|
| | | | Проблемы современной экономики, N 1-2 (9-10), 2004 | | | | РЕГИОНАЛЬНАЯ ЭКОНОМИКА | | | Крамин Т. В.
заведующий кафедрой менеджмента
Института экономики, управления и права (г.Казань),
кандидат физ.-мат.наук, магистр экономики (США)
| |
| | | |
Рынок телекоммуникационных услуг в последнее время переживает период бурного развития во многих российских регионах. Структура рынка становится более прозрачной. Крупнейшая четверка российских операторов сотовой связи - "Мобильные ТелеСистемы" (МТС), "Мегафон", "ВымпелКом" (торговая марка "Би Лайн") и Средневолжская межрегиональная ассоциация радиотелекоммуникационных систем (СМАРТС) поглощают более мелких региональных операторов или создают собственную телекоммуникационную инфраструктуру. При поглощениях крупные операторы получают не только финансовые и технические ресурсы отдельных компаний. Не менее важна для них абонентская база поглощаемых операторов и ее динамика.
В профессиональной литературе исследования рынка сотовой связи, однако, имеют в основном прикладной характер. Большинство авторов не углубляется в анализ экономической сущности данного рынка. Правда, иногда делается попытка оценить потенциал рынка сотовой связи, но в связи с отсутствием достоверных данных используются недостаточно обоснованные допущения. В то же время в теоретических работах упускаются из вида практические аспекты потребительского спроса, а в аналитических обзорах практиков отсутствует анализ, основанный на знании экономической теории.
В 1972 году Родни Добел и Лэстер Тэйлор представили эконометрическую модель телекоммуникационной отрасли в Канаде, учитывающую объем спроса, динамику ВНП и уровень цен на услуги связи. Согласно их оценкам, эластичность по доходу была высока для всех сегментов спроса, ценовые эластичности - значительны только для спроса на междугородние звонки на уровне домохозяйств.
В 1982 году Гриффин исследовал спрос на услуги по отправке сообщений, большую часть из которых составляют междугородние. Он построил модель, в которой количество сообщений на душу населения определялось среднедушевым доходом и ценами на телекоммуникационные услуги, в сравнении с взаимозаменяющими и взаимодополняющими. В отличие от предыдущих исследований им рассматривались квартальные данные по пяти юго-западным штатам США.
В 1993 году Карлос Мартинс-Фило и Джон Майо эмпирически оценили структуру спроса на услуги связи в четырех районах США. При этом зависимой переменной в модели являлось количество звонков. Были оценены ценовые эластичности и эластичность по доходу.
Нами для анализа используется модифицированная модель спроса и предложения. Единицей оказанных услуг выбирается не временная единица продолжительности звонка и не количество совершенных абонентом звонков, а обеспечение связью одного абонента в течение одного месяца, если он активно пользуется услугами сотовой связи. Ценой единицы оказываемых услуг принят средний ежемесячный доход оператора сотовой связи, полученный от одного абонента. В качестве зависимой переменной в эконометрической модели избран средний ежемесячный доход оператора сотовой связи от одного абонента (ARPU).
При анализе использованы данные Госкомстата Республики Татарстан о структуре и доходах населения по городам и районам и половозрастной структуре населения в 2001 - 2002 годах и данные региональных операторов сотовой связи. В частности, используются помесячные данные по динамике активных абонентов и ARPU за период 2001 - 2002 годы.
На базе этих данных построена модель спроса и предложения с эластичным спросом и неэластичным предложением. Неэластичность предложения объясняется тем, что тарифная политика не влияет на объем предлагаемых оператором услуг. Ограничением на объем оказываемых услуг является мощность телекоммуникационного оборудования. Объем оказываемых услуг в данном случае измеряется количеством абонентов, которым были оказаны услуги связи в течение месяца. Ценой за единицу услуг сотовой связи считаются средние затраты одного активного абонента на сотовую связь в течение месяца.
Строятся две регрессионные модели:
Первая модель оценивает эластичность среднемесячного дохода на одного абонента по объему абонентской базы на рынке сотовой связи. Согласно сделанному допущению о ценовой неэластичности предложения, рассматривается не система из двух уравнений, а одно уравнение. В регрессионной модели уровень абонентской базы включается в качестве независимой переменной, так как динамика абонентской базы определяется покрытием, которое со временем расширяется, доступностью сотовой связи, количеством пунктов продаж и абонентского обслуживания и другими факторами. Среднемесячный доход оператора на одного абонента, или среднемесячные затраты одного абонента, рассматриваются как зависимая переменная. Чем быстрее растет абонентская база, тем больше представителей малодоходных слоев населения приходит на рынок сотовой связи. Средние затраты на сотовую связь одного абонента снижаются.
Регрессионная модель представляется в следующем виде | | |  |
Данные представляют собой временные ряды переменных за 2001-2002 годы, помесячно. Этот период характеризуется стремительным развитием рынка сотовой связи, в частности, в Республике Татарстан, при доминировании одного оператора сотовой связи на рынке.
Вторая модель строится для оценки структуры абонентской базы, оценки степени проникновения услуг сотовой связи в населенные пункты отдельно взятого региона РФ: | | |  |
Указанные переменные включены на основе предположения о том, что потребность сотовой связи выше в городах и крупных населенных пунктах. Кроме того, в вектор Q включен показатель среднедушевого дохода населения по городам (районам). Данные представляют собой кроссекционные данные по 45 городам и районам Татарстана на июль 2003 г.
Реализация второй модели является логическим продолжением реализации первой. В первой модели величина абонентской базы включается в виде независимой переменной, во второй - объясняются различия в уровне абонентской базы между городами (районами).
Расчеты в рамках первой модели дают вполне определенную основу для оценки эластичности ARPU по количеству активных абонентов: | | | | Зависимая переменная: arpu - Ln (ARPU), ARPU - среднемесячный доход от одного абонента, включено наблюдений - 23 |  |
nn - Ln(NN) , NN - количество активных абонентов на конец месяца.
Модель показывает, что динамика зависимой переменной на 90% объясняется независимой переменной NN. Рост абонентской базы по активным абонентам однозначно определяет снижение ARPU.
Абонентская база оператора сотовой связи обычно разделяется по способу оплаты услуг связи на две группы: на условиях предоплаты (Prepaid services, далее в тексте - РР), на условиях постоплаты. Тарифные планы, в которых предусмотрены платежи по постоплате, назовем основными тарифными планами (ОТП). Тарифы системы РР отличаются отсутствием абонентской платы и роуминга за пределами зоны покрытия оператора. Такие тарифы, как правило, выбирают наименее лояльные по отношению к оператору и низкодоходные абоненты. Таким образом изучается зависимость общего ARPU от динамики двух абонентских баз. | | | | Зависимая переменная: arpu = Ln (ARPU), ARPU - среднемесячный доход от одного абонента, включено наблюдений - 23 |  |
В модели АВОТ и АВРР обозначают Ln от количества абонентов на основных тарифных планах и на препейде по состоянию на конец месяца, соответственно. Исключение из модели регрессора АВРР, коэффициент перед которым в указанной выше модели является статистически незначимым, дает следующий результат: | | | | Зависимая переменная: arpu = Ln (ARPU), ARPU - среднемесячный доход от одного абонента, включено наблюдений - 23 |  |
Таким образом, динамика показателя ARPU на 92% определяется динамикой абонентской базы на основных тарифных планах. Для прогнозирования динамики ARPU одним из основных показателей должна быть величина абонентской базы на ОТП.
Динамика ARPU на основных тарифных планах, AROT также определяется динамикой абонентской базы на ОТП.
Это подтверждается результатами следующей регрессионной модели: | | | | Зависимая переменная: AROT, включено наблюдений - 23 |  |
Уровень и динамика абонентской базы определяются коэффициентом проникновения сотовой связи. Его значения различаются в разных населенных пунктах.
Для выявления факторов, определяющих такие значения, рассмотрен ряд регрессионных моделей, построенных на кроссекционных данных.
В итоге построена следующая модель: | | | | Зависимая переменная: Y - коэффициент проникновения в городе (районе) Республики Татарстан, включено наблюдений - 45 |  |
РО - численность населения в районе (городе) Республики Татарстан (в тыс.чел.), RA - доля городского населения в районе (городе) Республики Татарстан. Показатель РО фактически определяет плотность населения в городе (районе) и степень развития его инфраструктуры, соответственно и степень проникновения сотовой связи.
Спецификация модели несколько улучшается с точки зрения R2, если в данной модели второй регрессор заменить его квадратом.
Новая модель имеет вид: | | | | Зависимая переменная: D - коэффициент проникновения в городе (районе) Республики Татарстан, включено наблюдений - 45 |  |
Уровень среднедушевого дохода жителей города (района) SA (тыс.руб.) определяет 60% различий в значениях коэффициента проникновения (в скобках ниже формулы - стандартные ошибки): | | |  |
Однако коэффициент перед SA становится незначимым при включении в модель переменных РО и RA в силу того, что показатель среднедушевого дохода жителей города (района) тесно коррелируется с этими переменными.
Взаимосвязь экономических переменных в построенных эконометрических моделях полностью соответствует экономической сущности изучаемых на рынке процессов.
Практическое значение полученных результатов состоит в их использовании при оценке потенциала, структуры и конъюнктуры рынка сотовой связи в регионе РФ.
На основании полученных зависимостей может быть проведен сценарный анализ с целью определения маркетинговой стратегии компании, позволяющий достичь максимальной стоимости бизнеса оператора сотовой связи. Кроме того, полученные методы и оценки могут использовать инвесторы при слияниях и поглощениях региональных сотовых компаний федеральными операторами. |
| |
|
|
