<p>Bolagsskatteintäkterna uppvisar stora variationer mellan åren och är därför en av de skatter som får störst prognosfel. En av anledningarna till att den är så svårprognostiserad är för att bolagsskatten är svår att knyta till utvecklingen av någon underliggande makrovariabel.</p><p>Eftersom utfallet på bolagsskatteintäkterna först presenteras i november året efter inkomståret måste finansdepartementet även prognostisera bolagsskatten för föregående år. I uppsatsen kommer därför en felkorrigeringsmodell att estimeras avsedd för att skatta föregående års bolagsskatteintäkter. Under uppsatsarbetets gång undersöks även vilka underliggande makrovariabler som kan tänkas påverka bolagsskatteintäkterna och användas för en långsiktig prognos.</p><p>Den estimerade felkorrigeringsmodellen visade sig fungera väl som prognosverktyg för föregående års bolagsskatteintäkter. De variabler som hade största påverkan på bolagsskatteintäkterna; driftöverskottet nettot, AFGX, bolagsskattesatsen och privat konsumtion uppvisade dock inte tillräckligt starka samband för att användas vid långsiktig prognos.</p>

Bolagsskatteintäkterna uppvisar stora variationer mellan åren och är därför en av de skatter som får störst prognosfel. En av anledningarna till att den är så svårprognostiserad är för att bolagsskatten är svår att knyta till utvecklingen av någon underliggande makrovariabel. Eftersom utfallet på bolagsskatteintäkterna först presenteras i november året efter inkomståret måste finansdepartementet även prognostisera bolagsskatten för föregående år. I uppsatsen kommer därför en felkorrigeringsmodell att estimeras avsedd för att skatta föregående års bolagsskatteintäkter. Under uppsatsarbetets gång undersöks även vilka underliggande makrovariabler som kan tänkas påverka bolagsskatteintäkterna och användas för en långsiktig prognos. Den estimerade felkorrigeringsmodellen visade sig fungera väl som prognosverktyg för föregående års bolagsskatteintäkter. De variabler som hade största påverkan på bolagsskatteintäkterna; driftöverskottet nettot, AFGX, bolagsskattesatsen och privat konsumtion uppvisade dock inte tillräckligt starka samband för att användas vid långsiktig prognos.

Denna rapports frågeställning är: hur lämpar sig psykiatrins data för en datalagerstruktur och inleds med en bakgrund där en litteraturstudie genomförs. Efter detta kommer en metod del och en genomförande del där intervjuer med avdelningschefer, verksamhetschefen, samt en verksamhetsutvecklare på ett svenskt universitetssjukhus psykiatriavdelning beskrivs. Genom observationer och analys av sjukhusets data samt svaren från respondenterna sammanställdes ett resultat som visar emot att detta sjukhus inte har en god grund för en datalagerstruktur, men genom omprioriteringar kan detta förbättras. Resultatet baserades på forskning gjord av Inmon (2005) och fyra av de kategorier som han anser är mest relevanta för en datalagerstruktur, samt insamlad data från universitetssjukhuset. Det framkom även att alla svenska sjukhus verkar ha problem med sina system och att hela svenska vården är i en uppgraderingsfas där det vid en sådan investering bör prioriteras att skapa fungerande datalagerstrukturer för att kunna analysera vilka resultat vården ger. Just nu fattas beslut i blindo och detta kommer inte förändras om inte förändring sker. / This report's question is: how does psychiatry's data fit into a data warehouse structure and starts with a background in which a literature study is carried out. After this, a method part and an implementation part will be described in which interviews with department heads, the operations manager, as well as an operations developer at a Swedish university hospital's psychiatry department are described. Through observations and analysis of the hospital data and the responses of the respondents, a result was compiled which shows that this hospital does not have a good basis for a data warehouse structure, but through re-prioritization this can be improved. The result was based on research done by Inmon (2005) and four of the categories that he considers to be most relevant to a data warehouse structure, as well as data collected from the university hospital. It also emerged that all Swedish hospitals seem to have problems with their systems and that the entire Swedish healthcare system is in an upgrade phase where it should be prioritized in such an investment to create functioning data warehouse structures in order to be able to analyze the results the health care gives. Right now, decisions are being made blindly and this will not change unless change is made.