O conhecimento antecipado das condições meteorológicas poderá ajudar a sociedade a evitar prejuízos e desperdícios de recursos humanos e materiais. Portanto, o objetivo deste estudo foi obter a partir de uma análise estatística um modelo capaz de predizer internações a partir dos dados de poluição do ar e índices biometeorológicos. Para isso, foram utilizados dados diários de 1997 a 2000, referentes à cidade de São Paulo. Os dados de internações por doenças respiratórias foram divididos em três categorias: AVAS (Afecções Vias Aéreas Superiores), AVAI (Afecções das Vias Aéreas Inferiores) e IP (Influenza e Pneumonia), estes dados foram obtidos junto ao Ministério da Saúde. Os dados referentes à poluição foram obtidos junto à CETESB (Companhia de Tecnologia de Saneamento Ambiental) e os dados meteorológicos foram obtidos da estação meteorológica do Parque Estadual das Fontes do Ipiranga. Os índices de conforto térmico foram descritos com base em variáveis meteorológicas. Através de uma metodologia estatística de Regressão de Poisson e Análise de Componentes Principais (ACP), encontraram-se modelos estatísticos capazes de prever em média internações por doenças respiratórias. Esses modelos foram nomeados MBCS (Modelo Brasileiro de Clima e Saúde). A ACP foi utilizada a fim de corroborar a modelagem de regressão. Os resultados encontrados mostraram associação entre AVAS e SO2, CO (ambos sem defasagem) e com o índice biometeorológico TEv4 (com defasagem de 4 dias). Os resultados chamam atenção para o SO2 que, mesmo muito abaixo do padrão de qualidade do ar recomendado, ainda provoca acréscimos nas internações. Para as AVAI, os resultados mostram associações entre os poluentes MP10, O3 (ambos sem defasagem) e TEv4 (com 3 dias defasamento). Com relação à IP, as variáveis que se mostraram relacionadas foram MP10 (sem defasagem) e TEv4 (com 3 dias defasagem). Para verificar o skill do modelo, utilizou-se o ano de 2001. Os modelos apresentaram erro médio de 15% para AVAS, 30% para AVAI e 44% para IP com relação à previsão das internações. No que diz respeito a ACP, esta concorda com o que foi encontrado na modelagem de Poisson. Porém para AVAI e IP, os escores dos poluentes e dos índices deverão ser usados separadamente. Estes resultados mostram que o MBCS poderá ser utilizado para previsão de internação, contribuindo para políticas públicas e os meios de comunicação, ajudando nas tomadas de decisões e evitando desperdícios econômicos e humanos. / The meteorological condition knowledge can provide society prejudice prevention regarding human and material resources. Therefore, the aim of this study the statistical modeling in order to prevent internment of morbidity based on air pollution and meteorological variability. The whole 1997 to 2000 at the city of São Paulo. The morbidity data was divided in to three categories: AVAS (upper respiratory airway diseases), AVAI (lower respiratory airway diseases) and IP (Influenza and Pneumonia). These data were obtained from Brazilian Heath Ministry. Air pollution data were obtained from CETESB (Environmental agency) and meteorological data from Parque Estadual das Fontes do Ipiranga. Thermal comfort indexes were also used based on meteorological variables. Poisson regression models as well as Principal Component (PC) models were used in order to evaluate the data through statistical methodology. These models were nominated MBCS (Brazilian Climate and Health Model). Scores from PC statistical analysis were also used in order to compare to multiple regression models. As the first results, AVAS modeling presents association with SO2, CO (both without time lag) and the TEv4- a biometeorological index (with 4 days time lag). SO2 presents interesting result due to the fact that it is below the recommended standard, but it still causes AVAS morbidity. Concerning AVAI results, the variables which explain the morbidity were the pollutants MP10, O3 (both without lag) and TEv4 (with 3 days lag). Regarding to the skill of the models, AVAS model presents a 15% average error; AVAI model, 30% and IP model, 44%, during year of 2001. PC analysis corroborated the Poisson models. Regarding PC more weight for AVAS was pollutants. Already AVAI and IP more weight was biometeorological indexes and meteorological variables. The risk results used scores was similar to the MMRP. However for AVAI and IP, the scores of the pollutants and scores of the indexes should be used individually. These results indicate these models can be used as a forecasting internment program, contributing on the public and media decisions, avoiding economical and human unnecessary wastes.

In this dissertation, several essays in the field of bio-security are presented. The estimation of the probability of an FMD outbreak by type and location of premises is important for decision making. In Essay I, we estimate and predict the probability/risk of an FMD outbreak spreading to the various premises in the study area. We first used a Poisson regression model with adjustment dispersion associated with random simulation results from the AusSpead model to estimate the parameters of the model. Our estimation and prediction show that large cattle loss could be concentrated in three counties-Deaf Smith, Parmer, and Castro. These results are based on approximately 70% of the feedlots with over 10,000 cattle located in the three counties previously mentioned. In Essay II, our objective is to determine the best mitigation strategies in minimizing animal loss based on AusSpead simulation model. We tested 15 mitigation strategies by using multiple comparison. The results show that the best mitigation strategies for all four scenarios are regular surveillance, slaughter of the infected animals, and early detection. We then used the Mixed Integer Programming to estimate costs of disposing of animal carcasses and transportation. Results show that the unit disposal cost will vary with carcass scale and the unit transportation cost also varies with the distribution of the infected premises and disposal locations. FMD seems to have varying impacts on equity markets. In Essay III, we studied returns at three different levels of the stock market. We determined results in a structural break, and then estimated the impact of the announcement of confirmed cases of FMD disease on the volatility of stock market returns by using a GARCH-Mean model. Our results show that the structure break occurs on the day with the largest number of confirmed cases for meat product firms rather than the day of the first confirmed case. We found that the conditional volatilities over the FMD period are higher than those over the sample period. The announcement of confirmed cases had the largest marginal impact on meat products. Investors may always consider maintaining a portfolio consisting of index funds or hedge funds.

This thesis consists of three essays that address various aspects of the economics of maternal health care. The first two essays examine the determinants of utilization of maternal health care services in low-income countries, while the third essay examines the determinants of utilization of prenatal ultrasonography in Canada. The first essay examines the influence of prenatal attendance (as well as a wide array of observed individual-, household- and community-level characteristics) on a woman’s decision to give birth at a health facility or at home for thirty-two low-income countries (across Asia, Sub-Saharan Africa and Latin America). This empirical investigation employs the Demographic and Health Surveys (DHS) data and a two-level random intercept model. The results show that prenatal attendance has a substantial influence on the use of facility delivery in all three geographical regions. Women having four prenatal visits were 7.3 times more likely to deliver at a health facility than those with no prenatal care. The second essay addresses two related questions: what factors determine a woman’s decision to seek prenatal care; and are those the same factors that determine the frequency of care? This investigation also utilizes Demographic and Health Surveys (DHS) data for thirty-two low-income countries (across Asia, Sub-Saharan Africa and Latin America) and applies a two-part and multi-level model to that data. The results suggest that, though a wide range of factors influence both decisions, that influence varies in magnitude across the two decisions, as well as across the three geographical regions. The third essay examines the influence of various socioeconomic and demographic factors on the frequency of prenatal ultrasounds in Canada, while controlling for maternal risk profiles. This investigation utilizes data from the Maternity Experience Survey (MES) of the Canadian Perinatal Surveillance System and employs a count data regression model (the Poisson distribution) to estimate the effect of various factors on the number of prenatal ultrasounds. The results of this investigation suggest that, even after controlling for maternal risk factors, the type of health-care provider, province of prenatal care, and timings of first ultrasound are the strongest predictors of number of ultrasounds.

This thesis consists of three essays that address various aspects of the economics of maternal health care. The first two essays examine the determinants of utilization of maternal health care services in low-income countries, while the third essay examines the determinants of utilization of prenatal ultrasonography in Canada. The first essay examines the influence of prenatal attendance (as well as a wide array of observed individual-, household- and community-level characteristics) on a woman’s decision to give birth at a health facility or at home for thirty-two low-income countries (across Asia, Sub-Saharan Africa and Latin America). This empirical investigation employs the Demographic and Health Surveys (DHS) data and a two-level random intercept model. The results show that prenatal attendance has a substantial influence on the use of facility delivery in all three geographical regions. Women having four prenatal visits were 7.3 times more likely to deliver at a health facility than those with no prenatal care. The second essay addresses two related questions: what factors determine a woman’s decision to seek prenatal care; and are those the same factors that determine the frequency of care? This investigation also utilizes Demographic and Health Surveys (DHS) data for thirty-two low-income countries (across Asia, Sub-Saharan Africa and Latin America) and applies a two-part and multi-level model to that data. The results suggest that, though a wide range of factors influence both decisions, that influence varies in magnitude across the two decisions, as well as across the three geographical regions. The third essay examines the influence of various socioeconomic and demographic factors on the frequency of prenatal ultrasounds in Canada, while controlling for maternal risk profiles. This investigation utilizes data from the Maternity Experience Survey (MES) of the Canadian Perinatal Surveillance System and employs a count data regression model (the Poisson distribution) to estimate the effect of various factors on the number of prenatal ultrasounds. The results of this investigation suggest that, even after controlling for maternal risk factors, the type of health-care provider, province of prenatal care, and timings of first ultrasound are the strongest predictors of number of ultrasounds.

Submitted by Maria Medeiros (maria.dilva1@ufcg.edu.br) on 2018-06-08T11:39:56Z No. of bitstreams: 1 JULLIANNA VITÓRIO VIEIRA DE AZEVEDO - DISSERTAÇÃO (PPGRN) 2015.pdf: 2576177 bytes, checksum: a2d2205824cb66d177cc7165ce092601 (MD5) / Made available in DSpace on 2018-06-08T11:39:56Z (GMT). No. of bitstreams: 1 JULLIANNA VITÓRIO VIEIRA DE AZEVEDO - DISSERTAÇÃO (PPGRN) 2015.pdf: 2576177 bytes, checksum: a2d2205824cb66d177cc7165ce092601 (MD5) Previous issue date: 2015-02-27 / Neste trabalho objetivou-se avaliar os efeitos das variações sazonais do clima na incidência de doenças respiratórias por influenza (PI) na população idosa de 65 anos ou mais nas localidades de Campina Grande, Região Metropolitana de João Pessoa (RMJP), Monteiro e Patos. Para isso, foram usados modelos lineares generalizados a partir da regressão de Poisson para relacionar a variável dependente configurada como os registros de internações por causas associadas à influenza e as variáveis independentes (precipitação pluvial, temperatura média do ar e umidade relativa do ar), para análise das relações instituídas pela modelagem foi aplicada a análise de variância ANOVA com nível de significância de 0,05 para determinar que variáveis independentes eram mais significativas na modelagem. Também foram analisados os resíduos gerados pelo ajuste dos modelos no intuito de identificar a distribuição que melhor se ajustasse aos dados. Foi aplicado o teste não-paramétrico de Mann-Kendall para análise de tendência da série temporal de internações por causas associadas a influenza como também o teste de raiz unitária de Dick-Fuller (DF) para análise de estacionariedade. Assim determinada às características da série temporal foi aplicada a metodologia de Box e Jenkins (1976), foi utilizado neste estudo o modelo ARIMA e para avaliação dos modelos autoregressivos gerados aplicou-se os índices penalizadores AIC (Akaike’s Information Criterion) e o BIC (Bayesian Information Criterion). Toda análise estática foi realizada no software R. De forma geral pode-se verificar que os maiores picos de internações por PI ocorrem no outono e inverno. Portanto, esses resultados sugerem uma associação entre o frio e as internações por PI. Na maioria dos municípios em estudo, a elevação das taxas de morbidade por influenza e causas associadas na faixa etária de 65 anos ou mais demonstram uma possível ausência de efeito das campanhas de vacinação. A modelagem estatística se apresentou como alternativa na análise e previsão de casos de internações por PI, contribuindo para políticas públicas, ajudando nas tomadas de decisão evitando desperdícios econômicos e humanos. / This work aimed to evaluate the effects of seasonal climatic variations in the incidence of respiratory diseases by influenza (PI) in the elderly population in the cities of Campina Grande, metropolitan region of João Pessoa (RMJP), Monteiro and Patos. Generalized linear models from the linear Poisson regression to relate the dependent variable set to the records of hospitalizations for causes associated with influenza and the independent variables (rainfall, average air temperature and relative humidity) to analyze the relations established by modeling has been used. Aditionally, was applied ANOVA variance test with a significance level of 0.05 of probability to determine which independent variables is more significant. Also the residual generated by adjusting the models in order to identify the distribution that best fitted the data were analyzed. The nonparametric Mann-Kendall trend analysis for the time series of hospitalizations for causes associated with influenza as well as the unit root test Dick-Fuller (DF) for stationary analysis was applied. Once determined the time series characteristics was applied to the methodology Box and Jenkins (1976), was used in this study ARIMA model and evaluation of the autoregressive models generated applied to the punitive indices AIC (Akaike's Information Criterion) and BIC (Bayesian Information Criterion). All static analysis was performed using R software. In general is possible to identify that the highest peaks of hospitalizations for PI occur in autumn and winter. Therefore, these results suggest an association between the cold and hospitalizations for IP. In most municipalities studied, the increase in morbidity rates for influenza and associated causes aged 65 and over show a possible lack of effect of vaccination campaigns. The statistical model is presented as an alternative in the analysis and prediction of cases of hospitalization due to IP, contributing to public policy, helping in decision-making avoiding economic and human losses.

A presente dissertação aborda a otimização de processos industriais através da utilização de projeto de experimentos. Em experimentos planejados, variáveis de respostas são usualmente consideradas como normalmente distribuídas. No entanto, em algumas situações, tal suposição é violada; por exemplo, quando respostas expressam contagens, podendo assumir somente valores inteiros e não-negativos. Nesses casos, é mais provável que as respostas sigam uma distribuição de Poisson e, em sua modelagem, deve-se utilizar os modelos lineares generalizados (MLG), adequados para respostas da chamada família exponencial, à qual pertence a distribuição de Poisson. Se ainda persiste a dúvida quanto ao comportamento das respostas, o modelo de quase-verossimilhança também é uma alternativa possível. Esta dissertação apresenta a reanálise de um experimento, apresentado em Arriba (2005), onde algumas respostas são categóricas. Na análise original do experimento, respostas categóricas foram modeladas através de regressão dos mínimos quadrados ordinários, desconsiderando a violação do pressuposto de normalidade das respostas. Na reanálise aqui apresentada, as variáveis são corretamente abordadas usando-se os modelos lineares generalizados. Como o objetivo do trabalho de Arriba (2005) era a otimização de um processo descrito por múltiplas respostas, comparam-se os resultados da otimização mediante as duas estratégias de modelagem das respostas, além de se propor um método alternativo, mais simplificado, de otimização experimental. / This dissertation deals with the optimization of industrial processes using Design of Experiments. In designed experiments, response variables are often considered as normally distributed. However, in some situations, such assumption is violated; for example, when responses express counts, and only non-negative integers numbers may come up as outcomes. In these cases, it is likely that responses follow a Poisson distribution which is then modeled by generalized linear models (GLM), since such distribution is a member of the exponential family. If a question still holds on the responses behavior, their modeling through the quasi-likelihood method is another option that should be considered. This dissertation analyses an experiment performed by Arriba (2005), where some responses are of categorical nature. In the original analysis presented by Arriba (2005), categorical responses were modeled using ordinary least squares regression, violating the normality assumption associated with that method. In the analysis presented here, variables are appropriately modeled using GLM. Since the objective in Arriba (2005) was optimizing a multiresponse process, results from the two optimization processes are compared. In addition, an alternative experimental optimization method, simpler than the one in Arriba (2005), is also presented.

A presente dissertação aborda a otimização de processos industriais através da utilização de projeto de experimentos. Em experimentos planejados, variáveis de respostas são usualmente consideradas como normalmente distribuídas. No entanto, em algumas situações, tal suposição é violada; por exemplo, quando respostas expressam contagens, podendo assumir somente valores inteiros e não-negativos. Nesses casos, é mais provável que as respostas sigam uma distribuição de Poisson e, em sua modelagem, deve-se utilizar os modelos lineares generalizados (MLG), adequados para respostas da chamada família exponencial, à qual pertence a distribuição de Poisson. Se ainda persiste a dúvida quanto ao comportamento das respostas, o modelo de quase-verossimilhança também é uma alternativa possível. Esta dissertação apresenta a reanálise de um experimento, apresentado em Arriba (2005), onde algumas respostas são categóricas. Na análise original do experimento, respostas categóricas foram modeladas através de regressão dos mínimos quadrados ordinários, desconsiderando a violação do pressuposto de normalidade das respostas. Na reanálise aqui apresentada, as variáveis são corretamente abordadas usando-se os modelos lineares generalizados. Como o objetivo do trabalho de Arriba (2005) era a otimização de um processo descrito por múltiplas respostas, comparam-se os resultados da otimização mediante as duas estratégias de modelagem das respostas, além de se propor um método alternativo, mais simplificado, de otimização experimental. / This dissertation deals with the optimization of industrial processes using Design of Experiments. In designed experiments, response variables are often considered as normally distributed. However, in some situations, such assumption is violated; for example, when responses express counts, and only non-negative integers numbers may come up as outcomes. In these cases, it is likely that responses follow a Poisson distribution which is then modeled by generalized linear models (GLM), since such distribution is a member of the exponential family. If a question still holds on the responses behavior, their modeling through the quasi-likelihood method is another option that should be considered. This dissertation analyses an experiment performed by Arriba (2005), where some responses are of categorical nature. In the original analysis presented by Arriba (2005), categorical responses were modeled using ordinary least squares regression, violating the normality assumption associated with that method. In the analysis presented here, variables are appropriately modeled using GLM. Since the objective in Arriba (2005) was optimizing a multiresponse process, results from the two optimization processes are compared. In addition, an alternative experimental optimization method, simpler than the one in Arriba (2005), is also presented.

A presente dissertação aborda a otimização de processos industriais através da utilização de projeto de experimentos. Em experimentos planejados, variáveis de respostas são usualmente consideradas como normalmente distribuídas. No entanto, em algumas situações, tal suposição é violada; por exemplo, quando respostas expressam contagens, podendo assumir somente valores inteiros e não-negativos. Nesses casos, é mais provável que as respostas sigam uma distribuição de Poisson e, em sua modelagem, deve-se utilizar os modelos lineares generalizados (MLG), adequados para respostas da chamada família exponencial, à qual pertence a distribuição de Poisson. Se ainda persiste a dúvida quanto ao comportamento das respostas, o modelo de quase-verossimilhança também é uma alternativa possível. Esta dissertação apresenta a reanálise de um experimento, apresentado em Arriba (2005), onde algumas respostas são categóricas. Na análise original do experimento, respostas categóricas foram modeladas através de regressão dos mínimos quadrados ordinários, desconsiderando a violação do pressuposto de normalidade das respostas. Na reanálise aqui apresentada, as variáveis são corretamente abordadas usando-se os modelos lineares generalizados. Como o objetivo do trabalho de Arriba (2005) era a otimização de um processo descrito por múltiplas respostas, comparam-se os resultados da otimização mediante as duas estratégias de modelagem das respostas, além de se propor um método alternativo, mais simplificado, de otimização experimental. / This dissertation deals with the optimization of industrial processes using Design of Experiments. In designed experiments, response variables are often considered as normally distributed. However, in some situations, such assumption is violated; for example, when responses express counts, and only non-negative integers numbers may come up as outcomes. In these cases, it is likely that responses follow a Poisson distribution which is then modeled by generalized linear models (GLM), since such distribution is a member of the exponential family. If a question still holds on the responses behavior, their modeling through the quasi-likelihood method is another option that should be considered. This dissertation analyses an experiment performed by Arriba (2005), where some responses are of categorical nature. In the original analysis presented by Arriba (2005), categorical responses were modeled using ordinary least squares regression, violating the normality assumption associated with that method. In the analysis presented here, variables are appropriately modeled using GLM. Since the objective in Arriba (2005) was optimizing a multiresponse process, results from the two optimization processes are compared. In addition, an alternative experimental optimization method, simpler than the one in Arriba (2005), is also presented.

O conhecimento antecipado das condições meteorológicas poderá ajudar a sociedade a evitar prejuízos e desperdícios de recursos humanos e materiais. Portanto, o objetivo deste estudo foi obter a partir de uma análise estatística um modelo capaz de predizer internações a partir dos dados de poluição do ar e índices biometeorológicos. Para isso, foram utilizados dados diários de 1997 a 2000, referentes à cidade de São Paulo. Os dados de internações por doenças respiratórias foram divididos em três categorias: AVAS (Afecções Vias Aéreas Superiores), AVAI (Afecções das Vias Aéreas Inferiores) e IP (Influenza e Pneumonia), estes dados foram obtidos junto ao Ministério da Saúde. Os dados referentes à poluição foram obtidos junto à CETESB (Companhia de Tecnologia de Saneamento Ambiental) e os dados meteorológicos foram obtidos da estação meteorológica do Parque Estadual das Fontes do Ipiranga. Os índices de conforto térmico foram descritos com base em variáveis meteorológicas. Através de uma metodologia estatística de Regressão de Poisson e Análise de Componentes Principais (ACP), encontraram-se modelos estatísticos capazes de prever em média internações por doenças respiratórias. Esses modelos foram nomeados MBCS (Modelo Brasileiro de Clima e Saúde). A ACP foi utilizada a fim de corroborar a modelagem de regressão. Os resultados encontrados mostraram associação entre AVAS e SO2, CO (ambos sem defasagem) e com o índice biometeorológico TEv4 (com defasagem de 4 dias). Os resultados chamam atenção para o SO2 que, mesmo muito abaixo do padrão de qualidade do ar recomendado, ainda provoca acréscimos nas internações. Para as AVAI, os resultados mostram associações entre os poluentes MP10, O3 (ambos sem defasagem) e TEv4 (com 3 dias defasamento). Com relação à IP, as variáveis que se mostraram relacionadas foram MP10 (sem defasagem) e TEv4 (com 3 dias defasagem). Para verificar o skill do modelo, utilizou-se o ano de 2001. Os modelos apresentaram erro médio de 15% para AVAS, 30% para AVAI e 44% para IP com relação à previsão das internações. No que diz respeito a ACP, esta concorda com o que foi encontrado na modelagem de Poisson. Porém para AVAI e IP, os escores dos poluentes e dos índices deverão ser usados separadamente. Estes resultados mostram que o MBCS poderá ser utilizado para previsão de internação, contribuindo para políticas públicas e os meios de comunicação, ajudando nas tomadas de decisões e evitando desperdícios econômicos e humanos. / The meteorological condition knowledge can provide society prejudice prevention regarding human and material resources. Therefore, the aim of this study the statistical modeling in order to prevent internment of morbidity based on air pollution and meteorological variability. The whole 1997 to 2000 at the city of São Paulo. The morbidity data was divided in to three categories: AVAS (upper respiratory airway diseases), AVAI (lower respiratory airway diseases) and IP (Influenza and Pneumonia). These data were obtained from Brazilian Heath Ministry. Air pollution data were obtained from CETESB (Environmental agency) and meteorological data from Parque Estadual das Fontes do Ipiranga. Thermal comfort indexes were also used based on meteorological variables. Poisson regression models as well as Principal Component (PC) models were used in order to evaluate the data through statistical methodology. These models were nominated MBCS (Brazilian Climate and Health Model). Scores from PC statistical analysis were also used in order to compare to multiple regression models. As the first results, AVAS modeling presents association with SO2, CO (both without time lag) and the TEv4- a biometeorological index (with 4 days time lag). SO2 presents interesting result due to the fact that it is below the recommended standard, but it still causes AVAS morbidity. Concerning AVAI results, the variables which explain the morbidity were the pollutants MP10, O3 (both without lag) and TEv4 (with 3 days lag). Regarding to the skill of the models, AVAS model presents a 15% average error; AVAI model, 30% and IP model, 44%, during year of 2001. PC analysis corroborated the Poisson models. Regarding PC more weight for AVAS was pollutants. Already AVAI and IP more weight was biometeorological indexes and meteorological variables. The risk results used scores was similar to the MMRP. However for AVAI and IP, the scores of the pollutants and scores of the indexes should be used individually. These results indicate these models can be used as a forecasting internment program, contributing on the public and media decisions, avoiding economical and human unnecessary wastes.

This study presents a model that explains the traffic fatality by exploring the Poisson regression model using two types of explanatory variables – referred to as internal and external factors. Internal factors contain variables closely linked to traffic safety, such as speed limits and belt usage (Strandroth et al., 2012), whereas external factors comprise a set of variables that the Swedish Transport Administration cannot control, such as the economy and demographic change (Wiklund et al., 2012). The purpose of the study is to evaluate the impact that internal and external factors have on the traffic fatality. This is done by modeling the traffic fatality using internal factors and then assessing the contribution of adding external factors in the regression model with a forward variable selection strategy. This study uses Swedish traffic fatality data as monthly statistics. The main characteristics of the data are that fatalities have generally decreased with time. Also, the data is characterized by a long term cyclical pattern as well as a yearly cyclical pattern. For the purpose of modeling the impact of internal factors, a model inspired by Brüde (1995) has been adopted, using the variable time as the only explanatory variable. It is concluded that internal factors can be used to significantly explain the general trend of the development of traffic fatalities. The variables chosen to represent external factors were economic development, traffic exposure, demographic development and seasonal trend. The study concludes that the variables economic development, traffic exposure and demographic development significantly contribute to explain the long term cyclical trends, indicating that traffic fatality is a complex multivariate system where no single variable can solely explain its dynamics. The external factor seasonal trend has the most impact of the examined external factors and explains the yearly cyclical pattern by itself. The model presented in this study shows high explanatory power and overall good fit to fatality data, making it a promising tool for statistical analysis of factors contributing to fatality. Especially for the Swedish Transport Administration, the impact of external factors can be evaluated statistically. This study leaves room for further research to assess the impact of additional external factors as well as evaluating the model’s predictive power, both of interest to the Swedish Transport Administration. / Denna studie presenterar en modell som förklarar dödsfall i trafiken genom tillämpning av Poissonregression där två typer av förklaringsvariabler använts – interna och externa faktorer. Interna faktorer innefattar variabler som är direkt knutna till trafiksäkerhet, såsom hastighetsbegränsningar och användande av säkerhetsbälte (Strandroth et al., 2012). Externa faktorer är variabler som Trafikverket inte kan kontrollera, såsom landets ekonomi och demografiska förändringar (Wiklund et al., 2012). Syftet med denna studie är att evaluera påverkan av interna och externa faktorer på dödsfall i vägtrafik. Detta görs genom att analysera hur väl interna faktorer förklarar dödsfall i vägtrafik och sedan undersöka förbättringen av att införa externa faktorer som förklaringsvariabler genom användande av en forward variable selection-strategi. Denna studie använder månatlig data över dödsfall i svensk trafik. Dessa data karaktäriseras av en nedgående trend. Dynamiken av dödsfall visar på ett långt cykliskt mönster samt ett kortare, årligt mönster. I syfte att modellera påverkan av interna faktorer har en modell inspirerad av Brüde (1995) tillämpats. Denna modell använder enbart variabeln tid som förklaringsvariabel. Studien konstaterar att interna faktorer kan användas för att signifikant beskriva en generell trend för utvecklingen av dödsfall i vägtrafik. Variablerna som har valts att representera externa faktorer är ekonomisk utveckling, trafikarbete, demografi samt en säsongstrend. Studien konstaterar att variablerna ekonomisk utveckling, trafikarbete och demografi beskriver det långa cykliska mönstret, vilket tyder på att dödsfall i vägtrafik är av komplex natur och kan inte beskrivas av en ensam variabel. Den externa faktorn säsongstrend förbättrar modellen mest av de externa faktorerna och kan ensam förklara det kortsiktiga cykliska mönstret. Den modell som presenteras i denna studie har hög förklaringsgrad och en överlag bra modellanpassning, vilket gör den till ett lovande verktyg för statistisk analys av faktorer bidragande till dödsfall i trafiken. Modellen är av särskilt intresse för Trafikverket då den tillåter statistisk utvärdering av externa faktorers påverkan. Denna studie lämnar utrymme för framtida forskning att utvärdera påverkan av ytterligare externa faktorer samt att evaluera modellens förmåga att prognostisera framtida antal dödsfall i vägtrafik, vilka båda är intresseområden för Trafikverket.