No description available.

Norstat recurrently performs a survey that contains questions about how much the respondent is watching different tv-channels, how different media-devices are used, the ownership of different devices and the usage of different tv-channel sites on the internet, social media, internet services, magazine services and streaming services. In this thesis, data from the survey performed during the autumn of 2016 was used. The aim of this thesis is to examine if there is a difference in answers based on different characteristics of the interviewers and respondents.  The 15 most important questions from the survey were chosen in this thesis, and to further reduce the number of response variables principal component analysis was used. The new scores that were produced by the analysis were the reduced response variables, which kept the most important information from the questions in the survey. Thereafter multilevel analyses and regression analyses were performed to examine the effects.   The results showed that there was an effect of different characteristics in different questions in the survey. The characteristics that showed effect were the age of the interviewer, the length of the employment, the age of the respondent, education, sex and native language. Some of the questions also showed effect based on whether the respondent lived in a metropolitan region or not. / Norstat genomför en återkommande undersökning om hur mycket respondenten tittar på olika kanaler, hur olika media-apparater används, ägande av olika apparater, användning av kanalers sidor på internet och sociala medier samt internettjänster, tidningstjänster och streamingtjänster. Datamaterialet som ligger till grund för denna uppsats kommer från undersökningen när den ägde rum under hösten 2016. Syftet med uppsatsen är att hitta skillnader i enkätsvaren som uppstått av olika egenskaper hos intervjuaren och respondenten. De 15 viktigaste enkätfrågorna valdes och i denna uppsats har principalkomponentanalys används för att reducera antalet responsvariabler ännu mer. Det gjordes genom att skapa score som är ett färre antal responsvariabler vilka tillsammans förklarar de olika enkätfrågorna i undersökningen. Därefter har multilevelanalyser och regressionsanalyser använts för att analysera bakgrundsvariablernas påverkan på enkätfrågorna. Resultatet visade att det fanns effekt av olika egenskaper i olika sorters enkätfrågor. De egenskaper som visade effekt var intervjuarens ålder och anställningstid samt respondentens ålder, utbildning, kön och modersmål. Vissa frågor påverkades även av om respondenten bodde i en storstadsregion eller inte.

A simulation study is carried out to compare three distance-based classifiers for their misclassification and asymptotic distributions when the data follow certain elliptically contoured distributions. The data are generated from multivariate normal, multivariate t and multivariate normal mixture distributions with varying covariance structures, sample sizes and dimension sizes. In many of the simulated cases, the dimensions of the data are much larger than the sample size. The simulations show that for small dimension sizes, the centroid classifier generally performs better. The nearest neighbour classifier shows superior performance compared to the other classifiers when the covariance structure is of compound symmetry form. All three classifiers showed to have asymptotic normal distribution, regardless of the underlying distribution of the data.

No description available.

Accurate prediction of future events is of great interest in various contexts. This thesis focuses on forecasting and predicting energy usage in the industrial sector, which provides valuable information for government agencies to plan and allocate the available budget. More specifically, the purpose is to evaluate if using explanatory variables in a dynamic regression with seasonal autoregressive integrated moving average (SARIMA) errors improves the forecasting accuracy of quarterly energy usage in the industrial sector in Sweden compared to a standard SARIMA model. The SARIMA model used for comparison is SARIMA(1,0,0)(0,1,1), while the dynamic regression model used has the explanatory variable value added of the industrial sector and SARIMA(1,0,0)(0,1,1) errors. The forecast performance of the two models is compared for both quarterly and yearly forecast horizons using root mean squared error (RMSE) and mean absolute error (MAE). The results show that the RMSE and MAE of the dynamic regression model are lower for both forecast horizons compared to the SARIMA model. Also, a significance test (OOS-t) and an encompassing test (ENC-NEW) are employed, which show that the difference in forecasting accuracy is statistically significant and that the SARIMA forecast doesn’t encompass the forecast of the dynamic regression model.

No description available.

No description available.

Det saknas idag resultat inom forskning som kan urskilja en klassificeringsmetod som konsekvent presterar bättre än övriga, vilken metod som presterar bäst beror mer på datats karaktäristika än själva metoden. Samtidigt är klassificering ett viktigt och användbart verktyg som används inom flera områden, bland annat medicin där klassificeringsmetoder används i stor utsträckning och resultaten av klassificering kan vara livsavgörande. Det har i tidigare studier visats att kognitiva tester från Betula-studien har signifikant samband med insjuknande i demens upp till 10 år innan klinisk demens bekräftats. Det finns dock inget dokumenterat försök att prediktera demens genom klassificering med kognitiva data från Betula-studien. Syftet med denna uppsats är att undersöka hur tre olika etablerade klassificeringsmetoder, linjär diskriminantanalys, support vector machines, med polynom och radial kärna, samt gradient tree boosting presterar på ett datamaterial med tre klasser. Data kommer från Betula-studien och består av kognitiva minnestester och persondata, klasserna bestäms utifrån hur många år efter inkludering i studien en deltagare blir diagnostiserad med klinisk demens. Klass 1 utvecklade inte demens, klass 2 utvecklade demens mellan 11 och 21 år och klass 3 mellan 1 och 10 år. Eftersom fördelningen av klasserna är obalanserade, klass 1 består av ca 85% av alla observationer, undersöks även en balanserad version av datamaterialet. Resultaten visar på en viss skillnad i fördelningen av korrekta och felaktiga klassificeringar för de olika metoderna. Vad gäller andelen korrekta och felaktiga klassificeringar kan inte någon betydande skillnad påvisas. Slutsatsen är att det inte går att avgöra om någon metod presterar bättre än de övriga.

No description available.

Women’s empowerment has been thoroughly discussed during the last two decades, yet the research on the components of empowerment on the national level is still lacking. This paper aims to fill that gap by investigating which national causes and effects of women’s empowerment that are generally visible across developing countries. Previous studies on meso- and micro level have shown that an increase in women’s education, an increase in women’s economic independence as well as a strong legal framework is positively associated with women’s empowerment. Furthermore, a strengthening of women’s reproductive rights, an increase in children’s health and a better representation of women in parliament have been identified as effects of women’s empowerment. These hypotheses are tested through a structural equation model where women’s empowerment is estimated as a latent factor. The final model, which suffers from bad fit, shows that the quality of education is a strong determinant of women’s empowerment, and that women’s empowerment significantly affects the general level of children’s health. It also indicates that the strength of the legal framework is actually negatively correlated with women’s empowerment - a finding that calls for further research.