监管对

然而，当地宽带项目的可行性在很大程度上取决于社区承诺的水平（Frangoudis等人，2011年；Micholia等人，2018年）。无论如何，农村社区对自治的承诺通常高于城市地区。例如，农村小企业通常根据农村社会文化价值观进行管理，其中口碑声誉以及与家人、朋友和邻居关系的首要地位发挥着重要作用（Shields，2005）。同样，与城市地区相比，农村地区的社会凝聚力通常更高，因为居住在自有住房中的家庭比例更高，移民水平更低。5人口密度对用户采用的影响用户采用宽带服务的意愿通常与其教育水平相关。在这种情况下，学习机会通常与人口密度和劳动力市场有关。例如，经合组织国家城市学校的学生平均成绩超过农村地区的学生40分，相当于一学年（经合组织，2010年）。此外，更好的工作前景通常会将农村人口推向城市地区。因此，我们认为教育受到人口密度的积极影响。除了教育，家庭收入还与用户采用相关，因为固定和移动服务通常都是在家庭层面获得的。根据欧盟统计局（Eurostat，2014），2012年，人口稀少（农村）地区的欧盟贫困人口比例为27.3%，中等密度地区为22.6%，人口密集（城市）地区为24.7%。

这一信息表明，人口密度对家庭收入的影响不是单调的，而是呈凹形的。事实上，城市实证研究表明，人口不仅根据社会经济特征分布，而且还根据家庭生命周期和种族划分分布（Murdie，1969）。因此，可能会出现高收入低收入社区形式的空间格局。也可以通过私人补贴刺激用户采用，包括MNO补贴、移动广告和免费Wi-Fi。MNO的城乡补贴随着人口密度的降低而增加。考虑到移动数据计划的价格在全国范围内是相同的，无论用户位于何处，每个移动用户的收入大致保持不变。由于每个用户的访问成本随着人口密度的降低而增加，移动网络运营商需要用城市用户的收入补贴农村用户，以满足覆盖义务。关于移动广告，实施基于广告的收入模式的私营公司可能通过多种途径向用户提供移动数据。在赢得的移动数据模型中，数据被授予特定的用户配置文件，以交换通过第三方应用程序（如Gigato、mCent）执行的操作。然而，用户配置文件不一定与人口密度相关。在具有零评级应用程序的数据计划中，数据被授予订阅者，无论其位于何处（Dhanaraj Thakur，2016）。除了手机广告，免费Wi-Fi接入也可以被视为私人用户补贴。然而，没有关于免费Wi-Fi接入与人口密度之间关系的实证报告。正如传染扩散模型所描述的那样，用户对服务的了解程度越高，采用服务的可能性就越大。

因此，我们认为，人口密度对服务渗透率有积极影响，因为宽带服务在城市地区的渗透率通常高于农村地区。例如，截至2008年底，欧盟27国的DSL覆盖率仅为77%的农村人口，而全国平均水平为92%。因此，城市和农村渗透率分别达到18%和12.3%（EC，2010）。同样，在美国农村地区，包括DSL和有线电视在内的固定服务的可用性也较低（Prieger，2003）。移动服务的渗透率也存在这种差异。到2008年底，在欧盟27个国家中，3G覆盖率达到74%的总人口和38%的国家地区。虽然3G普及率达到总人口的12.4%，但用户主要生活在城市和密集的郊区。用户采用宽带服务的意愿也与服务质量有关。一些监管机构组织测量活动，以验证交付的服务质量（QoS）与广告的服务质量（QoS）之间的对应关系。尽管这些活动可能涉及人口密度变化较大的地区，但公布的统计数据仅限于全国加权平均数（经合组织，2014年）。然而，一些监管机构单独报告年度比较值。例如，2016年，英国城市地区的平均固定服务速度是农村地区的三倍多（OFCOM，2017）。

同样在英国，移动宽带服务呈现出农村和城市地区之间的QoS差异（Speedtest，2018；Townsend等人，2013）。6表1总结了上述关于人口密度对扩散决定因素一对一影响的证据，这些证据是通过审查特定于每个决定因素的文献收集的。行列式之间没有交叉效应。表1：。人口密度效应扩散决定因素固定服务移动服务接入网络每用户成本负DSL（Lyons，2014）光纤（Lee et al.，2009）WiMAX（Smura et al.，2007）负移动（Johansson et al.，2004）频谱使用正无许可频谱（De Filippi and Tréguer，2015）（Kajita et al.，2014）正4G频段（Clarke，2014）竞争正运营商数量（Grubesic，2010）（Durairajan和Barford，2016）积极（无来源）国家补贴消极欧盟国家援助条例（OECD，2011）社区承诺消极社会凝聚力（Shields，2005）市政支持（Baig等人，2015）。教育积极中学（经合组织，2010年）《收入与家庭收入》（欧盟统计局，2014年）私人用户补贴未知免费Wi-Fi接入（无来源）消极MNO补贴（Peltola和H"amm"ainen，2018年）基于非同心广告的（Dhanaraj Thakur，2016年）DSL服务渗透率积极比率（EC，2010年）3G服务渗透率积极比率（EC，2010年）服务质量积极下载速度（OFCOM，2017年）积极下载速度（Speedtest，2018）4。通过同心模式模拟宽带扩散在城市化研究中，人们普遍认为人口密度随距离市中心的径向距离而降低。根据最近的研究，这种下降最好通过逆幂函数来建模，因为它体现了分形几何的特征，提高了对城市形态和密度的拟合（Batty和Sik，1992；Smeed，1963）。

因此，我们假设人口密度随着距离市中心的径向距离的减小而减小，遵循负幂模型，如图1A所示。因此，我们观察到人口分布在人口密度递减的同心圆中，如图1B所示。基于这些假设，我们通过为每个扩散决定因素提出一个同心模式来讨论人口密度对宽带服务扩散的影响。准确地说，我们确定了一个遵循同心模式的扩散行列式，当该行列式和人口密度共享一个中心点时，行列式会随着人口密度的降低而不断增加或减少（即，人口密度和行列式之间的关系是单调的）。7当行列式和人口密度同时增加或减少时，我们将同心模式定义为正（即，两者之间的关系遵循单调递增函数），在另一种情况下，同心模式定义为负（即，两者之间的关系遵循单调递减函数）。在任何其他情况下，我们认为效果是非同心的，无论是凸的还是凹的。图1C显示了绿色的正同心图案示例和红色的负同心图案示例。最后，我们调整了关于人口密度影响的文献综述结果，以符合我们对同心模式的定义，如表2所示。图1：。同心图案的定义图1A。人口密度随着径向距离的增加而减少图1B。人口密度递减的同心圆图1C。正负同心模式（概念描述）表2。

宽带扩散的同心模式决定因素同心模式信号接入网络每用户频谱使用成本+竞争+国家补贴服务质量+教育+收入同心和同心私人用户补贴+/-/非同心社区承诺服务渗透率+8 5。芬兰通过从人口社会经济和网络测量的两组数据中提取的代理变量研究数据扩散的决定因素。人口社会经济学摘自芬兰统计局（2017年芬兰官方统计局）编制的开放式Paavo知识库。该存储库提供了邮政编码级别的统计数据，包括芬兰大陆的3036个邮政编码。从该存储库中，我们提取了家庭收入中位数（med\\u hh\\u收入）、拥有学士学位的人口百分比（%\\u学士）和居住在自住住房中的家庭百分比（%\\u dw\\u所有权），作为收入、教育和社区承诺的代表。我们选择家庭收入的中值，因为这一统计数据不受偏态分布的影响。我们选择学士学位（高中教育后3至4年），因为在芬兰教育体系中，学习机会平等。此外，我们选择居住在业主自用住房中的家庭百分比作为社区承诺的代表，因为这一变量传统上与社会包容相关，而社会包容是社区承诺的必要条件。最后，我们还从同一个存储库中提取每个邮政编码的人口密度值以及支持空间统计计算的多边形特征。表4显示了代理变量和邮政编码区域的统计数据，包括基数。

第10节讨论了由于缺乏数据和邮政编码大小不断变化而造成的限制。总而言之，芬兰的平均人口密度为每平方公里16名居民，550万总人口中约四分之一集中在赫尔辛基大都市区。在下一页中，图2描述了芬兰的邮政编码，使用了具有混合色调的choropleth地图，最大限度地实现了信息可视化。邮政编码按照几何区间分类进行分组，从而平衡每个类别的邮政编码数量与区间长度。为了显示小型邮政编码的人口密度，图3更详细地描述了人口密度的主要中心。这些人口密度中心将在后面的结果部分中引用。移动网络测量是从Nettituka中提取的。firepository（Nettitutka.fi，2016）。这些是由Netitutka和Netradar移动应用程序获得的众包测量结果，可在Android Play商店中获得。测量服务于2012年在芬兰首次推出，并于2013年在全球推出，截至2015年10月，实现了超过7.8E6的测量和2.6E5的安装，其中大部分发生在芬兰（Sonntag et al.，2013）。为了确保通过专门部署的电信基础设施（而非道路）进行测量，我们丢弃了移动速度超过3米/秒的设备的测量结果。

对于每个邮政编码，我们提取观察到的移动宽带提供商的数量（MBP\\U编号）作为竞争的代理，移动设备的中值下载速度（med\\u speed\\u mobile）作为服务质量的代理，以及在芬兰首次测量4G服务的日期与邮政编码（4G\\u diffusion\\u delay）之间的天数差异，作为服务渗透率的代表。虽然MBP\\u数字和med\\u speed\\u mobile的测量值属于2015年，但4G\\u diffusion\\u延迟的测量值涵盖2013年4月至2016年4月之间的3年时间。为确保4G\\U diffusion\\U延迟不包括错误的测量（例如，来自故障设备），我们将首次测量4G的日期视为有效日期，仅当一周内存在第二次4G测量时。在计算每个邮政编码的移动宽带提供商数量时，MBP\\U数字代表芬兰运营商，包括MNO和移动虚拟网络运营商（MVNOs）。在med\\u speed\\u mobile的情况下，通过对每个唯一安装进行随机抽样，可以缓解单个用户样本过多的情况。表4显示了代理变量的统计信息，包括基数。第10节讨论了因缺乏数据和样本选择影响而造成的限制。使用GeoGrillis geospatial开源库for Scala执行测量与邮政编码的空间匹配。内蒂塔卡。fi是Netradar的非商业版本。组织服务。10表3总结了扩散决定因素和时间跨度的选定代理。表3：。

FinlandVariable/Determinates研究的代理变量代理代码时间跨度人口密度P\\u DensCompetitionBP\\u numberCommunity承诺%\\u住宅\\u所有权2012年和2017年教育%\\u Bachelorsincomed\\u hh\\u收入渗透4G\\u扩散\\u延迟2013年4月-2016年4月服务质量ED\\u速度\\u mobileTable 4报告了代理变量和其他变量的基本统计数据和正态性度量。我们给出的偏态值表明变量分布为：负值向左偏态，零值对称，正值向右偏态。除了偏态之外，我们还通过峰度检验检验分布是否存在重尾。峰度检验值低于3表示存在轻尾分布，高于3表示存在重尾。表4：。代理和其他变量proxy codeUnitsMinAverageMaxStd的统计信息。Dev.CardinalSkewnessKurtosispop\\u densinhab/km2288.921307.31017.730368.0107.8MBP\\u NumberPropertors 2.92849-0.42.1%\\u dw\\u ownershippercentage0.8140.162848-1.53.9%\\u Bachelors百分比5%75%4%29253.733.7med\\u hh\\u incomeeuros/h334807289.08069.32868-0.95.64G\\u diffusion\\u Delays548.61090.0263.32201-0.22.2med\\U speed\\U mobilekbps15.0869667551.06320.619241.910.3附加变量系统代码区域KM20.614111.2837822.4303613.98310.46。地理加权回归（GWR）由于研究数据覆盖整个国家，人口密度和扩散决定因素之间的关系可能呈现空间异质性。例如，位于芬兰北部的邮政编码的家庭收入水平可能低于芬兰南部的邮政编码，尽管它们的人口密度水平相似。

为了解决全局系数估计的空间非平稳性，提出了地理加权回归（GWR）方法来测量不同位置变量之间的局部关系（Fotheringham et al.，1998）。GWR扩展了普通最小二乘法（OLS）的方法，允许系数局部变化，成为特定位置而非全局估计。假设一系列自变量 和因变量 式中，i=1,2，…m，j=1,2，…。n、 在OLS中，全局系数根据以下公式估算： 11其中  是因变量的值 在位置i， 是截距，是自变量的系数. 此外表示误差项，通常假设误差项是独立的，正态分布，平均值为0，方差为常数σ2。这种类型的回归被认为是全局的，因为系数估计被假定为呈现空间平稳性。相比之下，GWR方法认识到回归模型中的系数估计可能在整个空间中变化，因此包括因变量和自变量之间关系的空间非平稳性。GWR根据以下公式估算局部系数：   哪里是第i次观测的空间位置是位置i处第j个参数的值。该方程的系数在每个位置i处进行估计。GWR系数通常使用加权最小二乘法进行估计，该方法通过距离衰减函数对相邻位置的值进行加权。GWR中的一个关键参数是带宽参数。