置房间以获得额外收入的机会，本文也验证了Airbnb在纽约市是传统住宿行业的替代品，这一特点在曼哈顿尤为明显 [16]。

2) 共享住宿的出现会带动酒店业共同发展。Jiang et al. (2020)通过半结构化的深度访谈的定性研究方法，以广州的15家酒店的30名受访者为研究对象，从酒店经营者的角度来探究共享住宿对酒店业的影响。本研究凝练提出了四个主题：主客关系、标准与非标准、员工授权和平台共享，作者根据这个四个主题分别论述了对酒店业的影响 [17]。Ginindza and Tichaawa (2017)从发展中国家的视角，通过对Mbabane、Ezulwini、Matsapha和Manzini镇周边的46家酒店和35家Airbnb客房出租率进行了调查，通过问卷调查和AirDNA分别获取酒店的入住率和Airbnb的房间入住率，并结合半结构化的访谈获取一手数据，研究结果表明酒店入住率与Airbnb房间入住率之间呈正相关关系 [18]。

3) 共享住宿和酒店业之间的相互影响关系不能一言以蔽之。Blal et al. (2018)认为共享住宿的出现对传统行业具有颠覆性的作用，在本文中，作者采用饱和、非结构化协方差矩阵的混合模型，以Airbnb的发源地旧金山为研究对象，通过第三方网站收集了2013年12月至2016年2月期间旧金山101家酒店的数据，以酒店的总收入、总供应量、客房数量、开业和装修的年数以及第三方网站提供的品牌关联信息为酒店的衡量指标，探究了共享住宿对酒店业的影响，结果表明① Airbnb的数量与酒店的经营绩效(RevPAR)之间不是负相关的关系，② Airbnb租赁的平均价格与酒店销售模式绩效正相关，③ Airbnb对酒店销售模式绩效的影响因酒店细分而异 [19]。Heo et al. (2019)以巴黎为例，研究了Airbnb七年间在巴黎的发展状况，作者总结了Airbnb和酒店不同的增长和季节性模式，以及提供服务的地理位置的不同。另外，作者认为酒店和Airbnb并不是直接的竞争关系，而要更复杂 [20]。

从上述研究中不难发现，现有大多数研究主要以个别典型企业如Airbnb作为研究对象，而在中国共享住宿的市场较为分散，行业集中度较低，因此本文将采用在中国工商管理部门进行登记的共享住宿企业作为研究对象。从研究方法来看，已有文献较多运用简单回归分析、分组回归以及定性研究的方法来进行研究，从研究结果来看，目前学者对共享住宿对酒店业的影响结论也因国家、城市的不同而不同，因此本文运用中国城市的共享住宿数据来进行研究是有理论和现实意义的。

3. 理论和模型

本文参照供求关系理论来探究共享住宿和酒店之间的替代关系和互补关系。供求均衡理论产生于关于供求关系的探讨，是经济学中的常用术语，供给与需求是推动市场运行的两大力量，反映一种劳动者之间存在劳动交换的关系，它们决定并影响商品的数量与价格。共享住宿作为一种新的住宿形态进入住宿行业，增加了旅游目的地可供游客住宿的房间供应量。在竞争激烈的住宿市场中，在总需求相对稳定的前提下，增加共享住宿的供应可能会挤占传统酒店业的市场份额，进而降低酒店的单价和收益。根据供求均衡理论，若将酒店和共享住宿看成是两种商品的话，则根据消费者消费能力层次的不同，共享住宿和传统酒店业之间的关系既可能呈现替代效应，也可能呈现互补效应，如图2所示。

Figure 2. The relationship between the shared accommodation industry and the hotel industry

图2. 共享住宿行业与酒店业的关系

根据图2，可以将用户的消费能力划分为高、中、低三个层级进行分析。

1) 低层次消费能力

当旅游者群体消费能力相对较低时，对住宿可提供的服务水准要求较低，甚至只要满足最低可住宿标准即可，目前中国多样化的共享住宿可以满足其需求，且共享住宿大多独立经营，掌握独立的定价权，价格优势明显，因此，低价的共享住宿可能会直接减少传统酒店的需求，通过挤占低端酒店的市场占有率，可能产生替代效应。

2) 中层次消费能力

在中层次消费水平区间，旅游者群体对住宿的多样性需求增多、价格承受力增强，此时旅游者群体会从更注重价格因素转变为更注重产品品质和服务质量，为了更好、更标准、更信赖的住宿条件，一部分旅游者便不会选择品质和服务质量参差不齐的共享住宿，此时，共享住宿对传统酒店的抑制程度降低，替代效应可能向互补效应过渡。

3) 高层次消费能力

在高层次消费水平区间，部分旅行者群体大多为收入高的商务旅行群体或高端度假游客，而这部分群体基于对产品品质和服务质量的高要求，对高端传统酒店会有较高的忠诚度，酒店对一部分短期商务旅行者来说是不可或缺的。此时共享住宿运营主体为了满足这部分群体的需求，会提高自己的产品品牌，推出高端的共享住宿，传统酒店为了更好的留住顾客，也会倒逼自己做出改变，此时二者之间相辅相成，共同促进，可能会存在互补效应，或者没有显著的关系。

因此，一方面，从功能冲突的视角来看，共享住宿与传统酒店业可能存在替代效应。共享住宿和传统酒店同作为住宿业的一部分，其基本功能是满足顾客的居住需求，共享住宿的出现一定程度上抢占了传统酒店业的客源。另一方面，从资源配置优化的视角来看，共享住宿的主要目标群体目前为闲暇游客和年轻人，在装修和服务方面会更多体验当地风土人情和旅游特色，年轻人的猎奇心理较强，喜欢接触有特色的事物。这与传统住宿业的主要目标顾客群体是商务出行者并不冲突，共享住宿业和传统酒店业的良性发展可能会互相带动和促进，从而产生互补效应。基于此，本文提出如下假设：

H1：共享住宿与酒店之间具有替代关系。

H1a：共享住宿的增加会显著减少酒店的数量。

H1b：共享住宿的增加会显著减少酒店的出租率。

H1c：共享住宿的增加会显著减少酒店的收入。

H2：共享住宿与酒店之间具有互补关系。

H2a：共享住宿的增加会显著增加酒店的数量。

H2b：共享住宿的增加会显著提高酒店的出租率。

H2c：共享住宿的增加会显著提高酒店的收入。

为考虑共享住宿对酒店数量、出租率和收入的不同影响，因此基础模型的因变量包括酒店数量、酒店年出租率以及酒店的客房收入三个。核心自变量分别为共享住宿企业的数量和注册资本。另外，考虑其他因素对酒店的影响，选取地区国内生产总值、地区常住人口、住宿和餐饮业的产值占第三产业的比重、地区总客运量作为控制变量。

通过对模型的探索性研究和前述理论分析，共享住宿对酒店存在非线性影响，因此最终模型设定如下：

${\text{HTN}}_{it}={\alpha }_0+{\alpha }_1{\text{HSN}}_{it}+{\alpha }_2{\text{HSN}}_{it}^2+{\alpha }_3{\text{X}}_{it}+{\text{θ}}_i+{\displaystyle \sum {}_{{}_{it}}}$ (1)

${\text{RTE}}_{it}={\beta }_0+{\beta }_1{\text{HSN}}_{it}+{\text{β}}_2{\text{HSN}}_{it}^2+{\beta }_3{\text{X}}_{it}+{\text{θ}}_i+{\displaystyle \sum {}_{{}_{it}}}$ (2)

${\text{REV}}_{it}={\gamma }_0+{\gamma }_1{\text{HSN}}_{it}+{\gamma }_2{\text{HSN}}_{it}^2+{\gamma }_3{\text{X}}_{it}+{\text{θ}}_i+{\displaystyle \sum {}_{{}_{it}}}$ (3)

${\text{HTN}}_{it}={\alpha }_4+{\alpha }_5{\text{HSC}}_{it}+{\alpha }_6{\text{HSC}}_{it}^2+{\text{α}}_7{\text{X}}_{it}+{\text{θ}}_i+{\displaystyle \sum {}_{{}_{it}}}$ (4)

${\text{RTE}}_{it}={\beta }_4+{\beta }_5{\text{HSC}}_{it}+{\text{β}}_6{\text{HSC}}_{it}^2+{\beta }_7{\text{X}}_{it}+{\text{θ}}_i+{\displaystyle \sum {}_{{}_{it}}}$ (5)

${\text{REV}}_{it}={\gamma }_4+{\gamma }_5{\text{HSC}}_{it}+{\gamma }_6{\text{HSC}}_{it}^2+{\gamma }_7{\text{X}}_{it}+{\text{θ}}_i+{\displaystyle \sum {}_{{}_{it}}}$ (6)

其中，Hotelnumber，HTN代表酒店的数量，Rentalrate，RTE代表酒店的出租率。Revenue，REV代表对应酒店的客房收入，homestaynumber，HSN代表共享住宿的累计数量。Homestaycapital，HSC代表共享住宿的注册资本，S代表一系列控制变量的集合，其中包括地区国内生产总值(GDP)、地区年客运量(Regional annual passenger volume, RAP)、地区人口、住宿和餐饮业占第三产业的比重(Proportion of accommodation and catering industry in the tertiary industry, POA)，i表示样本地区，t表示样本所在年份，α、γ、β代表回归系数，θ_i代表地区个体因素，ε代表残差项。变量汇总见表1。

Table 1. Variable summary

表1. 变量汇总

4. 数据和结果分析

本文所采用的研究数据收集完毕后，为使研究结果更准确，本文对数据进行了标准化处理，将原始数据转化为无量纲化指标测评值，以保证各指标值处于同一数量级别，可以进行综合回归分析。经多重共线性检验、异方差检验，结果显示通过了多重共线性的检验，但存在异方差问题，因此所以本文将采用WLS (加权最小二乘法)回归的方法，减少异方差问题对估计结果准确性的影响。

酒店数据涵盖了31个地区18年的数据，共372个样本。其中酒店数量最多的地区为2011年的广东省，达1018家，最少为2020年的西藏自治区，共10家。

从酒店的平均出租率来看，其中最高的是湖南省，达到80.0695%，最低的是黑龙江省，为24.5495%。酒店数量最多的广东省、出租率较高的湖南省和福建省均位于南方，出租率较低的黑龙江省、天津市均位于北方。详细数据见表2。

Table 2. Descriptive statistics

表2. 描述性统计

数据来源：Wind数据库和天眼查网站。

将酒店业作为整体，判断共享住宿对酒店业的综合影响。

1) 对酒店数量的综合影响

从酒店的总体数量来看，共享住宿的累计数量对其有显著的负向影响，且共享住宿的平方项亦通过了显著性检验，这意味着对于星级酒店总体来说，共享住宿数量的负向效应显著且已经出现转变的拐点，从替代效应转变为互补效应。共享住宿的注册资本总额亦对酒店的总数量产生了显著的负向影响，但是出现了效应转变的拐点，由替代效应向互补效应转变，其作用与数量不一致。由此假设H1a、H1b得到验证。

2) 对酒店出租率的综合影响

共享住宿的数量尚未对酒店的平均出租率产生显著的影响，这意味着共享住宿数量的多少，对酒店业的综合入住率尚且没有产生明确的影响，二者之间既不存在替代效应也不存在互补效应。共享住宿的注册资本对酒店的平均出租率有显著的正向影响，且该正向影响存在拐点，这说明二者之间存在互补效应阶段，但该效应会逐步转向替代效应。由此，假设H1b、H2b得到验证。

3) 对酒店收入的综合影响

从酒店客房的收入来看，共享住宿的数量和注册资本总额均未对其产生明显的影响，这说明共享住宿的数量和行业规模尚对酒店业的绩效收益产生明显的影响，从此维度来看，二者之间既不存在替代效应亦不存在互补效应。由此假设H1c、H2c均未得到验证。

Table 3. The impact of shared accommodation on the overall hotel industry

表3. 共享住宿对酒店业的影响

数据来源：Wind数据库和天眼查网站；

注：表中符号含义^*p < 0.1，^**p < 0.05，^***p < 0.01。

另外，住宿餐饮业占第三产业的比重、客运量对酒店的数量和平均出租率均存在显著的正向影响，因为一个地区的人口越多、经济和第三产业越发达，酒店产业越发达。但是，国内生产总值虽然增加了地区的酒店数量和总收入，但同时也可能因为竞争激烈等原因，造成GDP越高的地区，酒店的入住率反而越低，这也提示了经济越发达的地区，酒店的过度进入越严重。另外，地区常住人口显著增加了地区的酒店数量，但是可能由于人口增加导致酒店数量无序增加最终导致酒店产能过剩的原因，显著降低了酒店的收益，详细数据见表3。

5. 结论和管理启示

本文将酒店的数量、平均出租率和收入作为被解释变量，以共享住宿的数量和注册资本总额及其平方项为解释变量，以地区常住人口、地区年客运量、住宿和餐饮业占第三产业的比重作为控制变量，分别建立模型进行回归，根据对回归结果的分析，得出结论如下：

从酒店业整体来看，共享住宿数量对酒店业的总数量具有显著的负向影响，而对酒店业的平均出租率和收入尚未形成显著的影响。共享住宿的资本规模对酒店业的总数量具有显著的负向影响，对酒店业的平均出租率具有显著的正向影响。

针对以上研究结论，本文提出如下管理启示：

1) 酒店业应探索大众化经营的新方式，破除酒店之间的同质化，创新经营模式，学习共享住宿个性化、人性化的特有属性，保持竞争力，努力做到提质增效。增加富有特色的服务以及更优惠的价格，改变产品定位，减少同质化的经营模式。另外，还要注重挖掘和巩固自身所独有的优势，防范共享住宿的冲击。

2) 需要打造特色企业文化，促进服务提升。注重酒店的硬件设施配备以及服务质量，从企业文化的方面塑造差异性显得尤为重要。其次，可以借鉴共享住宿的优点，与当地特色文化相融合，体现本土风土人情，体现生活气息，将酒店经营与生活背景相结合，体现特色差异性服务，带给用户更好的住宿体验和生活感受。酒店应当在旅游业较为发达的地区寻求发展，最好是距离景区较近的区域，旅游业发达的地区会带来客运量，客运量会带来入住的客源。

3) 总而言之，共享住宿业对于传统酒店业具有“颠覆性”影响，应该引起重视，传统酒店业要学习借鉴共享住宿的经营模式、运营方式和服务方式，寻求酒店与共享住宿之间的本质差异，改变产品定位，巩固酒店的优势，弥补弱势，提高产品品质，增强经营的灵活度和个性化。

另外，本文也存在一定的研究局限性，一方面是研究数据的局限性，本文所采用的共享住宿数据是从天眼查网站上下载的目前仍登记在册、存续经营的共享住宿的数据，另外可能还有未进行工商登记的共享住宿数据本文没有囊括其中，导致参数可能偏低，从而降低了共享住宿的影响力，但因为这部分数据存在较大的不规范性和不确定性，经营主体不明确，因此暂时没有纳入模型，未来如果可以获得更可靠的数据，本文将进一步研究。另一方面，是分析模型的局限，我们暂时没有将政府规制、进入门槛、顾客评价等因素纳入考虑，单纯考虑了市场行为，缺乏制度因素和微观层面的分析，这也是本研究未来研究的方向，从而对本文结论进行补充。

参考文献

NOTES

¹数据来源：《中国共享经济发展报告(2021)》。

²数据来源：https://www.tianyancha.com/，2021年12月29日。

³资料来源：《中国共享住宿发展报告2020》 (sic.gov.cn)。

⁴资料来源：2021中国酒店业发展报告。