De prijselasticiteit van de vraag naar breedband in Europa...
Transcript of De prijselasticiteit van de vraag naar breedband in Europa...
Faculteit Toegepaste Wetenschappen
Vakgroep Informatietechnologie
Voorzitter: prof. dr. ir. P. LAGASSE
De prijselasticiteit van de vraag naar breedband in Europa en de
impact op de financiële resultaten van de breedbandaanbieders
door
Ruben SCHAUBROECK
Promotor: prof. dr. ir. M. PICKAVET
Promotor: dr. ir. D. COLLE
Scriptiebegeleidster: ir. S. VERBRUGGE
Scriptie ingediend tot het behalen van de academische graad van
burgerlijk ingenieur in de computerwetenschappen
Academiejaar 2004-2005
Faculteit Toegepaste Wetenschappen
Vakgroep Informatietechnologie
Voorzitter: prof. dr. ir. P. LAGASSE
De prijselasticiteit van de vraag naar breedband in Europa en de
impact op de financiële resultaten van de breedbandaanbieders
door
Ruben SCHAUBROECK
Promotor: prof. dr. ir. M. PICKAVET
Promotor: dr. ir. D. COLLE
Scriptiebegeleidster: ir. S. VERBRUGGE
Scriptie ingediend tot het behalen van de academische graad van
burgerlijk ingenieur in de computerwetenschappen
Academiejaar 2004-2005
Voorwoord
De titel van deze scriptie laat al vermoeden dat dit niet het klassieke technische werk over
communicatieprotocollen of de nieuwste hardware technieken is, wat doorgaans van een
computerwetenschapper verwacht wordt.
Eerst en vooral wil ik daarom prof. Mario Pickavet en dr. Didier Colle bedanken omdat zij mij
de kans gegeven hebben om mijn tanden te zetten in een onderwerp dat heel relevant is voor
breedband communicatienetwerken, maar tegelijk ook een sterke economische inslag heeft.
Ik wil ook mijn begeleidster Sofie Verbrugge bijzonder bedanken voor haar voortdurende
begeleiding en haar constructieve kritiek in onze vele e-maildiscussies.
Tenslotte ook een gemeend “Dankuwel!” aan mijn familie en vrienden die mij altijd gesteund
hebben en vooral tijdens de realisatie van dit werk.
Ruben Schaubroeck, 31 mei 2005.
Toelating tot bruikleen
“De auteur geeft de toelating deze scriptie voor consultatie beschikbaar te stellen en delen van
de scriptie te kopiëren voor persoonlijk gebruik.
Elk ander gebruik valt onder de beperkingen van het auteursrecht, in het bijzonder met betrekking
tot de verplichting de bron uitdrukkelijk te vermelden bij het aanhalen van resultaten uit deze
scriptie.”
Ruben Schaubroeck, 31 mei 2005
De prijselasticiteit van de vraag naar breedband in Europa en de impact op de financiële resultaten van de breedbandaanbieders
door
Ruben SCHAUBROECK
Scriptie ingediend tot het behalen van de academische graad van
burgerlijk ingenieur in de computerwetenschappen
Academiejaar 2004-2005
Promotor: prof. dr. ir. M. PICKAVET Promotor: dr. ir. D. COLLE
Scriptiebegeleidster: ir. S. VERBRUGGE
Universiteit Gent Faculteit Toegepaste Wetenschappen
Vakgroep Informatietechnologie Voorzitter: prof. dr. ir. P. LAGASSE
Samenvatting In dit werk wordt eerst de prijselasticiteit van breedbandtoegang in Europa onderzocht aan de hand van, enerzijds een literatuurstudie van mogelijke modellen, en anderzijds het verzamelen van realistische inputgegevens van bestaande operatoren. Er wordt op die manier aangetoond dat prijs (en ook inkomen) elastisch zijn. Daarna wordt de impact van die prijselasticiteit op de financiële resultaten (meer bepaald omzet, kosten en winst of verlies) van de operatoren bekeken. Uiteindelijk wordt een praktisch bruikbare toepassing bekomen die m.b.v schattingen een antwoord kan geven op vragen zoals: “Wat is voor een Internet Service Provider de beste vraagprijs?”. Trefwoorden Prijselasticiteit, Vraagcurve, Equilibrium, Regressie, Kostenmodel
Inhoudsopgave
1. Inleiding
1.1 Situering 1
1.2 Doel 1
1.3 Structuur van het werk 2
2. Literatuurstudie prijselasticiteit
2.1 Basisbegrippen 3
2.1.1 Prijselasticiteit 3
2.1.2 Kruisprijselasticiteit 5
2.1.3 Andere elasticiteiten 6
2.2 Methoden voor het schatten van de prijselasticiteit 6
2.2.1 Rechtstreeks uit de definitie 6
2.2.2 Het consumentenkeuze model 7
2.2.3 Het diffusiemodel 8
2.2.4 Het econometrisch model 11
3. Verzamelen cijfermateriaal
3.1 Probleemstelling 14
3.2 Identificatie basisparameters en bijhorende bronnen 15
3.3 Identificatie bijkomende parameters en bijhorende bronnen 19
3.4 Overzicht cijfermateriaal 24
4. Berekening prijselasticiteit
4.1 Uitwerking gekozen model 25
4.1.1 Theoretische uitwerking 25
4.1.2 Statistiek 27
4.1.3 Eerste schatting: Cobb-Douglas 28
4.1.4 Tweede schatting: volledig model zonder smalband 29
4.1.5 Derde schatting: invloed van smalband 31
4.1.6 Besluit 33
4.2 Voorbeeld: Belgacom ADSL 33
4.3 Opsplitsing Europa 35
4.4 Vergelijking met bestaande studies 35
5. Invloed op financiële resultaten van de breedbandaanbieders
5.1 Schatting en model omzet 37
5.2 Schatting en model kosten 41
5.2.1 Schatting 41
5.2.2 Model 43
5.3 Applicatie 44
5.4 Uitgewerkt voorbeeld: Belgacom ADSL 46
5.4.1 Probleemstelling 46
5.4.2 Oplossing 46
5.4.3 Opmerking 50
5.5 Evaluatie van het model 51
6. Besluit 53
Bibliografie 56
Lijst van figuren 65
Lijst van tabellen 66
1
Hoofdstuk 1
Inleiding
1.1 Situering
Breedbandinternet is al een tijdje aan een snelle opmars bezig in gans Europa. Ook de Oost-
Europese landen halen aan een gestaag tempo de achterstand in op West- en Noord-Europa. Een
belangrijke oorzaak van die groei is vanzelfsprekend de prijsstelling van breedbandaansluitingen.
De zogenaamde flat-fee prijsformules (vast bedrag per maand zonder dat de prijs afhankelijk is
van het aantal uur dat doorgebracht wordt op internet) zijn nu de meest voorkomende in Europa.
Het verband tussen de groei van het aantal breedbandabonnees en dat bedrag per maand wordt
uitgedrukt in de economische term “prijselasticiteit”. De prijselasticiteit is een abstract cijfer dat
een indicatie geeft van hoe de vraag reageert op prijswijzigingen. De prijselasticiteit is echter
slechts één aspect: als enkel daarmee rekening gehouden wordt, zou de laagste prijs de beste zijn
(want resulterend in de grootste vraag), wat in de realiteit vanzelfsprekend niet het geval is.
Andere overwegingen die een Internet Service Operator (of kortweg ISP) moet maken, zijn de
extra inkomsten die nieuwe klanten met zich meebrengen (m.a.w. extra omzet), maar ook hoeveel
extra kosten die nieuwe abonnees veroorzaken. Meer aansluitingen betekent immers een hogere
capaciteit van het netwerk, meer onderhoudskosten, enzovoort.
1.2 Doel
De doelstelling van dit afstudeerwerk is dan ook tweeledig. Ten eerste wordt de prijselasticiteit
van breedbandtoegang in Europa onderzocht aan de hand van enerzijds een literatuurstudie van
2
mogelijke modellen en anderzijds het verzamelen van realistische inputgegevens van bestaande
operatoren. Daarna wordt de impact van die prijselasticiteit op de financiële resultaten (meer
bepaald omzet, kosten en winst of verlies) van de operatoren bekeken met de bedoeling
uiteindelijk een praktisch bruikbare toepassing te bekomen die m.b.v schattingen een antwoord
kan geven op vragen zoals: “Wat is voor een ISP de beste vraagprijs?”.
1.3 Structuur van het werk
Concreet wordt dit als volgt aangepakt.
In hoofdstuk 2 wordt een beknopt overzicht gegeven van de verrichte literatuurstudie over
prijselasticiteit. Eerst wordt uitgelegd wat prijselasticiteit nu precies is en hoe het concept van
elasticiteit ook toepasbaar is op andere factoren dan prijs. Vervolgens wordt een overzicht
gegeven van een aantal methoden die kunnen gebruikt worden om de prijselasticiteit van de
vraag te schatten, met vermelding van de voor- en nadelen van elke methode en uiteindelijk de
keuze van het model dat gebruikt werd in dit werk.
Hoofdstuk 3 is voornamelijk een bespreking van de inputgegevens. In dit hoofstuk wordt een
antwoord gegeven op volgende vragen:
- Welke parameters werden gekozen voor het model (en waarom) ?
- Hoe werden de concrete gegevens verzameld ?
- Welke informatie geven deze data? (Zijn er bijvoorbeeld bepaalde tendensen in de
prijs?)
In hoofdstuk 4 komen de vorige twee hoofdstukken samen. Hier wordt immers het gekozen
model uit hoofdstuk 2 uitgewerkt met de gekozen parameters en bijhorende inputdata uit
hoofdstuk 3. Verschillende schattingen van de prijselasticiteit worden gemaakt en de resultaten
worden vergeleken met een aantal bestaande studies.
In hoofdstuk 5 wordt het model dan uitgebreid om ook de financiële aspecten zoals omzet en
kosten in rekening te brengen. Een applicatie wordt opgesteld waarmee, na input van een aantal
brongegevens, een schatting kan gemaakt worden van de vraag, de omzet en winst of verlies.
Hoofdstuk 6 tenslotte zet kort de voornaamste conclusies op een rijtje.
3
Hoofdstuk 2
Literatuurstudie prijselasticiteit
In dit hoofdstuk wordt een beknopt overzicht gegeven van de literatuurstudie die verricht werd
i.v.m. prijselasticiteit.
2.1 Basisbegrippen [1]
Eerst komen de basisconcepten en definities over elasticiteit en in het bijzonder prijselasticiteit
aan bod.
2.1.1 Prijselasticiteit
De prijselasticiteit van de vraag wordt gedefinieerd als de procentuele verandering in de grootte
van de vraag, die resulteert uit een prijsverandering van 1 procent. In formulevorm, met P de prijs,
V de vraag en � de prijselasticiteit van de vraag:
))((PV
VP
δδη =
De prijselasticiteit van de vraag kan onmiddellijk grafisch afgelezen worden als de helling van de
vraagcurve indien deze vraagcurve een rechte is. De vraagcurve is een grafiek met als abscis de
hoeveelheid (de vraag) en als ordinaat de prijs. In realistische situaties ligt de prijselasticiteit �
tussen 0 en -�. Hierbij onderscheidt men dus twee gevallen. Men spreekt van een elastische
4
vraag indien een prijsstijging (-daling) resulteert in een stijging (daling) van de vraag met een
grotere hoeveelheid. Dan is de prijselasticiteit in absolute waarde groter dan 1 (figuur 2.1).
Concreet betekent dit dat bij een prijselasticiteit van bijvoorbeeld -2, een halvering van de prijs
resulteert in een verdubbeling van de vraag.
Figuur 2.1: Voorbeeld van elastische vraag
Men spreekt van een inelastische vraag indien een prijsstijging (-daling) resulteert in een stijging
(daling) van de vraag met een kleinere hoeveelheid. Dan is de prijselasticiteit in absolute waarde
kleiner dan 1 (figuur 2.2).
Figuur 2.2: Voorbeeld van inelastische vraag
|�| > 1
Vraag
Vraag
Prijs |�| < 1
Prijs
5
Inelastische vraag treedt vaak op bij primaire goederen zoals bv. voedsel, elastische vraag treedt
meer op bij luxeproducten zoals bv. pc’s. De prijselasticiteit van de vraag varieert van 0 tot -�.
Als de prijselasticiteit nul is, spreekt men van een volkomen inelastische vraag. De vraagcurve is
dan verticaal, de vraag wordt niet beïnvloed door de prijs. Als de prijselasticiteit min oneindig is,
is er sprake van een volkomen elastische vraag. De vraagcurve is dan horizontaal, voor een
bepaalde prijs kan een oneindige hoeveelheid verkocht worden. Figuur 2.3 vat dit samen.
Figuur 2.3: Overzicht prijselasticiteit [2]
2.1.2 Kruisprijselasticiteit
Een andere belangrijke factor die de vraag beïnvloedt, is de beschikbaarheid en de prijs van
substituten of complementaire goederen. De kruisprijselasticiteit van de vraag wordt gedefinieerd
als de procentuele verandering in de vraag van goed X, die resulteert uit een prijsverandering van
1 procent van goed Y. In formulevorm, met PX de prijs van goed X, PY de prijs van goed Y, VX de
vraag naar goed X, VY de vraag naar goed Y en �XY de kruisprijselasticiteit van de vraag:
))((Y
X
X
YXY P
VVP
δδη =
6
2.1.3 Andere elasticiteiten
Het concept van de prijselasticiteit van de vraag kan uitgebreid worden naar andere parameters
dan prijs. Zo wordt bijvoorbeeld de inkomenselasticiteit van de vraag gedefinieerd als de
procentuele verandering in de grootte van de vraag, resulterend uit een inkomensverandering van
1 procent. In formulevorm, met I het inkomen, V de vraag en �I de inkomenselasticiteit van de
vraag is dat:
))((IV
VI
I δδη =
Analoge definities kunnen geformuleerd worden voor elke mogelijke parameter die de vraag kan
beïnvloeden. Zo kan bijvoorbeeld de inkomenselasticiteit informatie geven als een bedrijf van
plan is uit te breiden naar Oost-Europa waar het gemiddeld inkomen een pak lager ligt dan in
West-Europa.
2.2 Methoden voor het schatten van de prijselasticiteit
In dit onderdeel volgt een bespreking van een aantal verschillende methoden die kunnen gebruikt
worden om de prijselasticiteit te berekenen. Bij elke methode worden voor- en nadelen vermeld
en uiteindelijk wordt de voor dit werk meest geschikte methode gekozen.
2.2.1 Rechtstreeks uit de definitie [1]
Aangezien de prijselasticiteit gelijk is aan de helling van de vraagcurve op een bepaalde plaats,
kan men voor (oneindig) kleine prijsvariaties volgende eenvoudige schatting maken, genaamd
7
de puntelasticiteit:
PP
VV ∆÷∆=η
Een iets accuratere schatting, die geldig is voor “eindige” variaties van P, is de boogelasticiteit:
2/)(2/)( 2121 PPP
VVV
+∆÷
+∆=η
Met behulp van deze formules zou men per ISP de prijselasticiteit van de vraag kunnen
berekenen. Hiervoor moeten echter ook het aantal nieuwe abonnees en de prijs van het
voorgaande jaar gekend zijn (er is dus extra bronmateriaal nodig). Bovendien geeft één ISP
afzonderlijk een slecht beeld omdat de vraag door tal van factoren beïnvloed wordt en dus zeker
niet uitsluitend door de prijs. Een veel accuratere schatting van de prijselasticiteit kan bekomen
worden door meerdere ISP’s tegelijk te bestuderen. Daarvoor is het noodzakelijk een algemene
vraagfunctie op te stellen die een weerspiegeling is van de data van een heleboel ISP’s. Er zijn 3
grote manieren om een dergelijke vraagfunctie te bepalen: het consumentenkeuze model, het
diffusiemodel en het econometrisch model.
2.2.2 Het consumentenkeuze model
Een eerste methode om de vraagfunctie op te stellen, werd voorgesteld in 2000 door prof. Paul
Rappoport en zijn team [3, 4]. Zij vertrekken van de consumenten keuze: dit willen zeggen dat ze
de verschillenden kansen berekenen dat een consument smalband, kabel of DSL zal nemen en
daaruit de elasticiteiten afleiden. De “bereidheid van de consumenten” halen ze uit grootschalige
onderzoeken waarin er duizenden mensen gevraagd wordt wat ze van plan zijn aan te kopen
(figuur 2.4) Dit kan zijn per huishouden of voor individuele personen. Hieruit stelt men
probabliteitsfuncties op, die aangeven wat de kans op de vraag naar een product is (de zgn.
utiliteitsfuncties). In het model wordt ook rekening gehouden met leeftijd, inkomen en
8
opleidingsniveau van de ondervraagden. Voor dit eindwerk is dit moeilijk uit te voeren omdat je
zeer veel mensen moet ondervragen om een betrouwbare set data te bekomen.
Figuur 2.4: Beslissingsboom in het consumentenkeuze model
2.2.3 Het diffusiemodel
Het internet (en zeker breedbandinternet) is nog een relatief nieuwe toepassing. Marketeers
spreken voor dergelijke producten graag van de S-curve, die bestaat uit 3 fasen (figuur 2.5). In de
eerste fase is er een langzame opbouw waarin het product langzaam maar zeker bekend geraakt
en geaccepteerd wordt. Dit wordt gevolgd door een exponentiële groeifase en in de derde fase
vertraagt de groei weer door verzadiging van de markt. Dit is dus een diffusieproces dat de
evolutie van het totaal aantal abonnees toont in de loop van de tijd. Er bestaan verschillende
modellen (of m.a.w. verschillende soorten curves) die dit modelleren, bijvoorbeeld de Gompertz
curve [5]:
atbeKetQ−−=)(
Geen internet Smalband Breedband
DSL Kabel
Wat bent u van plan te gebruiken?
9
Hierin is Q(t) het totaal aantal internetgebruikers, K het saturatiepunt (= maximum aantal
internetgebruikers), t de tijd en zijn a en b de te schatten parameters. Deze curve is asymmetrisch;
de symmetrische variant hiervan heet de Logistic (Logit) curve.
Figuur 2.5: De Logit en Gompertz diffusiecurves [5]
Een ander bekend voorbeeld is het Bass model [6, 7] dat toelaat de potentiële marktgrootte N te
schatten met als parameters de imitatiecoëfficiënt p en de innovatiecoëfficiënt q (n(t) is aantal
verkopen op een bepaald moment, N(t) is het totaal aantal verkopen tot moment (t):
))(())(/))((()( tNNqtNNtNNptn −+−=
De eerste term kan geïnterpreteerd worden als de fractie mensen (p) die het nieuwe product nog
niet aangekocht hebben (N-N(t)), vermenigvuldigd met de kans (N/N(t)) dat ze iemand ontmoeten
die het product wel al gekocht heeft (imitatie). De tweede term is dan de fractie mensen (q) die
10
het nieuwe product nog niet gekocht hebben (N-N(t)) en ook niet naar de mening van anderen
kijken om te beslissen het product te kopen (innovatie).
Figuur 2.6 illustreert het Bass-model, toegepast op PC verkopen.
Actual Worldwide PC Shipments, 1981-1999 and Fitted and Projected Shipments, 1981-2010, m=3.384 Billion, p= .001, q= .195
0
20
40
60
80
100
120
140
160
180
81 83 85 87 89 91 93 95 97 99 101
103
105
107
109
Year
Mill
ions
of U
nits
World Wide PC Shipments Fitted World Wide PC Shipments
Peak2008
697 Million UnitsShipments through1999
Shipments Includes Replacements(Upgrades)
Figuur 2.6: Het Bass model toegepast op PC verkopen [8]
Het probleem met deze modellen is dat ze wel een goede schatting van de vraagfunctie kunnen
geven, maar enkel over een verloop van tijd. Ze geven weinig of geen informatie over de
vraagfunctie op een bepaald moment. Indien het de bedoeling zou zijn het verloop van de
prijselasticiteit van breedband over bv. de voorbije 5 jaar te modelleren en indien daar
betrouwbare data voor zouden zijn (die trouwens zeer moeilijk accuraat te bekomen zijn), zou dit
een goede methode zijn. Maar voor dit werk, waarin niet de evolutie in de tijd, maar de
verschillen en gelijkenissen tussen Europese operatoren en landen bestudeerd worden (m.a.w. een
cross-sectional data analysis i.p.v. een time series analysis), is deze methode niet bruikbaar.
11
2.2.4 Het econometrisch model
De vraagfunctie volgt uit één van de centrale concepten in de moderne economie, de equilibrium
theorie [9]. In dit geval gaat het over een partieel equilibrium model omdat slechts een klein deel
van de totale markt onderzocht wordt. Hierbij wordt dus verondersteld dat er geen andere
factoren een invloed hebben behalve die in de onderzochte markt zelf.
In het equilibrium geldt dat vraag gelijk is aan aanbod (figuur 2.7). Als een factor wijzigt die
vraag of aanbod beïnvloedt, evolueren vraag en aanbod naar een nieuw evenwichtspunt
(equilibrium). In de vraagfunctie heeft elke factor een parameter die aangeeft in welke mate de
vraagcurve beïnvloed wordt door elke factor. Deze parameters zijn dus de elasticiteiten. Er zijn 2
belangrijke aspecten aan dit model: ten eerste het identificeren van de factoren die vraag en
aanbod beïnvloeden en ten tweede een zo goed mogelijke schatting van de corresponderende
elasticiteiten trachten te bekomen [10, 11].
Figuur 2.7: De werking van het equilibrium model
Men kan de volgende relaties definieren:
,...),,( zyxfVV =
,...),,( cbagVA =
12
Hierbij zijn VV en VA resp. de lokale vraag en het lokale aanbod. Uit het equilibrium model volgt
nu:
AV VV =
En dus wordt de vraagfunctie:
,...),,,,,( zyxcbahV =
Als concreet model voor de vraagfunctie kan men dan de log-lineaire vorm gebruiken (ook wel
constante-elasticiteiten-vorm genoemd), zodat we daaruit rechtstreeks de elasticiteiten als
parameters kunnen aflezen:
...ρλδγβα cbazyAxV −−= (1)
In deze formule worden de respectievelijke elasticiteiten aangeduid met een Griekse letter en is A
een constante factor.
Het eerste literatuuronderzoek was toegespitst op een model dat later zou blijken een speciaal
geval te zijn van het bovenstaande model: de Cobb-Douglas functie (figuur 2.8). De Cobb-
Douglas functie komt uit de micro-economische theorie en is een zgn. nutsfunctie (ook wel
utiliteitsfunctie genoemd) [12]. Het uitgangspunt is het maximaliseren van het nut. Toegepast op
de arbeidstheorie waarin nut een functie is van de vrije tijd en het inkomen [13] (met U het nut, X
de vrije tijd, Y het inkomen en A, � en � strikt positieve constanten) ziet de functie er als volgt uit:
βαYAXU =
13
Figuur 2.8: Grafiek van een Cobb-Douglas nutsfunctie [13]
Nu kan dit model evengoed worden toegepast op de vraag i.p.v. op het nut en met de prijs en het
inkomen als factoren i.p.v. de vrije tijd en het inkomen:
βα IAPV =
Het is duidelijk dat dit niet meer of niet minder is dan een speciaal geval van formule (1) met
slechts 2 parameters.
14
Hoofdstuk 3
Verzamelen cijfermateriaal
In dit hoofdstuk wordt onderzocht welke parameters moeten gebruikt worden in het model om de
prijselasticiteit van breedband te schatten, welke data daarvoor nodig zijn en hoe die kunnen
bekomen worden.
3.1 Probleemstelling
Eerst en vooral moet duidelijk gesteld worden wat bestudeerd wordt. De bedoeling is een
schatting te maken van de prijselasticiteit van breedband in Europa in 2003. Een aantal keuzes
moesten daarbij gemaakt worden:
- Europa? Met Europa wordt hier het geografische Europa bedoeld, niet enkel de
Europese Unie.
- Breedband? De studie handelt over retail breedbandinternet voor particulieren. Dus
business-to-business verkopen zitten hier niet in, noch de zgn. wholesale verkopen
tussen operatoren, waarbij de ene operator capaciteit doorverkoopt aan de andere.
Voor het vervolg van het werk, wordt onder “breedbandabonnees” enkel diegenen
verstaan die aan bovenstaande voorwaarden voldoen.
- 2003? Om een zo accuraat mogelijk beeld te krijgen, werd gekozen voor de recentstse
periode waarover volledige data beschikbaar waren in september 2004. Dat bleek het
jaar 2003 te zijn.
15
3.2. Identificatie basisparameters en bijhorende bronnen
De twee evidente parameters die zeker in rekening moeten gebracht worden zijn de vraag en de
prijs. De vraag V wordt hier gedefinieerd als het totaal aantal nieuwe breedbandabonnees in 2003.
De vraag naar bijvoorbeeld PC’s is immers ook het aantal mensen dat een nieuwe PC aanschaft;
hetzelfde geldt voor breedbandtoegang. Er wordt ook gesproken van abonnees: er wordt niet
bedoeld het aantal personen of aantal huishoudens, maar wel het effectieve aantal nieuwe
breedbandaansluitingen voor privé-gebruik.
De prijs P wordt gedefinieerd als de gemiddelde prijs in 2003 voor het standaard retail
breedbandabonnement, exclusief mogelijke installatiekosten. Met het standaardabonnement
wordt bedoeld het abonnement voor de gemiddelde gebruiker, niet dat voor de lichte gebruiker
(zgn. “light” abonnementen) of de zware gebruiker. Als men het aantal abonnees en de prijs
samen bekijkt, is het redelijk te stellen dat deze laatste 2 formules mekaar compenseren, zodat het
standaardabonnement een goede indicatie geeft. Die standaardformule werkt in gans Europa met
een flat fee tarief (vaste vergoeding per maand). Bij ADSL zit in de maandelijkse prijs zowel de
ADSL-lijn huurprijs als het ISP abonnement inbegrepen, echter niet de huurprijs van de
telefoonlijn.
Er werd beslist enkel informatie te gebruiken die gratis en publiek beschikbaar is, dus geen dure
rapporten van gespecialiseerde consultingbureaus. Het opsporen van de gemiddelde prijs in 2003
is niet zo’n groot probleem, dankzij persberichten en het bestaan van archiefsites op het internet
die op regelmatige tijdstippen volledige websites backuppen, zoals bv. The Internet Wayback
Machine [14]. ISP’s zijn echter zeer terughoudend met het vrijgeven van abonnee-aantallen en dit
bleek al snel de grootste limitatie te zijn voor het verzamelen van data. Gelukkig geven
beursgenoteerde bedrijven deze informatie vaak wel op in hun jaarverslagen. Het gevolg is echter
dat de studie bijna uitsluitend gebaseerd is op informatie uit die publiek beschikbare
jaarverslagen wat het aantal mogelijke ISP’s en dus brondata limiteert.
Deze verzamelde cijfers kunnen teruggevonden worden in het werkblad [BronDataISP2003.xls]
in de directory [BronData] op de bijgevoegde CD-ROM. Tabel 3.1 geeft een illustratie hiervan
voor België.
16
ISP
Type &
Snelheid
(down/up)
Prijs per maand
(EUR)
Totaal aantal
abonnees
eind 2003
Aantal nieuwe
abonnees
in 2003
Telenet Kabel
4 Mbps/128 kbps 41,95 417.000 116.000
Belgacom
ADSL
3.3 Mbps/128
kbps
39,95 572.000 180.000
Tabel 3.1.: Illustratie basisgegevens per ISP
De verzamelde gegevens geven ook een mooi beeld van de staat van breedband in Europa anno
2003 (tabel 3.2; meerdere rijen data over hetzelfde land betreffen verschillende ISPs in dat land).
Land Type & Snelheid (down/up) Prijs/maand (EUR)
WEST-EUROPA
Verenigd Koninkrijk Kabel 600 kbps/128 kbps 36,49
Verenigd Koninkrijk ADSL 512 kbps/128 kbps 40,87
Verenigd Koninkrijk ADSL 512 kbps/128 kbps 39,41
Ierland ADSL 512 kbps/128 kbps 54,45
België Kabel 4 Mbps/128 kbps 41,95
België ADSL 3.3 Mbps/128 kbps 39,95
Nederland Kabel 1536 kbps/128 kbps 49,95
Nederland ADSL 768 kbps/128 kbps 51,15
Nederland ADSL&Kabel 768 kbps/128 kbps 52,25
Luxemburg ADSL 512 kbps/128 kbps 79,95
Frankrijk ADSL 512 kbps/128 kbps 49,40
17
Frankrijk ADSL 512 kbps/128 kbps 39,90
Frankrijk ADSL 512 kbps/128 kbps 44,40
Duitsland Kabel 1024 kbps/128 kbps 39,98
Duitsland ADSL 768 kbps/128 kbps 36,98
Oostenrijk Kabel 600 kbps/128 kbps 49,05
Oostenrijk ADSL 768 kbps/128 kbps 39,90
Zwitserland Kabel 600 kbps/200 kbps 52,80
Zwitserland ADSL 512 kbps/128 kbps 52,14
ZUID-EUROPA
Portugal Kabel 600 kbps/128 kbps 35,00
Spanje ADSL 256 kbps/128 kbps 39,00
Spanje ADSL 256 kbps/128 kbps 39,07
Italië ADSL 640 kbps/128 kbps 46,95
Italië ADSL 640 kbps/128 kbps 44,95
Griekenland Kabel 512 kbps/128 kbps 50,50
NOORD-EUROPA
Denemarken Kabel 512 kbps/128 kbps 57,38
Denemarken Kabel 512 kbps/128 kbps 47,12
Denemarken ADSL 512 kbps/128 kbps 58,73
Finland ADSL 512 kbps/512 kbps 48,00
Zweden Kabel 640 kbps/128 kbps 38,39
Zweden ADSL 512 kbps/128 kbps 41,25
Noorwegen ADSL 768 kbps/128 kbps 56,57
Noorwegen ADSL 720 kbps/128 kbps 49,77
OOST-EUROPA
Estland ADSL 640 kbps/320 kbps 44,48
Letland ADSL 384 kbps/128 kbps 29,64
18
Litouwen ADSL 256 kbps/64 kbps 69,60
Polen ADSL 512 kbps/128 kbps 45,77
Tsjechië ADSL 192 kbps/64 kbps 52,66
Slovakije ADSL 768 kbps/128 kbps 45,34
Hongarije ADSL 384 kbps/64 kbps 39,60
Slovenië ADSL 1024 kbps/128 kbps 32,27
Tabel 3.2: De staat van breedband in Europa anno 2003
Een aantal vaststellingen die kunnen gedaan worden:
• De aangeboden upload snelheden zijn bijna overal gelijk (128 kpbs).
• Ook de downloadsnelheid is in de meeste landen vrij gelijk (rond de 512 kbps), met
een paar uitschieters met lagere snelheid (Oost-Europa) en met hogere snelheid (West-
Europa).
• België heeft de beste snelheid/prijs verhouding voor breedbandinternet in 2003.
• Er is geen significant snelheidsverschil tussen de ADSL- en kabelformules.
• ADSL wordt meer gebruikt in Europa dan kabel voor breedbandtoegang
(waarschijnlijk wegens het bestaan van de incubente telecomoperatoren, de ex-
monopolisten).
• De prijzen zijn vrij vergelijkbaar en liggen over gans Europa gemiddeld tussen de 40
en de 50 euro per maand.
• Hoewel breedbandinternet in Oost-Europa nog zeer jong is, zijn snelheden en prijzen
daar al zeer competitief met de rest van Europa.
Om de prijzen te kunnen vergelijken, werd alles omgerekend naar euro, gebruikmakend van de
gemiddelde wisselkoersen van 2003, zoals die te vinden zijn in het World Factbook van het
Central Intelligence Agency (CIA) (tabel 3.3) [15].
Land Munteenheid Eenheidswaarde in euro
Groot-Brittannië GBP 1,46
19
Zwitserland CHF 0,66
Denemarken DKK 0,135
Zweden SEK 0,11
Noorwegen NOK 0,126
Estland EEK 0,064
Letland LVL 1,56
Litouwen LTL 0,29
Polen PLN 0,23
Tsjechië CZK 0,032
Slovakije SKK 0,024
Hongarije HUF 0,004
Slovenië SIT 0,004
Tabel 3.3: Conversiewaarden vreemde munten in 2003
3.3 Identificatie bijkomende parameters en bijhorende bronnen
Naast de prijs zijn er nog een hele hoop andere factoren die de vraag beïnvloeden. Bij de keuze
van de bijkomende parameters voor het model, moeten 2 overwegingen gemaakt worden:
1) Ten gevolge van het beperkte aantal brondata (het beperkt aantal operatoren waarover publieke
informatie beschikbaar is i.v.m. abonnee-aantallen en aangroei), kan slechts een beperkt aantal
parameters gebruikt worden, omdat anders het model statistisch niet meer betrouwbaar is.
2) De gekozen parameters moeten kwantificeerbaar zijn en de data moeten uit publiek
beschikbare bronnen kunnen gehaald worden.
Rekening houdend met bovenstaande beperkingen, werden volgende extra parameters
gekozen:
20
• Het inkomen I: als mensen een hoger inkomen hebben, kunnen ze gemakkelijker
de prijs betalen en zijn ze meer geneigd zich te abonneren. Als maatstaf werd per
land het gemiddeld inkomen per persoon gebruikt: het Bruto Binnenlands Product
(BNP) per capita, berekend volgens de Purchase Power Parity (PPP) methode [15,
16]. Deze statistiek is dus per inwoner, niet per huishouden.
• De bevolkingsdichtheid B: hoe dichter bevolkt, hoe groter het aanbod (want het is
gemakkelijker iedereen toegang te geven tot het netwerk). De benodigde
informatie hiervoor werd uit het CIA World Fact Book gehaald [15].
• De prijs van vervangproducten (substituten) V: hoe hoger de prijs van smalband,
hoe meer vraag naar breedband. De gebruikte prijs van smalband komt uit een
onderzoek van Teligen in opdracht van de Europese commissie. Er werd uitgegaan
van 20 uur gebruik in piekuren en 10 uur in de daluren, m.a.w. vergelijkbaar met
breedbandgebruik [17].
Tabel 3.4 geeft een overzicht van de inputdata die verzameld werden voor deze parameters (een
aantal gegevens voor de prijs van smalband ontbreken, wegens de beperkte beschikbaarheid van
gemiddelde prijzen voor een vergelijkbaar verbruik met breedband):
Land GDP/capita (EUR) Bevolkingsdichtheid Prijs smalband
eind 2003 (inwoners/km²) (EUR)
WEST-EUROPA
Verenigd Koninkrijk 24.653 248,7465706 43,8
Ierland 26.522 56,96240383 58,6
België 25.810 339,7196157 64,33
Nederland 25.454 476,6552844 46,795
Luxemburg 49.039 175,621423 43,805
Frankrijk 24.475 110,2954915 45,48
Duitsland 24.564 235,9218207 26,435
21
Oostenrijk 26.700 99,31841007 33,605
Zwitserland 29.192 184,0240885 -
ZUID-EUROPA
Portugal 16.020 109,863101 41,195
Spanje 19.580 80,50857185 38,025
Italië 23.852 197,2538525 33,035
Griekenland 17.711 81,54425841 32,3
NOORD-EUROPA
Denemarken 27.768 127,0081615 43,97
Finland 24.297 17,04842466 26,6
Zweden 23.852 21,60464941 35,37
Noorwegen 33.553 14,76685182 35,6
Ijsland 27.501 2,800977556 41,235
OOST-EUROPA
Letland 8.989 36,9369545 -
Litouwen 13.699 55,10062883 -
Polen 9.790 126,8541869 -
Tsjechië 13.973 132,6312956 -
Slovakije 11.837 111,271168 -
Hongarije 12.371 108,787167 -
Tabel 3.4: Inputdata voor inkomen, bevolkingsdichtheid en de prijs van smalband
Als laatste parameter werd het groeipotentieel van de markt G gekozen: hoe dichter bij het
maximum marktpotentieel, hoe kleiner de vraag. Dit vergt wat extra uitleg. Om een realistische
schatting voor de groei van het aantal abonnees (= de vraag) te kunnen maken, moet er een
parameter zijn die de groeimogelijkheden van die specifieke ISP in een bepaald land weergeeft.
Daarvoor werd als maatstaf het groeipotentieel genomen, gedefinieerd als het aantal abonnees
22
van de ISP eind 2002 in verhouding tot het totaal aantal abonnees van het land eind 2003, dus
rekening houdend met de huidige grootte van de ISP en de toekomstige grootte van markt. De
gegevens van de ISP zelf zijn weer te vinden in de jaarverslagen, het totaal aantal abonnees per
land werd grotendeels gehaald uit OECD bronnen [18, 19]. In een eerdere versie van het werk
was deze parameter uitgesplitst in 2 delen: het totaal aantal abonnees T en de saturatiegraad van
de markt S. De saturatiegraad werd gedefinieerd als het totaal aantal abonnees eind 2003 gedeeld
door het aantal inwoners van het land. Het idee hierachter was dat de saturatiegraad een indicatie
zou geven van het aantal mensen dat nog geen breedbandaansluiting had en die dus voor vraag
zouden kunnen zorgen. Dit was echter niet correct, aangezien - door gebruik te maken van het
totaal aantal abonnees eind 2003 – al perfect geweten is wat de (totale) vraag zal zijn en welke
mensen breedband zouden nemen. Een bijkomend nadeel was dat deze werkwijze 2 parameters
vereiste i.p.v. slechts één bij het groeipotentieel G. In hoofdstuk 4 wordt hierop teruggekomen bij
de bespreking van het uitgewerkte model. De gebruikte input data voor de grootte van de
breedbandmarkt per land voor de berekening van het groeipotentieel wordt gegeven (samen met
een vergelijking met het jaar ervoor) in tabel 3.5. Voor een aantal landen (Griekenland,
Slovakije) is een spectaculaire groei merkbaar omdat in deze landen breedband begin 2003 nog
maar pas was gecommercialiseerd. Ook bij de meeste andere landen is een gezonde groei
merkbaar.
Land Totaal aantal Totaal aantal
breedbandgebruikers breedbandgebruikers
eind 2002 eind 2003
WEST-EUROPA
Verenigd Koninkrijk 1.371.319 3.245.113
Ierland 5.600 32.240
België 868.994 1.278.000
Nederland 1.150.867 1.873.459
Luxemburg 4.500 15.300
Frankrijk 1.691.992 3.437.000
Duitsland 3.321.845 4.613.802
23
Oostenrijk 507.100 630.492
Zwitserland 455.220 834.325
ZUID-EUROPA
Portugal 259.491 505.000
Spanje 1.209.969 2.157.000
Italië 1.025.000 2.373.463
Griekenland 72 10.666
NOORD-EUROPA
Denemarken 445.842 668.000
Finland 292.200 418.000
Zweden 720.200 956.000
Noorwegen 202.579 363.690
Ijsland 25.385 40.716
OOST-EUROPA
Letland 9.900 12.000
Litouwen 10.000 23.699
Polen 47.900 308.720
Tsjechië 16.900 51.246
Slovakije 420 16.140
Hongarije 65.770 156.000
Tabel 3.5: Evolutie van het totaal aantal breedbandgebruikers
24
Parameters die ook in aanmerking zouden kunnen komen, maar die het model niet gehaald
hebben wegens de eerder vermelde redenen:
• marketing en reclame (beïnvloedt vraag);
• competitie/concurrentie (beïnvloedt aanbod);
• wetten en reglementen/overheidstussenkomst (beïnvloedt aanbod);
• opleidingsniveau/interesse in technologie (beïnvloedt vraag);
• ...
Concurrentie bijvoorbeeld beïnvloedt vanzelfsprekend de vraag, maar is vrij moeilijk
kwantificeerbaar en het gebrek aan data (vnl. voor Oost-Europa waar voor de meeste landen
slechts data van 1 operator beschikbaar waren) zorgde ervoor dat deze parameter niet in het
uiteindelijke model werd opgenomen.
3.4 Overzicht cijfermateriaal
Op de bijgevoegde CD-ROM is het volgende te vinden:
- In de directory [Jaarverslagen], een verzameling van alle geconsulteerde
jaarverslagen in pdf-vorm.
- In de directory [BronData], het excelsheet [BronDataISP2003.xls] met alle
verzamelde informatie over de individuele operatoren
- In de directory [BronData], het excelsheet [BronDataLanden.xls] met alle
landspecifieke informatie.
25
Hoofdstuk 4
Berekening prijselasticiteit
In hoofdstuk 2 werd gekozen voor het econometrische model. Gewapend met het cijfermateriaal
uit hoofdstuk 3, volgt nu de concrete uitwerking van dat model.
4.1 Uitwerking gekozen model
4.1.1 Theoretische uitwerking
Men kan de volgende relaties definiëren:
),,,( GSIPfVV =
),( BPgVA =
Hierbij zijn VV en VA resp. de lokale vraag (per ISP) naar en het lokale aanbod van breedband. Uit
het equilibrium model volgt nu:
AV VV =
En dus wordt de vraagfunctie en de corresponderende log-lineaire vorm (cf. Hoofdstuk 2):
),,,,( BGSIPhV =
λδγβα BGSIAPV −=
26
Of gelineariseerd:
ελδγβα +++++−= BGSIPAV lnlnlnlnlnlnln
Hierin is � de prijselasticiteit, � de inkomenselasticiteit, � de kruisprijselasticiteit met smalband, �
de groeipotentieel-elasticiteit, � de bevolkingsdichtheidelasticiteit en ln A een constante factor
(allen positief). Dit zijn de parameters die moeten geschat worden (� is een statistische foutterm).
Figuur 4.1: Schematische voorstelling econometrisch model
Het teken van de elasticiteiten in de formule is zeker niet toevallig gekozen, maar berust op
logisch redeneren:
• P (-): een hogere prijs heeft een negatief effect op de vraag.
• I (+): een hoger inkomen heeft een positief effect op de vraag.
• V (+): een hogere prijs van smalband heeft een positief effect op de vraag naar
breedband.
• G (+): als de ISP op dit moment nog maar een klein deel van de markt heeft, dan
biedt de markt meer groeimogelijkheden en is er dus een grotere vraag.
Prijs P
Inkomen I Groeipotentieel G Bevolkingsdichtheid B
Econometrisch Model
Smalband S
Vraag V
+
-
+ +
+
27
• B (+): hoe dichter bevolkt, hoe groter het aanbod omdat meer potentiële klanten
gemakkelijker kunnen geconnecteerd worden.
Het teken van de parameters na schatting, moet hiermee overeenkomen en zal op die manier al
een eerste indicatie geven van de accuraatheid van de schatting.
4.1.2 Statistiek
Deze parameters worden geschat met behulp van meervoudige lineaire regressie, meer bepaald
met de kleinste kwadraten methode (Ordinary Least Squares of OLS). Deze methode berekent
een best passende grafiek, waarbij de som van de kwadratische afwijkingen minimaal is [20].
Op de resultaten worden 4 statistische tests losgelaten [21]:
- De R² waarde geeft de “goodness of fit” aan m.a.w. hoe goed de regressie zelf is.
- De F-test geeft aan of het ganse model relevant is m.a.w. of de verbanden tussen de
parameters niet louter toevallig zijn.
- Voor elke individuele parameter geeft de t-test aan in welke mate die parameter
significant is.
- Tenslotte worden ook 95% betrouwbaarheidsintervallen berekend. Deze geven een
indicatie van de nauwkeurigheid van de schatting van elke parameter.
Als vuistregel kan tenslotte gesteld worden: hoe meer vrijheidsgraden (en dus hoe groter n), hoe
accurater het model. Om de significantie te visualiseren in de Excelsheets werd verder de
legende uit tabel 4.1 gebruikt.
() < 80% niet significant
(*) 80% - 90%
(**) 90% - 95 %
(***) 95 % - 99%
(****) > 99% zeer significant
Tabel 4.1: Legende significantie
28
Verder wordt telkens het model berekend zowel met als zonder constante term, om een idee te
krijgen van de invloed van die term. Deze sensitiviteitsanalyse dient als controle of de constante
term geen al te grote rol speelt bij de schatting en op die manier de resultaten voor de
prijselasticiteit “vervalst”.
4.1.3 Eerste schatting: Cobb-Douglas
Een eerste schatting gebeurt gebruik makend van de eenvoudigste variant van het model (met
enkel prijs en inkomen als factoren). Zoals vermeld in hoofdstuk 2 staat deze variant in de
literatuur ook bekend als de Cobb-Douglas functie en ziet die er als volgt uit:
βα IAPV −=
De resultaten worden weergegeven in tabel 4.2.
Schatting parameters Inkomenselast. (�) Prijselast. (-�) Constante term (A) waarde 1,134935539 -1,748713479 6,277844711
std afwijking 0,756070401 1,297745853 6,797326695 R² ("goodness of fit") 0,073296591 1,386447704 #N/A
F-statistiek 1,384143331 35 #N/A kwadratensom 5,321303703 67,27830327 #N/A
95% betrouwbaarheidsmarge 0,24039118 0,412615884 2,1611974 t-waarde 0,142298752 0,186477841 0,362031105
significantie (*) (*) ()
Sensitiviteit constante term Inkomenselast. (�) Prijselast. (-�) waarde 1,671322715 -1,51519772
std afwijking 0,483103423 1,270275785 R² ("goodness of fit") 0,985235108 1,383613986
F-statistiek 1201,108128 36 kwadratensom 4598,773164 68,91795585
95% betrouwbaarheidsmarge 0,153601836 0,403881827 t-waarde 0,00140909 0,24074644
significantie (****) ()
Tabel 4.2: Resultaten eerste schatting
29
Er wordt dus een waarde voor de prijselasticiteit verkregen van rond de -1,75 en voor de
inkomenselasticiteit van ongeveer 1,13.
Enkele vaststellingen die kunnen gedaan worden:
• De tekens van de elasticiteiten komen overeen met de voorspelde tekens.
• De foutmarge op de waarde van de prijselasticiteit is vrij groot en dus ook de t-waarde.
We bekomen een vrij lage significantie van tussen 80% en 90%.
• Prijs en inkomen zijn licht elastisch.
Op de bijgevoegde CD-ROM bevindt zich in de directory [Modellen] het excelsheet
[Model_PE_2P_full.xls] met de volledige uitwerking van het model.
4.1.4 Tweede schatting: volledig model zonder smalband
Voor een tweede schatting gebruiken we het volledige model uit 4.1.1, maar zonder de parameter
“de prijs van smalband”. De reden daarvoor is dat er voor een aantal landen geen betrouwbare
data waren voor de gemiddelde prijs van smalband. In de volgende paragraaf wordt dan de
invloed van de prijs van smalband bekeken op een subset van de data waarvoor wel alle
informatie aanwezig is.
De gebruikte formule is dus hier:
λδβα BGIAPV −=
De bekomen resultaten worden samengevat in tabel 4.3.
Schatting parameters BD-elast. (�) GP-elast. (�) Inkomenselast. (�) waarde 0,285639832 0,210323996 1,499607159
std afwijking 0,242449142 0,139758354 0,790039421 R² ("goodness of fit") 0,15342891 1,364714738 #N/A
F-statistiek 1,495194577 33 #N/A kwadratensom 11,13887853 61,46072845 #N/A
95% betrouwbaarheidsmarge 0,077086255 0,044435909 0,251191567 t-waarde 0,24716576 0,141858936 0,066452965
significantie () (*) (**)
30
Schatting parameters Prijselast. (-�) Constante term (A) waarde -2,37135627 4,138335761
std afwijking 1,343382721 6,802450092 R² ("goodness of fit") #N/A #N/A
F-statistiek #N/A #N/A kwadratensom #N/A #N/A
95% betrouwbaarheidsmarge 0,427126042 2,162826374 t-waarde 0,086781362 0,547113843
significantie (**) ()
Sensitiviteit constante term BD-elast. (�) GP-elast. (�) Inkomenselast. (�) Prijselast. (-�) waarde 0,306425222 0,221874318 1,860986717 -2,256557428
std afwijking 0,237795847 0,137174129 0,516016301 1,317685114 R² ("goodness of fit") 0,986685061 1,352013993 #N/A #N/A
F-statistiek 629,8806951 34 #N/A #N/A kwadratensom 4605,541097 62,15002242 #N/A #N/A
95% betrouwbaarheidsmarge 0,075606748 0,04361426 0,164066425 0,418955535 t-waarde 0,206234791 0,115019571 0,0009842 0,095908957
significantie () (*) (****) (**)
Tabel 4.3: Resultaten tweede schatting
Er wordt dus een waarde voor de prijselasticiteit verkregen van ongeveer -2,37 en voor de
inkomenselasticiteit van rond de 1,50.
Enkele vaststellingen die hieraan kunnen verbonden worden:
• De tekens van alle elasticiteiten komen overeen met de voorspelde tekens.
• De inkomenselasticiteit en de prijselasticiteit zijn de meest significante parameters.
• De prijs en het inkomen zijn beiden elastisch, maar de prijs is elastischer dan het inkomen.
• Bevolkingsdichtheid en groeipotentieel zijn inelastisch.
Uit een vergelijking met de resultaten uit het Cobb-Douglas model uit paragraaf 4.1.3 blijkt dus
dat de algemene tendensen dezelfde zijn, maar dat in dit geval hogere waarden voor de
inkomens- en vooral prijselasticiteit verkregen worden. Dat valt te verklaren door het feit dat dit
model met meer parameters rekening houdt die echter een beperkte invloed op de vraag hebben
(lage elasticiteitswaarden voor bevolkingsdichtheid en groeipotentieel).
Op de bijgevoegde CD-ROM bevindt zich in de directory [Modellen] het excelsheet
[Model_PE_4P_full.xls] met de volledige uitwerking van het model. Voor de volledigheid
31
werden ook de tussenliggende modellen met 3 parameters, [Model_PE_3P_BD_full.xls] en
[Model_PE_3P_GP_full.xls] daarin opgenomen.
4.1.5 Derde schatting: invloed van smalband
Om het effect van de prijs van smalband te onderzoeken met de limitatie van een beperkt aantal
gegevens, werd eerst het model uit 4.1.4 opnieuw uitgewerkt met als inputdata enkel de ISP’s uit
landen waarover de gegevens over de prijs van smalband bekend zijn. Door de kleinere
hoeveelheid data met hetzelfde aantal parameters, treden er problemen op met de schattingen: de
inkomenselasticiteit krijgt bijvoorbeeld een negatief teken en de significanties verschillen
aanzienlijk (tabel 4.4).
Schatting parameters BD-elast. (�) GP-elast. (�) Inkomenselast. (�) waarde 0,289164275 0,370143496 -1,762624209
std afwijking 0,202526055 0,120898391 1,786904568 R² ("goodness of fit") 0,417386727 1,090958364 #N/A
F-statistiek 4,477527662 25 #N/A kwadratensom 21,31643733 29,75475382 #N/A
95% betrouwbaarheidsmarge 0,064392783 0,038439419 0,568142989 t-waarde 0,16572637 0,005204869 0,333382144
significantie (*) (***) ()
Schatting parameters Prijselast. (-�) Constante term (A) waarde -1,924460617 36,0292444
std afwijking 1,902830255 13,30108721 R² ("goodness of fit") #N/A #N/A
F-statistiek #N/A #N/A kwadratensom #N/A #N/A
95% betrouwbaarheidsmarge 0,605001346 4,229055979 t-waarde 0,321529578 0,012012464
significantie () (***)
Tabel 4.4: Resultaten tweede schatting met beperkte set inputdata
32
Ondanks de onbetrouwbaarheid van bovenstaande schatting, is het misschien toch mogelijk
tenminste een idee te krijgen van de invloed van de prijs van smalband. De gebruikte formule en
bekomen resultaten zijn achtereenvolgens (tabel 4.5):
λδγβα BGSIAPV −=
Schatting parameters SB-elast. (�) BD-elast. (�) GP-elast. (�) waarde 0,076811882 0,281154599 0,366446899
std afwijking 1,107605475 0,236763363 0,134401233 R² ("goodness of fit") 0,417503454 1,113343172 #N/A
F-statistiek 3,440392204 24 #N/A kwadratensom 21,32239868 29,74879247 #N/A
95% betrouwbaarheidsmarge 0,352161104 0,075278472 0,042732623 t-waarde 0,94528602 0,246653982 0,011767779
significantie () () (***)
Schatting parameters Inkomenselast. (�) Prijselast. (-�) Constante term (A) waarde -1,770609737 -1,92673131 35,86321796
std afwijking 1,827201053 1,942149466 13,78350881 R² ("goodness of fit") #N/A #N/A #N/A
F-statistiek #N/A #N/A #N/A kwadratensom #N/A #N/A #N/A
95% betrouwbaarheidsmarge 0,580955182 0,617502816 4,382441029 t-waarde 0,342195919 0,331065025 0,015637347
significantie () () (***)
Tabel 4.5: Resultaten derde schatting
Onder het sterk voorbehoud van de onnauwkeurige schatting, zou kunnen geconcludeerd worden
dat de kruisprijselasticiteit met smalband zeer laag is en niet significant. Voorgaande is een goede
illustratie van het probleem van beperkt beschikbare data en de nood om het aantal parameters te
beperken, zoals beschreven in hoofdstuk 2. Een mogelijke verklaring voor de lage
kruisprijselasticiteit zou kunnen zijn dat mensen niet echt naar de prijs kijken om over te
schakelen naar breedband, maar eerder naar concrete voordelen zoals hogere snelheid, etc.
Ter referentie bevinden zich op de bijgevoegde CD-ROM in de directory [Modellen] de
excelsheets [Model_PE_4P_red.xls] en [Model_PE_5P_red.xls] met de volledige uitwerking van
het model.
33
4.1.6 Besluit
Verderop in dit werk, moet een schatting van de prijselasticiteit gebruikt worden om de vraag te
voorspellen. Het concrete cijfer dat hiervoor gebruikt wordt, is dat van het model met alle
parameters behalve smalband (uit paragraaf 4.1.4), omdat dit model het beste evenwicht geeft
tussen het maximaal aantal relevante parameters en statistische correctheid:
λδβα BGIAPV −=
Als inputwaarden zullen daarvoor dus o.m. een prijselasticiteit van -2,37 en een
inkomenselasticiteit van 1,50 gebruikt worden.
4.2. Voorbeeld: Belgacom ADSL
Ter illustratie van het model, volgt nu een concreet voorbeeld voor Belgacom ADSL (figuur 4.2).
Figuur 4.2: Illustratie model voor Belgacom ADSL
39,95 �
25.810 � 392.000/1.278.000 340 inw/km²
Prijselasticiteit = -2,37 Inkomenselasticiteit = 1,50
...
170.012
+ -
+ +
Prijs
Inkomen Groeipotentieel Bevolkingsdichtheid
Vraag
34
Hiervoor werd gebruik gemaakt van de verzamelde data zoals beschreven in hoofdstuk 2: de prijs
werd gehaald van de gearchiveerde website [14], het aantal klanten begin 2003 uit het jaarverslag,
het gemiddeld inkomen en de bevolkingsdichtheid uit het CIA World Factbook en het totaal
aantal breedbandabonnees in België eind 2003 uit een OECD rapport. Wanneer al deze data in
het model ingegeven worden, bekomt men een schatting van 170.012 nieuwe abonnees
gedurende 2003. De kracht van het model is dan dat bijvoorbeeld de impact van een
prijsverandering onmiddellijk zichtbaar is in de vraag, zoals geïllustreerd in figuur 4.3.
Figuur 4.3: Illustratie Belgacom ADSL: invloed van een prijsverandering
In dit geval is het dus duidelijk dat wegens de hoge elasticiteit van de prijs, een prijsdaling met
25% resulteert in een stijging van de vraag met ongeveer 80%. Wat nu precies de beste prijs is en
welke andere aspecten daarin een rol spelen, wordt uitgelegd aan het einde van hoofdstuk 5, waar
dit voorbeeld hernomen en uitgebreid wordt.
39,95 �
25.810 � 392.000/1.278.000
340 inw/km²
Prijselasticiteit = -2,37 Inkomenselasticiteit = 1,50
...
170.012
+ -
+ +
Prijs
Inkomen Groeipotentieel
Bevolkingsdichtheid
Vraag
29,95 �
336.654
35
4.3. Opsplitsing Europa
Het finale model werd verder ook uitgetest op kleinere subgroepen, zoals West-, Zuid-, Noord-
en Oost-Europa, maar de resultaten daarvan varieerden van onbetrouwbaar tot gewoonweg
onmogelijk door het te kleine aantal brondata. Dit wordt bevestigd door de test met de 95%
betrouwbaarheidsintervallen. Voor de volledigheid werden deze resultaten ook opgenomen in de
Excelsheet [Model_PE_4P_full.xls] in de directory [Modellen] op de bijgevoegde CD-ROM.
4.4. Vergelijking met bestaande studies
Een volgende stap is het vergelijken van de bekomen resultaten met bestaande studies over
prijselasticiteit. Tabel 4.6 geeft een kort overzicht:
Nr Model Regio Jaar Resultaten
1 Consumentenkeuze USA 2001 -1,491
2 Consumentenkeuze USA 2002 DSL: -1.184
Kabel: -1.220
3 Diffusiecurve UK 2004 ADSL: -2,2
4 Gompertz, Logit Australië 2002 DSL: -2,06
Kabel: -1,29
5 Kwadratische vraagcurve Steden USA 2000 -1,8 -> -3,8
6 Cobb-Douglas Wereldwijd
209 landen 1997 tot 2001 -0,35 -> - 0,11
Eigen model (Equilibrium) Europa 2003 -2,37
Tabel 4.6: Vergelijking prijselasticiteit met andere studies
36
De eerste twee studies maken gebruik van het consumentenkeuze model (hoofdstuk 2, §2.2.2) en
geven als resultaten vrij lage elasticiteiten [3, 22]. De laatste studie schat ook de
kruisprijselasticiteit van smalband op ongeveer 0,5 wat overeenkomt met de eerdere conclusie
over inelasticiteit van de prijs van smalband.
Studies 3 en 4 gebruiken een diffusiemodel (hoofdstuk 2, §2.2.3) en geven resultaten die goed
overeenkomen met de schattingen van het in dit werk gebruikte model [5, 23].
De auteur van studie 5 opteerde voor een kwadratische vraagcurve om daaruit de elasticiteiten te
schatten. Hij heeft vergelijkbare studies gedaan voor vele andere grote Amerikaanse steden en
bekwam daarbij gelijkaardige resultaten [24].
Studie 6 tenslotte geeft de enige echt afwijkende resultaten voor de prijselasticiteit [25]. Deze
resultaten kunnen waarschijnlijk enerzijds verklaard worden doordat dit de enige wereldwijde
studie is, terwijl Europa, Australië en de USA waarschijnlijk vrij gelijkaardige kenmerken
vertonen en dus gelijkaardige resultaten geven. Jammer genoeg was er geen studie beschikbaar
over een niet-Westers land om deze hypothese te bevestigen. Anderzijds gebruikt deze studie ook
het eenvoudigere Cobb-Douglas model, wat ook in dit werk lagere elasticiteiten opleverde.
Globaal gezien kan echter geconcludeerd worden dat de resultaten uit dit werk vrij goed
overeenkomen met deze bekomen in andere studies over Westerse landen, zoals de Verenigde
Staten.
37
Hoofdstuk 5
Invloed op financiële resultaten van de
breedbandaanbieders
In dit hoofdstuk wordt besproken welk verband er bestaat tussen de prijselasticiteit van de vraag
naar breedband en de omzet en winst of verlies van de breedbandaanbieders.
5.1 Schatting en model omzet
Oorspronkelijk was het de bedoeling een afzonderlijk model op te stellen voor de schatting van
de omzet van de breedbandoperatoren. Daarbij zouden, naast de prijselasticiteit van de vraag, de
andere parameters geïdentificeerd worden die de omzet beïnvloeden.
Herbekijken we echter het model dat gebruikt werd om de prijselasticiteit te schatten:
λδγβα BGSIAPV −=
Het is duidelijk dat de omzet onmiddellijk uit dit model kan geschat worden en dat de parameters
uit dit model precies ook deze zijn die de omzet beïnvloeden. Om de totale omzet van de
breedbanddivisie van een ISP in een jaar te schatten, zijn de gemiddelde prijs per maand en het
totaal aantal klanten nodig. De prijs en het huidig aantal klanten kan gehaald worden uit de
jaarverslagen (zoals besproken in hoofdstuk 2); het aantal nieuwe klanten volgt uit het model
voor de prijselasticiteit. Dit wordt schematisch voorgesteld in figuur 5.1.
38
Figuur 5.1: Schatting omzet
Op deze manier worden volgende schattingen voor de omzet van de bestuurde ISP’s bekomen
(tabel 5.1).
ISP (Land) Prijs/maand
(�)
Totaal
eind 2002
Vraag
in 2003
Totale omzet
breedband (�)
NTL (VK) 36,49 517100 432100 415635696
Wanadoo (VK) 40,87 49000 109000 77489520
Tiscali (VK) 39,41 13000 99000 52967040
Eircom (IER) 54,45 2654 27346 19602000
Telenet (B) 41,95 301000 116000 209917800
Belgacom (B) 39,95 392000 180000 274216800
UPC (NL) 49,95 303600 20700 194385420
Huidig aantal klanten Aantal nieuwe klanten +
Totaal aantal abonnees in 2003
Model Prijselasticiteit Jaarverslagen
Prijs
Totale omzet breedbanddivisie
x
39
Xs4all (NL) 51,15 63729 53609 72022064,4
Wanadoo (NL) 52,25 179000 110000 181203000
P&T LuxDSL (LUX) 79,95 5697 6584 11782391,4
Wanadoo (FR) 49,4 772000 1044000 1076524800
Tiscali (FR) 39,9 49000 151000 95760000
Club Internet (FR) 44,4 40000 100000 74592000
Kabel Deutschland (DE) 39,98 500 3500 1919040
Tiscali (DE) 36,98 38000 100556 61485610,56
UPC Telekabel (OOS) 49,05 177600 28200 121133880
Telekom Austria (OOS) 39,9 143100 64500 99398880
Cablecom (ZWI) 52,8 133488 63733 124959225,6
Bluewin (ZWI) 52,14 109000 165000 171436320
Netcabo (POR) 35 140000 90000 96600000
Wanadoo (SP) 39 117000 73000 88920000
Telefonica (SP) 39,07 957032 703418 778485378
Tiscali (IT) 46,95 28000 80549 61156506,6
Telecom Italia (IT) 44,95 585000 929000 816651600
Telia Stofa (DEN) 57,375 81250 22750 71604000
TDC Kabel (DEN) 47,115 62000 55000 66149460
TDC ADSL (DEN) 58,725 253000 152000 285403500
Sonera (FIN) 48 82000 68000 86400000
UPC Sweden (ZWE) 38,39 57800 10800 31602648
Telia (ZWE) 41,25 317000 77000 195030000
Telenor (NOR) 56,574 90000 73000 110658744
Bluecom (NOR) 49,77 6200 13800 11944800
Elion (EST) 44,48 32050 17450 26421120
Lattetelekom (LET) 29,64 9900 2100 4268160
DSL Takas (LIT) 69,6 17299 6400 19793404,8
Neostrada (PLN) 45,77 20000 130000 82386000
Axelero (HON) 39,6 17000 51000 32313600
40
Siol (SLVN) 32,27 15625 22705 14842909,2
Tabel 5.1: Schatting omzet
In hoeverre strookt deze schatting nu met de realiteit?
Een eerste opmerking is dat in bovenstaande berekeningen geen rekening gehouden werd met
installatie- en/of aansluitingskosten. Deze vormen echter een relatief klein onderdeel van de
omzet in vergelijking met de maandelijks terugkerende opbrengsten en worden bovendien vaak
ernstig verlaagd in het kader van promotiecampagnes. Desalniettemin is bovenstaande schatting
dus een lichte onderschatting van de omzet.
Ten tweede werd als prijs de gemiddelde prijs van het standaardabonnement genomen. Zoals in
hoofdstuk 2 geformuleerd werd, is het echter redelijk te stellen dat, als men het aantal abonnees
en de prijs samen bekijkt, de “light user” en “heavy user” abonnementsformules mekaar
compenseren zodat het standaardabonnement een goede indicatie geeft.
Tenslotte is het vrij moeilijk de accuraatheid van de schattingen na te gaan omdat de berekende
omzet enkel geldt voor de retail breedbandinternet verkopen in een bepaald land en dus niet voor
de andere divisies van de onderneming of hun activiteiten in andere landen. Aangezien de data zo
goed als exclusief van beursgenoteerde ondernemingen afkomstig is (m.a.w. vaak grote
bedrijven), is het niet evident gedetailleerde cijfers te vinden voor de omzet van enkel de
breedbandafdeling. Een zeldzame uitzondering geeft de precieze cijfers:
Telefonica Spanje:
- retail breedbandomzet Spanje = 557 600 000 � (jaarverslag1 p. 73)
- berekende omzet = 39,07 � x 12 x 1 070 033 = 501 674 272 �
- goede overeenkomst
Bij anderen is wel de omzet per land beschikbaar, maar dan inclusief smalband:
Tiscali Italië:
- internet omzet Italië = 173 711 000 � (jaarverslag p. 89)
- berekende retail breedband omzet = 44,95 � x 12 x 108 549 = 61 156 507 �
- lijkt aanvaardbare schatting (rekening houdend met aandeel smalband)
1 De vermelde jaarverslagen kunnen allemaal nagelezen worden op de bijgevoegde CD-ROM in de directory [Jaarverslagen]
41
Telekom Austria:
- internet omzet Oostenrijk = 198 400 000 � (jaarverslag p. 47)
- berekende retail breedband omzet = 39,9 � x 12 x 207 600 = 99 398 880 �
- lijkt aanvaardbare schatting (rekening houdend met aandeel smalband)
Men kan dus stellen dat de geschatte omzetcijfers een goede indicatie geven van de effectieve
omzet, maar zeker geen perfecte schatting zijn. Verder is er geen nieuw model nodig voor de
schatting van de omzet, aangezien het model voor de prijselasticiteit onrechtstreeks ook toelaat
de omzet te berekenen.
5.2 Schatting en model kosten
5.2.1 Schatting
Om uitspraken te kunnen doen over winst of verlies, is een schatting van de kosten noodzakelijk.
Het is niet de bedoeling een gedetailleerde kostenanalyse te maken maar eerder een globale
schatting van de kosten van de breedbanddivisie vergelijkbaar met de schatting van de omzet.
Goede cijfers over kosten zijn echter nog veel moeilijker te achterhalen dan omzetcijfers.
Aangezien dit zeer concurrentie-gevoelige informatie is, geven alle bedrijven enkel een algemeen
overzicht van de kosten voor het volledige bedrijf. Beursgenoteerde bedrijven zijn immers
verplicht deze informatie op te nemen in hun jaarverslagen.
Met deze vaststellingen in het achterhoofd, werd voor volgende aanpak gekozen:
1) Achterhaal de omzet en kosten cijfers voor een zo klein mogelijk deel van het bedrijf
dat de breedband divisie omvat, afhankelijk van de gedetailleerdheid van het jaarverslag.
Hoe kleiner de entiteit waarvoor exacte cijfers beschikbaar zijn, hoe accurater de
uiteindelijke schatting zal zijn.
2) Bereken welke fractie de breedbandafdeling uitmaakt van het totale bedrijf, uitgaande
van de geschatte omzet en de gepubliceerde totale omzet uit het jaarverslag.
3) Gebruik die fractie om een schatting te maken van de kosten van de breedbandafdeling.
4) Bereken op die manier een schatting van winst of verlies.
42
Voor de kosten uit het jaarverslag werden telkens de kosten inclusief afschrijvingen genomen,
zodat we een schatting van de operationele winst (of het operationeel verlies) kunnen krijgen. Dit
betekent dat financiële kosten (zoals bv. van aandelen in andere bedrijven) en uitzonderlijke
kosten (zoals bv. overnamekosten) niet opgenomen zijn in het kostencijfer. Deze methode gaat
ervan uit dat de fractie van de omzet van een bepaalde divisie t.o.v. de omzet van het volledig
bedrijf vergelijkbaar is met de fractie van de kosten van die divisie t.o.v. de kosten van het
volledige bedrijf. Dit betekent dus dat op deze manier slechts een ruwe schatting van de kosten
bekomen wordt. Figuur 5.2 stelt deze methode voor in een schema.
Figuur 5.2: Schatting kosten
Ter illustratie: een uitgewerkt voorbeeld voor Wanadoo France (France Telecom):
1) Data uit management rapport 2003 (p 32 -33):
- Omzet Wanadoo (niet enkel breedband; niet enkel Frankrijk) = 2 617 000 000 �
- Totale kosten Wanadoo = 2 417 000 000 �
2) Berekening omzet (enkel Frankrijk en enkel breedband) uit deel 1
= 49,4 � x 1 816 000 x 12 = 1 076 524 800 �
=> fractie breedband Frankrijk van totale Wanadoo groep = 0,41
3) Kost breedband Wanadoo Frankrijk
= 0,41 x 2 417 000 000 � = 961 860 000 �
4) Winst = 1 076 254 800 � - 961 860 000 � = 114 644 800 �
Omzet en kosten volledig bedrijf
Fractie berekende omzet breedbanddivisie t.o.v. totale omzet bedrijf
Schatting kosten breedbanddivisie
43
De (analoge) berekeningen van de kosten voor alle bestudeerde ISP’s zijn uitgewerkt in de
excelsheet [BrondataISP2003.xls], die te vinden is op de CD-ROM in bijlage in de directory
[BronData].
5.2.2 Model
In tegenstelling tot bij de omzet, waar er al een bruikbaar model was, moet er nu wel een apart
model opgesteld worden. De vraag is: hoe evolueren de kosten met het aantal abonnees? Als er
abonnees bijkomen, krijgt een operator immers extra kosten: uitbreiding van capaciteit van het
netwerk, meer helpdesk en customer care personeel nodig, etc. Na de schatting van de kosten uit
de vorige paragraaf, zijn nu alle data beschikbaar om het verband te zoeken tussen de kosten en
het aantal abonnees. Na uitzetting van deze data in een grafiek (figuur 5.3), blijkt er een sterk
lineair verband te bestaan tussen beide factoren, wat direct visueel duidelijk is en ook blijkt uit de
“goodness of fit” R² van 0,87 voor de lineaire regressie [21]. Alle stippen op figuur 5.3 stellen
telkens één operator voor waarover informatie verzameld werd (cf. hoofdstuk 2).
0
200000000
400000000
600000000
800000000
1000000000
1200000000
0 200.000 400.000 600.000 800.000 1.000.000 1.200.000 1.400.000 1.600.000 1.800.000 2.000.000
Aantal abonnees
Kos
ten
bree
dban
ddiv
isie
(�)
Figuur 5.3: Verband tussen kosten en aantal abonnees
44
Het resultaat is dus een eenvoudig model (met K de totale kosten van de breedbanddivisie; T het
totaal aantal breedbandabonnees en A en B de te schatten parameters):
TBAK .+=
Uitgaande van de verzamelde inputdata, kunnen dan A en B geschat worden.
Dit is vanzelfsprekend een vereenvoudiging van de werkelijkheid. Naarmate de ISP groter wordt,
zijn er er immers ook schaal- en leereffecten die ervoor zorgen dat de kosten trager dan lineair
stijgen met het aantal abonnees. Maar als ruwe schatting (en ermee rekening houdende dat ook de
inputdata voor de kosten onstaan zijn door een vrij ruwe schatting), volstaat bovenstaand model.
5.3 Applicatie
De laatste stap bestaat erin alle voorgaande modellen te combineren om tot een toepassing te
komen. De doelstelling van deze applicatie is toe te laten aan het begin van een jaar een schatting
te genereren voor het aantal nieuwe klanten, omzet en winst of verlies, uitgaande van een aantal
in te stellen parameters waarvan de voornaamste de prijs is (figuur 5.4). Dit model wordt
uitgewerkt in de excelsheet [Application.xls] in de directory [Modellen] op de CD-ROM in
bijlage.
De gebruiker wordt eerst gevraagd een aantal ISP specifieke gegevens op te geven, meer bepaald
de prijs/maand voor een standaard retail breedbandabonnement en het totaal breedbandabonnees
dat de ISP heeft aan het begin van het jaar waarvoor men de vraag wil voorspellen. Vervolgens
moet de gebruiker een tweede categorie inputdata opgeven, de land-specifieke: het gemiddeld
BNP/capita, oppervlakte, aantal inwoners en tenslotte een voorspelling van de grootte van de
totale breedbandmarkt in dat land over 1 jaar. Dit laatste is noodzakelijk om een redelijke
schatting van het groeipotentieel te kunnen maken. Vervolgens worden een aantal
tussenresultaten berekend en uiteindelijk de eindresultaten voor vraag, omzet, kosten en winst of
verlies. Deze laatste 4 worden berekend m.b.v. de modellen die werden opgesteld waarvan de
parameters geschat werden aan de hand van de inputdata (zoals beschreven in hoofdstuk 4 en de
45
eerste twee delen van hoofdstuk 5). Die parameters kunnen onmiddellijk aangepast worden
indien nieuwe en/of betere inputdata een meer accurate schatting zouden mogelijk maken.
Figuur 5.4: Werking van (een deel van) de applicatie
5.4 Uitgewerkt voorbeeld: gebruik in de praktijk
Dit is het aangewezen moment om het voorbeeld van Belgacom ADSL uit paragraaf 4.3 te
hernemen en uit te breiden onder de vorm van een mini case study om te illustreren hoe de
applicatie kan gebruikt worden. In de case wordt als voorbeeld 2003 gebruikt omdat daarvan alle
inputdata beschikbaar zijn maar het model is even goed toepasbaar voor 2005 (op voorwaarde
natuurlijk dat alle nodige inputgegevens verkrijgbaar zijn).
Totale kosten breedbanddivisie
-
= Winst of verlies breedbanddivisie
Huidig aantal klanten Aantal nieuwe klanten
Totale omzet breedbanddivisie
Model Prijselasticiteit
Jaarverslagen
+
Prijs
46
5.4.1. Probleemstelling
Stel het is 1 januari 2003. Op dat moment telt Belgacom ADSL 392.000 retail breedband klanten.
De manager verantwoordelijk voor de retail breedband verkopen, vraagt zich een aantal dingen
af:
1) Een prijs van 39,95 � flat fee/maand lijkt een competitieve prijs. Hoeveel nieuwe
klanten kunnen we verwachten in 2003 als we die prijs hanteren?
2) Hoeveel omzet zullen we dan in 2003 draaien inclusief die nieuwe klanten?
3) Hoeveel zullen onze totale kosten in 2003 bedragen rekening houdend met die
klantenaangroei?
4) Hoeveel winst of verlies kunnen we verwachten in 2003?
5) Wat gebeurt er met de vraag als we die prijs zouden verhogen of verlagen met 10 euro?
6) Wat is de invloed van zo’n verhoging of verlaging op omzet en winst of verlies?
7) Aan welke prijs bereiken we het break-even punt?
8) Wat is de “beste prijs” ?
De manager beschikt over de volgende informatie:
- Het gemiddelde inkomen van de Belg wordt geschat op 25.810 � in 2003.
- België heeft een oppervlakte van 30.287 km² en telt 10 298 088 inwoners.
- Uit een marktonderzoek blijkt dat de totale grootte van de Belgische retail
breedbandmarkt eind 2003 geschat wordt op 1.278.000 aansluitingen.
5.4.2 Oplossing
Vraag 1 t.e.m. 4 kunnen meteen m.b.v. de applicatie uit paragraaf 5.3 beantwoord worden na
invullen van de gegeven parameters (tabel 5.2).
Gelieve volgende data op te geven voor de operator: Belgacom Prijs/maand standaard retail breedbandabonnement (�) 39,95 Totaal aantal breedband abonnees op dit moment 392000
47
Gelieve de volgende data op te geven voor het land: Gemiddeld BNP/capita (�) 25810 Oppervlakte (km²) 30287 Aantal inwoners 10289088 Voorspeld aantal breedbandklanten in het land over een jaar 1278000 (marktpotentieel) Afgeleide indicatoren (tussenresultaten) Groeipotentieel 0,306729264 Bevolkingsdichtheid 339,7196157 Resultaten: Schatting jaarlijks aantal nieuwe abonnees (de vraag) 170011,9979 Schatting jaarlijkse totale omzet retail breedbandinternet (�) 269428551,8 Schatting jaarlijkse totale winst/verlies retail breedbandinternet (�) 23377794,29 Schatting jaarlijkse winst/verlies per abonnee (�) 41,59661072
Tabel 5.2: Oplossing voorbeeld: vraag 1 t.e.m. 4
Het aantal nieuwe abonnees voor 2003 wordt dus geschat op 170.012 (cf. Paragraaf 4.3). De
totale omzet van de breedbanddivisie voor 2003 wordt geschat op bijna 270 miljoen euro met een
operationele winst van iets meer dan 23 miljoen euro. Dit geeft een winst van 41,6 euro per
abonnee per jaar. Vraag 5 en 6 kunnen we oplossen door eenvoudigweg de prijsparameter aan te
passen in de applicatie (tabel 5.3, de gegevens die onveranderd blijven werden weggelaten).
Gelieve volgende data op te geven voor de operator: Prijs/maand standaard retail breedbandabonnement (�) 29,95 39,95 49,95
48
Resultaten: Schatting jaarlijks aantal nieuwe abonnees 336653,8344 170011,9979 100095,2912 Schatting jaarlijkse totale omzet (�) 261878188,1 269428551,8 294961917,5 Schatting jaarlijkse totale winst/verlies (�) -51064453,81 23377794,29 76976502,82 Schatting jaarlijkse winst/verlies per abonnee (�) -70,08053948 41,59661072 156,4260098
Tabel 5.3: Oplossing voorbeeld: vraag 5 en 6
Door de hoge prijselasticiteit heeft een daling of stijging van de prijs zeer grote gevolgen voor de
vraag. Een prijsverlaging naar 29,95 � zou bijna een verdubbeling van het aantal klanten
opleveren, maar negatieve financiële effecten geven. Onmiddellijk wordt ook een beperking van
het model duidelijk: voor een zeer hoge prijs (en dus een zeer laag aantal nieuwe klanten) wordt
de winst gemaximaliseerd. In de praktijk zijn er natuurlijk nog andere overwegingen die een rol
spelen: een bedrijf wil groeien, de competitie voorblijven, etc.
Vraag
0
50000
100000
150000
200000
250000
300000
350000
400000
450000
500000
26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
Prijs/maand (�)
Aan
tal n
ieuw
e ab
onne
es
Figuur 5.5: Oplossing voorbeeld: vraag 5
49
Figuur 5.5 geeft duidelijk de hoge prijselasticiteit weer: een kleine prijsverandering resulteert in
een grote verandering van de vraag (figuur 5.5 is eigenlijk de vraagcurve uit hoofdstuk 1, maar
met omgedraaide assen). Merk opnieuw op dat naarmate de prijzen hoger worden, het model aan
accuraatheid inboet. Op dezelfde manier kunnen ook omzet en kosten op een figuur worden
uitgezet in functie van de prijs. Waar omzet gelijk is aan kosten, bereiken we het break-even punt.
Bij die prijs maakt de breedbanddivisie winst noch verlies.
Omzet en kosten
0
50000000
100000000
150000000
200000000
250000000
300000000
350000000
400000000
26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
Prijs/maand (�)
Tota
le o
mze
t/kos
ten
(�)
Omzet Kosten
Break-even
Figuur 5.6: Oplossing voorbeeld: vraag 6 en 7
In dit voorbeeld ligt het break-even punt dus iets boven de 36 � per maand. De kostencurve heeft
een gelijkaardig verloop als de vraagcurve, wat logisch is wegens het vrij lineaire verband tussen
beiden (paragraaf 5.2). De omzetcurve bereikt een minimum voor een prijs van 31 � per maand:
onder die prijs stijgt de omzet wegens het grote aantal klanten, boven die prijs stijgt de omzet ook
maar dan wegens de hogere prijs per maand. De laatste vraag die rest, is dan ook de moeilijkste:
wat is de “beste prijs” ? Daarop bestaat geen eenduidig antwoord. Eerst en vooral moet men
rekening houden met de beperkingen van het model: slechts een beperkt aantal parameters
werden opgenomen en die werden geschat op basis van een beperkte hoeveelheid inputdata.
50
Verder hangt ook veel af van de strategie van de operator: als die sterk wil groeien, zal die
waarschijnlijk bereid zijn een klein verlies te dragen in ruil voor een grote aangroei van de
klantenbasis. Ook de concurrentie kan een belangrijke rol spelen bij de prijszetting.
5.4.3. Opmerking
Tenslotte kan nog opgemerkt worden dat dergelijke simulaties ook kunnen gebeuren voor alle
andere parameters, zoals bv. het inkomen. Stel dat Belgacom bijvoorbeeld wil uitbreiden naar een
Oost-Europees land waar het gemiddelde beschikbaar inkomen een pak lager ligt dan in België.
Opnieuw kan dan een grafiek opgesteld worden die een indicatie geeft van de vraag (figuur 5.7).
Inkomen
0
50000
100000
150000
200000
250000
1000
0
1100
0
1200
0
1300
0
1400
0
1500
0
1600
0
1700
0
1800
0
1900
0
2000
0
2100
0
2200
0
2300
0
2400
0
2500
0
2600
0
2700
0
2800
0
2900
0
3000
0
Gemiddeld inkomen/capita (�)
Aan
tal n
ieuw
e ab
onne
es
Figuur 5.7: Toepassing op inkomen
De volledige uitwerking van deze mini-case kan teruggevonden worden op de CD-ROM in
bijlage in de directory [Voorbeelden].
51
5.5 Evaluatie van het model
In voorgaand voorbeeld voor Belgacom ADSL werd voor een prijs van 39,95 euro per maand een
groei bekomen van 170.012 abonnees met een totale omzet van 270 miljoen euro en een winst
van 23 miljoen euro. Aangezien dit over het jaar 2003 gaat, kan het vergeleken worden met de
werkelijke cijfers voor 2003. Die geven een vraag van 180.000 abonnees (cfr. Excelsheet
[BrondatISP2003.xls]). De vrij goede overeenkomst van dit cijfer bewijst dat het model een
goede schatting geeft voor de 38 ISP’s die als bronmateriaal gebruikt werden. Dus statistisch op
die gegevens is het model in orde. De totale operationele winst van Belgacom in 2003 was 556
miljoen euro, de totale omzet 5.545 miljoen euro en de totale kosten 4,888 miljoen euro. De
bekomen cijfers voor omzet en winst zijn dus zeker plausibel.
Het is echter waarschijnlijk dat het model een pak minder accuraat zal zijn op nieuwe gegevens.
Dit kan voornamelijk teruggebracht worden op de beperkte hoeveelheid inputdata. Het grootste
struikelblok hierbij is het verkrijgen van accurate gegevens voor concurrentie-gevoelige
informatie zoals abonnee-aantallen en kosten. Een aantal beperkingen van de gebruikte set
inputdata die hiervan het gevolg zijn:
- Te klein: 38 ISP’s is werkbaar maar als dit aantal fors zou kunnen uitgebreid worden,
zou het model aan accuraatheid winnen.
- Te eenzijdig: het leeuwenaandeel van de gebruikte informatie komt uit jaarverslagen
en dus van beursgenoteerde bedrijven. Dit zijn vaak grote bedrijven (en veelal de
voormalige monopolisten, de incubente telecomoperatoren). Een evenwichtiger beeld
zou bekomen kunnen worden door het opnemen van kleinere bedrijven.
- Slechte geografische verdeling: voor een studie over Europa is in dit werk vooral
Oost-Europa ondervertegenwoordigd. Dit heeft natuurlijk te maken met de latere
opkomst van breedband in die landen (en dus een beperkter aantal ISP’s), maar ook
met de moeilijkheid om voor die landen informatie te vinden.
Een rechtstreeks gevolg van de schaarste van inputdata, is de beperking van het aantal parameters.
Om het model statistisch relevant te houden met slechts 38 inputdata, is het onmogelijk een brede
waaier aan parameters op te nemen. Als er meer inputdata beschikbaar zouden zijn, zouden een
aantal extra parameters aan bod kunnen komen zoals bv. marketing, concurrentie of een meer
psychologische parameter zoals bv. affiniteit voor nieuwe technologie. Hierbij dient wel
52
opgemerkt te worden dat deze parameters opnieuw moeilijk te kwantificeren zijn (concurrentie,
affiniteit) of moeilijk verkrijgbaar zijn (concrete marketingbudgetten). Voor bv. concurrentie is
een goede spreiding per land van de inputgegevens ook belangrijk. Met de huidige set van data
waarin voor Oost-Europa telkens slechts de gegevens van 1 operator per land beschikbaar zijn, is
een concurrentieparameter niet werkbaar. In het gebruikte model werd concurrentie wel voor een
stuk gesimuleerd (en het probleem van 1 operator per land omzeild) in de parameter
“groeipotentieel” die rekening houdt met het huidig aantal abonnees t.o.v. de totale verwachte
vraag.
Ook bij het laatste deel, waarin omzet en kosten geschat werden, is het gebrek aan betrouwbare
inputdata een belangrijke beperking. Om bijvoorbeeld een schatting van de kosten te verkrijgen
waren een aantal vereenvoudigingen en veronderstellingen nodig, zoals bv. dat de fractie van de
omzet van een divisie in vergelijking met de omzet van het totale bedrijf, vergelijkbaar is met de
fractie van de kosten van beiden. Zolang er geen precieze cijfers beschikbaar zijn over de
concrete kosten van een breedbandafdeling, zijn dergelijke benaderingen echter onvermijdbaar.
Data van kleinere bedrijven, die enkel breedband verkopen in één bepaald land, zouden
misschien meer inzicht kunnen verschaffen, maar ook hier wordt weer gebotst op de limitatie van
beschikbare informatie, die automatisch naar beursgenoteerde, grote bedrijven leidt.
Een laatste beperking is vanzelfsprekend dat deze studie gebeurde voor het jaar 2003. De
breedbandmarkt verandert nog steeds vrij snel: waar bijvoorbeeld België in 2003 bij de top van
Europa behoorde qua prijs/prestatie verhouding (cf. hoofdstuk 3), is dat volgens een recente
studie van de gebruikersorganisatie Test-Aankoop nu niet meer het geval [26]. De gebruikte
methode is echter zonder problemen toepasbaar op andere jaren.
Samengevat kan gesteld worden dat het uitgewerkte model een goede indicatie geeft, maar zeker
geen 100% accurate voorspeller is. Het model kan zeker nog verfijnd worden met extra
parameters e.d. maar daarvoor is een grotere set inputdata onontbeerlijk. Als breedband nog meer
doorgebroken is vooral in Oost-Europa en als het op één of andere manier mogelijk wordt meer
en accuratere informatie te verzamelen van alle soorten breedbandaanbieders, groot en klein, kan
het huidige model als basis dienen voor een uitgebreider model, dat accuratere voorspellingen
kan doen.
53
Hoofdstuk 6
Besluit
De eerste doelstelling van dit afstudeerwerk was het onderzoeken van de prijselasticiteit van
breedbandtoegang in Europa. Daarvoor werd eerst de prijselasticiteit gedefinieerd als de
procentuele verandering in de grootte van de vraag, resulterend uit een prijsverandering van 1
procent. Er werd tevens opgemerkt dat deze definitie ook kan gebruikt worden voor andere
factoren dan prijs, zoals bijvoorbeeld het inkomen.
Vervolgens werden drie modellen besproken, die gebruikt kunnen worden om de prijselasticiteit
te schatten:
- Het consumentenkeuze model: is gebaseerd op ondervragen van een grote groep
mensen over hun toekomstige aankopen.
- Het diffusiemodel (technologisch S-curve): geeft de opmars van nieuwe technologieën
weer over een bepaalde tijdsperiode
- Het econometrisch model: vertrekt van de klassieke equilibrium theorie om een
vraagfunctie op te stellen.
Aangezien het onhaalbaar was een zeer grote groep mensen te ondervragen en er gekozen werd
voor een vergelijkende studie over gans Europa in plaats van een evolutie in de tijd (o.m. wegens
een gebrek aan inputdata), werd gekozen voor het laatste model.
In hoofdstuk 3 werd beslist volgende parameters in het model op te nemen:
• De prijs P : hoe lager de prijs, hoe groter de vraag.
• Het inkomen I: als mensen een hoger inkomen hebben, kunnen ze gemakkelijker
de prijs betalen en zijn ze meer geneigd zich te abonneren.
54
• De bevolkingsdichtheid B: hoe dichter bevolkt, hoe groter het aanbod (want
gemakkelijker iedereen toegang te geven tot het netwerk).
• De prijs van vervangproducten (substituten) V: hoe hoger de prijs van smalband,
hoe meer vraag naar breedband.
• Het groeipotentieel van de markt G: hoe dichter bij het maximum marktpotentieel,
hoe kleiner de vraag.
Vervolgens werd besproken hoe alle nodige inputgegevens konden bekomen worden. Hierbij
werd vastgesteld dat de meeste ISP-specifieke informatie uit jaarverslagen moest gehaald worden,
aangezien dat de enige publieke bron is van concurrentie-gevoelige informatie zoals aantal
nieuwe abonnees of omzet en kosten. Dit model wordt samengevat in figuur 6.1.
Figuur 6.1: Model schatting prijselasticiteit
In hoofdstuk 4 werd dan overgegaan tot de effectieve schatting van de prijselasticiteit. In het
concrete model dat daarvoor gebruikt werd, was het nodig de parameter voor de prijs van
smalband te laten wegvallen wegens een gebrek aan betrouwbare inputdata. Er werd echter
aangetoond dat kan aangenomen worden dat de kruisprijselasticiteit van smalband laag is en dus
Prijs
Inkomen Groeipotentieel Bevolkingsdichtheid
λδγβα BGSIAPV −=
Smalband
Vraag
+
-
+ +
+
55
geen grote invloed op de vraag naar breedband uitoefent. Er werd een waarde voor de
prijselasticiteit verkregen van ongeveer -2,37 en voor de inkomenselasticiteit van rond de 1,50.
Enkele vaststellingen die gedaan werden:
• De inkomenselasticiteit en de prijselasticiteit zijn de meest significante parameters.
• De prijs en het inkomen zijn beiden elastisch, maar de prijs is elastischer dan het inkomen.
• Bevolkingsdichtheid en groeipotentieel zijn inelastisch.
Deze resultaten werden vergeleken met een aantal bestaande studies uit Westerse landen en er
bleek een vrij goede overeenstemming te bestaan.
In het laatste hoofdstuk tenslotte werd de impact van die prijselasticiteit op de financiële
resultaten (meer bepaald omzet, kosten en winst of verlies) van de operatoren bekeken. De omzet
bleek onmiddellijk te kunnen teruggevonden worden uit het model dat werd opgesteld voor de
schatting van de prijselasticiteit. Voor de kosten was dit niet het geval, maar kon er aangetoond
worden dat er een sterk lineair verband bestaat tussen het aantal abonnees en de kosten, wat
resulteerde in een eenvoudig model. Uiteindelijk werd dit alles gecombineerd in een praktisch
bruikbare toepassing die na input van een aantal brongegevens een schatting kan maken van de
vraag, de omzet en winst of verlies. Dit werd geïllustreerd aan de hand van een mini-case over
Belgacom ADSL.
56
Bibliografie
B.1 Verwijzingen in de tekst
[1] Allen W.B., Doherty N.A., Weigelt K., Mansfield E., “Managerial Economics”, 5th edition,
W. Norton & Company, 2002.
[2] http://home.zonnet.nl/fjreedijk/econot/con03.htm - april 2005
[3] Rappoport P., Kridel D.J., Taylor L.D., Alleman J, “Residential Demand for Access to the
Internet” (working paper), University of Arizona, 2002
[4] Rappoport P., Kridel D.J., Taylor L.D, “Willingness to Pay and the Demand for Broadband
Services”, Presentation to 2002 ICFC Conference, San Francisco, June 25-28, 2002
[5] Gilmour G., “Broadband Demand Modelling”, Communications Research Unit,
Department of Communications, Information Technology and the Arts, Australian Government,
2002
[6] Boswijk H.P., Franses P.H., “The Econometrics Of The Bass Diffusion Model”, Erasmus
Research Institute of Management, 2002
[7] Eurescom Project P901-PF “Extended investment analysis of telecommunication operator
strategies” Deliverable 2, Investment Analysis Modelling, Volume 3 of 4: Annex B, “Market
modeling”, p.30-43, 2000
57
[8] Bass F. M., “Diffusion Theory in Marketing: A Historical Perspective”, University of Texas,
1999
[9] Miller N., “Competitive Markets and Partial Equilibrium Analysis”, chapter 7 syllabus Micro-
economics, JFK School of Government, Harvard University.
[10] Kim J.H., Bauer J.M., Wildman S.S., “Broadband uptake in OECD countries:
Policy lessons from comparative statistical analysis”, Paper prepared for presentation at the
Research Conference on Communication, Information and Internet, September 19-21, 2003,
Arlington, Virginia
[11] Richardson C., “Australia’s Peak Demand for Internet Bandwidth: A modelling and
Forecasting methodology”, La Trobe University, December 1996
[12] Heathfield D.F., “Introduction to cost and production functions”, MacMillan Publishers,
1987.
[13] Van de Woestyne I., “Het Cobb-Douglas model asl model voor de nutsfunctie in de
arbeidstheorie.”
[14] http://www.archive.org/web/web.php - oktober 2004
[15] http://www.cia.gov/cia/publications/factbook - december 2004
[16] http://en.wikipedia.org/wiki/Gross_domestic_product - december 2004
[17] Teligen, “Report on Internet Access Costs Via a Standard Telephone Line, ADSL, and
Cable Modem”, Produced for European Commission, Directorate General for Information
Society, January 2004, p. 36
58
[18] http://www.oecd.org/document/31/0,2340,en_2649_34225_32248351_1_1_1_1,00.html –
december 2004
[19] http://www.polishmarket.com/next.php?id=6634 – december 2004
[20] http://www.stanford.edu/class/msande321/Handouts/ho6_linreg.pdf - mei 2005
[21] http://www.sportsci.org/resource/stats/contents.html – mei 2005
[22] Crandall R.W., Sidak J.G., Singer H.J., “The Empirical Case Against Assymmetric
Regulation Of Broadband Internet Access”, Berkelely Technology Law Journal Vol. 17:01; pp.
954-987; 2002
[23] Nankervis J., “Advertising And Price Elasticities of ADSL Access”, working paper, februari
2004
[24] Goolsbee A., “The Value Of Broadband And The Deadweight Loss Of Taxing New
Technology”, november 2000
[25] Cardenas A., Garcia M., Sales S., Capmany J., “A new model of bandwidth growth
estimation based on the Gompertz curve. Application to optical access networks.”, IMCO2
Research Institute, Valencia University, 2002
[26] De Standaard, "België duur internetland: Er bestaat haast geen concurrentie op de markt", 25
mei 2005 - http://www.standaard.be/nieuws/economie/index.asp?articleID=GI1F42OV
B.2 Achtergrondinformatie
Hierna volgt een kort overzicht van een aantal informatiebronnen waarnaar niet rechtstreeks in de
tekst verwezen werd, maar die wel gebruikt werden als achtergrondinformatie.
59
[1] Tam K.Y., Hui K.L., “ Price elasticity and the growth of computer spending”, IEEE
Transactions on Engineering Management, Volume 46, Issue 2, mei 1999, p. 190-200
[2] Doherty A.N., “Forecasting th effect of price changes on net revenue”, Journal of Business
Forecasting Methods & Systems, Volume 15, Issue 4, 1996, p. 7-11
[3] Paleologo, G.A., “Price-at-risk: A methodology for pricing utility computing services”, IBM
Systmes Journal, Volume 43, Issue 1, 2004, p. 20-31
[4] Martins C., Lurdes M., “International differences in telecommunications demand”,
Information Economics and Policy, Volume 15, Issue 3, September 2003, p. 291-303
[5] Aldebert M., Ivaldi M., Roucolle C., “Telecommunications demand and pricing structure: An
econometric analysis”, http://idei.fr/doc/by/ivaldi/telecommunications.pdf - maart 2005
[6] Weingarten M., Stuck B., “ It’s a stretch to believe in high price elasticity”, Business
Communications Review, januari 2001, p. 32-33
[7] Weingarten M., Benito-Martin J.J., “U.S. telecommunications demand: a macro-economic
view”, Monitor Telecom Advisory Services, november 1994
[8] Hackl P., Westlund A.H., “Demand for international communication: Time-varying price
elasticity”, Journal of Econometrics, Volume 70, Issue 1, januari 1996, p. 243-260
B.3 Bronnen voor het cijfermateriaal
Dit is een beknopt overzicht van de voornaamste bronnen die gebruikt werden om de data van het
werkblad [BronDataISP2003.xls] te verzamelen; dit Excelbestand kan op de bijgevoegde CD-
ROM gevonden worden in de directory [BronData]. De nummering van de referenties komt
60
overeen met die uit de Excelsheet. Onderstaand overzicht is zeker niet volledig, maar bevat de
belangrijkste informatiebron(nen) per ISP. Alle links waren geldig in september en oktober 2004.
[1]
http://www.ntl.com/locales/gb/en/investors/qreports/2003-4.pdf
http://www.ntl.com/locales/gb/en/investors/financials/qqarchive.asp?id=2
http://www.ntl.com/mediacentre/press/display.asp?id=637
[2]
http://www.wanadoo.co.uk/aboutus/pressreleases/pr_020404_rebrandannounce.htm?linkfrom=ab
outus_pressreleases_bp_aboutus_pressarchive&link=fsFWA_3_1Link1&article=ABOUT_press_
0204004_rebrand1_index
http://www.wanadoo.co.uk/aboutus/pressreleases/130104xmasshop.htm?linkfrom=aboutus_press
releases_archive2&link=fsFWA_3_1Link1&article=ABOUT_press_130104_xmas_index
http://www.francetelecom.com/en/financials/journalists/press_releases/CP_old/cp040203.html
http://www.francetelecom.com/en/financials/journalists/press_releases/CP_old/cp030303.html
http://www.francetelecom.com/en/financials/investors/data/statements/att00002170/management
_report_2003_uk.pdf
http://ayuda.wanadoo.es/Quienes%20somos/pg_716.html
http://www.tp.pl/otp/serwis_prasowy/archiwum/show.php?mid=1417
http://web.archive.org/web/20030706074242/neostrada.pl/tpsa/run?n=info&p1=cennik
[3]
http://www.tiscali.com/press_room/press_releases/2003/0810.html
http://investors.tiscali.com/tiscali/index.jsp
[4]
http://mmm.eircom.ie/press/PressRelease_pop.asp
[5]
http://www.telenet.be/nl/overtelenet/bedrijfsinfo/jaarverslag/index.php
61
[6]
http://www.belgacom.be/company/nl/jsp/static/040219_figures2003.jsp
http://www.belgacom.be/investor/bic/jsp/static/doc_center.jsp
[7]
http://www.ugceurope.com/Divisions/UPC+Broadband/Our_Markets/
http://www.upc.nl/popup.php?ContentName=press_20031110
http://www.upc.nl/popup.php?ContentName=press_20030227_2
http://www.upc.at/ueber/presse/2003/20031201.shtml
http://www.upccorp.com/corporate/siteserver/Otherdocuments/annual%20report%202002/acroba
t/summaryoperatingdata.pdf
http://www.upc.se/upc/021120.php
[8]
http://www.xs4all.nl/overxs4all/inbedrijf/bedrijfsportret2004/html/adsl.html
http://www.xs4all.nl/nieuws/nieuws_bericht.php?id=55&taal=nl
[9]
http://www.ept.lu/upload/FRWDES67ED34/EAA15696F510/downloads/BDB10EB28C41.pdf
http://www.ept.lu/index.php?lm2=7AA104464C87
[10]
http://www.t-online.fr/index.phtml?type=1&nav=2&article=alaune20022004
http://www.t-online.net/c/05/69/16/569160.html
[11]
http://www.kabeldeutschland.de/unternehmen/presse/index.php
[12]
http://www.telekom.at/Content.Node2/en/media/epa_0526.php
62
http://www.telekom.at/Content.Node2/en/media/publications/index.php
[13]
http://www.cablecom.ch/en/030718_mmbandbreite.pdf
[14]
http://www.swisscom.com/SCMCMS/GB/gb03/gb03_en/page_0_0.html
http://www.swisscom.com/GHQ/content/Media/Medienmitteilungen/2003/tplMediaInfo+25.htm
[15]
http://www.ptmultimedia.pt/pdfs/Res-PTM-FY03-POR.pdf
[16]
http://www.telefonica.es/informeanual/informe2003/
http://www.telefonicaonline.com/
[17]
http://www.telecomitalia.it/TIPortal/images/ENG/bilfinaleingl.pdf
[18]
http://web.archive.org/web/20031204083723/www.oteshop.gr/home/adslconnection.htm
[19]
http://www.stofa.dk/omteliastofa/presserum/flatrate.doc
http://www.stofa.dk/omteliastofa/presserum/telia_vokser_paa_bb_190204.doc
[20]
http://tdckabeltv.dk/appmanager/ktv/privat?_nfpb=true&_pageLabel=om_tdc_kabeltv
http://tdc.com/article.php?dogtag=art_3959_061485
[21]
63
http://www.sonera.fi/eng/CDA.COM.ArticleFrame/0,1395,articleId%3D198259%26hierarchyId
%3D637,00.html
http://www.teliasonera.com/ts/teliasonera/sidtypTS_14.do?tabId=3&channelPage=%2FsidtypTS
_14.do&channelId=-1073820220
http://www.sonera.fi/eng/CDA.COM.ArticleFrame/0,1395,articleId%3D135980%26hierarchyId
%3D9660,00.html
http://presstjanst.telia.se/press/Article.jsp?category=81&selected=2&article=614
[22]
http://www.telenor.com/reports/2003/analytical/
http://press.telenor.com/PR/200403/938203_5.html
[23]
http://web.archive.org/web/20030409192659/www.bluecom.no/index.php?cat=2766&id=13381
[24]
http://www.elion.ee/wwwmain?screenId=html.general-profile.21341&locale=en
http://web.archive.org/web/20030605082116/www.atlas.et.ee/tooted/atlas_adsl_vaikekontori.htm
l
[25]
http://www.lattelekom.lv/ltk/content/?cat=1252
http://www.lattelekom.lv/ltk/content/?cat=9541
[26]
http://www.telecom.lt/index.php?show_content_id=148
http://www.telecom.lt/index.php?show_content_id=1464&news_id=819
[27]
http://www.telecom.cz/infocentrum_e/tiskove_centrum/tiskove_zpravy/clanek.php?tz=26022003
_4
64
http://web.archive.org/web/20030305171149/broadband.iol.cz/home/cenik.html
http://www.telecom.cz/infocentrum_e/investor_relations/vyrocni_zpravy.php
[28]
http://www.telecom.sk/En/Default.aspx?CatID=29
http://web.archive.org/web/20030614011911/new.stonline.sk/corpus/dsl_cennik.html
[29]
http://ir.matav.hu/english/evesj/index_eves.htm
http://www.sajtoszoba.matav.hu/process?action=notice&lang=eng&id=1721
http://www.sajtoszoba.matav.hu/process?action=notice&lang=eng&id=1470
http://web.archive.org/web/20030603202307/www.axelero.com/hireink/index.shtml
[30]
http://www.telekom.si/index.php?page=11454,32,51,0,0,0
http://web.archive.org/web/20020903014905/adsl.siol.net/
Deze informatie werd ter controle vergeleken met de gratis beschikbare informatie van het Britse
bedrijf Point-Topic Ltd., dat zich specialiseert in statistieken over breedband aanbieders.
(http://www.point-topic.com/home/operatorSource/profiles.asp)
65
Lijst van figuren
2.1 Voorbeeld van elastische vraag 4
2.2 Voorbeeld van inelastische vraag 4
2.3 Overzicht prijselasticiteit 5
2.4 Beslissingsboom in het consumentenkeuze model 8
2.5 De Logit en Gompertz diffusiecurves 9
2.6 Het Bass model toegepast op PC verkopen 10
2.7 De werking van het equilibrium model 11
2.8 Grafiek van een Cobb-Douglas nutsfunctie 13
4.1 Schematische voorstelling econometrisch model 26
4.2 Illustratie model voor Belgacom ADSL 33
4.3 Illustratie model voor Belgacom ADSL: invloed van een prijsverandering 34
5.1 Schatting omzet 38
5.2 Schatting kosten 42
5.3 Verband tussen kosten en aantal abonnees 43
5.4 Werking van (een deel van) de applicatie 45
5.5 Oplossing voorbeeld: vraag 5 48
5.6 Oplossing voorbeeld: vraag 6 en 7 49
5.7 Toepassing op inkomen 50
6.1 Model schatting prijselasticiteit 54
66
Lijst van tabellen
3.1 Illustratie basisgegevens per ISP 16
3.2 De staat van breedband in Europa anno 2003 16
3.3 Conversiewaarden vreemde munten in 2003 18
3.4 Inputdata voor inkomen, bevolkingsdichtheid en de prijs van smalband 20
3.5 Evolutie van het totaal aantal breedbandgebruikers 22
4.1 Legende significantie 27
4.2 Resultaten eerste schatting 28
4.3 Resultaten tweede schatting 29
4.4 Resultaten tweede schatting met beperkte set inputdata 31
4.5 Resultaten derde schatting 32
4.6 Vergelijking prijselasticiteit met andere studies 35
5.1 Schatting omzet 38
5.2 Oplossing voorbeeld: vraag 1 t.e.m. 4 46
5.3 Oplossing voorbeeld: vraag 5 en 6 47