Apotek Hjärtat wants to keep developing their e-commerce website and improve retrieval and delivery of orders to customers. Click and Collect and Click and Express are two options for retrieving e-commerce orders that are available if all products in the order are present in the store. By implementing a back stock in the stores with popular e-commercial items, all products of an order will more often be present in the store. The back stock will in such a way increase the availability of Click and Collect and Click and Express. The goals for the study are to conduct a pilot study, compare methods and possible solutions to implement a model to reach the goals. The pilot study was made by studying previous works in mathematical statistics methods and machine learning methods. The statistical method was accomplished through the analytical tool Statistical Package for the Social Sciences (SPSS) and Java. The machine learning method was accomplished through Python and the Scikit-learn library. The machine learning method was performed by a regression algorithm that was used to find relations between category sales and pollen forecasts. The statistical and machine learning methods were compared to each other. Both gave identical results, but the machine learning method was more functional and easier to further develop and consequently was chosen. Several models were created for a few selected product categories. The categories that did not work for the models had an unrealistic amount of sold products. These amounts could be negative or extremely high when unknown inputs were introduced. A simulation was made of the back stock to estimate how it would increase the availability of Click and Collect/Click and Express. The machine learning models could need more data for more accurate predictions. A conclusion could be made though that is possible to predict the amount of sold products of certain categories such as Allergy and Child Medicine with pollen halt taken into account. / Apotek Hjärtat vill fortsätta utveckla sin e-handelssida och förbättra upphämtning och leverans av ordrar till kund. Click and Collect och Click and Express är två val för att hämta upp e-handelsordrar som finns tillgängliga om alla produkter i ordern finns i butik. Genom att implementera ett baklager i butiker med populära unika ehandelsprodukter kommer alla produkter i en order oftare att finnas i butik. Baklagret kommer på så vis öka tillgängligheten av Click and Collect och Click and Express. Målen är att utföra en förstudie, samt att jämföra och hitta en bra lösning att implementera en modell för att uppnå målen. Förstudien gick ut på att analysera tidigare arbeten inom matematiska statistikmetoder och maskininlärningsmetoder. Den statistiska metoden utfördes genom det analytiska verktyget Statistical Package for the Social Sciences (SPSS) och Java. Maskininlärningsmetoden utvecklades med hjälp av Python och Scikit-learn biblioteket. Maskinlärningsmetoden utfördes genom en regressionsalgoritm som användes för att ta fram flera modeller för relationer mellan försäljning av kategorier och pollenprognoser. Statistiska metoden och maskininlärningsmetoden jämfördes med varandra. Båda gav identiska resultat men maskininlärning var mer funktionellt och enklare att vidareutveckla och därför valdes den metoden. Flera olika modeller lyckades tas fram för en del produktkategorier. De kategorier som inte fungerade för modellerna hade orealistiska mängder sålda varor. Dessa mängder kunde vara negativa eller extremt höga när okända inputs introducerades. Med hjälp av simulationen var det möjligt att uppskatta hur baklagret skulle öka tillgängligheten av Click and Collect/Express. Maskininlärningsmodellerna skulle behöva mer data, som kommer i framtiden, för att ge en mer precis prediktering mellan pollenvärden. Som slutsats är det möjligt att använda dem i framtiden för vissa kategorier som allergi och barnmedicin.

I en företagstransaktion anlitas vanligen en investmentbank för att bistå med värdering av bolaget samt agera rådgivare. Investmentbanker agerar som en slag företagsmäklare som är antingen på köp- eller säljsidan av transaktionen. När bolagsvärdet presenteras i en pitch till säljarna brukar de använda sig av flera metoder för att beräkna värdet av företaget. För att öka precisionen i värdering av ett nordiskt industribolag ställdes frågan om multipel regressionsanalys kunde användas som ett komplement i en bolagsvärdering och hur den stod sig gentemot en klassisk värderingsmetod som Precedent Transactions Analysis. Dessa frågor kom att analyseras och besvarades genom att skapa en regressionsmodell som byggde på data hämtad från företagens finansiella rapporter. Den insamlade datan byggde på 132 transaktioner av nordiska industribolag under perioden 2009-2019. Regressionsmodellen kom sedan att jämföras mot en PTA-värdering som byggde på tidigare företagstransaktioner av bolag med liknande finansiell och affärsmässig bakgrund som bolaget i fråga skulle värderas. Denna studie visar på att regressionsanalys kan användas som en komplement till de olika värderingsmetoderna men bör ej användas för att värdera nordiska industribolag med avhandlingens val av variabler och skall inte ersätta någon av de klassiska värderingsmetoderna. / Prior to a company being sold or acquired they usually contact an investment bank to support with the valuation of the company, execute the sale and act as advisors for the actors that wish to buy or sell. Investment banks acts as a kind of company broker which is either on the buy or the sell side. When the company value is presented, they usually utilize several methods to calculate the value of the company. During the last decade the frequency of transactions on the Nordic industry market have increased significantly. To increase the precision in the valuation of a Nordic industrial company, the question was asked if multiple regression analysis could be used as a valuation method? Also, how did it compare itself against a classical valuation method like Precedent Transaction Analysis? These questions came to be analyzed and answered by creating a regression modell built of data gathered from financial reports. The regression model then came to be compared to the PTA-valuation which built on previous company transactions with companies that were alike in financial background. This study shows that regression analysis could be used as a complement to the different valuation methods. However the model should not be used to evaluate Nordic industrial companies with the choice of variables in the thesis, since the reliability of the model is unpredictable. Regression analysis as a stand-alone valuation method should be taken with great caution and not replace neither of the classical valuation methods.

This thesis was based on the subjects of mathematical statistics and industrial economics and management in order to analyze the grades of pupils in the final year of elementary school. The purpose was to find out what variables had a statistically significant impact on pupils’ final grades so that municipalities and schools could better understand what variables are important when trying to improve the average school results. A multiple regression model was used on data, obtained from the database of Skolverket, in order to examine what variables were statistically important. The final regression model acquired through a model reduction procedure showed that mostly structural covariates such as the academic background of pupils, percentage of female pupils and the percentage with Swedish background had a statistically significant impact on the academic performances of the students. R2 adjusted of the final model was 0.5289. The multiple regression model was discussed by referencing to previous research. In addition, the strategic management performance framework known as Balanced Scorecard which was introduced by Robert S. Kaplan and David P. Norton was used to discuss relevant key performance indicators to achieve the strategic objectives of schools. / Detta examensarbete, inom ämnet för matematisk statistik och industriell ekonomi, genomfördes med syftet att analysera avgångsbetygen för år 9 i den svenska skolan. Syftet var att förstå vilka variabler som hade en statistisk signifikant påverkan på elevers avgångsbetyg, så kommuner kan förstå vilka variabler som är viktiga för att förbättra de genomsnittliga skolresultaten. En regressionsanalys utfördes, på data från Skolverket, för att se vilka variabler som var statistiskt signifikanta. Den slutgiltiga regressionsmodellen, erhållen genom iterativ reducering av variabler, visade att främst strukturella kovariat, som akademisk bakgrund hos elever, andel kvinnliga studenter och andel studenter med svensk bakgrund hade en signifikant betydelse på studenters akademiska resultat. Justerad R2 var 0.5289 för den slutgiltiga modellen. I diskussionen utvärderades modellen utifrån tidigare forskning. Vidare användes teorin om balanserat styrkort, utvecklat av Robert S. Kaplan och David P. Norton, för att diskutera relevanta nyckeltal för att uppnå strategiska mål för skolan.

The rise of the sharing economy is forcing industries to move from traditional take-make-waste economy towards circular ones (Schuttelaar & Partners, 2019). Along with the increasing influence of e-commerce, supply-chain collaboration and globalization has increased the pressure of warehouse operations and requires more efficient operations with the use of less resources thanever before (Frazelle, 2016). Lean is a concept that has gained attention as a means of doing morewith less, through reducing wastes and continuously improving, which has been successful within the manufacturing sector. The difficulties of translating this concept into non-repetitive environments has contributed to the low level of adoption within industries like construction. Where companies within construction equipment rental have an even greater challenge, dealing with circular product flows. Thus, making their warehousing operations inherently complex along with the large amounts of different products. The thesis has focused on analysing the warehouse operations flow of collective fall protectionproducts in the equipment rental industry, from customer order to customer return. This has been enabled by performing an adapted Value Stream Mapping method in a new setting for equipmentrental industries. Where Value Stream Mapping traditionally is applied in manufacturing to visually represents the actions that are required for a product to move through the production andinformation flows. The purpose of the study is to apply VSM beyond manufacturing and tosummarize the results in order to provide suggestions for improving the handling of non-serialized products within the equipment rental industry. A case company within the equipment rental industry has been used to meet the purpose of the study by testing and evaluating the proposed frame work. The findings have been followed up by performing a return handling study, conducted by equipment rental professionals, which has been subject to a statistical analysis. The findings from the VSM are used as a foundation for the return handling study, which serves as a means of verifying or dismissing them. These are then summarized in suggestions for improvements to the case company and suggestions for future actions. Among the findings are indications of longer return times for products that are not forewarned prior to returns, and increase processing rates for sorted returns. Furthermore three product types were more frequently requiring repairs, cleaning and scrapping compared to other products, suggesting that these requiremore time to process. The company is advised to work with standardizing processes for return handling throughout the organization within invoicing specifications and product storage. Suggestions for future research within the subject area is also presented. / Den ökande utbredningen av delningsekonomi tvingar industrier att gå från traditionella linjära affärsmodeller mot cirkulära (Schuttelaar & Partners, 2019). Utöver denna förändring så ökar även trycket på lagerverksamheter som ett resultat av det ökande inflytandet av e-handel, Supply-Chainsamarbete och globalisering som kräver effektivare verksamheter med användning av mindre resurser än någonsin förut (Frazelle, 2016). Lean är ett koncept som har uppmärksammats som en filosofi för att hantera dessa förändringar, genom att åstadkomma mer med mindre resurser och därmed minska slöseri och att sträva efter ständiga förbättringar, vilket har varit framgångsrikt inom tillverkningssektorn. Svårigheterna med att översätta detta koncept till icke-repetitiva miljöer har bidragit till den begränsade appliceringen av lean inom industrier som byggnadskonstruktion. Där företag inom uthyrning av byggnadsmaskiner och utrustning har en ännu större utmaning, då deras verksamhet bygger på cirkulära produktflöden. Vilket orsakar komplex lagerhantering av många olika produkter i stora mängder. Avhandlingen har fokuserat på att analysera lagerflödet av kollektiva fallskyddsmedel i uthyrningsbranschen, från kundorder till kundreturer. Detta har möjliggjorts genom att utföra en anpassad värdeflödeskartläggning i ett nytt sammanhang, nämligen för företag inom uthyrning av byggnadsmaskiner och utrustning. Där värdeflödeskartläggning vanligtvis används inom tillverkning för att visuellt representera de aktiviteter som krävs för att en produkt ska kunna flytta genom produktions- och informationsflödena. Syftet med studien är att tillämpa värdeflödeskartläggning utanför tillverkningssektorn och att sammanfatta resultaten i form av förslag på förbättringar av hanteringen av icke-serienumrerade produkter inom uthyrningsbranschen. Ett samarbete med ett fallföretag inom uthyrningsindustrin har genomgåtts för att uppfylla syftet med studien. Tillsammans med fallföretaget har det föreslagna ramarbetet testats och utvärderats. Resultaten har följts upp genom att genomföra en returhanteringsstudie, som utförs av verksamma inom lager hanteringen för kollektiva fallskyddsmedel, studiens resultat har sedan varit föremål för en statistisk analys. Upptäckterna från värdeflödeskartläggningen användes som grund för returhanteringsstudien, som agerat medel för att verifiera eller avfärda dem. Dessa har sedan sammanfattas i förslag till förbättringar till fallföretaget och förslag till framtida åtgärder. Bland resultaten finns indikationer på längre hanteringstider för returer som inte är förvarnade innan de blir återlämnade, samt minskade hanteringstider för sorterade returer. Dessutom krävde tre produkttyper ofta reparationer, rengöring och skrotning jämfört med andra produkter, vilket tyder på att dessa produkter är mer tidskrävande vid returer. Företaget rekommenderas att arbeta med standardiseringsprocesser för returhantering i hela organisationen, mer specifikt inom bestämmelser för fakturering och produktlagring. Förslag till framtida forskning inom ämnesområdet presenteras även.

Inom fondförvaltning används kvantitativa metoder för att förutsäga hur företags räkenskaper kommer att förändras vid nästa kvartal jämfört med motsvarande kvartal året innan. Banken SEB använder i dag multipel linjär regression med förändring av intäkter som beroende variabel och förändring av valutakurser som oberoende variabler. Det är problematiskt av tre anledningar. Först och främst har valutor ofta stor multikolinjäritet, vilket ger instabila skattningar. För det andra det kan ett företags intäkter bero på ett urval av de valutor som används som data varför regression inte bör ske mot alla valutor. För det tredje är nyare data mer relevant för prediktioner. Dessa problem kan hanteras genom att använda regulariserings- och urvalsmetoder, mer specifikt elastic net och viktad regression. Vi utvärderar dessa metoder för en stor mängd företag genom att jämföra medelabsolutfelet mellan multipel linjär regression och regulariserad linjär regression med viktning. Utvärderingen visar att en sådan modell presterar bättre i 65,0 % av de företag som ingår i ett stort globalt aktieindex samt får ett medelabsolutfel på 14 procentenheter. Slutsatsen blir att elastic net och viktad regression adresserar problemen med den ursprungliga modellen och kan användas för bättre förutsägelser av intäkternas beroende av valutakurser. / Quantative methods are used in fund management to predict the change in companies' revenues at the next quarterly report compared to the corresponding quarter the year before. The Swedish bank SEB already uses multiple linear regression with change of revenue as the depedent variable and change of exchange rates as independent variables. This is problematic for three reasons. Firstly, currencies often exibit large multicolinearity, which yields volatile estimates. Secondly, a company's revenue can depend on a subset of the currencies included in the dataset. With the multicolinearity in mind, it is benifical to not regress against all the currencies. Thirdly, newer data is more relevant for the predictions. These issues can be handled by using regularisation and selection methods, more specifically elastic net and weighted regression. We evaluate these methods for a large number of companies by comparing the mean absolute error between multiple linear regression and regularised linear regression with weighting. The evaluation shows that such model performs better for 65.0% of the companies included in a large global share index with a mean absolute error of 14 percentage points. The conclusion is that elastic net and weighted regression address the problems with the original model and can be used for better predictions of how the revenues depend on exchange rates.

I denna studie ska prisutvecklingen undersökas inom fastighetsbranschen från 2017 till 2020 genom att bygga upp multipel linjära regressionsmodeller. Fokusområdena omfattar Östermalm, Sundbyberg och Kista. Modeller framställs för respektive område separat, och bygger på data från Svensk Mäklarstatistik. Datamaterialet täcker respektive år mellan 2017 fram till 2020 för månaderna januari, april och september. För varje modell undersöks de grundläggande kriterierna inom regressionsanalys. Det används en stegvis metod för att konstruera en så optimal modell som möjligt. Därefter genomförs en gemensam regression som inkluderar samtliga datapunkter för samtliga områden, med område som indikatorvariabel, i syfte att undersöka om geografiska skillnader har en inverkan på bostadspriserna. Därav diskuteras modellernas trovärdighet baserat på de valda förklarande variablerna samt vilka variabler som har störst inverkan på priset. Resultatet visar att Boyta är mest signifikant för bostadspriser i Kista och Sundbyberg samt att Byggnadsår är mest signifikant för priser i Östermalm. Vidare har det konstaterats att det är möjligt att utveckla en regressionsmodell på ett godtagbart sätt, men det krävs vidare studier på en mer avancerad nivå för att få en mer realistisk bild på bostadsmarknaden. / In this thesis, the price development in the real estate industry from 2017 up to 2020 will be investigated by building multiple linear regression models. The focus areas include Östermalm, Sundbyberg and Kista. Models are prepared for each area separately, and are based on data from Svensk Mäklarstatistik. The data material covers the respective years between 2017 and 2020 for the months of January, April and September. For each model, the basic criteria in regression analysis are examined. A stepwise method is used to develop the most possible optimal model. A joint regression is then carried out that includes all data points för all areas, with area as a dummy variable, in order to investigate whether geographical differences have an impact on the real estate price. Hence, the credibility of the models is discussed based on the selected explanatory variables and which variables have the greatest impact on the housing prices. The result shows that Living area is most significant for real estate prices in Kista and Sundbyberg and that Build year is most significant for real estate prices in Östermalm. Furthermore, it has been established that it is possible to develop a regression model in an acceptable way, but further studies are required at a more advanced level to get a more realistic picture of the housing market.

This thesis is a case study in collaboration with SJ AB, a government owned railway companyin Sweden. The employees aboard the trains are an essential part of operating thetrains efficiently. Therefore, it is vital to forecast absences well in order to avoid havingto cancel train trips or having employees work over time. The current process SJ usesdivides the total amount of absences into 11 categories representing reasons for not beingpresent. This is done three months in advance, but the model is not based on mathematics.This study is going to examine how well the forecasts compare to reality in addition toinvestigating which variables are possible to estimate using regression analysis. Furthermore,the extent to which the staff on board the trains are affected will be investigatedin terms of having to work less overtime. The financial impact of an enhanced model willbe researched. “Free” days, Vacation and Sickness all have significant regressors and canpotentially be forecast using regression analysis. Future work includes finding more potentialregressor variables that could be significant for more response variables in addition tousing the results of this thesis in an actual estimation model for the total absence. / Denna avhandling ärr en fallstudie i samarbete med SJ AB, ett statligt ägt järnvägsföretagi Sverige. Anställda ombord på tågen utgör en väsentlig del av att driva tågverksamheteneffektivt. Det är därför viktigt att kunna prognostisera frånvaro väl för att undvika attställa in rutter eller tvinga de anställda ombord tåget att arbeta övertid. Den nuvarandeprocessen som SJ använder delar upp den totala mängden frånvaro i 11 kategorier somrepresenterar orsaker till att inte vara närvarande. Detta görs tre månader i förväg, menmodellen är inte baserad på matematik i dagsläget. Denna studie kommer att undersökahur väl prognoserna stämmer överens med verkligheten, samt undersöka vilka variabler somör möjliga att uppskatta med hjälp av regressionsanalys. Dessutom kommer omfattningenav hur personalen ombord på tågen påverkas att undersökas. Den ekonomiska påverkanav en förbättrad modell kommer att analyseras. Lediga dagar, semester och sjukfrånvarohar alla signifikanta beskrivande variabler och kan potentiellt prognostiseras med hjälp avregressionsanalys. Framtida arbete innefattar att hitta fler potentiella beskrivande variablersom kan vara signifikanta för fler beroende variabler, samt att använda resultatenfrån denna avhandling i en faktisk prognosmodell för total frånvaro.

Arbetet syftade till att finna en passande modell för Moraberg AB:s beställningsrutiner för två färskvaror av anledning att optimera lagernivåer och minska matsvinn. Då efterfrågan hos Moraberg AB var okänd togs en modell fram för att prediktera och undersöka ifall det fanns ett linjärt samband mellan ett par parametrar och efterfrågan. Parametrarna som undersöktes var veckodag, temperatur, nederbörd och antal smittade personer i Covid-­19. Modellen baserades på historisk försäljningsdata för åren 2018– 2020. Två efterfrågemodeller togs fram, den första modellen innehöll alla nämnda parametrar förutom antal smittade personer i Covid­-19 och den andra modellen innehöll alla parametrar. Resultatet visade att temperatur, nederbörd och antal smittade personer i Covid­-19 har ett svagt beroende med efterfrågan hos företaget men parametern veckodag visade ett högt beroende med efterfrågan. Analys av modellerna visade att det inte existerade multikollinearitet samt att de inte bröt de fem antagandena om regression. Vidare visade resultatet att modell 2 presterade bättre än modell 1. Lageroptimeringsmodellen som var lämpligast för Moraberg AB, med avseende på de resurser och begräsningar som fanns inom ramen av detta arbete, var den deterministiska periodiska inspektions modellen som kan lösas med dynamisk programmering. Ett numeriskt exempel genomfördes på den valda lageroptimeringsmodellen med hjälp av modell 2. Det numeriska exemplet baserades på prognoser från vecka 17 år 2021. / This thesis aimed to find a suitable inventory model for Moraberg AB’s ordering routines to optimize inventory levels and reduce food waste for two perishable products. As the demand at Moraberg AB was unknown, a regression model was developed to predict and investigate whether there was a linear relationship between a few parameters and the demand. The parameters examined were weekday, temperature, precipitation, and number of infected people in Covid­19. The model was based on historical sales data for the years 2018–2020. Two demand models were developed, the first model contained all the mentioned parameters except the number of people infected in Covid-­19 and the second model contained all parameters.  The results showed that temperature, precipitation, and number of people infected in Covid­-19 have a weak dependence with the demand, however the parameter weekday showed a dependence with the demand. Analysis of the two models did not show any signs of multicollinearity and they did not violate the five assumptions regarding regression. Furthermore, the results showed that model 2 performed better than model 1.  The inventory model that was most suitable for Moraberg AB, regarding the resources and limitations that existed within the framework of this thesis, was the deterministic periodic ­review model that could be solved by dynamic programming. A numerical example was solved using the suitable inventory model and with the second demand model. The numerical example was based on forecasts from week 17 year 2021.

I den här rapporten undersöks hur geografiskt läge, fastighetens fysiska egenskaper och ägandeform påverkar priset för småhus i Stockholms län. Målet med undersökningen är att ta fram en modell, baserad på de faktorer som påverkar bostadspriset mest, som kan användas för att uppskatta en fastighets värde. Undersökningen är baserad på data för småhus som sålts i Stockholms län 2020. Datasetet som används har erhållits av Booli. Efter att datasetet kontrollerats och vid behov anpassats för att uppfylla antaganden för multipel linjär regression, så tillämpas multipel linjär regression. Framåtselektion används för att ta fram de faktorer som starkast påverkar priset och därmed bör ingå i den slutliga modellen. Resultat från undersökningen visar att levnadsyta är den faktor som starkast påverkar priset på småhus i Stockholms län. Vidare bidrar även faktorer som avstånd till vatten, konstruktionsår och vilken kommun huset är beläget i. Slutligen diskuteras även vilken betydelse undersökningen och modellen som tas fram kan tänkas ha för större fastighetsägare. / This report investigates how geographic position, physical attributes of the property and form of ownership affect the price of houses in Stockholm County. The research goal is to develop a model, based on the factors with the strongest impact on house prices, which can be used to estimate the value of a property. The investigation is based on data of sold houses in Stockholm County in 2020. The dataset was obtained from Booli. After relevant adjustments of the dataset have been made, in order to satisfy the assumptions of multiple linear regression, multiple linear regression was applied. Thereafter, forward selection was used to determine which factors to include in the final model. The results indicate that living area is the factor with the highest impact on property prices. Furthermore, other important factors are distance to water, construction year and which municipality the property is situated in. Finally, the importance of the investigation and the model for larger property owners is discussed.

Detta projekt undersöker coronapandemins påverkan på bostadsrätter i Stockholms kommun genom två multipel linjär regressionsanalyser med avseende på kvantitativa faktorer som försäljningspris, våningsplan, area, byggnadsår, månadsavgift och tillgång till hiss. Målet med projektet är att analysera om en förändring av preferenser har skett på transaktionsnivå för bostadsmarknaden i Stockholm kommun. För att möjliggöra analysen jämförs varje beta-koefficient från två olika dataset, en innan coronapandemin och en efter coronapandemin. Resultaten från multipel linjär regressionerna i denna undersökning visar för det första att hushållen i Stockholm värderar större area högre och för det andra att värdet av tillgång till hiss har haft en signifikant ökning efter coronapandemin. Där det första resultatet påvisar en fortsatt trend på ökad behov av arbetsrum till följd av distansarbete även efter coronapandemin. Däremot har betydelse av våningsplan, byggnadsår och månadsavgift minskat. Anledningen till minskningen påstås snarare vara en effekt av att andra variabler har blivit mer betydelsefulla. / This project examines the impact of the COVID-19 pandemic on condominiums in the Stockholm region by using two multiple linear regression analyses with respect to quantitative factors as sell price, year of construction, floor, area, monthly fee and access to elevator. The goal of this project is to analyze if a change of preferences have taken place at the transaction level for the real estate market in the Stockholm region. In order to enable the analysis, every beta-coefficient is compared from two different datasets, one before the pandemic and one after. The results of the multiple linear regressions shows firstly that the households in Stockholm value higher on larger areas and secondly that the value of the access to elevators after the pandemic has increased significantly. Whereas the first result proves a continuing trend with increasing demand for workrooms due to remote work even after COVID-19 pandemic. However, the impact of floor, year of construction and monthly fee has decreased. The reason behind the decrease is interpreted rather as an effect of that other variables have been more meaningful instead.