POI数据视角下的广州酒店空间分布影响因素研究——基于负二项回归模型

发布时间：2023-04-22 12:56

　　基于从酒店门户网站获取的广州酒店POI数据,采用核密度、 Ripley’s K函数和负二项回归方法分析酒店空间布局特征及影响因素,笔者根据研究发现:广州地区的酒店在不同空间尺度下均呈现明显的集聚特征;在广州中心城区、重要功能区及生态良好的外围区域均形成了酒店高密度集聚地,但新兴开发区域的酒店则明显不足。由于广州各街镇酒店数量分布存在过度离散特征,相对于OLS回归和泊松回归,负二项回归模型更适合于POI数据的多元回归分析。通过负二项回归分析发现人口密度、道路密度、区位因素和经济活力对广州各街镇的酒店数量分布均有显著影响,过于密集的人口及接近城市中心的区位都不利于酒店的集聚,而便捷的交通和良好的经济活力则有利于促进酒店集聚。

【文章页数】：9 页

【文章目录】：
一、引言
二、研究区域、方法和数据
    （一）研究区域概况
    （二）研究方法
        1. 核密度分析计法。
        2. Ripley’s K函数空间点模式分析方法。
        3. 负二项回归模型。
    （三）数据来源
三、广州酒店空间分布特征
    （一）基本情况
    （二）空间布局特征
        1. 不同空间尺度下均呈现明显的集聚特征。
        2. 酒店高密度区域主要分布在中心城区。
        3. 高等级与经济型酒店空间分布特征差异较为明显。
        4. 新兴发展区域酒店布局不足。
四、广州酒店空间分布的影响因素分析
    （一）变量说明
        1. 被解释变量。
        2. 解释变量。
    （二）模型分析
五、结论与讨论



本文编号：3797679