Despite much research indicating that acquisitions are unsatisfactory in generating value, in terms of stock market return, their continued and growing existence highlights that acquisitions play an essential role in the corporate landscape, and will only continue doing so moving forward.  This continuous undertaking in acquisitions despite a lacking performance inspired a thesis that is focused on viewing acquisitions through an operational perspective. The aim of the thesis is to answer the question: "What impacts the difference in operational efficiency between the group of companies, that is formed after an acquisition, and the separate companies, that operate before an acquisition?" A multiple linear regression model analysis is performed with explanatory regressors that are mainly based on the target-acquirer relation. The final model's relatively low explanatory power combined with certain model assumption violations and a challenging sample of observations harms the reliability of the significant regressors in the final model. The significant regressors are the acquirer's average annual EBIT margin growth rate before the acquisition and the cross-border regressor. The two regressors are in line with acquisition and financial accounting theory. The conclusion, however, is that analyzing acquisitions in this regard is questionable and could very well not return informative results that can be applied to future acquisitions to improve the unsatisfactory returns. / Trots att tidigare studier indikerar att företagsförvärv generellt är ofördelaktiga, speciellt ur ett aktieägarperspektiv, fortsätter de att ske.  Med hänsyn till avsaknaden av operationella perspektiv på företagsförvärv genomförs en studie med detta syfte. Den huvudsakliga frågan som besvaras i rapporten är: "vad påverkar skillnaden i den operationella effektiviteten mellan koncernen, som uppstår efter företagsförvärvet, och de separata företagen, som verkar innan företagsförvärvet?" För att besvara frågan genomförs en regressionsanalys med förklarande variabler som främst baseras på relationen mellan det uppköpta och köpande bolaget. Den slutgiltiga modellen ger ett relativt lågt förklaringsvärde, följer inte modellantagandena till fullo och är baserad på ett utmanande dataset. Detta sänker de signifikanta variablernas trovärdighet i den slutgiltiga modellen. De två signifikanta variablerna är dels den genomsnittliga årliga tillväxten i EBIT-marginal för det köpande bolaget innan förvärvet och dels en variabel som visar på om företagsförvärvet är gränsöverskridande. Resultatet överensstämmer med teorin som finns tillgänglig inom företagsförvärv och redovisning. Slutsatsen av studien är att operationella analyser av företagsförvärv kan ifrågasättas och att de generellt sett kan vara oanvändbara för att förbättra utfallen av företagsförvärv.

Public health is an essential urban issue attracting the increasing attention of scholars and decision-makers while urban planning is an important mechanism to promote health since mounting evidence has shown the planning elements, such as urban green spaces (UGS), could have a positive influence. In previous literature, the studies concerning the impacts of UGSs can be divided into two aspects: the first is to reveal the relationships between UGSs and health using statistical models based on self-reported data, while the second is to take their relationships as presumption and visualize the spatial distributions of UGSs in a geographical information system (GIS) to indicate the existence of health inequalities. I attempt to combine the two pathways, using GIS-based analyses to quantify and visualize UGSs, and subsequently employing the quantified indicators of UGSs to calculate their associations with public health by multiple linear regression (MLR) analysis in SPSS. The study describes a detailed methodology that could be taken as a generic approach to analyze other urban elements and services. A case study is conducted in Linköping central urban area with base areas selected as the spatial unit of analysis. As a consequence, although the elaborate relationships between different indicators of UGSs and public health are not directly provided by the regression models, the correlations between them are indicated to be weak and subtle and require larger samples to reveal. Potential improvements, including the application of panel data and other kinds of regression models, are also summarized for further research.

The aim of this thesis is to develop a method to predict consultation durations in a digital primary care setting and thereby create a tool for designing a more efficient scheduling system in primary care. The ultimate purpose of the work is to contribute to a reduction in waiting times in primary care. Even though no actual scheduling system was implemented, four machine learning models were implemented and compared to see if any of them had better performance. The input data used in this study was a combination of patient and doctor features. The patient features consisted of information extracted from digital symptom forms filled out by a patient before a video consultation with a doctor. These features were combined with doctor's speed, defined as the doctor's average consultation duration for his/her previous meetings. The output was defined as the length of the video consultation including administrative work made by the doctor before and after the meeting. One of the objectives of this thesis was to investigate whether the relationship between input and output was linear or non-linear. Also the problem was formulated both as a regression and a classification problem. The two problem formulations were compared in terms of achieved accuracy. The models chosen for this study was linear regression, linear discriminant analysis and the multi-layer perceptron implemented for both regression and classification. After performing a statistical t-test and a two-way ANOVA test it was concluded that no significant difference could be detected when comparing the models' performances. However, since linear regression is the least computationally heavy it was suggested for future usage until it is proved that any other model achieves better performance. Limitations such as too few models being tested and flaws in the data set were identified and further research is encouraged. Studies implementing an actual scheduling system using the methodology presented in the thesis is recommended as a topic for future research. / Syftet med denna uppsats är att utvärdera olika verktyg för att prediktera längden på ett läkarbesök och därmed göra det möjligt att skapa en mer effektiv schemaläggning i primärvården och på så sätt minska väntetiden för patienterna. Även om inget faktiskt schemaläggningssystem har föreslagits i denna uppsats så har fyra maskininlärningsmodeller implementerats och jämförts. Syftet med detta var bland annat att se om det var möjligt att dra slutsatsen att någon av modellerna gav bättre resultat än de andra. Den indata som använts i denna studie har bestått dels av symptomdata insamlad från symptomformulär ifylld av patienten före ett videomöte med en digital vårdgivare. Denna data har kombinerats med läkarens genomsnittliga mötestid i hens tidigare genomförda möten. Utdatan har definierats som längden av ett videomöte samt den tid som läkaren har behövt för administrativt arbete före och efter själva mötet. Ett av målen med denna studie var att undersöka som sambandet mellan indata och utdata är linjärt eller icke-linjärt. Ett annat mål var att formulera problemet både som ett regressionsproblem och som ett klassifikationsproblem. Syftet med detta var att kunna jämföra och se vilken av problemformuleringarna som gav bäst resultat. De modeller som har implementerats i denna studie är linjär regression, linjär diskriminationsanalys (linear discriminant analysis) och neurala nätverk implementerade för både regression och klassifikation. Efter att ha genomfört ett statistiskt t-test och en två-vägs ANOVA-analys kunde slutsatsen dras att ingen av de fyra studerade modellerna presterade signifikant bättre än någon av de andra. Eftersom linjär regression är enklare och kräver mindre datorkapacitet än de andra modellerna så dras slutsatsen att linjär regression kan rekommenderas för framtida användning tills det har bevisats att någon annan modell ger bättre resultat. De begränsningar som har identifierats hos studien är bland annat att det bara var fyra modeller som implementerats samt att datan som använts har vissa brister. Framtida studier som inkluderar fler modeller och bättre data har därför föreslagits. Dessutom uppmuntras framtida studier där ett faktiskt schemaläggningssystem implementeras som använder den metodik som föreslås i denna studie.

There is an evident trend of growing tourism in the world. Tourism in Sweden is gaining more economic and social attention. The main purpose of this thesis is to discover what macroeconomic variables contribute to the annual international tourism income in Sweden. A multiple linear regression approach over a time period of 1978-2017 is used for the analysis. The final results show that GDP is the major macroeconomic factor that drives the annual international tourism income in Sweden across all time periods. NOK-SEK exchange rate seem to another relevant variable in the long term from 1978-2017, but not in shorter periods of time. USD-SEK exchange rate and unemployment rate hold no significant relevance to the international tourism consumption in Sweden for all time. The devaluation of Swedish krona in 1992 did not change the relationship between these variables and the response variable. However, these results can be unstable due to the limited number of observations used in the analysis, and therefore, we recommend other regression approaches, such as panel data regression, for this subject.There is an evident trend of growing tourism in the world. Tourism in Sweden is gaining more economic and social attention. The main purpose of this thesis is to discover what macroeconomic variables contribute to the annual international tourism income in Sweden. A multiple linear regression approach over a time period of 1978-2017 is used for the analysis. The final results show that GDP is the major macroeconomic factor that drives the annual international tourism income in Sweden across all time periods. NOK-SEK exchange rate seem to another relevant variable in the long term from 1978-2017, but not in shorter periods of time. USD-SEK exchange rate and unemployment rate hold no significant relevance to the international tourism consumption in Sweden for all time. The devaluation of Swedish krona in 1992 did not change the relationship between these variables and the response variable. However, these results can be unstable due to the limited number of observations used in the analysis, and therefore, we recommend other regression approaches, such as panel data regression, for this subject. / Det finns en märkbar trend av växande turism världen över. Turismen in i Sverige får allt mer ekonomisk och social uppmärksamhet. Syftet med detta arbete är att finna vilka makroekonomiska variabler som bidrar till de årliga intäkterna av internationell turism i Sverige. För analysen används multipel linjär regression över tidsperioden 1978-2017. Det slutgiltiga resultatet visar att BNP är den dominanta makroekonomiska faktorn som är drivande i de årliga intäkterna av internationell turism i Sverige, detta oavsett tidsperiod. Valutakursen NOK/SEK verkar vara signifikant i det långa loppet, från 1978-2017, men inte under de kortare tidsperioderna. Valutakursen USD/SEK och arbetslösheten är båda icke signifikanta variabler för internationell turism konsumtion i Sverige över alla tidsperioder. Devalveringen av den svenska kronan år 1992, förändrade inte relationen mellan de sistnämnda variablerna och y -variabeln. Dock kan dessa resultat vara ostabila på grund av de begränsade antalet observationer som använts i analysen och därför rekommenderar vi andra regressions modeller till detta ämne, såsom "panel data regression".

This thesis aims to examine which factors that are of significance when forecasting the selling price of condominiums in Stockholm city. Through the use of multiple linear regression, response variable transformation, and a multitude of methods for refining the model fit, a conclusive, out of sample validated model with a confidence level of 95% was obtained. To conduct the statistical methods, the software R was used. This study is limited to the districts of inner city Stockholm with the postal codes 112-118, and the final model can only be applied to this area as the postal codes are included as regressors in the model. The time period in which the selling price was analyzed varied between January 2014 and April 2019, in which the volatility of the time value of money has not been taken into account for the time period. The final model included the following variables as the ones having an impact on the selling price: floor, living area, monthly fee, construction year, district of the city. / Denna studie ämnar till att undersöka vilka faktorer som är av betydelse när syftet är att förutsäga prissättningen på bostadsrätter i Stockholms innerstad. Genom att använda multipel linjär regression, transformation av responsvariabeln, samt en mängd olika metoder för att förfina modellen, togs en slutgiltig, out of sample-validerad modell med ett 95%-konfidensintervall fram. För att genomföra de statistiska metoderna användes programmet R. Denna studie är avgränsad till de distrikt i Stockholms innerstad vars postnummer varierar mellan 112-118, därav är det viktigt att modellen endast appliceras på dessa områden eftersom de är inkluderade i modellen som regressorer. Tidsperioden inom vilket slutpriserna analyserades var mellan januari 2014 och april 2019, i vilket valutans volatilitet inte har analyserats som en ekonomisk påverkande faktor. Den slutgiltiga modellen innefattar de följande variablerna: våning, boarea, månadsavgift, konstruktionsår, distrikt.

Market multiples are a common and simple tool for estimation of corporate value. It can express temporal dynamics and differences in markets, industries and firms. Despite their practical usefulness, some critical problems remains which continue to be debated. This thesis investigates if there exists characteristics for explaining market capitalization by market multiples within the life science industry in Sweden. The approach follows well known theory of multiple linear regression analysis. The results indicated only a linear relationship between the market cap and the R\&D expenditures of a company. This does not mean that the other explanatory variables does not have effect on market cap only that there is no linear relationship that could be statistically proven. / Värderingsmultiplar är ett vanligt och enkelt verktyg för att approximera företags värde. Det kan beskriva temporär dynamik och skillnader hos marknader, industrier och bolag. Trots dess praktiska användbarhet finns en del kritiska problem som fortfarande debatteras. Denna uppsats undersöker om det existerar några egenskaper för att förklara marknadsvärdet med hjälp av värderingsmultiplar inom life science industrin i Sverige. Tillvägagångssättet följer välkänd teori om multipel linjär regressions analys. Resultaten visade att det endast finns ett samband mellan marknadsvärdet och utgifter för forskning och utveckling för ett bolag. Detta innebär inte att de andra variablerna inte har någon effekt på marknadsvärdet, utan att det inte finns ett linjärt samband som kan bevisas på ett statistiskt vis.

In this master thesis work we design and analyze a data driven suit jacket fit recommendation system which aim to guide shoppers in the process of assessing garment fit over the web. The system is divided into two stages. In the first stage we analyze labelled customer data, train supervised learning models as to be able to predict optimal suit jacket dimensions of unseen shoppers and determine appropriate models for each suit jacket dimension. In stage two the recommendation system uses the results from stage one and sorts a garment collection from best fit to least fit. The sorted collection is what the fit recommendation system is to return. In this thesis work we propose a particular design of stage two that aim to reduce the complexity of the system but at a cost of reduced quality of the results. The trade-offs are identified and weighed against each other. The results in stage one show that simple supervised learning models with linear regression functions suffice when the independent and dependent variables align at particular landmarks on the body. If style preferences are also to be incorporated into the supervised learning models, non-linear regression functions should be considered as to account for increased complexity. The results in stage two show that the complexity of the recommendation system can be made independent from the complexity of how fit is assessed. And as technology is enabling for more advanced ways of assessing garment fit, such as 3D body scanning techniques, the proposed design of reducing the complexity of the recommendation system enables for highly complex techniques to be utilized without affecting the responsiveness of the system in run-time. / I detta masterexamensarbete designar och analyserar vi ett datadrivet rekommendationssystem för kavajer med mål att vägleda nät-handlare i deras process i att bedöma passform över internet. Systemet är uppdelat i två steg. I det första steget analyserar vi märkt data och tränar modeller i att lära sig att framställa prognoser av optimala kavajmått för shoppare som inte systemet har tidigare exponeras för. I steg två tar rekommendationssystemet resultatet ifrån steg ett och sorterar plaggkollektionen från bästa till sämsta passform. Den sorterade kollektionen är vad systemet är tänkt att retunera. I detta arbete föreslåar vi en specifik utformning gällande steg två med mål att reducera komplexiteten av systemet men till en kostnad i noggrannhet vad det gäller resultat. För- och nackdelar identifieras och vägs mot varandra. Resultatet i steg två visar att enkla modeller med linjära regressionsfunktioner räcker när de obereoende och beroende variabler sammanfaller på specifika punkter på kroppen. Om stil-preferenser också vill inkorpereras i dessa modeller bör icke-linjära regressionsfunktioner betraktas för att redogöra för den ökade komplexitet som medföljer. Resultaten i steg två visar att komplexiteten av rekommendationssystemet kan göras obereoende av komplexiteten för hur passform bedöms. Och då teknologin möjliggör för allt mer avancerade sätt att bedöma passform, såsom 3D-scannings tekniker, kan mer komplexa tekniker utnyttjas utan att påverka responstiden för systemet under körtid.

The purpose of this study is to investigate if it is possible to decrease Sweden's energy consumption through adaptive heating that uses climate data to detect occupancy in apartments using machine learning. The application of the study has been made using environmental data from one of KTH Live-In Labs apartments. The data was first used to investigate the possibility to detect occupancy through machine learning and was then used as input in an adaptive heating model to investigate potential benefits on the energy consumption and costs of heating. The result of the study show that occupancy can be detected using environmental data but not with 100% accuracy. It also shows that the features that have greatest impact in detecting occupancy is light and carbon dioxide and that the best performing machine learning algorithm, for the used dataset, is the Decision Tree algorithm. The potential energy savings through adaptive heating was estimated to be up to 10,1%. In the final part of the paper, it is discussed how a value creating service can be created around adaptive heating and its possibility to reach the market. / Syftet med den här rapporten är att undersöka om det är möjligt att sänka Sveriges energikonsumtion genom att i lägenheter införa adaptiv uppvärmning som baserar sig på närvaroklassificering av klimatdata. Klimatdatan som använts i studien är tagen från en av KTH Live-In Labs lägenheter. Datan användes först för att undersöka om det var möjligt att detektera närvaro  genom maskininlärning och sedan som input i en modell för adaptiv uppvärmning. I modellen för adaptiv uppvärmning undersöktes de potentiella besparingarna i energibehov och uppvärmningskostnader. Resultaten visar att de bästa featuresen för att klassificera närvaro är ljus och koldioxid. Den maskininlärningsalgoritm som presterade bäst på datasetet var Decision Tree algoritmen. Den potentiella energibesparingen genom införandet av adaptiv uppvärmning uppskattas vara upp till 10,1%. I rapportens sista del diskuteras det hur en värdeskapande tjänst kan skapas kring adaptiv uppvärmning samt dess potential att nå marknaden.

This dissertation aims mainly at obtaining robust variants of Gaussian processes (GPs) that do not require using non-Gaussian likelihoods to compensate for outliers in the training data. Bayesian kernel methods, and in particular GPs, have been used to solve a variety of machine learning problems, equating or exceeding the performance of other successful techniques. That is the case of a recently proposed approach to GP-based novelty detection that uses standard GPs (i.e. GPs employing Gaussian likelihoods). However, standard GPs are sensitive to outliers in training data, and this limitation carries over to GP-based novelty detection. This limitation has been typically addressed by using robust non-Gaussian likelihoods. However, non-Gaussian likelihoods lead to analytically intractable inferences, which require using approximation techniques that are typically complex and computationally expensive. Inspired by the use of weights in quasi-robust statistics, this work introduces a particular type of weight functions, called here data weighers, in order to obtain robust GPs that do not require approximation techniques and retain the simplicity of standard GPs. This work proposes implicit weighted variants of batch GP, online GP, and sparse online GP (SOGP) that employ weighted Gaussian likelihoods. Mathematical expressions for calculating the posterior implicit weighted GPs are derived in this work. In our experiments, novelty detection based on our weighted batch GPs consistently and significantly outperformed standard batch GP-based novelty detection whenever data was contaminated with outliers. Additionally, our experiments show that novelty detection based on online GPs can perform similarly to batch GP-based novelty detection. Membership scores previously introduced by other authors are also compared in our experiments.

Generalized likelihood ratio (GLR) control charts are investigated for two types of statistical process monitoring (SPC) problems. The first part of this dissertation considers the problem of monitoring a normally distributed process variable when a special cause may produce a time varying linear drift in the mean. The design and application of a GLR control chart for drift detection is investigated. The GLR drift chart does not require specification of any tuning parameters by the practitioner, and has the advantage that, at the time of the signal, estimates of both the change point and the drift rate are immediately available. An equation is provided to accurately approximate the control limit. The performance of the GLR drift chart is compared to other control charts such as a standard CUSUM chart and a CUSCORE chart designed for drift detection. We also compare the GLR chart designed for drift detection to the GLR chart designed for sustained shift detection since both of them require only a control limit to be specified. In terms of the expected time for detection and in terms of the bias and mean squared error of the change-point estimators, the GLR drift chart has better performance for a wide range of drift rates relative to the GLR shift chart when the out-of-control process is truly a linear drift. The second part of the dissertation considers the problem of monitoring a linear functional relationship between a response variable and one or more explanatory variables (a linear profile). The design and application of GLR control charts for this problem are investigated. The likelihood ratio test of the GLR chart is generalized over the regression coefficients, the variance of the error term, and the possible change-point. The performance of the GLR chart is compared to various existing control charts. We show that the overall performance of the GLR chart is much better than other options in detecting a wide range of shift sizes. The existing control charts designed for certain shifts that may be of particular interest have several chart parameters that need to be specified by the user, which makes the design of such control charts more difficult. The GLR chart is very simple to design, as it is invariant to the choice of design matrix and the values of in-control parameters. Therefore there is only one design parameter (the control limit) that needs to be specified. Especially, the GLR chart can be constructed based on the sample size of n=1 at each sampling point, whereas other charts cannot be applied. Another advantage of the GLR chart is its built-in diagnostic aids that provide estimates of both the change-point and the values of linear profile parameters. / Ph. D.