EN中文

中国生态旅游 >

2025 , Vol. 15 >Issue 4: 816 - 826

DOI: https://doi.org/10.12342/zgstly.20240341

生态旅游

北京市生态涵养区民宿价格空间分异及影响因素

  • 周美静 , 1, 2 ,
  • 王静 , 3, * ,
  • 张瑞雪 1 ,
  • 孙淼 4 ,
  • 曹淑艳 1, 2
展开
  • 1.北京石油化工学院人文社科学院，北京 102617
  • 2.北京现代产业新区发展研究基地，北京 102617
  • 3.北京石油化工学院新材料与化工学院，北京 102617
  • 4.中国科学院大学资源与环境学院，北京 100190
* 王静（2002-），女，硕士，研究方向为旅游管理。E-mail:

周美静（1989-），女，讲师，博士，研究方向为生态游憩。E-mail:

收稿日期: 2024-12-11

  修回日期: 2025-07-31

  网络出版日期: 2025-09-08

基金资助

北京市社会科学基金规划项目(24GLC057)

北京石油化工学院市级大学生创新创业训练[URT]计划项目(2025J00022)

收起

Spatial differentiation of tourism homestay prices and the influencing factors in Beijing’s ecological conservation area

  • Zhou Meijing , 1, 2 ,
  • Wang Jing , 3, * ,
  • Zhang Ruixue 1 ,
  • Sun Miao 4 ,
  • Cao Shuyan 1, 2
Expand
  • 1. College of Humanities and Social Sciences, Beijing Institute of Petrochemical Technology, Beijing 102617, China
  • 2. Beijing Modern Industrial New Area Development Research Base, Beijing 102617, China
  • 3. New Material and Chemical Engineering College, Beijing Institute of Petrochemical Technology, Beijing 102617, China
  • 4. School of Resources and Environmental, University of Chinese Academy of Sciences, Beijing 100190, China
* Wang Jing. E-mail:

Received date: 2024-12-11

  Revised date: 2025-07-31

  Online published: 2025-09-08

Fold

摘要

民宿是推进生态产品价值实现和乡村振兴的重要途径，但其价格形成机制复杂。研究以典型生态功能区——北京市生态涵养区为研究区域，基于途家网民宿数据，利用地理空间分析和多元线性回归方法，分析民宿价格的空间分异特征与影响因素。 结果表明：（1）区内民宿空间分布呈现出明显的局域集聚特征，高价格民宿的分布与高等级旅游景区、山地和丘陵地形，以及森林存在明显的空间重叠；（2）房源特征与建筑特征是生态涵养区民宿价格形成的主要影响要素，其中交通可达性对民宿定价的作用较弱；（3）局部自然环境要素也是影响民宿定价的因素之一，其中高程和山景资源对民宿价格具有显著的正向影响，而归一化植被指数与民宿价格呈现明显的负相关关系。研究揭示了生态涵养区民宿价格的空间异质性规律，发现了高密度植被生态系统对民宿价格的潜在影响，丰富了旅游民宿价格空间格局研究的典型地域类型案例，可为区域旅游规划编制、民宿发展政策制定和民宿经营管理提供理论参考。

关键词： 生态涵养区; 民宿价格; 空间分异; 影响因素; 生态产品价值实现; 北京市

本文引用格式

周美静 , 王静 , 张瑞雪 , 孙淼 , 曹淑艳 . 北京市生态涵养区民宿价格空间分异及影响因素[J]. 中国生态旅游, 2025 , 15(4) : 816 -826 . DOI: 10.12342/zgstly.20240341

Abstract

Homestays are an important means to promote the realization of the value of ecological products and rural revitalization, but their pricing mechanism is complex. This study focuses on a typical ecological functional area, i.e. the Beijing’s ecological conservation area. Based on data from the Tujia homestay website, geographical spatial analysis and multiple linear regression methods are employed to analyze the spatial differentiation characteristics and influencing factors of homestay prices. The results show: (1) the spatial distribution of homestays within the area exhibits obvious local agglomeration features, with high-priced homestays overlapping significantly with high-rated tourist areas, mountainous and hilly terrains, and forests; (2) Housing characteristics and architectural features are the main influencing factors on the price formation of homestays in the ecological conservation area, and the impact of transportation accessibility on homestay pricing is relatively weak; (3) Local ecological environmental factors also affect homestay pricing, with elevation and mountain view resources having a significant positive impact on homestay prices, while the normalized difference vegetation index shows a clear negative correlation with homestay prices. The study reveals the spatial heterogeneity patterns of homestay prices in the ecological conservation area, identifies the potential impact of high-density vegetation ecosystems on homestay prices, and enriches the typical regional case studies of the spatial pattern of tourism homestay prices. The findings can provide theoretical references for regional tourism planning, policy formulation for homestay development, and homestay management and operations.

Key words： ecological conservation area; homestay price; spatial differentiation; influencing factors; realization of ecological product value; Beijing

1 引言

民宿的价格形成机制较为复杂。已有研究从区域、城市尺度分析民宿价格的分布特征后，发现民宿价格在受其自身的功能属性、建筑特征、房产质量、配套设施的影响[1-3]外，还与周边交通、景点[4]、生态环境[5]和区域社会经济环境[6]等相关。乡村民宿价格的空间分布受自然环境、资源禀赋、消费基础和交通区位等因素的影响，但各因素的影响力度在不同价位民宿中存在分异[7]。已有研究中，针对贵州省乡村民宿价格的研究发现，游客体验感对民宿价格的影响最大，景点次之[8]；黄山市乡村民宿价格高值区域的分布与资本聚集区域及传统村落密切相关，房源自身特征对民宿定价的作用最为显著，经营投入、品牌声誉和景观特征等因素的影响程度次之[9]。鉴于旅游景区景点对民宿价格的重要影响，学者们探究了旅游景区周边民宿价格的空间分布与成因，发现环莫干山不同价位民宿的空间分布主要与自然景观、民宿数量、社会条件和区位因素有关[10]，房东服务和平台信息对旅游景区依附型民宿价格的影响最为关键[11]。
已有研究对城市、乡村、旅游景区周边民宿价格的空间分布特征及影响因素进行了深入探讨，证实了自然环境、生态景观等要素对民宿定价的重要作用，但尚未探讨这些要素的异质性对民宿价格的影响。生态涵养区通常拥有森林、河流、湿地等丰富的自然生态要素，生态景观整体良好，部分区域更是形成了特色景区景点，为发展民宿产业奠定了得天独厚的基础。但是，生态涵养区地理覆盖范围广袤，内部的地形、地貌、生态景观、交通、乡村居民点等差异较大。如北京市生态涵养区总面积占全市国土面积的68%，燕山、军都山山脉贯穿其间，既有密云水库、官厅水库等大型水源地周边的平缓库区，也有百花山、雾灵山等深山林地；山区腹地海拔较高、交通路网稀疏，乡村聚落多呈“小规模、分散化”分布，而靠近城区的浅山区或旅游景区（如八达岭、龙庆峡）周边，地势相对低缓、公路通达性强，居民点规模较大。生态涵养区的主体功能是生态涵养，“通过发展乡村民宿……等促进山区旅游业发展，推动生态涵养区产业差异化、特色化、品牌化发展……”[12]，成为北京市生态涵养区践行“绿水青山就是金山银山”理论的转化路径。因此，亟须探讨生态涵养区内部的自然差异对民宿价格的影响。
研究选取典型生态功能区——北京市生态涵养区为研究区域，分析北京市生态涵养区民宿价格的空间分布特征，探讨生态功能区内部多维因素对民宿价格的影响，以期丰富旅游地理学中典型地域类型地区民宿价格空间分布及其影响机制的案例研究，为生态涵养区旅游业规划及民宿区位选择提供理论借鉴。

2 研究方法与数据来源

2.1 研究区概况

研究区域为北京市生态涵养区，包括门头沟区、平谷区、怀柔区、密云区、延庆区，以及昌平区与房山区的山区[13]，总面积约8 740 km2，占北京市行政辖区面积的一半以上，其中山区面积占到96.7%，分布有1 418个行政村[14]。作为山区与平原、城镇与乡村的交汇地区，生态涵养区具有大山区、小平原、新城集中、村镇分散的地理特征。生态涵养区拥有丰富的旅游资源，是绿色高质量发展和“两山转化”理念的践行区，也是展现北京美丽自然山水和历史文化的典范区。随着旅游业的开发，区域内分布着大量乡村民宿，这些民宿在为游客提供多样化住宿选择的同时，成为推动区域经济发展、农民就业增收的重要驱动力。

2.2 数据来源和处理

研究数据包括因变量数据和自变量数据，因变量为民宿价格，自变量为影响民宿价格的因素。借鉴金一等[1]、胡小芳等[4]、张海洲等[10]的研究成果，选取房源特征、区位特征、建筑特征和自然环境为影响民宿价格的4个维度（表1）。其中，房源特征由房间面积、民宿规模和早餐服务3个因素组成。房间大小直接关系着民宿提供服务的多样性，通常房间越大，价格越高[15]。民宿规模可用房间总数表征，与民宿的运营成本相关联，是决定民宿定价的重要因素[15]。早餐服务不仅能够有效衡量民宿的综合服务水平，还能提升游客的满意度，在民宿定价中亦有重要作用[16]。区位特征包括交通状况及旅游资源禀赋[17]。民宿与高速、国道或省道的距离反映出行的便捷性，会对民宿价格产生影响。旅游资源禀赋主要体现为民宿与A级旅游景区的距离。建筑特征以各类设施进行表征，由超大客厅、私家泳池、观景露台、娱乐设施、私家花园和智能门锁6个因素构成[4]。自然环境包括山景、水系距离、高程、坡度和归一化植被指数5个指标，这些因素反映了民宿所在地的生态环境优良度，可能是影响民宿定价的重要因素。
表1 北京市生态涵养区民宿价格的影响因素的含义及来源

Tab. 1 Meaning and source of the influencing factors on the price of homestays in Beijing’s ecological conservation area

维度 影响因素 含义 来源
房源特征 房间面积 民宿房间的总面积 王朝辉等[9]，吴倩和杨焕焕[8]
民宿规模 民宿可用房间总数 高杨等[18]
早餐服务 民宿是否提供早餐服务 Wang等[19]
区位特征 高速距离 民宿到最近高速的距离 胡小芳等[4]，吴倩和杨焕焕[8]，张海洲等[10]
国省道距离 民宿到最近国道或省道的距离 胡小芳等[4]，吴倩和杨焕焕[8]，张海洲等[10]
旅游景区距离 民宿到最近A级旅游景区的距离 金一等[1]
建筑特征 超大客厅 民宿是否有超大客厅 胡小芳等[4]
私家泳池 民宿是否有私家泳池 胡小芳等[4]
观景露台 民宿是否有观景露台 胡小芳等[4]
娱乐设施 民宿是否有娱乐设施 金一等[1]
私家花园 民宿是否有私家花园 吴倩和杨焕焕[8]
智能门锁 民宿是否有智能门锁 胡小芳等[4]，金一等[1]
自然环境
 山景 民宿室外是否有山景 王朝辉等[9]，金一等[1]
水系距离 民宿到最近水系的距离 杨欢等[7]
高程 民宿所在地的海拔 杨欢等[7]
坡度 民宿所在地的坡度 杨欢等[7]
归一化植被指数 民宿所在地的植被覆盖和健康状况 杨欢等[7]
结合影响因素的维度，研究数据分为北京市生态涵养区民宿数据、民宿的区位特征数据和自然环境数据（表2）。民宿数据（包括民宿价格、房源特征、建筑特征、山景）来源于途家网（即 https://www.tujia.com/）。途家网是中国民宿短租预定平台的领军者，民宿名录比较齐全，具有代表性。研究采取Python爬虫技术，于途家网获取昌平区、密云区、延庆区、门头沟区、房山区、怀柔区和平谷区7个行政区内3 323家民宿数据。研究人员通过将民宿地理坐标与生态涵养区范围进行空间叠加分析，筛选出位于研究区范围外的330家民宿并予以排除。此外，根据民宿的定义[20]，将经营规模超过4层或面积超过800 m2的民宿，以及信息重复和数据缺失的98家民宿剔除，最终确定2 895家民宿为研究样本（图1）。民宿数据均于2024年4月24日—5月5日期间进行爬取，确保了不同民宿价格数据具有可比性。考虑到不同房型的价格差异，将房型总价格除以房间数量后计算出每间房间每晚的平均价格作为民宿价格，以消除房型差异。样本民宿的价格位于56~5 160元/晚之间，均值为459元/晚，标准差为363，说明民宿价格的离散程度较高，不同民宿间的价格差异明显。
表2 研究变量的数据来源及量化标准

Tab. 2 Data source and quantification criteria of research variables

类型 维度 变量 数据来源 量化标准
因变量 民宿价格 民宿价格（Y） 途家网 房型总价格除以房间数量（元/晚）
自变量 房源特征 房间面积（x1） 途家网 民宿客房占用或使用土地的水平投影面积（m2）
民宿规模（x2） 途家网 民宿实际可用房间数（间）
早餐服务（x3） 途家网 提供早餐（1）、不提供早餐（0）
区位特征 高速距离（x4） Open Street Map网站 民宿到最近高速的欧式距离（km）
国省道距离（x5） Open Street Map网站 民宿到最近国道或省道的欧式距离（km）
旅游景区距离（x6） 北京市文化和旅游局官网 民宿到最近A级旅游景区的欧式距离（km）
建筑特征 超大客厅（x7） 途家网 拥有超大客厅（1）、不拥有超大客厅（0）
私家泳池（x8） 途家网 拥有私家泳池（1）、不拥有私家泳池（0）
观景露台（x9） 途家网 拥有观景露台（1）、不拥有观景露台（0）
娱乐设施（x10） 途家网 拥有娱乐设施（1）、不拥有娱乐设施（0）
私家花园（x11） 途家网 拥有私家花园（1）、不拥有私家花园（0）
智能门锁（x12） 途家网 拥有智能门锁（1）、不拥有智能门锁（0）
自然环境 山景（x13） 途家网 室外景观有山景（1）、室外景观没有山景（0）
水系距离（x14） 高德地图 民宿到最近水系的欧式距离（km）
数字高程模型（x15） GEBCO网站 民宿点数值
坡度（x16） 根据数字高程模型数据计算而得 民宿点数值
归一化植被指数（x17） 国家青藏高原科学数据中心 取月度数据的最大值为民宿点数值
图1 北京市生态涵养区民宿分布

注：基于自然资源部天地图国家地理信息公共服务平台审图号为GS(2024)0650号的标准地图制作，底图边界无修改。下文同。

Fig. 1 Spatial distribution of homestays in Beijing’s ecological conservation area

区位特征中的高速和国省道数据来源于Open Street Map网站（即 https://www.openstreetmap.org/），A级旅游景区数据来源于北京市文化和旅游局官网（即 https://whlyj.beijing.gov.cn/）。自然环境中的水系数据来源于高德地图的兴趣点（Point of Interest，POI）数据，数字高程模型（Digital Elevation Model，DEM）数据来源于GEBCO网站（即 https://www.gebco.net/），归一化植被指数（Normalized Difference Vegetation Index，NDVI）来源于国家青藏高原科学数据中心（即 https://data.tpdc.ac.cn/）。其中，区位特征和水系距离利用ArcGIS中的邻域分析计算民宿与因素之间的欧式距离，民宿的房间面积、民宿规模、高程、坡度和归一化植被指数采用实际获取的数据，其他变量均使用分类变量进行表征。

2.3 研究方法

研究主要运用GIS空间分析方法刻画北京市生态涵养区民宿价格的空间分布特征，并利用多元线性回归模型探究民宿价格的影响因素。首先，借助全局空间自相关分析检验北京市生态涵养区民宿价格的空间集聚性，对民宿价格的空间自相关程度进行整体评估，并使用莫兰指数（Moran’s I）衡量空间自相关程度的强弱。其次，运用核密度分析揭示民宿价格的集聚分布特征，并对比民宿数量和民宿价格的分布格局异同。此外，利用冷热点分析识别民宿价格高值（热点）和低值（冷点）显著聚集的区域，通过Gi* 值大小及其显著性判别集聚类型。
采用SPSS 27.0软件中的多元线性回归分析方法探究房源特征、区位特征、建筑特征、自然环境对民宿价格的影响方向和程度。首先，将民宿价格和数值型自变量（房间面积、民宿规模、高速距离、国省道距离、旅游景区距离、水系距离、高程、坡度、归一化植被指数）进行标准化处理，其他变量创建分类变量；然后，构建多元线性回归模型，为检验17个自变量对民宿价格的影响。
Y = a 0 + a 1 x 1 + a 2 x 2 + a 3 x 3 + a 4 x 4 + a 5 x 5 + a 6 x 6 + a 7 x 7 + a 8 x 8 + a 9 x 9 +                 a 10 x 10 + a 11 x 11 + a 12 x 12 + a 13 x 13 + a 14 x 14 + a 15 x 15 + a 16 x 16 + a 17 x 17 + ε 0
式中，Y为民宿价格， a 0为常数， x 1~ x 17为17个自变量， a 1~ a 17为17个自变量的回归系数， ε 0为残差。

3 结果与分析

3.1 北京市生态涵养区民宿价格的空间分异

2 895个民宿点价格的全局Moran’s I指数为0.47，Z得分为34.32，P值为0.00。Z值大于2.58，而P值小于0.01，说明北京市生态涵养区民宿价格具有显著的、正向的空间自相关性，即价格接近的民宿在空间上集聚。
对比民宿数量和民宿价格核密度分析结果（图2），可发现民宿数量集中分布在房山区西南部、门头沟区东部、延庆区西南部、怀柔区南部、密云区东北部和平谷区东部，主要围绕十渡风景区、潭柘寺戒台寺景区、野鸭湖国家湿地公园、慕田峪长城旅游区、古北水镇国际休闲旅游度假区和金海湖风景区等分布。民宿价格集聚区范围相对较小，主要在十渡风景区、潭柘寺戒台寺景区、古北水镇国际休闲旅游度假区和金海湖风景区等周边形成集聚区。可见，民宿数量和价格均呈现围绕高等级旅游景区集聚分布的态势。
图2 北京市生态涵养区的民宿价格与民宿数量的空间集聚对比

Fig. 2 Spatial agglomeration comparison between homestay prices and homestay quantities in Beijing’s ecological conservation areas

运用GIS空间分析中的冷热点分析刻画民宿价格的空间集聚特征，发现显著热点区的民宿数量占比为19.9%，最显著热点区的民宿数量占12.4%，显著冷点区民宿数量占比28.6%，最显著的冷点区的民宿数量占26.9%，显示出生态涵养区民宿价格冷点区分布相对较广的局面，意味着有较多的民宿价格洼地，较少的民宿价格高地。为了进一步揭示民宿价格的空间集聚和分异特征，将民宿价格、高程及土地利用类型进行空间叠加分析（图3）。以200 m和500 m为界，将生态涵养区的地形划分为平原区（DEM≤200 m）、丘陵区（200<DEM≤500 m）和山地区（DEM>500 m），并叠加民宿价格的冷热点空间分布图（图3a)，发现显著热点区的民宿主要分布在房山区东南部、门头沟区东部、延庆区西南部官厅水库周边、平谷区西北部的丘陵地区（42.6%），邻近这些区域的山地（29.8%）、平原（27.5%）也有显著热点区的民宿分布，说明生态涵养区山前平原向山地过渡地带为民宿价格高值集聚区。显著冷点区的民宿主要位于房山区南部拒马河河谷的十渡风景区、延庆区东南部的八达岭镇和密云区北部的古北口镇等地的丘陵地区（43.0%）和山地（27.7%），其次为密云水库周边、门头沟东部等地区的平原（29.4%）。这说明，高价格民宿在丘陵、山地地区集聚更多，而低价格民宿分布区域的海拔相对较低。
图3 北京市生态涵养区的民宿价格与高程、土地利用类型的复合分布图

Fig. 3 Composite distribution map of homestay price with elevation, land-use type in Beijing’s ecological conservation area

对比民宿价格的冷热点分布情况和土地利用分布特征（图3b），发现民宿的显著热点区主要分布在房山区东南部、延庆区西部、昌平区东南部、门头沟东部以及平谷区西部的森林（61.3%）、农田（23.8%）和湿地（11.9%）周边区域，草地（2.7%）和灌木（4.0%）周边区域有少量分布。显著冷点区的民宿主要分布在房山区西南部、延庆区西南部、密云区中部和东部等地区的森林区域（59.4%），以及邻近的农田（18.5%）和湿地（17.4%）周边区域，另有少量民宿分布在草地（3.6%）和水域（1.1%）的邻近地区。最显著的热点区和冷点区均重点分布在森林地区。这表明，植被覆盖率和山景可能是影响民宿价格的因素。

3.2 北京市生态涵养区民宿价格的影响因素

根据分析结果（表3），每个变量的VIF值均小于5，说明变量之间不存在多重共线性，变量间的相关性可接受。此外，模型的Dubin-Watson值接近2，且研究数据为非时间序列数据，因此可认为模型不存在序列相关问题。
表3 多元线性回归分析的结果

Tab. 3 Results of multiple linear regression analysis

维度 影响因素 回归系数（β） 显著性（P） VIF
房源特征 房间面积 0.285 0.000 3.613
民宿规模 -0.275 0.000 3.209
早餐服务 0.152 0.000 1.085
区位特征 高速距离 0.013 0.553 1.493
国省道距离 -0.042 0.048 1.473
旅游景区距离 -0.034 0.072 1.140
建筑特征 超大客厅 -0.082 0.000 1.783
私家泳池 -0.032 0.116 1.345
观景露台 0.023 0.214 1.095
娱乐设施 0.088 0.000 1.304
私家花园 0.136 0.000 1.317
智能门锁 0.048 0.010 1.134
自然环境 山景 0.033 0.073 1.131
水系距离 -0.007 0.707 1.116
高程（DEM） 0.119 0.000 3.361
坡度 0.025 0.296 1.940
归一化植被指数（NDVI） -0.118 0.001 4.301
在房源特征中，房间面积、民宿规模、早餐服务的P值均小于0.01，且房间面积和早餐服务的回归系数大于0，说明这两项因素对民宿价格在95%的置信区间上有显著的正向影响，而民宿规模的回归系数为负数，说明其对民宿价格呈现出明显的负向作用。在区位特征中，国省道距离和旅游景区距离的P值分别小于0.05和0.1，高速距离的P值大于0.1。其中，国省道距离、旅游景区距离对民宿价格的回归系数为负，表明距离越近，价格越高，意味着交通可达性和旅游资源禀赋能够影响民宿价格。在建筑特征中，私家泳池、观景露台的P值大于0.1，而超大客厅、娱乐设施、私家花园、智能门锁的P值小于0.1，其中，除了超大客厅，其他显著因素的回归系数均为正值，表明娱乐设施、私家花园、智能门锁与民宿价格有显著的正向关联，而超大客厅对民宿价格有明显负向作用。在自然环境中，山景、高程、归一化植被系数的P值小于0.1，山景和高程呈现出显著正向影响，归一化植被系数对民宿价格有明显消极作用，而水系距离和坡度的作用不明显。
以回归系数的大小衡量各个因素的影响力度，发现房间面积和民宿规模的影响系数较大，早餐服务、私家花园、高程、归一化植被指数次之，娱乐设施、超大客厅再次之，国省道距离、旅游景区距离、智能门锁、山景的影响较小。综合比较，得出房源特征对民宿价格的影响较大，自然环境和建筑特征的影响居中，区位特征的影响较小。

4 结论与启示

4.1 结论与讨论

北京市生态涵养区民宿的数量和价格均呈现出围绕高等级旅游景区集聚分布的态势。其中，民宿数量集聚区主要围绕十渡风景区、潭柘寺戒台寺景区、野鸭湖国家湿地公园、慕田峪长城旅游区、古北水镇国际休闲旅游度假区和金海湖风景区分布，民宿价格的集聚特征在十渡风景区、潭柘寺戒台寺景区、古北水镇国际休闲旅游度假区和金海湖风景区更为明显。此结论说明旅游景区景点是影响民宿选址和定价的重要因素，与已有研究结果较为一致，如张海洲等[10]发现距离莫干山风景区越远，民宿分布数量越少；龙飞等[17]发现长三角地区民宿的集聚点主要位于经济较为发达的城市和核心旅游景区周边；金一等[1]发现湖南省民宿的高值区主要集聚在景区及其周边；王朝辉等[9]以黄山市黟县为案例地，发现除了资本主导型民宿外，民宿高值区围绕传统村落和旅游景区集聚。
北京市生态涵养区民宿价格分布具有明显的空间自相关性，民宿价格的高值集聚区（热点区）明显少于低值集聚区（冷点区）。其中，显著热点区主要分布在房山区东南部、门头沟区东部、延庆区西部、昌平区东南部，以及平谷区西部。这些区域多处于200~500 m高程范围，主要位于山前平原向山地过渡地带，背靠山体，以森林景观为主，同时面向平原，视觉范围内景观丰富且美学价值高；且靠近平原城镇，交通便利，建设用地和村民住房相对较多，适宜建设高品质民宿，因此成为生态涵养区民宿价格高地。显著冷点区则主要位于房山区西南部、延庆区西南部、密云区中部和东部地区，这些地区多为海拔较低的丘陵和平原地区，主要为森林、农田和湿地区域，因地形和区位条件，导致其形成价格洼地。值得注意的是，湖泊水库周边如果没有山地作为背景，也可能会成为冷点地区。例如，密云水库南边的村庄，地势较平坦，无较大山体相衬托，成为了民宿价格的冷点区，而官厅水库周边民宿位于延庆盆地内，背靠燕山和太行山，成为了民宿价格高值集聚区，显示出了依山傍水的地理环境对民宿价格高地的影响。
民宿价格受到房源特征、区位特征、建筑特征和自然环境的综合影响。首先，房源特征中的房间面积和早餐服务，建筑特征中的娱乐设施、私家花园、智能门锁对民宿价格有显著促进作用，民宿规模、国省道距离、旅游景区距离、超大客厅和归一化植被指数则对民宿价格有明显消极影响。综合而言，房源特征对民宿价格的影响较大，自然环境和建筑特征的影响居中，区位特征的影响较小。这一结论基本上呼应了已有研究成果，如王朝辉等[9]发现房源特征对乡村民宿价格的影响最大，区位特征的影响较小；胡小芳等[4]得出民宿内部环境是湖北省恩州市民宿价格最显著的影响因素，国道的作用相对较小；杨欢等[7]指出陕西省各级乡村民宿对旅游景区具有较强依赖性，受区位交通因素影响相对较弱。民宿作为一种个性化、特色化的住宿形式，其价格更多受到自身特色和周边自然环境的影响，交通可达性的作用较小。
其次，自然环境因素对民宿价格具有多元化的影响。其中，高程和山景对民宿价格有显著性正向影响，而归一化植被指数对民宿价格具有明显负向作用。山景对民宿价格的正向作用与王朝辉等[9]的研究结果一致。然而，研究结合民宿价格的空间分异特征，发现高价格民宿在丘陵和山地，以及森林区域集聚分布，进一步揭示了高程和山景对民宿价格的具体影响。归一化植被指数则对民宿价格呈现出明显的负向作用，说明植被过于茂密的地方较少形成高档民宿。这呼应了已有研究结果，即绿色生态系统服务在给人类社会带来众多福利的同时，也带来一些弊病，如垃圾、噪音、昆虫、过敏、黑暗等[21]。因此，过高的植被覆盖度可能引致消极的游客体验，从而负向影响民宿价格。

4.2 管理启示

研究结果在微观上可为民宿投资者和经营者的选址和管理策略提供理论指导，在宏观上可为地方政府和区域规划者提供借鉴和支撑。首先，良好的生态环境是北京市生态涵养区民宿业发展的本底条件，政府管理部门应当严格执行生态涵养区的环境保护政策，守护好首都的“绿水青山”，在此基础上推动生态涵养区的“两山转化”。其次，由于高价格民宿集中分布在高等级旅游景区周边和山前平原向山地过渡的地带，以森林为主要景观，民宿投资者在选址时应以优良旅游资源禀赋和地形地貌为主要导向。再次，房源特征和建筑特征对民宿价格的影响较大，生态涵养区的民宿经营者应当注重提升民宿的硬件设施配套水平，包括房间面积、娱乐设施、智能化家居设备等，从而提升民宿的综合竞争优势和定价权。最后，民宿规模、超大客厅、归一化植被指数对民宿价格呈现出显著的负向影响，民宿投资者和经营者则应当细致甄别不同细分因素对民宿价格的作用方向，避免消极影响的产生。

4.3 研究局限与展望

研究以北京市生态涵养区为案例地，基于途家网抓取的民宿数据，采用空间自相关分析、核密度分析、冷热点分析和多元线性回归方法，对民宿价格的空间分布特征及影响因素进行探究，研究结果揭露了重点生态功能区民宿价格的空间分异特征，并对比分析了生态涵养区民宿价格影响因素与其他目的地类型的异同。
研究尚存在以下局限，有待未来完善。首先，研究主要检验了房源特征、区位特征、建筑特征、自然环境因素对民宿价格的影响。但是，民宿经营者、地方文化等[22]因素也对民宿价格有重要影响，未来研究可以进一步从房东属性、乡土文化、品牌声誉、用户反馈等视角探究民宿价格的形成机制。其次，鉴于民宿价格的情境依赖性，以北京市生态涵养区为案例地得出的结论并不一定适用于其他区域，后续研究可选取其他重点生态功能区来探讨这一话题。最后，研究基于截面数据剖析了民宿价格的空间分布特征和影响因素，未来研究可以进一步探讨不同时间段民宿价格的分布规律及影响因素，以提高模型的解释力度。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
金一, 杨敏哲, 关伟, 等. 湖南省民宿价格空间分布特征及其影响因素研究[J]. 地域研究与开发, 2022, 41(3): 111-116.

[Jin Yi, Yang Minzhe, Guan Wei, et al. Spatial distribution characteristics and influencing factors of bed and breakfast lodging prices in Hunan Province[J]. Areal Research and Development, 2022, 41(3): 111-116.]

[2]
Jiang Y F, Zhang H L, Cao X T, et al. How to better incorporate geographic variation in Airbnb price modeling?[J]. Tourism Economics, 2023, 29(5): 1181-1203.

[3]
Zhang M, Wang L, Yang W Y, et al. Host facial features and Airbnb listing prices: A spatial hedonic pricing approach[J]. Journal of Travel & Tourism Marketing, 2021, 38(9): 991-1003.

[4]
胡小芳, 李小雅, 赵红敏, 等. 民宿价格的空间分异特征及影响因素: 以湖北省恩施州为例[J]. 自然资源学报, 2020, 35(10): 2473-2483.

DOI

[Hu Xiaofang, Li Xiaoya, Zhao Hongmin, et al. Spatial variation characteristics and influencing factors of homestay inn price: A case study of Enshi, Hubei[J]. Journal of Natural Resources, 2020, 35(10): 2473-2483.]

DOI

[5]
吴晓隽, 裘佳璐. Airbnb房源价格影响因素研究: 基于中国36个城市的数据[J]. 旅游学刊, 2019, 34(4): 13-28.

[Wu Xiaojun, Qiu Jialu. A study of Airbnb listing price determinants: Based on data from 36 cities in China[J]. Tourism Tribune, 2019, 34(4): 13-28.]

[6]
Tang L, Kim J, Wang X. Estimating spatial effects on peer-to-peer accommodation prices: Towards an innovative hedonic model approach[J]. International Journal of Hospitality Management, 2019, 81: 43-53.

[7]
杨欢, 祁妤, 张赫, 等. 陕西省乡村民宿价格分级的空间分异及其影响因素[J]. 经济地理, 2023, 43(12): 204-211.

DOI

[Yang Huan, Qi Yu, Zhang He, et al. Spatial differentiation and influencing factors of price classificaton of rural homestays in Shaanxi Province[J]. Economic Geography, 2023, 43(12): 204-211.]

DOI

[8]
吴倩, 杨焕焕. 乡村民宿价格空间分异及其影响因素研究: 基于贵州省乡村民宿价格特征模型的分析[J]. 价格理论与实践, 2021(11): 189-192.

[Wu Qian, Yang Huanhuan. Study on spatial differentiation and influencing factors of rural homestay price: Based on the price characteristic model of rural homestay in Guizhou Province[J]. Price: Theory & Practice, 2021(11): 189-192.]

[9]
王朝辉, 李思梦, 乔浩浩, 等. 乡村民宿价格空间分异特征及其影响因素[J]. 华中师范大学学报(自然科学版), 2024, 58(1): 83-93.

[Wang Chaohui, Li Simeng, Qiao Haohao, et al. Spatial variation characteristics and influencing factors of rural homestay prices[J]. Journal of Central China Normal University (Natural Sciences), 2024, 58(1): 83-93.]

[10]
张海洲, 陆林, 张大鹏, 等. 环莫干山民宿的时空分布特征与成因[J]. 地理研究, 2019, 38(11): 2695-2715.

DOI

[Zhang Haizhou, Lu Lin, Zhang Dapeng, et al. Spatial pattern and contributing factors of homestay inns in the area around Mogan Mountain[J]. Geographical Research, 2019, 38(11): 2695-2715.]

[11]
黄和平, 卢毅琮, 姜红, 等. 基于特征价格模型的景区依附型民宿定价机制研究: 以上海迪士尼度假区为例[J]. 地域研究与开发, 2022, 41(2): 121-126.

[Huang Heping, Lu Yicong, Jiang Hong, et al. Study on pricing mechanism of scenic spot-dependent homestay based on characteristic price model: Take Shanghai Disney Resort as an example[J]. Areal Research and Development, 2022, 41(2): 121-126.]

[12]
中共北京市委, 北京市人民政府. 中共北京市委北京市人民政府关于新时代高质量推动生态涵养区生态保护和绿色发展的实施方案[EB/OL]. (2022-12-23)[2024-06-08]. https://www.beijing.gov.cn/zhengce/gfxwj/202301/t20230106_2892787.html.

[CPC Beijing Municipal Committee, Beijing Municipal People’s Government. Implementation Plan for Promoting Ecological Conservation and Green Development in Ecological Conservation Areas with High Quality in the New Era[EB/OL]. (2022-12-23)[2024-06-08]. https://www.beijing.gov.cn/zhengce/gfxwj/202301/t20230106_2892787.html.]

[13]
陆也萍, 刘笑冰. 北京市生态涵养区绿色发展研究[J]. 农业展望, 2022, 18(1): 119-123.

[Lu Yeping, Liu Xiaobing. Research on green development of ecological conservation area in Beijing[J]. Agricultural Outlook, 2022, 18(1): 119-123.]

[14]
杨春, 刘劲飞, 张朝晖, 等. 生态涵养地区城乡产业用地功能融合利用的思考: 以北京市为例[J]. 城市发展研究, 2022, 29(11): 34-41.

[Yang Chun, Liu Jinfei, Zhang Zhaohui, et al. Reflections on the functional integration and utilization of urban and rural industrial land in ecological conservation areas: Taking Beijing as an example[J]. Urban Development Studies, 2022, 29(11): 34-41.]

[15]
刘欣, 章娩娩. 扬州市城市住宅价格空间分异影响因素及作用机制[J]. 地域研究与开发, 2023, 42(4): 70-75.

[Liu Xin, Zhang Mianmian. Influencing factors and mechanism of urban residential price spatial differentiation in Yangzhou City[J]. Areal Research and Development, 2023, 42(4): 70-75.]

[16]
郝婧妍, 刘艳军. 收缩城市住宅价格空间分异及影响机制: 以鹤岗市为例[J]. 地理科学进展, 2022, 41(5): 812-824.

DOI

[Hao Jingyan, Liu Yanjun. Spatial differentiation of housing prices and mechanism of influence in a shrinking city: A case study of Hegang[J]. Progress in Geography, 2022, 41(5): 812-824.]

DOI

[17]
龙飞, 刘家明, 朱鹤, 等. 长三角地区民宿的空间分布及影响因素[J]. 地理研究, 2019, 38(4): 950-960.

DOI

[Long Fei, Liu Jiaming, Zhu He, et al. Spatial distribution of homestay and its influencing factors in the Yangtze River Delta of China[J]. Geographical Research, 2019, 38(4): 950-960.]

[18]
高杨, 王朝辉, 乔浩浩, 等. 上海市旅游住宿业房价空间分异规律及其影响因素[J]. 地理科学, 2022, 42(8): 1391-1401.

DOI

[Gao Yang, Wang Chaohui, Qiao Haohao, et al. Spatial differentiation and influencing factors of room prices in tourism lodging industry in Shanghai[J]. Scientia Geographica Sinica, 2022, 42(8): 1391-1401.]

DOI

[19]
Wang X R, Sun J X, Wen H Z. Tourism seasonality, online user rating and hotel price: A quantitative approach based on the hedonic price model[J]. International Journal of Hospitality Management, 2019, 79: 140-147.

[20]
文化和旅游部. 旅游民宿基本要求与评价(LB/T 065-2019)[EB/OL]. (2019-07-19)[2024-03-21]. https://www.mct.gov.cn/whzx/zxgz/wlbzhgz/201907/t20190719_845179.htm.

[Ministry of Culture and Tourism. Basic requirements and evaluation for tourist homestays (LB/T 065-2019)[EB/OL]. (2019-07-19) [2024-03-21]. https://www.mct.gov.cn/whzx/zxgz/wlbzhgz/201907/t20190719_845179.htm.]

[21]
Nowak-Olejnik A, Dzialek J, Hibner J, et al. The benefits and disbenefits associated with cultural ecosystem services of urban green spaces[J]. Science of the Total Environment, 2024, 926:172092.

[22]
胡敏. 乡村民宿经营管理核心资源分析[J]. 旅游学刊, 2007, 22(9): 64-69.

[Hu Min. An analysis of the core resources in the management of rural lodgings[J]. Tourism Tribune, 2007, 22(9): 64-69.]

Options
文章导航

/

〈 〉