Det har pågått ett intensivt utvecklingsarbete på Statistiska Centralbyrån (SCB) under de senaste åren i syfte att standardisera och effektivisera statistikproduktionsprocessen. I detta utvecklingsarbete har fokus främst riktats mot processerna insamling och granskning. Ett flertal studier har visat att det finns potential att reducera granskningens omfattning samtidigt som den övergripande kvaliteten i undersökningarna bibehålls. För att uppnå detta krävs att nya arbetssätt, metoder och verktyg utvecklas och implementeras. Den traditionella ansatsen på SCB har varit att i granskningsprocessen försöka hitta och rätta alla databearbetnings- och mätfel. Ingen skillnad har gjorts mellan stora och små fel eller om felen har någon effekt på statistiken eller inte. Detta är en ineffektiv ansats där stora resurser åtgår till att rätta fel som inte påverkar den statistiska redovisningen nämnvärt. I mer moderna ansatser betonas vikten av att hitta betydelsefulla fel som har stor påverkan på parameterskattningarna och att fel som inte ger någon påverkan bör lämnas som de är eller åtgärdas via imputering. Detta, att inte granska allt, kallas för selektiv granskning. SCB har beslutat att införa metoden selektiv granskning med poängfunktioner. Metoden fordrar att poängberäkningar görs, dessa utförs i verktyget Selekt. Verktyget ingår i den framtida verktygslådan för granskning som är under utveckling vid SCB och är uppbyggt av ett stort antal parametrar. För att uppnå så effektiv granskning som möjligt måste de mest lämpliga parametervärdena sökas för att sedan implementeras i Selekt. I denna studie har ett datamaterial från undersökningen Kortperiodisk Sysselsättningsstatistik, privat sektor (KSP) använts för att studera sambanden mellan statistikens kvalitet och valet av parametrar i Selekt.  Valet av datamaterial motiveras främst av att Selekt ska implementeras i KSP under år 2010. De parametrar som har behandlats i studien kallas för KAPPA, TAU och LAMBDA samt variablerna RPB_20 och Kostnad. Logistisk regression har använts för att undersöka vilken påverkan parametrarna har på den bias (kallad RPB) som införs i skattningarna vid selektiv granskning. En ansats valdes där sambandet mellan responsvariabeln RPB_20 och förklaringsvariablerna KAPPA, TAU och Kostnad studerades separat för olika värden på LAMBDA. Vid resultatframställningen indikerades tidigt att valet av värde på LAMBDA inte verkade ha någon nämnvärd betydelse för modellen och i de fortsatta analyserna stärktes denna misstanke och kom att omfatta även KAPPA och TAU. Det var redan från början känt att Kostnad är en viktig variabel att ta hänsyn till och för att undersöka detta närmare konstruerades en modell bestående av ett fjärdegradspolynom med enbart variabeln Kostnad. Modellen lyckades fånga upp huvuddragen av variationen i RPB_20. Det går inte att dra generella slutsatser från den studie som här har genomförts. Resultaten visar dock att en modell utan KAPPA, TAU och LAMBDA fungerar för att beskriva variationen i RPB_20.  Valet av värden på KAPPA, TAU och LAMBDA i Selekt är av mindre betydelse. I implementeringsarbetet av Selekt i KSP rekommenderas därför att, förutom RPB, fokusera på variabeln Kostnad för att hitta den mest lämpliga kombinationen av parameterinställningar.

Övervakad maskininlärning har gett goda resultat för automatisk namntaggning. Detta kräver dock manuellt annoterad träningsdata, vilket är krävande att ta fram. Studier har visat att likhet mellan träningsdata och testdata är viktigt för att uppnå bra resultat, men normalt sett tränas system alltid med så mycket data som möjligt, utan hänsyn till dess relevans. Syftet med denna studie är att undersöka om bättre namntaggning kan uppnås genom att utesluta de delar av träningsdatan som inte tillhör samma textdomän som testdatan. För att genomföra detta konstrueras ett system med multinomial logistisk regression som tränas och testas på Stockholm-Umeå Corpus enligt både traditionell och föreslagen metod. Undersökningen visar en liten men signifikant försämring vid användning av enbart domänspecifik träningsdata, ett resultat som dock inte är genomgående för alla delar av undersökningen. Den stora fördelen av att reducera träningsdatan är dock att det ökar maskininlärningens hastighet. För att kunna utnyttja detta föreslås att namntaggning föregås av textklassificering.

Vårdrelaterade infektioner, VRI, är ett av de största hoten mot patientsäkerheten i hälso- och sjukvården. Inte bara i Sverige utan också i resten av världen. I den här uppsatsen så har vi analyserat data från punktprevalensmätningar för VRI, PPMVRI, som utförts i Västerbotten mellan åren 2008-2015. Utifrån det givna datat har vi skapat modeller med både logistisk regression, LR, och linjär diskriminant analys, LDA. Vi jämför sedan de två metodernas förmåga att prediktera VRI med avseende på specificitet, enskilda modeller konstruerades både för hela Västerbotten men också för enskilda sjukhus och avdelningar. Vidare så undersöker vi om information kring patienters komorbiditet, alltså förekomsten av andra sjukdomar förutom den primära, kan öka metodernas prestanda. Av våra två metoder var det LR som presterade bäst med en specificitet på 32.79 % och LDA hade en specificitet på 31.20 %. För båda metoderna så visade det sig att modellen för Västerbotten presterade bättre än modellerna för enskilda avdelningar och sjukhus. Vi kom också fram till att information om patienters komorbiditet kan hjälpa till att öka specificiteten, men vi hade för få observationer (90 st med VRI och 90 st utan VRI) för att kunna ge ett definitivt svar. En överlevnadsanalys utfördes för att bekräfta tidigare resultat om att VRI-patienter har en signifikant högre 90-dagars dödlighet, vårt resultat stämde väl överens med tidigare studier. Sammanfattningsvis visade vi på att statistiska metoder kan användas för att prediktera och analysera vilka patienter som ligger i riskzonen för att drabbas av VRI, samt att det skulle behövas ytterligare studier för att undersöka huruvida information om patienters komorbiditet skulle kunna hjälpa oss att ytterligare förbättra den prediktiva förmågan hos dessa metoder.

The data used in this paper is an open source data, that was collected in Portugal over a three year period between 2004 and 2007. It consists of the physiochemical parameters, and the quality grade of the wines. This study focuses on assessing which variables that primarily affect the quality of a wine and how the effects of the variables interact with each other, and also compare which of the different classification methods work the best and have the highest degree of accuracy. The data is divided into red and white wine where the response variable is ordered and consists of the grades of quality for the different wines. Due to the distribution in the response variable having too few observations in some of the quality grades, a new response variable was created where several grades were pooled together so that each different grade category would have a good amount of observations. The statistical methods used are Bayesian ordered logistic regression as well as two data mining techniques which are neural networks and decision trees. The result obtained showed that for the two types of wine it is primarily the alcohol content and the amount of volatile acid that are recurring parameters which have a great influence on predicting the quality of the wines. The results also showed that among the three different methods, decision trees were the best at classifying the white wines and the neural network were the best for the red wines.

In 2021 Sweden got its first female prime minister, 102 years after women first were given the right to vote. Given the big focus on equality that has been a political trademark for the country for years, this milestone seems to have been passed quite late, which poses the question of how Sweden is doing in regard to equality. This paper investigates the possibility for women to be elected to municipality council in 2018, with focus on the importance of incumbency. Based on the power shield-hypothesis saying that incumbency increases the chances for a woman to be elected more than it does for a man, the effect of gender and incumbency on the probability of being elected to municipal council for 20 Swedish municipalities is investigated. Using a logistic model, the joint effect of being a woman and incumbent cannot be found on the probability of being elected to municipal council in the 2018 election. Tests of the importance of incumbency for women and men show that incumbency is very important for both genders, and no extreme effect can be found for either gender. The paper rejects the power shield-hypothesis for the Swedish municipality council-election of 2018.

Bakgrund: En förlossning kan väcka många känslor hos den födande kvinnan, både positiva och negativa. Denegativa känslorna kan försvåra och bromsa kvinnans förlossningsförlopp. En hjälp i att kvinnan ska upplevafödandet som hanterbart kan vara Föda utan rädsla [FUR] metodens fyra verktyg; andningen, avspänningen,röstens kraft och tankens kraft. Syfte: Syftet med studien var att jämföra vilka skillnader som fanns mellanfödande kvinnor som använt sig av metoden Föda utan rädsla och födande kvinnor som inte använt sig avmetoden, genom att jämföra bakgrundsvariabler, förlossningsvariabler och förlossningsupplevelse. Metod:Kvantitativ retrospektiv studie. Urvalet bestod av 4421 kvinnor som fött barn vid en förlossningsavdelning iMellansverige under januari 2020-november 2021. Variabler från kvinnornas förlossningsjournaler hämtadesautomatiskt till SPSS och innehöll avidentifierad information. Data analyserades i statistikprogrammet SPSSmed deskriptiv design, chi-två test och logistisk regression. Resultat: Resultatet visar att förstföderskoranvände metoden i större utsträckning än omföderskor. En lägre andel kvinnor som använde FUR-metodenavslutade förlossningen med akut kejsarsnitt (4,4 procent VS 12,4 procent). Slutsats: Studien har visat attFUR-metoden kan påverka förlossningsutfallet. Användandet av FUR-metoden påverkade inte hur kvinnanskattade sin förlossningsupplevelse. För att grundligt kartlägga metodens effekt behövs därför vidare studier.Klinisk tillämpbarhet: Om studiens resultat kan bekräftas genom vidare forskning, bör personal utbildas inomFUR-metoden och barnmorskor på mödravården bör uppmuntra både förstföderskor och omföderskor attbekanta sig med FUR-metoden.

Denna uppsats söker validera ett yrkesbaserat klasschemas förmåga att predicera skillnader iarbetsvillkor och utbildningskrav för anställda i Sverige enligt föreskrivna kriterier.Kriterierna för indelningen av klasschemat är baserade på begreppet arbetslogik – ettsamlingsnamn för olika arbetsvillkor, samt kompetenskrav. Uppsatsen undersöker huruvidapositioner i klasschemat kan särskiljas med hjälp av dessa kriterier med utgångspunkt i ettriksrepresentativt urval, 2010 års Levnadsnivåundersökningen. Fyra logistiskaregressionsmodeller används för att pröva riktningen och styrkan sambandet mellanklasschemat, och variabler relaterade till arbetsvillkor och kompetens, signifikanstester utgårfrån p-tester. Resultatet är i linje med de förväntade samband som beskrivs i litteraturen.Skillnader i auktoritetsrelationer och arbetsplatsens utformning enligt arbetslogik får stöd.Utbildningskrav utgör en signifikant skillnad mellan priviligierade och icke-priviligieradeyrken.

Förekomsten av friends-and-neighbours-effekten, det vill säga när röstningsmönster är påverkade av geografisk samhörighet mellan politiker och väljare, är ännu outforskad i en svensk kontext. Denna kandidatuppsats undersöker därav förekomsten av friends-and-neighbours-effekten utifrån partiledarens geografiska uppväxtkommun. De sex kommunerna Vingåker, Nacka, Sollefteå, Kristianstad, Täby och Eskilstuna, de tre valåren 2002, 2010 och 2018, samt de två partierna Socialdemokraterna och Moderaterna utgör uppsatsens utgångspunkt. Datamaterial från Svensk valundersökning (SNES) används i logistiska regressionsanalyser för att besvara frågeställningarna om huruvida friends-and-neighbours-effekten finns närvarande i svenska väljares röstningsmönster samt om effekten skiljer sig mellan höger- och vänsterväljare. Resultatet av analyserna redovisas i form av genomsnittliga marginaleffekter (Average Marginal Effects) och tyder framför allt på förekomsten av friends-and-neighbourseffekten i Sollefteå när Stefan Löfvén var partiledare under valåret 2018. I resterande kommuner är effekten inte möjlig att urskilja eller bekräfta. Friends-and-neighbours-effekten är således mer framträdande bland socialdemokratiska än moderata väljare utifrån operationaliseringen av de aktuella variablerna.

Syftet med det här arbetet är att undersöka hur väl logistisk regression kan användas för att prediktera vinnaren i en snookermatch. Detta görs med hjälp av statistik över spelarna samt resultat från tidigare matcher och turneringar. En mängd möjliga förklarande variabler presenteras som exempelvis ranking, antal vunna matcher, hemland, typ av turnering, prissumma och omgång (final, semifinal, et cetera). Även tvåvägs-interaktioner mellan variablerna undersöks. Modeller tas fram utifrån hur de presterar i AIC, BIC, residualavvikelse samt Hosmer-Lemeshow-testet. Därefter mäts deras prediktiva förmåga hos ett helt nytt datamaterial med hjälp av noggrannhet, sammanblandningsmatriser och AUC. Resultatet ger flera olika modeller, men den som i slutändan väljs är en modell med bara en förklarande variabel – skillnaden i spelarnas ranking. Modellen hade rätt i sina prediktioner i 60 procent av fallen. Snooker visar sig vara en relativt svårpredikterad sport, jämfört med exempelvis fotboll och hockey, med flera oväntade utfall där den överlägset bättre rankade spelaren förlorade. Modellen är visserligen bättre än vad att godtyckligt gissa vilken spelare som kommer vinna hade presterat, vilket får ses som ett lägsta mått på användbarhet. / This study aims to investigate how well logistic regression can be used to predict the winner in a snooker game. This is done using statistics on the players and results from previous matches and tournaments. A range of possible explanatory variables are presented, such as ranking, number of wins, country, type of tournament, prize money, and round (final, semifinal, et cetera). Two-way interactions between the variables are also examined. Models are developed based on their performance in AIC, BIC, residual deviation, and the Hosmer-Lemeshow test. Then, their predictive ability is measured on an entirely new data set using accuracy, confusion matrices, and AUC. The result produces several different models, but the one ultimately chosen is a model with only one explanatory variable – the difference in the players' rankings. The model was correct in its predictions in 60 per cent of cases. Snooker turns out to be a relatively difficult sport to predict, compared to, for example, football and hockey, with several unexpected outcomes where the significantly better-ranked player lost. The model is at least better than randomly guessing which player would win, which should be seen as the lowest measure of usefulness.

The North-American sociologist Michael Lipsky has characterized social workers as street-level bureaucrats with a substantial discretion in the relationship between the welfare state and its citizens. Within Lipsky´s theoretical framework social workers appear as a powerful group that socializes the citizens to uphold certain expectations towards the welfare state and its (re)distributional programs. From this point of view, it is important to learn more about social workers and the attitudes they express towards the welfare state. The aim of this study is to analyze how the welfare-political attitudes of future social workers are affected by their social background (e.g. class background and ancestral homeland). The study positions itself within class theory, but also includes other social science perspectives covering social stratification and interest formation. The data material was collected through a survey based on a sample of 145 social work students at a Swedish university and analyzed with a binary logistic regression model. Although the study shows an absence of broad statistical correlations between the social background variables and the welfare-political attitudes, it also shows that class background, age and party-political preferences are factors that have a statistically significant impact on some of the welfare-political attitude indicators.