影响电信业务收入的主要因素的分析大学论文.docx

影响电信业务收入的主要因素的分析大学论文.docx

《影响电信业务收入的主要因素的分析大学论文.docx》由会员分享，可在线阅读，更多相关《影响电信业务收入的主要因素的分析大学论文.docx（15页珍藏版）》请在冰豆网上搜索。

影响电信业务收入的主要因素的分析大学论文

影响电信业务收入的主要因素的分析

1949年以前，中国电信系统发展缓慢，到1949年，中国电话的普及率仅为0.05%，电话用户只有26万；到1978年，全国电话容量359万门，用户214万，普及率0.43%；自上世纪80年代中期以来，中国政府加快了基础电信设施的建设，到2004年9月，固定电话用户数达30692.3万户，移动电话用户32007.1万户。

另一方面，根据《中国统计年鉴》上的数据，我们在发现在第三产业`增加值指数中，通信业的增加值指数是最大的。

在1995年是112.1;在1996年是111.4;在1997年是110.8;在1998年是110.6,在1999年是111.3,在2000年是111.5（上年等于100）。

显然，电信业对第三产业的发展影响是最显著的。

而我们也知道第三产业在GDP中所占的比例是我们衡量一国综合实力的重要指标，从而对电信收入的研究显得尤为重要。

为了研究我国电信业的发展情况，真正了解我国电信业的发展前景，我们选择了电信收入作为我们的被解释变量，选取固定电话用户数、移动电话用户数、互联网用户数、以及电信业固定资产投资完成额作为我们的解释变量

电信收入作为我们的被解释变量，选取固定电话用户数、移动电话用户数、互联网用户数、以及电信业固定资产投资完成额作为我们的解释变量

为了研究当月止电信业务收入累计额y（亿元）与月固定电话用户数x1（亿户）、月移动电话用户数x2（亿户）、月互联网用户数x3（亿户）和当月电信业固定资产投资完成额x4（亿元）的关系，我们需要一定时期的y、x1、x2、x3、x4这五个变量的数据。

通过互联网，我们已经从国家统计局的网站上找到了相关数据。

我们选取了2001年1月到2004年9月这45组数据。

数据资料如下：

obs

Y

X1

X2

X3

X4

2001:

01

233.9800

1.482750

0.897590

NA

NA

2001:

02

496.1200

1.514410

0.949070

NA

NA

2001:

03

734.4700

1.547380

1.003140

NA

140.5400

2001:

04

1013.890

1.574090

1.051980

NA

195.6000

2001:

05

1290.090

1.606300

1.110800

NA

540.9000

2001:

06

1590.130

1.643710

1.167610

NA

806.0000

2001:

07

1962.780

1.668210

1.206050

NA

990.7700

2001:

08

2175.900

1.694680

1.257740

NA

1148.900

2001:

09

2575.500

1.722700

1.309100

NA

1396.700

2001:

10

2879.400

1.747690

1.360190

NA

1700.100

2001:

11

3196.500

1.771120

1.399220

NA

1919.000

2001:

12

3335.200

1.790340

1.448120

0.361460

2343.700

2002:

01

3598.430

1.819310

1.499090

0.363450

2343.700

2002:

02

3893.340

1.851420

1.558520

0.362660

2343.700

2002:

03

4196.440

1.886500

1.615000

0.375310

2343.700

2002:

04

4516.990

1.913180

1.666480

0.385200

2630.900

2002:

05

4832.350

1.958540

1.713800

0.387240

2703.610

2002:

06

5180.550

1.989420

1.761690

0.397590

2843.000

2002:

07

5614.970

2.010230

1.803180

0.417350

2986.980

2002:

08

5965.050

2.035290

1.848550

0.433190

3148.390

2002:

09

6322.220

2.070010

1.903910

0.450400

3308.920

2002:

10

6669.870

2.090620

1.958330

0.458700

3487.300

2002:

11

7031.530

2.126840

2.003130

0.482940

3706.680

2002:

12

7451.020

2.144190

2.066160

0.497000

4378.270

2003:

01

7809.520

2.180040

2.124390

0.487490

4378.270

2003:

02

8157.120

2.214920

2.163980

0.492740

4378.270

2003:

03

8540.320

2.256260

2.214910

0.499200

4593.270

2003:

04

8928.320

2.290390

2.257170

0.507880

4761.970

2003:

05

9275.220

2.328820

2.300560

0.522100

4949.770

2003:

06

9650.720

2.376100

2.344720

0.532350

5163.370

2003:

07

10072.92

2.407540

2.394590

0.538130

5308.670

2003:

08

10466.72

2.449260

2.441180

0.544330

5447.670

2003:

09

10871.12

2.504680

2.499740

0.538760

5619.070

2003:

10

11265.42

2.551390

2.569380

0.535000

5798.670

2003:

11

11661.02

2.598420

2.634780

0.532560

6065.970

2003:

12

12061.02

2.633050

2.686930

0.536570

6593.470

2004:

01

12475.12

2.689330

2.768020

0.554390

6593.470

2004:

02

12879.92

2.745320

2.823270

0.546280

6593.470

2004:

03

13310.42

2.810810

2.903050

0.545850

6877.870

2004:

04

13744.62

2.854480

2.957500

0.541270

7043.870

2004:

05

14164.62

2.904010

3.005590

0.536660

7218.870

2004:

06

14597.12

2.954880

3.052830

0.534700

7459.870

2004:

07

15035.42

2.989960

3.102180

0.530220

7639.570

2004:

08

15478.62

3.029010

3.151000

0.528430

7808.470

2004:

09

15923.12

3.069230

3.200710

0.523290

7974.670

我们对y和x1x2x3x4进行初步的散点图观察，发现y和x1x2x3x4在散点图中呈现出线形关系，所以我们将模型初步定为线形模型。

模型的设定

我们把当月止电信业务收入累计额Y（单位：

亿元）作为为应变量，用月平均固定电话用户数X1（单位：

亿户）、月平均移动电话用户数X2（单位：

亿户）互联网用户数X3（单位：

亿户）和每月电信业固定资产投资完成额X4作为四个自变量。

建立如下模型：

Yi=β1+β2X1+β3X2+β4X3+β5X4+ui（其中，ui为随机误差项，且服从正态分布）。

利用eviews5.0得到如下结果

DependentVariable:

Y

Method:

LeastSquares

Date:

06/14/05Time:

11:

24

Sample（adjusted）:

2001M122004M09

Includedobservations:

34afteradjustments

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-10552.42

1292.392

-8.165032

0.0000

X1

4879.920

1315.285

3.710161

0.0009

X2

1917.691

1093.914

1.753055

0.0902

X3

4270.050

1314.464

3.248511

0.0029

X4

0.359675

0.117148

3.070274

0.0046

R-squared

0.999383

    Meandependentvar

9264.011

AdjustedR-squared

0.999298

    S.D.dependentvar

3827.446

S.E.ofregression

101.3827

    Akaikeinfocriterion

12.21073

Sumsquaredresid

298074.8

    Schwarzcriterion

12.43520

Loglikelihood

-202.5825

    F-statistic

11751.06

Durbin-Watsonstat

0.555252

    Prob（F-statistic）

0.000000

拟合方程为：

i=-10552.42+4879.92X1+1917.691X2+4270.50X3+0.359675X4

t=（-8.165）（3.7101）（1.7531）（3.2485）（3.0703）

R2=0.999383

2=0.999298F=11751.06

Sumsquaredresid298074.8

统计检验-多重共线性

从分析的数据来看，容易发现t检验还比较理想，β2β3β4β5均为正值具有经济意义，在α取0.05时只有x2的t值不够显著；f统计量很大，说明解释变量对被解释变量的解释是显著的。

另外残差平方和太大，可能变量间存在共线性，因此需要检验模型是否存在多重共线性的问题。

用Eviews得到相关系数矩阵

X1

X2

X3

X4

X1

 1.000000

 0.996976

 0.844648

 0.992582

X2

 0.996976

 1.000000

 0.880265

 0.996354

X3

 0.844648

 0.880265

 1.000000

 0.885829

X4

 0.992582

 0.996354

 0.885829

 1.000000

析了一下各个变量之间的相关系数，发现X1和X2之间的相关系数达到了0.995737，相关程度很高，同时X2和X3之间的相关系数也达到了0.844648。

从实际经济意义上说，这三者之间存在着相互替代性，说明模型的设定具有多重共线性，需要对模型进行修订。

经过对各个解释变量的分析，我们发现固定电话用户数、移动电话用户数、互联网用户数这三个解释变量相关性很大，且都属于通信装置，相互间有较大的替代性。

于是决定尝试将这3个解释变变量相加成为新的解释变量记为X123。

这样将原来的模型调整为：

Yi=β1+β2X123i+β3X4i+ui（其中ui为随机误差项，服从正态分布）

再次拟合：

DependentVariable:

Y

Method:

LeastSquares

Date:

06/14/05Time:

11:

52

Sample（adjusted）:

2001M122004M09

Includedobservations:

34afteradjustments

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-9268.190

558.4492

-16.59630

0.0000

X123

3261.226

217.2569

15.01092

0.0000

X4

0.347181

0.115524

3.005269

0.0052

R-squared

0.999338

    Meandependentvar

9264.011

AdjustedR-squared

0.999296

    S.D.dependentvar

3827.446

S.E.ofregression

101.5703

    Akaikeinfocriterion

12.16348

Sumsquaredresid

319812.1

    Schwarzcriterion

12.29815

Loglikelihood

-203.7791

    F-statistic

23414.32

Durbin-Watsonstat

0.495369

    Prob（F-statistic）

0.000000

拟合方程为：

i=-9268.190+3261.226X123i+0.347181X4i

t=（-16.59630）（15.01092）（3.005269）

R2=0.999338

2=0.999296F=23414.32

Sumsquaredresid=319812.1

异方差的检验，用WHITE检验作出的结果如下：

WhiteHeteroskedasticityTest:

F-statistic

4.144353

    Probability

0.008922

Obs*R-squared

12.36648

    Probability

0.014824

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

06/14/05Time:

14:

34

Sample（adjusted）:

2001M122004M09

Includedobservations:

34afteradjustments

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

105531.8

289136.1

0.364990

0.7178

X123

-43664.89

155576.7

-0.280665

0.7810

X123^2

4234.262

16376.52

0.258557

0.7978

X4

0.559926

42.43575

0.013195

0.9896

X4^2

0.000357

0.004935

0.072327

0.9428

R-squared

0.363720

    Meandependentvar

9406.239

AdjustedR-squared

0.275957

    S.D.dependentvar

15224.98

S.E.ofregression

12955.04

    Akaikeinfocriterion

21.91141

Sumsquaredresid

4.87E+09

    Schwarzcriterion

22.13588

Loglikelihood

-367.4940

    F-statistic

4.144353

Durbin-Watsonstat

1.404210

    Prob（F-statistic）

0.008922

查χ２分布表，给定α=0.01,自由度为5，得临界值χ２０．０５（5）=15.0863，而Obs*R-squared=12.36648<15.0863，所以模型中随机误差ｕ的异方差性不明显

为了保险起见，我们用ARCH检验进行复查

ARCHTest:

F-statistic

1.792614

    Probability

0.172363

Obs*R-squared

5.148988

    Probability

0.161207

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

06/14/05Time:

21:

39

Sample（adjusted）:

2002M032004M09

Includedobservations:

31afteradjustments

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

7053.058

3866.644

1.824078

0.0792

RESID^2（-1）

0.593010

0.265720

2.231708

0.0341

RESID^2（-2）

-0.015077

0.286630

-0.052600

0.9584

RESID^2（-3）

-0.210498

0.280125

-0.751441

0.4589

R-squared

0.166096

    Meandependentvar

10106.28

AdjustedR-squared

0.073440

    S.D.dependentvar

15787.23

S.E.ofregression

15196.47

    Akaikeinfocriterion

22.21543

Sumsquaredresid

6.24E+09

    Schwarzcriterion

22.40046

Loglikelihood

-340.3391

    F-statistic

1.792614

Durbin-Watsonstat

1.556831

    Prob（F-statistic）

0.172363

同样的异方差性不明显。

自相关的检验

由于DW=0.495369，给定显著水平α=0.5，查Durbin-Watson表，n=34,k`=2，得下限临界值dL=1.333，因为DW统计量为0.495368

自相关的修正

由dw=0.495369ρ=1-dw/2=0.7523155。

利用广义差分法。

定义DY=Y-0.7523155*Y（-1）

DX123=X123-0.7523155*X123（-1）

DX4=X4-0.7523155*X4（-1）

然后进行参数估计，结果为

DependentVariable:

DY

Method:

LeastSquares

Date:

06/14/05Time:

22:

46

Sample（adjusted）:

2002M012004M09

Includedobservations:

33afteradjustments

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-2568.718

138.1116

-18.59887

0.0000

DX123

3630.988

187.9921

19.31457

0.0000

DX4

0.181301

0.093191

1.945477

0.0611

R-squared

0.995458

    Meandependentvar

2626.024

AdjustedR-squared

0.995155

    S.D.dependentvar

956.1398

S.E.ofregression

66.55126

    Akaikeinfocriterion

11.32033

Sumsquaredresid

132872.1

    Schwarzcriterion

11.45638

Loglikelihood

-183.7854

    F-statistic

3287.557

Durbi