《表3 指标选取与解释：上海市共享住宿时空格局及影响因素识别》

  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

《上海市共享住宿时空格局及影响因素识别》

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

影响共享住宿分布的因素有很多，主要与区域的基础设施、社会经济发展、房源供给、景点分布有密切关联[24-28]。在浏览共享住宿网站时发现，许多共享住宿均以靠近某学校、某医院为标题吸引顾客，借助在线词频分析软件，对共享住宿标题进行词频分析发现地铁（1.26%）、地铁站（0.51%）、大学（0.32%）、医院（0.25%）的词频出现频率较高（词频统计率最高值为1.27%），由此可见上海市共享住宿的空间分布还与院校、医院的布局有关。共享住宿属于新兴住宿产品，它在选取布局时必然还要考虑目标区域的市场竞争情况，如传统住宿产业所带来的竞争压力。此外，共享住宿是一种新兴概念，其扩散特征往往遵循技术扩散假说[36]，即新兴技术或理念多在较为发达的区域、年轻化的区域扩散发展。为此，技术扩散效应对于共享住宿的布局也可能存在较大影响。综合已有研究与前述词频分析等结果，最终选取道路密度、二手房价、二手房密度、景点距离、医院距离、院校距离、酒店密度、夜间娱乐点密度8个因素为自变量（图7、表3），街道范围内的上海市共享住宿房间密度为因变量，分别利用OLS模型和GWR模型探究上海市共享住宿空间分布的驱动效应（由于数据和篇幅限制，本文仅以2019年数据进行分析）。为避免因部分区域无共享住宿分布而对回归结果产生影响，剔除部分无数据街道进行计算。