Online shopping offers numerous benefits, but large product catalogs make it difficult for shoppers to understand the existence and characteristics of every item for sale. To simplify the decision-making process, online retailers use ranking models to recommend products relevant to each individual user. Contextual user data, such as location, time, or local weather conditions, can serve as valuable features for ranking models, enabling personalized real-time recommendations. Little research has been published on the usefulness of weather-based features for ranking models in online clothing retailing, which makes additional research into this topic worthwhile. Using Swedish sales and customer data from Babyshop, an online retailer of children’s fashion, this study examined possible correlations between local weather data and sales. This was done by comparing differences in daily weather and differences in daily shares of sold items per clothing category for two cities: Stockholm and Göteborg. With Malmö as an additional city, historical observational weather data from one location each in the three cities Stockholm, Göteborg, and Malmö was then featurized and used along with the customers’ postal towns, sales features, and sales trend features to train and evaluate the ranking relevancy of a gradient boosted decision trees learning to rank LightGBM ranking model with weather features. The ranking relevancy was compared against a LightGBM baseline that omitted the weather features and a naive baseline: a popularity-based ranker. Several possible correlations between a clothing category such as shorts, rainwear, shell jackets, winter wear, and a weather variable such as feels-like temperature, solar energy, wind speed, precipitation, snow, and snow depth were found. Evaluation of the ranking relevancy was done using the mean reciprocal rank and the mean average precision @ 10 on a small dataset consisting only of customer data from the postal towns Stockholm, Göteborg, and Malmö and also on a larger dataset where customers in postal towns from larger geographical areas had their home locations approximated as Stockholm, Göteborg or Malmö. The LightGBM rankers beat the naive baseline in three out of four configurations, and the ranker with weather features outperformed the LightGBM baseline by 1.1 to 2.2 percent across all configurations. The findings can potentially help online clothing retailers create more relevant product recommendations. / Internethandel erbjuder flera fördelar, men stora produktsortiment gör det svårt för konsumenter att känna till existensen av och egenskaperna hos alla produkter som saluförs. För att förenkla beslutsprocessen så använder internethandlare rankningsmodeller för att rekommendera relevanta produkter till varje enskild användare. Kontextuell användardata såsom tid på dygnet, användarens plats eller lokalt väder kan vara värdefulla variabler för rankningsmodeller då det möjliggör personaliserade realtidsrekommendationer. Det finns inte mycket publicerad forskning inom nyttan av väderbaserade variabler för produktrekommendationssystem inom internethandel av kläder, vilket gör ytterligare studier inom detta område intressant. Med hjälp av svensk försäljnings- och kunddata från Babyshop, en internethandel för barnkläder så undersökte denna studie möjliga korrelationer mellan lokal väderdata och försäljning. Detta gjordes genom att jämföra skillnaderna i dagligt väder och skillnaderna i dagliga andelar av sålda artiklar per klädeskategori för två städer: Stockholm och Göteborg. Med Malmö som ytterligare en stad så gjordes historiska metereologiska observationer från en plats var i Stockholm, Göteborg och Malmö till variabler och användes tillsammans med kundernas postorter, försäljningsvariabler och variabler för försäljningstrender för att träna och utvärdera rankningsrelevansen hos en gradient-boosted decision trees learning to rank LightGBM rankningsmodell med vädervariabler. Rankningsrelevansen jämfördes mot en LightGBM baslinjesmodel som saknade vädervariabler samt en naiv baslinje: en popularitetsbaserad rankningsmodell. Flera möjliga korrelationer mellan en klädeskategori som shorts, regnkläder, skaljackor, vinterkläder och och en daglig vädervariabel som känns-som-temperatur, solenergi, vindhastighet, nederbörd, snö och snödjup upptäcktes. Utvärderingen av rankingsrelevansen utfördes med mean reciprocal rank och mean average precision @ 10 på ett mindre dataset som bestod endast av kunddata från postorterna Stockholm, Göteborg och Malmö och även på ett större dataset där kunder med postorter från större geografiska områden fick sina hemorter approximerade som Stockholm, Göteborg eller Malmö. LigthGBM-rankningsmodellerna slog den naiva baslinjen i tre av fyra konfigurationer och rankningsmodellen med vädervariabler slog LightGBM baslinjen med 1.1 till 2.2 procent i alla konfigurationer. Resultaten kan potentiellt hjälpa internethandlare inom mode att skapa bättre produktrekommendationssystem.

Modern search engines, particularly those utilizing the BM25 ranking algorithm, offer a multitude of tunable parameters designed to refine search results. Among these parameters, the weight of each searchable field plays a crucial role in enhancing search outcomes. Traditional methods of discovering optimal weight combinations, however, are often exploratory, demanding substantial time and risking the delivery of substandard results during testing. This thesis proposes a streamlined solution: an ordinal-regression-based model specifically engineered to identify optimal weight combinations with minimal data input, within an offline testing environment. The evaluation corpus comprises a comprehensive snapshot of a product search database from Tradera. The top $100$ search queries and corresponding search results pages on the Tradera platform were divided into a training set and an evaluation set. The model underwent iterative training on the training set, and subsequent testing on the evaluation set, with progressively increasing amounts of labeled data. This methodological approach allowed examining the model's proficiency in deriving high-performance weight combinations from limited data. The empirical experiments conducted confirmed that the proposed model successfully generated promising weight combinations, even with restricted data, and exhibited robust generalization to the evaluation dataset. In conclusion, this research substantiates the significant potential for enhancing search results by tuning searchable field weights using a regression-based model, even in data-scarce scenarios. / Moderna sökmotorer, i synnerhet sådana som använder rankningsalgoritmen BM25, erbjuder en mängd justerbara parametrar utformade för att förbättra sökresultat. Bland dessa parametrar spelar vikten av varje sökbart fält en avgörande roll för att förbättra sökresultaten. Traditionella metoder för att hitta optimala viktkombinationer är dock ofta utforskande, kräver mycket tid och riskerar att ge undermåliga sökresultat under testningsperioden. Denna avhandling föreslår en strömlinjeformad lösning: en ordinal-regressionsbaserad modell specifikt utvecklad för att identifiera optimala viktkombinationer med minimal träningsdata, inom en offline testmiljö. Utvärderingskorpus består av en omfattande ögonblicksbild av en produktsökdatabas från Tradera. De $100$ vanligaste sökfrågorna och motsvarande sökresultatssidor på Traderas plattform delades in i en träningsuppsättning och en utvärderingsuppsättning. Modellen genomgick iterativ träning på träningsuppsättningen, och därefter testning på utvärderingsuppsättningen, med successivt ökande mängder av kategoriserad data. Denna metodologiska strategi möjliggjorde undersökning av modellens förmåga att härleda högpresterande viktkombinationer från begränsad data. De empiriska experimenten som genomfördes bekräftade att den föreslagna modellen framgångsrikt genererade lovande viktkombinationer, även med begränsad data, och uppvisade robust generalisering till utvärderingsdatamängden. Sammanfattningsvis bekräftar denna forskning den betydande potentialen för förbättring av sökresultat genom att justera sökbara fältvikter med hjälp av en regressionsbaserad modell, även i datasnåla scenarion.

This thesis aims to study if descriptive representation, i.e. the social likeness between representatives and population, is considered important and if it changes when a national parliament is prevented from convening in full-format during a crisis. A maintained descriptive representation is important as it reflects that representatives have equal opportunities to execute their representational duties during a crisis (fairness argument), and because the interests of underrepresented groups otherwise risk being represented to a lesser degree (interest argument). By adopting a mixed-methods approach, semi-structured interviews are used to study how representatives were selected to participate in the reduced voting procedures in the Swedish parliament during the COVID-19 pandemic, and if descriptive representation (gender, age, geographical) was considered in this process. Results show that while descriptive representation was considered by five out of eight party groups – most prominently gender representation motivated by the fairness argument – it was not as influential as other more practical factors in the selection process, such as proximity to parliament or the need of being present for other reasons. Furthermore, changes in the descriptive representation in the Swedish parliament are studied by voting data using descriptive statistics and regression analysis. Results show that the share of women increased slightly during votes during the pandemic, contrary to developments in many other parliaments. Representatives over 65 years old decreased, as did representatives from constituencies far from parliament. Significant differences in average voting participation rate arose for the different age and geographical groups, indicating unequal opportunities to execute their representational duties during the crisis.

Measuring and tracking the employee turnover rate is a crucial part when evaluating a company’s performance. An important part of this is measuring the employment duration within an organization. The purpose of this report is to investigate if employment duration in a food retail company can be explained by predetermined variables using multiple linear regression. Data from five years ago until today has been collected and processed to analyze and fit the best choice of the linear model. Gender, employment rate, industry experience and age are the predictors used for conducting the analysis. The result shows that a low linear correlation can be seen between employment duration and the explanatory variables: gender, employment rate, industry experience and age. In the discussion, the results are analyzed as well as potential problems and improvements of the regression.

This bachelor thesis in the field of mathematical statistics was carried out in collaboration with an upcoming insurance start-up, Hedvig, and had the objective of investigating the predictive capabilities of different types of insurance claims. This was done through regression analysis, and more specifically the area in regression analysis called generalized linear models. Logistic regression was employed as the modeling technique, and data points were modeled in various ways to then be used to fit models in order to determine the most optimal one based on some pre-determined statistical evaluation metrics. The final model had an accuracy of above 96%, and the results showed that certain types of claims had a bigger contribution to the probability of a claim occurring the next period. This study contributes to the understanding of the predictive capabilities of insurance claim data and provides insights that could aid in the development of more accurate and efficient insurance pricing models. / Denna kandidatuppsats inom området matematisk statistik utfördes i samarbete med ett nyetablerat försäkringsföretag, Hedvig, och hade som syfte att undersöka den prediktiva förmågan hos olika typer av ersättningsanspråk. Detta gjordes genom regressionsanalys, och mer specifikt det område inom regressionanalys som kallas generaliserade linjära modeller. Logistisk regression användes som modelleringsteknik, och datapunkterna modellerades på olika sätt för att sedan skapa modeller, med syfte att fastställa den mest optimala modellen utifrån vissa förutbestämda statistiska utvärderingsmått. Den slutliga modellen hade en exakthet på över 96%, och resultaten visade att vissa typer av anspråk bidrog i större utsträckning till sannolikheten för att ett anspråk skulle inträffa under nästa period. Den här studien bidrar till förståelsen av den prediktiva förmågan hos data på ersättningsanspråk och ger insikter som kan bidra till utvecklingen av mer exakta och effektiva modeller för prissättning av försäkringar.

This study investigates the underlying factors driving OKQ8’s electric vehicle charging sales in kWh and aims to understand their customers better by identifying the factors that impact sales in the electric vehicle charging market. The study focuses on transactions from 17 OKQ8 stations in Sweden and Denmark, from July 1st, 2022, to February 28th, 2023, categorized into five distinct subgroups based on similar attributes. The report uses a multiple linear regression model in the programming language R and macroeconomic principles to identify the variables that lead to additional sales of electric vehicle charging.  The final regression model includes the variables Sales, Station, Month, Weekday, and Time, with an Adjusted R2 of over 68% for all five groups. The study reveals that price does not have a significant impact on the sales of charging. Moreover, the analysis highlights the significance of variables related to time, month, day of the week, and individual charging stations, which demonstrate varying impacts on charging sales across different groups.  The study provides valuable insights into the influence of price and consumer behavior on electric vehicle charging sales, emphasizing the importance of adopting strategic approaches to encourage a wider adoption of electric vehicles, enhance charging infrastructure, and consider government support such as subsidies or tax incentives. The study has some limitations, including a lack of data for March to May and only covering a single year, limiting the ability to identify recurring patterns. Nonetheless, the study’s findings provide insights into the factors affecting OKQ8’s sales of electrical vehicle charging and ongoing research is necessary to validate and expand upon these findings, considering the constantly evolving electric vehicle market. / Denna studie syftar till att undersöka de underliggande faktorer som påverkar försäljningen av laddning av elektriska fordon i kWh hos OKQ8 och strävar vidare efter att få en djupare förståelse för deras kundgrupp. Studien bygger på data som sträcker sig från den 1a juli 2022 till den 28e februari 2023 och är i form av transaktioner från 17 olika OKQ8-stationer i Sverige och Danmark. Dessa 17 stationer delas sedan sedan in i fem olika undergrupper där stationerna i varje undergrupp erhåller liknande egenskaper. Rapporten använder sig av en multipel linjär regressionsmodell i programmeringsspråket R, och makroekonomiska principer för att identifiera variabler som leder till ökad försäljning av laddning av elektriska fordon. Den slutliga regressionsmodellen inkluderar variablerna Försäljning, Station, Månad, Veckodag och Tid, där Adjusted R2 har ett värde över 68% för samtliga fem grupper. Studien avslöjar att priset inte har en signifikant inverkan på försäljningen av laddning och belyser vidare betydelsen av variabler relaterade till tid, månad, veckodag och individuella laddningsstationer, vilka visar en varierande signifikans på försäljningen av laddning inom de olika grupperna. Studien ger värdefulla insikter om konsumentbeteende kopplat till försäljning av laddning för elektriska fordon. Den betonar också vikten av att vidta strategiska åtgärder för att främja en mer omfattande spridning av elektriska fordon, förbättra laddningsinfrastrukturen och överväga regeringsstöd såsom subventioner eller skattelättnader. Studien har vissa begränsningar att ta hänsyn till, däribland avsaknad av data för perioden mars till maj och att den endast täcker ett år. Dessa begränsningar påverkar möjligheten att identifiera eventuella återkommande mönster. Trots detta bidrar studiens resultat med värdefulla insikter om de faktorer som påverkar försäljningen av laddning för elektriska fordon som OKQ8 kan dra nytta av i sin verksamhet. På grund av marknadens ständiga utveckling är det dock nödvändigt med fortsatt analys för att validera och vidareutveckla resultaten.

This bachelor thesis is written for KTH Royal Institute of Technology and Ymer Technology AB. It examines the friction factor associated with the pressure drop in wavy-fin heat exchangers. Previous studies have used a nonlinear approach for determining the regression coefficients. This study introduces a linearizing transform that solves the issues of finding non-optimal parameter values stemming from the current nonlinear approach. The linearization also drastically improves the computational time. A final model explaining 95.4\% of the variance in the data is presented. Methods for avoiding overfitting, detecting outliers and hidden extrapolation are presented and used to evaluate the model. The implications of the mathematical results on improving profit, competitiveness, and customer relationships are analyzed in the second part of the report with a qualitative approach. / Denna kandidatuppsats är skrivet vid Kungliga Tekniska Högskolan och Ymer Technology AB. Det undersöker den friktionsfaktor som associeras med tryckfallet i kylare med wavy-fins. Tidigare studier har använt ett ickelinjärt tillvägagångssätt för att bestämma regressionskoefficienterna. Denna studie introducerar en linjäriserande transform som löser problemen med att hitta icke-optimala paramatervärden, som härstammar från tidigare icke-linjära tillvägagångsätt. Linjäriseringen visar sig även förbättra beräkningstiden drastiskt. En slutgiltig modell som förklarar 95\% av variansen i datan presenteras. Metoder för att undvika overfitting, identifiera outliers, och undvika att falla offer för gömd extrapolation presenteras och används för att evaluera modellen. De matematiska resultatens implikationer för Ymer med avseende på vinst, konkurrenskraft och kundrelationer, analyseras i den andra delen av rapporten med en kvalitativ ansats.

Efterfrågan på bostadsrätter i Stockholm har under de senaste åren varit hög och priserna svänger ständigt. Idag är många överens om att ‘läget’ är en av de viktigaste parametrarna i värderingen av en bostadsrätt men vad ‘läget’ egentligen innebär är inte lika självklart. Denna studie har syftet att undersöka potentiella samband mellan ett läges attraktivitet och antal Points of Interest i en bostadsrätts närområde. Studien avser att besvara vilka parametrar som har stärst inverkan på ett bostadsområdes attraktionskraft. Points of Interest utgörs av bland annat postnummer, antal restauranger och antal hotell inom en kilometers radie från respektive bostadsrätt. Studiens utförande baseras på antagandet att försäljningspriser kan representera betalningsviljan och därigenom attraktionskraften. Utförandet baseras på maskininlärning, där modellen Random Forest Regression implementeras för att utföra en kvantitativ dataanalys på sålda bostadsrätter i Stockholm. Modellen kan estimera försäljningspris med en noggrannhet på 85,1% och resultatet redovisar Points of Interest påverkan på det estimerade försäljningspris, i förhållande till varandra. Den parameter som har störst inverkan på försäljningspriset var postnumret. Postnumret följs av kommunikationer och uteliv. Detta utfall diskuteras bero på att postnumret indirekt representerar icke-kvantitativa parametrar som allmän uppfattning om området. Kommunikationer och uteliv skapar ett ’levande’ område. Utifrån studiens resultat drogs slutsatsen att den största påverkande faktorn för ett läges attraktionskraft är den allmänna uppfattningen om närområdet, snarare än tillgänglighet till Points of Interest. / The demand on co-operative apartments in Stockholm have during the latest years been high and the prices are continuously fluctuating. Today, many agree on that the ‘location’ is one of the most important aspects in valuation of co-operative apartments but what ‘location’ actually means is not as obvious. This thesis has the purpose of exploring potential connections between a location’s attractiveness and the amount of Points of Interest in a co-operative apartment’s close proximity. The study seeks to explain which features that affects a community’s attractiveness the most. Points of Interest includes, among others, postal code, number of restaurants and number of hotels within a radius of one kilometer from each individual cooperative apartment. The study’s performance is based on the presumption that sales prices can represent willingness to pay and thereby represent attractiveness. The performance is based on machine learning, where the model Random Forest Regression is implemented to perform a quantitative data analysis on sold co-operative apartments in Stockholm. The model can estimate sales prices with an accuracy of 85.1% and the result presents the Points of Interests’ effect on the estimated sales prices, in relation to each other. The feature which was shown to have the highest effect on the estimated sales price was the postal code. It is discussed that this outcome is due to the postal code indirectly represent non-quantitative features such as the general perception of the area. The second and third most important features is showed to be public transport and nightlife. From the study it was concluded that the most important feature for the attractiveness of a location is the general perception of that area rather than the accessibility to Points of Interest.

Purpose – In recent decades the inflation- and interest rates have followed a long-termdeclining trend. Followed by central banks starting to use unconventional monetary policiesto cope with financial crises have led to increased amounts of liquidity in the financialsystems and available and looking for investment alternatives on the capital markets. At thesame time real estate property prices have set new highs corresponding to a longer-termtrend of declining cap rates. The traditional cap rate formula components the risk-free rateand risk premium less rental growth do not entirely explain the trend of declining cap ratesthat have led to very low cap rates. The purpose with this thesis quantitative study is to testif the newer cap rate determinants money supply and foreign investments percentage of allmarket transactions can explain the decline and recently very low cap rates.Design/Methodology – The master thesis firstly conducts a literature review on previousstudies on cap rate determinants and subsequent conduct an own quantitative study byrunning dynamic ordinary least squares (DOLS) regression analysis on time series ofStockholm central business district commercial office cap rates and determinants chosen asindependent variables representing macro- and market fundamental factors driving caprates with the addition of money supply proxied by monetary aggregate M3 and foreigninvestments on the market proxied by the foreign share of investments on the Stockholmcommercial office market.Findings – The DOLS regression model (1)-(5) determinants are overall significant androbust. Of the newer cap rate determinants that are tested the monetary aggregate M3 andits included lags are of higher and stronger significance and impact on the cap rate than theforeign investment share. However, the foreign investment share time-series data used inthe study do not entirely correspond to the Stockholm central business district (CBD)commercial office market but rather against the larger Stockholm commercial office marketand hence the foreign investment share is assumed to be a relevant cap rate determinantwith support from studies referred to in the section theoretical framework.Research limitations/implications – To ensure high quality in statistical analysis andhypothesis testing large data samples corresponding to longer time-series data than waspossible to obtain for this thesis quantitative study is required. However, even though arelatively small sample has been used it performed well in tests conducted of the dataquality.Originality/value – The master thesis aims to measure and quantify the impact fromunconventional monetary policy and international real estate investments on commercialoffice cap rates. Executed on the Swedish capital Stockholms CBD office market. / Syfte – De senaste decennierna har inflationen- och räntorna följt en långsiktigtnedåtgående trend. Detta har följts upp av att centralbanker börjat använda okonventionellpenningpolitik för att hantera finanskriser, vilket lett till att en ökad penningmängd i definansiella systemen sökt investeringsmöjligheter på kapitalmarknaderna. Samtidigt harfastighetspriserna satt nya rekord ett flertal gånger vilket motsvarar en långsiktig trend avsjunkande kapitaliseringstakter. Den traditionella modellen för kapitaliseringstakt med riskfriränta och riskpremium med subtraktion av hyrestillväxt förklarar inte helt detta. Syftet meddetta examensarbetes kvantitativa studie är att pröva om de nyare potentielladeterminanterna penningmängd och andelen utländska investeringar kan förklaranedgången och de nyligen väldigt låga kapitaliseringstakterna.Design/Metodik – Examensarbetet börjar med en litteraturstudie inom konceptetkapitaliseringstakt och dess determinanter. Därefter görs en kvantitativ studie med DOLSregressionsanalys av kapitaliseringstakter för kontorsmarknaden i Stockholms centralaaffärsdistrikt och modeller av dess determinanter bestående av makro- ochmarknadsfundamentala faktorer som antas vara drivande för kapitaliseringstakten. Medtillägg av determinanterna penningmängd modellerad med måttet M3 och andelenutländska investeringar modellerad med andelen utländska investeringar påkontorsmarknaden i Stockholm.Undersökningsresultat – Kapitaliseringstakts determinanterna i modellerna (1)-(5) ärövergripande signifikanta och robusta. Av de två nyare determinanterna är penningmängdM3 och dess inkluderade laggade värden av högre och starkare signifikans och med störreinverkan på kapitaliseringstakten än andelen utländska investeringar. Dessvärre motsvararinte tidsserien av andelen utländska investeringar på kontorsmarknaden i Stockholm detmindre segmentet kontorsmarknaden för Stockholms centrala affärsdistrikt och därmedantas den motsvarande andelen utländska investeringar vara signifikant med stöd av tidigarestudier som lyfts fram i litteraturstudien.Begränsningar/implikationer – För att säkerställa hög kvalité på analys av statistik behövsstora stickprov vilket motsvarar data för långa tidsserier, vilket inte var möjligt att erhålla fördetta examensarbetes kvantitativa studie. Positivt är dock ändå att tidsserie data somanvänts, trots att de inte är så långa som önskat, presterat bra i de genomförda testerna avdatakvalitén.

<p>The distance between home and work has increased in recent decades. By the development of infrastructure and public transport, jobs farther from home have become more accessible and this development has in turn increased commuting. Commuting travellers often pass over administrative boundaries which often serve as borders for public transport pricing. Also the market control prices. Research shows that travel times and costs significantly affect commuting choice. Many people have an upper limit of 60 minutes commuting distance between home and work. How commuting costs affect the individual's choice of commuting will vary depending on the individual's income and housing costs. The aim of our study was to see how public transport costs and travel times may vary geographically. GIS, Geographic Information System was used to make a network analysis which showed time distances and travel costs on maps. We also examined whether there was a link between towns accessibility by public transport and housing market which we did with help of correlation and regression analysis. In order to answer our questions we started from a study area consisting of Uppsala County with its surrounding commuting area. The maps showed how accessibility to larger towns varies among the smaller towns. The access is often best between bigger towns while there is less accessibility between smaller towns. The distance to bus stops or railway station also has a significant effect on how long the total travel time will be. Urban areas with access to rail services had the best opportunities to reach larger cities and that give also better access to labour market. From our study of the Uppsala County with a monocentric structure, we could indicate a link between accessibility to the bigger cities and housing prices in the surrounding towns. The higher commuting costs and longer travel time to the central place the lower the housing prices. A similar study of Stockholm which has a polycentric structure showed that the relationship between accessibility and house prices not are applicable to all regions. Here we can conclude that housing markets depends on many other factors than access to rapid public transport. House prices can depend on things like closeness to nature and water.</p> / <p>Avståndet mellan bostad och arbete har ökat under de senaste decennierna. Utvecklingen av infrastruktur och kollektivtrafik har lett till att arbetsplatser längre från hemmet har blivit mer tillgängliga och denna utveckling har i sin tur bidragit till en ökad arbetspendling i samhället. Pendlingsresenärer passerar ofta över administrativa gränser och dessa gränser styr ofta över kollektivtrafikens prissättning men även efterfrågan kan styra priset. Forskning visar att restider och kostnader i hög grad påverkar pendlingsvalet. Många människor föredrar ett pendlingsavstånd, mellan hem och arbete på högst 60 minuter. Hur pendlingskostnader påverkar individens val till pendling varierar bland annat beroende på individens inkomst och boendekostnader.</p><p>Syftet med vår studie var att se hur kollektivtrafikens kostnader och restider kan variera geografiskt. GIS, Geografiska Informationssystem, användes vid utförandet av en nätverks- och kostnadsanalys vilket visade tidsmässigt avstånd och kostnad på kartor. Vi undersökte också om det fanns ett samband mellan orters tillgänglighet med kollektivtrafik och bostadsmarknaden genom att utföra korrelations- och regressionsanalyser. För att svara på våra frågeställningar utgick vi från ett undersökningsområde bestående av Uppsala län med pendlingsomland.</p><p>Kartbilderna visade tydligt hur tillgängligheten till större städer varierar mellan olika orter och att tillgängligheten ofta är bäst mellan större tätorter medan det är sämre tillgänglighet mellan mindre tätorter. Avståndet till hållplatser har också betydande påverkan på hur lång den totala restiden blir. Tätorter med tillgång till järnvägstrafik hade det bästa möjligheterna att nå större tätorter och därmed blir arbetsmarknaden större för dessa orter. Från vår studie över Uppsala län som kan anses ha monocentrisk struktur kunde vi även tyda ett samband mellan tätorters tillgänglighet till centralorten och orternas bostadspriser. Ju högre pendlingskostnad och längre restid till centralorten desto lägre var orternas bostadspriser. En likadan studie över Stockholm som har en mer polycentrisk struktur visade dock att detta samband mellan tillgänglighet och bostadspriser inte gäller för alla regioner. Här kan vi dra den slutsatsen att bostadsmarknaden styrs av många andra faktorer än tillgång till snabb kollektivtrafik och att vissa områdens bostadspriser mer styrs av exempelvis närhet till natur och vatten.</p>