An important aspect during the planning of commuter trains is how long they will be waiting at the platform. All travelers must be able to board and get off the train in time while the process cannot take too long. The train’s waiting time is called its dwell time, and this is a study of how the dwell time of the commuter trains in Stockholm behaves with a focus on the larger station Stockholm Odenplan and the smaller station Årstaberg. The duration of the dwell time compared to the stations planned dwell time was analyzed with manual measurements on the stations. The dwell time was analyzed both during and after rush hours. Possible reasons for the dwell time’s length were also analyzed and a potential factor that was in focus was the impact of the removal of train conductors. Train conductors in Stockholm’s rail system are responsible for monitoring the boarding and closing the train’s doors after it is finished. They began to dismantle from the trains Mars 2023 due to efficiency reasons. Half of the trains will run with a train conductor until autumn 2023, where they will disappear entirely. The train drivers will afterwards monitor the travelers with cameras instead. The commuter trains in Stockholm have three routes between Bålsta and Nynäshamn, Uppsala/Märsta and Södertälje and Södertälje and Gnesta. Factors considered when planning their timetables are the system’s capacity, how long the train should wait at a station and how long it takes to drive between stations. 94 % of the trains run on time in the system according to the operator MTR. The analyzed stations Stockholm Odenplan and Årstaberg are in Stockholm and have their separate conditions. Stockholm Odenplan is the second to largest station in the system and is in a central part of the city. The station is underground, and the rails are separated from the platform with platform doors. The doors are shown to cause delays for the dwell time as they are slow. Årstaberg has considerably fewer travelers than Stockholm Odenplan and is in the south parts of the city. The station is over the ground and has no platform doors. There are many theories about the causes behind a train’s dwell time based on the behavior of the passengers. They vary from where they are waiting on the platform, how they are queueing during boarding and the behavior during the boarding. The study shows that the dwell time in Årstaberg stays under its planned 42 seconds, but it is six seconds too long from its planned 60 seconds in Stockholm Odenplan. The dwell time increases during rush hour in Årstaberg and decreases outside of it, while Stockholm Odenplan seems to be largely unaffected by rush hours. Trains with train conductors seem to have a lower dwell time than those without them. The boarding has a shorter duration with train conductors, which shows that they are more efficient than the train drivers using cameras to monitor the boarding. However, it does take a little longer for the train to depart after the boarding is finished when they have a train conductor. Factors causing the dwell time are believed to be related to the flow of passengers and the design of the stations. The platform doors are believed to increase the dwell time in Stockholm Odenplan. Meanwhile, the protection from the weather and the location of the entrance in Årstaberg might impact its dwell time. When the number of passengers increases will the boarding take longer. The boarding will also be concentrated on a few doors in Årstaberg depending on the weather or if the trains are short. The dwell time should be analyzed further for a longer period and during more hours of the day. More stations in Stockholm’s rail system should be analyzed too.

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.

Public transport is essential for both residents and city planners because of its environmentally and economically beneficial characteristics. During the past decade climatechange, coupled with fuel and energy crises have attracted significant attention toward public transportation. Increasing the demand for public transport on the one hand and its complexity on the other hand have made the optimum network design quite challenging for city planners. The ridership is affected by numerous variables and features like space and time. These fluctuations, coupled with inherent uncertaintiesdue to different travel behaviors, make this procedure challenging. Any demand and supply mismatching can result in great user dissatisfaction and waste of energy on the horizon. During the past years, due to recent technologies in recording and storing data and advances in data analysis techniques, finding patterns, and predicting ridership based on historical data have improved significantly. This study aims to develop forecasting models by regressing boardings toward population, time of day, month, and station. Using the available boarding dataset for blue bus line number 4 in Stockholm, Sweden, seven different machine learning algorithms were assessed for prediction: Multiple Linear Regression, Decision Tree, Random Forest, Bayesian Ridge Regression, Neural Networks, Support Vector Machines, K-Nearest Neighbors. The models were trained and tested on the dataset from 2012 to 2019, before the start of the pandemic. The best model, KNN, with an average R-squared of 0.65 in 10-fold cross-validation was accepted as the best model. This model is then used to predict reduced ridership during the pandemic in 2020 and 2021. The results showed a reduction of 48.93% in 2020 and 82.24% in 2021 for the studied bus line.

In the last 10 years, no significant increase in the peak electricity consumption of the region of Stockholm has been observed, despite new customers being connected to the grid. But, as urbanization continues and with electrification being a decisive step of decarbonization pathways, more growth is expected in the future. However, the Swedish Transmission System Operator (TSO), Svenska Kraftnat, can only supply a limited power to Stockholm region. Distribution System Operators (DSOs) such as Vattenfall Eldistribution, which operates two thirds Stockholm region's distribution grid, need to find solutions to satisfy an increasing demand with a limited power supply. In these times, forecasting the worst-case scenarios, i.e., the highest possible loads, becomes a critical question. In Sweden, peak loads are usually triggered by the coldest temperatures, but the recent winters have been mild: this brings uncertainty about a possible underlying temperature adjusted growth that would be masked by relatively warm winters. Answering the question 'What would be the highest loads in 2022 with -20°C in Stockholm region ?' could help Vattenfall Eldistribution estimating the flexibility needed nowadays and designing the future grid with the necessary grid reinforcements. This master thesis uses a data-driven approach based on eleven years of hourly data on the period 2010-2021 to investigate the temperature sensitivity of aggregated electricity load in Stockholm region. First, an exploratory analysis aims at quantifying how large the growth has been in the past ten years and at understanding how and when peak loads occur. The insights obtained help design two innovative regression techniques that investigate the evolution of the loads across years and provide first estimates of peak loads. Then, a Seasonal Autoregressive Integrated Moving Average with eXogenous regressors (SARIMAX) process is used to model a full winter of load as a function of temperatures. This third method provides new and more reliable estimates of peak loads in 2022 at e.g. -20°C. Eventually, the SARIMAX estimates are kept and a synthesis of the global outlooks of the three methods and possible extensions of the SARIMAX method is presented in a final section. The results conclude on a significant increase in the load levels in southern Stockholm ('Stockholm Sodra') between 2010 and 2015 and stable evolution onwards, while the electric consumption in Northern Stockholm remained stable during the period 2010-2021. During a very cold winter, the electricity demand is expected to exceed the subscription levels during about 300h in Stockholm Sodra and 200h in Stockholm Norra. However, this will be a rare occurrence, which suggests that short-term solutions could be privileged rather than costly grid extension work. Many questions arise, and the capability of local heat & power production and electricity prices signals to regulate today's demand are yet to investigate. Additional work exploring future demand scenarios at a smaller scale could also be contemplated. / Under den senaste årtionden har Stockholms toppkonsumtion av el inte ökat markant trots nya elkunder som ansluter till elnätet. Med en snabb urbanisering, är ökad elektrifiering en huvudlösning för att uppnå ett fossilfritt samhälle och denna trend förväntas fortsätta under kommande årtionden. Samtidigt börjar den svenska transmissionsnätoperatören (TSO) Svenska kraftnät få problem med att leverera elkraft till Stockholmsregionen, på grund av en begränsad överföringskapacitet. Därför måste lokala eldistributörer (DSO), liksom Vattenfall Eldistribution, som är Sveriges största DSO med systemansvar för distributionssystem, undersöka nya lösningar för att uppfylla den ökande efterfrågan på el. Det blir dessutom mycket viktigt att identifiera de värsta tänkbara scenario, som att göra prognos av högsta möjliga elförbrukning. Stockholm konsumerar exempelvis mest el när det är som kallast – men de senaste vintrarna har varit milda jämfört med till exempel vintrarna 2010 – 2011 eller 2012 – 2013 då temperaturer i Stockholmsregion mättes till under -20°C grader för flera dagar i sträck. Detta resulterar i en relevant frågeställning: ” Vad skulle Stockholms elkonsumtion vid -20°C bli 2021 eller 2022?”. Att kvantitativt kunna besvara denna fråga skulle hjälpa Vattenfall med att designa framtidens elnät samt se till att det finns rätt mängd flexibilitet i reserv i nuvarande Stockholm Flex elmarknad. Detta examensarbete utgår från att kvantitativt analysera denna frågeställning. Utgångsläget är ett datadrivet tillvägagångssätt baserat på tio års tidseriedata för att undersöka temperaturkänsligheten för det aggregerade elbehovet i Stockholmsregionen, och dra slutsatser om dess utveckling genom åren. I första hand, utförs en explorativ analys för att förstå när och hur toppbelastning kan hända. Då hjälper dessa insikter till att utforma två innovativa regressionsmetoder för att undersöka utvecklingen av elförbrukning under det senaste decenniet och uppskatta värdet på toppbelastningen. Därefter används ett säsongmässigt autoregressivt integrerat rörligt genomsnitt med exogena faktorer (SARIMAX) för att modellera en vinter som en funktion av temperaturerna. Denna tredje metod behandlar nya och mer tillförlitliga beräkningar av toppbelastning värden i 2022 på -20°C. Huvudslutsatser från examensarbetet är att elförbrukningen skulle öka i området Stockholm Södra speciellt mellan 2010 och 2015, medan elförbrukningen skulle vara stabil under hela perioden i området Stockholm Norra. Det finns en risk för att under ett antal timmar vid riktigt kall vinter, ha ett elbehov högre än Vattenfall Eldistributions summa av abonnemang. Dock är det väldigt låg sannolikhet att detta händer, vilket innebär att det förmodligen finns andra sätt att hantera denna efterfråga på el än att öka överföringskapaciteten i elnätet. Examensarbetet resulterar i flera frågor. Exempelvis att utreda möjligheter i att utnyttja lokala el och värmekraftverk och använda elprissignaler. Ytterligare arbete kan också undersöka scenarier av den framtida elförbrukning i en mindre skala.

Dans ce mémoire, nous nous intéressons à une façon géométrique de voir la méthode du Lasso en régression linéaire. Le Lasso est une méthode qui, de façon simultanée, estime les coefficients associés aux prédicteurs et sélectionne les prédicteurs importants pour expliquer la variable réponse. Les coefficients sont calculés à l’aide d’algorithmes computationnels. Malgré ses vertus, la méthode du Lasso est forcée de sélectionner au maximum n variables lorsque nous nous situons en grande dimension (p > n). De plus, dans un groupe de variables corrélées, le Lasso sélectionne une variable “au hasard”, sans se soucier du choix de la variable. Pour adresser ces deux problèmes, nous allons nous tourner vers le Lasso Linéaire. Le vecteur réponse est alors vu comme le point focal de l’espace et tous les autres vecteurs de variables explicatives gravitent autour du vecteur réponse. Les angles formés entre le vecteur réponse et les variables explicatives sont supposés fixes et nous serviront de base pour construire la méthode. L’information contenue dans les variables explicatives est projetée sur le vecteur réponse. La théorie sur les modèles linéaires normaux nous permet d’utiliser les moindres carrés ordinaires (MCO) pour les coefficients du Lasso Linéaire. Le Lasso Linéaire (LL) s’effectue en deux étapes. Dans un premier temps, des variables sont écartées du modèle basé sur leur corrélation avec la variable réponse; le nombre de variables écartées (ou ordonnées) lors de cette étape dépend d’un paramètre d’ajustement γ. Par la suite, un critère d’exclusion basé sur la variance de la distribution de la variable réponse est introduit pour retirer (ou ordonner) les variables restantes. Une validation croisée répétée nous guide dans le choix du modèle final. Des simulations sont présentées pour étudier l’algorithme en fonction de différentes valeurs du paramètre d’ajustement γ. Des comparaisons sont effectuées entre le Lasso Linéaire et des méthodes compétitrices en petites dimensions (Ridge, Lasso, SCAD, etc.). Des améliorations dans l’implémentation de la méthode sont suggérées, par exemple l’utilisation de la règle du 1se nous permettant d’obtenir des modèles plus parcimonieux. Une implémentation de l’algorithme LL est fournie dans la fonction R intitulée linlasso, disponible au https://github.com/yanwatts/linlasso. / In this thesis, we are interested in a geometric way of looking at the Lasso method in the context of linear regression. The Lasso is a method that simultaneously estimates the coefficients associated with the predictors and selects the important predictors to explain the response variable. The coefficients are calculated using computational algorithms. Despite its virtues, the Lasso method is forced to select at most n variables when we are in highdimensional contexts (p > n). Moreover, in a group of correlated variables, the Lasso selects a variable “at random”, without caring about the choice of the variable. To address these two problems, we turn to the Linear Lasso. The response vector is then seen as the focal point of the space and all other explanatory variables vectors orbit around the response vector. The angles formed between the response vector and the explanatory variables are assumed to be fixed, and will be used as a basis for constructing the method. The information contained in the explanatory variables is projected onto the response vector. The theory of normal linear models allows us to use ordinary least squares (OLS) for the coefficients of the Linear Lasso. The Linear Lasso (LL) is performed in two steps. First, variables are dropped from the model based on their correlation with the response variable; the number of variables dropped (or ordered) in this step depends on a tuning parameter γ. Then, an exclusion criterion based on the variance of the distribution of the response variable is introduced to remove (or order) the remaining variables. A repeated cross-validation guides us in the choice of the final model. Simulations are presented to study the algorithm for different values of the tuning parameter γ. Comparisons are made between the Linear Lasso and competing methods in small dimensions (Ridge, Lasso, SCAD, etc.). Improvements in the implementation of the method are suggested, for example the use of the 1se rule allowing us to obtain more parsimonious models. An implementation of the LL algorithm is provided in the function R entitled linlasso available at https://github.com/yanwatts/linlasso.

Nanopore sequencing is a relatively new DNA sequencing method which measures the current over a nanopore in a membrane as each nucleotide of the DNA passes through the nanopore. From the resulting current signal it is possible to determine the sequence of nucleotides in the DNA by using a base caller. The goal of this project was to create a machine learning model which could estimate the accuracy rate (identity score) of the sequenced DNA using the electric current signal and other data available through nanopore sequencing. The dataset that the machine learning models were trained on were samples from E. coli bacteria that had been sequenced through nanopore sequencing. In this project a linear regression model was created as well as several neural networks. The best performing model was a neural network which had a mean square error (MSE) of 6.12 ∙ 10-4, compared to a variance in the dataset of 2.11 ∙ 10-3. The low MSE indicates that the model can effectively predict identity scores. / Nanopore sequencing är en relativt ny DNA-sekvenseringsmetod som mäter strömmen över en nanoskopisk por i ett membran samtidigt som varje DNA-nukleotid passerar genom poren. Från den resulterande elektriska signalen så är det möjligt att bestämma sekvensen av nukleotider i DNA:t genom att använda en base caller. Målet med det här projektet var att skapa en maskininlärningsmodell som kunde bestämma graden av noggrannhet av det sekvenserade DNA:t genom att använda den elektriska strömsignalen och andra typer av data tillgängliga av Nanopore sequencing. Datamängden som maskininlärningsmodellerna använde för träning bestod av samples från en E. coli bakterie som sekvenserats med nanopore sequencing. I det här projektet har en linjär regressions-modell skapats samt flera olika neurala nätverk. Den bäst presterande modellen var ett neuralt nätverk, som hade ett minstakvadratfel (MSE) på 6.12 ∙ 10-4, jämfört med datamängdens varians på 2.11 ∙ 10-3. Det låga MSE-värdet visar på att modellen effektivt kan skatta noggrannhetsgraden av den avlästa DNA-sekvensen. / Kandidatexjobb i elektroteknik 2022, KTH, Stockholm

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.

This is a statistical analysis where various factors related to the Sustainable Development Goals (SDGs) have been used to explain life expectancy. The dataset contained information on how countries perform in different aspects over several years. The factors used have been considered to be well-linked to one or more of the SDGs by studying how the United Nations (UN) and Globalis have categorized them under different goals. After the dataset was investigated and measures were implemented, a multiple regression analysis was performed. The analysis showed which factors had statistically significant effects on life expectancy for the observations that were used. From this information, the final linear regression model could be obtained. Then it was discussed whether important information was omitted from the final model and another regression analysis was performed. This time, the dataset was divided into smaller subgroups where one group contained all observations where life expectancy was 75 years or more and the other data set contained all observations where life expectancy was 56 years or less. From these datasets, it was analyzed whether significant factors change depending on the associated life expectancy, which was proved to be the case. The conclusion that was drawn was therefore that the final model is a weighting of observations with different life expectancy, but the differences between observations with different life expectancies are omitted. / Det här är en statistisk analys där olika faktorer med koppling till de Globala Hållbarhetsmålen har används för att förklara den förväntade livslängden. Datasetet som användes innehöll information om hur länder presterar i olika avseenden under flera olika år. De faktorer som används har ansetts ha god koppling till något av de globala hållbarhetsmålen genom att studera hur FN samt Globalis har kategoriserat olika index under de respektive målen. Efter att datasetet undersökts och eventuella åtgärder genomförts så gjordes en multipel linjär regressionsanalys. Analysen visade vilka faktorer som hade signifikant påverkan på förväntad livslängd hos de observationer som använts. Ur denna information kunde den slutgiltiga linjära regressionsmodellen tas fram. Sedan skedde ett resonemang kring validiteten av denna modell och huruvida viktigt information utelämnas i den slutgiltiga modellen. Då genomfördes ytterligare en regressionsanalys, men denna gång hade datasetet delats upp i mindre grupper. En grupp innehöll alla observationer då den förväntade livslängden var 75 år eller mer, och den andra gruppen innehöll alla observationer då förväntad livslängd var 56 år eller mindre. Med hjälp av dessa dataset utreddes huruvida olika faktorer är olika viktiga vid olika förväntade livslängder, vilket var fallet. Slutsatsen som drogs var därför att den slutgiltiga modellen som togs fram var en sammanvägning av alla observationer med olika förväntade livslängder, men där skillnaderna mellan länder utelämnades.