Prognosemetoder – en oversikt - Telenor

More documents

Recommendations

Info

74 spesielt er opptatt av forklaringsfaktorer, er det nettopp slike “forklaringsmodeller” som beregnes. Selve beregningen foregår ved hjelp av statistiske metoder, vanligvis en eller annen variant av regresjon. Modellene blir i neste omgang anvendt til å gi anslag for den framtidige utvikling, dvs prognoser. 5.1 Private abonnenters etterspørsel La oss vende tilbake til økonomisk teori. I teorien for konsumentenes tilpasning forutsettes det at konsumentene maksimerer sin nytte, gitt de priser konsumenten står overfor og den inntekt han/hun har. Av dette kan det avledes at de viktigste forklaringsfaktorer bak etterspørselen etter en gitt vare eller tjeneste (gitt visse forutsetninger om bl a konsumentens nyttefunksjon) er prisen på denne, prisene på alle andre varer og tjenester og den inntekt konsumenten har til disposisjon. Konkret betyr det at en konsuments etterspørsel etter en gitt teletjeneste ut fra teorien kan forklares av prisen på denne teletjenesten, prisen på alle andre varer og tjenester og konsumentens inntekter. I praksis vil prisen på de fleste andre varer og tjenester, f eks ost, melk, brød og tennistimer bli utelatt i en modell for beskrivelse av etterspørselen, fordi etterspørselen etter disse er “uavhengige” av etterspørselen etter teletjenester (dvs de påvirker ikke etterspørselen etter teletjenester). Prisen på f eks posttjenester og ulike andre teletjenester er imidlertid viktige fordi disse tjenestene kan være “konkurrerende i etterspørselen”, dvs tjenestene er “alternative goder”, ved at kundene enten velger den ene eller den andre tjenesten. Viktig er også prisen på terminalutstyret som skal til for å benytte teletjenesten, fordi dette ofte er varer som er “komplementære i etterspørselen”, dvs når teletjenesten blir etterspurt, blir også terminalutstyret etterspurt. I tillegg kommer momenter som slik generell økonomisk grunnteori ikke sier noe om, dvs som er spesifikk for etterspørselen etter den gitte teletjenesten. Dette kan være forholdet mellom prisene på anskaffelse og bruk av tjenesten, økt konsumentnytte når antall abonnenter tilknyttet nettet vokser (access externality), ekstra nytte av muligheten til å motta meldinger/informasjon fra andre abonnenter (call externality), ekstra nytte ved at abonnenten kan velge om han/hun skal anvende tjenesten (option demand) m m8 . 5.2 Bedriftenes etterspørsel I teorien for bedriftenes tilpasning spiller sammenhengen mellom kostnadene ved produksjon av varer og tjenester og de priser som oppnås i markedet en viktig rolle. Hvis det forutsettes at bedriften tilpasser seg ved å maksimere sitt overskudd, gitt de kostnadene den er stilt overfor, kan (under gitte forhold) bedriftenes etterspørsel etter de innsatsfaktorer som må til i produksjonen av en gitt vare/ tjeneste, utledes som funksjoner av den prisen som varen oppnår i markedet og prisen på alle innsatsfaktorene. Bedriftens bruk av teletjenester kan anses som slike innsatsfaktorer i produksjonen. Ved valg av hvilke priser som i praksis skal innlemmes i en god forklaringsmodell for bedriftens etterspørsel etter en gitt teletjeneste, er det også i dette tilfellet viktig å ta med de som vi antar påvirker denne etterspørselen: Prisen på innsatsfaktorer som er “teknisk alternative i produksjonen”, f eks posttjenester og ulike andre teletjenester er også her relevante. Likeså vil også f eks prisen på terminalutstyret som skal til for å benytte teletjenesten være viktig, fordi dette er en innsatsfaktor som er “teknisk komplementær i produksjonen”. Innsatsfaktorer som er “uavhengige i produksjonen” utelates som regel. Momenter som slik generell økonomisk grunnteori ikke sier noe om, kan det også være aktuelt å ta med: For eksempel er det vanlig å anta at bedriftens inntekter/overskudd har en innvirkning på hvor kostnadsbevisst bedriften er: Perioder med store overskudd bidrar til økt etterspørsel, mens perioder med små overskudd eller underskudd bidrar til lavere etterspørsel. I den senere tid er imidlertid dette forholdet blitt komplisert ved at telekommunikasjon i voksende grad blir sett i sammenheng med rasjonalisering av driften. Dette kan i så fall bidra til økende etterspørsel også i perioder hvor overskuddet i bedriftene avtar. Også det generelle aktivitetsnivået i bedriften (f eks målt ved omsetningen) er vanligvis antatt å påvirke etterspørselen: Voksende aktivitetsnivå bidrar til økt behov for teletjenester. Endelig gjelder også her at forhold som måtte være spesifikke for etterspørselen etter den gitte teletjenesten må ivaretas på samme måte som for konsumentene9 . 5.3 Segmentprognoser En viktig lærdom av teoriene for konsumentenes og bedriftenes tilpasning er at det til dels er ulike forklaringsfaktorer bak etterspørselen etter varer og tjenester fra de to. I tillegg forventer vi at konsumentene og bedriftene i sin etterspørsel legger ulik vekt på de forklaringsfaktorer som måtte være felles. Skal vi lage gode forklaringsmodeller for etterspørsel etter varer og tjenester generelt, og teletjenester spesielt, bør vi derfor segmentere markedet og behandle hvert segment for seg. Intuitivt vil dette gi oss en gevinst i form av økt viten om markedet som igjen vil bidra til sikrere prognoser. I prinsippet kan det også innenfor hvert av de to segmentene være grupper av kunder hvor etterspørselen kan forklares ut fra faktorer som ikke gjelder for andre grupper eller hvor vektlegging av forklaringsfaktorene er forskjellig fra gjennomsnittet av segmentet. Hensiktsmessighet, mål for de ulike analysene og det faktum at prognoser generelt blir mer usikre jo mindre grupper de gjelder, begrenser hvor langt en i det enkelte tilfellet bør gå i retning av stadig mindre segmenter. Den enkleste form for segmentering av abonnementsmarkedet er nettopp privatog bedriftsmarkedet. I forbindelse med omorganiseringen av Televerket har denne segmenteringen fått fornyet aktualitet. De nye markedsdivisjonene har behov for klart å definere hvilke abonnement som tilhører de ulike divisjonene. I den forbindelse ble det utarbeidet nye definisjoner for de såkalte brukskategorier (bkat) for telefonabonnement i TELSIS/AB, og disse ble fordelt til Bedriftsmarkedsdivisjonen (BMD) og Privatmarkedsdivisjonen (PMD) på følgende måte: 1 Boligabonnement – bkat B (PMD): Abonnement kun eid og i bruk av privatperson 2 Forretningsabonnement – bkat F (BMD): Abonnement som entydig er eller er lokalisert til bedrifts-virksomhet 8 Uttrykkene i parentes er de som anvendes i engelsk/amerikansk litteratur om teorier for etterspørsel etter telefonabonnement og bruk av disse. Se f eks [6] for en sammenfatning av disse momentene. 9 Det finnes lite litteratur som beskriver særegenheter ved bedriftenes etterspørsel etter teletjenester for bruk i kvantitative prognosemodeller. Dette skyldes i stor grad at bedriftenes tilpasning er kompleks.
3 Forretnings-/boligabonnement – bkat FB (BMD): Abonnement som opprettes for selvstendig næringsdrivende som driver næringsvirksomhet fra egen bolig 4 Bolig-/bedriftsabonnement – bkat BB (PMD): Abonnement som er eid av en bedrift og installert hos en privatperson som arbeider i vedkommende bedrift 5 Hytteabonnement – bkat H (PMD): Abonnement til hytte eller sommerbolig 6 Televerkets samtaleautomater og friluftskiosker – bkat SM (PMD) 7 Televerkets abonnement – bkat S (BMD): Samlekategori for abonnement til Televerkets telefoner. Ulike abonnementspriser påvirker inntektsbudsjettene, og ulike utstyrspriser påvirker investeringsbudsjettene. Dette er i neste omgang med på å påvirke budsjettenes detaljeringsgrad, og disse vil langt på vei sette rammer for hvor langt ned det er behov for å segmentere markedet. Per i dag er det naturligvis klare behov for å splitte f eks abonnementsprognosene på PMD og BMD pga inntektsbudsjettene. I tillegg er det behov for å splitte BMDs prognoser i regulære analoge abonnement, 2 Mbit/s-abonnement og antall innvalgsnummer, fordi ulike priser påvirker både inntekts- og investeringsbudsjettene. I framtiden vil det bli økende behov for segmentering. Dette skyldes bl a det faktum at det stadig blir teknisk mulig å skreddersy abonnement til ulike brukergrupper og at vi får konkurranse på stadig flere områder. Førstnevnte krever større detaljer i investeringsanalyser/budsjetter, mens sistnevnte på tilsvarende måte gir behov for mer fininndelte inntektsbudsjetter. Dette tvinger fram segmentering både for kundegrupper og for produktgrupper. Dessverre lar det seg ikke gjøre å ta ut offisielle tidsserier som går særlig langt tilbake for abonnement/tilknyttinger fordelt på brukskategoriene nevnt over. Fra og med årsskiftet 1990/91 ble det imidlertid tilrettelagt muligheter for å splitte R35-tallene i AS, slik at vi får tilgangstallene fordelt på brukskategori. Senere er også tilsvarende rapporter for de ueffektuerte og ikke oppdaterte ordrer kommet til, slik at etterspørselen nå lar seg fordele på brukskategori. I Region Oslo er det konstruert en grov fordeling av data for årlig netto-etterspør- sel tilbake til 1977 for intern bruk. Denne konstruerte fordelingen er presentert i figur 6. Selv om denne fordelingen er påvirket av de anvendte metoder for fordeling av abonnementene (spesielt antas det at dette er tilfellet i periodene før 1984), illustrerer figuren et viktig faktum: I enkelte perioder utvikler etterspørselen etter abonnement fra forretningskundene seg totalt forskjellig fra tilsvarende etterspørsel fra privatkunder. Vi forventer derfor at segmentanalyser/prognoser vil gi en gevinst i form av bedre viten om markedsmekanismer og sikrere prognoser. En tilsvarende beregnet fordeling av HA i brukskategorier for alle teleområder er årlig utført av det tidligere utredningskontoret i Teledirektoratets økonomiavdeling, ØSU, se [2]. Litteratur 1 Makridakis, S, Wheelwright, S C, McGee, V E. Forecasting: Methods and Applications, 2nd edition. New York, John Wiley, 1983. 2 ØSU. Beregning av etterspørselen etter boligabonnement 1991. Oslo, Økonomiavdelingen, Teledirektoratet, 1992. 3 Bøe, J, Hjelkrem, C. Utarbeiding av prognoser for etterspørsel etter telefonabonnement i Oslo teledistrikt. Telektronikk, 87(1), 93–109, 1991. 4 Taylor, L D. Telecommunications demand: a survey and critique. Cambridge, Mass., Ballinger, 1980. 5 Taylor, L D. The demand for telecommunications: a nontechnical exposition. I: Michael A Crew, Issues in public utility pricing and regulations. Lexington Books, 1980. 6 Taylor, L D. Problems and issues in modelling telecommunications demand. I: Courville, de Fontenay and Dobell (eds.), Economic analysis of telecommunications: theory and applications. North-Holland, 1983. 7 Serck-Hanssen, J. Teorier for konsumentenes adferd. Oslo, Universitetsforlaget, 1975. Hovedabonnement (x 1000) 14 12 10 8 6 4 2 0 1977 Bolig Forretning 1979 1981 1983 1985 Figur 6 Årlig etterspørsel, HA, fordelt på bolig og forretning. Beregnede tall 8 Frisch, R. Innledning til produksjonsteorien, 9. utgave. Oslo, Universitetsforlaget, 1971. 1987 1989 75
Page 2 and 3:
Innhold TEMA: Introduksjon, Kjell S
Page 5 and 6:
1 Utvikling av prognosearbeidet i T
Page 7 and 8:
- Prognoser for vanlig telefonabonn
Page 9 and 10:
De økonomiske beregninger som ligg
Page 11 and 12:
ment fra bedrifter. I tillegg er de
Page 13 and 14:
Tele-hjemmearbeid Kommunikasjon mel
Page 15 and 16:
observasjoner, fordi det er en ny t
Page 17 and 18:
1.nyttårsdag (x 10 000) 400 350 30
Page 19 and 20:
20 dere med antall abonnenter. niv
Page 21 and 22:
Indeks 220 200 180 160 140 120 100
Page 23 and 24: menes at det statistisk ikke er tro
Page 25 and 26: klassiske prognosemetoden i den fø
Page 27 and 28: Tabell 6.3 Tidsrekker med forskjell
Page 29 and 30: 38 7.3 Enkel modellbygging Utgangsp
Page 31 and 32: Når vi bruker minste kvadraters me
Page 33 and 34: e t 0 99.9 Figur 7.13 Plott av resi
Page 35 and 36: 58 53 48 43 38 33 28 1 0.5 0 -0.5 -
Page 37 and 38: sjonene eller utviklingen til y. Va
Page 39 and 40: det kommunisere med. Dermed blir tj
Page 41 and 42: 1 og ved t med (1 - b) og summerer
Page 43 and 44: i etterspørselen i påfølgende m
Page 45 and 46: aggregerte prognosen er riktig. Ned
Page 47 and 48: prognosene vil med sikkerhet ikke v
Page 49 and 50: skyld, er lite, vil det også være
Page 51: Ed: O D Anderson. Amsterdam, North
Page 54 and 55: 54 Diverse enkeltpersoner 16 Televe
Page 56 and 57: Figur 3.3 Innhenting av informasjon
Page 58 and 59: 58 Selvbetjening over telenettet Tj
Page 60 and 61: 60 Det kan være vanskelig med noen
Page 62 and 63: 62 I TITAN-prosjektet ble det foret
Page 64 and 65: 64 Prosentandel av husstander 25 20
Page 66 and 67: 66 I N E T T E T Annullerte bestill
Page 68 and 69: (x 100) 22 17 12 68 7 2 -3 01/87 +
Page 70 and 71: periodene, skyldes at dette skjules
Page 72 and 73: 72 “givende” sentralen til den
Page 76 and 77: 001.18:621.39 76 Glattingsmodeller
Page 78 and 79: 78 Tabell 2 De opprinnelige sesongo
Page 80 and 81: 80 0.025 0.02 0.015 0.01 0.005 y' t
Page 82 and 83: Tabell 3 Holts metode 82 År t Anta
Page 84 and 85: Tabell 5 Hvordan Holt-Winters addit
Page 86 and 87: (x 100) 20 15 10 86 5 0 antall abon
Page 88 and 89: Abonnement 540 520 500 480 460 88 n
Page 90 and 91: 90 ingsprosedyre som skal iterere s
Page 92 and 93: 92 forbedringer av modellen. Plott
Page 94 and 95: 94 Vi ser av (5.12) at variansen ti
Page 96 and 97: 96 Figur 7.2 Residualer fra lineær
Page 98 and 99: 98 Tabellen viser at alle parameter
Page 100 and 101: disse til å lage prognoser med. So
Page 102 and 103: 102 16 Bøe, J, Stordahl, K. Teller
Page 104 and 105: 200 180 160 140 120 100 80 60 40 Fi
Page 106 and 107: 106 1 0.8 0.6 0.4 0.2 0 1 0.8 0.6 0
Page 108 and 109: 108 Tabell 2 viser de historiske da
Page 110 and 111: 001.18:621.39 110 Box-Jenkins metod
Page 112 and 113: Standardavvik 600 550 500 450 400 S
Page 114 and 115: 114 AR-parametre og q MA-parametre
Page 116 and 117: 116 Figur 13 Autokorrelasjonsfunksj
Page 118 and 119: 118 Korrelasjonsverdi Vi ser av fig
Page 120 and 121: 120 Aksepter hypotesen om at parame
Page 122 and 123: Residualer 0.4 0.3 0.2 0.1 122 0 -0
Page 124 and 125:
124 Referanser 1 Stordahl, K, Hjelk
Page 126 and 127:
Tabell 1 Volum tellerskritt, abonne
Page 128 and 129:
128 Tabell 3a Prognose fra modell b
Page 130 and 131:
Page 132 and 133:
Page 134 and 135:
001.18:621.39 134 Prognoser for abo
Page 136 and 137:
136 Tabell 3 Analyse av støyledden
Page 138 and 139:
138 Tabell 5 Utskrift av prognosepr
Page 140 and 141:
vi ikke diskutere her. Poenget er
Page 142 and 143:
142 prognosen. Da “beskjæres”
Page 144 and 145:
144 7 Stordahl, K. Prognosemetoder:
Page 146 and 147:
Tabell 1 Oversikt over takstklassen
Page 148 and 149:
148 Tabell 5 Antall samtalesekunder
Page 150 and 151:
150 a) (x1000) 45 35 25 15 5 (x1000
Page 152 and 153:
152 Tabell 8 viser de avleste telle
Page 154 and 155:
154 Tabell 11 Komplett datasett med
Page 156 and 157:
001.18:621.39 156 Prognoser for nye
Page 158 and 159:
158 3.1 Vurderinger av foreliggende
Page 160 and 161:
160 passer utmerket, med relativt l
Page 162 and 163:
2B+D aksesser (x1000) 7 6 5 4 3 2 1
Page 164 and 165:
164 (x1000) 10 8 6 4 2 0 Tabell 6 I
Page 166 and 167:
001.18:621.39 166 Prognoser for pri
Page 168 and 169:
168 der ˆσ β* = ˆσ = ˆy t =
Page 170 and 171:
n r (t) 90 % 10 170 1,00 0,80 0,60
Page 172 and 173:
ønsker å benytte disse metodene f
Page 174 and 175:
174 Remote router/ Bridge hand, the
Page 176 and 177:
176 Figure 5 ATM cell Bridge 48 byt
Page 178 and 179:
178 DTE less than 2 Mbit/s, Frame R
Page 180 and 181:
180 References 1 Mannsåker, B et a
Page 182 and 183:
182 Table of contents page Introduc
Page 184 and 185:
006 621.391 184 Signal processing B
Page 186 and 187:
006:681.324 006:681.327.8 186 Data
Page 188 and 189:
006 621.39 188 Teletraffic and dime
Page 190 and 191:
190 contractor. The project had a b
Page 192 and 193:
Table 2 ITU Recommendations for con
Page 194 and 195:
006 654.01:65 194 Telecommunication
Page 196 and 197:
006 196 Introduction EURESCOM is an
Page 198:
198 Intelligent networks 26 % Infra
show all

Prognosemetoder – en oversikt - Telenor

Create successful ePaper yourself

Delete template?

Save as template?