打开文本图片集
摘要： 本文采用AR模型对我国电信运营商的移动流量业务随时间的变化进行了分析和预测。利用eviews3.0进行回归预测，结果显示，移动流量在短期时间内还会呈现增长态势；流量与收入松藕性增长关系成为摆在电信运营商面前的巨大挑战，同时流量的剧增也为电信运营商带来了巨大的网络压力，靠以往低廉的流量资费已经无法支撑电信运营商的收入增长。
Abstract： In this paper， the AR model is used to analyze and forecast the change of the mobile data traffic with the time in Chinese telecom operators. As eviews3.0 regression predicted， the results show that the data mobile traffic in a short period of time will grow in a low speed. The increasing loose lotus relationship between data traffic and revenue is a great challenge posed in front of the telecom operators.What"s more， the surge consume in data traffic brings a huge pressure on telecom operators" network capacities and the low prices of mobile data traffic fee couldn"t make contribution to its revenue growth.
关键词： 电信运营商；移动流量；回归分析
Key words： telecom operators；mobile data traffic；regression analysis
中图分类号：TN929.5 文献标识码：A 文章编号：1006-4311（2016）13-0049-03
0 引言
随着信息通信技术的发展，用户需求的变化以及智能手机的普及，促使移动互联网业务爆发性增长。从全球看，用户数从2000万增加到1亿，桌面互联网用了6年时间，而移动互联网仅仅用了2年就达到这一目标。2014年我国电话用户总数已超过15亿户，其中，移动电话用户总数达12.81亿户，移动宽带（3G和LTE）用户占比达到了44.7%，智能手机用户渗透率首次超过50%；非话总收入占通信收入的比例达到了58.2%。而基于互联网的业务收入在全行业中的占比首次突破50%。移动数据流量的迅猛增长正改变通信信息业发展格局，电信产业生态链呈现出变革的趋势。电信运营商纷纷制定“流量经营”策略，流量经营创新不断，例如2013年8月中国电信与网易合作推出易信用流量推广，流量成为营销资源被广泛使用，例如阿里、微博、腾讯等互联网企业派送流量红包。三大基础电信运营商推动流量增值的经营方式下，流量货币化、产品化趋势也将越来越显现，例如中国电信发布流量宝产品、中国联通发布流量银行业务、运营商与阿里巴巴合作推出流量钱包。可以预见，随着流量经营模式不断创新，通信产业和通信市场将发生革命性变革。基于此，本文首先运用时间序列模型通过eviews3.0软件对移动流量数据进行预测和分析；然后，通过excel对模型进行回归分析，希望找出能够对数据作出最优拟合的模型；最后，为我国通信企业把握未来的发展趋势并制定相应的政策措施提出相应的对策建议。
1 实证分析
三大通信运营商经历了业务驱动阶段，业务同质化、网络管道化、互联网替代化的问题凸显出来。运营商管道化的压力到了信息驱动阶段才能得到缓解，在这个阶段，对个性化、丰富的信源以及庞大、忠诚的信宿需求成为竞争的主导因素。随着竞争的深化，流量经营上升为必然手段。
据此，我们收集了2013年2月至2014年10月的电信主营业务收入、移动数据及互联网收入和移动互联网接入流量21个月的数据，用移动数据及互联网收入比上电信主营业务收入记作MTR，然后运用eviews软件对这列数据进行预测得出之后几个月的数据，并且证明MTR与时间在短期时间内具有正相关关系，最终预测到移动数据及互联网收入对电信主营业务收入的影响还会在短期时间内增加。
1.1 我们做出MTR的散点图，如图1所示可以大致看出MTR随时间有上增趋势。
1.2 时间序列数据的平稳性检验
计量经济学在进行回归分析时，要求所选用的时间序列数据必须是平稳的。但大多数情况下，数据都是不平稳的，所以在建模之前必须进行平稳性检验，以避免时间序列数据非平稳性的存在而导致的伪回归现象。
序列数据平稳性的检验最常用的方法是单位根检验，该部分将采用单位根检验的ADF检验的方法，运用eviews3.0对MTR进行平稳性检验，检验结果如表1所示。
其中模型3是包含了常数项和时间趋势项；模型2是仅包含了常数项；模型1是不包含常数项和时间趋势项方程。由表2的检验结果来看，MTR在1%、5%和10%的显著水平下都不能拒绝原假设，说明MTR是非平稳的。
同样，对MTR的一阶差分进行平稳性检验，检验结果如表2所示。
由表2的检验结果来看。MTR的一阶差分D（MTR）在5%的显著性水平下能够拒绝带有单位根的原假设。说明了D（MTR）序列是平稳的时间序列数据。故MTR序列数据属一阶单整MTR～I（1）。
1.3 模型的确定
对于单列的时间序列数据我们用AR（P）模型对数据进行拟合，我们做出MTR的序列相关图，如图2。
从序列相关图我们可以看到自相关和偏自相关系数在K=1后很快趋于0，故考虑取P=1，所以我们选择AP（1）模型，此时计量经济学的模型为：
D（MTR_t）=a+b*D（MTR_t-1）+？滋t，其中？滋t是均值为0，方差为？滓^2的白噪声序列。
由eviews软件输入结果可知，此时经过整理后的模型为：
MTR_t=-0.559+1.020MTR_t-1+0.042MTR_t-2+？滋t
1.4 预测分析
利用上述模型对2014年10、11月份的MTR数据进行预测，预测结果如表3所示。
根据表3显示在短期时间内移动数据及互联网业务收入占电信主营业务收入的比值还会增加。由以上内容我们知道移动数据及互联网收入占电信主营业务收入在短时间内持续上涨，那么我再考虑移动互联网接入流量的数量（Y）对移动数据及互联网业务收入（X）之间的关系。
下面我们对收集Y与X的20个月的数据进行回归分析：做出Y与X的散点图如图3。
对X、Y进行回归分析得到回归方程Y=-3.5347+0.088X，其中Ad-r^2=0.900，说明方程对数据的拟合程度较好，并且F=1822.2>Fɑ说明方程显著，再看P-值和T值发现均符合要求，SSE=19.4014，回归结果见表4。
我们再用指数模型对X、Y进行方程拟合，对Y取LN后，对X、LNY进行回归分析结果如表5所示。
此时方程的AD-R^2=0.936，F=292.4>Fɑ方程显著，并且P-和T的要求，SSE为0.067远远小于用线性拟合的SSE，再看残差图，均优于线性拟合的结果，故我们选择用指数对X、Y的拟合，此时方程为LNY=1.3073+0.007X，整理后为Y=3.69*e^0.07x，据此我们得出流量消耗量与流量数据及互联网业务收入之间存在显著的正相关关系。
2 结论与建议
根据本文的研究结果，流量经营在当今电信主营业务收入、客户市场份额增长率同时下降的趋势下变得越加重要，流量与收入松藕性增长关系成为摆在电信运营商面前的巨大挑战，同时流量的剧增也为电信运营商带来了巨大的网络压力，靠以往低廉的流量资费已经无法支撑电信运营商的收入增长，这也就是业界常说的“剪刀差”。据此，本文得出以下几点结论与建议。
①流量改变了用户之间的联络方式。传统语音及短信业务已不再是电信运营商的主导业务，数据业务将成为电信市场的主角；用户对流量的需求必将持续增长，流量规模也将不可避免的扩大。因此，提升流量层次和丰富流量内涵便成为电信运营商主攻的方向。
②流量经营促进运营商经营策略的转变。运营商应更加注重客户体验、流量差异化和精细化等，提升流量价值以及以流量为纽带稳固客户关系。无论是三大基础运营商，还是虚拟运营商，向流量经营转型已成为大势所趋；数据流量的爆炸性增长对网络承载能力提出更高要求，并正改变着通信信息业发展格局，电信业的互联网化进程加速；电信运营商为避免管道化风险，必须需重新定位自身在移动互联网产业链中的角色；电信产业链将产生裂变；电信产业监管需要重新构建、完善。
③降低底层流量成本，应用“云存储”技术提升存储利用率，降低存储成本，采用WiFi方式加强无线网络，降低移动数据成本；商业模式创新是智能管道增值的重要保障，提升智能终端，实现与终端商共赢；改善资费设计，实现差异化服务；梳理业务、加强内容建设，实现智能向应用延伸等。
参考文献：
[1]高斌.通信经济学[M].北京：人民邮电出版社，2006.
[2]何霞.面向信息社会的政策和制度创新[M].商务印馆，2009：60-62.
[3]何霞.创新电信监管、发展信息经济[J].中国电信业，2014（06）：22-23.
[4]熊雄，屠守.发达国家市场监管趋势以及对我国的借鉴.行业监管，2014（16）：46-49.
[5]马源.对宽带中国战略实施的再思考[J].世界电信，2014：72-73.
[6]云晴.我国电信行业放松政策管制谈[J].中国电信业，2014（07）：24-27.
[7]于小林.OTT带来的电信法律和监管难题[J].中国电信业，2013（03）：22-23.
[8]张春飞，张倩.OTT业务冲击传统电信市场监管部门需要加强研究应对挑战[J].世界电信，2014：63-64.
[9]刘克飞.基于流量经营的电信运营商智能管道构建研究[J].电信科学，2012（08）：79-85.
[10]丁亦志，崔海东.实现智能管道与智能运营的协同及流量经营解决方案探讨[J].互联网天地，2013（04）：11-12.
[11]曹文先.全业务环境下电信企业流量经营策略研究[D].南京：南京邮电大学，2013.