共享经济视角下短租平台用户的参与动机研究——基于Airbnb调研的数据挖掘

张沁怡，倪佳豪，张淑楠

(浙江经贸职业技术学院，浙江 杭州 310018)

近年来，随着信息及通信技术的不断迭代创新与应用，推进了消费和交易方式的变革。“共享经济”就是时代创新的产物。那么，何为共享经济呢？其实，共享经济主要是基于陌生人且存在物品使用权暂时转移的一种新经济模式，而这种经济模式也是为了获利。简单地说就是通过相关责任人整合线下的闲散物品、公共资源等，最终实现闲散资源的最优配置。

“创新、协调、绿色、开放、共享”作为我国的发展理念，国务院总理李克强提出分享、协作等形式开展创新创业，对大力发展分享经济给予支持。宏观上，优秀的大环境推进了我国共享模式的不断创新与前进，并且出现了百花齐放的特征属性，例如：滴滴打车、共享雨伞、共享单车等。再从微观来看，共享平台数量的转变充分说明了共享经济的活跃。2010年，国内共享平台不足百家，而到了2020年，共享模式的平台数已经是几千家，增长速度惊人。随着新增的平台数量呈现了指数式的增长状态，平台间的竞争也是越来越激烈。平台若是想在众多平台中脱颖而出并赢得更好的发展，应逐渐重视起自家产品的推广和用户体验。而用户使用的前提是用户能够信任该平台，用户信任是制约共享经济发展的关键性因素之一。换句话说就是做好审核、售后维护等工作对平台自身来说是很有必要的。因此，本文以共享租房为研究对象，进一步挖掘当下共享经济背景下用户对平台的认知情况、使用情况以及参与动机。通过模型与行为金融学的结合，为提升大众认知、参与提供有力支撑，为行业的健康发展提供进一步指导。

1 文献综述

文中的文献主要从大众的认知度、参与度以及参与动机3个维度展开总结。从大众的认知度来说，由于国内外文献暂无制定统一的共享经济定义，但是国外学者Felson和Spaeth提出过“协作消费”的概念，这可以认为是共享经济的前身[1]。另外，国外学者里金夫(2014)强调了“共享经济”的本质在于协同，而并非完全竞争。

从大众的参与度领域来说，这块内容主要涉及学者的问卷调研。通过文献总结发现，目前在欧美国家，共享经济模式的受众度在50%左右，其中在中青年中的受欢迎程度近90%，而在老年人群体中使用频率非常低。反观国内，随着移动互联网的普及，大众参与共享模式的意愿较强。

从用户参与动机维度来说，当前有很多学者利用机器学习方法和行为金融学方法，挖掘一些现象的用户动机。比如：国内学者围绕网络众筹的参与动因展开研究，利用统计学方法挖掘大众的参与动机[2]。当然，关于共享租房模式下的用户动机研究暂时还属于空白，值得深入研究。

2 统计分析

本次调查问卷从被调查人的基本信息、公众的参与现状以及参与动机3个维度来设置，其中动机因素主要分为以下几个维度：房源因素、房东因素、平台因素以及个人因素。通过对杭州1号线、2号线以及4号线中人流较集中的地铁口进行实地问卷的发放，同时基于杭州地域的网民通过问卷星进行线上问卷发放，得到问卷400份，其中有效问卷344份，回收有效率为86%。

2.1 信效度分析

①基于R语言，样本数据的信度系数值为0.981，说明用于本次研究的样本数据信度质量较高。②通过计算发现本次样本数据的KMO值为0.953，且通过了显著性水平为0.05的巴特利球型研究，说明样本数据比较适合做因子分析。

2.2 重要节点分析

笔者以是否参与过共享租房作为研究问题，用随机森林对解释变量进行重要性排序，最终选定重要程度较高的几类变量。在随机森林模型应用中，选择合适的参数是非常关键的，即树的棵数与节点的敲定。笔者将树的棵数值设置为500，节点值设置为6，然后利用随机森林模型进行变量筛选[3]。

MeanDecreaseGini，即MDG，利用基尼指数计量各个变量对分类树上各个节点的观测值的差异影响，一般情况下，MDG值越大则该变量的重要性也会越高。另外，MeanDecreaseAccuracy，即MDA，主要描述当把一个变量变成随机数的时候，随机森林预测准确度中的降低程度，一般来说该值越大则该变量的重要性往往越高。综上，基于MDG和MDA统计量的具体结果，选取了具有代表性的7个变量，分别为家庭风俗、点评分数、房东额外服务、平台安全性、房东态度、交通便利和配套设施齐全，充分说明了该类变量对用户是否参与共享租房有重要性影响。

2.3 Logistic模型构建

为了更好地构建合适模型，避免出现多重共线性，从而导致模型结果出现偏误，本文分别对各个解释变量做了相关性检验，发现变量间不存在显著的相关关系。因此，本文将家庭风俗、点评分数、房东额外服务、平台安全性、房东态度、交通便利和配套设施齐全作为解释变量(X)，并将公众是否参与过网络租房情况作为被解释变量(Y)，构建二分类的Logistic模型，并采用逐步回归法对变量进行显著性筛选，最终得到有效模型。

在表1中，逐步回归后的模型整体结果在0.01的显著性水平上通过检验，并且系数显著性也通过检验，一定程度上说明了房东态度、配套设施、点评分数、交通便利、平台安全性对模型具有一定的解释能力。

表1 参数估计结果

由此可得Logistic模型为：

(1)

其中x1为平台安全性，x2为交通便利，x3为点评分数，x4为配套设施，x5为房东态度，P表示公众参与共享租房的概率。

回归系数为正的时候，表示解释变量每增加一单位时，公众参与共享租房的概率会相应增加。当回归系数为负的时候，说明解释变量每增加一单位时，公众参与共享租房的概率会减少。笔者通过构建模型发现：①平台安全性越高，大众参与共享租房的意愿会更强。②房源周边交通越便利，则大众参与度会增加。③点评分数越高，则公众参与度会增加。因此，一般公众在考虑是否参与共享租房时，往往会将点评分数纳入考虑范围内。④房源的配套设施越齐全，则公众参与度会增加，并且该变量是公众选择房源的最关键之一。⑤房东态度越友善，则公众参与度会增加。

3 结论

3.1 共享租房还未普及

随着共享经济的发展，截至目前，公众对共享经济的认识可能只是局限于共享单车、共享充电宝等。但根据本次调查发现，由于目前共享租房平台的宣传措施不到位，普及率较低。因此，共享租房平台可以通过加大宣传力度、制定一系列专属活动方案等来让大众了解共享租房，做好宣传工作，从而提升共享租房概念的热度，促进公众自发式的了解共享租房。

3.2 共享租房内部需加强管理

家庭风俗、点评分数、房东额外服务、平台安全性、房东态度、交通便利和配套设施齐全这7个指标对“是否参加过共享租房”具有重要影响。在一定程度上说明，共享租房内部管理人员要着重这几个方面的管理，有助于平台发展的科学性和长效性。

3.3 监管路径需进一步明确

共享租房目前在国内正处于起步阶段，法律监管的薄弱在一定程度上导致了部分共享租房平台的不合规经营，间接影响该部分用户的体验。