随着移动互联网的逐步开放以及三网融合趋势的进一步发展,各类新兴数据业务呈现井喷式增长,使得电信需求复杂度的增加,不同电信需求的预测方法是否相同,预测效率是否一致,这就使得电信需求预测方法变成了一个挑战性极强的研究课题。面板数据模型是近年来计量经济学理论方法的重要发展,面板数据特点就是将时间序列数据和截面数据的各自优点集合起来,而且面板数据模型丰富多样,不同模型特点各异,为了提电信预测的准确性,本文实证了不同类别业务的预测需采用何种面板数据预测模型以提高预测准确性,研究了不同电信需求对面板数据模型的适应性。本文在总结电信需求影响因素基础上基于电信业务业务量及用户数的样本资料,采用了面板数据各类模型、时间序列预测模型、截面数据回归模型及创新扩散bass模型对全网固定电话用户数、移动电话用户数、互联网发展用户数、移动电话计费时长、移动短信量和某运营商的移动气象业务量、彩信业务计费量、移动数据流量进行前向预测,论文的主要研究成果如下：首先,建立了电信需求的面板数据预测模型。本文在总结电信需求宏观影响因素如GDP、城市化水平、居民的收入及消费水平等六大主要因素基础上,并基于凯恩斯的消费函数理论和面板数据原始模型建立了电信需求的面板数据混合模型、静态固定效应模型、静态随机效应模型以及动态面板数据模型并阐述了不同模型的估计与检验方法。其次,基于电信需求的面板数据模型对不同业务进行了实证研究。为了研究不同电信需求对模型的适应性,本文选取了全网固定电话用户数、移动电话用户数、互联网发展用户数、移动电话计费时长、移动短信量和某运营商的移动气象业务量、彩信业务计费量、移动数据流量作为因变量分别进行了面板数据混合模型、静态固定效应模型、静态随机效应模型以及动态面板数据模型的估计与检验,并基于参数估计结果对不同业务进行了前向预测,比较不同模型的预测精度,得出固定电话用户数、移动电话用户数、互联网接入用户数、移动电话计费时长及移动短信业务量等的前向预测采用静态固定效应模型预测结果最优,而移动气象业务量、彩信业务计费量及移动数据流量等的前向预测采用动态面板数据模型预测结果最优。再次,验证了面板数据模型的优越性。为了检验面板数据模型优越性,本文针对上述电信需求分别建立了普通的时间序列模型、截面数据回归模型以及目前应用较广泛的创新扩散模型,同时基于参数估计结果分别计算了不同模型的预测精度,结果发现面板数据各类模型的预测精度要显著高于普通的时间序列模型、截面数据回归模型以及创新扩散模型。研究发现,综合考虑了截面数据和时间序列数据以及严格控制个体异质性的面板数据模型在预测方面要优于普通的时间序列预测模型或截面数据回归模型；在静态面板数据模型中,不同电信需求的固定效应模型均要优于混合模型和随机效应模型；关于静态固定效应模型与动态面板数据模型的比较,可以发现传统的电信需求预测如固定电话用户数、移动电话用户数、互联网接入用户数、移动电话计费时长及移动短信业务量等的预测均适合采用固定效应模型,而新型或用户普及率较低的电信需求如移动气象业务量、彩信业务计费量及移动数据流量等的预测适合采用动态面板数据模型。