經(jīng)濟型連鎖酒店選址分析

經(jīng)濟型 連鎖 酒店選址分析 目錄 1. 概述 . 5 1.1. 背景 . 5 1.2. 項目目的 . 5 1.3. 調(diào)研的范圍 . 5 2. 選址要素的設(shè)計 . 6 2.1. 交通變量 . 6 2.1.1. 概述 . 6 2.1.1.1. 到達交通工具 . 7 2.1.1.1.1. 數(shù)據(jù)獲取方式和變量標準 . 7 2.1.1.2. 周邊交通環(huán)境 . 8 2.1.1.3. 公交站點以及線路 . 8 2.2. 地理環(huán)境以及市政規(guī)劃 . 9 2.2.1. 概述 . 9 2.2.1.1. 酒店大堂正門與主干道的距離 . 9 2.2.1.2. 七天外墻側(cè)面的可視距離 . 10 2.2.1.3. 目標店所在地的道路性質(zhì)以及道路寬度 . 10 2.2.1.4. 治安狀況 . 11 2.3. 市場條件以及社會環(huán)境 . 12 2.3.1. 概述 . 12 2.3.1.1. 商務(wù)人士經(jīng)過的數(shù)量 . 13 2.3.1.2. 人流量 . 13 2.3.1.3. 生活店鋪和超級市場 . 13 2.3.1.4. 事業(yè)單位 . 14 2.3.1.5. 周邊人口的收入水平 . 14 2.3.1.6. 周邊方圓 100 米范圍內(nèi)食肆的數(shù)量 . 15 2.3.1.7. 目標店所在區(qū)域未來商業(yè)發(fā)展前景判斷 . 15 2.3.1.8. 步行 10 分鐘內(nèi)柜員機（ ATM）的數(shù)量 . 15 2.4. 區(qū)域內(nèi)密集人群聚集程度 . 16 2.4.1. 概述 . 16 2.4.2. 變量具體描述 . 16 2.4.2.1. 旅游景點 . 16 2.4.2.2. 商業(yè)中心 . 17 2.4.2.3. 商品集散地或物流集散地 . 18 2.4.2.3.1. 概述 . 18 2.4.2.3.2. 數(shù)據(jù)獲取方式和變量標準 . 18 2.4.2.4. 醫(yī)院規(guī)模 . 18 2.4.2.4.1. 概述 . 18 2.4.2.4.2. 數(shù)據(jù)獲取方式和變量標準 . 19 2.4.2.5. 學校的描述 . 19 2.4.2.5.1. 概述 . 19 2.4.2.5.2. 數(shù)據(jù)獲取方式和變量標準 . 21 2.4.2.6. 會展中心 . 21 2.4.2.6.1. 概述 . 21 2.4.2.6.2. 數(shù)據(jù)獲取方式和變量標準 . 22 2.4.2.7. 辦公區(qū)域和寫字樓 . 22 2.4.2.7.1. 概述 . 22 2.4.2.7.2. 數(shù)據(jù)獲取方式和參數(shù)標準 . 23 2.4.2.8. 娛樂休閑場所 . 23 2.5. 同業(yè)競爭環(huán)境 . 23 2.5.1. 概述 . 23 2.5.2. 數(shù)據(jù)獲取方式 . 25 3. 回歸模型的運行 . 26 3.1. 衡量回歸模型準確性的評判標準 . 26 3.2. 回歸方程求解步驟 . 27 3.2.1. 相關(guān)性分析 . 27 3.2.2. 調(diào)整變量 . 27 4. 項目檢討和建議 . 31 4.1. 項目檢討 . 31 4.2. 項目日后工作建議 . 32 4.2.1. 前臺信息反饋系統(tǒng) . 32 4.2.2. 市場細分戰(zhàn)略 . 33 5. 項目總結(jié) . 34 附錄：初始選址要素表 . 錯誤 !未定義書簽。 圖表 目錄 圖表 2.1.2-17 天會對經(jīng)濟型酒店關(guān)注的要素 . 7 圖表 2.4.2.2-1 對廣州開房率排名靠前的分店進行統(tǒng)計 . 17 圖表 2.4.2.5.1-1 對當前 7 天會會員的年齡段分布圖 . 19 圖 表 2.4.2.5.1-2 對 7 天會員所處行業(yè)背景的分析調(diào)查 . 20 圖表 2.4.2.6.1-1 對第 101 屆廣交會開房率的統(tǒng)計 . 21 圖表 2.4.2.7.1-1 對環(huán)市路寫字樓附近一帶開房率的比較 . 22 圖表 2.5.1-1 開房價格與房源供給的坐標分析圖 . 24 圖表 2.5.1-2 7 天會對注冊會員關(guān)于住宿預(yù)算的問卷調(diào)查 . 24 1. 概述 1.1. 背景 7天連鎖酒店集團是一家覆蓋全國的經(jīng)濟型連鎖酒店網(wǎng)絡(luò)， 擁有近 200家分店，是中國連鎖酒店行業(yè)的領(lǐng)導(dǎo)品牌之一。 近年來，公司一直在快速發(fā)展壯大，新開分店數(shù)量不斷增多，而與此同時近年來連鎖酒店市場競爭日益激烈，運營成本不斷上升，促使公司決策層重新審視以往的選址模型，修改過去通過主觀經(jīng)驗判斷的選址模型，期待尋找到一份更科學合理的選址評分模型， 以便 為投資發(fā)展部 的市場 決策與 發(fā)展戰(zhàn)略提供有力的支持。 1.2. 項目目的 在之前的 選址分析中，主要是考察商圈的影響，不同的商業(yè)地段的價值 ，租金成本，人力成本，地段人流量，車流量以及競爭對手的開房率，市場占有率來制 定新開店的標準。但由于七天成 立的時間只有短短三年，之前并沒有 原始數(shù)據(jù) 積累支持去分析一個通用的選址模型。 現(xiàn)在通過 調(diào)用 內(nèi)部 管理信息系統(tǒng)中積累的開房率數(shù)據(jù)作為因變量， 能夠 進行選址模型的分析， 該項目可以有兩個方向或目的： 嘗試對現(xiàn)有模型進行分析，或者修改現(xiàn)有選址模型。 運用多種數(shù)據(jù)分析方法來進行新的嘗試，嘗試建立新模型。 要成功建立模型必須 占有準確和詳細的數(shù)據(jù)庫資料，并在此基礎(chǔ)上進行分析。 通過兩個方式采集相關(guān)數(shù)據(jù)。 1. 對廣州現(xiàn)有 24 間分店進行現(xiàn)場 考察， 訪問店長或店員，并 采集 外圍 數(shù)據(jù)資料。 2. 利用網(wǎng)絡(luò)地圖尋找與目標店關(guān)聯(lián)建筑物的距離，并采集部分 宏觀經(jīng)濟數(shù)據(jù)。 1.3. 調(diào)研的范圍 7 天連鎖酒店目前將全國的城市劃分為四類。其中廣州，深圳，北京和上海屬于 一類城市， 截止現(xiàn)在為止廣州共有 27 間分店，其中 24 間已經(jīng)投入運營， 3 間正在籌建中，由于 本次調(diào)研的 24 間目標店范圍全部位于廣州，最后的選址適用性可能僅適合于華南地區(qū)的一類城市或僅僅適用于廣州市。 2. 選址要素的設(shè)計 本次選址要素的設(shè)計考察了多家連鎖型酒店的選址經(jīng)驗和方法。同時參考了最新出版的經(jīng)濟型酒店標準化管理手冊以及經(jīng)過多方調(diào)研，計劃將選址要素分為以下五個主要模塊。 1. 交通變量 2. 地理環(huán)境以及市政規(guī)劃 3. 市場條件以及社會 環(huán)境 4. 區(qū)域內(nèi)密集人群聚集程度 5. 同業(yè)競爭環(huán)境 2.1. 交通變量 2.1.1. 概述 關(guān)于酒店選址的交通變量研究的是到衡量和判斷目標客人到達方式以及進入方式的難易程度。從另一個角度也可以觀測到該地區(qū)經(jīng)濟要素聚集和發(fā)散的程度。選取了以下變量作為對目標店外圍交通環(huán)境的描述 ： 目標地和最近公交車站的距離 距離地鐵站，輕軌的距離 機場大巴上下客點距離目標地的距離 出租車單位時間（ 一 分鐘）經(jīng)過臨近主干道的數(shù)量 距離目標地最近的主干道上單位時間 （一分鐘） 車流量 目標地附近 50 米內(nèi)停放車輛的數(shù)量 目標地附近的公交總線路 到達該地區(qū) 5 公里范圍內(nèi)核心 區(qū)域的公交線路數(shù) 2.1.1.1. 到達交通工具 到達目標店最主要的交通工具包括了公交車，地鐵或輕軌，以及機場大巴和出租車， 遺憾的是，在對店長或店員的訪談中 不確定到達客源到底采取何種交通方式 ，建議 7 天會在以后的消費者行為分析中加入這方面的調(diào)查。 圖表 2.1.1.1-17天會對經(jīng)濟型酒店關(guān)注的要素 最關(guān)注的經(jīng)濟型酒店要素17802063279120294710963805001000150020002500交通便利 住宿設(shè)施品牌 價格服務(wù)態(tài)度安全私密性其他根據(jù)圖表顯示的數(shù)據(jù)標明，交通便利程度在 7 天會員最關(guān)注的經(jīng)濟型酒店選擇要素中排在第二位。因此 7 天連鎖型酒店選址必須因應(yīng) 7 天會員的需求在交通便 利的區(qū)域選址， 靠近主要交通樞紐站以及交通節(jié)點 將確保可以提供客人所需的必要便利。 2.1.1.1.1. 數(shù)據(jù)獲取方式和 變量 標準 前三個變量（公交車站，地鐵站，機場大巴上下點）與目標店的距離可以通過網(wǎng)絡(luò)地圖（無憂地圖）獲得詳細信息。設(shè)計單位為百米，選取的標準距離是目標地與各交通節(jié)點之間的曲線距離。比較符合實際情況。機場大巴上下點與目標店距離的遠近在調(diào)查中并沒有十分明顯的反應(yīng)。但留意到 7 天網(wǎng)站上每個分店都明確指示出機場或火車站到店方法。相信對長途旅客有指示作用。 2.1.1.2. 周邊交通環(huán)境 三個變量（ 單位車流量，單位出租車流量，以及停車場車位容量 ）都分別描述了目標店交通環(huán)境狀況，車流量和出租車流量反映了目標店附近交通的暢通狀況，而停車場車位的容量則為滯留本地客源提供了必要的便利。 現(xiàn)場訪談顯示，過夜旅客停放車輛的概率并不是很大， 根據(jù) 08 年 8 月 14 號晚 8點在位于天河公園店外的踩點顯示，容量為 50 臺車的 7 天自帶停車場，其停車存量不足 20 臺。 顯示本地客源自駕車過夜的消費習慣不明顯。 如果在場地緊張或土地價格昂貴的情況下， 7 天可以考慮節(jié)省停車場地的費用或者借助于外界環(huán)境的停車容量。 因為停車場車位容量的相關(guān)作用不 大（廣州地區(qū)）。 值得注意的是，如果目標店附 近有高架橋或內(nèi)環(huán)路，則不計算有效車流量或出租車流量。 2.1.1.3. 公交站點以及線路 回歸分析顯示，目標店 500 米周邊范圍內(nèi)公交總線路以及到達該地區(qū) 5 公里范圍內(nèi)核心區(qū)域的公交線路數(shù) 對開房率有直接影響。這里體現(xiàn)的消費者行為分析包含有兩種含義 : 客源的到達方式值得細心研究 公交車站本身就是一個人群疏散和停留的節(jié)點，可以吸收和擴散人群 城市內(nèi)發(fā)達的公交網(wǎng)絡(luò)覆蓋了廣闊的地域，如果亦能輻射到附近的商圈，將可能對開房率起到拉動作用。 如果目標店當?shù)氐墓痪€路越多，則說明該地區(qū)的人口聚集程度比較稠密 其商業(yè)活動亦會比較頻繁。例如天河城 周邊商圈，環(huán)市路商圈，三元里易初蓮花附近的美博城商圈等。 由此可以看到，公交線路的數(shù)量以及到達核心商圈的線路數(shù)量是反映該地區(qū)商業(yè)活動以及人口聚集的極好的指示器。 2.2. 地理環(huán)境以及市政規(guī)劃 2.2.1. 概述 初步模型 選取了以下變量作為對目標店外圍地理環(huán)境和市政規(guī)劃的描述： 酒店大堂正門與主干道的距離 七天外墻側(cè)面的可視距離：從主干道上觀測 目標店所在地的道路性質(zhì)定位 目標店大門所正對的街道寬度 外圍道路的通向，單行還是雙行道 目標地所在街道管轄區(qū)域內(nèi)的治安狀況 2.2.1.1. 酒店大堂正門與主干道的距離 該指標考察的是項目與主干道的距離 與開房率的影響。選取的長度單位是米。測量的方式的根據(jù)網(wǎng)絡(luò)五一地圖，找出酒店正門與主干道的步行曲線距離?？疾斓哪康氖菫榱藴y試項目與主干道的距離是否會左右旅客的入住決策，以至影響開房率。 位于廣州的多家分店，例如康王路店，崗頂路店，北京路店等都位于大街內(nèi)巷，有的甚至位于次級干道上的二線臨街，值得關(guān)注的是由于 7 天品牌的巨大影響力和滲透能力，經(jīng)濟型酒店已經(jīng)不像傳統(tǒng)酒店行業(yè)一樣需要占據(jù)在顯眼的道路樞紐位置以此來吸引客源。特別是會員制的營銷手法更是大大淡化了落點對目標客源的吸引和影響。隨著適用于經(jīng)濟型酒店開發(fā)的建筑物業(yè) 的稀缺，現(xiàn)在已經(jīng)很難在目前的成本要求下找到合適的項目選址。 2.2.1.2. 七天外墻側(cè)面的可視距離 即使不是占據(jù)一線臨街位置，但如果能夠利用巨幅墻體以及明顯清晰的品牌標志，可能會對會員和目標客源產(chǎn)生吸引作用。該項指標同樣以距離作為判斷依據(jù)。根據(jù)現(xiàn)場目測，共劃分為三個不同的等級： 200 米范圍內(nèi)可視 -3 分 50 至 200 米范圍內(nèi)可視 -2 分 50 米范圍內(nèi)可視 -1 分 根據(jù)觀測， 24 間分 店中大約三分之一的酒店是可以打 2 分，三分之二的酒店打 1分，少部分的酒店，如客村店，天河公園店可以打到 3 分。有的二線項目雖然地址比較偏內(nèi)街，但由于側(cè)面的標識相當明顯，所以反而取得了比一線正面臨街更好的視覺效果，特別是從遠距離上觀測。撇開酒店選址要素之外，清晰，易于識別的酒店標識對品牌的宣傳和推廣也起到了極大的帶動作用。 2.2.1.3. 目標店所在地的道路性質(zhì)以及道路寬度 根據(jù)現(xiàn)場目測判斷，單向四車道或以上的稱之為 主干道， 二車道的稱之為二級干道，其他的稱之 為次級干道 。 單行線一般定義為二級干道。其打分的標準是： 單行線 -1 分 雙行線 -2 分 比如說 : 天河公園店外的中山大道為主干道，崗頂?shù)晖獾氖茤|路為二級干道，環(huán)市路二店外的北較場橫路為次級干道。設(shè)計的變量打分標準如下： 主干道 -3 分 二級干道 -2 分 次級干道 - 1 分 車道的數(shù)量與道路寬度是成正比的，或者說是高度相關(guān)的，這點利用 spss 軟件可以看出其高度的相關(guān)性。所以在最后的打分表里面，這兩個變量會刪除一個，以防止多重共線性的發(fā)生。每一條車道的寬度通常是兩米，也就是說如果是八車道的話，那么道路的寬度就是 16 米 (不 考慮單車道以及人行道 ) 值得注意的是，有部分目標店外圍有高架橋經(jīng)過，高架橋上的道路不算入道路寬 度以及車道。因為對于酒店業(yè)態(tài)來說，從空中經(jīng)過的車流并不是有效交通流量。 2.2.1.4. 治安狀況 這是一個主觀打分的評價變量。其目的是嘗試分析目標店外圍治安環(huán)境對開房率是否存在影響。盡管是一個主觀性很強的變量，但是卻在回歸模型顯示出了很高的可信程度（ T 檢驗值比較高）具體的實際應(yīng)用可能存在局限性。 評分標準共有五檔 五分標準： 安全系數(shù)為最高，位于城市中心地帶，周邊環(huán)境治安狀況顯示為極好，或區(qū)域內(nèi)保安嚴密， 24 小時全天候保安。對旅 客保障度最高 ,旅客具有最高安全感。典型例子有： 1. 環(huán)市路二店，項目位于物資大院里面，附近有公安醫(yī)院，民警大樓，而且物資機關(guān)大院內(nèi)保安嚴密。 24 小時不間斷巡查。 2. 倉邊路店，項目位于倉邊路，附近 省、市、區(qū)各級人民政府及其職能部門 林立 ，其中包括有廣州市中級人民法院，人民檢察院等政法機關(guān)。安全保衛(wèi)環(huán)境十分理想。 四分標準 安全系數(shù)為比較高，顯示周邊治安環(huán)境較好，沒有或極少刑事治安案件的發(fā)生，同樣屬于城市中心地帶，有警察 24 小時巡查，但并沒有特殊安保措施負責旅客安全。 1. 世貿(mào)中心店以及環(huán)市路店，位于環(huán)市路商圈內(nèi)，同樣是商 業(yè)繁榮，人流量大，但由于商業(yè)環(huán)境氛圍成熟，所以人群普遍感到有安全感。 2. 江灣路店，位于白云路上，是廣州較為成熟的居住社區(qū)，位于越秀區(qū)的中心地帶。沒有外地人口聚集，治安環(huán)境較好。 三分標準： 安全系數(shù)中等級別，周邊治安環(huán)境正常，但有娛樂場所的存在，人流量較多，人群混雜，但因為處于商業(yè)圈內(nèi)，仍然有一定警力維持附近的治安。典型例子有： 1. 崗頂?shù)?，項目位于石牌東路，人流量眾多，商業(yè)繁榮，附近毗鄰石牌村。 二分標準： 安全系數(shù)一般，顯示周邊治安環(huán)境存在隱患，項目可能處于城市邊緣地帶或偏離城市繁華地帶，在夜晚行走可能存在不 安全因素，特別是女性住客可能會在晚上感到不安，附近也許偶爾有搶劫，打架斗毆等行為存在，典型例子有： 1. 黃沙店，根據(jù)店長訪談顯示，黃沙水產(chǎn)市場由于利益糾紛眾多，經(jīng)常發(fā)生打架斗毆事件，而且附近的外地貨車站場也不時產(chǎn)生糾紛。 2. 客村店，附近是潮汕人聚集地帶，存在治安隱患，夜晚有不法長途客車?？?；而且在桂田村里還存在偷盜單車的黑市 一分標準： 安全系數(shù)差，周邊治安環(huán)境嚴峻，經(jīng)常發(fā)生治安刑事案件，人員混雜，位于城市邊緣地帶，安全保衛(wèi)措施薄弱，也許存在黑社會勢力在附近活動或外省幫派聚集。 暫時未在現(xiàn)有的廣州 7 天 分店中找到 2.3. 市場條件以及社會環(huán)境 2.3.1. 概述 初步模型 選取了以下變量作為對目標店外圍 市場條件以及社會環(huán)境 的描述： 目標店附近 城市主干道單位時間內(nèi)經(jīng)過的商務(wù)人士的的數(shù)量 每分鐘行人經(jīng)過的數(shù)量 周邊方圓 50 米范圍內(nèi)普通生活店鋪的數(shù)量 周邊方圓 50 米范圍內(nèi)是否有超市及其規(guī)模大小 周邊方圓 500 米以內(nèi)事業(yè)機關(guān)單位的數(shù)量 周邊方圓 50 米范圍內(nèi)食肆的數(shù)量 周邊人口的收入水平 目標店所在區(qū)域未來商業(yè)發(fā)展前景判斷 走路 10 分鐘內(nèi) ATM 機數(shù)量 2.3.1.1. 商務(wù)人士經(jīng)過的數(shù)量 在第一個變量中所希望反映出來的 指標 是 往來 人群中 7 天酒店的主要目標客人：商務(wù) 人士 所占的 比例 。 在實際的考察中發(fā)現(xiàn) 幾個問題： 。 各個城市商務(wù)人士人群的特質(zhì)和表征各不相同，沒有統(tǒng)一的標準 考察人的主觀定義偏差 不確定商務(wù)人士的生活習慣 不確定各個目標店附近不同時間段內(nèi)商務(wù)人群的聚集情況。 由于 可操作性不強， 因此在最后的量表中已將此變量 刪除 2.3.1.2. 人流量 根據(jù)對店長和前臺店員的訪談顯示，人流量會比車流量更能夠吸聚人氣 ，典型的例子是廣園中路店，其所在地正對的大金鐘路在下午 16 點的時候每分鐘單位時間的車流量有 102 臺，但每分鐘單位時間的人流量卻只有 4 個人， 由于該店是廣園路與白云大道的切換地帶，兩頭都接駁有高架橋或環(huán)城高速，所以大金鐘路僅僅是一條交通要道。再縱觀附近區(qū)域，方圓 5 公里范圍內(nèi)既沒有商圈，也沒有辦公區(qū)域；目標店附近柯子嶺一帶是一個城中村，靠近白云山腳的又多為單位宿舍，周邊的商業(yè)活動并不頻密，因此無法有效積聚人流和客源。根據(jù)數(shù)據(jù)顯示廣園中路店是目前廣州市場上開房率最低的分店，從另外的一個側(cè)面顯示了如果沒有商業(yè)活動去支持穩(wěn)定的人流量，將直接影響項目未來的開房率。人流量的考慮優(yōu)先于車流量的考慮。 數(shù)據(jù)考察的方式是根據(jù)每一分鐘在目標店門口經(jīng)過的人流量的多少， 根據(jù)多次的測量后取平均數(shù)。 2.3.1.3. 生活店鋪 和超級市場 由于經(jīng)濟型酒店的特點，酒店里面并沒有相關(guān)的配套設(shè)施，這就需要借助酒店附 近的生活配套設(shè)施來滿足房客的生活需要。假設(shè)目標店附近的生活配套設(shè)施越完善，對客人的吸引也就越大。因此我們簡單羅列了一下的配套設(shè)施作為考核對象 ； 士多店或雜貨店 文具店或書店 超級市場或菜市場 水果店 干洗店或裁縫店 涼茶鋪子 一般而言，一個具有良好商業(yè)氣氛的路段都有可能具備上述生活店鋪部分或大部?？己撕髮⒌赇伒臄?shù)量加總列入量表中（超級市場另外計算） 2.3.1.4. 事業(yè) 單位 出乎調(diào)查意料之外的是，盡管之前把 事業(yè)單位列入了對開房率成正相關(guān)的影響要素。但通過對前臺店員和店長的訪談了解到：事業(yè)單位對酒店的入住率貢獻卻并不大，即使是位于法院，檢察院等事業(yè)單位林立的倉邊路，入住率中來自事業(yè)單位人員的貢獻率也并不十分明顯。原因往往是多方面的： 大型的事業(yè)單位往往有自己的單位招待所，例如建設(shè)大馬路店附近的廣州市委黨校，即使是外地來訪的學員也被安排住進機關(guān)招待所里面。無法吸引這部分客源出來。 本地的街道辦事處，黨群關(guān)系聯(lián)絡(luò)處，居民委員會等即使為數(shù)眾多，如龍津東路店，但根據(jù)前臺店員反映這種基層機關(guān)單位對睡眠產(chǎn)品的需求往往比較少 。 基于這種實際情況的考慮，量表中刪除關(guān)于事業(yè)單位對開房率的影響。 2.3.1.5. 周邊人口的收入水平 周邊人口的收入水平反映了這個地區(qū)人口的富裕程度和可支配收入。針對與本地 客源來說這是一個良好的指標，因為這直接考察了本地客源的經(jīng)濟水平。但也可能有意外條件的發(fā)生，那就是即使本地人口的收入水平不高，但外區(qū)的人群來本地區(qū)消費，當然這就不以本地客源作為主要消費對象。當然如果可以預(yù)測到目標店未來的客源以本地客源為主，則建議選用這一個參數(shù)。 鑒于適用性上可能存在偏差，在最后的量表中刪除。 2.3.1.6. 周邊方圓 100 米范圍內(nèi)食肆的數(shù)量 在這里我 們界定食肆的標準是取得廣州市衛(wèi)生局 C 級或以上衛(wèi)生許可證的提供餐飲服務(wù)的場所。根據(jù)店員的描述，位于內(nèi)街深處巷子里面無牌無證照經(jīng)營的大排檔一般不建議客人前往。 由于經(jīng)濟型連鎖酒店不提供餐飲服務(wù)，這就需要周邊餐飲配套設(shè)施跟上。我們假設(shè)可以提供餐飲服務(wù)的站點越多，則項目對目標消費群體的吸引力越大。數(shù)據(jù)中的餐飲店鋪根據(jù)實際踩點得到總數(shù)。范圍為周邊方圓 100 米內(nèi)。 2.3.1.7. 目標店所在區(qū)域未來商業(yè)發(fā)展前景判斷 人為對目標店所在區(qū)域未來商業(yè)發(fā)展前景做主觀判斷。 趨勢包括有： 上升 下降 維持 在這份量表中，盡管存在部分主觀因素，但仍 然希望以量化了的客觀數(shù)據(jù)作為錄入依據(jù)，由于區(qū)域未來商業(yè)發(fā)展前景判斷過于主觀，所以在最后的量表中刪除。 2.3.1.8. 步行 10 分鐘 范圍內(nèi) 內(nèi) 柜員 機 （ ATM）的 數(shù)量 經(jīng)過觀測發(fā)現(xiàn)，商業(yè)繁榮地帶的銀行或自動提款機的數(shù)量或比例普遍較高，因此可以將一定范圍內(nèi)的柜員機數(shù)量作為衡量該地區(qū)商業(yè)活動的指示器，柜員機的數(shù)量越多，顯示該地區(qū)的商業(yè)活動越頻繁和活躍。 注：柜員機既可以放置在銀行內(nèi)也可以放置在銀行外，即使沒有營業(yè)處也可以單獨計算柜員機的個數(shù)。 2.4. 區(qū)域內(nèi)密集人群聚集程度 2.4.1. 概述 該模塊主要考察的是 目標店特定區(qū)域內(nèi)可以吸引人流量的場所或建 筑物，這些地方可以有效的積聚人流，形成有效的客源流量，向四周擴散。 主要變量包括有： 目標店方圓 1 公里 范圍內(nèi)旅游景點 目標路 2 公里內(nèi)商業(yè)中心（購物中心，步行街，大型商場） 目標店附近 500 米范圍內(nèi)附近商品集散地或物流集散地 目標店附近 500 米范圍內(nèi)醫(yī)院規(guī)模 目標店附近 500 米范圍內(nèi)學校的描述 目標店周邊方圓 6 公里 范圍內(nèi)會展中心的總建筑規(guī)模 目標店附近 500 米范圍內(nèi)辦公區(qū)域，寫字樓 目標店 500 米范圍內(nèi)娛樂休閑場所 2.4.2. 變量具體描述 2.4.2.1. 旅游景點 各類的旅游景點是吸聚人流，客源的重要渠道，通過對旅游景點的細致劃分，可以區(qū)別不同類別的旅游景點對目標店的貢獻程度。我們選定的區(qū)域范圍為目標店方圓一公里范圍內(nèi)。 國家對旅游景點有不同的評定標準，我們假設(shè)旅游景點的星級評定水平越高，人流量越大，（對于類似于長沙這樣本地居民作為主要客源的城市， 區(qū)域公園的打 分 適當加大） 根據(jù)國家旅游景點評定標準， 目標店附近 沒有 景點計入零 分，區(qū)域公園 計一分，1A 景點計為兩分， 2A 景點計為三分， 3A 景點計為 4 分， 4A 景點計為 5 分， 5A景點計為 6 分 。 值得注意的是，部分市區(qū)公園尚未申請評級，（如廣州起義烈士陵園，計劃申報3A 級別的旅游景點），這些知名但尚未 評級的公園按照 2-3 分進行評分），部分不知名的景點如鰲頭公園等計為一分。 2.4.2.2. 商業(yè)中心 商業(yè)中心的描述被定義為各類的購物中心，商業(yè)步行街，以及大中型商場，商城等一切能夠產(chǎn)生零售商業(yè)活動的場所和區(qū)域。 根據(jù)內(nèi)部調(diào)用數(shù)據(jù)顯示，靠近或位于商業(yè)中心附近或邊緣的目標店開房率一般較為理想 ，顯示出商業(yè)中心或商圈對經(jīng)濟型酒店入住開房率有巨大拉動作用 。 圖表 2.4.2.2-1 對廣州開房率排名靠前的分店進行統(tǒng)計 廣州市2007年至今開房率前十一位排名0.90.9511.05天河公園店江南西店世貿(mào)中心店客村二店江灣店倉邊路店 環(huán)市中店環(huán)市中二店 天河崗頂?shù)杲ㄔO(shè)大馬路店荔灣路店廣州各分店排名開房率 2.4.2.3. 商品集散地或物流集散 地 2.4.2.3.1. 概述 集散地的定義是 將 同類資源集合起來，共同創(chuàng)辦一個力量集中的聯(lián)盟 或共同體 ，以此來擴大對外的影響。 包含有兩重意思： 1.集：資源集中，便于分配，便于行業(yè)管理和產(chǎn)品規(guī)范； 2.散：便于物流運作，產(chǎn)品迅速擴散到 其他 市場。 我觀察到的集散地市場包括有：桂花崗店附近的解放北皮具批發(fā)市場，崗頂?shù)旮浇母黝愲娔X配件以及各種硬件軟件市場，北京路店附近的一德路小商品海味批發(fā)市場，沙河店附近的服裝布料批發(fā)市場和汽車原配件批發(fā)市場等，根據(jù)與部分店長的訪談記錄，周邊環(huán)境存在的批發(fā)市場確實為該區(qū)域的分店貢獻了相當穩(wěn)定的客源， 而且保持了一定的品牌忠誠度。 2.4.2.3.2. 數(shù)據(jù)獲取方式和 變量 標準 衡量集散地的規(guī)模和大小最好的方式是考察和錄入這個集散地的經(jīng)濟指標如年總產(chǎn)值，雇傭總?cè)藬?shù)等。但由于大部分集散地無法搜索到正確和全面的數(shù)據(jù)，在我們的選址模型中我們 選用了考察批發(fā)市場的個數(shù)的方式來作為這個變量的選取標準。 2.4.2.4. 醫(yī)院規(guī)模 2.4.2.4.1. 概述 醫(yī)院也是人流聚集的密集區(qū)域之一，這個場所為社會人群提供專業(yè)醫(yī)療服務(wù)，但由于不涉及頻繁的零售商業(yè)活動，所以該場所為目標店提供的客源可能相對有限，但暫時無實際數(shù)據(jù)支持，通過對店員的訪談也不支持 那些來自 醫(yī)院的人群作為主要客源來源的 論據(jù)。 但醫(yī)院的存在可能在在某些程度上影響酒店入住率。特別如果目標店位于三級甲等醫(yī)院附近。例如崗頂?shù)辍?2.4.2.4.2. 數(shù)據(jù)獲取方式和 變量 標準 根據(jù)國家對醫(yī)院劃分的等級標準，等級共分三級九等，加上特等醫(yī)院共 10 個等級 。我們假設(shè)如果醫(yī)院的等級越高，那么成功吸聚的人流量越高。 實際操作中我們 分別按照醫(yī)院的 不同 等級錄入各自的分數(shù)。目標店附近沒有醫(yī)院錄入為零分。特等醫(yī)院錄入為 10 分，如果是三級甲等的醫(yī)院錄入為九分。 三級乙等的醫(yī)院錄入八分，如此類推。 值得注意的是一些小型診所并不列入我們的考察范圍之內(nèi)。 2.4.2.5. 學校的描述 2.4.2.5.1. 概述 根據(jù) 7 天會統(tǒng) 計的消費者年齡段結(jié)果顯示，小于 19 周歲的目標消費者僅僅占到全體消費者的百分之一的比例。在目前 400 多萬注冊會員當中，有 56 萬名會員年齡介乎 19 到 22 歲之間。也就是說 19 到 22 周歲的目標消費者卻占到了 12.83%的比例，與此同時，對七天會會員的行業(yè)分析顯示，有 20%的會員是在校學生，而且如果加上科教文衛(wèi)的比例的話，高校所蘊含的潛在客源十分值得關(guān)注。因此我們界定學校的定義為高等院校。有理由相信高校將是一個比較穩(wěn)定和理想的客源來源渠道。 圖表 2.4.2.5.1-1對 當前 7天會會員的年齡段分布圖 會員年齡分布19-2850%29-3834%39-459%=466%=46圖表 2.4.2.5.1-2對 7天會員所處行業(yè)背景的分析調(diào)查 樣本行業(yè)分布住宿餐飲業(yè)4%文教衛(wèi)體業(yè)8%學生20%其它22%批零商貿(mào)業(yè)9%信息服務(wù)業(yè)15%公共企事業(yè)8%工礦企事業(yè)6%金融地產(chǎn)業(yè)8%工礦企事業(yè) 公共企事業(yè) 信息服務(wù)業(yè) 批零商貿(mào)業(yè) 住宿餐飲業(yè)金融地產(chǎn)業(yè) 文教衛(wèi)體業(yè) 學生 其它在廣州的所有 24 間分店中，只有華師店比較明顯靠近高校 -五山高校區(qū)，根據(jù)與店員的訪談記錄顯示，來自五山高校群的客源占據(jù)了比較重要的份額。即使華師店附近有一間郵電賓館，提供同等價位的睡眠產(chǎn)品，但 7 天的定位更適合目標消費群體的需求。數(shù)據(jù)顯示 92%的開房率也處于合理區(qū)間內(nèi)。 2.4.2.5.2. 數(shù)據(jù)獲取方 式和 變量 標準 相關(guān)數(shù)據(jù)全部從互聯(lián)網(wǎng)上獲取，考察標量標準為在校學生人數(shù)和教職工總?cè)藬?shù)，單位為萬人。 2.4.2.6. 會展中心 2.4.2.6.1. 概述 會展中心吸聚的商務(wù)客人是七天連鎖酒店的首要目標消費人群，選址靠近會展中心將會得益于會展中心所帶來的巨大客源。 圖表 2.4.2.6.1-1對第 101屆廣交會開房率的統(tǒng)計 根據(jù)營銷部童吉泉對 2007 年第 101 屆廣交會的統(tǒng)計結(jié)果分析顯示 ：第 101 屆 廣交 會 當時的 8家分店的開房率排名由高到低依次為：天河公園第一（ 97%）；客村、環(huán)市中二店并列第二（ 95%）；荔灣第三（ 92%）；崗頂、環(huán)市中、江灣并列第四（ 91%）、北京路最低（ 86%） 。 我們可以從中觀察到，靠近琶洲會展中心以及廣交會舊址和錦漢展覽中心的分店分店開房率比較圖86%91%95%97%95%91% 91%92%80%82%84%86%88%90%92%94%96%98%100%廣州北京路店廣州天河崗頂?shù)陱V州客村店廣州天河公園店 廣州環(huán)市中二店廣州環(huán)市店 廣州江灣店 廣州荔灣店 分別錄得較高的開房率。其中天河公園店得益于便捷的科韻路快速干線，華南快速，以及琶洲大橋等便利交通條件，加上優(yōu)秀的管理水平，開房率一直高居榜首。荔灣路亦處于廣交會舊址的輻射范圍內(nèi)，也錄得較為理想的開房率。由此可見靠近或者處于會展中心的輻射區(qū)范圍內(nèi)可以季節(jié)性的 為連鎖型酒店帶來巨大的客源。 2.4.2.6.2. 數(shù)據(jù)獲取方式和 變量 標準 由于會展中心，特別是大型會展中心的巨大輻射作用，我們將目標店所處會展中心的輻射范圍鎖定為方圓六平方公里內(nèi)。初步的考察數(shù)據(jù)是目標會展中心的年總產(chǎn)值，但由于在互聯(lián)網(wǎng)上找不到這樣的數(shù)據(jù)，變量值改為目標會展中心的總面積，單位為萬平方米。這樣的變量可能更適用于其他的二三線城市。 2.4.2.7. 辦公區(qū)域和寫字樓 2.4.2.7.1. 概述 根據(jù)經(jīng)濟型連鎖酒店自身的定位，商務(wù)客人是 7天連鎖酒店的首要來源，不同于會展中心那樣可能有季節(jié)性的因素，辦公區(qū)域或?qū)懽謽侨嚎赡芴峁┝碎L期穩(wěn)定及大量的商務(wù)客源。 圖表 2.4.2.7.1-1對環(huán)市路寫字樓附近一帶開房率的比較 93.00%93.50%94.00%94.50%95.00%95.50%96.00%廣州環(huán)市中店 廣州環(huán)市中二店 廣州建設(shè)大馬路店對環(huán)市路三家分店的開房率比較 2.4.2.7.2. 數(shù)據(jù)獲取方式 和參數(shù)標準 對參數(shù)的評定標準起初的想法是選取目標店附近辦公室的 實用或建筑 總面積， 但實際的情況是無法準確的拿到數(shù)據(jù)，即使拿到，在以后的選址數(shù)據(jù)錄入時也可能產(chǎn)生很有困難?；谶@樣的設(shè)想，參數(shù)標準改為測算附近 500 米寫字樓的數(shù)量，而不考慮每一個寫字樓的建筑面積或?qū)嵱妹娣e的大小。 數(shù)據(jù)獲取方式有兩種，第一種是根據(jù)現(xiàn)場考察，對目標店方圓 500 米范圍內(nèi)的寫字樓 數(shù)量進行目測，將測算到的寫字樓數(shù)量列入調(diào)查表中。第二種辦法是利用網(wǎng)絡(luò)無憂地圖，測算附近的寫字樓數(shù)量，然后加總列入調(diào)查表中。 2.4.2.8. 娛樂休閑場所 對娛樂休閑場所的定義我們羅列出了下面包括了但不局限于此的服務(wù)項目： 足部按摩 桑拿浴室 KTV（卡拉 OK）或與飲食業(yè)同業(yè)經(jīng)營的混合體 各類酒吧，如露天酒吧，主題酒吧等或可以提供主食的酒吧 棋牌室，如麻將，橋牌等牌藝 電子游戲功能室（如廣州天夢宮，南夢宮等） 各類歌舞廳 2.5. 同業(yè)競爭環(huán)境 2.5.1. 概述 根據(jù)對目標店實地現(xiàn)場考察，某一個路段或區(qū)域內(nèi)不同檔次的睡眠產(chǎn)品的數(shù)量，是由該地區(qū)的市 場均衡價格決定的。也就是說某一特定商業(yè)環(huán)境在特定時間內(nèi)的市場需求容量是不變的，在一定的市場容量以內(nèi)，直接競爭對手的數(shù)量以及房量越多，當?shù)仄骄績r就越低，同時開房率就就越低。當然如果在市場均衡價格下， 某酒店的邊際成本大于邊際收入，該酒店將無法持續(xù)經(jīng)營。 圖表 2.5.1-1開房價格與房源供給的坐標分析圖 開 房 價 格同 類 房 源 供 給供 應(yīng) 曲 線 1供 應(yīng) 曲 線 2該 地 區(qū) 固 定 的 房 量 需 求曲 線價 格 1價 格 27 天 的 房 源 需 求 變 化注： 在調(diào)查中發(fā)現(xiàn)，大部分 7 天連鎖分店的房間價格普遍比附 近的同類睡眠產(chǎn)品提供者要偏高 20%左右，而且 7 天酒店可能抬高了當?shù)厝胱〉臉藴?，一些不是連鎖型的酒店也提供了寬帶網(wǎng)線接入，大床房，寬敞的浴室等設(shè)施，這一點在三元里棠溪，沙涌分店一帶十分明顯?，F(xiàn)場調(diào)查也顯示，并不是競爭對手越多，開房率就會越低，這還與當?shù)氐淖∷奘袌鋈萘坑泻艽箨P(guān)系，例如棠溪店，沙涌店，其周邊分別都有超過 20 多家二星級或經(jīng)濟型酒店，但 2007 年的開房率統(tǒng)計結(jié)果顯示這兩家店的數(shù)據(jù)正常。 同行競爭對手 考察的是對 7 天連鎖酒店直接或間接的替代產(chǎn)品，盡管四星級以上的酒店也 同樣 提供睡眠產(chǎn)品，但由于價格和目標消 費人群 與經(jīng)濟型酒店 有巨大差異， 所以與 7 天連鎖 酒店的競爭相關(guān)度并不大 。 圖表 2.5.1-2 7天會對注冊會員關(guān)于住宿預(yù)算的問卷調(diào)查 按照大部分目標房客預(yù)算費用在 250 元以下 的話 ，部分三星級酒店，所有經(jīng)濟型連鎖酒店以及二星級酒店都可能提供符合目標消費者的住宿預(yù)算 ，與 7 天連鎖酒店 相類似的睡眠產(chǎn)品 ?；谶@種假設(shè)， 我們 提出了將三星級酒店，經(jīng)濟型連鎖酒店和二星級酒店列入直 接競爭者 ，目標考察區(qū)域鎖定在目標店方圓 500 米內(nèi)，分別考察同業(yè)直接競爭者的三個要素：，以及 競爭者個體存量 房間容量 walk in 價格 2.5.2. 數(shù)據(jù)獲取方式 三星級酒店 目標店附近的三星級酒店房間總數(shù)可以通過查詢前臺單張或宣傳冊獲得；Walk-in 價格可以透過網(wǎng)上的商旅中介機構(gòu)獲得，價格十分透明。 經(jīng)濟型酒店 經(jīng)濟型連鎖酒店的房間數(shù)量以及價格也十分透明，在各酒店網(wǎng)站上有詳細標明。 二星級酒店或招待所 房間數(shù)量必須現(xiàn)場目測，根據(jù)房屋建筑的構(gòu)造首先判斷一個樓層的房間數(shù)量，然后乘于酒店樓層總數(shù)，得出該店實際的房間數(shù) 量，房間價格以現(xiàn)場所能得到的最外出旅游時每晚住宿預(yù)算250以下69%400-6001%不一定15%600以上0%250-40015%250以下 250-400 400-600 600以上 不一定 低價格作為參考變量。 3. 回歸模型的運行 3.1. 衡量回歸模型 準確性的評判標準 R 平方 在線性回歸模型中，回歸模型是否合適或合適程度如何取決于確定性系數(shù)（ coefficient of determination）由 R 平方表示。其表達公式為： R 平方 = 自變量解釋的變化部分 總離差 R 平方的數(shù)值總是位于 0 和 1 之間的數(shù)，一般來講， R 平方的數(shù)值越高，回歸方程的擬合度就越好。由于 R 平方測量了回歸直線所解釋的因變量 Y 的總變化的比例，因此可以說回歸直線解釋的變化的百分比就 是 R 平方。 T 統(tǒng)計值 T 統(tǒng)計值描述的是每一個自變量，或者說變量系數(shù)的確定程度，跟 C 值進行比較，如果 T 值比 C 值小的話，通常被認為是這個自變量的可信程度偏低，建議是刪除該變量或進行相關(guān)度測試。 T 值越大越好。 因變量與自變量之間的相關(guān)度 單個自變量與因變量高度相關(guān)將可能會產(chǎn)生較理想的回歸模型，但不必然證明多個自變量與因變量之間存在線性相關(guān)。 刪除多重共線性 有許多自變量之間有可能產(chǎn)生兩兩相關(guān)性，這是不無道理的，因為變量與變量之間是有相互聯(lián)系的。例如馬路的寬度與單位車流量就是高度正相關(guān)的。在進行回歸分析的時候就必須 去掉一個。否則就會產(chǎn)生多重共線性，令回歸方程出現(xiàn)偏差。 線性與非線性的關(guān)系 建立回歸模型一個重要的因素是看因變量和自變量之間是否存在線性關(guān)系，如果是的話，比較容易得出置信程度較高的回歸方程。如果自變量跟因變量之間的線性關(guān)系不明顯，就要將非線性轉(zhuǎn)變?yōu)榫€性去分析。比如將自變量開方，平方，或 取對數(shù)。加入到新的回歸模型中去運行。 3.2. 回歸方程求解 步驟 3.2.1. 相關(guān)性分析 首先第一步，利用 SPSS 軟件，先對所列的 41 個變量進行兩兩相關(guān)性分析，剔除超過 50%以上相關(guān)度的部分變量之后，剩下了 25 個變量。它們分別是： 目標地和最近公 交車站的距離 距離地鐵站，輕軌的距離 機場大巴上下客點距離目標地的時間 目標地附近 50 米內(nèi)停放車輛的數(shù)量 距離目標地最近的主干道上單位時間車流量 目標地附近的公交總線路 到達該地區(qū) 5 公里范圍內(nèi)核心區(qū)域的公交線路數(shù) 七天外墻側(cè)面的可視距離：從主干道上觀測 目標地所在街道管轄區(qū)域內(nèi)的治安狀況 周邊方圓 50米范圍內(nèi)食肆的數(shù)量 周邊人口的收入水平 步行 10分鐘內(nèi) ATM機數(shù)量 目標店方圓 一公里 范圍內(nèi)旅游景點 目標路 2公里內(nèi)商業(yè)中心（購物中心，步行街，大型商場） 目標店區(qū)域 500 米范圍內(nèi) 附近商品集散地或物流集散地 目標店附近 500 米范圍內(nèi)醫(yī)院規(guī)模 目標店附近 500 米范圍內(nèi)學校的描述 目標店周邊方圓 6公里米范圍內(nèi)會展中心的總建筑規(guī)模 目標店附近 500 米范圍內(nèi)辦公區(qū)域，寫字樓 目標店 500米范圍內(nèi)娛樂休閑場所 目標地附近方圓 500米內(nèi)的二星級酒店（招待所）數(shù)量 目標地附近方圓 500米內(nèi)的經(jīng)濟型酒店的數(shù)量 以上三星級酒店的 walk in價格 目標店計劃房間總數(shù) 3.2.2. 調(diào)整變量 由于數(shù)據(jù)庫中只有 24 間分店的數(shù)據(jù)，根據(jù)回歸方程的要求，因變量 (分店數(shù) )的 數(shù)量必須要大于自變量 (各要素 )的數(shù) 量，簡單而言，就是方程組的個數(shù)必須要比未知數(shù)的個數(shù)要多才可能解出方程組未知數(shù)。根據(jù)理論上的經(jīng)驗，在只有 24 個因變量的情況下，真正符合條件的自變量可能只有不超過五個。 方法一、 將 24 個變量運用不同的組合方式進行組合搭配，利用開房率做因變量，模擬回歸過程，結(jié)果顯示有三個變量的 T 值 (反映可信程度 ) 符合要求，它們分別是： 目標地和最近公交車站的距離 到達該地區(qū) 5 公里范圍內(nèi)核心區(qū)域的公交線路數(shù) 目標地所在街道管轄區(qū)域內(nèi)的治安狀況 基于這樣的考慮，結(jié)合其他成員的意見，嘗試根據(jù)經(jīng)驗選取 14 個有效的變量進行回歸運行。 由于 24 間分店中有 6 間分店開業(yè)的時間在半年以內(nèi)，為了數(shù)據(jù)的準確，在做回歸模擬的時候刪除這 6 間分店的數(shù)據(jù)。只剩下 18 間分店的數(shù)據(jù)。這些變量分別是： 1. 機 場 距離地鐵站，輕軌的距離 2. 機 場大巴上下客點距離目標地的時間 3. 出租車單位時間（ 5 分鐘）經(jīng)過臨近主干道的數(shù)量 4. 距離目標地最近的主干道上單位時間車流量 5. 目標地附近的公交總線路 6. 七天外墻側(cè)面的可視距離：從主干道上觀測 7. 每分鐘行人經(jīng)過的數(shù)量 8. 目標店 2 公里內(nèi)商業(yè)中心（購物中心，步行街，大型商場） 9. 目標店附近 500 米范圍內(nèi)學校的描述 10. 目標店附近 500 米范圍內(nèi)辦公區(qū)域，寫字樓 11. 目標店 500 米范圍內(nèi)娛樂休閑場所 12. 目標地附近方圓 500 米內(nèi)的三星級酒店數(shù)量 13. 目標地附近方圓 500 米內(nèi)的二星級酒店（招待所）數(shù)量 14. 目標地附近方圓 500 米內(nèi)的經(jīng)濟型酒店的數(shù)量 注： 未加入調(diào)整變量：即房間數(shù)量的原因在于，根據(jù)目前廣州市場的表現(xiàn)，房間數(shù)量多的分店反而錄得較高的開房率，這與先前的假設(shè)有所出入。因為原理上的房間數(shù)量和開房率是成反比關(guān)系的。 回歸結(jié)果顯示： 回歸報告 回歸統(tǒng)計 Multiple R 0.912419965 R 平方 0.832510193 調(diào)整后 R Square 0.050891096 標準誤差 0.083829391 觀測值 18 方差分析 df SS MS F 回歸分析 14 0.104788845 0.007484918 1.06511 殘差 3 0.0210821 0.007027367 總計 17 0.125870946 Coefficients 標準誤差 t Stat截距 0.60075745 0.143215294 4.194785591X Variable 1 8.7525E-05 4.98924E-05 1.754284749X Variable 2 -8.543E-05 0.000158173 -0.540118464X Variable 3 0.01024917 0.00755456 1.356687082X Variable 4 -0.0014373 0.002208112 -0.650913016X Variable 5 0.00241818 0.006893491 0.350791838X Variable 6 0.01694341 0.101671875 0.166647983X Variable 7 0.00217719 0.003723243 0.584757473X Variable 8 -0.0528825 0.077630765 -0.681205137X Variable 9 0.00176564 0.011618527 0.151967484X Variable 10 0.0082477 0.008223801 1.002906624X Variable 11 0.02369198 0.042194422 0.561495644X Variable 12 0.00051644 0.000627778 0.822648096X Variable 13 0.00508007 0.011512239 0.441275817X Variable 14 0.00790454 0.029325868 0.2695415