本文關鍵詞：電信需求的面板數(shù)據(jù)模型適應性研究

  更多相關文章： 電信需求 預測 面板數(shù)據(jù)模型 適應性

【摘要】：隨著移動互聯(lián)網(wǎng)的逐步開放以及三網(wǎng)融合趨勢的進一步發(fā)展,各類新興數(shù)據(jù)業(yè)務呈現(xiàn)井噴式增長,使得電信需求復雜度的增加,不同電信需求的預測方法是否相同,預測效率是否一致,這就使得電信需求預測方法變成了一個挑戰(zhàn)性極強的研究課題。面板數(shù)據(jù)模型是近年來計量經濟學理論方法的重要發(fā)展,面板數(shù)據(jù)特點就是將時間序列數(shù)據(jù)和截面數(shù)據(jù)的各自優(yōu)點集合起來,而且面板數(shù)據(jù)模型豐富多樣,不同模型特點各異,為了提電信預測的準確性,本文實證了不同類別業(yè)務的預測需采用何種面板數(shù)據(jù)預測模型以提高預測準確性,研究了不同電信需求對面板數(shù)據(jù)模型的適應性。 本文在總結電信需求影響因素基礎上基于電信業(yè)務業(yè)務量及用戶數(shù)的樣本資料,采用了面板數(shù)據(jù)各類模型、時間序列預測模型、截面數(shù)據(jù)回歸模型及創(chuàng)新擴散bass模型對全網(wǎng)固定電話用戶數(shù)、移動電話用戶數(shù)、互聯(lián)網(wǎng)發(fā)展用戶數(shù)、移動電話計費時長、移動短信量和某運營商的移動氣象業(yè)務量、彩信業(yè)務計費量、移動數(shù)據(jù)流量進行前向預測,論文的主要研究成果如下： 首先,建立了電信需求的面板數(shù)據(jù)預測模型。本文在總結電信需求宏觀影響因素如GDP、城市化水平、居民的收入及消費水平等六大主要因素基礎上,并基于凱恩斯的消費函數(shù)理論和面板數(shù)據(jù)原始模型建立了電信需求的面板數(shù)據(jù)混合模型、靜態(tài)固定效應模型、靜態(tài)隨機效應模型以及動態(tài)面板數(shù)據(jù)模型并闡述了不同模型的估計與檢驗方法。 其次,基于電信需求的面板數(shù)據(jù)模型對不同業(yè)務進行了實證研究。為了研究不同電信需求對模型的適應性,本文選取了全網(wǎng)固定電話用戶數(shù)、移動電話用戶數(shù)、互聯(lián)網(wǎng)發(fā)展用戶數(shù)、移動電話計費時長、移動短信量和某運營商的移動氣象業(yè)務量、彩信業(yè)務計費量、移動數(shù)據(jù)流量作為因變量分別進行了面板數(shù)據(jù)混合模型、靜態(tài)固定效應模型、靜態(tài)隨機效應模型以及動態(tài)面板數(shù)據(jù)模型的估計與檢驗,并基于參數(shù)估計結果對不同業(yè)務進行了前向預測,比較不同模型的預測精度,得出固定電話用戶數(shù)、移動電話用戶數(shù)、互聯(lián)網(wǎng)接入用戶數(shù)、移動電話計費時長及移動短信業(yè)務量等的前向預測采用靜態(tài)固定效應模型預測結果最優(yōu),而移動氣象業(yè)務量、彩信業(yè)務計費量及移動數(shù)據(jù)流量等的前向預測采用動態(tài)面板數(shù)據(jù)模型預測結果最優(yōu)。 再次,驗證了面板數(shù)據(jù)模型的優(yōu)越性。為了檢驗面板數(shù)據(jù)模型優(yōu)越性,本文針對上述電信需求分別建立了普通的時間序列模型、截面數(shù)據(jù)回歸模型以及目前應用較廣泛的創(chuàng)新擴散模型,同時基于參數(shù)估計結果分別計算了不同模型的預測精度,結果發(fā)現(xiàn)面板數(shù)據(jù)各類模型的預測精度要顯著高于普通的時間序列模型、截面數(shù)據(jù)回歸模型以及創(chuàng)新擴散模型。 研究發(fā)現(xiàn),綜合考慮了截面數(shù)據(jù)和時間序列數(shù)據(jù)以及嚴格控制個體異質性的面板數(shù)據(jù)模型在預測方面要優(yōu)于普通的時間序列預測模型或截面數(shù)據(jù)回歸模型；在靜態(tài)面板數(shù)據(jù)模型中,不同電信需求的固定效應模型均要優(yōu)于混合模型和隨機效應模型；關于靜態(tài)固定效應模型與動態(tài)面板數(shù)據(jù)模型的比較,可以發(fā)現(xiàn)傳統(tǒng)的電信需求預測如固定電話用戶數(shù)、移動電話用戶數(shù)、互聯(lián)網(wǎng)接入用戶數(shù)、移動電話計費時長及移動短信業(yè)務量等的預測均適合采用固定效應模型,而新型或用戶普及率較低的電信需求如移動氣象業(yè)務量、彩信業(yè)務計費量及移動數(shù)據(jù)流量等的預測適合采用動態(tài)面板數(shù)據(jù)模型。
【關鍵詞】：電信需求 預測 面板數(shù)據(jù)模型 適應性
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：F224;F626
【目錄】：

• 摘要4-6
• 英文摘要6-10
• 第一章 緒論10-15
• 1.1 研究背景與意義10-13
• 1.2 研究目標與研究內容13-14
• 1.3 研究創(chuàng)新14-15
• 第二章 電信需求預測及面板數(shù)據(jù)模型文獻綜述15-26
• 2.1 電信需求預測文獻綜述15-17
• 2.2 面板數(shù)據(jù)模型文獻綜述17-24
• 2.2.1 面板數(shù)據(jù)模型概述17-19
• 2.2.2 面板數(shù)據(jù)模型優(yōu)勢與局限性19-20
• 2.2.3 面板數(shù)據(jù)模型演進路徑20-24
• 2.3 文獻綜述結論24-26
• 第三章 基于面板數(shù)據(jù)模型的電信需求預測建模26-36
• 3.1 電信需求影響因素26-27
• 3.2 基于面板數(shù)據(jù)模型的電信需求預測建模27-36
• 3.2.1 電信需求的面板數(shù)據(jù)混合模型估計與檢驗28-29
• 3.2.2 電信需求的面板數(shù)據(jù)固定效應模型估計與檢驗29-30
• 3.2.3 電信需求的面板數(shù)據(jù)隨機效應模型估計與檢驗30-33
• 3.2.4 電信需求的動態(tài)面板數(shù)據(jù)模型估計與檢驗33-36
• 第四章 基于面板數(shù)據(jù)模型的電信需求預測實證研究36-77
• 4.1 數(shù)據(jù)搜集與樣本的選取36
• 4.2 模型的估計與檢驗36-74
• 4.2.1 基于用戶數(shù)的模型回歸分析與檢驗36-54
• 4.2.2 基于業(yè)務量的模型回歸分析與檢驗54-74
• 4.3 電信需求的面板數(shù)據(jù)模型適應性總結74-77
• 4.3.1 模型評估與比較74-75
• 4.3.2 研究結論75-77
• 第五章 總結與展望77-79
• 參考文獻79-82
• 致謝82-83
• 攻讀學位期間發(fā)表的學術論文目錄83

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 董景榮;長途電話話務量發(fā)展前景的人工神經網(wǎng)絡預測[J];重慶郵電學院學報;1998年02期

2 劉童;孫吉貴;張永剛;白洪濤;;用周期模型和近鄰算法預測話務量時間序列[J];吉林大學學報(信息科學版);2007年03期

3 徐玉;雷英;;2007年我國電信運營市場分析[J];電信技術;2007年10期

4 元彥梅;;移動通信用戶規(guī)模的預測分析[J];大眾科技;2006年01期

5 王兆霞;孫雨耕;王志勇;郝庭柱;孫小薇;秦娟;沈花玉;;基于神經網(wǎng)絡的業(yè)務量預測研究[J];光電子·激光;2006年10期

6 楊亞平;;FDI技術行業(yè)內溢出還是行業(yè)間溢出——基于廣東工業(yè)面板數(shù)據(jù)的經驗分析[J];中國工業(yè)經濟;2007年11期

7 田凱;楊蘋;;基于復合模型的智能化移動通信話務預測[J];信息技術;2007年04期

8 周傳玉;;電信增值業(yè)務市場發(fā)展趨勢分析[J];通信管理與技術;2007年02期

9 楊蘋;陳武;;基于自適應最優(yōu)模糊邏輯系統(tǒng)的移動通信話務預測[J];華南理工大學學報(自然科學版);2005年12期

10 張世龍;鄧明清;;移動電話用戶預測中Logistic模型和瑞利分布的綜合運用[J];杭州電子科技大學學報;2006年03期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 李勇平;基于改進粒子群神經網(wǎng)絡的電信業(yè)務預測模型研究[D];華南理工大學;2009年

中國碩士學位論文全文數(shù)據(jù)庫 前6條

1 喬紅云;移動流媒體業(yè)務發(fā)展策略研究[D];北京郵電大學;2006年

2 向炳新;針對電信行業(yè)自適應智能話務預測模型的研究與實現(xiàn)[D];電子科技大學;2007年

3 汪朝暉;線性面板數(shù)據(jù)模型及其實證分析[D];湖南師范大學;2007年

4 武大勇;計量經濟學中的面板數(shù)據(jù)模型分析[D];華中科技大學;2006年

5 黃志丹;基于神經網(wǎng)絡的電信業(yè)務量預測[D];華中師范大學;2008年

6 亓芳芳;基于面板數(shù)據(jù)模型的中國民用汽車消費需求預測研究[D];中國科學技術大學;2010年

，

本文編號：517851