Tidigare forskning kring otydlighet och stress som enskilda begrepp är omfattande. Då studier visar att otydlighet i flera aspekter, exempelvis otydlig arbetsmiljö, påverkar människors upplevda stress är det således intressant att titta på begreppen tillsammans. Denna studie ämnar utveckla ett mätinstrument för att kunna mäta upplevd otydlighetsstress inom organisationer eftersom det idag saknas. Metoden tog avstamp i utvecklingen av ett frågeformulär, därefter genomfördes en pilotstudie med efterföljande enkätundersökning där 230 svar registrerades. Explorativ faktoranalys genomfördes på de data vi samlat in för att försäkra att otydlighetsstress verkligen mäts. Vidare beräknades Cronbachs alfa i syfte att ta reda på den interna reliabiliteten. Studien resulterade i att fyra faktorer skapades utifrån kriteriet >0,6 för faktorladdningar och namngavs till: depression (α=0,94), krav (α=0,82), arbetsrelaterad otydlighet (α=-0,75) och otydlighet i kommunikation (α=0,82). Den interna reliabiliteten beräknades till 0,88 för hela mätinstrumentet. Mätinstrumentet fick namnet Ambiguity Stress Scale.

The purpose of this study was to investigate the prevalence of exercise dependence, as well as conducting a re-evaluation of the Exercise Dependence Scale-Revised (EDS-R) through a confirmatory factor analysis. The study was based on three Swedish data collections (N = 1101), collected through online questionnaires answered by physically active adults. The study found a prevalence of exercise dependence between 3.6-9%, primary exercise dependence between 1.7-2.2%, and a prevalence of primary exercise dependence with anxiety management as motivation of 1.8% across the three data-collections. The confirmatory factor analysis revealed that the hypothesized 21-item 7-factor structure of the EDS-R contributed to a tolerable fit of data with good psychometric properties, although a poor factor loading of item 19 in the factor ‘Reduction in other activities’ was found. This study concludes that the EDS-R is a valid measurement of exercise dependence, but further research is needed to evaluate the relation between primary exercise dependence and anxiety management, as well as the construct validity of the individual items. / Syftet med denna studie var att undersöka prevalensen av träningsberoende, samt utföra en omvärdering av träningsberoendeskalan-reviderad (EDS-R) genom en konfirmatorisk faktoranalys. Studien baserades på tre svenska datakollektioner (N = 1101), insamlade genom online-enkäter besvarade av fysiskt aktiva vuxna. Studien fann en prevalens av träningsberoende mellan 3.6-9%, primärt träningsberoende mellan 1.7-2.2%, och en prevalens av primärt träningsberoende med ångesthantering som motivation på 1.8% över de tre datakollektionerna. Den konfirmatoriska faktoranalysen avslöjade att den hypotiserade 21-objekt 7-faktor strukturen av EDS-R bidrog till en tolerabel passform av data med goda psykometriska egenskaper, även om en dålig faktorladdning av objekt 19 i faktorn 'Reduktion i andra aktiviteter' hittades. Denna studie drar slutsatsen att EDS-R är ett giltigt mått på träningsberoende, men ytterligare forskning behövs för att utvärdera relationen mellan primärt träningsberoende och ångesthantering, samt konstruktionsvaliditeten för de enskilda objekten.

This project was initiated due to the need for new manners of taking care of elderly. The purpose was to determine the perception of eHealth within home care. The goal was to analyze the perception of eHealth in order to find factors which may affect the implementation of eHealth services. To distinguish the perception, surveys with health personnel within home care and the general public as well as and interviews with municipalities were performed. An extension of the Technology Acceptance Model was used in order to locate the perception to seven different categories related to eHealth. The results from the surveys were statistically analysed, and a factor analysis was executed on the surveys, in order to find groups with similar perception on eHealth. The surveys showed that the general perception of the usability and ease of use of eHealth is positive, even though one view was that the society needs to invest more money within the area. The factor analysis resulted in six different groups of perceptions for the personnel and three groups for the general public. The interviews demonstrated that a clear and common definition of eHealth is missing. Despite that, a positive perception of eHealth within the municipalities existed. A conclusion made was that with clear guidelines of how to work eHealth, a wider and faster implementation will be easier to accomplish. / Syftet med detta projekt var att undersöka inställningen till eHälsa inom äldrevården. Projektet initierades på grund av att det fanns ett behov av nya tillvägagångssätt för att ta hand om äldre människor. Målet var att analysera inställningen till eHälsa, och om möjligt, finna faktorer som kan påverka implementeringen av eHälsotjänster. För att lokalisera inställningen gjordes enkätundersökningar med personal inom hemtjänsten samt med allmänheten. Även intervjuer med kommuner utfördes. En påbyggnad av Technology Acceptance Model användes för att lokalisera upp- fattningen kring sju kategorier relaterade till eHälsa. Enkätundersökningarnas resultat analyserades statistiskt, samt så utfördes en faktoranalys för att hitta grupper som hade liknande uppfattning gällande eHälsa. Analyserna visade att den allmänna uppfattningen gällande nyttan med, och användarvänligheten av eHälsa är positiv. Majoriteten anser att samhället behöver investera mer pengar i området. Faktoranalysen resulterade i sex olika grupper av inställningar inom personalen samt tre grupper för allmänheten. Intervjuer med kommuner påvisade att en klar och tydlig definition av eHälsa saknas. Trots det, har de i stort en positiv inställning till eHälsa och dess utveckling. En slutsats är att tydligare riktlinjer rörande arbete med eHälsa skulle kunna möjliggöra en smidigare implementering.

Transcription factors (TFs) are key regulatory proteins that regulate transcriptionthrough precise, but highly variable binding events to cis-regulatory elements.The complexity of their regulatory patterns makes it difficult to determinethe roles of different TFs, a task which the field is still struggling with.Experimental procedures for this purpose, such as knock out experiments, arehowever costly and time consuming, and with the ever-increasing availabilityof sequencing data, computational methods for inferring the activity of TFsfrom such data have become of great interest. Current methods are howeverlacking in several regards, which necessitates further exploration of alternatives. A novel tool for estimating the activity of individual TFs over time fromlongitudinal mRNA expression data was in this project therefore put togetherand tested on data from Mus musculus liver and brain. The tool is based onprincipal component analysis, which is applied to data subsets containing theexpression data of genes likely regulated by a specific TF to acquire an estimationof its activity. Though initial tests on 17 selected TFs showed issues withunspecific trends in the estimations, further testing is required for a statementon the potential of the estimator. / Transcriptionsfaktorer (TFer) är viktiga regulatoriska protein som reglerar transkriptiongenom att binda till cis-regulatoriska element på precisa, menmycketvarierande vis. Komplexiteten i deras regulatoriska mönster gör det svårt attavgöra vilka roller olika TFer har, vilket är en uppgift som fältet fortfarandebrottas med. Experimentella procedurer i detta syfte, till exempel "knockout"experiment, är dock kostsamma och tidskrävande, och med den evigt ökandetillgången på sekvenseringsdata har metoder för att beräkna TFers aktivitetfrån sådan data fått stort intresse. De beräkningsmetoder som finns idag bristerdock på flera punker, vilket erfordrar ett fortsatt sökande efter alternativ. Ett nytt vektyg för att upskatta aktiviteten hos individuella TFer över tidmed hjälp av longitunell mRNA-uttrycksdata utvecklades därför i det här projektetoch testades på data från Mus musculus lever och hjärna. Verktyget ärbaserat på principalkomponentsanalys, som applicerades på set med uttrycksdatafrån gener sannolikt reglerade av en specifik TF för att erhålla en uppskattningav dess aktivitet. Trots att de första testerna för 17 utvalda TFer påvisadeproblem med ospecifika trender i upskattningarna krävs forsatta tester för attkunna ge ett tydligt svar på vilken potential estimatorn har.

A common task in data science at internet companies is to develop metrics that capture aspects of the user experience. In this thesis, we are interested in systems of measurement variables without direct causal relations such that covariance is explained by unobserved latent common causes. A framework for modeling the data generating process is given by Neuro-Causal Factor Analysis (NCFA). The graphical model consists of a directed graph with edges pointing from the latent common causes to the measurement variables; its functional relations are approximated with a constrained Variational Auto-Encoder (VAE). We refine the estimation of the graphical model by developing an MCMC algorithm over Bayesian networks from which we read marginal independence relations between the measurement variables. Unlike standard independence testing, the method is guaranteed to yield an identifiable graphical model. Our algorithm is competitive with the benchmark, and it admits additional flexibility via hyperparameters that are natural to the approach. Tuning these parameters yields superior performance over the benchmark. We train the improved NCFA model on Spotify user behavior data. It is competitive with the standard VAE on data reconstruction with the benefit of causal interpretability and model identifiability. We use the learned latent space representation to characterize clusters of Spotify users. Additionally, we train an NCFA model on data from a randomized control trial and observe treatment effects in the latent space. / En vanlig uppgift för en data scientist på ett internetbolag är att utveckla metriker som reflekterar olika aspekter av användarupplevelsen. I denna uppsats är vi intresserade av system av mätvariabler utan direkta kausala relationer, så till vida att kovarians förklaras av latenta gemensamma orsaker. Ett ramverk för att modellera den datagenererande processen ges av Neuro-Causal Factor Analysis (NCFA). Den grafiska modellen består av en riktad graf med kanter som pekar från de latenta orsaksvariablerna till mätvariablerna; funktionssambanden uppskattas med en begränsad Variational Auto-Encoder (VAE). Vi förbättrar uppskattningen av den grafiska modellen genom att utveckla en MCMC algoritm över Bayesianska nätverk från vilka vi läser de obetingade beroendesambanden mellan mätvariablerna. Till skillnad från traditionella oberoendetest så garanterar denna metod en identifierbar grafisk modell. Vår algoritm är konkurrenskraftig jämfört med referensmetoderna, och den tillåter ytterligare flexibilitet via hyperparametrar som är naturliga för metoden. Optimal justering av dessa hyperparametrar resulterar i att vår metod överträffar referensmetoderna. Vi tränar den förbättrade NCFA modellen på data om användarbeteende på Spotify. Modellen är konkurrenskraftig jämfört med en standard VAE vad gäller rekonstruktion av data, och den tillåter dessutom kausal tolkning och identifierbarhet. Vi analyserar representationen av Spotify-användarna i termer av de latenta orsaksvariablerna. Specifikt så karakteriserar vi grupper av liknande användare samt observerar utfall av en randomiserad kontrollerad studie.

Social ångeststörning (SAD) är ett ångestsyndrom som orsakar stor funktionsnedsättning och försämrad livskvalitet. I föreliggande studie presenteras förklaringsmodeller till SAD med fokus på temperamentsforskning och reinforcement sensitivity theory (RST). Syftet var att genom explorativ faktoranalys identifiera latenta variabler i frågeformuläret ”Hur man var som barn” (HMVSB), som administrerats i en klinisk population (n= 100) och i en kontrollgrupp (n= 246). Faktoranalysen extraherade två faktorer som döptes till beteendeinhibering (BI) respektive beteendeaktivering (BA). Ett andra syfte var att jämföra den kliniska populationen med kontrollgruppen avseende de extraherade faktorerna. Resultaten visade att HMVSB uppvisade god intern konsistens och tillfredsställande instrumentell reliabilitet. Vissa signifikanta korrelationer mellan HMVSB och jämförda skattningsformulär vid SAD erhölls. Gruppjämförelserna visade att den kliniska gruppen var signifikant mer beteendeinhiberad och mer beteendeaktiverad som barn. En subgrupp med generaliserad SAD var både signifikant mer beteendeaktiverad och beteendeinhiberad som barn. Subgruppen med specifik SAD skilde sig ej signifikant från kontrollgruppen. Studien manar till att beakta temperamentala faktorer vid SAD där kombinationen hög BI och hög BA skulle kunna korrelera med allvarligare klinisk bild.

Försäljningsprognoser inom organisationer kan vara en komplex process där allt ifrån mänskliga uppskattningar till avancerade högteknologiska system används som metod. Dagens ökade tillgång till datamängder, förbättrad datorkraft, bättre molntjänster, fler verktyg och ökat intresse har i kombination skapat bättre förutsättningar än förut att applicera artificiell intelligens (AI) på aktiviteter som tidigare varit människostyrda. Observationen gjordes inom ett svenskt detaljhandelsföretag att organisationen inte drog nytta av AI och dess teknik. Försäljningsprognostiseringen inom bemanningsprocessen ansågs på organisationen ha utvecklingsmöjligheter, varpå studien syftade till att se hur AI kunde tillämpas på området, hur en sådan förändring kan se ut och hur olika faktorer påverkar försäljningen. Studien har genom intervjuer, litteraturstudie, dokumentobservation, datainhämtning och dataanalys undersökt syftesfrågeställningarna. Det har skett tillsammans med teori om förändringsledarskap, AI och offensiv kvalitetsutveckling. Resultatet visar på att organisationen skulle kunna tillämpa AI-metoden supervised machine learning genom att använda historiska data på faktorer som exempelvis datum, veckodag, månad, löning och högtid vilka har påverkan på arbetsvolymen. Verktyget skulle kunna ersätta dagens försäljningsprognostiseringsverktyg och hjälpa bemanningskontrollanterna i deras arbete att ge stöd åt butikscheferna i schemaläggningen. En eventuell implementering av metoden kan med fördel ske genom föreslagen aktivitetslista som upprättats utifrån olika förändringsteorier. / Sales forecasts within organizations can be a complex process where everything from human estimates to advanced high-tech systems is used as a method. Today's increased access to data, improved computer power, improved cloud services, more tools and increased interest have combined created better conditions than before to be able to apply artificial intelligence (AI) to activities that before has been human-controlled. An observation was made in a Swedish retail company who stated that they generally had not yet benefited from AI and its technology. The sales forecasting tool in the staffing process was considered by the organization to have improvement potential, whereupon this study aimed to see how AI could be applied to the area, how a change might look and how different factors affect sales. The study has through interviews, literature study, document observation, data collection and data analysis examined the purpose of this study together with theory of change management, AI and quality management. The result shows that the organization could apply the AI ​​methodology supervised machine learning by using historical data on factors such as date, weekday, month, paydays and holidays that affect the working volume. The tool could replace today's sales forecasting tool and help staffing controllers in their work to support store managers in scheduling. A possible implementation of the method may benefit through the proposed activity list established by different change management theories.

Bakgrund: Tidigare studier har identifierat flera riskfaktorer, såsom kost, fysisk aktivitet och BMI, gällande kolorektal cancer. Att analysera kost utifrån kostmönster istället för enskilda livsmedel har visat sig vara effektivt för att undersöka risker för kolorektal cancer. Datamaterial samlades in med hjälp av en fall-kontroll studie med 257 fall och 805 kontroller. Syfte: Identifiera faktorer som ger en höjd eller sänkt risk för kolorektal cancer utifrån områdena kost, fysisk aktivitet och BMI. Metod: Faktoranalys användes för att upptäcka kostmönster. Logistisk regression användes för att skatta oddskvoter och 95 % konfidensintervall. Resultat: Tio stycken kostmönster erhölls från faktoranalysen. Kostmönstren ”Läsk, juice och mjölkprodukter” (OR=1,288; ORQ4=2,159), ”Te, men inte kaffe”(OR=1,228; ORQ3=1,891; ORQ4=1,668) och ”Fågel, rött kött och fisk”( ORQ4=1,724) gav alla en ökad risk. Däremot visade kostmönstret ”Mat från säd och ost”( ORQ2=0,546; ORQ4=0,592) en minskad risk. BMI för tio år sedan (OR=1,079; ORÖvervikt=1,491; ORFetma=2,260) identifierades som en riskfaktor. Att arbeta inom stillasittande (OR=0,975; OR>15 år=0,517) och mellanaktiva (OR=0,977; OR6-10 år=0,497;OR>15 år=0,565) yrken visade på en minskad risk. Slutsats: Flera kostmönster visade sig vara riskfaktorer, detta gäller även BMI för tio år sedan. Kostmönstret ”Mat från säd och ost” och att arbeta i fysiskt lätta till medeltunga yrken visade sig vara skyddande faktorer. / Background: Previous studies have shown several risk factors for developing colorectal cancer such as diet, physical activity and BMI. The method of analyzing diets based on dietary patterns, rather than individual food items, have been shown to be effective when investigating the colorectal cancer risk. The data was collected using a case-control study of 257 cases and 805 controls. Aim: Identify factors that cause increased or decreased risk in developing colorectal cancer based on diet, physical activity and BMI. Methods: Factor analysis was conducted to identify dietary patterns. Logistic regression was used to estimate odds ratio and 95 % confidence interval. Results: Factor analysis conducted ten dietary patterns, three of these patterns showed an increased risk “Soft drinks, juice and milk products” (OR=1,288; ORQ4=2,159), “Tea, but not coffee” (OR=1,228; ORQ3=1,891; ORQ4=1,668) and “Poultry, red meats and fish” (ORQ4=1,724).The dietary pattern “Food based on grain and cheese” (ORQ2=0,546; ORQ4=0,592) showed a decreased risk. BMI ten years ago (OR=1,079; OROverweight=1,491; ORObese=2,260) identified as a risk factor. To work in sedentary (OR=0,975; OR>15 years=0,517) or physically medium heavy (OR=0,977; OR6-10 years=0,497; OR>15 years=0,565) occupations indicated a decreased risk. Conclusions: Several dietary patterns has been identified as risk factors, this also includes BMI ten years ago. The dietary pattern “Food based on grain and cheese” and to work in sedentary or physically medium heavy occupations proved to be protective factors.

Sports analytics is an area that is growing at a rapid rate. It can be described as the use of data and analytics to gain an advantage in sports. It can include scouting, recovery, tactics and so on. This thesis uses data about association football passes to analyse players passing attributes. The dataset that has been used is acquired from the company Football Analytics Sweden AB and is produced by a subcontractor. The dataset includes event data for all games played in the Swedish division 1 during the 2020 season. In total there are 48 different types of events, but only the category passes accurate are analysed. Accurate passes are represented by x and y coordinates for the start and end point of the pass. The thesis's intention is the study how passes can be categorized in order to differentiate different players passing attributes, and how to identify types of players in regard to passing from that categorization. The categorization has been made possible by dividing the football pitch into different zones. The zones have been chosen on sports science and football grounds. Every pass is assigned a category based on which zone the pass starts in and what zone the pass ends up in. The proportion of passes a player hits for every category is then calculated and is used to perform factor analysis. The factor analysis identifies 13 underlying factors that can describe players different passing attributes. These factors have been interpreted and given names. The factors describe both general attributes as well as more specific attributes. Factor scores are then used to compare and identify which or what type of passing player a particular player is. / Sports analytics är ett begrepp som används mer och mer. I allmänhet kan det beskrivas som användningen av data och dataanalys för att få en fördel inom sport. Det kan vara allt från scouting (rekrytering av spelare), återhämtning och taktik. Den här studien använder information om fotbollspassningar för att undersöka fotbollsspelares passningsegenskaper. Datamaterialet som använts är erhållet från företaget Football Analytics Sweden AB och är framtaget av en underleverantör. Datamaterialet innehåller händelsedata för alla matcher som spelades i division 1 under säsongen 2020. Totalt finns det 48 olika typer av händelser, men endast händelsen lyckade passningar tas i beaktande. Lyckade passningar representeras av x och y koordinater för start- och slutpunkten för passningen. Studiens syfte är att undersöka hur passningar kan kategoriseras för att göra det möjligt att differentiera olika spelares passningsförmågor och hur man kan identifiera typ av passningsspelare utifrån kategoriseringen. Kategorisering av passningar utfördes med hjälp av en zonuppdelning av fotbollsplanen. Zonuppdelning är grundad på sportvetenskapliga och fotbollsmässiga grunder.  Varje passning tilldelas en kategori beroende på vilken zon passningen startar och slutar i. Andelen av passningar en spelare slår inom varje kategori beräknas, för att sedan användas i en faktoranalys. Faktoranalysen identifierar bakomliggande faktorer som påverkar en spelares andelar av passningar inom varje kategori. Totalt identifierades 13 bakomliggande faktorer och dessa kan beskriva en spelares passningsegenskaper. Dessa faktorer har verklighetstolkas och namngetts. Faktorerna beskriver både allmänna egenskaper och mer specifika egenskaper.  Faktorpoäng som beräknats från dem bakomliggande faktorerna används sedan för att jämföra och identifiera vilka eller vilken typ av passningsspelare en spelare är.

Modellen för röstmaximerande politiska partier i ett proportionerligt valsystem presenterad av Lindbeck och Weibull (1987) respektive Dixit och Londregan (1996) används för att testa svenska regeringens taktiska användning av de allmänna statsbidragen till kommunerna under åren 2007–2010. Resultaten tyder på att statsbidragen använts taktiskt vilket korroborerar teorin. Liknande analys för åren 2015–2018 kunde inte replikera resultaten. Svensk valundersökning används för att identifiera väljarnas ideologiska preferens för regeringen under tiden för riksdagsvalet 2006 varefter mätmodellen presenterad av Johansson (2003) och Dahlberg och Johansson (2002) används för att skatta poängen mot den latenta faktorn "ideologisk bias". Dessa poäng delas upp efter valkrets och används för att skatta den ideologiska biasens täthetsfördelning i respektive valkrets. Valresultatet används för att identifiera indifferenspunkterna där väljarna i respektive valkrets är indifferenta mellan båda politiska blocken. Täthetsfunktionerna utvärderas vid dessa punkter varefter betydelsen av tätheterna som determinant för mängden allmänna statsbidrag en kommun erhåller testas genom linjär regression. / A version of the model for voter share maximizing political parties in a proportional electoral system developed by Lindbeck and Weibull (1987) and Dixit and Londregan (1996) respectively is presented. This model is used to test if there is evidence for the tactical use of intergovernmental grants from the central incumbent government to the local governments at the municipal level during the first term of office 2007-2010 of the conservative Reinfeldt government in Sweden. The results show that such tactical use did occur, and which corroborates the theoretical framework for competing parties. Similar results were obtained for the periods 2011-2014 (conservative government) and 2015-2018 (socialist government). Data from the Swedish election studies are used to identify the voter’s ideological preferences for the incumbent central government during the time of the 2006 general election to the Swedish parliament. The theory behind the model presented by Johansson (2003) and Dahlberg and Johansson (2002) respectively was the guideline to estimate the factor scores against the latent factor “ideological bias”. The Gaussian kernel density function is used to estimate the ideological bias in each constituency: The actual election results are used to approximate the indifference cutpoint where the voters are indifferent between both political alternatives. The probability distribution functions were evaluated at these cutpoints after which the importance of these densities for the amount of intergovernmental grants a municipality receives is tested using linear regression.