Uppsatsens syfte ämnar undersöka svenskars benägenhet att välja en utrikes född partner utifrån individers bostadsort samt deras egen och föräldrars utbildning. Valet av partner analyseras utifrån ett perspektiv där valet inte sker slumpmässigt utan styrs av faktorer som påverkar möjligheterna till vilken partner svenskar träffar. Tidigare forskning har främst studerat parförhållanden mellan olika minoritetsgrupper och minoriteters tendens att ha en inrikes född partner. Eftersom parförhållanden mellan majoriteten och minoriteterna anses vara en indikator på hur starka gränserna är mellan olika grupper i samhället, är det av sociologiskt intresse att också studera hur majoritetsgruppen väljer en partner från minoritetsgrupper. Teoriavsnittet beskriver inledningsvis begreppen endogami, homogami och exogami som olika former av parförhållanden för att sedan diskutera hur svenskars partnermarknad påverkas av deras socioekonomiska resurser och sociala kontext. Datamaterialet som används i studien kommer från SUDA:s undersökning Young Adult Panel Study från år 1999 och studiens urval består av individer födda i Sverige av svenskfödda föräldrar som vid undersökningstillfället var i ett parförhållande. Logistisk regressionsanalys är den metod som tillämpats för att analysera svenskars benägenhet att ha en utrikes född partner. Studiens resultat indikerar att föräldrars utbildning, till skillnad från respondenters egen utbildning, hade en betydande effekt på benägenheten att ha en partner som är född utomlands. Det visar också att svenskar som bor i storstäder är mer benägna att ha en utrikes född partner i jämförelse med de som bor på landsbygden. Samspelet mellan individers socioekonomiska bakgrund och sociala kontext kan således påverka vilken partnermarknad som är tillgänglig för varje individ och är därmed avgörande för svenskars benägenhet att ha en utrikes född partner.

Denna studie ämnar ta reda på vilka faktorer som leder till att en Initial Coin Offering, ICO, blir framgångsrik ur en investerares perspektiv samt hur detta skiljer sig mot traditionella teknikbolag. Data från 200 ICO:s ligger till grund för studien och med hjälp av binär logistisk regressionsanalys testas ett antal modeller för att avgöra vilka faktorer som påverkar huruvida en ICO blir framgångsrik eller inte. Resultat visar att faktorer kopplade till projektets team inte har någon påverkan på dess framgång. Det som däremot visat sig spela roll är faktorer som marknadstrend under pågående ICO, typ av token som ligger till grund för projektet, huruvida det finns en gräns för hur mycket enskilda individer får investera samt hur stor andel av projektets finansieringsmål som uppnås. Viss påverkan har även projektets ursprungsland, men då endast tillsammans med övriga faktorer, inte på egen hand. Detta resultat skiljer sig mot traditionella teknikbolag främst genom att teamet inte alls har lika stor påverkan på framgång när det kommer till ICO:s.

Följande uppsats kommer att undersöka huruvida expansionen av antalet studieplatser vid universitet och högskolor under 1990-talet i Sverige har påverkat möjligheterna för realiserad social rörlighet uppåt. Genom att jämföra respondenter för år 1991 med respondenter för år 2010 ämnar vi besvara frågeställningen hur social rörlighet och sannolikheten att uppnå en akademisk examen har utvecklats i Sverige. 1991 utgör mätpunkten före expansionen, och 2010 efter. Möjligheten definieras i denna studie av den realiserade möjligheten. Baserat på en klassindelning som utgår från individens yrkestillhörighet genomförs logistiska regressionsanalyser för att finna hur olika klassbakgrund påverkar sannolikheten för individer i Sverige att ha uppnått en högre klasstillhörighet än uppväxtklassen. Med utgångspunkt i både mikro- och makroteoretiska perspektiv skapar vi en analysmodell som appliceras för att undersöka sannolikheten att uppnå en högre klasstillhörighet än den man kommer ifrån, sannolikheten att uppnå en akademisk examen samt sannolikheten att vara stationär i sin klasstillhörighet. Vi kommer även presentera diverse tidigare studier som behandlar ämnet social rörlighet, social skiktning och utbildning. Studien som genomförs är deduktiv, och det teoretiska ramverket utgörs av teorier på främst mikronivå. Vi kan i vår studie finna att sannolikheten för social rörlighet samt sannolikheten för att uppnå en universitetsexamen är högre för 2010 än 1991, vilket leder oss till slutsatsen att högskoleexpansionerna har varit effektiva medel för en större jämlikhet när det gäller social rörlighet och högsta uppnådd utbildning i Sverige. Samtidigt kan vi finna en relativt hög grad av social reproduktion i Sverige, vilket skulle kunna indikera att en individs habitus har stor inverkan. Vi kan dock inte finna några statistiskt signifikanta könsskillnader. Dock finner vi att sannolikheten att uppnå en akademisk examen är högre för individer som spenderat huvuddelen av uppväxten utomlands, men att de samtidigt har ett lägre odds att hamna i en högre klass än föräldrarnas klasstillhörighet.

Partiellt bortfall är en vanligt förekommande felkälla vid statistiska undersökningar. Med partiellt bortfall avses avsaknad av vissa variabelvärden för ett observationsobjekt, något som riskerar leda till förlust av statistisk styrka och skeva parameterskattningar. Ett stort antal metoder har utvecklats för att hantera denna problematik, och syftet med denna uppsats är att undersöka vilken effekt några av dessa metoder har på parameterskattningarna i en logistisk regressionsmodell, och huruvida dessa metoder är lämpliga att tillämpa på aktuellt datamaterial. De metoder som inkluderats i denna studie är complete case analysis, MICE och missForest. För ändamålet simuleras partiellt bortfall av olika omfattningar och under olika bortfallsmekanismer i ett verkligt datamaterial som består av 2987 observationer och fem variabler. Metoderna utvärderas sedan med avseende på normalized root mean squared error (NRMSE), samt genom att undersöka hur de regressionskoefficienter som skattats med de imputerade datamaterialen avviker från de regressionskoefficienter som skattats med det kompletta, observerade datamaterialet. missForest resulterar i lägst NRMSE. I den efterföljande logistiska regressionsanalysen resulterar dock MICE i betydligt lägre bias än missForest. / Missing data is a common problem in research and can lead to loss of statistical power and bias in parameter estimates. Numerous methods have been developed for dealing with missing data, and the aim of this thesis is to evaluate how a number of these methods affect the parameter estimates in a logistic regression model, and whether these methods are suitable for the data in question. The methods included in this study are complete case analysis, MICE and missForest. For the purpose of evaluating the methods, missing values in varying proportions and under different missing mechanisms are generated in a real dataset consisting of 2987 observations and five variables. The performance of the methods is assessed by normalized root mean squared error (NRMSE), and by comparing the regression coefficients estimated using the original, true data set with the regression coefficients estimated using imputed data sets. missForest results in the lowest NRMSE. In the subsequent logistic regression analysis, however, MICE results in considerably lower bias than missForest.

No description available.

Från 1900-talets början har banker och låneinstitut använt nyckeltal som hjälpmedel vid bedömning och kvantifiering av kreditrisk. För dagens investerare är den ekonomiska miljön mer komplicerad än för bara 40 år sedan då teknologin och datoriseringen öppnade upp världens marknader mot varandra. Bedömning av kreditrisk idag kräver effektiv analys av kvantitativa data och modeller som med god träffsäkerhet kan förutse risker. Under 1900-talets andra hälft skedde en snabb utveckling av de verktyg som används för konkursprediktion, från enkla univariata modeller till komplexa data mining-modeller med tusentals observationer. Denna studie undersöker om det är möjligt att prediktera att svenska företag kommer att gå i konkurs och vilka variabler som innehåller relevant information för detta. Metoderna som används är diskriminantanalys, logistisk regression och överlevnadsanalys på 50 aktiva och 50 företag försatta i konkurs. Resultaten visar på en träffsäkerhet mellan 67,5 % och 75 % beroende på vald statistisk metod. Oavsett vald statistisk metod är det möjligt att klassificera företag som konkursmässiga två år innan konkursens inträffande med hjälp av finansiella nyckeltal av typerna lönsamhetsmått och solvensmått. Samhällskostnader reduceras av bättre konkursprediktion med hjälp av finansiella nyckeltal vilka bidrar till ökad förmåga för företag att tillämpa ekonomistyrning med relevanta nyckeltal i form av lager, balanserad vinst, nettoresultat och rörelseresultat. / From the early 1900s, banks and lending institutions have used financial ratios as an aid in the assessment and quantification of credit risk. For today's investors the economic environment is far more complicated than 40 years ago when the technology and computerization opened up the world's markets. Credit risk assessment today requires effective analysis of quantitative data and models that can predict risks with good accuracy. During the second half of the 20th century there was a rapid development of the tools used for bankruptcy prediction. We moved from simple univariate models to complex data mining models with thousands of observations. This study investigates if it’s possible to predict bankruptcy in Swedish limited companies and which variables contain information relevant for this cause. The methods used in the study are discriminant analysis, logistic regression and survival analysis on 50 active and 50 failed companies. The results indicate accuracy between 67.5 % and 75 % depending on the choice of statistical method. Regardless of the selected statistical method used, it’s possible to classify companies as bankrupt two years before the bankruptcy occurs using financial ratios which measures profitability and solvency. Societal costs are reduced by better bankruptcy prediction using financial ratios which contribute to increasing the ability of companies to apply financial management with relevant key ratios in the form of stock , retained earnings , net income and operating income.

Denna studies syfte var att analysera sex nyckeltal och se vilka samband dessa hade på riskbuffert sysselsatt kapital. Studien utfördes på 796 små byggbolag i Sverige under perioden 2009–2016 med hjälp av en binär logistisk regressionsanalys. Som teoretisk referensram användes working capital management och finansiell oro. Studien resulterade i att kapitalets omsättningshastighet, skuldränta och rörelsekapital/totala tillgångar uppvisade signifikanta negativa samband med riskbuffert sysselsatt kapital. Räntetäckningsgrad och avkastning på totalt kapital resulterade i signifikanta positiva samband med riskbuffert sysselsatt kapital. Skuldsättningsgrad resulterade intressant nog i ett icke signifikant negativt samband. Slutligendiskuterades byggbolagens sannolikhet för finansiell oro utifrån respektive nyckeltal. / The aim of this study was to examine the relation between six independent key ratios with riskbuffer on capital employed. The study was conducted on 796 small construction enterprises in Sweden during 2009–2016 with a binary logistic regression model. As theoretical framework, working capital management and financial distress was applied. The study concluded that the capital turnover rate, interest payable and working capital to total assets had significant negative relations with riskbuffer on capital employed. However, the interest cover ratio and return on total assets were both significant positively related withriskbuffer on capital employed. Debt-to-equity ratio resulted interestly enough in a nonsignificant negative relation. Lastly, with regards taken to every respective key ratio, the probability of financial distress among the construction firms was discussed.