1 引言

在共享经济的时代背景下，随着旅游消费结构升级以及个性化需求的不断增长，催生了以“点对点”旅行住宿为内容的民宿在线短租行业^[1]。相比于传统酒店，民宿不仅能为消费群体提供住宿产品，而且兼具高性价比和独特居住体验等优势，逐步发展成传统酒店的替代产品^[2]。同时，随着民宿和酒店业的规模化扩张，尤其是以Airbnb为代表的民宿在城市中激增，致使民宿和酒店业在共同地域空间上形成了以获取更多客源为目标的竞争关系^[3]。值得关注的是，两者的竞争强度会随着空间集聚的不同而发生变化，如当民宿房源聚集在酒店市场繁荣的地方，两者表现出较强的竞争态势；而当民宿集聚在酒店稀缺的地区，会通过提高目的地知名度促进酒店业的发展，在竞争的同时实现一定程度的双赢局面^[4]。因此，在民宿和酒店业的竞争逐渐加剧的现实环境下，有必要对民宿与酒店业的空间关联特征和竞争格局进行分析，以期通过优化两者的空间布局，尽可能的降低民宿和酒店业的竞争强度。

国外学者对民宿和酒店业关系的研究聚焦点如下：①从财务绩效视角研究民宿与酒店业的关系。一方面，民宿价格和供应量对酒店业关键绩效具有负面影响，如Tarik Dogru等发现Airbnb供应量对美国酒店市场的客房收入、平均每日房价和入住率均产生负面影响^[5]；针对伦敦、巴黎、悉尼等主要国际城市的研究也支持这一结论，发现Airbnb供应量增加1%会使酒店平均房价下降0.016%至0.031%^[6]。另一方面，酒店价格和供应量会对民宿数量和价格产生影响，如有学者发现美国50个州酒店房价和需求的增加有助于Airbnb供应的增加^[7]。②民宿和酒店业对彼此空间分布的影响。Gutiérrez等发现巴塞罗那民宿与酒店业之间具有紧密的空间关联，且均呈核心—边缘分布模式^[8]；Adamiak等发现民宿在西班牙各个城市的分布受到酒店密度的影响^[9]，同时Quattrone等发现民宿密度也会影响酒店空间分布^[10]。国内囿于缺乏民宿和酒店业的微观财务数据，对民宿和酒店业关系的研究较少，主要围绕民宿的概念、经营者和消费者行为^[11]、价格和需求的决定因素、对传统酒店/住房市场的冲击^[12]（定性分析）等方面。同时基于在酒店业空间分布和影响因素^[13]等方面积累的丰富研究经验，对民宿业空间布局展开研究，如张海洲等发现风景景观、发展基础、社会因素和区位是影响民宿时空格局异质性的决定因素^[14]；夏馨颖等剖析北京市Airbnb时空演变特征，并定性分析其影响因素^[15]；马小宾等发现不同因素对南京民宿空间格局的作用方向和影响程度存在异质性^[16]。此外，国内外研究都证实了交通设施、商业因素和地租、文化休闲景点和设施、政策以及重大事件等因素^[17-18]均影响民宿和酒店业空间布局。

综上，①在研究内容上，国外较多从财务绩效视角研究民宿对酒店业收入的冲击，国内较多关注两者各自的空间布局和影响因素，缺乏从地理空间视角研究民宿和酒店业的竞争格局和影响因素。②在研究尺度上，多以市、县和街道层面等行政区划为研究单元，可能存在形状不规则、面积非均等问题，难以在微观尺度对民宿和酒店业的竞争格局和驱动因素进行有效解释。③在研究方法上，以往对空间竞争格局的探讨多利用“地图+定性分析”的传统地理学方法，而双变量空间自相关和地理探测器等空间计量模型，可以通过“可视化+定量分析”多维度判识民宿和酒店业的空间竞争程度与影响因素，显著提高研究解释力和科学性。基于此，本文以上海为案例地，以1km×1km格网为空间尺度，利用GIS空间分析技术刻画民宿和酒店业在城市内部热点区分异特征，借助双变量空间自相关方法剖析两者空间竞争格局及演化特征，并运用地理探测器精细化探测民宿和酒店业空间竞争格局形成的影响因素。本研究试图在理论上对民宿和酒店业空间竞争格局演化的机制建构和研究方法等方面有所突破与创新，以期丰富并拓展传统住宿业空间竞争理论，弥补学术界关于民宿和酒店业竞争研究的不足；此外，其竞争格局和影响因素的分析框架也为其他服务业态的研究提供理论支持。在实践上为大城市内部民宿和酒店业选址、合理优化布局，以及住宿业空间可持续发展提供科学依据。

2 理论基础、研究方法与研究区概况 2.1 理论基础与研究架构

针对住宿服务业空间竞争格局的研究，涉及空间竞争理论和服务业区位论。所谓空间竞争，是指经营业态相同、产品内容近似的经营主体之间以地理空间和经济空间为背景，对市场地域范围（即顾客的需求空间或活动范围）的划分和争夺，根据空间竞争方式的不同可分为剩余竞争、非剩余竞争、扩域竞争和错位竞争^[19]。同时，区域市场空间范围的争夺，体现为经营主体间的空间偏好和区位模式选择差异。其区位选择并非追求单一的成本最小、利润最多，抑或市场最大原则，而是遵循现代服务业区位原则，即从经济因素（市场需求、地租和聚集因子）、空间因素（交通、土地和环境因子）和人文因素（制度/规划、历史遗存和社会文化因子）等各个方面多因子综合考虑经营主体的区位选址问题^[20]。民宿和酒店业同属于住宿服务业，凭借为消费者提供住宿产品而获利生存，由于共同地域市场范围和特定空间区位的有限性，使得两者的空间竞争成为城市住宿空间结构变化过程中一个基本现象。因此，需要通过整合服务业区位理论和空间竞争理论，才能详细透彻的分析民宿和酒店业空间竞争格局及其驱动机制。

具体来说，虽然目前在线预定节约了消费者的时间成本和交通成本，但作为住宿体验性服务产品，民宿与酒店业仍然具有显著的市场（消费者）临近性，其经营选址倾向于商业繁荣、文化旅游禀赋优越、人口密集且交通便利的区位，同时会考虑地租成本因素，由此可知民宿和酒店业的经济活动区位具有相似的偏好，即区位趋同性。但另一方面，民宿与酒店业在经营理念、客群定位、经济实力、空间载体等宏观层面存在一些差异，导致相同区位因子的作用力相异，两者的区位出现偏移，即区位趋异性。在区位趋同性和区位趋异性的共同作用下，民宿和酒店业形成各自的空间区位模式选择，两者空间“重叠”或空间“错位”分别代表对相同的区域市场空间范围展开不同程度的竞争，从而呈现出不同的竞争形式。民宿和酒店业微观行为主导下的竞争格局会随着时间的推移而演化，而城市规划、政策制度等政府行为以及大型会展、体育赛事、主题公园创建等重大事件对民宿和酒店业的空间竞争格局起到一定的调节作用。基于此，构建民宿和酒店业空间竞争格局演化机制模型（如图 1）。

2.2 研究方法

本文首先采用最近邻距离指数判别民宿和酒店业集聚现象，运用热点分析法探究民宿和酒店业热点区空间格局及分布差异；其次利用双变量空间自相关识别民宿和酒店业空间竞争格局；最后利用地理探测器来探测影响民宿和酒店业形成空间竞争格局的决定性因素。

（1）最近邻距离分析（Nearest Neighboring Index，NNI），能够从数值上呈现民宿和酒店业的空间聚集程度。NNI小于1，表示点模式为集聚，且NNI值越小，聚集程度越高；NNI值大于1表示点模式趋于离散^[21]。

（2）热点分析法（Getis-OrdGi^*），目的在于探究民宿和酒店业的热点集聚区，通过GIS空间分析技术中热点分析工具得到的Z值和P值，可明确高值要素在空间上发生聚类的位置^[22]。

（3）双变量空间自相关（LISA），用来测度民宿和酒店业的空间关联特征^[23]。式中，x_i和y_j为地理单元i和j不同地理属性观测值；n为样本数量；S²为样本方差；W_ij表示空间权重矩阵，采用行标准化形式；I为双变量全局空间自相关指数，I的取值为[-1, 1]，其中I为正且越接近1，表示民宿和酒店业的正相关性越大，I为负且越接近-1，表示民宿和酒店业的负相关性越大。

(1)

进一步，采用局部空间自相关（LISA）准确地识别不同空间要素的集聚与分异特征。式中Z_i和Z_j分别为地理单元i和j观测值的方差标准化值；I_i为双变量局部空间自相关指数。

(2)

根据结果可将民宿和酒店的空间关联分为四种类型，分别为：高民宿—高酒店集聚区、低民宿—低酒店集聚区、低民宿—高酒店集聚区和高民宿—低酒店集聚区。

（4）地理探测器（GeoDetector），通过q统计量，探测各因素对民宿和酒店业形成空间竞争格局的驱动力大小^[24]，公式如下：

(3)

式中，L为民宿和酒店业点密度和影响因素的分类数；N_h和N分别为分类h和研究区的单元数；而σ_h²和σ²分别是分类h和研究区Y值的方差。SSW和SST分别为类内方差之和与研究区总方差。q值越大表示因子X对因变量Y的解释力越强，反之则越弱。

2.3 研究区概况与数据源

上海作为国家著名旅游城市，入境旅游人数和国内旅游人数均居全国前列；同时因其国际金融中心的地位，商务旅游尤其发达，由此催生上海酒店业发展迅猛。另一方面，当前客户需求的多元化、私人化促进住宿业长尾市场繁荣，以民宿为主的新型住宿业态成为游客猎奇体验的新选择，现实需求倒逼民宿快速发展。因此，上海市以民宿和酒店业为核心的住宿业将面临重大发展机遇和布局优化可持续的挑战，对上海市民宿和酒店业的空间热点分布特征、竞争格局及其影响因素进行分析具有重要的现实意义。上海市于2015年在行政区划上实现全域城镇化，由于崇明岛的孤立性及其发展阶段的滞后性，因此本文研究区域选定上海市除崇明区以外的15个辖区，利用ArcGIS10.3将整个研究区划分为1 km×1 km的格网。

Airbnb是全球最大的民宿平台，至今已在200多个国家和地区拥有约700万个民宿。携程网是中国领先的酒店在线预定和交易平台。2020年11月从Airbnb（www.airbnb.com）官网和携程网（inn.ctrip.com）分别抓取民宿和酒店数据27106条、6877条，包括名称、地址、类型、开业时间、经纬度坐标等信息。剔除重复、无效信息，再利用地址解析及经纬度转换工具XGeocoding将经纬度坐标转换为WGS84坐标，实际用于研究区分析的民宿数据23385条、酒店数据5187条。另外地理探测器因子所用POI数据来自百度地图API批量抓取，上海市行政边界数据来自国家基础地理信息数据库。

3 民宿和酒店业空间热点区分布特征与竞争格局演化 3.1 民宿和酒店业空间集聚特征演化

表 1展示了平均最近邻距离分析结果，民宿和酒店业空间分布模式和集聚程度存在差异，但两者的空间集聚状态均趋于集聚。2010年民宿NNI为15.940，呈空间分散分布，而酒店业NNI为0.434，呈集聚分布。2015年，上海民宿NNI为0.345，由空间分散分布变为空间集聚分布，且集聚程度超过酒店业（NNI=0.406）。至2020年，上海民宿NNI为0.261，呈空间强烈集聚，集聚程度依然大于酒店业（0.378）。说明在2010—2020年间，上海民宿空间分布状态由分散分布过渡到集聚分布、最终达到强烈集聚分布，而与此同时，酒店业集聚速度显著慢于民宿。

3.2 民宿和酒店业空间热点区格局演化

为进一步从微观尺度了解上海民宿与酒店业空间热点区范围，基于格网尺度，采取Getis-Ord Gi^*识别民宿和酒店业热点区空间差异（图 2）。

（1）2010年上海民宿业刚刚起步，只有零星几家位于徐汇区和静安区，尚未形成热点区。酒店业作为传统住宿业，发展历程长、规模较大，多因素驱动的时空演化使其在城市层面已经初步形成与城市多中心扩展相匹配的“中心地系统”，呈现“单核引领+边缘次中心”的结构特征。酒店业热点区主要集聚于上海主城核心区，以人民广场—南京东路—外滩为主核心，并呈现沿城市主干道（延安高架—世纪大道）东西方向逐渐向外递减的圈层结构。此时民宿业尚未发展，酒店业几乎垄断着上海住宿市场和空间。

（2）2015年上海市民宿形成以内环主城核心区为中心的单中心圈层结构。上海城区优质的文化旅游资源、便捷的交通条件和充裕的闲置建筑空间孕育了大量民宿。民宿高度集聚于衡复历史文化风貌区，依托衡复历史文化风貌区内新旧建筑所经营的民宿成为上海特色民宿的品牌代表。民宿热点区对应面积为20 km²，平均Z值为16，在街道空间上涵盖南京西路街道、瑞金二路街道、天平路街道、湖南路街道等区域，并且在热点中心区周围环绕有次热点区，共同构成城区民宿集聚区。同时，酒店业在中心城区的热点区集聚强度增大，并进一步向外扩张，最终突破内环线的桎梏在漕河泾和松江片区形成次热点区。

对比来看，2015年上海民宿与酒店业空间分布均是单中心结构，整体形成以主城核心区为依托的“一核多点”空间格局。民宿和酒店业在主城核心区高度重叠，表明两类住宿业具有相似的空间偏好，倾向于集中布局在主城核心区。通过实地调查发现，2015年民宿业规模仍然不大、影响力有限，主要依靠对黄浦、徐汇、静安、长宁和虹口等中心城区内的闲置老洋房和现代城市住宅的艺术化改造，精准定位文化旅游客群以及经济实惠导向的客群，逐步打响知名度、打开市场。而酒店业的市场定位仍然面向商务客群和文化旅游客群等多类客群，因此民宿与酒店业之间的竞争关系开始显现。

（3）2020年民宿业已经形成“双核引领+郊区多组团”空间结构，且具有显著的景区指向性。“双核”即主城核心区民宿群和迪士尼—川沙民宿群，2020年民宿在主城核心区的集中强度增大，同时在迪士尼—川沙片区形成新的集聚区。迪士尼—川沙民宿业热点区总面积约为17 km²，平均Z值为14，并与川沙中市街历史文化风貌区存在交集。之所以会形成新的集聚区，一方面是依托迪士尼国际旅游度假区（2016年开园）所具有的强大的旅游吸引力；另一方面，上海浦东新区印发《浦东新区关于促进特色民宿业发展的意见（试行）》（2016年），依托闲置民居发展特色民宿在政府层面得到支持。郊区多组团，是指上海青浦—青西三镇，金山—滨海片区、松江—工业—科教园、南汇—滴水湖景区等旅游资源禀赋优越的郊区民宿集聚区。酒店业已形成“面状集聚+点状环绕”的空间结构，具有显著的城市商业中心指向性。通过对比酒店业空间分布和城市规划布局，发现酒店业空间热点分布结构与主副城空间规划结构高度一致。“面状集聚”主要位于主城区中环线以内，热点集聚区面积为40 km²，平均Z值为23，此区域作为城市中央商务区、市行政中心和文化旅游资源密集区，承担着服务长三角、全国乃至全球金融贸易和商旅客群的功能。“点状环绕”指外部次核心区，主要有江湾—五角场片区、川沙新镇、嘉定新城、青浦—朱家角片区、松江—方松街道、华新镇、惠南镇等新城商务活动中心。

对比来看，2020年民宿和酒店业热点区空间结构差异显著，且具有不同的区位指向性。但宏观空间结构差异之下存在微观布局的局部相似性，如两者的空间布局在主城核心区和迪士尼—川沙片区的局部地区存在空间重叠，说明民宿和酒店业的空间关联不仅仅是单纯的空间竞争和空间协同共生，而是竞争与共生并存的状态。因此，对于民宿和酒店业的空间竞争关系需要从微观视角进行深入探究。

3.3 民宿和酒店业空间竞争格局演化

为了更好的了解民宿和酒店业的空间竞争关系，利用全局和局部双变量空间自相关识别两者的空间竞争格局及演化特征（图 3）。

2010年，上海市民宿和酒店业的空间自相关指数I=0.061，空间竞争格局以低民宿—高酒店集聚区为主（456）。民宿与酒店业的竞争关系尚未形成，此时酒店业在城市区域内几乎处于垄断地位，形成绝对的空间剩余竞争态势，所谓剩余竞争，是指同业态企业对尚未被占据的地域市场的争夺。在缺乏竞争对手的情况下，企业一旦率先进入即可占领全部市场。具体来看，上海城市中环线内、虹桥枢纽区和近郊新城是酒店业抢先布点的区域。

2015年，上海市民宿和酒店业的空间自相关指数I=0.295，空间竞争格局以高民宿—高酒店集聚区（103）和低民宿—高酒店集聚区（442）两种类型为主。其中高民宿—高酒店集聚区有103个单元，民宿和酒店业内环主城核心区形成单核竞争格局。根据空间竞争理论，民宿的出现打破了传统酒店业的垄断局面，两类住宿业态均已覆盖并占领内环主城核心区，可认为两者在内环主城核心区属于非剩余竞争。实地考察发现，民宿和酒店业之间形成竞争性伴生布局现象，民宿业对酒店业形成了一些冲击，空间竞争以民宿渗透式的主动竞争酒店旅游客源为主。是因为民宿提供以文化与生活方式体验为主的小型旅游住宿产品，经营模式和产品内容与酒店存在一定差异，因此与酒店业的空间竞争主要投射在自主旅游客群（家庭亲子客群、情侣客群和独行客群），还没有触及到酒店业庞大的商务客群和旅行社客群系统。此外，民宿和酒店业的低民宿—高酒店集聚区分布在内环外围、虹桥枢纽区和近郊新城，说明在此范围内仍然是酒店业近乎垄断的剩余竞争空间，而民宿尚未形成集聚区。

2020年，上海市民宿和酒店业的空间自相关指数I=0.353，空间格局仍是以高民宿—高酒店集聚区（323）和低民宿—高酒店集聚区（232）两种类型为主，并伴有零散的高民宿—低酒店集聚区（21）。高民宿—高酒店集聚区主要布局在主城区外环内和迪士尼—川沙片区，并在松江—佘山片区形成次级竞争空间。说明民宿与酒店业空间竞争程度加剧，两者的非剩余竞争空间已经由主城区内环线扩展到外环线，并在迪士尼—川沙片区和松江—佘山片区形成新的竞争空间，构成“一区多核”竞争格局。实地考察发现，民宿和酒店业在激烈的空间竞争下采取不同的发展策略，主城区民宿为争取更多客源，开始向核心商务区、虹桥枢纽区和教育医疗区加大布局力度。与此同时，酒店业意识到民宿业迅猛扩张所带来的较大冲击和威胁，在扩展自身市场空间的同时积极进行变革和转型，以满足消费者多元化的需求，如为家庭客群提供餐厨设施以及主题化游乐设施。此外，对低民宿—高酒店集聚区和高民宿—低酒店集聚区进行分析，发现民宿和酒店业在空间上也采取了错位竞争策略，即在不同类型潜在客群所在区域集中布点，以在该区域形成竞争优势。例如，民宿在迪士尼—川沙片区和远郊旅游区形成集聚，分别瞄准迪士尼片区的家庭亲子客群和乡村景区的休闲客群。酒店在人民广场—外滩—陆家嘴片区和近郊新城集聚，主要瞄准商务客群。两类住宿业态的错位竞争策略和目标市场差异定位，有利于民宿和酒店业在更大范围内形成空间共生（spatial symbiosis）的有利局面。

4 民宿和酒店业空间热点区竞争格局成因探测

在对上海民宿和酒店业空间热点区分布特征和竞争格局演化分析的基础上，为进一步揭示其空间表征的背后驱动力，本文梳理了民宿和酒店业空间布局的影响因素，并借助地理探测器识别影响两者空间格局分异的决定性因素。由于2010和2015年民宿业处于迅猛发展阶段，空间特征变动剧烈，到2020年趋于稳定，因此本文仅以2020年数据进行分析。

4.1 影响因素指标选择

综合分析前人研究成果，发现酒店业空间特征受到自然地理环境、区位条件、经济社会发展、资源禀赋、社会文化、制度条件等多因素的影响，民宿分布同样受到热门景点、优越区位和交通通达性等多种因素的影响。结合上海实际情况以及数据的可获得性、可操作性进行变量选择，最终选定人口集聚、地价、交通条件、商业设施、文化旅游禀赋五个维度的9个具体指标（表 2）。①人口集聚。城市内部人口密度大，代表社会经济发展水平高、街区活力大，因此潜在劳动力市场和消费市场广阔，对民宿和酒店业会形成较强吸引力。利用百度人口热力图的热力值表征人口空间分布密度（POP），突破以往借助人口普查及其衍生数据表征人口的常规方法。②地价。地租是企业生产成本的重要组成部分，民宿和酒店业的规模及区位选择受地租影响显著，不同业态会根据自身付租能力和未来收益选择在地价不同的地段布局。采用房价数据表征地租成本（PR），数据来源于“链家网”房价数据，并进行空间插值。③交通条件。道路密度越大，交通越便利，相关基础设施建设完善，越有利于吸引客流。用路网密度（RD）和距地铁站距离（SUB）表征可达性。④商业设施。民宿和酒店业属于住宿服务业，倾向布局于都市休闲旅游发达、商务活动频繁的商业商务中心。本文选择购物中心（SHP）、商业中心（COM）两大指标来表征。⑤文旅禀赋。在地丰富的文化休闲娱乐资源和旅游资源是民宿和酒店业选址的重要考虑因素，而具有历史文化底蕴的区域更是深得民宿创业者的青睐。本文选择文化休闲娱乐（LE）、旅游景点（TM）、历史文化底蕴（history）等来表征文旅禀赋。

以格网尺度为地理探测的分析单元，以落入格网的各业态POI数量为因变量，以9大指标为自变量来测度其对民宿和酒店业空间格局分异的影响。鉴于地理探测器针对类别数据的算法优于连续数据，先利用ArcGIS10.3软件提供的Jenks自然断裂点法将所有连续自变量聚为7类，并将各变量绝对值转化为分类值，再用地理探测器计算9大指标的q值。进一步，将二级指标的q值加和平均，作为一级变量的q值。

4.2 空间竞争格局成因分析

根据指标因子解释力的计算结果（表 3），可以发现各个指标对格网尺度的民宿与酒店业空间格局差异的形成均具有显著的正向影响，但不同因子的影响力存在差异。

（1）民宿业空间分布影响力排序依次为：文旅禀赋（0.409）＞人口集聚（0.263）＞商业设施（0.232）＞地价（0.125）＞交通条件（0.040）。说明文旅禀赋是主导因素，对民宿业空间分布的影响力最强，其中历史文化底蕴（0.452）是影响力最大的二级指标。主要是因为上海近现代百年历史文化积淀为特色民宿的发展注入主题和灵魂。尤其是以衡复历史文化风貌区为代表的民国建筑群，为民宿提供了空间载体和文化支撑，是上海民宿兴起和集聚发展的重要区域。文化休闲娱乐和旅游景点等二级指标的影响力分别达到0.409和0.366，充分说明上海民宿具有显著的文化休闲娱乐依托和旅游资源驱动的选址特征。其次，人口集聚是第二大主导因素，将人口密度与二手房密度进行相关性分析，发现两者具有较高的相关性，分析可知上海市人口密度高的区域拥有大量二手房源，为民宿发展提供充裕的空间载体。商业设施是第三大主导因素，对民宿业布局的影响力为0.232，主要是因为民宿为争取都市购物客群，倾向于临近购物中心（0.302）。

（2）酒店业空间分布影响力排序依次为：商业设施（0.410）＞文旅禀赋（0.352）＞人口集聚（0.326）＞地价（0.199）＞交通条件（0.087）。与民宿不同，商业设施是酒店业空间分布的主导因子，其所涵盖的商业大厦（0.430）、购物中心（0.389）等二级指标的q值表现突出。酒店业高度依托于上海服务全球的商务金融服务功能，实地考察发现酒店业与大型商圈存在明显的空间共生关系，这些地区经济发达，内外交流活动频繁、会议会展较多，对酒店业需求旺盛。另外，文旅禀赋对酒店业的影响力也高达0.352，虽然酒店业的客群定位以中高端商务旅客为主，而休闲度假游客同样也是酒店业的重要客源。人口集聚的影响力为0.326，正如上文分析，城市人口密度高的区域往往是社会经济发展活力充沛的区域，潜在劳动力市场和消费市场广阔，是影响酒店业选址的重要因素。

（3）纵向分析地价和交通条件这两大影响因素，发现地价对民宿业的影响力较小（仅为0.125），而酒店业受地租的影响力为0.199，说明酒店对地租的承受能力相对较强，在高地租地段布局所带来的成本能被该地段其他方面的收益抵消。而民宿依托闲置民居，而非抢手的商业地产，因此地租影响相对较小。交通条件对民宿的影响力大于酒店业，主要是因为民宿的公共服务配套设施相对较差一些，因此更倾向于交通便利的地区，以谋求最大化利用交通等便利性公共设施的外部效益。

（4）文旅禀赋、商业设施、人口集聚、地价、交通条件等是民宿和酒店业空间分异的外在显性因子，而其背后反映的是民宿和酒店业经营理念、客群定位、经济实力以及空间载体的差异。根据研究发现：①经营理念。酒店集团一般具有宏观层面的扩张战略部署来引领酒店业与城市会展中心等功能区互动，而民宿创业者一般关注个体空间最优化。②民宿和酒店业客群定位不同，前者偏重于文化休闲体验客群，因此内在驱动企业偏向文旅禀赋优越的区位，而后者以商务客群为主、以旅游度假客群为辅。③经济实力。酒店业实力相对雄厚，控制了地价昂贵的有利地段；而民宿企业主资金有限，一般借助创新内外部住宿环境来提升自身吸引力，并倾向于最大化利用交通等公共设施的外部性。④空间载体。民宿经营依托的空间载体更多的是闲置民居，与特色老洋房等住宅空间重叠，而酒店大多依托商用地产。总之，正是在四大宏观因素差异的驱动下，以及政府规划和重大事件的调控下，导致民宿和酒店业在微观区位因子存在共性的同时，又呈现出大小不同的驱动力。正因如此，民宿与酒店业微观行为既有相似又存在差异，形成民宿和酒店业在大城市内部区位分布特征，并通过非剩余竞争、剩余竞争和错位竞争等方式催化形成不同的空间竞争格局（图 4）。

5 结论与讨论 5.1 结论

以上海为案例，将上海市域空间分割为1km×1km的格网，系统分析了民宿和酒店业空间热点区分布和竞争格局的时空演化特征，并基于地理探测器揭示上海民宿和酒店业竞争格局分异的影响因素，得到如下结论：

（1）民宿和酒店业空间分布模式和集聚程度不同，民宿业的空间分布状态由分散分布过渡到集聚分布、最终达到强烈集聚分布；酒店业的集聚分布程度逐渐加强，但集聚速度显著慢于民宿。民宿和酒店业具有不同的区位指向性，前者为景区指向性，后者为商务中心指向性。因此，两者的热点区空间结构呈现显著差异性：①民宿业由2010年零星单点分布，向2015年以内环主城核心区为中心的单核结构转变，最终形成了2020年以衡复历史文化风貌区和迪士尼—川沙片区为中心的“双核引领+郊区多组团”的多中心结构特征。②酒店业于2010年形成“单核引领+边缘次中心”的结构特征，2015年持续强化这种结构特征，最终形成了2020年以中环内主城区为中心的“面状集聚+点状环绕”的空间结构。

（2）2010—2020年，上海市民宿和酒店业的双元空间自相关系数由0.061上升到0.353，竞争程度逐渐加剧。两者的空间竞争范围逐渐扩大，经历了无显著空间竞争、主城区单核竞争、“一区多核”的演化过程。空间竞争方式经历了由酒店业几乎垄断的空间剩余竞争，发展为民宿和酒店业空间非剩余竞争和剩余竞争并存，最终形成空间竞争与空间错位共生并存的发展状态。

（3）商业设施、文旅禀赋、人口集聚、地价和交通条件等是上海民宿和酒店业微观布局的主要因素。民宿业受文旅禀赋（历史文化底蕴、文化休闲娱乐、旅游景点）的影响力最大，人口集聚和商业设施的影响次之；酒店业受商业设施（购物中心、商业中心）影响力最大，而文化休闲设施和旅游景点的影响力次之。经营理念、客群定位、经济实力以及空间载体的差异是造成民宿和酒店业格局分异的隐性宏观动因。

5.2 讨论

本文聚焦民宿和酒店业空间竞争格局及其成因研究，具有以下几点研究贡献：第一，本文整合了空间竞争理论和服务业区位理论，并将其应用于构建民宿和酒店业空间竞争格局形成机制，丰富并拓展了住宿业空间竞争理论体系；第二，基于格网尺度以空间计量方法剖析民宿和酒店业竞争格局与影响因素，创新了同业多态型企业竞争区位的研究思路和方法；第三，本文创新性的发现民宿和酒店业的空间竞争程度会随时间推移而逐渐增强，同时两者的空间竞争格局具有空间异质性，不同区域的竞争程度存在差异。更重要的是，证实了民宿和酒店业空间竞争方式的多样性，不仅存在一般性的空间竞争，还存在错位竞争，为后续开展相关研究提供了新视角；第四，本文发现不同区位因子对民宿和酒店业布局的影响程度是不同的，这是以往针对民宿和酒店业的单独研究所不能全面了解的，为优化民宿和酒店业空间布局提供科学依据。

根据研究结果提出以下建议：一是把握剩余竞争优势，民宿或酒店业可利用地铁等便捷交通，向具有稳定客源的外围中心地、功能区或能够承接溢出效应的过渡区寻求发展空间，规避中心城区集聚不经济等不利影响，与其他住宿业实现错位发展。二是在竞争激烈的非剩余竞争区域，根据民宿和酒店区位因子影响力的差异，结合旅游者空间行为规律和产品需求特征，在空间错位、市场细分和产品优化等策略中进行综合性的科学决策，探索更精细化的空间布局优化方法。三是推进民宿经营资格认证，通过建立有效的监管机制，调控民宿和酒店业空间布局，避免无序竞争。还需说明的是，本研究仍存在缺憾：①受限于数据的可获得性，未能对民宿和酒店业进行二次分类，希望随着统计数据的完善以及计算机挖掘技术的发展，能够进一步丰富研究内容。②在进行民宿和酒店空间热点区竞争格局成因分析时，只获取2020年这一断面的影响因子数据，无法全面探测其演变特征，未来还需对不同时间段进行深入研究。