一、研究背景
共享经济平台在过去几年中变得极为流行，它们改变了我们上下班、旅行、借贷和其他活动的方式。虽然这些平台受到大量消费者的欢迎，但对它们的监管仍没有到位。
二、文章要解决的主要问题
Airbnb是共享经济平台最成功的例子之一，经常受到监管者和政策制定者的批评。随着时间的流逝，Airbnb的需求和供给已经发生了变化，而传统法规无法应对这些变化。本文希望依靠数据分析来预见可对实时需求做出响应的法规。
三、文章提出的主要技术方法
本文首先梳理了一些特征变量，如图所示。
将房源是否被Airbnb列出作为数据的结果，本文使用线性回归中的普通最小二乘模型（Ordinary Least Squares，OLS）以获得变量与结果之间的相关性，对于隐含地理信息的变量，还进行了空间上的相关性验证。
4. #### 实验及结论
本文使用的是Airbnb在伦敦的数据集，进行了多个方面的数据分析。
第一，发现了共享经济与社会经济学相关，添加了一个变量，“到城市中心的距离”。
第二，发现了Airbnb对待整个房子（house）出租与房间（room）出租非常不同，将这两部分数据分开分析。
第三，发现了变量与结果之间的相关性随时间变化，分析得到了以下结果。
2012：早期阶段，最重要的预测因素是地理位置，即Airbnb首先渗透到靠近市中心的区域。就业负相关，早期使用者中可能有一定比例的学生。
2013：地理位置与FourSquare[1]打卡在统计上不再显著。第二阶段，Airbnb进入了居民不一定是精通技术的年轻人的地区。收入负相关，使用者中可能有人在经济上挣扎。
2014和2015：延续2013的趋势，特别是对Airbnb发行量的最强预测指标有两个：低收入和所租房屋数量。这表明Airbnb有可能帮助那些可能在经济上陷入困境的人们。
第四，以上只是考虑房源被Airbnb列出，Airbnb实际需求量较高的地区是旅游区，这在四年间没有变化；它们靠近市中心，并且FourSquare打卡次数很多，人口密度也很高。
本文依靠数据分析提出了五个监管方面的建议：
- 应该建立新的Web平台，以提供“可转让的共享权”方案，其中价格要基于实时市场需求和市政政策。政策应处理短期租金所造成的外部性，同时应利用短期提供的机会（例如，经济活动的分散化）。此外，政策可能取决于邻里，因为它们可能会在同一城市的邻里之间发生变化。
- 应在考虑四个主要因素的同时分配可转让的共享权：对采用的未来后果，当地经济的发展，旅游业的可持续性以及避免短期租赁“热点”。
- 可转让共享权的条款应根据是租用房间还是整个公寓而改变。
- 市政当局应鼓励创建数据共享生态系统。
- 市政当局应根据数据不断评估短期租金的影响，并应相应完善其规定。
结论：只有个别城市致力于共享经济的监管。城市应该依靠数据分析来设想和修改其本地法规，本文通过分析有关短期租金的数据以提供监管建议来展示了方法。根据调查结果，起草了五项主要的监管建议。本文还是“算法监管”（algorithmic regulation）普遍性思想的具体方法，该方法也可以用来规范与共享经济无关的任何公民问题。
五、分析及启示
“算法监管”（algorithmic regulation）与我国强调的“精准施策”具有一定的相似性，是在对大量数据进行分析后制定符合实际需求的政策。
本文作为一次具体的实践，放在这个层面来讲，做得仍然不够细致。
FourSquare是一个基于地理位置的手机社交应用。 ↩︎
