De prijselasticiteit van de vraag naar breedband in Europa en de impact op de financiële resultaten van de breedbandaanbieders

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

Hoofdstuk 1

Inleiding

1.1 Situering Breedbandinternet is al een tijdje aan een snelle opmars bezig in gans Europa. Ook de OostEuropese 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 1

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.

2

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:

P δV ) V δP

η = ( )(

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 3

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.

Prijs | |>1

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).

Prijs | |<1

Vraag Figuur 2.2: Voorbeeld van inelastische vraag

4

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

η XY = (

XY

de kruisprijselasticiteit van de vraag:

PY δVX )( ) VX δPY

5

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:

I δV ) V δI

η I = ( )(

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

6

de puntelasticiteit:

η=

∆V ∆P ÷ V P

Een iets accuratere schatting, die geldig is voor “eindige” variaties van P, is de boogelasticiteit:

η=

∆V ∆P ÷ (V1 + V2 ) / 2 ( P1 + P2 ) / 2

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

7

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.

Wat bent u van plan te gebruiken?

Geen internet

Smalband

Breedband

DSL

Kabel

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]:

Q(t ) = Ke −be

− at

8

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):

n(t ) = p ( N − N (t ))( N / N (t )) + q ( N − N (t )) 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

9

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 Shipments Includes Replacements (Upgrades)

180

Peak 2008

160 697 Million Units Shipments through 1999

Millions of Units

140 120 100 80 60 40 20

10 9

10 7

10 5

10 3

10 1

99

97

95

93

91

89

87

85

83

81

0

Year World Wide PC Shipments

Fitted World Wide PC Shipments

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.

10

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:

VV = f ( x, y , z,...)

VA = g (a, b, c,...) 11

Hierbij zijn VV en VA resp. de lokale vraag en het lokale aanbod. Uit het equilibrium model volgt nu:

VV = VA En dus wordt de vraagfunctie:

V = h( a, b, c, x, y, z ,...) 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:

V = Ax −α y β z γ a −δ b λ c ρ ...

(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 CobbDouglas 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:

U = AX α Y β

12

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:

V = AP α I β Het is duidelijk dat dit niet meer of niet minder is dan een speciaal geval van formule (1) met slechts 2 parameters.

13

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.

14

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.

15

Type & Snelheid

ISP

Aantal nieuwe

abonnees

abonnees

eind 2003

in 2003

41,95

417.000

116.000

39,95

572.000

180.000

(EUR)

(down/up) Kabel

Telenet

Totaal aantal

Prijs per maand

4 Mbps/128 kbps ADSL

Belgacom

3.3 Mbps/128 kbps

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)

Verenigd Koninkrijk

Kabel 600 kbps/128 kbps

36,49

Verenigd Koninkrijk

ADSL 512 kbps/128 kbps

40,87

Verenigd Koninkrijk


39,41

Ierland


54,45

België

Kabel 4 Mbps/128 kbps

41,95

België

ADSL 3.3 Mbps/128 kbps

39,95

Nederland


49,95

Nederland


51,15

Nederland

ADSL&Kabel 768 kbps/128 kbps

52,25

Luxemburg


79,95

Frankrijk


49,40

WEST-EUROPA

16

Frankrijk


39,90

Frankrijk


44,40

Duitsland


39,98

Duitsland


36,98

Oostenrijk


49,05

Oostenrijk


39,90

Zwitserland


52,80

Zwitserland


52,14

Portugal


35,00

Spanje


39,00

Spanje


39,07

Italië


46,95

Italië


44,95

Griekenland


50,50

Denemarken


57,38

Denemarken


47,12

Denemarken


58,73

Finland


48,00

Zweden


38,39

Zweden


41,25

Noorwegen


56,57

Noorwegen


49,77

Estland


44,48

Letland


29,64

ZUID-EUROPA

NOORD-EUROPA

OOST-EUROPA

17

Litouwen


69,60

Polen


45,77

Tsjechië


52,66

Slovakije


45,34

Hongarije


39,60

Slovenië


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 (WestEuropa).

•

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 exmonopolisten).

•

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

18

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:

19

•

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):

GDP/capita (EUR)

Bevolkingsdichtheid

Prijs smalband

eind 2003

(inwoners/km²)

(EUR)

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

Land

WEST-EUROPA

20

Oostenrijk

26.700

99,31841007

33,605

Zwitserland

29.192

184,0240885

-

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

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

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

-

ZUID-EUROPA

NOORD-EUROPA

OOST-EUROPA

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 21

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

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

WEST-EUROPA

22

Oostenrijk

507.100

630.492

Zwitserland

455.220

834.325

Portugal

259.491

505.000

Spanje

1.209.969

2.157.000

Italië

1.025.000

2.373.463

Griekenland

72

10.666

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

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

ZUID-EUROPA

NOORD-EUROPA

OOST-EUROPA

Tabel 3.5: Evolutie van het totaal aantal breedbandgebruikers

23

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.

24

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:

VV = f ( P, I , S , G )

VA = g ( P, B) Hierbij zijn VV en VA resp. de lokale vraag (per ISP) naar en het lokale aanbod van breedband. Uit het equilibrium model volgt nu:

VV = VA En dus wordt de vraagfunctie en de corresponderende log-lineaire vorm (cf. Hoofdstuk 2):

V = h( P, I , S , G , B ) V = AP −α I β S γ G δ B λ

25

Of gelineariseerd:

ln V = ln A − α ln P + β ln I + γ ln S + δ ln G + λ ln B + ε Hierin is

de prijselasticiteit,

de groeipotentieel-elasticiteit,

de inkomenselasticiteit, de kruisprijselasticiteit met smalband, de bevolkingsdichtheidelasticiteit en ln A een constante factor

(allen positief). Dit zijn de parameters die moeten geschat worden ( is een statistische foutterm).

Inkomen I

Groeipotentieel G

+

+

Prijs P

Bevolkingsdichtheid B

+

Smalband S

+

Econometrisch Model

Vraag V

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. 26

•

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%

(*)

80% - 90%

(**)

90% - 95 %

(***)

95 % - 99%

(****)

> 99%

niet significant

zeer significant

Tabel 4.1: Legende significantie

27

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:

V = AP −α I β De resultaten worden weergegeven in tabel 4.2.

Schatting parameters waarde std afwijking R² ("goodness of fit") F-statistiek kwadratensom 95% betrouwbaarheidsmarge t-waarde significantie

Inkomenselast. ( ) 1,134935539 0,756070401 0,073296591 1,384143331 5,321303703 0,24039118 0,142298752 (*)

Sensitiviteit constante term waarde std afwijking R² ("goodness of fit") F-statistiek kwadratensom 95% betrouwbaarheidsmarge t-waarde significantie

Prijselast. (- ) -1,748713479 1,297745853 1,386447704 35 67,27830327 0,412615884 0,186477841 (*)

Inkomenselast. ( ) 1,671322715 0,483103423 0,985235108 1201,108128 4598,773164 0,153601836 0,00140909 (****)

Constante term (A) 6,277844711 6,797326695 #N/A #N/A #N/A 2,1611974 0,362031105 ()

Prijselast. (- ) -1,51519772 1,270275785 1,383613986 36 68,91795585 0,403881827 0,24074644 ()

Tabel 4.2: Resultaten eerste schatting

28

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:

V = AP −α I β G δ B λ De bekomen resultaten worden samengevat in tabel 4.3.


BD-elast. ( ) 0,285639832 0,242449142 0,15342891 1,495194577 11,13887853 0,077086255 0,24716576 ()

GP-elast. ( ) 0,210323996 0,139758354 1,364714738 33 61,46072845 0,044435909 0,141858936 (*)

Inkomenselast. ( ) 1,499607159 0,790039421 #N/A #N/A #N/A 0,251191567 0,066452965 (**)

29


Sensitiviteit constante term waarde std afwijking R² ("goodness of fit") F-statistiek kwadratensom 95% betrouwbaarheidsmarge t-waarde significantie

BD-elast. ( ) 0,306425222 0,237795847 0,986685061 629,8806951 4605,541097 0,075606748 0,206234791 ()

Prijselast. (- ) -2,37135627 1,343382721 #N/A #N/A #N/A 0,427126042 0,086781362 (**)

GP-elast. ( ) 0,221874318 0,137174129 1,352013993 34 62,15002242 0,04361426 0,115019571 (*)

Constante term (A) 4,138335761 6,802450092 #N/A #N/A #N/A 2,162826374 0,547113843 ()

Inkomenselast. ( ) 1,860986717 0,516016301 #N/A #N/A #N/A 0,164066425 0,0009842 (****)

Prijselast. (- ) -2,256557428 1,317685114 #N/A #N/A #N/A 0,418955535 0,095908957 (**)

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

30

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).



BD-elast. ( ) 0,289164275 0,202526055 0,417386727 4,477527662 21,31643733 0,064392783 0,16572637 (*)

GP-elast. ( ) 0,370143496 0,120898391 1,090958364 25 29,75475382 0,038439419 0,005204869 (***)

Prijselast. (- ) -1,924460617 1,902830255 #N/A #N/A #N/A 0,605001346 0,321529578 ()

Inkomenselast. ( ) -1,762624209 1,786904568 #N/A #N/A #N/A 0,568142989 0,333382144 ()

Constante term (A) 36,0292444 13,30108721 #N/A #N/A #N/A 4,229055979 0,012012464 (***)

Tabel 4.4: Resultaten tweede schatting met beperkte set inputdata

31

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):

V = AP −α I β S γ G δ B λ Schatting parameters waarde std afwijking R² ("goodness of fit") F-statistiek kwadratensom 95% betrouwbaarheidsmarge t-waarde significantie


SB-elast. ( ) 0,076811882 1,107605475 0,417503454 3,440392204 21,32239868 0,352161104 0,94528602 ()

Inkomenselast. ( ) -1,770609737 1,827201053 #N/A #N/A #N/A 0,580955182 0,342195919 ()

BD-elast. ( ) 0,281154599 0,236763363 1,113343172 24 29,74879247 0,075278472 0,246653982 ()

Prijselast. (- ) -1,92673131 1,942149466 #N/A #N/A #N/A 0,617502816 0,331065025 ()

GP-elast. ( ) 0,366446899 0,134401233 #N/A #N/A #N/A 0,042732623 0,011767779 (***)

Constante term (A) 35,86321796 13,78350881 #N/A #N/A #N/A 4,382441029 0,015637347 (***)

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.

32

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:

V = AP −α I β G δ B λ 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). Inkomen Prijs

25.810

Groeipotentieel

Bevolkingsdichtheid

392.000/1.278.000

340 inw/km²

39,95

+

+

+

Prijselasticiteit = -2,37 Inkomenselasticiteit = 1,50 ... Vraag 170.012

Figuur 4.2: Illustratie model voor Belgacom ADSL

33

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.

Inkomen 25.810

Prijs 39,95 29,95

+

Groeipotentieel

Bevolkingsdichtheid

392.000/1.278.000

+

340 inw/km²

+

Prijselasticiteit = -2,37 Inkomenselasticiteit = 1,50 ... Vraag 170.012 336.654 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.

34

4.3. Opsplitsing Europa Het finale model werd verder ook uitgetest op kleinere subgroepen, zoals West-, Zuid-, Noorden 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

3

Diffusiecurve

UK

2004

4

Gompertz, Logit

Australië

2002

5

Kwadratische vraagcurve

Steden USA

2000

-1,8 -> -3,8

6

Cobb-Douglas

1997 tot 2001

-0,35 -> - 0,11

2003

-2,37

Eigen model (Equilibrium)

Wereldwijd 209 landen Europa

DSL: -1.184 Kabel: -1.220 ADSL: -2,2 DSL: -2,06 Kabel: -1,29

Tabel 4.6: Vergelijking prijselasticiteit met andere studies 35

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.

36

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:

V = AP −α I β S γ G δ B λ 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.

37

Jaarverslagen

Model Prijselasticiteit

Huidig aantal klanten

Aantal nieuwe klanten

+

Totaal aantal abonnees in 2003

x

Prijs

Totale omzet breedbanddivisie Figuur 5.1: Schatting omzet

Op deze manier worden volgende schattingen voor de omzet van de bestuurde ISP’s bekomen (tabel 5.1).

Prijs/maand

Totaal

Vraag

Totale omzet

( )

eind 2002

in 2003

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

ISP (Land)

38

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

39

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]

40

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.

41

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.

Omzet en kosten volledig bedrijf

Fractie berekende omzet breedbanddivisie t.o.v. totale omzet bedrijf

Schatting kosten breedbanddivisie 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

42

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).

Kosten breedbanddivisie ( )

1200000000

1000000000

800000000

600000000

400000000

200000000

0 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

Figuur 5.3: Verband tussen kosten en aantal abonnees 43

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):

K = A + B.T 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

44

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.

Huidig aantal klanten

Jaarverslagen

+

Aantal nieuwe klanten

Prijs

Model Prijselasticiteit

Totale omzet breedbanddivisie

Totale kosten breedbanddivisie

= Winst of verlies breedbanddivisie

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).

45

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: Prijs/maand standaard retail breedbandabonnement ( ) Totaal aantal breedband abonnees op dit moment

Belgacom 39,95 392000

46

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 (marktpotentieel)

1278000

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

47

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 500000 450000

Aantal nieuwe abonnees

400000 350000 300000 250000 200000 150000 100000 50000 0 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 ( )

Figuur 5.5: Oplossing voorbeeld: vraag 5

48

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 400000000

Totale omzet/kosten ( )

350000000 300000000 250000000 200000000 150000000

Break-even

100000000 50000000 0 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 ( ) Omzet

Kosten

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. 49

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 250000

Aantal nieuwe abonnees

200000

150000

100000

50000

10 00 11 0 00 12 0 00 13 0 00 14 0 00 15 0 00 16 0 00 17 0 00 18 0 00 19 0 00 20 0 00 21 0 00 22 0 00 23 0 00 24 0 00 25 0 00 26 0 00 27 0 00 28 0 00 29 0 00 30 0 00 0

0

Gemiddeld inkomen/capita ( )

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].

50

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

51

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.

52

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.

53

•

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.

Inkomen

Groeipotentieel

+

+

Prijs

Bevolkingsdichtheid

+

Smalband

+

-

V = AP −α I β S γ G δ B λ Vraag

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

54

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.

55

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

56

[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 Microeconomics, 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

57

[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.

58

[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 CDROM gevonden worden in de directory [BronData]. De nummering van de referenties komt

59

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

60

[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

61

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]

62

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

63

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)

64

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

65

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

66

De prijselasticiteit van de vraag naar breedband in Europa en de impact op de financiële resultaten van de breedbandaanbieders

Recommend Documents