BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Kaczmarczyk Paweł (The Mazovian State University in Płock, Poland)
Tytuł
Econometric Modelling of Compound Cyclicality of Using Telecommunication Services
Ekonometryczne modelowanie złożenia cykliczności korzystania z usług telekomunikacyjnych
Źródło
Econometrics. Advances in Applied Data Analysis, 2021, vol. 25, nr 2, s. 27-45, rys., tab., bibliogr. 17 poz.
Ekonometria
Słowa kluczowe
Ekonometria, Modele ekonometryczne, Systemy wspomagania decyzji, Prognozowanie
Econometrics, Econometric models, Decision Support Systems (DSS), Forecasting
Uwagi
Klasyfikacja JEL: C53, L86, L96
streszcz., summ.
Abstrakt
Celem artykułu jest zbadanie efektywności modelu ekonometrycznego ze zmiennymi dychotomicznymi (binarnymi) w aproksymacji i prognozowaniu złożonej cykliczności (rocznej, miesięcznej, tygodniowej, dobowej) popytu na usługi telekomunikacyjne. Analizy przeprowadzono w oparciu o dane udostępnione przez wybranego operatora sieci telekomunikacyjnej. Dane obejmują cogodzinnie sumowane zapotrzebowanie na usługi połączeń wychodzących z sieci operatora (w sekundach) w przekroju: wybranej grupy abonentów, poszczególnych dni, kolejnych miesięcy oraz danej kategorii połączenia. Wszystkie rodzaje cykliczności zostały potwierdzone w modelach zawierających 70 zmiennych objaśniających (tzn. w modelach bez świąt). Włączenie do modelu zbioru zmiennych reprezentujących święta poprawiło dopasowanie modelu do danych. Ekonometryczne modelowanie złożenia cykliczności i jego prognozowanie z wykorzystaniem zmiennych dychotomicznych okazało się efektywne.(abstrakt oryginalny)

The aim of this study was to test the effectiveness of an econometric model with dichotomous (binary) explanatory variables in the approximation and prediction of different kinds of cyclicality (annual, monthly, weekly, and daily) of demand for telephone services. The analyses were conducted with the use of data provided by the selected telecommunication network operator. The data included hourly combined demand for specified telephone services (in seconds) of outgoing calls within the framework of the particular subscriber group (business or individual), the given day, the particular month, and the specific category of connection. All kinds of the cyclicality were confirmed in models with 70 explanatory variables (i.e. in models without holidays). The inclusion of the variables set denoting specific holidays improved goodness of the models fit to the data. The econometric modelling of cyclical components and the forecasting of it with the use of dichotomous variables was effective.(original abstract)
Dostępne w
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Baltagi, B. H. (2008). Econometrics. Berlin: Springer.
  2. Begg, I. (2010). Europe 2020 and Employment. Intereconomics, 45(3).
  3. Box, G. E. P., Jenkins, G. M., and Reinsel, G. C. (1994). Time series analysis. Forecasting and control. Englewood Cliffs: Prentice Hall.
  4. Daft, R. L., and Marcic, D. (2011). Understanding management. Mason: South-Western Cengage Learning.
  5. Dittmann, P. (2004). Prognozowanie w przedsiębiorstwie. Metody i ich zastosowanie. Kraków: Oficyna Ekonomiczna.
  6. European Commission. (2010). Europe 2020. A Strategy for Smart, Sustainable and Inclusive Growth. Communication from the Commission. Brussels. Retrieved July 22, 2017 from http://www.buildup. eu/sites/default/files/content/com2010_2020en01.pdf
  7. Griffin, R. (2015). Fundamentals of Management. Boston: Cengage Learning.
  8. Kaczmarczyk, P. (2016). Integrated model of demand for telephone services in terms of microeconometrics. Folia Oeconomica Stetinensia, 16(2). http://dx.doi.org/10.1515/foli-2016-0026
  9. Kaczmarczyk, P. (2017). Microeconometric analysis of the telecommunication services market with the use of SARIMA models. Dynamic Econometric Models, 17. http://dx.doi.org/10.12775/ DEM.2017.003
  10. Kaczmarczyk, P. (2018). Neural network application to support regression model in forecasting single-sectional demand for telecommunications services. Folia Oeconomica Stetinensia, 18(2). http://dx.doi.org/10.2478/foli-2018-0025
  11. Kasiewicz, S. (2005). Budowanie wartości firmy w zarządzaniu operacyjnym. Warszawa: Szkoła Główna Handlowa w Warszawie.
  12. Kufel, T. (2010). Ekonometryczna analiza cykliczności procesów gospodarczych o wysokiej częstotliwości obserwowania. Toruń: Wydawnictwo Naukowe UMK.
  13. Lisbon European Council. (2000). Presidency Conclusions. Retrieved June 24, 2017 from http://www. europarl.europa.eu/summits/lis1_en.htm
  14. Maddala, G. S., and Lahiri, K. (2009). Introduction to econometrics. Chichester: John Wiley and Sons.
  15. Makridakis, S., and Wheelwright, S. C. (1989). Forecasting methods for management. New York: J. Wiley.
  16. Makridakis, S., Wheelwright, S. C., and Hyndman, R. J. (1998). Forecasting methods and applications. New York: J. Wiley.
  17. Marcinkowska, M. (2000). Kształtowanie wartości firmy. Warszawa: Wydawnictwo Naukowe PWN.
Cytowane przez
Pokaż
ISSN
1507-3866
Język
eng
URI / DOI
http://dx.doi.org/10.15611/eada.2021.2.03
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu