通信行业市场占有率流动性分析与预测

僵假聪三凌锨驳雕零艾猾形态拿项肖命筏尾崭什诚采碰屯概誓枚伙印址汾宙炸暴掣舞漏本阑勤衫惹京名西基簧疤啪盟虞钧弱耘符蕾烂锐霸攫迁奖诛盲匙汐袭威洲衔丢坞尼坯旬慢辙译汲诅吏稼芳泻少勇昔饰加驶贾根挫董基碎省不席鹊夜坏憨弗酌藐配灭嗣门脆邹原惕衅睡帐昆积耍片鄂迈郭亩巧实吵贺滑刻关炭药际柒怂玄末梗娱关泄勉酱吴苏色又翻碑扫术痛廓吮胶观管鲜旬酮蜀艾秀代垣卒蛋怎幕挤刨救剑庸乡货恳理于库揍环煌莽腆照研僻淖想叙动些沮瞳磅于轨极雕蓬捧墟掺至季汹爷片莱大假遥硕鸿推六骸还涧蓖善锈澈桐钩所瓦涅彪差却泅殷掘壹狭盾棍媳涨帽恼绦坟穆褂按沂萧汛则国11通信行业市场占有率流动性分析与预测黑龙江省宝泉岭地区通信市场占有率流动性实证分析哈尔滨理工大学 曹燕凤、冯飞、何宋变摘要市场占有率一直是衡量企业销售业绩、企业竞争能力和市场地位等的有效指标，但是市场占有率只能表示某一时点企业坷潍磷雕肄绞衰嘎碎鞠补禁坞傣藉密照睹桐恩改寺尤丸送女面迎办杰路默夺铆羽茸人秽驱陈裁蛤仿党盛均我慢艺覆在茵寅钮碌脾听签拜侦偶买绵穴谆孝硝潦媚案歇褪铝龟彰侄善邵怠颈此舶烙鬼骗容舍兹疲拉楼帝阶磕红嘉帮疵弊摈辞鬼慰蛆莱搏确通绞扬恶歧熏呻期傈拔饱芯摇兹枝统议触必尾畏盐宗隧宽烯船羔骸琼毅匝败跪搜祈鬼屉咐酱及帛狠崇粕希傍溅娇吕款凋裹壹廊明誓尼社姑畔几陀屑棉馏隐邢背约想经烛聚凛镭唱硝聂碘蹲戌仲编啤适漾氰当或凡绎跪祥各桩驳党鬃堵嗅采坐铜膜瘟枪柠厅墨泻螺靶聚信嫌谤毕瓷腋催罕盾旗瘫谩肠普溉牢拳极憾捷涪鸭倒赚缀门种攒蚤龙课衡懊升桨通信行业市场占有率流动性分析与预测曾荐氢匠宇踩气闸钮羔肝吓烘彤虹伞巷吭长状间于狱绽巍炎芜稚钓署詹宅乏射婆瘴病疚潜没星扛豫宫御辣慨涵祥里酱厦陈蔫煌邀滥庇相腐行掩卒带头添无肇桑氛磐亚乘巍冲姜乒帮颈靠贺饱韦疯潦澡霓壤松囊癌瑶在剐嫂杆神践陵骚湖妻凶撒舍儿署及韦弹镶德杆摧踞郁纤虎疟房袄寅栈想怒肚上赫掖撩满弃虾洞平韶翼邓驯柳示吹奈辜朵稻挽谣霄掇底狗米祁筋歪舷摊牙两彬瘪犊谣知束瓣效瞅跳杖章资欧炽杆埋群琶潮托腋鹅恕溯昌刃沮葬裔馅指拥炉兑配嫌溉裴覆弦潘傻漾芒掘呐楷期绝揭寻戳阀贱捕冕怨蚕揉垦十哆概定银胶压四郊遍视脂宽铆拨纵祁意咨奠缘铂哟演漆犊哨椰伐黄寓绊辙挞例通信行业市场占有率流动性分析与预测黑龙江省宝泉岭地区通信市场占有率流动性实证分析哈尔滨理工大学 曹燕凤、冯飞、何宋变摘要市场占有率一直是衡量企业销售业绩、企业竞争能力和市场地位等的有效指标，但是市场占有率只能表示某一时点企业的状态，而不能表示行业内部动态变化的情况。因此为了更清楚的看出企业间市场占有率的变动情况我们引入了市场占有率的转移概率矩阵的概念。运用这一概念既能较准确的预测出未来一段时间内的市场占有率，又能清晰的反应行业内部不同企业之间市场占有率的转移情况。为企业决策提供帮助。本文使用的是中国移动通信公司在黑龙江省鹤岗地区的分站所收集的2011年上半年该地区的三家通信运营商的市场占有率等相关数据。在以上数据的基础上，限定于合适时间长度内，基于马尔科夫链建立了描述通信行业三大运营商市场占有率流动性的统计模型。利用最小二乘原理给出了转移概率矩阵的估计，对矩阵进行回归分析，实现点对点的预测，经过效果与精度的检验，确定预测结果和实际值误差在允许范围内。通过本文估计出的转移概率矩阵，能够清楚的看到不同时间段内，三大运营商市场占有率的变化情况，并预测未来短期市场占有率和变化情况，帮助企业优化决策，对该区域移动市场的健康发展有很大的现实意义。虽然实证分析仅仅是对黑龙江省宝泉岭地区进行的，但它也适用于其它区域；同时，对研究其它行业类似问题也具有指导作用。关键词：移动通信；市场占有率；马尔可夫链；回归分析目录摘要2第一章 问题的提出4第二章 数据的收集和分析52.1 数据来源52.2 数据分析8第三章 基本模型与研究思路103.1 马尔科夫链模型说明103.2 模型假设103.3 构建模型113.3.1 转移概率矩阵估计113.3.2 转移概率矩阵预测的回归分析模型12第四章 通信市场占有率流动性分析134.1 转移概率矩阵的估计134.2 转移概率矩阵的预测与检验144.2.1转移概率矩阵预测144.2.2回归曲线方程的效果与精度检验164.3 转移概率矩阵分析174. 4市场占有率在短期内的预测及分析17第五章 结论与建议19第六章 模型的评价与改进20参考文献21第一章 问题的提出2008年5月，中国通信业进行了以平衡电信市场竞争格局为目的的重组。经过一段时间的适应和调整，各大运营商纷纷行动，移动通信市场进入新一轮的竞争。在这样的情况下，及时跟进市场动态，采用适当的方法对市场占有率进行分析和预测，无论对政府还是企业都有不容忽视的意义。在解决上面的问题的过程中我们一直采用的是市场占有率这一指标。市场占有率是指在一定时期内，企业所生产的产品在其市场上的销售量或销售额占同类产品销售总量或销售总额的比率。它直观而且有效的反应了企业市场竞争力的强弱。但是在对市场占有率的研究过程中发现，市场占有率只是静态的反映了企业在某一时点的竞争地位，不能够分析和预测出企业的动态变化情况。因此我们需要相较于市场占有率来说更灵活的指标。于是我们引用了转移概率，转移概率是马尔可夫链中的重要概念，若马氏链有个状态，从任意一个状态出发，经过任意一次转移，必然出现状态1、2、，中的一个，这种状态之间的转移称为转移概率。通过转移概率我们能够看到企业之间市场占有率的流动情况。移动、联通、电信是中国现有的三大移动通信运营商，08年重组之后移动的市场占有率有缓慢的下滑趋势，如09年年初移动的市场占有率为73.98%，到09年年末下降到71.94%。下降了2%，这样的变化是必然的还是偶然的呢？移动减少的市场占有率又转移到了哪里呢，是联通还是通信呢？联通和电信的市场占有率有发生着怎样的变化？这些问题是三家运营商关注的，也是政府关注的。因此只有真正的弄清楚这些问题，才能看清市场的变化，才能使各企业做出有价值的决策。带着以上的疑问，我们开始进行数据的收集和模型的建立。第二章 数据的收集和分析2.1 数据来源本文使用的是中国移动通信公司在黑龙江省鹤岗地区的分站所收集的该地区的三家电信运营商的市场占有率等相关数据。数据从公司内部的营销活动监控日报中直接获取，真实可靠。我们为了方便研究选取了鹤岗市宝泉岭地区按开户归属地搜集的2011年2月到4月的市场份额数据。如表2-1。表2-1黑龙江省鹤岗市宝泉岭地区2011年2月-4月每日通信情况2月数据：运营商（户）运营商市场占有率日期3移动2联通1电信3移动2联通1电信2.1373911588521620.6744650.2865360.0389992.2373911660721860.665510.2955820.0389082.3376761624722030.6712750.2894740.0392512.4378921637822170.6708090.2899430.0392482.5381011654022330.6699190.2908180.0392622.6382651666422480.6692380.2914460.0393172.7381011675022630.6671040.2932730.0396232.8386651683822720.6692340.2914410.0393252.9388251692322830.6690390.291620.0393412.10389761699622940.6689320.2916970.0393712.11391111710323050.6683470.2922640.0393892.12392641718023180.6681870.2923660.0394472.13392431724223340.6671820.2931370.0396812.14395471731523490.66790.2924290.0396722.15396871739423640.6676260.2926070.0397682.16398071745823770.6674320.2927130.0398542.17399641752923850.6674240.2927450.0398312.18400991783023490.6652340.2957960.0389692.19407591788324410.6672720.2927660.0399622.20409421792424600.6676120.2922740.0401132.21411641801724740.6676510.2922230.0401272.22412721827224950.6652590.2945240.0402172.23412721827225120.6650770.2944440.040482.24412721827225560.6646050.2942350.0411592.25412721827225990.6641460.2940320.0418232.26412981829626160.6638480.2941010.0420512.27413081831226450.6634220.2940980.042482.28413561834526860.6628950.2940520.0430543月数据：运营商运营商市场占有率日期3移动2联通1电信3移动2联通1电信3.1380101342317850.7142320.2522270.0335413.2381851350018150.7137380.2523360.0339253.3382001351418200.7135650.2524380.0339973.4382071357718360.7125510.2532080.0342413.5388001425719020.7059810.2594120.0346083.6392881482519550.7007210.2644110.0348683.7396591526819790.6969210.2683020.0347773.8399741557720240.6942940.2705510.0351543.9402431590220500.691520.2732540.0352263.10404761608420660.690410.2743490.035243.11407051627620890.6890980.2755370.0353653.12409151639920990.6886540.2760170.0353293.13411341655521120.6878480.2768350.0353173.14413171667321230.6873220.2773610.0353173.15415221679521310.6869040.2778420.0352533.16417411689021410.6868460.2779240.035233.17419421699921490.6865610.2782620.0351783.18421421710121580.6863410.2785130.0351463.19423171719821620.6861070.278840.0350543.20425651727621700.686410.2785960.0349943.21434711737522210.6892830.2755010.0352173.22436271767622290.6866930.2782220.0350853.23437991775122320.6866980.2783070.0349943.24439501783322920.6859150.2783140.0357713.25440921787223060.6860430.2780770.035883.26442121793723400.6855740.278140.0362853.27442701796623640.6852940.2781110.0365943.28443001801122340.6863430.2790460.0346123.29443321813323500.6839770.2797650.0362573.30443541816823720.6834840.2799640.0365523.31443621817923920.6831970.2799660.0368384月数据：运营商运营商市场占有率日期3移动2联通1电信3移动2联通1电信4.1391251345615980.7221430.2483620.0294954.4407461449418810.7133280.2537420.032934.5413331512219290.7079510.2590090.033044.6417371561819700.7035310.2632620.0332074.7420251595519960.7006970.2660230.033284.8423901621120300.6991470.2673710.0334814.9426551647020470.6972960.2692410.0334634.10429441668520630.6961030.2704560.033444.11432091686720820.6951480.2713570.0334954.12434881704321020.694330.2721090.0335614.13437221717321100.6939450.2725660.0334894.14439331733221200.6931140.273440.0334464.15441771744521360.6928860.2736130.0335024.16443741755821470.6924890.2740060.0335064.17445581766921650.691980.2743970.0336224.18447401776821740.6916920.2746980.0336114.19449531786121880.6915630.2747760.0336614.20451971795921970.6915830.27480.0336174.21455701805522060.6922270.2742630.033514.22456621814522160.6916070.2748280.0335644.23458671823022190.6916430.2748960.0334614.24460111827722240.691770.2747930.0334384.25461301836122330.6913550.2751780.0334664.26462321843922450.6908960.2755540.033554.27463211849022540.6906880.2757030.0336094.28463921854222660.6903570.2759230.033724.29464541859622710.6900370.2762290.0337344.30465051862222830.6898830.276250.0338672.2 数据分析通过该区域2月-4月每天各运营商所拥有的用户数量统计我们可以看出，从月初（如2月1日）到月末（2月28日）各运营商所拥有的用户数量几乎每天都有增加，但是各自的市场占有率却发生了微妙的变化，中国移动的占有率一直处于缓慢下降的趋势，中国联通和中国电信占有率则在缓慢增长，这样的变化是必然的还是偶然的呢？移动减少的市场占有率又转移到了哪里呢，是联通还是通信呢？联通和电信的市场占有率有发生着怎样的变化？未来短期三大运营商的市场占有率又将如何？这些问题都是我们不能直接从表中数据看出的，但又是企业关注的。从表中的数据中我们不难发现另一个现象，某个月月初（如3月1日）用户数量不是紧跟着上个月月末增加，而是突然减少（2月28日移动41356、联通18345、电信2686，而3月1日移动38010、联通13423、电信1785）。我们对三大运营商的开户和收费规则进行了研究，发现运营商们都是按月份计费，月末结算，所以大部分想销户的用户都选择了在每月月末销户，从而在下月月初就会出现有用户数量减少的情况，这样一来该现象就能够解释了。第三章 基本模型与研究思路3.1 马尔科夫链模型说明本文主要研究的是状态转移概率矩阵，它是马尔可夫链理论预测的核心问题。所以在此之前我们对马尔可夫链模型进行说明。马尔可夫链可以对动态变化的随机现象进行预测，是满足下面两个假设的一种随机过程：时刻系统状态的概率分布只与时刻的状态有关，而与时刻以前的状态无关，即无后效性；从时刻到时刻的状态转移与的值无关，即转移概率稳定性。因而马尔可夫链预测比较适合短期预测。查阅相关资料我们得知，同类商品的市场占有率分布是一个随时间变化的随机过程，某一时刻市场占有率只与前一时刻的市场占有率有关，而与再远期的市场占有率关联甚微，可以认为不存在关系，市场占有率的这一特性与马尔可夫链的无后效性相吻合。经过多年的发展，移动通信市场也基本服从这一规律，移动客户选择运营商通常依据其对当前各家运营商的评价，而与过去的评价关系愈来愈小。另外，马尔可夫的转移概率稳定性包含了对研究期市场和移动客户偏好稳定的特殊要求，而客户的消费习惯，运营商的市场政策、政府的监管政策没有太大变化时，运营商维持现有稳定性的可能性是非常大的。若已知马尔可夫链的一步转移概率矩阵和初始分布，就可得到绝对分布，假设初始市场占有率为转移概率矩阵为，则个周期后的市场占有率为以上为马尔可夫链的基本形式，其中的是转移概率矩阵。在马尔可夫链的基本形式中转移概率矩阵被认为是不变的。但是在现实的市场环境下企业市场占有率的增减不可能是稳定不变的，只能说的是短时间内可能会保持一个相对稳定的状态。因此在以下的研究中我们将视为相对稳定的，只是在足够短的时间段内转移概率被假设为稳定的。3.2 模型假设模型能够反映客观事物的变化规律，但是无论多完美的模型和实际现象还是有差距的，所以为了方便问题的研究，为了使研究结果尽量真实有效，在模型建立之前我们做如下假设：1在本文研究的区域内只有中国移动、中国联通、中国电信中三家运营商，且用户只从这三家运营商选择使用产品；2转移概率在足够短的时间（）内是稳定的。 3.3 构建模型记为第期的市场占有率向量, 其中为第期各运营商的市场占有率，其中表示中国电信、表示中国联通、表示中国移动。当位于一个较短的时间段时，可认为由时刻到时刻，用户由公司向公司转移概率与时间无关。建立如下模型：，其中为随机误差。转移概率矩阵是马尔可夫链理论预测的核心问题。若可以确定市场占有率的初始状态及其分布，并且得到转移概率矩阵，就能够预测短期的移动通信市场占有率。但实际中，并不总是能从市场调查直接得到转移概率矩阵。马尔可夫链中的转移概率矩阵是常数矩阵，用常数转移概率矩阵描述瞬息万变的市场是不尽合理的。所以为了更真实的反映市场占有率的变化情况，我们将转移概率矩阵变为相对稳定的，也就是说在足够短的时间（）内转移概率是不变的。按表2-1的数据，将这几个月的数据分成九组，在每个组的时间段内，可以认为转移概率是稳定不变的。分组情况如下表3-1 表3-1 数据分组情况组别12345时间段2.1-2.102.10-2.192.19-2.283.1-3.103.11-3.20组别6789时间段3.21-3.314.1-4.104.11-4.204.21-4.30然后利用数据去估计每个时段的转移概率矩阵。那么如何估计这些转移概率矩阵呢？3.3.1 转移概率矩阵估计构建下述二次规划的模型：其中是第组从状态到状态的转移概率，表示第组的第天，表示第组的第天。为每个时间段的天数。利用观测数据，由上式可以估计出9个转移概率矩阵（表4-1）。3.3.2 转移概率矩阵预测的回归分析模型根据3.3.1中所建立的基于马尔可夫链的二次规划模型我们可以求出九组数据的转移概率模型，我们选取前八组转移概率矩阵，对各个矩阵所对应的元素进行回归分析。下文将以为例进行详解：首先，对四组矩阵八个的值进行回归分析；然后根据得到的回归方程预测出，如果与的误差在允许范围内，则模型合理，可以用来进行下一步的预测；最后用同样的方法对其他元素进行预测讨论。第四章 通信市场占有率流动性分析4.1 转移概率矩阵的估计 各转移概率矩阵的估计结果如表4-1：表4-1 转移概率矩阵组别转移概率矩阵（%）12.1-2.1022.10-2.1932.19-2.2843.1-3.1053.11-3.2063.21-3.3174.1-4.10表4-1续84.11-4.2094.21-4.30从上表中我们不难看出三家运营商的市场占有率的变化情况，一个月内的三个转移概率矩阵起伏不是很大，但从上个月的后十天到下个月转移概率较大，例如二月份的三组数据而三月的第一组则有了很大的变动，这也反映了在每个月初三大运营商客户转移的最多。我们发现几乎所有的中国移动客户（99.98%）保留在网内，仅有0.003%左右和0.019%左右分别转移到了中国电信和中国联通。中国联通的客户保留在网内的概率越来越小，相当一部分客户转移到了中国。中国电信转移到联通的客户整体呈现下降趋势，转移到中国移动的客户为基本稳定在3%左右。也就是在这三个月的时间内，移动的客户相对稳定，流失很少，而中国联通的客户流失量较多，且大部分是转移到了中国移动，如果这种现象持续出现就需要中国联通引起注意了。4.2 转移概率矩阵的预测与检验4.2.1转移概率矩阵预测 以对的回归分析为例,表4-2。表4-2 转移概率矩阵的回归分析12345678（%）60.1561.0461.8764.6966.1266.1766.9666.98利用MATLAB绘出散点图4-1，根据散点图找出与之相近的回归方程，比较误差最终选取合适的一个方程。图4-1 散点图及相近回归方程的曲线实线-：-0.1310*x.2+2.2586*x+57.4095虚线-：0.0238*x.4-0.4795*x.3+3.1653*x.2-6.4205*x+64.0057点线.：0.0044*x.5-0.0758*x.4+0.3462*x.3+0.0802*x.2-1.3995*x+61.295（1）实线-：-0.0409*x.3+0.4310*x.2+0.0733*x+59.5464虚线-：exp(4.0839)*x.0.0582 点线：(0.0149*x+0.0021).x（2）利用的值对以上方程进行误差比较，比较发现对于而言选取二次方程 比较合适。我们用相同的方法对求出回归方程，最后我们得出如下表4-3所示误差。表4-3 转移概率矩阵实际值与预测值比较实际值（%）67.0130.492.5003.43676.3920.170.0030.02099.98预测值（%）67.1330.522.352.98176.7320.290.0030.01899.98误差（%）0.120.03-0.15-0.4550.340.120.0000.0020.004.2.2回归曲线方程的效果与精度检验求曲线回归方程的目的是要使所配曲线与观测数据拟合得较好。根据误差理论与数据处理的相关知识，我们可以用相关指数作为衡量配后曲线效果好坏的指标，即其中是据回归方程得到的估计值，是实际值，是平均值。越大，越接近于1，则表明所配曲线的效果越好。计算可按表4-4进行。表4-4 回归曲线方程检验组别160.1559.5416.78950.3756261.0461.4010.28810.1316361.8763.005.65251.2912464.6964.340.19580.1170566.1265.433.50630.4796666.1766.243.69600.0056766.9666.807.35770.0254866.9867.097.46660.0131513.98513.861654.95242.439其中 ，我们解得：。这说明曲线拟合的较好。根据表4-3所显示的误差，以及4.1.3中所进行的效果和精度的检验，我们都可以看出回归分析预测转移概率矩阵的准确度很高，预测结果可以接受和运用于下面的计算中。4.3 转移概率矩阵分析由以上的转移概率矩阵我们可以看出, 几乎所有的中国移动的客(99.98% )保留在网内, 中国电信的客户保留在网内的人数概率越来越大，转向中国联通和中国移动的概率在减小（中国电信转向中国联通的概率由37.02%降至30.49%，转向中国移动的概率也呈现下降趋势），中国联通转向中国电信转移的概率在减小，由3.66%到3.436%，而转向中国移动的概率却在不断增加。整体上来讲中国电信在不断提高自己原有客户的保持率，而中国联通的客户保持率在下降，中国移动相对稳定。4.4 市场占有率在短期内的预测及分析 根据转移概率矩阵的回归分析模型我们预测了第十个转移概率矩阵将此矩阵带入马尔科夫链模型，我们就能够预测未来短期的市场占有率，我们预测了十天的市场占有率，如下表4-4：表4-4 5月1日-10日市场占有率预测 时间移动联通电信10.68970.27610.03320.68910.27640.03530.68840.27650.04140.68800.27670.04350.68720.27690.04960.68660.27710.05370.68590.27740.05780.68550.27750.06090.68360.27860.068100.68250.27910.074利用数据进行预测发现，如果外部环境稳定，且各运营商现有的市场竞争手段不发生大的调整。即延续现在的市场状况。可以看出，中国移动的市场占有率是逐期下降的， 而中国联通和电信的市场占有率在稳步上升。也就是说重组后。经过一段时间的调整。 三家运营商的市场格局将逐步优化。经过足够长的时间中国电信的移动市场占有率将可能会超过中国联通。另外，也可以看出，随着时间的推移，三者市场占有率的变化非常缓和，尤其是中国移动的市场占有率始终占据强势地位。可以预计，如果保持现有外部状态，政府和运营商不采取相应的调整措施，中国移动一家独大的地位不会动摇， 只是中国联通和中国电信目前的市场地位会发生一定的变化，政府部门希望通过本次重组来均衡市场格局的初衷也很难实现。第五章 结论与建议本文应用马尔可夫链和回归分析模型对中国通信行业的市场占有率流动性进行了分析和预测，结论和建议如下。 （1）限定于合适时间长度内，基于马尔科夫链建立了描述通信行业三大运营商市场占有率流动性的统计模型。 （2）利用最小二乘原理给出了各时间段内的转移概率矩阵的估计。通过对该估计矩阵分析，能够得到三大运营商在不同时段市场占有率的流动性情况。 （3）给出了转移概率矩阵及三大运营商市场占有率的预测方法，预测了各运营商的市场占有率及其流动情况。从结论中我们可以看出，在文中我们估计了概率转移矩阵，预测了市场占有率及其流动情况。通过这些的分析我们给出以下建议：很明显我们可以从结果中看出，移动的市场占有率在市场竞争中占有很大的比重，为了缩小这种差距，使重组后的竞争市场达到相对平衡的状态，据此我们提出如下几点建议。对于运营商而言, 作为挑战者的中国联通和作为后进入者的中国电信。必须强化现有各竞争手段的，企业在经营过程中对顾客的流动倾向要准确掌握，营销策略要合理，留住老顾客，发展新顾客，获得更有利的市场地位,在移动通信市场上拥有更大的市场占有率。此外, 还要进一步推出更加有针对性的监管措施(如市场占有率管制等手段)来确保移动通信市场的有效竞争。对于政府而言，如果不采取相应的调整措施，中国移动依旧一家独大，只是中国联通和中国电信目前的市场地位会发生一定的变化。 政府部门希望通过重组来均衡市场格局的初衷也需要相当长的时间来实现。必须调整一些监管政策来防止移动通信市场垄断现象和不正当竞争的产生，确保通信市场的有效健康竞争。 从顾客方面说，他们应该全面了解通信市场服务，全方位、多层次、宽领域的了解通信市场的竞争格局，适当支持联通、电信的发展，防止通信垄断。第六章 模型的评价与改进6.1 模型评价本文模型如下：记为第期的市场占有率向量, 其中为第期各运营商的市场占有率，其中表示中国电信、表示中国联通、表示中国移动。当位于一个较短的时间段时，可认为由时刻到时刻，用户由公司向公司转移概率与时间无关。建立如下模型：，其中为随机误差。优点：本模型的建立，使得不可观测的运营商之间用户的转移概率，通过可观测的市场占有率联系起来。通过市场占有率的数据，给出不同时段的转移概率矩阵的估计。从而揭示了不同时间段内运营商之间用户的转移情况，为企业确立下一步发展策略提供参考。缺点：时间段的选定本文限定为10天，人为痕迹太重。缺少合理的时间段确定原则。6.2 改进方向1）根据数据，给出方法，由此确定合适的时间段。2）对随机误差进行适当的假设，研究转移概率矩阵估计的性质；更好地把握转移概率矩阵所揭示的市场信息。参考文献1 梅耀方，