<p>Jobbskatteavdraget första del infördes 1 januari 2007 med syfte att öka det totala arbetsutbudet i Sverige. Huruvida denna målsättning har realiserats eller inte är dock inte lika självklart varför jag i denna uppsats har valt att undersöka reformens effekt. Underbyggt av en grundläggande arbetsutbudsteori har jag utifrån statistik från Statistiska Centralbyrån (SCB) utfört en deskriptiv analys av hur den extensiva respektive intensiva marginalen har påverkats. Mina resultat tyder på att en förändring har skett på båda dessa marginaler under 2007 jämfört med 2006 vilket skulle tala för att jobbskatteavdraget har haft viss effekt på det totala arbetsutbudet i Sverige.</p>

Jobbskatteavdraget första del infördes 1 januari 2007 med syfte att öka det totala arbetsutbudet i Sverige. Huruvida denna målsättning har realiserats eller inte är dock inte lika självklart varför jag i denna uppsats har valt att undersöka reformens effekt. Underbyggt av en grundläggande arbetsutbudsteori har jag utifrån statistik från Statistiska Centralbyrån (SCB) utfört en deskriptiv analys av hur den extensiva respektive intensiva marginalen har påverkats. Mina resultat tyder på att en förändring har skett på båda dessa marginaler under 2007 jämfört med 2006 vilket skulle tala för att jobbskatteavdraget har haft viss effekt på det totala arbetsutbudet i Sverige.

Denna uppsats behandlar vilka likheter och skillnader det finns i kreditbedömningsprocessen för en stor respektive liten bank på den svenska marknaden. Detta finner vi intressant då det ständigt tillkommer nya aktörer på marknaden samt att ämnet alltid förblir aktuellt. Uppsatsen behandlar även om det skett någon större utveckling av processen till följd av den finansiella kris som skedde år 2008 samt hur man förutspår att kreditbedömningsprocessen kommer att fortsätta utvecklas i framtiden. Vår studie fokuserar på kreditbedömningsprocessen till små- och medelstora företag som är ett viktigt segment för både banker men även för samhället. De banker som jämförs i studien är Marginalen bank som vi anser vara en mindre bank och Handelsbanken som är en de fyra storbankerna i Sverige. En slutsats har dragits utifrån vår studie att det finns både likheter och skillnader mellan bankernas kreditgivningsprocesser samt att Finanskrisen år 2008 har kommit att påverka Basel-regelverket och därigenom även utvecklingen av kreditgivningsprocessen. De båda bankerna har en gemensam syn vad gäller den framtida utvecklingen av processen som innebär att en större automatisering med största sannolikhet kommer att ske. / This paper deals with the similarities and differences in the credit assessment process for well known and respected small sized bank in the Swedish market. We find this interesting as there are always new players in the market and make sure the different topics and issues are constantly updated and stay updated on current trends and demands. The study also applies to the process of a major development which resulted from the financial crisis in 2008, and how to predict the credit assessment system with its continuation and development in the future. Our study focuses on the credit assessment process for small and medium-sized enterprises, which is an important segment for both banks, but also for society. The two banks compared in our study are Marginalen Bank, which we consider to be a smaller bank and Handelsbanken, which is one of the four major banks in Sweden. A conclusion has been drawn from our study that there are both similarities and differences between the banks' crediting processes and that the 2008 financial crisis has affected the Basel acquisition and thereby also the development of the credit granting process. Both banks have a common view regarding the future development of the process, which means that greater automation is most likely to happen.

Vom 12. bis 14. Mai 2016 fand bereits zum 14. Mal der Workshop Interkulturelle Kommunikation und interkulturelles Lernen statt, der im jährlichen Wechsel vom Institut für Slawische Sprachen der Wirtschaftsuniversität Wien, dem Institut für Interkulturelle Kommunikation der Stiftung Universität Hildesheim und dem Institut für Slavistik der TU Dresden ausgerichtet wird. Der thematische Schwerpunkt war auf differenzierte Analysen kultureller und sprachlicher Hybriditäten gerichtet, während die Vorträge den vielfältigen kulturspezifisch bedingten Hybridisierungsprozessen, ihren unterschiedlichen Ausprägungen und ihren kontextuellen Funktionen, marginalen, sprachlichen und kulturellen Übernahmen sowie hochgradig hybriden Formen gewidmet waren. Die Dresdner Organisatoren Martin Henzelmann und Holger Kuße begrüßten anlässlich der Tagung Gäste aus insgesamt sieben Ländern, die die Ergebnisse ihrer aktuellen Forschungsprojekte vorstellten und diskutierten.

The advances in deep neural networks in recent years have opened up the possibility of using image classification as a valuable tool in various areas, such as medical diagnosis from x-ray images. However, training deep neural networks requires large amounts of annotated data which has to be labelled manually, by a person. This process always involves a risk of data getting the wrong label, either by mistake or ill will, and training a machine learning model on mislabelled images has a negative impact on accuracy. Studies have shown that deep neural networks are so powerful at memorization that if they train on mislabelled data, they will eventually overfit this data, meaning learning a data representation that does not fully mirror real data. It is therefore vital to filter out these images. Area under the margin is a method that filters out mislabelled images by observing the changes in a network’s predictions during training. This method does however not take into consideration the overconfidence in deep neural networks and the uncertainty of a model can give indications of mislabelled images during training. Calibrating the confidence can be done through label smoothing and this thesis aims to investigate if the performance of Area under the margin can be improved when combined with different smoothing techniques. The goal is to develop a better insight into how different types of label noise affects models in terms of confidence, accuracy and the impact it has depending on the dataset itself. Three different label smoothing techniques will be applied to evaluate how well they can mitigate overconfidence, prevent the model from memorizing the mislabelled samples and if this can improve the filtering process for the Area under the margin method. Results show when training on data with noise present, adding label smoothing improves accuracy, an indication of noise robustness. Label noise is seen to decrease confidence in the model and at the same time reduce the calibration. Adding label smoothing prevents this and allows the model to be more robust as the noise rate increases. In the filtering process, label smoothing was seen to prevent correctly labelled samples to be filtered and received a better accuracy at identifying the noise. This did not improve the classification results on the filtered data, indicating that it is more important to filter out as many mislabelled samples as possible even if this means filtering out correctly labelled images as well. The label smoothing methods used in this work was set up to preserve calibration, a future topic of research could be to adjust the hyperparameters to increase confidence instead, focusing on removing as much noise as possible. / De senaste årens framsteg inom djupa neurala nätverk har öppnat för möjligheten att använda bildklassificering som ett värdefullt verktyg inom olika områden, såsom medicinsk diagnos från röntgenbilder. Men att träna djupa neurala nätverk kräver stora mängder annoterad data som måste märkas antingen av människor eller datorer. Denna process involverar alltid med en risk för att data får fel etikett, antingen av misstag eller av uppsåt och att träna en maskininlärningsmodell på felmärkta bilder har negativ inverkan på resultatet. Studier har visat att djupa neurala nätverk är så kraftfulla att memorera att om de tränar på felmärkta data, kommer de så småningom att överanpassa dessa data, vilket betyder att de kommer att lära sig en representation som inte helt speglar verklig data. Det är därför viktigt att filtrera bort dessa bilder. Area under marginalen är en metod som filtrerar bort felmärkta bilder genom att observera förändringarna i ett nätverks beteende under träning. Denna metod tar dock inte hänsyn till översäkerhet i djupa neurala nätverk och osäkerheten i en modell kan ge indikationer på felmärkta bilder under träning. Kalibrering av förtroendet kan göras genom etikettutjämning och denna uppsats syftar till att undersöka om prestandan för Area under marginalen kan förbättras i kombination med olika tekniker för etikettutjämning. Målet är att utveckla en bättre insikt i hur olika typer av brusiga etiketter påverkar modeller när det gäller tillförlitlighet, noggrannhet och den påverkan det har beroende på själva datasetet. Tre olika tekniker för etikettutjämning kommer att tillämpas för att utvärdera hur väl de kan mildra översäkerheten, förhindra modellen från att memorera de felmärkta bilderna och om detta kan förbättra filtreringsprocessen för Area under marginalen-metoden. Resultaten visar att när man tränar på data innehållande felmärkt data, förbättrar etikettutjämning noggrannheten vilket indikerar på robusthet mot felmärkning. Felmärkning tycks minska säkerheten hos modellen och samtidigt minska kalibreringen. Att lägga till etikettutjämning förhindrar detta och gör att modellen blir mer robust när mängden brusiga etiketter ökar. I filtreringsprocessen sågs att etikettutjämning förhindrar att korrekt märkt data filtreras bort och fick en bättre noggrannhet vid identifiering av bruset. Detta förbättrade dock inte klassificeringsresultaten på den filtrerade datan, vilket indikerar att det är viktigare att filtrera bort så mycket felmärkta prover som möjligt även om detta innebär att filtrera bort korrekt märkta bilder. Metoderna för etikettutjämning som används i detta arbete sattes upp för att bevara kalibreringen, ett framtida forskningsämne kan vara att justera hyperparametrarna för att istället öka förtroendet, med fokus på att ta bort så mycket felmärkta etiketter som möjligt.

Social benefits were forecasted to increase by 13 percent to 2022 before the pandemic hit the economy (Prop. 2018/19:1). In the latest forecast it has almost doubled: an increase of 24 percent to 2022 (Prop. 2020/21:1). Youths and immigrants are particularly affected by the downturn, especially since labor market sectors were both groups often have their first job are in the center of attention for government restrictions to lower the spread of Covid-19. These two groups are overrepresented among social benefit recipients when being unemployed (Socialstyrelsen, 2020), since they have not qualified to national unemployment insurances (Rosengren, 2017). The municipal social assistance was intended to be the outermost safety net. Though the transfer should be short-term, over 40 percent of the households receiving social benefits do it for more than ten months, and the share increases[1]. Social benefit could now be considered a complement to national transfers and an extra unemployment benefit for those who are not eligible for the national social safety system on the labor market. Municipalities are allowed to demand participation in different activities – henceforth called activation – as a prerequisite for social benefit eligibility. Under the assumption of full-time activation for social benefit recipients, the difference in leisure between employment or unemployment with activation is zero (0). This affect the cost of labor for the individual, which is usually partly described as the relative value of leisure (non-monetary costs). If it does not cost any leisure to leave unemployment for employment, the disutility of work decrease. Social benefits also reimburse monetary labor costs, such as commuting, wherefore there is no difference in fixed labor costs either. Differences in disposable income is then the only remaining variable to decide the individuals labor supply, according to conventional labor market theory; if the disposable income when working exceed the disposable income when not working, the individual should work. A social benefit recipient is eligible for the job stimulus after six months of social benefit dependency, giving a 25 percent earnings disregard on the net labor income. This is an exception from the usual one-to-one discount (or 100 percent marginal effect) on the transfer when receiving other incomes, such as national transfers or wage. The stimulus is intended to increase the incentives for working and motivate those who are long-term recipients to be active on the labor market[2]. During this time period, all recipients have a larger disposable income if working compared to not working – combined with the other assumptions above, this means all recipients should work when being eligible for job stimulus. Available data (Socialstyrelsen, 2016) shows only 1.8 percent of all recipients actually had labor incomes and got the earnings disregard, inferring a deviation from the expectations of common labor market theory. Meaning there could be an unknown variable in the utility function, decreasing the utility from working more than the utility increase from the job stimulus. There are a variety of possible explanations, such as asymmetric information, stigmatization, matching problems et cetera. In this thesis, the focus will be effort. This is the explanation closest to the standard model, where the disutility of lost leisure due to labor is the centerpiece. In my previous thesis (Rosengren, 2019), I introduced a draft of an effort model. In this model, working came with a larger effort than activation giving rise to a disutility. The income differential needs to exceed the cost of the extra effort if the individual should choose to work. Expanding the standard model could provide a more sufficient tool for analyzing labor market participation and employment effects in the social benefit system. This thesis provides a model for analyzing the individual’s decision on the extensive margin – to work or not to work – in transfer systems, with regard to effort, shirking and effective leisure. I simulate the effort level corresponding to the share of social benefit recipients observed to have labor income during the job stimulus spell. Finding the effort in activation being approximately 71.5 percent of the effort when employed. I also forecast the effect of the planned increase in the job stimulus from 25 to 50 percent by the same simulation; 1 percent of the social benefit recipients are expected to leave activation for employment due to the doubled job stimulus. I optimize effort (from the policy-maker’s perspective) at different skill levels to find the effort level were all will supply labor. If enforcing 99.65 percent effort 83.44 percent are expected to leave activation for work. / Allt fler arbetslösa försörjer sig på ekonomiskt bistånd istället för de statliga arbetslöshetsersättningarna. Ekonomiskt bistånd eller försörjningsstöd är inte utformat med drivkrafter för arbete i beaktande. Exempelvis får den som tar emot bidraget inget utbyte av att börja arbeta förrän arbetsinkomsten överstiger försörjningsstödsnormen. För ett hushåll med två vuxna och fyra barn innebär det ca 30 000 SEK efter skatt. Finns det dessutom inga aktivitetskrav förlorar hushållet samtidigt fritid av att börja arbeta. Jobbstimulansen infördes för att få drivkrafter för arbete i försörjningsstödet. Det innebär att den som haft ekonomiskt bistånd i sex månader och börjar arbeta får behålla 25 procent av nettoinkomsten, istället för att bidraget minskar krona för krona när löneinkomsten ökar. Under antagandet om heltidsaktivering för försörjningsstödsmottagare är den tillgängliga fritiden lika för den som arbetar och för den som är arbetslös, därmed är den rörliga kostnaden av att arbeta lika. Eftersom försörjningsstödet kompenserar för eventuella kostnader som uppstår för den som börjar jobba, såsom förskoleavgift eller pendlingskostnader, påverkas inte disponibelinkomsten av fasta kostnader för att arbeta heller. Försörjningsstödsmottagare med jobbstimulans och heltidsaktivering kan således tjäna mer pengar och därmed öka sin nytta, utan att öka sin onytta (eftersom fritiden är oförändrad), genom att börja arbeta. Utifrån arbetsutbudsteori skulle förväntan vara att alla skulle börja arbeta under sådana förutsättningar. Trots det visar en uppföljning att bara 1,8 procent arbetar. Det kan finnas olika förklaringar till att så få börjar arbeta; bristande information om jobbstimulansen, sök- och matchningsproblem och så vidare. I den här uppsatsen prövas skillnader i ansträngning genom att anpassa en modell för arbetsutbud till det svenska socialbidragssystemet, och ge bidragstagare möjlighet att lata sig eller skolka i aktiveringen – inspirerat av den etablerade shirking theory – för att utöka sin effektiva fritid. Studier visar att människor upplever skolk eller lathet som substitut till ledighet. Även om den faktiska fritiden är densamma för den som arbetar och den som är arbetslös men deltar i aktivering, kan skillnader i ansträngning därmed innebära att den effektiva fritiden skiljer sig. När den som kan få jobbstimulans ska börja arbeta innebär det då en minskad effektiv fritid, och därmed en onytta eller upplevd kostnad av arbete. Försörjningsstödsmottagaren väljer sin ansträngning, som ger upphov till olika mycket onytta beroende på individens färdigheter där den med mer färdigheter har en lägre onytta av arbete eller ansträngning. Om personen arbetar eller inte beror på om den ökade nyttan av att börja arbeta med jobbstimulans överträffar onyttan av den minskade effektiva fritiden av att börja arbeta, givet individens färdigheter. I uppsatsen undersöks effekten av förändringar i olika variabler – ansträngning, färdighet och jobbstimulans – och jag finner att jobbstimulansen bara påverkar nyttan på marginalen, i jämförelse med stora effekter av ökad ansträngning eller ökade färdigheter. Vidare simuleras vilken ansträngningsnivå som korresponderar med att 1,8 procent arbetar och därmed har större nytta av jobbstimulansen än av den extra effektiva fritiden. Det visar sig att ansträngningen i aktiveringen verkar vara 71,5 procent jämfört ansträngningen på ett jobb. Om jobbstimulansen fördubblas, till en offentligfinansiell kostnad av 100 miljoner SEK, ökar andelen som börjar jobba bara med drygt en procentenhet vid bibehållen ansträngningsnivå. I uppsatsen beräknar jag även optimal ansträngningsnivå för att alla vid en viss färdighetsnivå ska börja arbeta. Det visar sig att om ansträngningsnivån höjs med knappt 20 procentenheter till 90 procent, skulle andelen som börjar arbeta stiga från 1,8 procent till 51 procent. Utöver dessa nya tillskott – förklaringsmodeller och resultat – till fältet, innehåller uppsatsen dessutom förslag på empiriska tester av andra förklaringar. För att genomföra simuleringar och kalkyleringar, har en modell över det svenska bidrags- och skattesystemet byggts i Matlab. Även den är att betrakta som ett tillskott.