资料电信业务增加的因素分析.docx
《资料电信业务增加的因素分析.docx》由会员分享,可在线阅读,更多相关《资料电信业务增加的因素分析.docx(23页珍藏版)》请在冰豆网上搜索。
![资料电信业务增加的因素分析.docx](https://file1.bdocx.com/fileroot1/2023-2/8/93d32beb-56e5-4181-a622-05697eb04941/93d32beb-56e5-4181-a622-05697eb049411.gif)
资料电信业务增加的因素分析
电信业务收入增加的因素分析
一.问题的提出
中国的经济发展以其独有的魅力吸引着全世界的目光。
从1998年起,国内生产总值的增长率就保持在7%-8%之间,2003年的增长率达到了9.1%。
2004年国家采取了积极的宏观调控政策,保证中国经济的稳定增长。
2004年的国内生产总值达到136515万元。
中国经济的增长有很多的原因,其中通信产业的快速增长是其中的关键原因之一。
从1998年起,通信产业收入所占国内生产总值的比重逐年增加,由1998年的2.87%上升到2004年的4.19%。
通信产业的飞速增长体现在2001年,通信业务收入达到了3571.9亿元,同比增长16.1%。
从几年来的发展历程看,中国通信产业保持了一个较快的增长速度,一直保持二至三倍于国内生产总值(GDP)的增长速度。
中国通信市场的增长规模将为全球电信的发展提供更加广阔的空间。
近十年来,是中国电信事业大发展的时期,也是电信业务蓬勃兴起的春天。
进入21世纪,中国加入WTO,中国电信产业面临着空前的市场机遇和来自多方面的巨大挑战。
中国电信十几年的高速发展主要得益于规模效应。
几十年积压下来的电信事业发展欠帐和伴随经济增长社会对电信事业的巨大需求,把电信产业推到了国民经济的最前沿,成为拉动经济增长的主要驱动力。
电信业务种类不断增加,应用领域逐渐拓宽,经营主体逐年增多,全国电信业务总量由1990年的109.59亿元增加至14595.37549亿元(2006年信息产业部年检统计)。
在此期间虽然政府监管部门采取了降低电信业务市场准入门坎、扩大电信业务种类、下调电信资费、为电信业务经营单位核配专用短号码等措施,为电信业务经营者的发展和竞争提供了一系列的政策保障,并且随着电信应用的不断普及、电信新增装机用户的逐步减少,规模效应的增长开始放缓,电信产业的进一步发展遇到了阻力。
但目前我国电信业务总量增长平稳。
笔者根据统计的数据,对影响电信业务增加的因素进行分析,并提出自己的建议。
二.理论综述
米尔恩在1998年首先从经济发展水平和电信发展阶段角度研究了电信普遍服务发展问题。
网络发展状况主要可以分为五个阶段,
每一阶段都反映了不同的电信和经济发展水平。
在电信网络发展的前两个阶段,人均国民生产总值停留在中下水平,主线普及率一般在30%以下,住宅用户安装比例则更低,电信运营大多是国家垄断,寻找投资、扩大网络是公司的管理重点,因此,普遍服务内容主要是安装公用和提高住宅普及率,而规定许可证条件和普遍服务义务则成为典型的普遍服务政策。
在电信网络完善的后面阶段,人均国民生产总值往往比较高,主线普及率一般超过40%,所有的住宅用户几乎都能装上,电信运营商之间的竞争比较激烈,因此满足每个人的通信需求、扩大普遍服务内容成为普遍服务的特点。
早在1963年吉珀(Jipp)就证明了人均GDP和主线普及率存在着很强的关系,他发现不管是最发达国家还是最不发达的国家人均GDP和普及率几乎是线性对数关系。
詹姆斯·阿雷曼(Jallies Alleman)等人1994年用非洲南部国家的例子研究了电信和经济发展的关系,得出电信发展是经济发展的必要条件。
安德鲁·哈迪(Andrew Hardy)采集了45个国家14年的数据论证了电信和经济互为因果的结论。
诺顿(Norton)认为电信投资减少了金融市场的交易成本,促进了金融发展和经济发展,电信发展是经济发展强有力的驱动因素。
此外ITU以及Kang和Yoon也都研究给出了每百人主线数与人均GDP之间的回归方程式。
曾有人收集了1978-2002年我国国民经济发展和电信发展的有关数据,设x代表用美元折算的人均GDP,y*代表主线普及率,采用最小二乘法,分别得出以下双对数线性回归模型和简单线性回归模型:
可以看出,两个方程的R2都很接近于1,而两个方程的所有回归系数的标准差(括号内数值)都很小。
所以这两个方程及其系数在统计上的回归效果都是非常显著的。
这说明经济的发展促进了电信普遍服务的实施。
但是仅仅是经济的发展促进了电信业务的增加吗?
对于其他方面的影响,我们将在此对电信业务收入的增加因素进行分析。
三.数据收集以及模型建立
我们收集的数据全部来自CSMAR证券财务年报股票市场研究数据库,样本容量为34,基本符合大样本的要求。
统计期间
电信业务收入(Y)
电信投资完成额(X1)
用户合计(X2)
普及率(X3)
互联网用户(X4)
移动通话时长合计(X5)
2003-01
358.5
-9666
43044.3
33.7
4875
3985000
2003-02
706.1
-9666
43789
33.7
4927.4
7477000
2003-03
1089.3
215
44711.7
33.7
4992
11710000
2003-04
1477.3
383.7
45475.6
33.7
5078.8
16093000
2003-05
1824.2
571.5
46293.8
33.7
5221
20564000
2003-06
2199.7
785.1
47208.2
37.7
5323.5
25223000
2003-07
2621.9
930.4
48021.3
37.7
5381.3
30163000
2003-08
3015.7
1069.4
48904.4
37.7
5443.3
35354000
2003-09
3420.1
1240.8
50044.2
39.8
5387.6
40733000
2003-10
3814.4
1420.4
51207.7
39.8
5350
46231000
2003-11
4210
1687.7
52332
39.8
5325.6
51809000
2003-12
4610
2215.2
53199.8
42.1
5365.7
57729000
2004-01
414.1
-9666
54573.5
42.1
5543.9
6498994.7
2004-02
818.9
-9666
55685.9
42.1
5464.8
13039900.2
2004-03
1249.4
284.4
57138.6
42.1
5458.5
20495673
2004-04
1683.6
450.4
58119.8
42.1
5412.7
28096437.4
2004-05
2103.6
625.4
59096
42.1
5366.6
35823368.1
2004-06
2536.1
886.4
60077.1
47.4
5347
43570341.8
2004-07
2974.4
1046.7
60921.4
47.4
5302.2
51523971
2004-08
3417.6
1215
61800.1
47.4
5284.3
59501019.8
2004-09
3862.1
1381.2
62699.4
49.3
5232.9
67982955.3
2004-10
4316.8
1556.2
63572.9
49.3
5106.9
76518383
2004-11
4755
1765
64308
49.3
4929.9
85192667.5
2004-12
5187.6
2136.5
64726.7
50.8
4786.2
94303281.7
2005-01
450.4
-9666
65542.7
50.8
4829.8375
9204439
2005-02
886.3
-9666
66374.8
50.8
4482.9202
17339280.7
2005-03
1365.2
284
67445.4
50.8
4511.7288
27485253.4
2005-04
1848.8
406.5
68318
50.8
4256.4163
37752743.4
2005-05
2328.1
539.5
69204.5
50.8
4184.8123
48115474.5
2005-06
2812
778.1
70060.6
54
4038.8276
58456633.9
2005-07
3305.7
901.7
70811
54
3991.117
68945999.4
2005-08
3808.2
1040.5
71507.2
54
3963.3907
79644728.4
2005-09
4311
1211
72369.9
55.7
3843.4371
90661990.9
2005-10
4807.8
1393
73163.4
55.7
3782.7224
101832544.8
2005-11
5293.7
1618.7
73895.8
55.7
3733.8116
113209876.9
2005-12
5799
2033.4
74386.1
57.3
3572.8618
125087832.2
建立模型:
以电信业务收入为Y被解释变量,电信投资完成额为X1解释变量,用户合计为X2解释变量,普及率(包括固定&移动)为X3解释变量,互联网用户为X4解释变量,移动通话时长合计为X5解释变量。
设立多元线性回归模型:
Y=C+a1*X1+a2*X2+a3*X3+a4*x4+a5*X5+U
U为随机扰动项
四.模型的估计与调整
利用eviews进行最小二乘估计得:
Includedobservations:
36
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
414.0336
1006.656
0.411296
0.6838
X1
0.053633
0.017851
3.004399
0.0053
X2
-0.110388
0.036100
-3.057842
0.0047
X3
104.9526
49.23354
2.131729
0.0413
X4
0.361893
0.131504
2.751961
0.0100
X5
5.12E-05
3.34E-06
15.31599
0.0000
R-squared
0.970445
Meandependentvar
2768.961
AdjustedR-squared
0.965519
S.D.dependentvar
1562.135
S.E.ofregression
290.0747
Akaikeinfocriterion
14.32917
Sumsquaredresid
2524300.
Schwarzcriterion
14.59309
Loglikelihood
-251.9250
F-statistic
197.0091
Durbin-Watsonstat
0.856336
Prob(F-statistic)
0.000000
Y=414.0335928+0.05363292988*X1-0.1103884871*X2+104.9525691*X3+0.3618926633*X4+5.121455625e-005*X5
模型的检验:
1、经济意义的检验:
x2的符号不符合经济理论。
按照假设,所有的解释变量对被解释变量的影响都是正向的。
所以该模型不能通过经济意义检验。
2、统计检验:
R值为0.970445,修正后的R值为0.965519,模型的拟合情况很好,F值为197.0091整个模型对电信业务收入的影响是显著的。
T检验:
给定显著性水平0.05,查表得自由度为n-k=36-6=30临界值为2.0423,x1、x2、x3、x4、x5的绝对值都大于2.0423,说明t检验显著。
3、计量经济检验:
A)多重共线性检验:
简单相关系数检验法
计算各解释变量的相关系数,得相关系数矩阵如下:
X5
X4
X3
X2
X1
X5
1.000000
-0.607827
0.733124
0.703288
0.608932
X4
-0.607827
1.000000
-0.741521
-0.756258
-0.130999
X3
0.733124
-0.741521
1.000000
0.987891
0.234572
X2
0.703288
-0.756258
0.987891
1.000000
0.240127
X1
0.608932
-0.130999
0.234572
0.240127
1.000000
由相关系数矩阵可以看出,x2和x3,x2和x5,x5和x3,x1和x5的相关系数都较高。
证实存在多重共线性。
多重共线性的修正:
逐步回归法
分别做Y对X1、X2、x3、X4、X5的一元回归,结果如下所示:
变量
X1
X2
X3
x4
X5
参数估计值
0.274082
0.075005
108.8408
-0.93713
4.53E-05
t统计量
5.984696
3.112586
3.533003
-2.29361
15.4556
R^2
0.51301
0.221758
0.268536
0.133993
0.875401
调整的R^2
0.498686
0.198868
0.247022
0.108522
0.871736
其中,加入X5的方程R^2最大,把x5作为第一个变量引入回归方程,顺次加入其他变量进行回归。
R^2
x5、x1
0.909517
x5、x2
0.94467
x5、x3
0.936224
x5、x4
0.94053
经比较,新加入X2的变量的方程虽然R^2最大,但是X2的符号变得不合理,且t检验不显著,说明X2引起多重共线性,应予剔除。
选择保留X4,再加入其他新变量逐步回归,结果显示:
在X5、X4基础上加入X3后,X3的符号变得不合理,而加入X1后,R^2为0.9495,有改进。
说明X3和x2引起多重共线性,应予剔除。
最后修正多重共线性影响的回归结果为:
Includedobservations:
36
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-2935.403
795.0268
-3.692206
0.0008
X1
0.049500
0.020707
2.390516
0.0229
X4
0.697198
0.138385
5.038093
0.0000
X5
4.95E-05
3.27E-06
15.13350
0.0000
R-squared
0.949541
Meandependentvar
2768.961
AdjustedR-squared
0.944811
S.D.dependentvar
1562.135
S.E.ofregression
366.9834
Akaikeinfocriterion
14.75295
Sumsquaredresid
4309659.
Schwarzcriterion
14.92890
Loglikelihood
-261.5531
F-statistic
200.7265
Durbin-Watsonstat
0.539976
Prob(F-statistic)
0.000000
Y=-2935.402591+0.04949991742*X1+0.6971976894*X4+4.952406459e-005*X5
各变量的T检验和F检验都显著,R^2=0.949541,拟合优度较好。
B)异方差性检验:
因为变量的观测值为大样本,并且是时间序列数据,所以采用ARCH检验。
1)提出原假设:
H0:
a1=a2=……=a10=0;H1:
a1,……,a10中至少有一个不为0
2)对原模型做OLS估计,求出残差e2,并计算滞后期为10期的残差平方序列,E2(-1)^2E2(-2)^2E2(-3)^2E2(-4)^2E2(-5)^2E2(-6)^2E2(-7)^2E2(-8)^2E2(-9)^2E2(-10)^2,
3)做辅助回归:
E2^2=C
(1)+C
(2)*E2(-1)^2+C(3)*E2(-2)^2+C(4)*E2(-3)^2+C(5)*E2(-4)^2+C(6)*E2(-5)^2+C(7)*E2(-6)^2+C(8)*E2(-7)^2+C(9)*E2(-8)^2+C(10)*E2(-9)^2+C(11)*E2(-10)^2
结果如下:
Includedobservations:
26afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
2.56E+10
3.37E+10
0.760298
0.4589
E2(-1)^2
0.805808
0.250303
3.219330
0.0057
E2(-2)^2
-0.545245
0.323740
-1.684203
0.1128
E2(-3)^2
0.486072
0.351475
1.382949
0.1869
E2(-4)^2
-0.286653
0.371670
-0.771257
0.4525
E2(-5)^2
0.256365
0.375771
0.682238
0.5055
E2(-6)^2
-0.185013
0.375957
-0.492112
0.6298
E2(-7)^2
0.096029
0.371150
0.258733
0.7994
E2(-8)^2
-0.126538
0.351577
-0.359916
0.7239
E2(-9)^2
0.032734
0.322582
0.101476
0.9205
E2(-10)^2
-0.078732
0.250814
-0.313908
0.7579
R-squared
0.461624
Meandependentvar
5.13E+10
AdjustedR-squared
0.102707
S.D.dependentvar
1.20E+11
S.E.ofregression
1.14E+11
Akaikeinfocriterion
54.05338
Sumsquaredresid
1.95E+23
Schwarzcriterion
54.58566
Loglikelihood
-691.6940
F-statistic
1.286157
Durbin-Watsonstat
1.997997
Prob(F-statistic)
0.319513
4)计算(n-10)*R^2=26*0.461624=12.002,给定显著性水平0.05,查表得临界值=18.307,因为12.002<18.307,接受原假设,表明模型中的随机误差不存在异方差。
C)自相关性检验:
采用DW检验法:
由使用普通最小二乘法估计出的模型得:
DW值=0.540420,对样本量为36,3个解释变量的模型、5%显著水平,查DW统计表可知:
dL=1.295,dU=1.654,DW
这一点从残差图也可以看出:
残差图连续为正和连续为负,表明确实存在自相关。
残差图连续为正和连续为负,表明确实存在自相关。
自相关问题的修正:
科克伦-奥克特迭代法:
使用e2=resid进行滞后一期的自回归,得到:
e2=0.810868*e2(-1)
自相关系数等于0.810868,对原模型进行广义差分,得到广义差分方程如下:
Y-0.810868*Y(-1)=a1*(1-0.810868)+a2*(x1-0.810868*x1(-1))+a3*(x4-0.810868*x4(-1))
+a4*(x5-0.810868*x5(-1))+U
回归结果如下:
Includedobservations:
35afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-648.5317
266.6419
-2.432220
0.0210
X1-0.810868*X1(-1)
0.026227
0.015084
1.738717
0.0920
X4-0.810868*X4(-1)
0.693947
0.269724
2.572806
0.0151
X5-0.810868*X5(-1)
5.74E-05
3.47E-06
16.55076
0.0000
R-squared
0.959144
Meandependentvar
662.7684
AdjustedR-squared
0.955190
S.D.dependentvar
1088.570
S.E.ofregression
230.4325
Akaikeinfocriterion
13.82500
Sumsquaredresid
1646073.
Schwarzcriterion
14.00276
Loglikelihood
-237.9376
F-statistic
242.5864
Durbin-Watsonstat
1.855367
Prob(F-statistic)
0.000000