随着共享经济的繁荣发展,共享住宿日益成为人民出行的更多选择,越来越多的人成为共享住宿的提供者来分享自己的闲置房源或者房间来赚取额外收入或者获得社交的满足感,那么,当消费者选择共享住宿时会有哪些考虑因素,即共享住宿的消费行为有哪些影响因素,而比如我们轻而易举可以考虑到的因素:位置、价格等是如何影响共享住宿消费者的消费行为的,对于受欢迎的共享住宿和经营惨淡的共享住宿是什么因素在起主要作用以及影响因素比如价格等对于受欢迎程度不同的民宿的被消费行为的影响是如何变化的,等等这些问题都是目前没有研究过的,这也因此成为了我们研究的主要内容。研究共享住宿的消费行为,需要了解更多的共享住宿的消费信息,而Airbnb则是世界上最大最成功的共享住宿提供平台,而它的官方内部网站提供了最为全面的世界上大部分城市的共享住宿的消费信息,包括共享住宿的经纬度、价格、房型、评论数等,而本文选取了 Airbnb平台提供的中国香港地区,德国柏林地区和美国奥斯汀地区的共享住宿的消费信息进行分析研究,因为三个地区分属于世界上的三个十分重要的洲,三个城市都是世界上较为繁荣的城市,共享住宿经济发展良好,拥有着世界上较多的共享住宿房源和消费信息,较多的数据可以使得分析更加客观公正,受异常值的影响较小,使得研究结果更具有代表性。本文使用GeoDa软件利用数据中的经纬度信息制作出空间分布图、四分位数空间分布图和三维空间立体图,可以更加形象的看出数据分布具有空间相关性,同时,通过普通回归得到LMLag检验、稳健LMLag检验、LMError检验和稳健LMError检验进而从数据上定量的确定描述空间相关性的空间计量模型,并且通过软件建立了邻接空间权重矩阵以便于建模分析,通过以上四个检验的检验结果,中国香港地区和德国柏林地区建立了空间滞后模型,美国德克萨斯州的奥斯汀地区建立了空间误差模型,并且三个模型都通过了残差检验同时三个模型的拟合效果均比普通回归的拟合效果要更好。通过空间滞后模型和空间误差模型可以看出,中国香港地区和德国柏林地区的共享住宿的消费行为具有正向的因变量空间相关性,美国奥斯汀的共享住宿消费行为具有误差项的空间相关性。为了研究受欢迎程度不同的共享住宿是什么影响因素起主要作用,以及同一影响因素的对不同受欢迎程度的民宿的影响变化,本文同时建立了分位数回归模型,分位数回归可以研究自变量对于因变量的不同分位数的影响,使得分析更加全面具体。通过分位数回归的结果可以看出,房型对于消费者具有十分重要的影响,可以看出三个地区极受欢迎的共享住宿中,中国香港地区应避免私人房间的房型,三个地区的中等受欢迎程度的共享住宿中,美国奥斯汀地区应该避免私人房间的房型,相比之下,德国柏林地区更为偏爱私人房间的房型;美国奥斯汀地区应避免共享房间的房型,综合美国奥斯汀私人房间的情况,美国奥斯汀地区更为偏爱整租房型,而德国柏林更为偏爱共享房型和私人房型,中国香港地区对共享房型没有表现出明显的偏爱,但是极受欢迎的共享住宿主应避免共享房型。通过以上的分析研究我们可以主要围绕供给和需求两个方面给出共享住宿平台和提供者有关经营管理方面的建议:1.增加共享住宿的供应量,利用已经注册的共享住宿的信息分析出具有正向空间相关性的地理位置,对于有能力或者有意愿进行房屋共享的房主提供周围共享住宿的位置信息和价格信息等2.满足消费者偏好:首先,共享住宿平台要利用已有的大数据交易信息分析了解不同地区的消费者的偏好,比如房型和可容纳人数等,将消费者偏好信息提供给民宿主,共享住宿房东可根据相关信息进行室内调整3.减少消费者的选择限制:首先,共享住宿平台要了解共享住宿预订可能存在哪些限制,比如最少入住天数、性别、国籍和不能携带宠物狗等,共享住宿的房东因为某些原因不得不采取这些限制,平台可以给有同一共性限制的房东提供解决措施4.增加与消费者的互动:一方面,共享住宿平台要加强与消费者的互动,另一方面,共享住宿的房东要加强与消费者的互动,通过与消费者的互动,共享住宿平台和房东可以更好地进行改善,同时,评论互动的增加也可以吸引更多的潜在消费者。5.全年选择性营业:合适的年营业天数的确定有助于房东降低费用减少机会成本,所以,共享住宿的房东要利用好信息和已有的经验确定好自己的年营业天数。