There seems to be a common understanding nowadays that the economy is nonlinear. Economic theory suggests features that can not be incorporated into linear frameworks, and over the decades a solid body of empirical evidence of nonlinearities in economic time series has been gathered. This thesis consists of four essays that have to do with various forms of nonlinear statistical inference. In the first chapter the problem of determining the number regimes in a threshold autoregressive (TAR) model is considered. Typically, the number of regimes (or thresholds) is assumed unknown and has to be determined from the data. The solution provided in the chapter first uses the smooth transition autoregressive (STAR) model with a fixed and rapid transition to approximate the TAR model. The number of thresholds is then determined using sequential misspecification tests developed for the STAR model.  The main characteristic of the proposed method is that only standard statistical inference is used, as opposed to non-standard inference or computation intensive bootstrap-based methods. In the second chapter a similar idea is employed and the structural break model is approximated with a smoothly time-varying autoregressive model. By making the smooth changes in parameters rapid, the model is able to closely approximate the corresponding model with breaks in the parameter structure. This approximation makes the misspecification tests developed for the STR modelling framework available and they can be used for sequentially determining the number of breaks. Again, the method is computationally simple as all tests rely on standard statistical inference. There exists literature suggesting that business cycle fluctuations affect the pattern of seasonality in macroeconomic series. A question asked in the third chapter is whether other factors such as changes in institutions or technological change may have this effect as well. The time-varying smooth transition autoregressive (TV- STAR) models that can incorporate both types of change are used to model the (possible) changes in seasonal patterns and shed light on the hypothesis that institutional and technological changes (proxied by time) may have a stronger effect on seasonal patterns than business cycle. The TV-STAR testing framework is applied to nine quarterly industrial production series from the G7 countries, Finland and Sweden. These series display strong seasonal patterns and also contain the business cycle fluctuations. The empirical results of the chapter suggest that seasonal patterns in these series have been changing over time and, furthermore, that the business cycle fluctuations do not seem to be the main cause for this change. The last chapter of the thesis considers the possibility of testing for Granger causality in bivariate nonlinear systems when the exact form of the nonlinear relationship between variables is not known. The idea is to linearize the testing problem by approximating the nonlinear system by its Taylor expansion. The expansion is linear in parameters and one gets round the difficulty caused by the unknown functional form of the relationship under investigation. / <p>Diss. Stockholm : Handelshögskolan, 2004</p>

Trots omfattande forskning om ledarskap saknar vi fortfarande viktig kunskap om hur ledare kan förbättra sin effektivitet. Denna studie utvärderar om ett coachprogram, vars innehåll är baserat på beteendeanalytiska principer, kan användas för att förbättra en chefs effektivitet. Designen är en fallstudie där data för beteende- och resultatmått samlades in vecko- och månadsvis under en baslinjeperiod samt en interventionsperiod. En chef för en säljavdelning i ett svenskt företag deltog i studien, och mottog coaching i en kombination av självstudier, hemuppgifter, och möten. En tydlig höjning av viktiga målbeteenden för gruppen, genomförda kundmöten, kunde observeras efter interventionen. Dessutom förbättrades gruppens resultat mätt som försäljning. Resultaten tyder på att beteendeanalytiska principer kan användas av chefer för att utveckla sitt ledarskap. Vidare verkar en coachande metod kunna användas för att göra kunskaperna om beteendeanalys praktiskt användbara för chefer. Kommande forskning skulle kunna undersöka om detta resultat kan generaliseras genom att upprepa studien i andra organisationer och med fler coacher.

Enligt det antagna klimatmålet år 2017 ska Sverige vara utsläppsneutralt år 2045. Detta innebär att Sveriges utsläpp av växthusgaser måste minska kraftigt. I denna studie studeras utsläpp från olika sektorer och genom en tidsserieanalys prediceras framtida utsläppsvärden fram. Resultaten i studien visar att utsläppen förväntas minska inom samtliga studerade sektorer men att ytterligare forskning krävs för att veta om denna minskning är tillräcklig. Vidare är resultaten känsliga för förändringar, varför uppdaterade och kontinuerliga analyser rekommenderas.

En förtätning av Sveriges fasta referensnät SWEPOS® pågår för närvarande. De fasta referensstationerna i SWEPOS-nätet delas in i klass A och B med huvudsaklig skillnad i montering/placering av antenner och fästen. Under installationerna förankras klass Astationerna i berggrund medan klass B-stationerna monteras direkt på allmänna byggnader och anläggningar. Förtätningen sker primärt med B-stationer vilket innebär att SWEPOS-nätet består av dessa till ca 90 %. Förtätningen görs för att minska mätosäkerheten vid relativa mätningsmetoder som exempelvis NRTK (Network Real Time Kinematic). NRTK är den mest efterfrågade metoden idag och det finns ett behov från SWEPOS-användare att minska mätosäkerheten med NRTK. Eftersom förtätningen beräknas vara färdig under 2016 undersöks nu alternativa sätt att minska mätosäkerheten ytterligare med NRTK. Det här examensarbetet fungerar som en del i dessa undersökningar. Av den anledningen har det undersökts om positionsvariationer i B-klassade SWEPOS-stationer går att koppla till säsong (tid på året) eller montering/placering av antenn och fäste (monument). Med Fourier-analys av stationsobservationsdata (tidsserier) identifierades amplitudvärden hos periodiska funktioner som hade ett års våglängd. Värdena omberäknades i Excel vilket gav positionsvariationer i form av radiella amplituder (totala amplituder). Lantmäteriet förväntade att mellan 10-20 % av stationerna skulle ha höga totala amplituder, över 2 σ från stationsmedelvärden, i höjd eller plan. Därmed var en målsättning att undersöka denna förväntning. Ytterligare en målsättning var att undersöka om det fanns en tydlig “vintereffekt” inom SWEPOS.  Det vill säga om perioder med snö påverkar stationernas mätningar negativt eller inte.  Denna målsättning testades genom nollhypotesen: ”Det är högre total amplitud under snöperioden än under den snöfria perioden.”. Den tredje och sista målsättningen var att hitta ett förhållande mellan höga totala amplituder (höjd respektive plan) och monumentets montering/placering. Tidsserieanalys utfördes i programmet Tsview och dagliga koordinatobservationer från 217 B-klassade stationer analyserades. Efter bearbetning i Excel av utdatat från Tsview erhölls resultat. Totalt hade ca 18 % av stationerna höga positionsvariationer, i antingen höjd eller plan, vilket motsvarade förväntningen. Hypotesprövningen visade att det finns en signifikant “vintereffekt” men att den är begränsad till individuella stationer och vanligare i norra Sverige. Gällande positionsvariationer och montering/placering av antenn och fäste var det endast en klass som avvek nämnvärt. Denna var ”Taknock” och innebar att stationer som hade antennen och fästet placerade vid taknocken på en byggnad, hade högre positionsvariation (plan) i form av total amplitud.

Diss. Uppsala : Uppsala universitet, 2006.

Under det senaste seklet har en omvälvande samhällsreformation tagit plats i Sverige. Medan storstadsområden har vuxit utan någon tydlig slutpunkt, har landsbygden förlorat befolkning, service och jobb. I takt med att skolor och offentliga institutioner stängts har landsbygden blivit allt mer isolerad och i den politiska debatten tycks frågan ha hamnat i periferin. I denna studie analyseras hur förtroendet för demokratiska institutioner har förändrats på landsbygden mellan 1988 och 2015. Hypotesen som prövas är att förtroendet för demokratiska institutioner har sjunkit hos landsbygdsbefolkningen i takt med den politiska isolering som skett under de senaste 30 åren. Resultaten av den kvantitativa analys som genomförs visar att hypotesen inte entydigt stämmer. Förtroendet för demokratiska institutioner som regering och domstolar har snarare ökat genom åren, såväl på landsbygden som i storstaden. Studiens huvudsakliga upptäckt är att en statistiskt säkerställd skillnad i förtroende föreligger mellan storstaden och landsbygden, där storstadsbor har högre förtroende för demokratiska institutioner än individer på landsbygden. I ett försök att förklara denna skillnad genomförs en multipel regression som påvisar att faktorer så som utbildning och hushållsinkomst har stor inverkan på förtroendet för demokratiska institutioner. Exakt hur dessa socioekonomiska faktorer relaterar till landsbygden är en senare fråga som inte berörs på ett djupare plan i denna studie, men gärna analyseras vidare av författaren i en framtida vidareutveckling av uppsatsen.

Bakgrund: Denna uppsats riktar in sig på hotell i Stockholm och all data som anges gäller för staden som helhet. Inom Hotellbranschen finns det tre vedertagna nyckeltal som kan sägas beskriva hur det går ekonomiskt för ett hotell. Då hotellen till stor del styrs efter dessa tre nyckeltal så är det av stort intresse för varje enskilt hotell att jämföra sina egna värden med marknadens värden på dessa nyckeltal. Om prognoser utförs på dessa nyckeltal borde det vara av stort intresse för varje hotell att ta del av dessa prognoser för att på så vis kunna reglera prissättningen utefter hur marknaden kommer att se ut den närmaste tiden. Syfte: Ta fram modeller som utifrån framtida evenemang och framtida bokningsläge prognostiserar hotellmarknadens Beläggning och Rumsintäkter. Utifrån dessa prognoser beräknas nyckeltalen Beläggning, Snittpris och intäkt per disponibelt rum på dagsnivå ett år fram i tiden, det vill säga för år 2016. Metod: Då datamaterialet består av tidsserier med tillhörande förklarande variabler används en typ av dynamisk regressionsmodell. Dessa modeller är utformade för att hantera tidsseriedata med tillhörande förklarande variabler. Modellen som används kallas för regression med ARMA-fel och syftar till att en multipel regression anpassas och en lämplig ARMA-modell tas fram för att förklara feltermerna. På så vis modelleras även autokorrelationen som annars finns kvar i feltermerna. Resultat: Modellen för Beläggningen består av fyra förklarande variabler och feltermerna antas följa en AR-struktur. Rumsintäkterna prognostiseras med en modell med sju förklarande variabler, även för denna modell antas feltermerna följa en AR-struktur. Det tycks också finnas en säsong i data vilken också modelleras i form av en AR-struktur för de båda modellerna. Prognosen för nyckeltalen ser till största del ut att följa föregående års mönster, och evenemangs-typen Event ger oftast en hög skattning i förhållande till månaden. Evenemangstypen Högtid tycks ge en negativ effekt och Bokningsläget har en positiv effekt för båda modellerna. Slutsats: Modellerna anses välanpassade men det krävs mer bearbetning på de förklarande variablerna där till exempel event bör grupperas in beroende på vad för slags event det är. För att prognostisera rumsintäkter bör en variabel som förklara hotellens prisjusteringar modelleras. / Background: This thesis targets hotels in Stockholm with aggregated data for the city. In the hotel market there’s three key indicators of particular interest and can be said describes how the market goes. Because of how much influence these key indicator have on the hotels it’s in great interest for the hotels to compare themselves with the market values. If these key indicators where forecasted it would perhaps be of great interest for the hotels to buy these forecasts to be able to control the room pricing in advance. Purpose: Develop forecasting models due to future event and bookings with occupancy and room revenue as response variables. The key indicators revenue per available rooms and average price is then calculated through these forecasts for the year 2016. Method: Since data consist of response variables (called output series) where the future values this series depends on past values of this series and a multiple set of related time series and external events (called input series) a dynamic regression called “regression with ARMA errors” where used. The method implies that you suit a multiple regression where the error terms are modelled with an appropriate ARMA model. Results: The model for occupancy consist of four dependent variables and the model for the room revenue contain seven dependent variables. The error terms for these models include an autoregressive model with both seasonal and non-seasonal orders. The forecast for the key indicators seems to follow the same pattern as previous years, where the event type Event more often than not gives a high estimate in relation to the current month. The event type Holiday seems to have a negative impact and bookings has a small positive effect for both models. Conclusions: The models seems to fit data well but the input series needs more processing where the variable event seems to need some subgrouping. To forecast the room revenue is seems like a variable explaining price changes need to be constructed.

Price trends on the Swedish housing market has risen sharply in recent decades and is at the moment up to the highest price level ever. The sharp price movements have opened up for discussion about a possible housing bubble. To prevent this the Riksbank can change the repo rate, which in turn aects the lenders' lending rates. Finansinspektionen introduced in autumn 2010, a mortgage cap which means that the house will be mortgaged to a maximum of 85 percent of its market value. The purpose of this was to cool the housing market and prevent the unsustainable development of household debt. The purpose of this study is to examine in particular the repo rates and the mortgage caps eect on house prices in Sweden. Although other variables that aect supply and demand in the housing market from a macroeconomic perspective will be included in the model, such as GDP, unemployment and the nancial crisis of 2008. This study has been done by using a quantitative analysis, consisting of time series analysis. The results conrm all the investigated variables expected impact on house prices. As for the repo rate and the mortgage cap the results showed that these have a negative eect on house prices in Sweden. / Prisutvecklingen pa den Svenska bostadsmarknaden har stigit kraftigt under de senaste decennierna och ar just nu uppe i den hogsta prisnivan nagonsin. Den kraftiga prisutvecklingen har oppnat for diskussion om en eventuell bostadsbubbla. For att motverka detta kan Riksbanken andra reporantan som i sin tur paverkar kreditgivarnas utlaningsranta. Finansinspektionen inforde under hosten 2010 ett bolanetak som innebar att bostaden hogst ska belanas till 85 procent av marknadsvardet. Detta for att kyla bostadsmarknaden och motverka den ohallbara utvecklingen av hushallens skuldsattning. Syftet med denna studie ar att framforallt undersoka reporantans och bolanetakets eekt pa smahuspriser i Sverige. Aven andra variabler som paverkar utbudet och efterfragan pa bostadsmarknaden ur ett makroekonomiskt perspektiv kommer att inga i modellen, till exempel BNP, arbetsloshet och nanskrisen 2008. Detta genomfors med hjalp av en kvantitativ analys, bestaende av tidsserieanalys. Resultatet bekraftar alla undersokta variablers vantade eekter pa smahuspriser. Vad galler reporantan och bolanetaket sa visade resultatet pa att dessa har negativ eekt pa smahuspriser i Sverige.

Huvudsyftet med denna studie är att förstå om ett säsongsmässigt autoregressivt integrerat rörligt genomsnitt (SARIMA) -metod pålitligt kan förutsäga extrem variation i värmelaster för en fjärrvärmestation. Genom extrem variation ser vi på den maximala och minsta värmebelastningen per dag mätt i megawattstimmar. Avhandlingen bygger på standardimplementering av SARIMAX och utför en rutnätsökning efter de mest lämpliga parametrarna. Prognoser kan genereras från tidsserier i syfte att uppskatta förväntad energiförbrukning i en fjärrvärmestation. Frågan som ställs är: Hur tillförlitlig är SARIMAX-modellen för energibehov i en fjärrvärmestation? För att besvara studiens fråga designas och genomförs experiment med hjälp av ett dataset från verkliga mätningar. Datasetet studerades och analyserades med hjälp av undersökande dataanalystekniker som kommer med statistiska paket implementerade i en pythonmiljön, som kan användas som ett statistiskt program. Uppgifterna är uppdelade i två säsonger, sommar och vinter. Där den explorativa analysen av datasetet visar att modellen måste ta hänsyn till den starka veckocykeln med data. Så att korrelationen mellan utetemperaturen kan användas för att förbättra förutsägelsen. Fininställning och tillämpning av SARIMAX och Prophet för förutsägelser genererar data i form av diagram som visar hur tillförlitlig modellen är för förutsägelse. Resultaten visar att SARIMAX-modellen presterar bättre under vintermånaderna och sämre under sommaren. Baserat på dessa resultat antyder avhandlingsstudien att SARIMAX-modellen är mer tillämplig under vintermånaderna där förutsägelsen är mer tillförlitlig. Jämförelser med Prophet modellen indikerar lovande resultat och att vidare forskning borde föras för denna modell. Dessa resultat kan vara till hjälp för industrin som förser samhället och konsumenterna med fjärrvärme. Det hjälper till att förutse hur mycket energiförbrukning som används där industrin kan använda den för att reglera mängden fjärrvärme, för att ytterligare hjälpa ekonomin och miljön. / The main objective in this study is to understand if a Seasonal Autoregressive Integrated Moving Average (SARIMA) method can reliably predict extreme variation in heat loads for a district heating substation. By extreme variation we look at the maximum and minimum heat load per day measured in megawatt hour. The thesis relies on standard implementation of SARIMAX and performs a grid search for the most suitable parameters. Forecast can be generated from time series with the purpose of estimating expected energy consumption in a district heating substation. The question addressed is: How reliable is the SARIMAX-model for energy demand in a district heating substation? To answer the study’s question, experiments are designed and conducted using a dataset from real measurements. The dataset was studied and analyzed using exploratory data analysis techniques that come with statistical packages implemented in the python environment, which can be used as a statistical program. The data is separated into two seasons, summer and winter. Where the explorative analysis of the data shows that the model needs to take in account the strong weekly cycle of data. Also the correlation between the outside temperature can be used to improve prediction. Fine tuning and applying SARIMAX and Prophet for predictions generates data in the form of graphs and tables which shows how reliable the SARIMAX model is for prediction. Results show that the SARIMAX model is performing better during winter months and worse during summer. Based on these results, the thesis study suggests that the SARIMAX-model is more applicable during winter months where prediction is more reliable. Comparison with the Prophet model indicates promising results and that further investigations should be made into this model. These results can be of help to the industry that supplies the community and consumers with district heating. It helps by predicting how much energy consumption is used where the industry can use it to regulate the amount of district heating, to further help the economy and environment.

The Free-To-Play industry relies on getting a huge inflow of new players that might result in future gross bookings. Consequently, getting organic new players is crucial to ensure its health, especially as they have no direct associated acquisition cost. In addition, forecasting helps business planning as future gross bookings result from those news installs. This thesis investigates methods such as Linear Regression, Ridge, Lasso regularization, time-series analysis, and Prophet to forecast the inflow of organic installs and try to understand the factors impacting it. Using the data from 3 games for two platforms and 15 countries, it investigates the differences in behavior observed over the segments. This thesis first focuses on a specific segment by modeling the inflow of organic installs for the game number 17 on iOS in the United States of America. On this segment, the best model is the Lasso model using, among others, a Prophet model as a variable. However, the generalization to all segments is difficult. On average, exponential decay over time is the best way to forecast the future inflow of organic as it presents the more consistent performances over all segments. / Free-To-Play-branschen är beroende av att få ett stort inflöde av nya spelare, som sedan eventuellt kan generera framtida intäkter. För att kunna säkerställa ett spels fortsatta hälsa är det därför avgörande att få nya spelare organiskt. Detta är särskilt viktigt då det inte innebär någon anskaffningskostnad. Då framtida intäkter är beroende av nya nedladdningar är prognostisering till stor nytta i företagsplanering. Denna uppsats använder metoder som linjär regression, Ridge, Lasso-regularization, tidsserieanalys och Prophet för att förutspå inflödet av organiska nedladdningar och förstå vilka faktorer som påverkar detta inflöde.Genom användningen av data från tre spel från två plattformar och 15 länder undersöks skillnader i beteende för olika segment. Denna uppsats fokuserar på ett specifikt segment genom att modellera inflödet av organiska nedladdningar för spel nummer 17 på iOS i USA. För detta segment är Lasso-modellen bäst, som bland annat använder Prophet-modellen som variabel. Det är dock svårt att överföra slutsatserna på andra segment. Istället är det bättre att anta en exponentiell nedgång över tid när man förutspår framtida inflöden av organiska nedladdningar, då det ger mer konsekventa resultat för alla segment.