基于地理加权回归与聚类分析的雅典Airbnb价格空间维度研究：对城市旅游政策的启示

《Geographies》：The Spatial Dimension of Airbnb Pricing in Athens, Greece: Implications for Urban Tourism Policy

　　

本研究考察Airbnb房源的物质特征与区位如何塑造雅典市（Municipality of Athens）范围内的价格，以及由此形成的格局对城市旅游治理意味着什么。研究使用2025年的11,999条房源数据并结合补充性的空间与城市数据，分析将房源层面的普通最小二乘法（OLS）模型、以100 m六边形网格校准的地理加权回归（GWR）以及K-means聚类相结合，在城市整体与邻里尺度上考察Airbnb定价。研究对雅典市内Airbnb价格决定因素作用方式相似的地区进行分组，从而对城市内部异质性作出更具结构性的探索性解释。通过对局部系数进行聚类，研究超越了系数制图，识别出空间定价轮廓（spatial pricing profiles），并将其与近期短期租赁（STR）监管的地理分布相联系。结果表明，靠近文化地标、住宿特征以及高端设施（热水浴缸可用性）是价格分化的主要来源，而交通可达性在雅典联通性良好的中心区内具有空间分异效应。分析得出五个探索性空间定价轮廓，反映了这些关系在各邻里之间强度与方向上的差异。这一组合分析方法有助于将局部模型结果转化为空间明确的格局，从而为采取因地制宜（place-sensitive）的城市旅游治理方法提供依据。

研究背景方面，共享经济对旅游与酒店业影响显著，点对点（P2P）活动通过将空置房间或房产货币化用于短期租赁（STR）而实现收益，Airbnb已成为最具代表性的平台并在市场中占据主导地位，甚至与传统住宿提供者直接竞争。价格是影响旅客住宿选择的主要因素之一，但Airbnb定价并非仅反映运营成本，而受房产特征、租赁规则、客户服务、区位属性、时间动态与市场驱动行为等多重因素塑造。既有Airbnb定价研究的地理覆盖并不均衡，多集中于美国、加拿大与西北欧，南欧与地中海城市相对受关注较少；同时，尽管已识别出大量价格决定因素，但关于其影响如何在城市内部不同区域变化、这些变化是否呈现可识别的空间格局，仍知之甚少。雅典因Airbnb快速增长且分布不均，成为探讨该问题的合适情境。由此，研究提出核心问题：“Airbnb定价的决定因素在雅典空间上如何变化，其组合性的局部效应在多大程度上形成可识别的空间定价轮廓？”研究的贡献有二：其一，超越对单个局部效应的考察，通过分组局部系数组合相似的地区，对Airbnb定价地理作出探索性概括，并在局部共线性检验后保留区位变量，从而弥补以往在雅典以GWR主要进行价格预测而未报告局部系数的不足；其二，结合雅典近期STR监管考察空间格局，探讨地理靶向措施覆盖区域是否也呈现不同的定价轮廓，为未来地理靶向STR政策讨论提供空间视角。

研究人员开展的研究为：先进行文献综述以识别相关决定因素并综合既有研究发现，进而构建三阶段分析框架——房源层面OLS提供全市基线，基于100 m六边形单元校准的GWR捕捉空间非平稳性，对局部系数进行K-means聚类将异质性归纳为有限数量的探索性空间定价轮廓，并将聚类结果与近期STR监管地理相联系。研究得出，靠近文化地标、住宿特征与高端设施（热水浴缸可用性）是价格分化的主要来源，交通可达性在雅典联通性良好的中心区内呈现空间分异效应，并形成五个探索性空间定价轮廓，反映这些关系在各邻里之间强度与方向的差异。其重要意义在于：组合分析方法有助于将局部模型结果转化为空间明确的格局，为因地制宜的城市旅游治理提供依据，并表明Airbnb相关压力在整个市域内不太可能完全一致，地理分化的方法值得在STR监测与引导中进一步考虑。

在技术方法上，研究采用房源层面OLS估计全市基线关系，采用以100 m六边形网格聚合（2479个单元）校准的GWR捕捉空间非平稳性，采用K-means对局部GWR系数与局部R2进行聚类以归纳探索性空间定价轮廓，并通过Moran’s I进行残差空间自相关诊断、以AICc进行带宽选择与模型比较，同时开展局部共线性诊断（局部条件数与局部VIF）。数据来源为2025年雅典市11,999条Airbnb房源，研究范围限定于雅典市行政边界，坐标参考系统为EPSG: 2100（Greek Grid）。

研究结果方面，4.1 房源层面OLS结果：模型解释约37.3%的ln（Nightly price）变异（调整R2=0.373），处于既有Airbnb享乐定价研究范围内；结果显示热水浴缸可用性关联约50%的价格提升，整套房屋或公寓类房源价格约高35–36%，每增加一间卧室关联约19%的价格提升，访客容量关联约10%的提升；靠近文化地标持续获得价格回报，距离阿克罗波利斯（Acropolis）或其他纪念物越远价格越低；靠近地铁站与价格显著相关，但在中心雅典语境下也可能反映更广泛的城市中心性、经济活动集中与土地利用强度；位于客观价值更高区域的房源定价更高；建筑系数所度量的高密度环境与较低价格相关，床位数呈小幅负效应，部分整套单元类型价格约低20–22%，评论与价格呈温和负相关，洗衣机的影响不具统计意义；到最近公交站与到最近绿地的距离在房源层面OLS中不显著；VIF均低于5，Jarque–Bera检验（JB=54,811.50；p<0.001）表明残差偏离正态。4.2 地理加权回归（GWR）结果：房源层面OLS残差呈一定空间格局，Moran’s I为0.1151（p=0.0010），表明弱但统计显著的正空间自相关，为考察价格与决定因素关系是否随空间变化提供经验依据；局部R2范围为0.243至0.695，均值为0.427，表明模型解释力在市域内存在差异；在2479个六边形单元上GWR的R2为0.538（调整R2=0.498）、AICc为5552.84（有效参数数197.79），六边形层面OLS的调整R2=0.413、AICc=5734.05，AICc降低181.21表明允许系数空间变化在惩罚额外复杂度后改善了样本内拟合；六边形层面OLS残差Moran’s I为0.1085（p=0.001），GWR残差Moran’s I降至0.0215（p=0.013），虽仍统计显著但量级可忽略，表明局部设定捕捉了大部分未被解释的空间结构；局部系数在多个解释变量上呈现高度空间变化，距离类变量尤为明显，例如“到阿克罗波利斯山的距离”均值系数为?0.358、局部估计范围为?1.437至0.324，即平均关系为负但在某些位置局部系数变为正，其他距离类变量亦呈类似变化；卧室数系数平均为正（0.202），局部范围?0.003至0.459，访客数均值系数为0.184，局部范围?0.031至0.346，“entire rental units”与“entire condo”系数平均为负但量级随位置变化。4.3 K-means聚类结果：以Elbow与Silhouette准则并结合空间可解释性选择五聚类解（五聚类Silhouette Score为0.21，四聚类为0.21，十聚类为0.33，但超过五类产生小而空间破碎的簇、解释价值有限）；局部R2对分类有影响，仅用局部系数重复聚类时两解总体一致性为中等（调整兰德指数=0.57），远低于原始设定不同随机初始化重复运行的 agreement（20次运行中位ARI=0.98），该影响集中于类型学的特定部分，聚类3（248个单元中243个）与聚类4（716个单元中632个）几乎完全复现且平均系数基本不变，聚类2核心（370个单元中226个）再次形成结合阿克罗波利斯山与地铁站强关联的独立组，主要差异在于聚类1与聚类5，无局部R2时聚类5与聚类1部分（295个单元）合并为具有中等文化邻近关联的单一组，两簇区分主要依赖模型拟合差异（平均局部R2分别为0.31与0.51）而非系数本身，两解分离质量相近（Silhouette Score分别为0.213与0.217）；局部R2在五簇间差异明显，最低均值0.3144见于聚类1，最高均值0.5605见于聚类2，聚类1覆盖雅典市北部地区（包括Patisia、Aghios Eleftherios、Ampelokipoi与Panormou），聚类2主要集中于市域南部；区位相关系数方面，聚类3呈现最清晰的文化邻近轮廓，“到阿克罗波利斯山的距离”（?0.7564）与“到最近文化纪念物的距离”（?0.4587）均值系数为五簇中最强之一，表明在这些区域更大的文化景点邻近度与更高Airbnb价格关联更强，由于该簇包含大多数高LCN单元，这些系数量级应谨慎解释，但排除这些单元后轮廓仍保留；聚类2同样与阿克罗波利斯山邻近度强关联（?0.7839），并具有最强的地铁站邻近度平均关联（?0.1647）；聚类5呈更混合轮廓，文化纪念物邻近度仍相对明显（?0.2312），但与阿克罗波利斯山的关系弱于聚类2与3，同时若干结构与容量相关变量均值系数相对较强；交通相关关系在各簇间较不一致，地铁站距离均值系数在聚类2、4、5为负，在聚类1、3略为正，公交站邻近度关系在量级与方向上均有变化且均值系数总体温和，表明交通可达性与Airbnb价格关系存在空间变化而非全市一致；在本地中心性正在形成但远离市域历史中心的区域，Airbnb价格似乎受餐饮场所邻近度正向影响，这体现为聚类4该变量的强负系数，聚类1亦为负值；聚类4在房产类型上亦突出，“entire home/apartment”均值系数最高（0.1873），“entire rental unit”（?0.3505）与“entire condo”（?0.3137）均值负系数最强；聚类1在若干区位相关变量上均值系数较弱，包括“到阿克罗波利斯山的距离”与“文化纪念物”；建筑密度系数在各簇间亦有变化，最高均值见于聚类4（0.0364），该簇包括Kypseli与Kerameikos等邻里，但量级仍相对较小；平均评论得分呈进一步空间分化，其均值局部系数在聚类2为正，在聚类3为负且显著更强，其余簇相对较小，表明客人评分与Airbnb价格关系亦随空间变化。

讨论部分总结：分析为雅典市Airbnb定价相关因素提供若干洞见，并表明这些关系在市域内并不一致；房源层面OLS提供主要决定因素的整体图景，六边形层面GWR揭示重要局部差异并经K-means进一步概括。区位决定因素在文献中被广泛认为关键，与文化中心性相关者在本市尤为重要，K-means结果与此一致，因为“到阿克罗波利斯山的距离”与“到纪念物的距离”的平均局部GWR系数在市中心与西南部明显强于更边缘地区，由于这些变量以距离表示，主要负系数表明更靠近这些文化地标与更高Airbnb价格相关，凸显文化集群作为经济发展驱动的作用；然而到公交站或绿地的距离在房源层面OLS中不显著，六边形层面GWR与K-means结果仍表明其与价格关系存在局部变化，尽管相应均值系数总体温和，由于GWR系数为基于100 m六边形单元的标准化区域层面关联，其量级不与房源层面OLS估计直接可比，房源层面模型缺乏统计显著性并不意味着可达性不重要，这可能与雅典密集城市形态及市域大部分地区较高可达性水平有关，因此这些距离度量可能捕捉的是中心内部空间梯度而非整体交通可达性的实质差异。值得注意的是，作为局部房产市场区域层面指标的客观房产价值在房源层面OLS中与Airbnb价格正相关，且在GWR中平均仍为正，位于客观价值更高区域的房源往往定价更高，表明更广泛的邻里房产价值反映于STR价格，这与既有关于邻里社会经济地位与Airbnb价格正相关的研究一致；但由于模型未包含居民收入或人口构成的直接度量，该结果应视为与房产价值的区域层面关联，而非居民社会经济特征对个体房源价格影响的证据。设施在相关文献中被广泛认为重要，本研究以热水浴缸可用性代表高端设施，其在房源层面OLS中成为与Airbnb房源价格正关联最强的设施，但该结果应谨慎解释，因为仅0.2%的房源提供该设施，这反映在估计的宽置信区间中；Chica–Olmo、González–Morales与Zafra–Gómez亦得出类似结论，发现公寓中游泳池的存在可使价格提高约13%，该效应也使长期租赁房产价格受影响约7%。与房源价格正相关的另一参数是卧室数，Gyódi与Nawaro报告类似观察，每增加一间房可使房源价格提高6.6–25.6%（取决于城市），在Málaga该比例约为该范围中部，每增加一间卧室带来14%的价格提升。还值得注意的是潜在访客数与房产价格呈正相关，一种初步解释可能将潜在访客数与可用床位数相联系，但后者被发现与房产价格负相关，这些发现表明访客容量与床位的物理数量捕捉了住宿供给的不同维度，房源可在床位数量不成比例增加的情况下容纳更多访客，而床位数量相对较多的房源可能代表STR市场中不同且可能更偏向预算的细分市场，因此床位数的负系数不应被解释为与访客容量和价格正相关相矛盾。最后，洗衣机可用性在房源层面OLS中与房源价格无统计显著关联，这可能反映此类特征日益被视为基线设施、在房源间提供的差异化很小，在相对成熟的STR市场中基本设施可能对原本相似的房源提供有限差异化，而独特特征、区位与房产整体体验可能对价格形成更为相关，此外市场过度供给进一步稀释其影响，因为越来越多房产提供类似特征，使其成为预期而非例外。关于房产类型与规模这两个结构特征的关键决定因素，房源是否为独立住宅与价格正相关，该观察印证既有研究；Gyódi与Nawaro报告巴塞罗那案例中“共享房间平均比整套房屋便宜约66%，私人房间便宜约46%”，尽管模型未包含建筑面积，卧室数与访客容量与价格的正关联与关于房产规模的文献一致。以平均评论得分度量的声誉在房源层面OLS中与房源价格呈小幅但统计显著的负相关（每单位增加约?2.7%），该结果与第2.3节所述观察一致，即较低价房产可能获得更有利评价，因为其客人通常比高端住宿客人要求更低；这也可能反映评论得分变异有限（均值4.66，标准差0.43），集中于评分量表顶端因而在房源间提供很少区分；该发现不同于将评分识别为价格正向决定因素的既有研究，表明声誉在Airbnb定价中的作用可能依赖情境；六边形层面GWR结果进一步表明在区域层面该关系存在空间异质性，局部系数量级与方向在市域内均有变化。最后，对GWR结果进行K-means聚类提供了包含五个簇的探索性空间类型学，每簇以不同局部系数格局与模型拟合组合为特征；如第3节与第4.3节所示，聚类2、3、4的轮廓对排除高LCN单元与排除局部R2均稳健，而确切簇边界及聚类1与5之间的区分对这些选择更敏感；聚类意在作为支持解释GWR所识别空间异质性的探索性工具，而非独立分类；五个簇为解释局部系数的相当大变异提供了更可管理的方式，例如聚类2结合最高平均局部R2（0.5605）与“到地铁的距离”和“阿克罗波利斯山”特别强的关系，聚类3主要与文化邻近相关，聚类4与房产类型关系更强，聚类1具有最低平均局部R2（0.3144）且若干区位相关变量均值系数总体较弱，表明模型中包含的空间变量在这些区域对局部价格变异的解释相对较少；聚类5亦呈现遗产相关成分，尤其与文化纪念物相关，尽管这些关联不如文化中心性效应最强的簇中所观察到的明显，其与聚类1的区分主要依赖模型拟合差异而非系数本身，表明这两簇之间的分离应谨慎解释。这种空间分化对政策具有相关性，因为它表明与Airbnb相关的压力在整个市域内不太可能完全相同；值得注意的是，此类方法已于2024年通过Law 5162/2024采纳，根据该制度文件，对第1、2、3市辖区（包括Plaka、Kolonaki、Koukaki与Thiseio等邻里）实施新Airbnb许可暂停发放，这些区域靠近阿克罗波利斯山等主要文化景点，并与本分析识别出更强文化邻近与Airbnb价格关联的部分市域重叠，这一空间对应值得注意，尽管本研究不评估监管边界本身的效果或适当性。根据现有立法框架，Airbnb许可不可转让且仅对获得许可的房产所有者有效，因此已在承压邻里的活跃STR数量可能随时间下降，随着现有注册到期或失效；然而这一情况将在多大程度上发生无法从本分析确定，因为研究提供的是Airbnb价格的横断面评估而非监管效果的纵向评价。应注意，各簇描述的是价格决定因素作用方式的差异，而非STR活动密度或其住房市场影响，因此其政策相关性主要在于指示区位属性在何处更强地资本化进入Airbnb价格，不应被解释为STR压力、住房市场影响或房产所有者将住宅转为STR倾向的直接指标。因此研究结果表明，在监测与引导STR活动时，地理分化的方法值得进一步考虑，而非假设相同定价关系在全市统一适用；在聚类2与3所代表的中心区域，Airbnb价格与主要文化景点邻近度关系特别强，旨在控制STR活动进一步增长的措施可能更为相关，尽管这些区域的确切边界应视为指示性；在聚类1与5所代表区域，区位相关系数总体较弱，政策理由可能不同并可能需要更多强调更广泛的邻里条件。然而监管措施仅涉及政策挑战的一侧，在高度集中区域引入限制时，应将对加强城市内替代目的地的措施纳入政策框架，此类综合策略可侧重于在较不饱和邻里发展新的文化与旅游中心，旨在分散需求并逐步缓解过度承压区域的压力，潜在工具可包括本地活动、展览与文化项目，以及较不饱和邻里的公共空间再开发与自行车和绿色路线发展；这些是超出本分析范围的更广泛政策考量，其在重新分配需求方面的有效性需要专门评估；地理分化政策的实施还取决于更广泛的空间规划与治理框架，在雅典，战略空间规划与大都市治理的挑战在考虑空间分化证据如何为地方政策回应提供依据时尤为相关，同时希腊空间规划体系的层级结构塑造了此类证据可转化为规划干预的制度情境。本文不考虑财政工具，因为其评估超出本研究范围；在希腊，Law 4172/2013经Law 4646/2019修订，为Airbnb所有者基于年收入建立统一税收框架，仅在城市税情况下根据房产类别与位置有所区分。

结论部分翻译：针对雅典市开展的实证研究揭示了与Airbnb定价相关因素的若干关键洞见。结果强调住宿特征、设施与区位在解释房源价格差异中的重要性，同时表明这些因素与Airbnb价格之间的关系并非空间一致。房源层面OLS结果表明，卧室数与文化邻近度等参数与租赁价格正相关，而高端设施尤其是热水浴缸可用性在提供该设施的相对较小比例房源中亦与更高价格相关。六边形层面GWR为这些发现增添了重要空间维度，表明若干关系的强度与方向在市域内变化。K-means分析随后将这些局部差异概括为五个探索性空间定价轮廓。总体而言，结果指向一个比单一全市模型所显现的更为分化的Airbnb市场，并为更具因地制宜的城市旅游政策提供有用基础。若干区位相关变量在房源层面OLS中关联相对较弱，特别是“到公交站的距离”与“到绿地的距离”不具统计显著性，而与“到地铁站的距离”的关系在市域内变化，表明地铁邻近度与Airbnb价格之间的关联随空间不同；“到阿克罗波利斯山的距离”在城市部分地区呈现明显更强的负关系，表明这些区域阿克罗波利斯山邻近度与Airbnb价格之间更强的正关联；到其他文化纪念物的邻近度亦观察到类似空间分化。这些发现强调在评估区位在Airbnb定价中的作用以及制定STR监测与政策方法时考虑局部情境的重要性。关于客人评论，平均评论得分在房源层面OLS中与价格呈小幅但统计显著的负相关，而其局部GWR系数在市域内变化，表明声誉与价格之间的关系在全市层面相对温和且在雅典空间上异质，因此更高评分并非一致地与更高价格相关。基于这些发现，若干政策启示浮现，总结如下：这些启示应视为进一步政策评估的考量，而非对具体措施的直接评价。通过GWR与K-means分析识别的空间定价轮廓，尤其是阿克罗波利斯山附近区位溢价最强的区域，在进一步验证的前提下，可有助于为STR监管的空间靶向提供依据，尽管其边界应视为指示性；本分析不评估现有暂停措施或额外措施（如运营天数限制或每街区房源数量限制）的效果，任何关于其扩展或引入的决定都需要关于STR供给与住房结果的纵向证据。由于结构特征与高端设施与更高房源价格相关，STR质量标准可考虑这些差异；然而此类标准的环境与资源效率维度超出本分析范围。本研究应用的分析框架还可支持STR监测系统，使得能够定期重新评估Airbnb定价的空间变异，并结合STR集中度与住房市场压力的独立指标以及通过综合空间工具设计基于地方的干预措施。应考虑若干局限：第一，横断面设计识别Airbnb价格与其决定因素之间的关联但不允许因果推断；第二，分析基于单一按年数据集且基于挂牌价而非成交价，因此未捕捉需求季节性变化与其他时变因素；第三，研究限于雅典市，可能不反映大都市区的更广泛动态；第四，尽管设定借鉴文献，但若干潜在相关决定因素（如建筑面积、房产状况、房源照片、街景质量与邻里社会经济特征）因缺乏一致数据而无法纳入，估计可能因此受遗漏变量偏误影响，局部系数空间变异的一部分可能反映此类未观测因素；第五，GWR残差仍显示弱但统计显著的空间自相关（Moran’s I=0.0215），且房源层面OLS残差偏离正态，因此相应推断应谨慎解释；第六，GWR是复杂模型，有效参数数约198，其局部估计涉及大量多重检验并在有限位置受局部共线性影响（主要集中于市域中心部分，即聚类3），这影响该区域簇边界，且使用单一带宽假设所有关系在同一空间尺度运行，MGWR将放松该假设；第七，GWR在单一聚合尺度（100 m六边形单元）上校准，结果可能对空间单元大小敏感；最后，模型性能使用样本内准则评估，尽管AICc惩罚局部模型的额外复杂度，但样本外验证（如空间块交叉验证）将更稳健地评估GWR相对于六边形层面OLS的预测性能，考虑到观测间的空间依赖。在考虑政策启示时应牢记这些局限。关于未来研究，有价值的是考察访客对雅典Airbnb房产的感知以识别基于价格影响房产选择的因素，将此类洞见与对决定因素的更深入分析相结合可提供对雅典市STR动态更全面的理解；进一步研究还可比较GWR与MGWR，考察本研究识别的关系在不同季节或时段如何变化，并评估空间定价轮廓是否得到独立证据（如入住率、收入或住房市场指标）或替代聚类方法的支持；将分析扩展至雅典大都市区将使结论反映完整的功能城市区域而非当前单一市域；类似的基于GWR的方法近期已被应用于将短期租赁活动与发展压力之间空间变化的关系转化为希腊岛屿上的分化规划区，表明该框架也可迁移至STR市场空间不均的其他旅游目的地；这些扩展将有助于更好地理解STR在雅典不同地方与不同时间如何运作。