经济型酒店微观选址影响因素研究

李志龙 谢能仕

摘 要：基于经济型酒店高速发展的背景，通过相关文献研究，选定社会经济基础、交通条件、商业因素和公共服务四大因素，分为13项评价指标，利用综合熵权法和加权平均叠加法构建经济型酒店微观选址影响机理的方法和步骤，通过建立长沙市五一商圈的数据库分析，得到在长沙市五一商圈经济型酒店最重要的因素是交通条件，关系最小的是社会经济基础，通过该结论分析了五一商圈现有经济型酒店选址的合理性，也希望该结果对其他有意发展经济型酒店的CBD起到一定的指导作用。

关键词：经济型酒店；选址；长沙市五一商圈

中图分类号：TB 文献标识码：A doi：10.19311/j.cnki.16723198.2019.31.097

1 引言

由于经济的快速发展和在线预订系统的便利性，经济型酒店正在迅速发展。在中国，经济型酒店的市场规模近年来稳步增长，并已进入快速扩张阶段。逐步形成适合中国国情的发展模式和发展战略。

目前，国内外的酒店研究学家和从业者正在逐步关注从不同角度研究经济型酒店。例如，经济型酒店的发展历史，经济型酒店的发展战略以及经济型酒店的研究策略，但他们的侧重点是酒店的经营管理，而很少有人关注经济型酒店在开始经营之前如何正确地选址。由于经济型酒店的巨额投资，投资回收期相对较长。因此，酒店在早期的位置对酒店至关重要，它直接关系到经济型酒店的格局和后来的经营策略，影响酒店的入住率及投资收益。本研究通过相关文献研究，探讨影响经济型酒店微观选址的影响因素，并对长沙市中心城区经济型酒店的选址进行评价，以期对长沙经济型酒店的选址提供参考。

2 文献综述

国外学者对于于酒店业空间分布的研究始于20世纪80年代。在描述酒店业空间格局的基础上，进一步分析了其原因，但这种分析主要是定性的。在随后的发展过程中，国外学者将实证研究升级为理论，构建了酒店空间分布模型。

近年来，随着发展中国家酒店业的兴起和发展，在研究酒店业的空间分布格局时，更多地转向为典型的发展中国家或城市，同时研究方法多学科交叉，研究视角呈现多元化。有的学者从传统学科的视角，比如博弈论（Pedro等2018）、Logit模型（Susana&Martins，2018；Ivanov，2017），探讨了酒店选址的相关问题，而有的学者则建立了新的模型，如Cheng，Shou-Hsiung（2018）提出了一种基于区间直觉模糊集的酒店定位多属性决策方法。即 AMAGDM方法，通过评估值属性与评估值属性的权重的模糊集来预计若干个预定义，直到集团的决策者的共识程度大于或等于一个预定义的阀值。Gabrijela Popovic，Stanujkic， Brzakovic，Karabasevic（2019）提出了酒店选址的多准则决策模型，即多准则决策—MCDM方法，该模型采用自适应逐级权重评估比分析法—SWARA进行确定的权重准则和加权求和方法，基于决策者的偏好水平的性能—WSPLPI对备选位置进行最终的优先排序。

国内学者自20世纪以来一直在关注经济型酒店领域。他们的研究重点是现状，前景，供需分析，商业模式，发展战略，人力资源和品牌建设。对影响经济型酒店微观选址因素的深入研究非常有限。而从近几年的文献索引来看，我国国内的学者也开始重视到这个问题，并开始建立了许多酒店选址的模型，为酒店业提供了许多理论参考（童昀等，2018；查爱萍等，2017；刘海琴，2017；范琰琰，2015；娄元英等，2013）。

根据文献综述，国内外学者通常会运用熵权法，回归分析法，层次分析法来得出影响经济型酒店微观选址的因素，并确定每个因素的熵，用以判断因素对选址结果的重要性，再根据权重综合评判经济型酒店微观选址的指标，最后运用研究结果对目标区域内一种或是几种经济型酒店进行适宜性评价，同时也是验证该研究的合理性。结合国内外研究成果，本研究最终选择社会经济基础，交通条件，商业因素和公共服务下的13个评估指标，以评估预算酒店位置的适用性。

3 经济型酒店的微观选址影响机理研究方法

审查現有的研究方法并进一步创新产品组合。在建立空间数据库的基础上，利用缓冲分析和空间插值来评估和预测研究区经济型酒店微观位置的适用性；使用泰森多边形划分经济型酒店的市场区域，并获得某个位置的经济型酒店的平均市场区域。评估特定酒店在经济型酒店中的位置的总体概况，并确定新店的位置。

3.1 建立空间数据库

空间数据主要包括两部分： 其中一部分是分析区域的空间数据，包括城市县信息，街道信息和水系统信息，以协助可视化； 另一部分是与空间信息点对应的属性信息，例如经济型酒店的数据，住宅区的住房价格，医院等级和旅游景点等级。在建立空间数据库之后，空间数据与属性信息链接以用于后续空间分析。

3.2 确定评价指标权重

经济型酒店的经营成果，客房入住率和营业收入等相关数据不易获得，但熵权法不受评估指标的影响。仅根据已有数值本身的意义来确定权重。假设有 n 个指标， m 个评价对象，形成原始数据矩阵：

V=v11v1nvm1vmn（1）

式中， i =1，2，…，m； j =1，2，…，n；vij 为第 i 个评价对象在第 j 个指标下对应的数值。

对 各 项 指 标 进 行 标 准 化 处 理；Xij=vij-vmin/vmax-vmin，为避免求熵值时对数的无意义，对数据进行平移标准化，即Wij=Xij+1。计算第 j 项指标下，第 i 个评价指标的特征比重：

Pij=Wij/∑mi=1Wij，∑mi=1Wij>0（2）

计算第 j 项指标的熵值：

ej=-k∑mi=1PijlnPij（3）

式中 k 为熵值系数，通常k=1/lnm，可由下式进一步得出各影响因素对应的指标权重：