Vi har genomfört en studie med en kvantitativ ansats, i syfte att undersöka hur elevers läsförståelse kan påverka deras resultat i de nationella proven i matematik. Detta görs för att bidra med kunskap till lärare om var det är mest nödvändigt att lägga ner tid för elevers kunskapsutveckling i matematik. Metoden som används i denna studie innefattar en analys av dokument som innehåller data som samlats in från drygt 200 elevers resultat i de nationella proven i svenska och matematik för året 2021/2022. Den data som samlades in bearbetades genom regressionsanalyser. Det statistiskt signifikanta resultatet i studien visar på en stark korrelation mellan elevers läsförståelse och deras prestation i de nationella matematikproven. Slutsatsen framhäver att det kan finnas olika förklaringar till varför resultatet ser ut som det gör, en av orsakerna skulle kunna vara att de nationella proven i matematik innehåller för många textuppgifter som gör att elevernas läsförståelse kan spela en alltför betydande roll. / We have conducted a study with a quantitative approach, aiming to investigate how students' reading comprehension might influence their performance in the national mathematics exams. This is done to contribute knowledge to teachers about where it is most crucial to allocate resources for student success in mathematics. The method employed in this study involves an analysis of documents containing data gathered from over 200 students' results in the national exams in Swedish and mathematics for the year 2021/2022. The collected data was processed through regression analyses. The statistically significant result in the study reveals a strong correlation between students' reading comprehension and their performance in the national mathematics exams. The conclusion highlights that there are different explanations for why the result appears as it does, one of which is that there may be too many word problems in the national mathematics exams, and students' reading comprehension might play an overly significant role.

I den nuvarande samhällskontexten är det av intresse att analysera förtroendet för polisen, motiverat av den ökade rapporteringen av skjutningar och den höga exponeringen av kriminalitet i medierna. Dessa faktorer förväntas ha en inverkan på det förtroende som den svenska befolkningen känner inför polisen. Denna studie har för avsikt att utreda hur allmänhetens relation till polisen har påverkats och även analysera huruvida klasstillhörigheter har en inverkan på förtroendet. Effekten av klass kompletteras även av att analysera effekten av rädsla för brott. Studiens utgångspunkt bygger på en konfliktteoretisk ram där klass konceptualiseras genom Bourdieus kapitalbegrepp. För att komplettera klassperspektivets förklaringsförmåga integreras även teorin om rädsla för brott som inkluderar mer individuella aspekter där klass inte nödvändigtvis behöver vara av betydelse. Studiens datamaterial består av den tionde omgången av European Social Survey (ESS) som påbörjades år 2020. Endast data från Sverige har använts för undersökningen, vilket resulterade i 2287 respondenter. Resultaten av multivariata regressionsanalyser visar att högre klasstillhörighet genom socialt och ekonomiskt kapital ökar förtroendet för polisen, samt att rädsla för brott har en minskande effekt på förtroendet för polisen. Sammanfattningsvis bidrar denna studie med sociologisk forskning om konsekvenser av ojämlikheter i det svenska samhället, där insikter om hur de olika samhällsklyftorna har en inverkan på svenska individers förtroende för polisen framhävs.

The companies’ support phase, as all of business’ functional areas and components, went through a heavy and rapid digitalization which has unlocked the availability of an unprecedented amount of data. Unlike other relevant business areas and components, the support phase seems to have experienced fewer improvements attributable to Data Science and machine learning. By focusing on two well-known problems of these two fields, Time Series Analysis and Regression Analysis, this project aims at understanding which techniques are applicable within the support phase and how these can improve the effectiveness and pro-activeness of this area. The goal within this project is to apply them to improve the handling of support tickets, the digital entity used to track issues and requests within support systems. Through the use of Time Series Analysis, we aim at forecasting the volume of tickets to be expected in a near-future time frame. Using Regression Analysis we intend to estimate the resolution time of a newly submitted ticket. The results produced by the two tasks were satisfactory. On one hand, the Time Series task produced accurate results and the models could be directly employed and bring some added value to help Elvenite’s support team. On the other hand, while the Regression Analysis results were not as good, they nonetheless proved that the task’s aim is achievable through improvements on both the data used and the models applied. Finally, both tasks successfully showcased how to investigate and evaluate the application of such techniques within the support phase of a business. / Supportfasen, likväl samtliga andra delar av företags affärsfunktionella områden och komponenter, har genomgått en intensiv och snabb digitalisering som har öppnat upp tillgången till en enastående mängd data. Till skillnad från andra relevanta affärsområden och komponenter verkar supportfasen ha upplevt färre förbättringar som kan attribueras till Datavetenskap och maskininlärning. Projektet syftar till att förstå det ovanstående genom att fokusera på två välkända tekniker: tidsserieanalys och regressionsanalys. Det är följaktligen viktigt att undersöka vilka metoder från föregående nämnda områden som är användbara inom supportsystemen, samt hur dessa kan förbättra effektiviteten och proaktiviteten inom området. Det genomgående målet för projektet är att tillämpa analysmetoderna för att förbättra hanteringen av supportbiljetter. Supportbiljetter är den digitala enheten som används för att spåra frågor och förfrågningar inom supportsystem. Genom att använda tidsserieanalys eftersträvas att prognostisera volymen av biljetter som kan förväntas inom en snar framtid. Regressionsanalys användas för att tillhandahålla en uppskattad tid för en nyanländ biljett att bli löst, baserat på lösningstiden för tidigare lösta liknande biljetter. De två tillvägagångssätten gav olika, men tillfredställande resultat. Till att börja med anses tidsserieanalysen vara tillfredsställande och kan vara av värde samt hjälp för Elvenites supportteam. Dessvärre var resultaten från regressionsanalysen inte lika optimala och modellerna skulle behöva förbättras ytterligare före de appliceras i verkligheten. De båda teknikerna kunde ändock framgångsrikt bevisa och påvisa hur man kan undersöka samt utvärdera liknande metoder inom supportfasen av ett företag.

This bachelor thesis aims to determine if there are certain characteristics of countries that can determine the mortality of Covid-19 in the countries. To determine this, a regression analysis was constructed with mortality as the response variable and eleven regressors that correspond to a country's traits. Data was collected from Our World in Data and aggregated over a one year time period (24 Feb 2020 - 5 Apr 2021). The result concluded that the best model for explaining mortality from Covid-19 is a model with five regressors. The five regressors from the final model were male smokers, female smokers, diabetes prevalence, GDP per capita and the human development index. The result gave important insight into what a country can focus on to try to decrease the mortality for that country in the case of a pandemic. Thus recommendations on how Sweden can act to decrease mortality from Covid-19 in a short term view and long term recommendations in case of a similar pandemic would break out in the future, was provided. / Detta kandidatexamensarbete syftar till att identifiera om vissa karaktärsdrag hos länder kan förklara dödligheten från Covid-19 i länderna. För att undersöka detta konstruerades en regressionsanalys med landets dödlighet från Covid-19 som responsvariabel och elva regressorer som alla är karaktärsdrag hos länder. Datan samlades in från Our World in Data och aggregerades över en ettårsperiod (24:e Feb 2020 - 5:e Apr 2021). Resultatet visade att den bästa modellen för att förklara dödligheten från Covid-19 var en modell med fem regressorer. De fem regressorerna från den slutgiltiga modellen var manliga rökare, kvinnliga rökare, förekomst av diabetes, GDP per capita och human development index.  Resultatet gav intressant insyn i vad ett land kan fokusera på för att minska antalet döda vid en pandemi som Covid-19 pandemin. Därför presenteras rekommendationer riktade till Sverige för hur de kan minska antalet döda under Covid-19 pandemin, vilket är kortsiktiga rekommendationer. Långsiktiga rekommendationer presenterades även för hur Sverige kan bättra sin situation vid en eventuell pandemi i framtiden som är av samma karaktär som Covid-19 pandemin.

Syftet med denna studie var att undersöka hur konsumentvärdet och makroekonomiska faktorer påverkar en bostadsrätts försäljningspris. De variabler som användes för att beskriva konsumentvärdet var våning, månadsavgift, byggår, area och kvadratmeterpris. För att undvika generella prissvängningars inflytande på resultaten används även ett snittpriset inom det undersökta området som ett prisindex. Vidare studeras makroekonomiska faktorers påverkan på prisindexet i en separat analys. I den analysen undersöktes variablerna inflation, BNP-tillväxt, arbetslöshet och reporänta. I analysen av konsumentvärdet visade sig samtliga förklarande variabler ha signifikant relation till försäljningspriset. Analysen för makroekonomiska trender visade enbart ett signifikant förhållande för BNP-tillväxt och inflation i förhållande till prisindexet. Resultaten för prisindexet är osäkra på grund av ett begränsat dataset för de undersökta variablerna samt osäkerhet i reliabiliteten i det datasetet. / The purpose of this study is to investigate how a number of factors connected to the consumer value affects the final sales price of an apartment. More specifically the variables floor, area, cost per area unit and year of construction was examined. To avoid general price fluctuations over time the prices were weighted with a price index for mean prices of apartments in the studied area during the time of sale. Further the price index was studied to find macro economical factors with significant impact on the mean prices. The factors examined in that analysis were inflation, GDP-growth, unemployment rate and official bank-rate. The main method for this study was multiple linear regression. The result yielded by the study showed significant relation between regressors describing consumer value and the final price. The analysis of the macro economical factors showed significant relationship between only inflation and GDP-growth. The result of the regression analysis for the price index were more uncertain due to a smaller dataset and uncertainties in the reliability of that dataset.

Artificial Intelligence (AI) has proven to be highly suitable for a wide range of problems in manufacturing environments, including the prediction of lead times. Most of these solutions are based on ”black-box” algorithms, which hinder practitioners to understand the prediction process. Explainable Artificial Intelligence (XAI) provides numerous tools and methods to counteract this problem. There is however a need to qualify the methods with human-centered studies in manufacturing environments, since explainabilityis context-specific. The purpose of this mixed-method case study is to examine the explainability of regression models for lead time prediction in quality control laboratories at a biopharmaceutical production site in Sweden. This entails the research questions of which methods can increase the explainability of lead time prediction, what type of explanation is required to enable explainability and what are the benefits of explaining regression models in this context. This is why relevant literature in the field of XAI and AI-based lead time prediction is reviewed. An explainable lead time prediction modelis developed and a Delphi study is carried out to gauge the importance of different explanation types and to identify explainability-related benefits. The results show a transparency-performance trade-off and highlight eight benefits that are mapped to the model’s life cycle. These findings provide new insights into the explainability requirements and benefits in quality control processes and support practitioners in steering their implementation efforts. / Artificiell Intelligens (AI) har visat sig vara mycket lämplig för ett stort antal problem i tillverkningsmiljöer, bland annat när det gäller att förutsäga ledtider. De flesta av dessa lösningar är baserade på algoritmer som är ”svarta lådor”, vilket gör det svårt för tillämparna att förstå förutsägelseprocessen. Explainable Artificial Intelligence (XAI) erbjuder många verktyg och metoder för att motverka detta problem. Det finns dock ett behov av att kvalificera metoderna med människocentrerade studier i tillverkningsmiljöer, eftersom förklarbarhet är kontextspecifikt. Syftet med denna fallstudie med blandad metod är att undersöka förklaringsbarheten hos regressionsmodeller för prediktion av ledtider i kvalitets kontrolllaboratorier vid en biopharmaceutisk produktionsanläggning i Sverige. Vilket syftar till forskningsfrågorna samt vilka metoder som kan öka förklaringsbarheten och av prognoser för ledtider, vilken typ av förklaring som krävs för att möjliggöra en förklarbarhet och vilka fördelar som finns med att förklara regressionsmodeller i detta sammanhang. Det är därför som relevant litteratur på området XAI och AI baserade prognostisering av ledtider granskas. En förklaringsbar modell för prognostisering av ledtider utvecklas och en Delphi-studie genomförs för att bedöma betydelsen av olika typer av förklaringar och för att identifiera förklaringsrelaterade fördelar.

Syftet med denna studie var tvådelat: Första delen handlade om att undersöka deteventuella sambandet mellan olika väderfaktorer och efterfrågan på låneycklar.Målet med studien var att undersöka hur sambandet mellan dessa förklarandevariabler och responsvariabel ser ut. För att undersöka detta användesregressionsanalys där en multipel regressionsmodell byggdes upp baserat påverklig data. Studien utgick ifrån staden Seoul där stadens lånecykel- ochväderdata användes. Det studien kom fram till var att alla väderfaktorer varstatistiskt signifikanta med efterfrågan på lånecyklar och sambandet mellan dessavar exponentiellt. Sambandet var positivt för väderfaktorerna temperatur ochsikt. Samtidigt som de resterande, luftfuktighet, vindhastighet, solstrålning, regnoch snöfall hade ett negativt samband. Fortsättningsvis, blev sambandet starkastför temperatur, fuktighet och regn, samtidigt svagast för vindhastighet, snöfalloch sikt. I den andra delen av studien genomfördes en marknadsanalys för lånecyklar.Även i denna del var staden Seoul i fokus. Inom denna marknadsanalysanalyserades bland annat marknadsituation, konkurrerande tjänster, styrkor ochsvagheter. Slutsatsen av denna analys är att marknaden för lånecyklar är komplexoch innefattar många olika faktorer. Den har även visat att en stad som Seoulhar lyckats med införandet av lånecyklar trots många utmaningar. Slutligen harstudien visat att lånecyklar är en växande marknad som kommer bli ännu meraktuell i framtiden. / The purpose of this study was twofold: The first part was about analyzing possiblecorrelations between various weather factors and the demand for bike-sharing.The aim of the study was to investigate how the relationship between theseexplanatory variables and the response variable looks like. To investigate this,regression analysis was used where a multivariate linear model was built basedon real data. The study was based on the city of Seoul, where the city’s bike-sharing and weather data were used. What the study found was that all weatherfactors were statistically significant with the demand for bike-sharing and therelationship between them was exponential. The relationship was positive forthe weather factors temperature and visibility while the remaining, i.e. weatherfactors, humidity, wind speed, solar radiation, rain and snowfall, had a negativerelationship. The strongest relationship were temperature, humidity and rainwhile the weakest were wind speed, snowfall and visibility. In the second part of the study a market analysis for bike-sharing was carried out.Also in this part, the city of Seoul was in focus. Within this market analysis, amongother things, the market situation, competing services, strengths and weaknessesswere analyzed. The conclusion based on this analysis is that the market for bike-sharing is complex and includes many factors. It has also shown that a city likeSeoul has succeeded in introducing bike-sharing despite many challenges. Finally,the study has shown that bike-sharing is a growing market that will become evenmore relevant in the future.

The purpose of the thesis examines the relationship between migration and economic growth that has taken place in the EU Member States during the period 2009-2019. The study includes three different theories, Borja's model, Solow's model and Romers' model. It's based on these models in order to be able to answer the study's question and achieve the purpose of this study. A multiple regression analysis is used with the help of panel data for those EU member states. The data material which is used in this study is taken from Eurostat and The World Bank. The GDP per capita growth is used as the dependent variable and the independent variables are Migration, Employment, Expenses, Education and Trade. The results of the regression analysis show that migration has a significant positive relationship with the GDP per capita growth. This supports Borja's (1995) assumptions that there is a migration surplus for the receiving countries when migrants enter, moreover many other studies that are mentioned later that indicate the same. The discussion part deals with the connection between economic growth and migration in which the connections between previous studies and the results from this study is discussed.

Vi syftar med denna studie till fördjupa förståelsen för sambandet mellan redovisning av kreditförluster, konjunkturläge och aktieavkastning inom banksektorn genom att finna svar på följande frågeställning: “Hur påverkas bankers aktieavkastning av reserveringar för kreditförluster i relation till konjunkturläget?”  Marknadsreaktioner på kapitalmarknaden uppmätts genom att beräkna kumulativ avvikelse avkastning vid 4 olika eventfönster för publicering av kvartalsrapporter vid 18 olika tillfällen under ett tidsintervall från Q1:2019 till Q2:2023. Detta eftersom förändringar i reserveringar för kreditförluster först tillkännages till allmänheten i kvartalsrapporten. Därefter genomförs en multipel regressionsanalys med interaktionseffekter på den beroende variabeln CAR för att undersöka om reserveringar för kreditförluster påverkar bankers aktieavkastning under olika konjunkturläge. Med resultatet från eventstudien och regressionsanalysen kan vi dra slutsatsen att reaktionerna på kapitalmarknaden som observerades som effekt av publicering av kvartalsrapporter till största del inte kan förklaras av förändringar i reserveringar för kreditförluster.

Purpose: The study aims to show if there is a significant relationship between the CEOs recompense and the size of the company between the industries. The goal is to compare the size of a company with the variable that shows performance and which of them who has the strongest connection to the recompense. Method: The essay stands on a quantitative approach where secondary data has been gathered from the year of 2015 annual reports. The population includes all the Swedish companies in the real estate-, finance- and pharmaceutical industry that are listed on the stock exchange. Selection has been made on 30 of these companies, 10 in each industry. With the statistical analyses the methods that have been used are multiple regression model and correlation analysis. Results: The results show that the company that paid the highest recompense in the real estate industry was Kungsleden. The company in the finance industry was Kinnevik and in the pharmaceutical industry it was Pfizer. Conclusion: After analyzing the result the conclusion can be made that there is a significant relationship between the CEOs recompense and the size of the company only in the real estate industry. When comparing the variable that dictates the size of the company (net sales)  and the performance variable (MVA), the conclusion that can be made is that MVA has a stronger connection to the CEOs total recompense in the pharmaceutical industry in relation to the other industries. Within the finance industry there was no significant relationship with the CEOs recompense and the selected variables.