Prognosemetoder – en oversikt - Telenor
Prognosemetoder – en oversikt - Telenor
Prognosemetoder – en oversikt - Telenor
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
utvikler seg, m<strong>en</strong>s det <strong>en</strong>kelte teleregion<br />
godt kan oppleve <strong>en</strong> ann<strong>en</strong> utvikling.<br />
2.8 Vurdering av ann<strong>en</strong> foreligg<strong>en</strong>de<br />
intern/ekstern<br />
informasjon<br />
Alle modellkjøring<strong>en</strong>e og all ann<strong>en</strong> tilleggsinformasjon<br />
som kan bidra til å korrigere<br />
disse, må selvfølgelig holdes opp<br />
mot hverandre før de <strong>en</strong>delige prognos<strong>en</strong>e<br />
settes: Ulike modelltyper og ulik tilleggsinformasjon<br />
kan ofte gi motstrid<strong>en</strong>de<br />
resultater.<br />
Slik tilleggsinformasjon kan være alt fra<br />
planer til uttalelser om teknikkutvikling<br />
og markedsforhold fra eg<strong>en</strong> avdeling,<br />
markedsanalyser, internasjonale tr<strong>en</strong>der,<br />
osv.<br />
Det er ov<strong>en</strong>for gitt spredte komm<strong>en</strong>tarer<br />
om de ulike modellers styrke og svakheter.<br />
En detaljert diskusjon som viser<br />
hvordan Region Oslo bedømte de ulike<br />
modellresultat<strong>en</strong>e og tilleggsinformasjon<br />
opp mot hverandre, vil føre for langt her.<br />
Likevel er det <strong>en</strong> “symbiose” av alle slike<br />
resultater og informasjoner som til slutt<br />
gir de <strong>en</strong>delige prognos<strong>en</strong>e.<br />
3 Kommuneprognoser<br />
Prognos<strong>en</strong>e som utarbeides for kommun<strong>en</strong>e<br />
i Region Oslo er ikke offisielle og<br />
distribueres derfor ikke. Kommun<strong>en</strong>e<br />
utgjør likevel et nyttig hjelp<strong>en</strong>ivå i<br />
arbeidet med å knytte de ulike geografiske<br />
aggregeringsnivå samm<strong>en</strong>. Dessut<strong>en</strong><br />
er viktig off<strong>en</strong>tlig statistikk, bl a befolkningsstatistikk,<br />
fordelt på kommuner.<br />
Vi skal her se på et eksempel hvor det<br />
b<strong>en</strong>yttes to logistiske modeller for hver<br />
kommune i region<strong>en</strong>: En modell for<br />
boligabonnem<strong>en</strong>t og <strong>en</strong> modell for forretningsabonnem<strong>en</strong>t.<br />
Disse tilsvarer modell<strong>en</strong>e<br />
for region<strong>en</strong> totalt, se modell<strong>en</strong>e (2)<br />
og (3).<br />
Hver kommunemodell har et metningsnivå<br />
som er satt på tilsvar<strong>en</strong>de måte som<br />
for regionsmodell<strong>en</strong>e.<br />
Konstant<strong>en</strong> g er satt til 20 000 i alle modeller,<br />
se det som er sagt om dette i<br />
avsnittet om vekstmodell<strong>en</strong>e i kapittel<br />
2.2.<br />
På lik linje med modell<strong>en</strong>e for region<strong>en</strong><br />
bruker vi også her, i tillegg til forklaringsfaktor<strong>en</strong><br />
tid, SSBs tall for befolkningsstatistikk/framskrivning<br />
som forklaringsfaktor<br />
i modell<strong>en</strong>e for boligabonnem<strong>en</strong>ts-etterspørsel.<br />
Selv om<br />
befolkningsframskrivning<strong>en</strong>e til tider har<br />
vist seg å være i utakt med d<strong>en</strong> faktiske<br />
utvikling, er det antatt at forklaringsvariabel<strong>en</strong><br />
bidrar til å forklare de relative forskjeller<br />
mellom kommun<strong>en</strong>e.<br />
For ord<strong>en</strong>s skyld repeterer vi modell<strong>en</strong><br />
for boligabonnem<strong>en</strong>ts-etterspørsel:<br />
M<br />
yt =<br />
1 + e<br />
(2)<br />
a+b⋅t+c⋅Bef<br />
( ) g<br />
Her er y total etterspørsel etter boligabonnem<strong>en</strong>t<br />
i d<strong>en</strong> gjeld<strong>en</strong>de kommune, t<br />
tid<strong>en</strong> og Bef befolkning<strong>en</strong> som er over 18<br />
år i d<strong>en</strong> gjeld<strong>en</strong>de kommune. a, b og c er<br />
parametr<strong>en</strong>e som skal estimeres, m<strong>en</strong>s M<br />
er metningsnivået og g er <strong>en</strong> konstant<br />
(som påvirker modell<strong>en</strong>s veksttakt). For<br />
de to sistnevnte må det settes verdier før<br />
estimering<strong>en</strong> kan skje.<br />
Tilsvar<strong>en</strong>de har modell<strong>en</strong>e for forretningsabonnem<strong>en</strong>ts-etterspørsel<strong>en</strong><br />
kun<br />
tid<strong>en</strong> som forklaringsfaktor:<br />
M<br />
yt =<br />
(1 + e (3)<br />
a+b⋅t ) g<br />
Her er y, t, M, a, b og g som for (2), bortsett<br />
fra at de nå gjelder for forretningsabonnem<strong>en</strong>ts-etterspørsel<strong>en</strong><br />
i d<strong>en</strong> gjeld<strong>en</strong>de<br />
kommune.<br />
Modell<strong>en</strong>e blir også i dette tilfellet brukt<br />
på årsdata for total etterspørsel etter<br />
TAT 3 . Splitting<strong>en</strong> i markedssegm<strong>en</strong>t<strong>en</strong>e<br />
bolig og forretning gjøres på tilsvar<strong>en</strong>de<br />
måte som for regionsdata, se ov<strong>en</strong>for.<br />
Vi har valgt å vise data, modell og prognoser<br />
fra <strong>en</strong> av kommun<strong>en</strong>e i Region<br />
Oslo. I tabell 9 er det pres<strong>en</strong>tert data for<br />
befolkningsutvikling<strong>en</strong> (18 år og over),<br />
boligabonnem<strong>en</strong>t (konstruert) og forretningsabonnem<strong>en</strong>t<br />
(konstruert) for Oslo<br />
kommune.<br />
Selve transformasjon<strong>en</strong> av data, før<br />
minste kvadraters metode kan b<strong>en</strong>yttes til<br />
estimering av parametr<strong>en</strong>e a, b og c i<br />
boligabonnem<strong>en</strong>tsmodell<strong>en</strong>e og a og b i<br />
forretningsabonnem<strong>en</strong>tsmodell<strong>en</strong>e,<br />
utføres på samme måte som tilfellet var<br />
for de tilsvar<strong>en</strong>de regionsmodell<strong>en</strong>e.<br />
3 Hvis det er HA <strong>en</strong> ønsker prognoser<br />
for, kan selvfølgelig tilsvar<strong>en</strong>de modeller<br />
bygges for d<strong>en</strong>ne variabel<strong>en</strong>.<br />
Alternativt kan forholdet mellom HA<br />
og TAT trekkes ut i de prognos<strong>en</strong>e som<br />
er pres<strong>en</strong>tert her.<br />
Utskrift<strong>en</strong>e fra prognoseprogrammet er<br />
helt tilsvar<strong>en</strong>de som for region<strong>en</strong> totalt,<br />
se tabell 5. Vi viser ikke d<strong>en</strong>ne her, m<strong>en</strong><br />
setter inn verdi<strong>en</strong>e for M og g, samt de<br />
estimerte verdi<strong>en</strong>e for a, b, og c.<br />
Modell for boligabonnem<strong>en</strong>ts-etterspørsel<br />
for Oslo kommune:<br />
25900<br />
yt =<br />
1 + e 159,8106−0,07862t−0,00004Bef<br />
( ) 20000<br />
(17)<br />
Modell<strong>en</strong> for forretningsabonnem<strong>en</strong>tsetterspørsel<br />
for Oslo kommune:<br />
259000<br />
yt =<br />
(1 + e (18)<br />
118,67177−0,06483t ) 20000<br />
Innledningsvis nevnte vi at alle (geografisk)<br />
underligg<strong>en</strong>de prognoser knyttes opp<br />
mot regionsprognos<strong>en</strong>: Sum s<strong>en</strong>tralprognoser<br />
= sum kommuneprognoser = regionsprognos<strong>en</strong>.<br />
Dette betyr at det som<br />
regel ikke er de direkte resultat<strong>en</strong>e fra<br />
kommune-modell<strong>en</strong>e som vurderes:<br />
Summ<strong>en</strong> av de individuelle kommuneprognos<strong>en</strong>e<br />
er sjeld<strong>en</strong>t lik distriktsprognos<strong>en</strong><br />
4 . Derfor må det skje <strong>en</strong><br />
avstemming av kommuneprognos<strong>en</strong>e slik<br />
at summ<strong>en</strong> blir konsist<strong>en</strong>t med distriktsprognos<strong>en</strong>.<br />
Det tidligere omtalte prognoseprogram<br />
for de logistiske modell<strong>en</strong>e utfører d<strong>en</strong>ne<br />
avstemming<strong>en</strong> automatisk. Prinsippet for<br />
avstemming<strong>en</strong> kan forklares ved følg<strong>en</strong>de<br />
eksempel: Anta at sum av alle kommuneprognoser<br />
inn<strong>en</strong> region<strong>en</strong> i første<br />
omgang gir høyere tall <strong>en</strong>n regions-<br />
Tabell 9 Befolkningsm<strong>en</strong>gd<strong>en</strong> (18+) og beregnet fordeling<br />
av TAT på bolig og forretning. Oslo kommune<br />
Oslo kommune<br />
År Befolkning Boligab. Forr. ab.<br />
1982 369218 185596 66761<br />
1983 369326 191922 70021<br />
1984 370338 199266 73160<br />
1985 372404 206829 79336<br />
1986 374332 214354 85248<br />
1987 376480 221374 88959<br />
1988 378047 224981 93267<br />
1989 378702 227783 97363<br />
1990 380187 231116 101707<br />
141