我国信息通信技术创新扩散效应及预测实证研究

doi:10.11959/j.issn.1000-0801.2020015

摘要/Abstract

摘要：

结合我国信息通信技术（ICT）的特点，应用Bass扩展模型对ICT创新扩散效应进行了实证研究。结果表明遗传算法曲线拟合估计效果更好。此外，应用非累计采用者Bass模型从技术演进、业务类型、区域分布及省市等维度对ICT创新扩散效果进行实证分析，得出创新扩散随着ICT的演进创新效应驱动显著，对3G/4G、宽带互联网、数字电视及其融合业务更为明显的结论。最后，采用非累计Bass模型运用遗传算法对固话、移动、宽带和广播电视未来5年的用户规模进行了预测。

关键词: 信息通信技术, 创新扩散, 非累计采用者Bass模型, 遗传算法, 预测

Abstract:

Based on the characteristics of information and communication technology (ICT) in China,an empirical study was made on the diffusion effect of ICT innovation using Bass extension model.The results show that the curve fitting estimation effect of genetic algorithm was remarkable.In addition,non-cumulative adopter model was used to empirically analyze the diffusion effect of ICT innovation from the aspects of technology evolution,business,region and provinces.It was concluded that innovation diffusion was significantly driven by innovation effect along with the evolution of ICT,especially 3G/4G,broadband Internet,digital TV and their convergent business.Finally,the non-cumulative Bass model using genetic algorithm were used to predict the user size of fixed-line,mobile,broad-band,radio and television in the next five years.

Key words: ICT, innovation diffusion, non-cumulative adopter Bass model, genetic algorithm,prediction

中图分类号:

F623

胡文玉,王文举. 我国信息通信技术创新扩散效应及预测实证研究[J]. 电信科学, 2020, 36(1): 66-76.

Wenyu HU,Wenju WANG. Empirical research on the diffusion effect of ICT innovation diffusion and prediction in China[J]. Telecommunications Science, 2020, 36(1): 66-76.

图/表 10

图1

表1

表2

表3

表4

图2

表5

表6

表7

分业务非累计采用者Bass模型未来5年用户数预测"

年份	固话		移动		宽带		广播电视
年份	实际值	预测值	实际值	预测值	实际值	预测值	实际值	预测值
1985年	296.3	680.4	-	-	-	-	115.4	374.1
1986年	355.9	850.7	-	-	-	-	135.2	450.3
1987年	394.9	1 063.0	-	-	-	-	149.8	541.8
1988年	480.1	1 327.1	-	-	-	-	182.3	651.6
1989年	576.5	1 655.4	-	-	-	-	218.8	783.4
1990年	695.2	2 062.3	1.8	1 700.3	-	-	263.2	941.1
1991年	858.5	2 565.3	5.2	2 103.5	-	-	324.0	1 129.9
1992年	1 166.5	3 185.1	17.7	2 601.4	-	-	439.0	1 355.4
1993年	1 764.5	3 945.4	63.8	3 215.8	-	-	660.1	1 624.2
1994年	2 774.5	4 873.2	156.8	3 973.4	-	-	1036.7	1 944.0
1995年	4 138.2	5 997.8	363.0	4 906.2	-	-	1 547.7	2 323.3
1996年	5 588.8	7 349.7	686.2	6 053.4	-	-	2 099.0	2 771.8
1997年	7 025.1	8 958.1	1 309.2	7 461.6	-	-	2 612.9	3 300.0
1998年	8 708.2	10 847.3	2 368.2	9 186.4	0.5	884.1	3 240.2	3 919.0
1999年	10 869.9	13 031.6	4 259.8	11 293.4	1.2	1 096.6	4 043.8	4 640.4
2000年	14 312.1	15 507.6	8 376.9	13 858.8	2.5	1 359.4	5 339.6	5 475.5
2001年	17 967.6	18 246.8	14 433.9	16 969.5	6.4	1 684.3	6 675.8	6 434.3
2002年	21 146.4	21 186.4	20 421.5	20 722.3	330.4	2 085.2	7 911.5	7 524.4
2003年	26 104.3	24 223.1	26 800.6	25 221.8	1 023.3	2 579.3	9 744.2	8 749.5
2004年	30 879.4	27 211.5	33 200.3	30 575.4	2 269.2	3 186.8	11 549.5	10 107.4
2005年	34 595.9	29 969.7	38 708.8	36 885.5	3 443.3	3 931.9	12 842.0	11 587.5
2006年	36 345.2	32 296.4	45 984.6	44 237.8	4 666.7	4 842.8	13 995.1	13 169.1
2007年	36 143.5	33 996.8	54 568.3	52 683.8	6 145.0	5 952.3	15 277.0	14 819.2
2008年	34 079.1	34 914.0	64 019.8	62 219.4	8 077.2	72 96.8	16 352.0	16 491.3
2009年	31 424.0	34 958.6	74 505.2	72 758.4	10 071.3	89 16.6	17 470.0	18 126.1
2010年	29 479.1	34 126.1	85 636.3	84 105.4	12 369.4	10 853.7	18 819.6	19 653.5
2011年	28 521.3	32 498.0	98 448.7	95 933.0	15 000.1	13 149.0	20 209.3	20 997.4
2012年	27 756.9	30 225.6	110 899.4	107 771.7	17 518.2	15 838.6	21 451.3	22 082.5
2013年	26 584.0	27 501.5	122 909.7	119 020.2	18 890.9	18 946.8	22 893.8	22 841.8
2014年	24 943.1	24 527.5	128 608.7	128 987.0	20 048.4	22 478.3	23 458.3	23 225.7
2015年	23 099.8	21 488.3	127 139.4	136 961.2	25 946.7	26 407.9	23 476.5	23 208.0
2016年	20 662.5	18 533.6	132 193.6	142 308.2	29 720.8	30 669.1	22 829.5	22 790.0
2017年	19 359.0	15 770.9	141 748.8	144 569.9	34 853.9	35 145.1	21 445.6	21 999.9
2018年	18 224.8	13 266.7	156 609.8	143 544.5	40 738.0	39 662.2	21 800.0	20 889.5
2019年	-	11 052.8	-	139 323.9	-	43 993.6	-	19 526.5
2020年	-	9 134.4	-	132 277.0	-	47 872.4	-	17 986.7
2021年	-	7 498.8	-	122 982.8	-	51 019.5	-	16 346.0
2022年	-	6 122.5	-	112 135.2	-	53 180.3	-	14 673.7
2023年	-	4 976.5	-	100 443.1	-	54 165.5	-	13 027.9

表7

附表1

全国31省ICT创新扩散非累计采用者Bass模型参数估计结果"

省份	时期	p	q	S*	T	最大值时间	RMSE	修正R平方	F统计量
上海	1985—2017年	0.000 68	0.186	5 308.1		30.12015—2016年	181.4	0.992	1 120.0
辽宁		0.000 52	0.194	7 472.4	30.4		177.5	0.996	2 325.6
内蒙古		0.000 25	0.221	3 718.8	30.7		109.0	0.994	1 531.7
湖北		0.000 34	0.206	7 786.3		31.22016—2017年	166.8	0.997	2 801.5
江苏		0.000 43	0.196	14 757.5	31.2		380.3	0.996	1 924.7
广东		0.000 49	0.190	22 120.0	31.3		824.4	0.990	912.6
山西		0.000 35	0.203	5 065.2	31.4		165.2	0.993	1 194.4
浙江		0.000 51	0.188	12 290.6	31.4		425.9	0.992	1 049.6
福建		0.000 53	0.186	7 012.7	31.4		186.0	0.995	1 782.9
山东		0.000 38	0.198	14 587.4	31.6		421.2	0.995	1 502.7
青海		0.000 21	0.218	830.0	31.7		24.3	0.994	1 446.7
黑龙江		0.000 62	0.177	5 215.9	31.8		205.0	0.989	791.1
新疆		0.000 31	0.203	3 374.8	31.9		103.5	0.993	1 311.4
吉林		0.000 52	0.183	4 216.2	31.9		119.1	0.994	1 532.6
北京		0.000 45	0.188	5 717.1		32.12017—2018年	235.0	0.987	719.1
天津		0.000 64	0.174	2 428.5	32.1		71.9	0.994	1 365.5
陕西		0.000 30	0.201	6 074.8	32.3		150.3	0.996	1 957.3
宁夏		0.000 31	0.197	1 019.8	32.6		26.5	0.995	1 730.2
西藏		0.000 15	0.222	400.4	32.7		10.6	0.994	1 608.2
河北		0.000 38	0.188	10 418.9	32.9		307.2	0.994	1 319.0
安徽		0.000 38	0.188	7 137.9	32.9		192.9	0.995	1 558.8
云南		0.000 33	0.192	5 513.3		33.12018—2019年	108.3	0.997	2 918.8
广西		0.000 42	0.182	5 887.4	33.3		197.4	0.991	978.9
河南		0.000 31	0.192	11 994.8	33.4		305.1	0.995	1 683.9
甘肃		0.000 35	0.188	3 302.1	33.5		108.2	0.992	1 011.6
贵州		0.000 23	0.201	4 577.6	33.7		103.3	0.996	2 060.0
江西		0.000 42	0.179	5 340.3	33.8		147.7	0.994	1 384.4
海南		0.000 40	0.181	1 476.3	33.8		26.8	0.997	3 202.4
湖南		0.000 45	0.177	8 369.2	33.8		212.0	0.995	1 647.9
四川		0.000 39	0.181	12 102.2	33.9		334.6	0.994	1 362.0
重庆		0.000 39	0.179	4 810.4		34.22019—2020年	200.2	0.985	588.2

附表1

参考文献 19

[1]	周一青, 李国杰 . 未来移动通信系统中的通信与计算融合[J]. 电信科学, 2018,34(3): 1-7.
	ZHOU Y Q , LI G J . Convergence of communication and com-puting in future mobile communication systems[J]. Telecom-munications Science, 2018,34(3): 1-7.
[2]	BASS F M . A new product growth model for consumer du-rables[J]. Manage Science, 1969,15(5): 215-227.
[3]	MICHALAKELIS C , VAROUTAS D , SPHICOPOLOS T . Diffusion models of mobile telephony in Greece[J]. Telecom-munications Policy, 2008(32): 234-245.
[4]	LIU X L , WU F S , CHU W L . Diffusion of mobile telephony in China:drivers and forecasts[J]. IEEE Transactions on Engi-neering Management, 2012,59(2).
[5]	LEE S G , YANG C G , LEE E B . ICT product diffusion in US and Korean markets[J]. Industrial Management ＆ Data Systems, 2017,115(2): 270-283.
[6]	TURK T , TRKMAN P . Bass model estimates for broadband diffusion in European countries[J]. Technological Forecasting＆ Social Change, 2012(79): 85-96.
[7]	LEE S G , LEE E B , YANG C G . Strategies for ICT product diffusion:the case of the Korean mobile communications mar-ket[J]. Springer-Verlag Berlin Heidelberg,Serv Bus, 2014(8): 65-81.
[8]	徐明慧, 郑继明 . 基于 Bass 模型的移动电话用户数扩散研究[J]. 科技管理研究, 2006.
	XU H M , ZHENG J M . Study on the diffusion of mobile phone users based on Bass model[J]. Science and Technology Man-agement Research, 2006.
[9]	邹超, 姜澄宇 . 我国宽带业务市场的扩散分析[J]. 兰州大学拳报, 2007(11).
	ZOU C , JIANG C Y . Diffusion analysis of broadband service market in China[J]. Lanzhou University Fist Newspaper, 2007(11).
[10]	王文举, 韩国庆 . 非耐用新消费品营销层次扩散模型实证研究[J]. 社会科学战线, 2017(3).
	WANG W J , HAN G Q . An empirical study on the hierarchical diffusion model of non-durable new consumer goods market-ing[J]. Social Science Front, 2017(3).
[11]	MAHAJAN V , SHARMA S . A simple algebraic estimation procedure for innovation diffusion models of new product ac-ceptance[J]. Technological Forecasting and Social Change, 1986,30(4): 331-345.
[12]	SCHMITTLEIN D C , MAHAJAN V . Maximum likelihood estimation for an innovation diffusion model of new product acceptance[J]. Marketing Science, 1982,1(1): 57-58.
[13]	古扎拉蒂 . 计量经济学基础（第五版）[M]. 北京: 中国人民大学出版社, 2011.
	GUJAR ATI . Fundamentals of econometrics (5th edition)[M]. Beijing: China Renmin University PressPress, 2011.
[14]	SRINIVASAN V , MASON C H . Non-linearleast squares esti-mation of new product diffusion models[J]. Marketing Science, 1986,5(2): 169-178.
[15]	杨敬辉, 武春友 . 基于遗传算法的附随扩散模型的构建及实证研究[J]. 数理统计与管理, 2017(2).
	YANG J H , WU C Y . The construction and demonstration re-search of the attached diffusion model based[J]. Application of Statistics and Management, 2017(2).
[16]	朱兆杰, 贾振红, 覃锡忠 ,等. 基于改进的粒子群算法的移动互联网扩散预测[J]. 计算机应用与软件, 2015(7).
	ZHU Z J , JIA Z H , QIN X Z ,et al. Prediction of mobile internet diffusion based on improved particle swarm optimization[J]. Computer Application and Software, 2015(7).
[17]	杨积云 . 基于蚁群算法的扩展Bass模型及其应用研究[D]. 重庆:重庆师范大学, 2010.
	YANG J Y . Study on generalized Bass model based on ant colony algorithm[D]. Chongqing:Chongqing Normal University, 2010.
[18]	MAHAJAN V , MULLER E , FRANK M . New product diffusion models in marketing:a review and directions for research[J]. Journal of Marketing, 1990(54): 1-26.
[19]	李昕 . MATLAB数学建模[M]. 北京: 清华大学出版社, 2017.
	LI X . MATLAB mathematical modeling[M]. Beijing: Usinghua University PressPress, 2017.

描述类型	ICT	固话	寻呼	移动	互联网宽带	广播电视
时间长度	34	34	19	29	21	34
时期	1985—2018年	1985—2018年	1987—2005年	1990—2018年	1998—2018年	1985—2018年
均值	79 119.1	16 097.7	2 661.9	51 532.6	11 958.3	9 723.8
标准差	79 504.9	12 750.5	2 215.6	48 809.4	9 573.3	8 850.3
最小值	411.7	296.3	3.1	1.8	0.5	115.4
最大值	237 748.6	36 345.2	4 871.4	156 609.8	40 738.0	23 476.5

算法比较	p	q	k	m	均方差	调整后R²	F统计量
拟牛顿法	0.000 52	0.174 7	2.34×10^?4	4 990 881	7 755.704 4	0.991	986.3
粒子群算法	0.000 52	0.174 7	7.32×10^?1	4 990 860	7 755.704 3	0.991	986.3
遗传算法	0.000 52	0.174 7	1.74×10^?6	4 990 858	7 755.701 2	0.991	986.3

ICT分阶段	时期	p	q	均方差	调整后R²	F统计量
固话+广电时代	1985—1997年	0.000 13	0.598	71.7	1.000	11 001.5
移动+宽带时代	1985—2008年	0.000 20	0.300	1 788.8	0.998	3 391.9
ICT时代	1985—2018年	0.000 52	0.175	7 755.7	0.991	986.4

ICT分业务	时期	p	q	调整后R²	F统计量	S(t*)	T*	最大值时间
ICT总体	1985—2018年	0.000 52	0.175	0.991	986.4	219 292.8	33.2	2018年
固定电话	1985—2018年	0.000 88	0.225	0.963	243.4	35 049.0	24.6	2009年
移动电话	1990—2018年	0.000 51	0.214	0.992	916.6	144 629.4	28.2	2018年
模拟时代	1990—1998年	0.000 158	0.735	0.999	5 158.8	4 938.7	11.5	2001年
2G时代	1990—2009年	0.000 325	0.321	0.992	678.6	76 175.6	21.4	2011年
3G时代	1990—2014年	0.000 379	0.245	0.996	1 624.6	131 145.4	26.3	2016年
4G时代	1990—2018年	0.000 510	0.213	0.992	916.6	144 629.4	28.2	2018年
寻呼业务	1987—2005年	0.000 21	0.615	0.981	278.0	4 876.2	13.0	2000年
宽带业务	1998—2018年	0.000 72	0.217	0.990	520.8	54 215.5	26.3	2024年
广电业务	1985—2018年	0.000 63	0.186	0.995	1 568.2	23 268.0	30.5	2015年
数字电视	2005—2018年	0.007 07	0.302	0.994	603.8	20 700.4	12.1	2017年

ICT分业务	时期	p	q	调整后R²	F统计量	S(t*)	T*	最大值时间
东北地区	1985—2017年	0.000 56	0.186	0.995	1 725.3	16 828.8	31.1	2016年
北部沿海	1985—2017年	0.000 41	0.191	0.995	1 678.9	33 063.8	32.1	2017年
东部沿海	1985—2017年	0.000 50	0.191	0.995	1 454.7	32 296.4	31.1	2016年
南部沿海	1985—2017年	0.000 50	0.188	0.993	1 196.0	30 542.9	31.4	2016年
黄河中游	1985—2017年	0.000 31	0.200	0.996	1 954.5	26 569.3	32.3	2017年
长江中游	1985—2017年	0.000 40	0.188	0.996	2 042.9	28 303.2	32.7	2017年
西南地区	1985—2017年	0.000 36	0.185	0.994	1 493.5	32 884.8	33.7	2018年
西北地区	1985—2017年	0.000 31	0.199	0.994	1 470.9	8 878.8	32.5	2017年