Sambandsanalys av surveydata kompliceras av förekomsten av slumpfel och metodeffekter i de avgivna svaren. Dessa felkällor kan leda till betydande över- eller underskattning av sambanden mellan undersökta variabler, och riskerar att leda till felaktiga slutsatser. En sedan länge känd metod för att estimera och kontrollera för slumpfel och metodeffekter i enkätdata är den så kallade Multitrait Multimethod-metoden (MTMM). Nackdelen med MTMM-metoden är att den kräver att varje fråga som ska analyseras ställs minst tre gånger i samma enkät, vilket gör att ansatsen i praktiken oftast inte är möjlig att tillämpa. Sedan 2012 finns dock ett verktyg, SQP 2.0, som gör det möjligt att skatta slumpfel och metodeffekter i enkätdata utan att genomföra MTMM-experiment. Den här uppsatsen utvärderar prediktionerna från SQP 2.0 på en enkät om arbetslivsrelaterade frågor besvarad av svenska och brittiska respondenter. Programvarans prediktioner jämförs med resultat från MTMM-experiment, och effekten på sambandsanalysen av att tillämpa SQP-programvarans prediktioner av slumpfel och metodeffekter studeras. Slutsatserna från studien är att SQP 2.0 ger predicerade värden för slumpfel och metod-effekter som ligger nära de MTMM-estimerade i de flesta fall, men att betydande avvikelser också förekommer. Vidare konstateras att korrigering för slumpfel och metodeffekter har en betydande effekt på absolutvärdet av korrelationerna mellan variabler under de studerande förhållandena: korrelationerna i det studerade fallet ökar kraftigt efter justering. Korrelationernas relativa storlek förändras i mindre utsträckning, men för en enkät med mer varierade frågetyper kan också dessa påverkas kraftigt. / Correlation analysis of survey data is complicated by the presence of random errors and method effects in the answers given. These factors can lead to significant over- or underestimation of the correlations between variables. A well-established method for estimating and controlling for random error and method effects in survey data is the Multitrait-Multimethod (MTMM) approach. The disadvantage of this method is that it requires that each survey item to be analysed is asked multiple times in the same survey, making the approach hard to use in many practical situations. Since 2012 there is a tool available, SQP 2.0, to predict random errors and method effects in survey data without performing MTMM experiments. This paper evaluates the use of predictions from the SQP 2.0 software on the correlation analysis of a survey of work related matters answered by Swedish and British respondents. The software's predictions are compared with results from MTMM experiments, and the effect on the correlations of applying the SQP software's predictions of random errors and method effects are studied. The conclusion of the study is that SQP 2.0 gives predicted values for random error and method effects that are close to the MTMM-estimates in most cases, but that considerable deviations also occur. It is further concluded that controlling for random error and method effects has a significant effect on the absolute values of the correlations between variables in the studied cases: the correlations in the study increase substantially after adjustment. The relative sizes of the correlations between variables change to a lesser extent, but a questionnaire with more varied question types may have lead to different results in this respect.