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：obsYX1X2X3X42001:01233.98001.4827500.897590NANA2001:02496.12001.5144100.949070NANA2001:03734.47001.5473801.003140NA140.54002001:041013.8901.5740901.051980NA195.60002001:051290.0901.6063001.110800NA540.90002001:061590.1301.6437101.167610NA806.00002001:071962.7801.6682101.206050NA990.77002001:082175.9001.6946801.257740NA1148.9002001:092575.5001.7227001.309100NA1396.7002001:102879.4001.7476901.360190NA1700.1002001:113196.5001.7711201.399220NA1919.0002001:123335.2001.7903401.4481200.3614602343.7002002:013598.4301.8193101.4990900.3634502343.7002002:023893.3401.8514201.5585200.3626602343.7002002:034196.4401.8865001.6150000.3753102343.7002002:044516.9901.9131801.6664800.3852002630.9002002:054832.3501.9585401.7138000.3872402703.6102002:065180.5501.9894201.7616900.3975902843.0002002:075614.9702.0102301.8031800.4173502986.9802002:085965.0502.0352901.8485500.4331903148.3902002:096322.2202.0700101.9039100.4504003308.9202002:106669.8702.0906201.9583300.4587003487.3002002:117031.5302.1268402.0031300.4829403706.6802002:127451.0202.1441902.0661600.4970004378.2702003:017809.5202.1800402.1243900.4874904378.2702003:028157.1202.2149202.1639800.4927404378.2702003:038540.3202.2562602.2149100.4992004593.2702003:048928.3202.2903902.2571700.5078804761.9702003:059275.2202.3288202.3005600.5221004949.7702003:069650.7202.3761002.3447200.5323505163.3702003:0710072.922.4075402.3945900.5381305308.6702003:0810466.722.4492602.4411800.5443305447.6702003:0910871.122.5046802.4997400.5387605619.0702003:1011265.422.5513902.5693800.5350005798.6702003:1111661.022.5984202.6347800.5325606065.9702003:1212061.022.6330502.6869300.5365706593.4702004:0112475.122.6893302.7680200.5543906593.4702004:0212879.922.7453202.8232700.5462806593.4702004:0313310.422.8108102.9030500.5458506877.8702004:0413744.622.8544802.9575000.5412707043.8702004:0514164.622.9040103.0055900.5366607218.8702004:0614597.122.9548803.0528300.5347007459.8702004:0715035.422.9899603.1021800.5302207639.5702004:0815478.623.0290103.1510000.5284307808.4702004:0915923.123.0692303.2007100.5232907974.670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:YMethod:LeastSquaresDate:06/14/05Time:11:24Sample(adjusted):2001M122004M09Includedobservations:34afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

C-10552.421292.392-8.1650320.0000X14879.9201315.2853.7101610.0009X21917.6911093.9141.7530550.0902X34270.0501314.4643.2485110.0029X40.3596750.1171483.0702740.0046R-squared0.999383

Meandependentvar9264.011AdjustedR-squared0.999298

S.D.dependentvar3827.446S.E.ofregression101.3827

Akaikeinfocriterion12.21073Sumsquaredresid298074.8

Schwarzcriterion12.43520Loglikelihood-202.5825

F-statistic11751.06Durbin-Watsonstat0.555252

Prob(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=0.9993832=0.999298F=11751.06Sumsquaredresid298074.8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X1X2X3X4X1

1.000000

0.996976

0.844648

0.992582X2

0.996976

1.000000

0.880265

0.996354X3

0.844648

0.880265

1.000000

0.885829X4

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:YMethod:LeastSquaresDate:06/14/05Time:11:52Sample(adjusted):2001M122004M09Includedobservations:34afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

C-9268.190558.4492-16.596300.0000X1233261.226217.256915.010920.0000X40.3471810.1155243.0052690.0052R-squared0.999338

Meandependentvar9264.011AdjustedR-squared0.999296

S.D.dependentvar3827.446S.E.ofregression101.5703

Akaikeinfocriterion12.16348Sumsquaredresid319812.1

Schwarzcriterion12.29815Loglikelihood-203.7791

F-statistic23414.32Durbin-Watsonstat0.495369

Prob(F-statistic)0.000000拟合方程为：

i=-9268.190+3261.226X123i+0.347181X4it=(-16.59630)(15.01092)(3.005269)R2=0.9993382=0.999296F=23414.32Sumsquaredresid=319812.1异方差的检验，用WHITE检验作出的结果如下：WhiteHeteroskedasticityTest:F-statistic4.144353

Probability0.008922Obs*R-squared12.36648

Probability0.014824TestEquation:DependentVariable:RESID^2Method:LeastSquaresDate:06/14/05Time:14:34Sample(adjusted):2001M122004M09Includedobservations:34afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

C105531.8289136.10.3649900.7178X123-43664.89155576.7-0.2806650.7810X123^24234.26216376.520.2585570.7978X40.55992642.435750.0131950.9896X4^20.0003570.0049350.0723270.9428R-squared0.363720

Meandependentvar9406.239AdjustedR-squared0.275957

S.D.dependentvar15224.98S.E.ofregression12955.04

Akaikeinfocriterion21.91141Sumsquaredresid4.87E+09

Schwarzcriterion22.13588Loglikelihood-367.4940

F-statistic4.144353Durbin-Watsonstat1.404210

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-statistic1.792614

Probability0.172363Obs*R-squared5.148988

Probability0.161207TestEquation:DependentVariable:RESID^2Method:LeastSquaresDate:06/14/05Time:21:39Sample(adjusted):2002M032004M09Includedobservations:31afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

C7053.0583866.6441.8240780.0792RESID^2(-1)0.5930100.2657202.2317080.0341RESID^2(-2)-0.0150770.286630-0.0526000.9584RESID^2(-3)-0.2104980.280125-0.7514410.4589R-squared0.166096

Meandependentvar10106.28AdjustedR-squared0.073440

S.D.dependentvar15787.23S.E.ofregression15196.47

Akaikeinfocriterion22.21543Sumsquaredresid6.24E+09

Schwarzcriterion22.40046Loglikelihood-340.3391

F-statistic1.792614Durbin-Watsonstat1.556831

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<dL，所以随机误差项存在正的一阶自相关。自相关的修正由dw=0.495369ρ=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:DYMethod:LeastSquaresDate:06/14/05Time:22:46Sample(adjusted):2002M012004M09Includedobservations:33afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

C-2568.718138.1116-18.598870.0000DX1233630.988187.992119.314570.0000DX40.1813010.0931911.9454770.0611R-squared0.995458

Meandependentvar2626.024AdjustedR-squared0.995155

S.D.dependentvar956.1398S.E.ofregression66.55126

Akaikeinfocriterion11.32033Sumsquaredresid132872.1

Schwarzcriterion11.45638Loglikelihood-183.7854

F-statistic3287.557Durbin-Watsonstat1.313646

Prob(F-statistic)0.000000

估计式：DY=-2568.718+3630.988DX123+0.181301DX4t=(-18.59887)(19.31457)(1.945477)R2=0.995458DW=1.313646虽然DW=1.313646仍然小于DL=1.333,存在正自相关，但是已经得到明显的改变。且异方差性的检验也能通过，即异方差不明显。模型解释模型DY=-2568.718+3630.988DX123+0.181301DX4反映了电信累计收入相对固定、移动电话及互联网用户总数和电信固定资产投入二者的增长速度。从现实意义来说，电信装置及电信电信投资完成额的增长率是影响电信收入增长的主要因素。而电信装置系数3630.988又远远大于电信固定资产完成额的系数0.181301。从而要求我们进一步认识到发展固定、移动电话及互联网普及率对电信收入的重要性。结合当前情况，过去几年是我国电信业大发展时期，电信收入平均每年增长约23%。电话用户总数与移动电话总数迅速增长，并在2001年超过美国，跃居世界第一。但是，过去的高增长并不必然带来明天的高增长，在2000年和2001年，我国电信收入已经呈现出稍高于GDP的中速增长态势。我国电信业发展水平已相当于人均GDP为我国2.5倍的国家。我国的电信收入占GDP之比例已高居世界前列。一般电信收入占GDP的比例是大致一定的，因此我国电信收入占GDP的比例继续快速提高的余地已十分有限。预计我国电信收入占GDP的比例从长期看也仍然有继续增长的空间。我国GDP增长率预期约为7%—7.5%，估计我国未来电信收入的平均增长率最高可以达到GDP增长率与电信收入超额增长率两者相叠加的水平，也就是年增长15%。但我国电信业发展较为超前，再有电信市场正面临继续的资费调整、电信业务同质与异质的竞争、运营商之间加剧的竞争以及由此引发的价格战，估计未来我国电信收入的长期平均增长率将低于这个水平。电信收入高增长时期已过去。在电信收入无法大幅度增长的情况下，迅速增长的电话普及率必然造成ARPU下降，，无论是通过提升电信服务质量，还是提供更多更好的内容服务，有限增长的总收入使得提升ARPU（所谓ARPU就是每用户平均收入(ARPU-AverageRevenuePerUser)。ARPU注重的是一个时间段内运营商从每个用户所得到的利润。很明显，高端的用户越多，ARPU越高。在这个时间段，从运营商的运营情况来看，ARPU值高说明利润高，这段时间效益好。）的难度大大加大。

现实中部分新业务的增长率极高，但是基数太低，起不到拉动电信业整体增长的作用。例如给国内电信运营商带来意外惊喜的SMS(短消息)业务，2001年的业务收入也不过19.2亿元(CCID数据)。还有带给人们神奇幻想的数据通信业务，在我国2001年的业务收入不及140亿元，尚不到电信总收入的4%(信息产业部数据)，即使发展迅速，由于基数太低，几年以内的总量都将十分有限，无法指望以此带动电信业快速发展。由于电信收入无法实现高增长，我国电信运营商如果继续连续进行大规模投资，将无法收回投资。我国电信运营业的投资一直保持在高水平，2000年度我国电信投资占到电信收入的72.3%，而世界平均水平为21.9%。在2001年度，我国电信投资/电信收入的比例高达78.6%(依据CCID数据)，这样高的投资比例是不可能维持的。

审视我国过去数年的电信业投资，会看到存在投资过度迹象，见图3。一个时期电信投资比重高，有时是建设周期因素，不可以简单归结为电信泡沫，但是如果继续很高的高投资水平，就会偏离经济效益的区域。通过此模型的建立,可以对电信业务收入的增长指明方向,既然电信业固定投资增长空间较小,只有通过增长电信装置,或者说通过电信业务的使用普及率的增长来达到电信业务收入提高的目的。基于C8051F单片机直流电动机反馈控制系统的设计与研究基于单片机的嵌入式Web服务器的研究MOTOROLA单片机MC68HC（8）05PV8/A内嵌EEPROM的工艺和制程方法及对良率的影响研究基于模糊控制的电阻钎焊单片机温度控制系统的研制基于MCS-51系列单片机的通用控制模块的研究基于单片机实现的供暖系统最佳启停自校正（STR）调节器单片机控制的二级倒立摆系统的研究基于增强型51系列单片机的TCP/IP协议栈的实现基于单片机的蓄电池自动监测系统基于32位嵌入式单片机系统的图像采集与处理技术的研究基于单片机的作物营养诊断专家系统的研究基于单片机的交流伺服电机运动控制系统研究与开发基于单片机的泵管内壁硬度测试仪的研制基于单片机的自动找平控制系统研究基于C8051F040单片机的嵌入式系统开发基于单片机的液压动力系统状态监测仪开发模糊Smith智能控制方法的研究及其单片机实现一种基于单片机的轴快流CO〈,2〉激光器的手持控制面板的研制基于双单片机冲床数控系统的研究基于CYGNAL单片机的在线间歇式浊度仪的研制基于单片机的喷油泵试验台控制器的研制基于单片机的软起动器的研究和设计基于单片机控制的高速快走丝电火花线切割机床短循环走丝方式研究基于单片机的机电产品控制系统开发基于PIC单片机的智能手机充电器基于单片机的实时内核设计及其应用研究基于单片机的远程抄表系统的设计与研究基于单片机的烟气二氧化硫浓度检测仪的研制基于微型光谱仪的单片机系统单片机系统软件构件开发的技术研究基于单片机的液体点滴速度自动检测仪的研制基于单片机系统的多功能温度测量仪的研制基于PIC单片机的电能采集终端的设计和应用基于单片机的光纤光栅解调仪的研制气压式线性摩擦焊机单片机控制系统的研制基于单片机的数字磁通门传感器基于单片机的旋转变压器-数字转换器的研究基于单片机的光纤Bragg光栅解调系统的研究单片机控制的便携式多功能乳腺治疗仪的研制基于C8051F020单片机的多生理信号检测仪基于单片机的电机运动控制系统设计Pico专用单片机核的可测性设计研究基于MCS-51单片机的热量计基于双单片机的智能遥测微型气象站MCS-51单片机构建机器人的实践研究基于单片机的轮轨力检测基于单片机的GPS定位仪的研究与实现基于单片机的电液伺服控制系统用于单片机系统的MMC卡文件系统研制基于单片机的时控和计数系统性能优化的研究基于单片机和CPLD的粗光栅位移测量系统研究单片机控制的后备式方波UPS提升高职学生单片机应用能力的探究基于单片机控制的自动低频减载装置研究基于单片机控制的水下焊接电源的研究基于单片机的多通道数据采集系统基于uPSD3234单片机的氚表面污染测量仪的研制基于单片机的红外测油仪的研究96系列单片机仿真器研究与设计基于单片机的单晶金刚石刀具刃磨设备的数控改造基于单片机的温度智能控制系统的设计与实现基于MSP430单片机的电梯门机控制器的研制基于单片机的气体测漏仪的研究基于三菱M16C/6N系列单片机的CAN/USB协议转换器基于单片机和DSP的变压器油色谱在线监测技术研究基于单片机的膛壁温度报警系统设计基于AVR单片机的低压无功补偿控制器的设计基于单片机船舶电力推进电机监测系统基于单片机网络的振动信号的采集系统基于单片机的大容量数据存储技术的应用研究基于单片机的叠图机研究与教学方法实践基于单片机嵌入式Web服务器技术的研究及实现基于AT89S52单片机的通用数据采集系统基于单片机的多道脉冲幅度分析仪研究机器人旋转电弧传感角焊缝跟踪单片机控制系统基于单片机的控制系统在PLC虚拟教学实验中的应用研究基于单片机系统的网络通信研究与应用基于PIC16F877单片机的莫尔斯码自动译码系统设计与研究基于单片机的模糊控制器在工业电阻炉上的应用研究基于双单片机冲床数控系统的研究与开发基于Cygnal单片机的μC/OS-Ⅱ的研究基于单片机的一体化智能差示扫描量热仪系统研究基于TCP/IP协议的单片机与Internet互联的研究与实现变频调速液压电梯单片机控制器的研究基于单片机γ-免疫计数器自动换样功能的研究与实现基于单片机的倒立摆控制系统设计与实现单片机嵌入式以太网防盗报警系统基于51单片机的嵌入式Internet系统的设计与实现单片机监测系统在挤压机上的应用MSP430单片机在智能水表系统上的研究与应用基于单片机的嵌入式系统中TCP/IP协议栈的实现与应用HYPERLINK"/detail.h