影响电信业务收入的主要因素的分析.docx

1、影响电信业务收入的主要因素的分析 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199

2、9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

3、（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：obsYX1X2X3X42001:01 233.9800 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 140.54002001:04

4、1013.890 1.574090 1.051980 NA 195.60002001:05 1290.090 1.606300 1.110800 NA 540.90002001:06 1590.130 1.643710 1.167610 NA 806.00002001:07 1962.780 1.668210 1.206050 NA 990.77002001:08 2175.900 1.694680 1.257740 NA 1148.9002001:09 2575.500 1.722700 1.309100 NA 1396.7002001:10 2879.400 1.747690 1.3601

5、90 NA 1700.1002001:11 3196.500 1.771120 1.399220 NA 1919.0002001:12 3335.200 1.790340 1.448120 0.361460 2343.7002002:01 3598.430 1.819310 1.499090 0.363450 2343.7002002:02 3893.340 1.851420 1.558520 0.362660 2343.7002002:03 4196.440 1.886500 1.615000 0.375310 2343.7002002:04 4516.990 1.913180 1.6664

6、80 0.385200 2630.9002002:05 4832.350 1.958540 1.713800 0.387240 2703.6102002:06 5180.550 1.989420 1.761690 0.397590 2843.0002002:07 5614.970 2.010230 1.803180 0.417350 2986.9802002:08 5965.050 2.035290 1.848550 0.433190 3148.3902002:09 6322.220 2.070010 1.903910 0.450400 3308.9202002:10 6669.870 2.0

7、90620 1.958330 0.458700 3487.3002002:11 7031.530 2.126840 2.003130 0.482940 3706.6802002:12 7451.020 2.144190 2.066160 0.497000 4378.2702003:01 7809.520 2.180040 2.124390 0.487490 4378.2702003:02 8157.120 2.214920 2.163980 0.492740 4378.2702003:03 8540.320 2.256260 2.214910 0.499200 4593.2702003:04

8、8928.320 2.290390 2.257170 0.507880 4761.9702003:05 9275.220 2.328820 2.300560 0.522100 4949.7702003:06 9650.720 2.376100 2.344720 0.532350 5163.3702003:07 10072.92 2.407540 2.394590 0.538130 5308.6702003:08 10466.72 2.449260 2.441180 0.544330 5447.6702003:09 10871.12 2.504680 2.499740 0.538760 5619

9、.0702003:10 11265.42 2.551390 2.569380 0.535000 5798.6702003:11 11661.02 2.598420 2.634780 0.532560 6065.9702003:12 12061.02 2.633050 2.686930 0.536570 6593.4702004:01 12475.12 2.689330 2.768020 0.554390 6593.4702004:02 12879.92 2.745320 2.823270 0.546280 6593.4702004:03 13310.42 2.810810 2.903050 0

10、.545850 6877.8702004:04 13744.62 2.854480 2.957500 0.541270 7043.8702004:05 14164.62 2.904010 3.005590 0.536660 7218.8702004:06 14597.12 2.954880 3.052830 0.534700 7459.8702004:07 15035.42 2.989960 3.102180 0.530220 7639.5702004:08 15478.62 3.029010 3.151000 0.528430 7808.4702004:09 15923.12 3.06923

11、0 3.200710 0.523290 7974.670我们对y和x1 x2 x3 x4 进行初步的散点图观察，发现y和x1 x2 x3 x4 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=1+2X1+3X2+4X3+5X4+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Dependent Var

12、iable: YMethod: Least SquaresDate: 06/14/05 Time: 11:24Sample (adjusted): 2001M12 2004M09Included observations: 34 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C-10552.421292.392-8.1650320.0000X14879.9201315.2853.7101610.0009X21917.6911093.9141.7530550.0902X34270.0501314.4643.248511

13、0.0029X40.3596750.1171483.0702740.0046R-squared0.999383Mean dependent var9264.011Adjusted R-squared0.999298S.D. dependent var3827.446S.E. of regression101.3827Akaike info criterion12.21073Sum squared resid298074.8Schwarz criterion12.43520Log likelihood-202.5825F-statistic11751.06Durbin-Watson stat0.

14、555252Prob(F-statistic)0.000000拟合方程为：i= -10552.42+4879.92X1+1917.691X2+4270.50X3+0.359675X4t= （-8.165） （3.7101） （1.7531） （3.2485）（3.0703）R2=0.999383 2=0.999298 F=11751.06Sum squared resid 298074.8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，2 3 4 5均为正值具有经济意义，在取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

15、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X1X2X3X4X11.0000000.9969760.8446480.992582X20.9969761.0000000.8802650.996354X30.8446480.8802651.0000000.885829X40.9925820.9963540.8858291.000000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

16、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=1+2X123i+3X4i+ ui(其中ui为随机误差项，服从正态分布)再次拟合：Dependent Variable: YMethod: Least SquaresDate: 06/14/05 Time: 11:52Sample (adjusted): 2001M12 2004M09Included observatio

17、ns: 34 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C-9268.190558.4492-16.596300.0000X1233261.226217.256915.010920.0000X40.3471810.1155243.0052690.0052R-squared0.999338Mean dependent var9264.011Adjusted R-squared0.999296S.D. dependent var3827.446S.E. of regression101.5703Akaike info

18、 criterion12.16348Sum squared resid319812.1Schwarz criterion12.29815Log likelihood-203.7791F-statistic23414.32Durbin-Watson stat0.495369Prob(F-statistic)0.000000拟合方程为：i= -9268.190+3261.226X123i+0.347181X4it= (-16.59630) (15.01092) (3.005269) R2=0.999338 2=0.999296 F=23414.32Sum squared resid=319812.

19、1异方差的检验，用WHITE检验作出的结果如下：White Heteroskedasticity Test:F-statistic4.144353Probability0.008922Obs*R-squared12.36648Probability0.014824Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/14/05 Time: 14:34Sample (adjusted): 2001M12 2004M09Included observations: 34 after adjustmentsVari

20、ableCoefficientStd. Errort-StatisticProb.C105531.8289136.10.3649900.7178X123-43664.89155576.7-0.2806650.7810X12324234.26216376.520.2585570.7978X40.55992642.435750.0131950.9896X420.0003570.0049350.0723270.9428R-squared0.363720Mean dependent var9406.239Adjusted R-squared0.275957S.D. dependent var15224

21、.98S.E. of regression12955.04Akaike info criterion21.91141Sum squared resid4.87E+09Schwarz criterion22.13588Log likelihood-367.4940F-statistic4.144353Durbin-Watson stat1.404210Prob(F-statistic)0.008922查分布表，给定=0.01,自由度为5，得临界值(5)=15.0863，而 Obs*R-squared=12.3664815.0863，所以模型中随机误差的异方差性不明显为了保险起见，我们用ARCH检

22、验进行复查ARCH Test:F-statistic1.792614Probability0.172363Obs*R-squared5.148988Probability0.161207Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/14/05 Time: 21:39Sample (adjusted): 2002M03 2004M09Included observations: 31 after adjustmentsVariableCoefficientStd. Errort-StatisticPro

23、b.C7053.0583866.6441.8240780.0792RESID2(-1)0.5930100.2657202.2317080.0341RESID2(-2)-0.0150770.286630-0.0526000.9584RESID2(-3)-0.2104980.280125-0.7514410.4589R-squared0.166096Mean dependent var10106.28Adjusted R-squared0.073440S.D. dependent var15787.23S.E. of regression15196.47Akaike info criterion2

24、2.21543Sum squared resid6.24E+09Schwarz criterion22.40046Log likelihood-340.3391F-statistic1.792614Durbin-Watson stat1.556831Prob(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=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0.495368dL，所以随机误差项存在正的一阶自相关。自相关的修正由dw=0.495369 =1-dw/2=0.752

25、3155。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Dependent Variable: DYMethod: Least SquaresDate: 06/14/05 Time: 22:46Sample (adjusted): 2002M01 2004M09Included observations: 33 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C-2568.718

26、138.1116-18.598870.0000DX1233630.988187.992119.314570.0000DX40.1813010.0931911.9454770.0611R-squared0.995458Mean dependent var2626.024Adjusted R-squared0.995155S.D. dependent var956.1398S.E. of regression66.55126Akaike info criterion11.32033Sum squared resid132872.1Schwarz criterion11.45638Log likelihood-183.7854F-statistic3287.557Durbin-Wa