Forecast and estimation on transmission line losses is a vital task in the daily operation and planning of the Swedish power system. The aim with this thesis is to design a new line loss prediction model at Svenska kraftnät (Svk), which provides a hourly forecast of the transmission line losses the next day for the Swedish bidding areas (SE1-SE4). The final goal is to reduce the additional cost related to inaccurate predictions. The developed model is based on regression analysis on historical line losses and estimated exchange flows between the adjacent bidding areas computed by linear programming. Simulation results for 2015 show that it is, with rather simple estimates and assumptions, possible to increase the prediction accuracy with up to 27% compared with the existing method and to reduce the related costs in a similar way. The study also shows that future modelling has potential to increase the precision even further and recommends a Neural Network approach as the next step. / Prognoser och estimering av stamnätsförluster är en central del i den dagliga driften av det svenska kraftsystemet. Den här uppsatsen har därför syftat till att utveckla en simuleringsmodell som ger en timvisprognos över morgondagens förluster i varje elområde (SE1-SE4). Detta verktyg är senare tänkt att precisera den dagliga upphandlingen av förluster och därmed minska kostnaden kopplad till osäkra prognoser. Den utvecklade modellen bygger på en regressionsanalys av tidigare uppmätta förluster och uppskattade transmissionsflöden mellan de närliggande elområdena beräknad med linjär programmering. Simulerignar för 2015 visar att, det med föhrhållandesvis enkla antaganden och uppskattningar av indata, går att precisera förlusterna med uppemot 27% jämfört med dagens prognos och därmed minska kostnaderna i liknande omfattning. Studien visar också att förbättringspotentialen är stor och rekommende-rar fortsatta studier utifrån en Neurala Nätverk modell.

With the increased relevance of sustainability in society these last years, initiatives have been made to create tools for reporting and measuring sustainability in companies. Recently the EU chose to favour the ESG system, which stands for Environmental, Social and Governance, to create more homogeneity in this sector. Being a relatively recent field, some aspects of the metrics, as well as its interaction with other economic metrics, has not been thoroughly studied. Therefore, this study investigates the relationship between R&D investment and ESG metrics, to see if there is some correlation between the two. In this study a linear regression model with data from listed companies from Sweden, Denmark and Norway, is conducted to analyse the relationship. The results were inconclusive, but seem to indicate that there might be a relationship between the E variables and R&D intensity. / Med den ökade relevansen av hållbarhet i samhället de senaste åren har fler initiativ tagits för att skapa metoder för att rapportera och mäta detta. EU har för att skapa enhetlighet inom frågan nyligen tagit initiativ att börja införandet av ett av dessa system, ESG, som står för Environmental, Social och Governance. Då det är ett relativt nytt ramverk är inte alla variabler och dess interaktioner med andra mer etablerade ekonomiska mätdata fullkomligt kartlagda. Denna studie fokuserar därför på att undersöka förhållandet mellan ESG faktorer och investeringar i forskning och utveckling. Studien gör detta genom att göra en linjär regressionsmodell av data från börsnoterade företag från Sverige, Norge och Danmark. Resultatet av studien kunde inte uppvisa ett signifikant samband, men om kunde delvis peka på en samband vissa E variabler och FoU intensitet.

With the increased relevance of sustainability in society these last years, initiatives have been made to create tools for reporting and measuring sustainability in companies. Recently the EU chose to favour the ESG system, which stands for Environmental, Social and Governance, to create more homogeneity in this sector. Being a relatively recent field, some aspects of the metrics, as well as its interaction with other economic metrics, has not been thoroughly studied. Therefore, this study investigates the relationship between R&D investment and ESG metrics, to see if there is some correlation between the two. In this study a linear regression model with data from listed companies from Sweden, Denmark and Norway, is conducted to analyse the relationship. The results were inconclusive, but seem to indicate that there might be ar elationship between the E variables and R&D intensity. / Med den ökade relevansen av hållbarhet i samhället de senaste åren har fler initiativ tagits för att skapa metoder för att rapportera och mäta detta. EU har för att skapa enhetlighet inom frågan nyligen tagit initiativ att börja införandet av ett av dessa system, ESG, som står för Environmental, Social och Governance. Då det är ett relativt nytt ramverk är inte alla variabler och dess interaktioner med andra mer etablerade ekonomiska mätdata fullkomligt kartlagda. Denna studie fokuserar därför på att undersöka förhållandet mellan ESG faktorer och investeringar i forskning och utveckling. Studien gör detta genom att göra en linjär regressionsmodell av data från börsnoterade företag från Sverige, Norge och Danmark. Resultatet av studien kunde inte uppvisa ett signifikant samband, men om kunde delvis peka på en samband vissa E variabler och FoU intensitet.

Most companies want to measure the performance of various areas of their operations. By doing so, it is easier to identify weaknesses or problems and take action to improve the performance in those areas. This study is conducted in collaboration with Volvo Penta North America and seeks to evaluate the possibilities of implementing a performance indicator for their dealers. The aim of this thesis is to investigate if there is a correlation between Volvo Penta’s evaluation system for their dealers, their Dealer Operating Standard score (DOS-Score) and their respective Sales Revenue, as well as the individual segments of the DOS and the Sales Revenue. In other words, if the evaluation system can be used as a performance indicator for how good the financial performance of a dealer is. The analysis is based on first-party data from Penta regarding the operation of Penta’s dealers. By using Linear Regression, it was found that the Adjusted R-Squared of the model with Aggregated DOS against Sales Revenue was 0.1403 and the Adjusted R-Squared for the model with the Segmented DOS against Sales Revenue was 0.1983. Thus, there is no significant correlation between the Aggregated DOS and Sales Revenue. However the results from the Segmented DOS-score against Sales Revenue indicates that it is possible to improve on the current DOS algorithm. Further research with more confounders considered is required to improve the model. / De flesta företag vill mäta resultatet av olika delar av verksamheten. På så sätt är det lättare att identifiera svagheter eller problem och vidta åtgärder för att förbättra resultaten inom dessa områden. Den här studien genomförs i samarbete med Volvo Penta North America och syftar till att utvärdera möjligheterna att införa en performance indicator för deras återförsäljare. Syftet med denna studie är att undersöka om det finns ett samband mellan Volvo Pentas utvärderingssystem, Dealer Operating Standard (DOS), för sina återförsäljare och deras respektive försäljningsintäkter, samt de enskilda segmenten av DOS och försäljningsintäkterna. Med andra ord, om utvärderingssystemet kan användas som en performance indicator för hur bra en återförsäljares ekonomiska resultat är. Analysen bygger på förstahandsdata från Penta om verksamheten hos återförsäljarna. Genom att använda linjär regression fann man att Adjusted R-Squared för modellen med Aggregerad DOS mot försäljningsintäkter var 0,1403 och Adjusted R-Squared för modellen med Segmenterad DOS mot försäljningsintäkter var 0,1983. Det finns alltså ingen signifikant korrelation mellan Aggregated DOS och försäljningsintäkter. Resultaten från det segmenterade DOS-värdet mot försäljningsintäkterna visar dock att det är möjligt att förbättra den nuvarande DOS-algoritmen. Det krävs ytterligare forskning där fler utomstående faktorer beaktas för att förbättra modellen.

Accurate long-term energy consumption forecasting of industrial entities is of interest to distribution companies as it can potentially help reduce their churn and offer support in decision making when hedging. This thesis work presents different methods to forecast the energy consumption for industrial entities over a long time prediction horizon of 1 year. Notably, it includes experimentations with two variants of the Recurrent Neural Networks, namely Gated Recurrent Unit (GRU) and Long-Short-Term-Memory (LSTM). Their performance is compared against traditional approaches namely Multiple Linear Regression (MLR) and Seasonal Autoregressive Integrated Moving Average (SARIMA). Further on, the investigation focuses on tailoring the Recurrent Neural Network model to improve the performance. The experiments focus on the impact of different model architectures. Secondly, it focuses on testing the effect of time-related feature selection as an additional input to the Recurrent Neural Network (RNN) networks. Specifically, it explored how traditional methods such as Exploratory Data Analysis, Autocorrelation, and Partial Autocorrelation Functions Plots can contribute to the performance of RNN model. The current work shows through an empirical study on three industrial datasets that GRU architecture is a powerful method for the long-term forecasting task which outperforms LSTM on certain scenarios. In comparison to the MLR model, the RNN achieved a reduction in the RMSE between 5% up to to 10%. The most important findings include: (i) GRU architecture outperforms LSTM on industrial energy consumption datasets when compared against a lower number of hidden units. Also, GRU outperforms LSTM on certain datasets, regardless of the choice units number; (ii) RNN variants yield a better accuracy than statistical or regression models; (iii) using ACF and PACF as dicovery tools in the feature selection process is unconclusive and unefficient when aiming for a general model; (iv) using deterministic features (such as day of the year, day of the month) has limited effects on improving the deep learning model’s performance. / Noggranna långsiktiga energiprognosprognoser för industriella enheter är av intresse för distributionsföretag eftersom det potentiellt kan bidra till att minska deras churn och erbjuda stöd i beslutsfattandet vid säkring. Detta avhandlingsarbete presenterar olika metoder för att prognostisera energiförbrukningen för industriella enheter under en lång tids förutsägelsehorisont på 1 år. I synnerhet inkluderar det experiment med två varianter av de återkommande neurala nätverken, nämligen GRU och LSTM. Deras prestanda jämförs med traditionella metoder, nämligen MLR och SARIMA. Vidare fokuserar undersökningen på att skräddarsy modellen för återkommande neurala nätverk för att förbättra prestanda. Experimenten fokuserar på effekterna av olika modellarkitekturer. För det andra fokuserar den på att testa effekten av tidsrelaterat funktionsval som en extra ingång till RNN -nätverk. Specifikt undersökte den hur traditionella metoder som Exploratory Data Analysis, Autocorrelation och Partial Autocorrelation Funtions Plots kan bidra till prestanda för RNN -modellen. Det aktuella arbetet visar genom en empirisk studie av tre industriella datamängder att GRU -arkitektur är en kraftfull metod för den långsiktiga prognosuppgiften som överträffar ac LSTM på vissa scenarier. Jämfört med MLR -modellen uppnådde RNN en minskning av RMSE mellan 5 % upp till 10 %. De viktigaste resultaten inkluderar: (i) GRU -arkitekturen överträffar LSTM på datauppsättningar för industriell energiförbrukning jämfört med ett lägre antal dolda enheter. GRU överträffar också LSTM på vissa datauppsättningar, oavsett antalet valenheter; (ii) RNN -varianter ger bättre noggrannhet än statistiska modeller eller regressionsmodeller; (iii) att använda ACF och PACF som verktyg för upptäckt i funktionsvalsprocessen är otydligt och ineffektivt när man siktar på en allmän modell; (iv) att använda deterministiska funktioner (t.ex. årets dag, månadsdagen) har begränsade effekter på att förbättra djupinlärningsmodellens prestanda.

Energimyndigheten har drivit ett projekt kallat ”Förbättrad energistatistik i bebyggelsen” för att få mer kunskap om energianvändningen i byggnader.  Denna rapport fokuserar på ”Mätning av hushållsel på apparatnivå” som var ett delprojekt. Diverse regressionsmodeller används i denna rapport för att undersöka sambandet mellan elanvändningen och de olika förklarande variablerna, som exempelvis hushållens bakgrundsvariabler, hushållstyp och geografiska läge, elförbrukningen av olika elapparater samt antalet elapparater. Datamaterialet innefattar 389 hushåll där de flesta är spridda runt om i Mälardalen. Ett fåtal mätningar gjordes på hushåll i Kiruna och Malmö. Slutsatsen vi kan dra från denna uppsats är att hushållens bakgrund, hustyp, geografiska läge och antal elapparater samt dessa apparaters typ har relevans för elförbrukningen i ett hushåll. / The Swedish Energy Agency conducted a project which is called “Improved energy statistics for settlements”. This report focuses on one field of the project: “households’ electricity use on device level”. Various regression models are used in the analysis to analyze the relationship between electricity usage and different explanatory variables, for instance: background variables for the household, type of household, geographical setting, usage of different electrical devices and quantity of electrical devices used.  The data material consists of 389 households which are spread around the region of Märlardalen except for a few households from the communities of Kiruna and Malmö. The conclusion we can draw from this thesis shows that the background variables for a household, its type, its geographical setting and the amount and type of devices it contains all have a contribution to the electricity usage in the household. / Förbättrad energistatistik i bebyggelsen

Idag äger många svenskar andelar i olika fonder. Detta beror delvis på att det allmänna pensionssystemet i Sverige idag består av en premiepensionsdel, där individen kan göra ett individuellt val hur dennes pensionspengar ska investeras. Gemensamt för investerare är att de vill erhålla en god avkastning. Ett vanligt sätt att bedöma förväntad avkastning i en finansiell tillgång kallas Capital Asset Pricing Model, eller CAPM. Detta är en mycket behandlad, debatterad och även kritiserad modell. Förutom CAPM utgår studien från en nyare teori som heter Black Swan theory. År 2007 presenterade Taleb sin teori om Black Swan. Han menar att en Black Swan är en händelse som avviker från det normala, har långtgående effekter och som efteråt får naturliga förklaringar. Ett potentiellt Swan-fenomen är finanskrisen. Om nu finanskrisen kan räknas som ett Swan-fenomen innebär det att den finansiella verkligheten har förändrats. Om nu den finansiella världen har påverkats så finns det anledning att tro att även modeller och deras överensstämmelse med verkligheten har påverkats. Det är detta vi i denna studie ämnar att undersöka och mynnar därför ut i frågeställningen: Var CAPM en fungerande modell gällande Sverigefonder åren 2005-2014? Studiens syfte lyder enligt följande: Att undersöka hur väl CAPM:s prediktion av förväntad avkastning i Sverigefonder stämmer överens med den faktiska avkastningen. Vi vill också genom undersökningen se ifall denna överensstämmelse har förändrats under vår undersökningsperiod och ifall detta i sådana fall kan kopplas till ett potentiellt Swan-fenomen som finanskrisen. Med teoretisk utgångspunkt i modern portföljvalsteori, CAPM och Black Swan theory undersöks sambandet mellan betavärde och avkastning i Sverigefonder. Vi utgår från en positivistisk kunskapssyn och genom en deduktiv ansats genomförs en regressionsanalys för att svara på vår frågeställning. Det empiriska materialet består av månadsavkastning från de valda fonderna, riskfri ränta och marknadsindexets avkastning. I vår studie hade vi endast ett år med signifikant positivt samband mellan beta och avkastning (som försvann i och med heteroskedasticitet i datamaterialet). Vi hade däremot ett år med negativt signifikans (2014) samtidigt som en positiv marknad, vilket inte överensstämmer med tidigare empiriska undersökningar. Vissa år ser det ut som att det finns samband genom att grafiskt titta på våra figurer i resultatdelen, men det är även år där det motsatta förhållandet finns. Med resultaten och analysen i åtanke kan vi inte förkasta nollhypotesen 2005-2013 (det finns inget samband mellan beta och avkastning).

Den Europeiska Unionen är en mångfacetterad samling länder med ett brett spektra av historisk bakgrund, geografisk placering och ekonomiska förhållanden. I denna uppsats undersöks huruvida en gemensam europeisk identitet kan bidra till en ökad tillit från medborgarna i unionen till EU som institution. Uppsatsens teoretiska underlag består av tidigare forskning. Denna forskning skapar ett fundament för den statistiska modell som används för att besvara frågeställningen. Med hjälp av data samlad ur bland annat Eurobarometerrapporter tar uppsatsen, via multipel linjär regression, fram en modell som förklarar förhållandet mellan den beroende variabeln ”förtroende för EU” och de oberoende variablerna ”uppfattning av gemensam europeisk identitet”, ”avstånd till Bryssel”, ”BNP per capita” och ”antal år som medlem i EU”. Resultatet visar en koppling mellan en högre grad av upplevd gemensam identitet hos medborgarna i ett land och ett ökat förtroende för EU. Vidare visar modellen ett negativt samband mellan förtroendet för EU och ett stigande värde på var och en av de övriga förklaringsvariablerna. Med andra ord: ju längre avstånd till Bryssel, ju högre BNP per capita och ju längre medlemskap i unionen desto lägre förtroende känner den genomsnittlige medborgaren för EU. / The European Union is a diverse group of countries characterized by a wide spectra of historical background, geographical location and economic situation. The topic of this essay is whether a common European identity can contribute to an increased level of trust from the citizens towards the EU as an institution. Previous research constitute the theoretical basis of the essay. Using this research, I create the foundation for the statistical model used to answer the question at issue. Using multiple linear regression on data gathered from Eurobarometer reports and other sources, I create a statistical model that explains the relationship between the dependent variable “trust in EU” and the independent variables “feeling of being an EU-citizen”, “distance to Brussels”, “BNP per capita” and “number of years as member of EU”. The results shows a connection between a higher level of feeling of being an EU-citizen and a higher level of trust in EU. Moreover, the model shows a negative connection between trust in EU and an increasing value on each of the other independent variables. In other words: the further away the average citizen is from Brussels, the higher level of BNP per capita her country has and the longer her country has been a member of the EU, the lower trust she has in the EU.

Denna studie syftar till att undersöka den matchade förvärvsgraden för kvinnor och män, i Dalarna och i Sverige, samt att förklara eventuella skillnader. Om en stor andel av utbildningsgruppen vid avklarad examen blir anställda inom andra yrkesområden än vad utbildningen gav kompetens för, är den matchade förvärvsgraden inom utbildningsgruppen låg. Datamaterialet är hämtat från Statistiska centralbyrån (SCB) och studeras genom en multipel linjär regressionsanalys. Både kvinnor och män med universitets-/högskoleutbildning påverkar den matchade förvärvsgraden mer jämförelsevis med gymnasial utbildning. Resultatet visar även att om andelen kvinnor i utbildningsgruppen ökar påverkas andelen anställda med matchning positivt för kvinnor och negativt för män, det omvända sambandet gäller också, den matchade förvärvsgraden för män ökar när andelen män i utbildningsgruppen ökar. Detta visar att könsdiskriminering råder på arbetsmarknaden. / This study aims at examining the matched employment rate for women and men, in Dalarna and Sweden, as well as explaining possible differences. If a group of individuals within a education group with a graduate degree are employed in a different field of employment than the education provided competence (than the education is meant for), the matched employment rate within the education group is low. The data is obtained from Statistiska centralbyrån (SCB) and is studied through a multiple linear regression analysis. Both women and men with university/college education affect the matched degree of employment more comparatively with upper secondary education. The result also shows that if the proportion of women in the education group increases, the proportion of employees with matching gives positive results for women and negative for men; the reverse relationship also applies; the matched male employment rate increases as the proportion of men in the education group increases. This shows that gender discrimination prevails in the Swedish labor market.

Lake volume and lake depth are important variables that defines a lake and its ecosystem. Sweden has around 100 000 lakes, but only around 8000 lakes has measured data for volume, max- and mean-depth. To collect data for the rest of the lakes is presently too time consuming and expensive, therefore a predictive method is needed. Previous studies by Sobek et al. (2011) have found a model predicting lake volume from map-derived parameters with high degrees of explanation for mean volume of 15 lakes or more. However, the predictions for one individual lake, as well as max- and mean-depth, were not accurate enough. The purpose with this study was to derive better models based on new map material with higher resolution. Variables used was derived using GIS-based calculations and then analyzed with multivariate statistical analysis with PCA, PLS-regression and multiple linear regression. A model predicting lake volume for one individual lake with better accuracy than previous studies was found. The variables best explaining the variations in lake volume was lake area and the median slope of an individual zone around each lake (R2=0.87, p<0.00001). Also, the model predicting max-depth from lake area, median slope of an individual zone around each lake and height differences in the closest area surrounding each lake, had higher degrees of explanation than in previous studies (R2=0.42). The mean-depth had no significant correlation with map-derived parameters, but showed strong correlation with max-depth. Reference Sobek, S., Nisell, J. & Fölster J. (2011). Predicting the volume and depths of lakes from map-derived parameters. Inland Waters, vol. 1, ss. 177-184.