《表1 解释指标的选取与描述》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于DBSCAN算法的民宿集群识别、分布格局及影响因素——以南京市为例》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

以街道为研究单元，量化分析民宿的空间分布格局，选择民宿街道级别的密度作为回归分析的解释变量，将民宿个数赋值给街道单元，最后得到73个有效研究单元。民宿密度相较于民宿个数，可以更为准确的反映民宿空间分布的疏密程度。影响因素的选择方面，首先参考国内学者龙飞[32]、王珺玥[33]等相关研究，大多数是基于统计数据对大区域大空间进行回归分析，考虑到研究案例地为南京市，统计数据无法达到街道精度，查阅相关国外文献，Adamiak[19]、Martin[21]等在研究民宿空间格局时引入城市内部商业、交通、旅游资源等方面指标进行探测，因此兼顾国内外研究基础以及数据可获性，共获取8项指标，涵盖交通、商业、旅游资源、人口水平以及行业内部关系等方面。路网密度、公交站点密度和距离最近地铁站距离是影响城市内部交通水平的重要量化指标；超市商城密度可以量化不同街道的商业发展程度；距4A级以上景区最近距离作为街道旅游资源吸引力的量化指标；通过第六次人口普查数据得到街道人口密度和安居客网站得到的街道商品房平均价格来表示街道人口水平；距4星级以上酒店最近距离可以表示同行业内部关系情况，各项解释指标描述如表1。将数据进行初步处理，检验数据符合回归基本条件，不存在共线性问题。