Regressionsbaserede metoder til måling af produktivitet i sygehussektoren metoder og muligheder
|
|
- Ludvig Dahl
- 5 år siden
- Visninger:
Transkript
1 Regressonsbaserede metoder tl målng af prodktvtet sygehssektoren metoder og mlgheder Km Rose Olsen, Anders Rd Svennng, Anne Hvenegaard, Jes Søgaard DSI Insttt for Sndhedsvæsen Abstract Baggrnd: Prodktvtetsanalyser er ofte baseret på pnktestmater og skkerheden forbndet med dsse blver sjældent formdlet vdere tl besltnngstagerne. Formålet med dette papr er at llstrere, hvorledes regressonsbaserede (Stochastc Fronter Analyss (SFA metoder kan anvendes tl at estmere konfdensntervaller for prodktvtetsndeksene, samt at dsktere mlghederne for at opstlle modeller, der gver mere præcse estmater. Metode: Med dgangspnkt et datasæt for samtlge danske sygehse peroden llstreres SFA metoden for tværsnts- og panel data. Det vses, hvordan man ved antagelser om restledets fordelng kan estmere konfdensntervaller på prodktvtetsndeksene. Resltaterne sammenlgnes med prodktvtetsndeks beregnet efter brøkmetoden. Resltater: V fnder en moderat korrelaton mellem brøkmetoden og SFA. Konfdensntervallerne på SFA ndeksene er brede og overlappende, hvlket ndkerer, at estmaterne er skre, og at der kke er sgnfkant forskel mellem sygehsene. Ved at benytte paneldata kan konfdensntervallerne ndsnævres. Paneldata metoden kan anvendes selv om man kke har data for flere peroder. Dette kræver, at man kan dentfcere relevante clster antagelser. Konklson: Lgesom tlfældet er med CEA, bør man ved præsentaton af prodktvtetsanalyser som mnmm vrdere skkerheden ved estmaterne. Det vlle være hensgtsmæssgt også at lave følsomhedsanalyse ved brg af forskellge metoder. V takker Sofe Hartng Hansen for hjælp tl databehandlng og modelkørsler.
2 Introdkton Danmark skal forrest førerfeltet med hensyn tl at skabe åbenhed og synlghed om prodktvtetsforholdene det danske sndhedsvæsen. Systematske og offentlgt tlgængelge prodktvtetsmålnger skal stlle skarpt på sygehsvæsenets præstatoner og sætte foks på de gode arbejdsgange. Sådan lyder det Indenrgs- og Sndhedsmnsterets pjece, der har sat gang et program om offentlggørelse af prodktvtetsmål sndhedsvæsenet. Første delrapport som er lavet sammen med Amtsrådsforenngen, H:S, Fnansmnsteret, Sndhedsstyrelsen, Indenrgs- og Sndhedsmnsteret er allerede dkommet. Her er foreløbg lavet prodktvtetsmålnger på amtsnvea, men der er lagt op tl at prodktvtetsmål med tden skal offentlggøres på alle nveaer sndhedsvæsenet. I kølvandet på et så ambtøst program vl der atomatsk følge en dsksson om datakvaltet, metode- og generel anvendelghed af prodktvtetsanalyser. Formålet med dette papr er først og fremmest at skabe baggrnd for en dsksson af vgtgheden af at formdle skkerhed forbndelse med offentlggørelse af relatve prodktvtetsndeks. Dette gøres dette paper ved at benytte regressonsanalyser tl at estmere konfdensntervaller på prodktvtetsndeks for danske sygehse. Et andet formål er at dsktere, hvorledes man ved forskellge varatoner af regressonsmetoder kan arbejde på at redcere skkerheden de estmerede ndeks. Prodktvtetsanalyser foretages bl.a. med henblk på, at mndre prodktve enheder kan lære af de relatvt bedre enheder hvordan prodceres mere tl samme omkostnnger eller hvordan prodceres det samme tl færre omkostnnger? En prodktvtetsanalyse vl ofte være begrænset tl at dentfcere de bedste enheder den at sge særlg meget om, hvorfor de er de bedste. For at den lærngsproces, der gerne sklle følge af en prodktvtetssammenlgnng, skal være konstrktv og føre tl forbedrede arbejdsprocessor, er det derfor vgtgt, at de analyserede enheder fnder prodktvtetsanalyserne troværdge og mener, at de tager dgangspnkt en relevant beskrvelse af de prodktonsvlkår, som enhederne står overfor. Når det gælder prodktvtetsanalyser ndenfor sndhedsvæsenet, gves der den sndhedsøkonomske ltteratr dtryk for stor skepss overfor de ellers ofte avancerede og veldvklede metoder. Denne skepss bnder flere faktorer problemer med at måle prodkton sndhedsvæsenenet 3-5 heterogene otpt 4,6,7 en erkendelse af at effcensestmaterne høj grad afhænger af metodevalg 5,8,9. På baggrnd af dsse problemer syntes der er at være rmelg konsenss ltteratren om, at prodktvtetsanalyser, hvert fald ndenfor sndhedssektoren, kke kan anvendes deres ltmatve
3 formål, nemlg tl at opstlle mål for, hvor meget npt (otpt skal redceres (øges for at nå op på den effektve rand ( 4,5. Dette er selvfølgelg trste præmsser for darbejdelsen af troværdge analyser, som har tl hensgt at ndgå som besltnngsgrndlag egentlge polcy besltnnger. Men problemet blver mdlertd først rgtg krtsk, såfremt man som analytker ndlader at gøre opmærksom på de problemer og den skkerhed, der er forbndet med prodktvtetsmålnger. På trods af, at der er både data- og metodemæssge problemer, er det vgtgt også at holde sg for øje, at prodktvtetsanalyser altd har været og kke mndst efter regerngens dspl altd vl foretages både hos centrale sndhedsmyndgheder og regonalt hos sndhedsdbyderne. Set dette lys, og nder en forventnng om at de mere avancerede metoder som DEA og SFA gver mere nformaton end mere smple omkostnngsanalyser, har dsse metoder stadg en særdeles stor berettgelse. Det er måske sær vgtgt, når der er tale om analyser af enheder, der sdste ende er poltsk styrede, og hvor der er en reel rsko for, at analyserne højere grad brges som legtmaton overfor vælgerne frem for at blve brgt af sygehsejerne eller sndhedsforvaltnngerne tl at øge prodktvteten. I Storbrtannen har lgnende overvejelser fået flere vdenskabelge arbejdsgrpper om performancemålng og prodktvtetsanalyser ndenfor den offentlge sektor tl at foreslå, at dentfkaton af skkerhed 0, eller samtdg brg af SFA og DEA tl målng af relatv effcens altd bør ndgå en prodktvtetsanalyse. Regressonstlgangen er her valgt, ford den så vdt vdes kke har været anvendt tl at analysere det danske sndhedsvæsen. Det er kke vores opfattelse, at er denne metode er bedre (eller værre end f.eks. de kke parametrske metoder (DEA, brøkmetoden, men at den fanger andre dmensoner af prodktvtet. Metoden er derfor relevant som en del af en metodemæssg følsomhedsanalyse. En fordel ved den regressonsbaserede tlgang er, at der fndes veletablerede metoder tl estmerng af konfdensntervaller. Artklen vl foksere på dette aspekt, og er strktreret som følger. I afsnt beskrves SFA metoden kort, og der redegøres for, hvordan man kan brge otpt fra standard statstske software (f.eks. stata eller lmdep tl at estmere konfdensntervaller for effcensestmaterne både for tværsnts- og paneldata. I næste afsnt benyttes metoderne på et datasæt for de danske sygehse. Resltaterne af analyser baseret på tværsntsdata og paneldata sammenlgnes, og der dregnes effcensndeks baseret på brøkmetoden som sammenlgnes med SFA resltaterne. (Workng Party on Perfomance Montorng n the Pblc Servces og Pblc Servces Prodctvty Panel, Her Majesty s Treasry 3
4 SFA og estmerng af konfdensntervaller En SFA model kan specfceres som en prodktonsfnkton eller en omkostnngsfnkton. I førstnævnte tlfælde estmeres en prodktons fronter, og neffcens måles her som forskellen mellem den faktske prodkton og prodktons fronteren gvet npt. I sdstnævnte tlfælde estmeres en omkostnngs fronter, og neffcens måles som forskellen mellem de faktske omkostnnger og omkostnngs-fronteren - gvet otpt. Der er flere faktorer, der afgør, hvlken verson man bør vælge. Opstlles en prodktonstlgang, kan man f.eks. kn arbejde med otpt, mens man kan have flere en omkostnngstlgang. Kmbhakar (003 argmenterer for, at prodktonstlgangen gver problemer, når man analyserer brancher, hvor otpt kke kan lagres. I ltteratren er begge tlgange dog anvendt på sndhedssektoren, om end der er en klar tendens tl at omkostnngstlgangen foretrækkes 8,3,4. V har case stdet beslttet at benytte omkostnngsfnkton tlgangen. Derfor vl metodebeskrvelsen også tage dgangspnkt omkostnngsfnktoner. For en dsksson af prodktonsfnktoner henvses tl Kmbhakar (003. Modsat tradtonel regressonsanalyse, hvor man prmært er nteresseret de forklarende varable, er man SFA nteresseret restleddet det forklarede. Den grndlæggende egenskab SFA er, at man deler restleddet to dele. Den ene del repræsenterer statstsk støj, og den anden del repræsenterer neffcens. Regressonslnen er da en estmaton af omkostnngsranden (omkostnngsfronter, og afstanden mellem denne og neffcensrestleddet er et estmat for neffcensen. Dette fremgår af fgr. Fgr : Illstraton af SFA metoden 4
5 SFA og konfdensntervaller på tværsntsdata Defnér en generel omkostnngsfnkton som ( c α + x ' b + ε hvor α er et konstantled, x er en matrce af forklarende varable, og b er en vektor af parameter, der skal estmeres, ε er et restled, der antages normalfordelt med mddelværd 0 og konstant varans. En tdlg dgave af regressonsbaserede prodktvtetsmodeller (Corrected OLS, eller COLS antog, at omkostnngsranden dgjordes af den enhed med den laveste afstand fra regressonslnen (dvs lavest ε. Ineffcens måles som ε mn( ε. I en SFA opdeles restleddet to ( ε v + hvor v defnerer statstsk støj, og er et mål for neffcens. I model estmatonen antages, at v ~ N(0, v, mens repræsenteres ved en fordelng, der skrer, at den er kke-negatv. Oftest benyttes antagelser om halv-normal fordelng, men trnkeret normal eller eksponentel fordelng kan også benyttes. Det er kke mlgt at teste, hvlken fordelng, der passer bedst tl data. Derfor laver man som regel en følsomhedsanalyse baseret på forskellge antagelser. Det er et klart krtkpnkt for metoden, at der kke er nogen regel om, hvornår der skal brges de forskellge fordelnger. Problemet kan kn løses ved brg af paneldata. Modellen estmeres ved Maxmm Lkelhood. For yderlgere beskrvelse af SFA modellen henvses tl Kmbhakar (003. På baggrnd af de estmerede neffcens mål,, estmeres et effcens ndeks, der er bndet ntervallet mellem 0 og, hvor enheder med et ndeks på betegnes som effcente. Effcens ndekset kan, hvs den afhængge varabel, omkostnngerne, er målt faktsk værd, dregnes som (3 eff x ' b x ' b + Hvs den afhængge varabel er logartmsk transformeret, dregnes effcens ndekset som 5
6 (4 eff ( e Ofte præsenteres resltatet af en SFA ved at rangordne sygehsene efter værden af (3 eller (4, og denne rangordnng benyttes tl at drage konklson om sygehsenes relatve effcens. Det er mlgt at estmere skkerheden ved ndeksene fra (3 og (4 ved at antage, at den forventede værd af betnget på ε følger en bestemt fordelng. Den betngede fordelng for er (5, ( ~ ( µ ε + N f hvor ε µ og v Hvs den afhængge varabel er målt sn faktske værd kan øvre og nedre konfdens ntervaller for eff, bestemmes d fra 7 : (6 b x b x b x b x ' / ' ( ' / ' ( H L z H z L Hvs den afhængge varabel er logartmsk transformeret bestemmes ntervallerne d fra Kmbhakar (003: (6 } exp{ } exp{ µ µ H H L z L z L I begge tlfælde er (8 Φ Φ Φ Φ ( ( µ λ µ λ H L z z Metoden kan sn matematske præsentaton vrke en smle overskelg, men prakss er den forholdsvs enkel at gennemføre. Statstkprogrammer 6
7 som f.eks. Lmdep og Stata har ndbyggede SFA kommandoer, og når SFA analysen er lavet, har man stort set den nformaton, der skal tl for at lave konfdensntervallerne. En trn for trn men tl estmerng af konfdensntervaller på tværsntsdata er. Lav en SFA analyse på det gvne datasæt, med antagelse om halvnormal fordelte neffcensled. Estmér effcensndeksene ved (3 eller (4 3. Estmér µ og. Alle parametrene dsse varable er tlgængelge fra SFA analysen 4. Udregn z L og z H og ndsæt (6 eller (7. SFA og konfdensntervaller på paneldata Lgnng ( kan for paneldata skrves som (9 c t α + x ' b + vt + t hvor den tdsafhængge ndvdelle effekt,, fortolkes som neffcens restleddet. I paneldata modeller fortolkes denne generelt som effekten af observerede ndvdspecfkke varable. I en SFA fortolkes ledet som observeret neffcens dvs. som ndvdets (sygehsets afstand fra omkostnngsranden. Som almndelge paneldatamodeller kan (9 estmeres som fxed- eller random effect model. I en random effekt model antages det, at er afhængg af de forklarende varable, mens det en fxed effekt model tllades at være korreleret med de forklarende varable. Estmaton af konfdensntervaller ved brg af random effekt modellen mnder meget om metoden for tværsntsdata, og denne beskrves først. Konfdensntervaller ved Random effekt modellen Random effekt modellen estmeres lgesom tværsntsmodellen ved maxmm lkelhood og nder antagelser om v ~ N(0, og + ~ N (0,. og v er afhængge af hnanden og af de forklarende varable. Under dsse antagelser kan lgnng (6 og (7, anvendes tl at εt estmere konfdensntervaller. Dog skal µ erstattes med µ, RE, + T v RE v + T hvor ε t T ε og skal erstattes med, t. v v 7
8 Smth og Sckles fxed effect model I random effekt modellen beholdt v antagelserne om fordelng af nefcensledet. Smth og Sckles vste, at man ved at anvende en fxed effect model kan ndgå at tage antagelse om fordelngen af. Omskrv (9 ved at ndsætte α α + (0 c t α + x t ' b + vt Da fremkommer den generelle fxed effect model, hvor de observerede ndvdelle effekter estmeres drekte modellen og fortolkes som neffcensleddet. Tl estmaton af omkostnngsranden benyttes teknkken fra COLS modellen. Dvs. omkostnngsranden fås ved at rykke regressonslnen ned gennem den laveste α. V får dermed ( α mn( α Og gen er effcensmålet gvet ved (3 og (4, alt efter om omkostnngerne er logartmsk transformeret eller ej. Fxed effect metoden er attraktv, ford man kke behøver at lave antagelse om fordelngen af, men estmerer dem drekte modellen. Tl gengæld er estmerng af konfdensntervaller noget mere komplceret. Estmaton af konfdensntervaller på ( kræver anvendelse af metoderne Mltple Comparson wth a Control (MCC eller Mltple Comparson wth the Best (MCB 5. V vl kke gå nd en nærmere beskrvelse af dsse metoder her. Casestde af danske sygehse I dette afsnt benyttes de beskrevne metoder tl at estmere prodktvtetsndeks og konfdensntervaller for danske sygehse peroden Analyser baseret på tværsnts- og paneldata analyseres og sammenlgnes. Relatve prodktvtetsmål, baseret på den brøkmetode som Indenrgs- og Sndhedsmnsteret anvender, beregnes og sammenlgnes med SFA resltaterne. Tabel gver et overblk over data. 8
9 Tabel : Deskrptv statstk C Casemx Udskr Amb Graaz Gennemsnt sd Mn maks , , , ,09 4,96 4,0 60,48 00,89 4,4 4,37 59,570 00,969 4,999 4,390 66, ,954, ,039 00,974, , ,4,890 93, ,43 90,86 7,53 388, ,64 96,557 7, , ,68 05,643 3, ,00 Varablene er defneret tabel. Tabel : Varabel beskrvelse Varabel C Casemx ndeks Udskr Amb Graaz Beskrvelse Tlrettede drftsomkostnnger 00,000 Kr. Casemxndeks baseret på DRG vægtet otpt også kaldet værdndekset. Der er benyttet NordDRG. For sygehs er det defneret som ln( y ln( y N, hvor y er den DRG vægtede prodktonsværd og N er antallet af sygehse. Antal dskrvnnger Antal amblante besøg Antal gråzone behandlnger 9
10 Sammenlgenet med øvrge stder, må vores datasæt betegnes som mangelfldt. Ofte vl en række andre forklarende varable ndgår modellerne (f.eks. aktndlæggelser, forsknng og dvklng, patentkarakterstka (alder, køn m.v.. Derdover er casemx jsterngen baseret på NordDRG, og kan kke forventes at afspejle det danske casemx fldstændgt. Da formålet med papret prmært er at llstrere SFA metoden, ser v kke dette som et stort problem. Men det betyder selvfølgelg, at v skal passe på kke at overfortolke resltaterne. Tabel 3 vser resltaterne af SFA for hvert enkelt år og for paneldatamodellerne. Tabel 3: Regressonsresltater Tværsntsdata Paneldata Afhængg varabel Ln(C Ln(C Ln(C Ln(C Ln(C Model (år RE FE Konstant -,6-0,6-0,84 5,9 - Casemx 3,8 0,07 0,76 7,6-0,60 ndeks Udsk -0,3 0,05 0,04 0,49 0,58 Amb 0,0 0,0-0,0 0,8 0,0 Graaz -0,0-0,0 0,0 0,03 0,08 Log lkelhood 4,0 4,8 40, 47, - 0,09 0,09 0,06 0,006-0,04 0,06 0,08 0,00 - v Gnst. effcens 0,90 0,90 0,95 0,9 0,5 Note:Alle forklarende varable er logartmsk tranformerede. p < 0,05 I en SFA er v prmært nteresserede neffcens restleddet. Af tabellen fremgår det, at den gennemsntlge neffcens er meget lav for FE modellen. Dette skyldes, at man her antager, at det bedste sygehs er fldt effcent, og resten måles så forhold tl dette. Prsen for, at man kke behøver at antage en fordelng på neffcensledet FE modellen er derfor relatv høj. På baggrnd af de estmerede neffcensled har v ved (4 og (5 dregnet de tlhørende effcensndeks. V har også estmeret et effcensndeks baseret på den brøkmetode, som Indenrgs- og Sndhedsmnsteret for nylg har anvendt. Det er lgetl at benytte denne metode på datasættet, og derfor også mlgt at sammenlgne. Brøkmetoden er baseret på et ndeks defneret som forholdet mellem forventede omkostnnger (DRG værdsat aktvtet og faktske omkostnnger (tlrettede drftsomkostnnger. Indekset benyttes tl 0
11 at lave relatve effcensmål ved at sætte det forhold tl gennemsnttet for samtlge sygehse. Brøken kan formelt dtrykkes som Eff _ brøk N y c y ( c Hvor y er værdprodktet for sygehs, og N er antallet af sygehse. Sammenhængen mellem effcensndeksene fra de forskellge modeller fremgår følgende korrelatonsmatrce: eff_0 eff_ eff_ eff_re eff_fe ndeks eff_ eff_ eff_ eff_re eff_fe ndeks hvor ndeks refererer tl brøkmetoden baseret på 00 data, eff_0 er effcensndeks for 000, eff_re er effcensndeks for RE modellen etc. Det ses, at der er en forholdsvs lav grad af korrelaton mellem de forskellge modelspecfkatoner og år. At korrelatonen mellem de forskellge år er lav, kan skyldes, at prodktvteten ændrer sg over td. Dette kan ndersøges ved at estmere en alternatv paneldatamodel (Tme Varyng Decay model,. Resltater af denne model (kke præsenteret vser, at prodktvteten er faldet over td, om end tendensen kke er særlg stor. Højeste korrelaton er mellem SFA 00 og brøkmetoden r 0,84, hvlket svarer tl en R på 0,7. Dette må anses for at være moderat. Olesen, O. (004 har tdlgere lavet en omfattende DEA analyse baseret på dette datasæt, hvor samtlge DRG grpper (ca. 500 anvendes som otptmål. Dette kan lade sg gøre, ford der samtdg ndføres begrænsnnger på DEA vægtene (Assrance Regons. Hvs dette kke havde været tlfældet, vlle samtlge sygehse sandsynlgvs være fldt effcente pga. det store antal otpt. Uskkerheden ved analysen præsenteres ved at lave følsomhedsanalyse på bredden af vægtebegrænsnngerne. Det knne være nteressant at sammenlgne resltaterne af dsse analyser med vores resltater, men det har kke været mlgt da effcens estmaterne kn er præsenteret grafsk Olesen (004. I fgr er effcensndeksene for 00, eff_, og RE modellen, eff_re, llstreret med tlhørende konfdensntervaller.
12 Fgr : Estmeret effcens og 95% Konfdensntervaller Fgre.a: Tværsntsdata eff_ sygehs Fgr.b: Panel data eff_re sygehs Af fgr ses, at konfdensntervallerne er meget brede og overlappende. Dette resltat er overenstemmelse med, hvad der er fndet ltteratren 7, om end ntervallerne fgr syntes at værre noget bredere. Datagrndlaget vores stde kan være en af årsagerne tl dette. En vgtg observaton er, at ntervallerne ndsnævres ved brg af paneldata (jf. fgr.b. Dette er forventet, da v med paneldata får flere observatoner og dermed mndre standardafvgelser.
13 Dsksson V har dette papr vst, hvorledes man ved SFA kan beregne konfdensntervaller på effcensestmaterne. Ved at anvende metoderne på et datasæt for danske sygehse har v llstreret, at ponten vst ltteratren om relatvt skre estmater også holder for dette datasæt. Konfdensntervallerne er vores stde en del bredere end ltteratren har vst, hvlket kan skyldes, at v har benyttet et noget mangelfldt datasæt. Anvendelse af paneldata vste, at v, som forventet kan ndsnævre ntervallerne betydelgt. Spørgsmålet er, om v kan brge denne observaton tl at opstlle modeller, der gver mere skre effcensestmater. En mlghed knne være at øge tdsdmensonen paneldatasættet altså benytte data fra flere år. Dette er dog kke mddelbart nogen god de, da antagelsen om tdsnvarant neffcens så blver krtsk. Hvs det gver datamæssg menng, knne man benytte data på kvartals bass, således at man har kvartaler pr. sygehs stedet for 3 år. Sndhedsstyrelsen har allerede arbejdet med déen om at estmere prodktvtetstal på kvartals og månedsdata. En anden mlghed knne være at arbejde med herarkske modeller, hvor paneldatametoden bbeholdes, men hvor tdsdmensonen erstattes af en clster dmenson. I stedet for at observere sygehs t gange, knne man analysere j afdelnger på sygehs eller j sygehse amt/regon eller j patenter på afdelng. Hermed vlle man dnytte fordelen ved gentagne observatoner. Et generelt problem med den regressonbaserede metode er, at den er afhængg af antallet af observatoner. Dette betyder, at det prakss kke er mlgt at benytte den, hvs antallet af besltnngsenheder (amter, sygehse eller afdelnger er llle. F.eks. gver det kke meget menng at opstlle en SFA med det formål at analysere prodktvteten for de karkrgske afdelnger, det det Danmark kn er 8 af dsse. Clster tlgangen kan her dnyttes ved at brge data på patentnvea og opstlle en herarksk model med omkostnnger for patent på afdelng j som afhængg varabel. Hermed vlle man få rgtg mange observatoner per afdelng og meget skre effcensestmater. En anden mlghed ved denne tlgang er, at man kan forsøge at casemx jstere ved at benytte data fra de klnske databaser. Her er ofte mange nformatoner om patenten og den dførte behandlng (f.eks. sygdomshstore, alder, køn, comorbdtet, rygnng, alkohol m.v.. Derdover vl der her ofte være adgang tl kvaltetsparametre, hvlket åbner op for nye måder at analysere hele dmensonen om sammenhæng mellem prodktvtet og kvaltet. Tl dette formål kan metoder som Seemngly Unrelated Regressons (SUR mlgvs benyttes. Her opstlles et lgnngssystem for flere perfomancendkatorer (omkostnnger og kvaltet, 3
14 og der tages højde for eventel korrelaton mellem dem modelestmatonen. På trods af de ovennævnte mlgheder for at arbejde på modelspecfkatoner, kan der estmeres mere skre effcensndeks, er det efter vores overbevsnng nødvendgt at forholde sg tl det faktm, at prodktvtetsanalyser er behæftet med stor datamæssg og metodemæssg skkerhed. Denne skkerhed bør formdles vdere tl besltnngstagerne. Dette er gængs prakss ndenfor f.eks, cost effectveness analyser. hvor analyser som hovedregler følger gdelnes f.eks. fra nstttoner som det brtske NICE. I dsse gdelnes har præsentaton af skkerhed en stor rolle. Uskkerhed defneres både som følsomhedsanalyse på parameterantagelserne, men også en vrderng af modelskkerhed. Måske knne man arbejde på at lave lgnende gdelnes ved formdlng af skkerhed forbndelse med prodktvtetsanalyser? Konklson I den sndhedsøkonomske ltteratr er der en generel skepss overfor anvendelgheden af prodktvtetsanalyser. Dette skyldes både metode- og datamæssge problemer, samt helt specfkke problemer med at måle otpt sndhedssektoren. Der fndes måder hvorpå denne skkerhed kan kvantfceres f.eks. form af konfdensntervaller eller metodemæssg følsomhedsanalyse, og der syntes at være et behov for at darbejde procedrer for, hvordan denne skkerhed kan formdles tl besltnngstagerne. Referencer. Indenrgs- og Sndhedsmnsteret Prodktvtet på sndhedsområdet - åbenhed og foks. Indenrgs- og Sndhedsmnsteret, (005.. Amtsrådsforenngen, H:S, Fnansmnsteret, Sndhedsstyrelsen & Indenrgs- og Sndhedsmnsteret Løbende offentlggørelse af prodktvtet sygehssektoren - første delrapport. ( Hogaard JL & Overgaard C A note on health care prodctvty wth ncertan data. Health Care Manag. Sc. 9, ( Newhose, J. P. Fronter estmaton: how sefl a tool for health economcs? J. Health Econ. 3, 37-3 ( Smth P & Street A Measrng the effcency of pblc servces: the lmts of analyss. Jornal of the Royal Statstcal Socety 68, (005. 4
15 6. Olesen, O. B. & Petersen, N. C. Målng af sygehsets prodktvtet. En anvendelse af DEA-metoden og DRG-systemet. Jrst- og Økonomforbndets Forlag, København ( Street, A. How mch confdence shold we place n effcency estmates? Health Econ., ( Jacobs, R. Alternatve methods to examne hosptal effcency: data envelopment analyss and stochastc fronter analyss. Health Care Manag. Sc. 4, 03-5 ( Lnna, M. & Hakknen, U. A comparatve applcaton of econometrc fronter and DEA methods for assessng cost effcency of Fnnsh hosptals. Dev. Health Econ. Pblc Polcy 6, ( Brd S & et al. Performance ndcators - good bad and gly. Jornal of the Royal Statstcal Socety 68, -8 (005.. Spottswood S Pblc Servces Prodctvty - meetng the challenge. Pblc Servces Prodctvty Panel, Her Majesty s Treasre (004.. Kmbhakar SC & Knox Lovell CA Stochastc Fronter Analyss. The Press Syndcate of the Unversty of Cambrdge, ( Dor, A. Non-mnmm cost fnctons and the stochastc fronter: on applcatons to health care provders. J. Health Econ. 3, ( Rosko, M. D. Cost effcency of US hosptals: a stochastc fronter approach. Health Econ. 0, ( Horrace W & Schmdt P Mltple Comparsons wth the best - economc applcatons. Jornal of appled econometrcs 5, -6 (000. 5
Økonometri 1. Test for heteroskedasticitet. Test for heteroskedasticitet. Dagens program. Heteroskedasticitet 26. oktober 2005
Dagens program Økonometr Heteroskedastctet 6. oktober 005 Emnet for denne forelæsnng er heteroskedastctet (Wooldrdge kap. 8.3-8.4) Konsekvenser af heteroskedastctet Hvordan fnder man en effcent estmator?
Læs mereBilag 6: Økonometriske
Marts 2015 Blag 6: Økonometrske analyser af energselskabernes omkostnnger tl energsparendsatsen Energstyrelsen Indholdsfortegnelse 1. Paneldataanalyse 3 Specfkaton af anvendte panel regressonsmodeller
Læs mereLandbrugets efterspørgsel efter Kunstgødning. Angelo Andersen
Landbrugets efterspørgsel efter Kunstgødnng Angelo Andersen.. Problemformulerng I forbndelse med ønsket om at reducere kvælstof udlednngen fra landbruget kan det være nyttgt at undersøge hvordan landbruget
Læs mereØkonometri 1. Avancerede Paneldata Metoder I 24.november F18: Avancerede Paneldata Metoder I 1
Økonometr 1 Avancerede Paneldata Metoder I 24.november 2006 F18: Avancerede Paneldata Metoder I 1 Paneldatametoder Sdste gang: Paneldata begreber og to-perode tlfældet (kap 13.3-4) Uobserveret effekt modellen:
Læs mereKvantitative metoder 2
Dagens program: Heteroskedastctet (Wooldrdge kap. 8.4) Kvanttatve metoder Heteroskedastctet 6. aprl 007 Sdste gang: Konsekvenser af heteroskedastctet for OLS Whte s korrekton af OLS varansen Test for heteroskedastctet
Læs mereLineær regressionsanalyse8
Lneær regressonsanalyse8 336 8. Lneær regressonsanalyse Lneær regressonsanalyse Fra kaptel 4 Mat C-bogen ved v, at man kan ndtegne en række punkter et koordnatsystem, for at afgøre, hvor tæt på en ret
Læs merePrøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse
Økonometr Prøveeksamen Indtjenng, konkurrencestuaton og produktudvklng danske vrksomheder Kommenteret vejledende besvarelse Resultaterne denne besvarelse er fremkommet ved brug af eksamensnummer 7. Dne
Læs mereØkonometri 1. Heteroskedasticitet 27. oktober Økonometri 1: F12 1
Økonometr 1 Heteroskedastctet 27. oktober 2006 Økonometr 1: F12 1 Dagens program: Heteroskedastctet (Wooldrdge kap. 8.3-4) Sdste gang: I dag: Konsekvenser af heteroskedastctet for OLS Korrekton af varansen
Læs mereUdvikling af en metode til effektvurdering af Miljøstyrelsens Kemikalieinspektions tilsyn og kontrol
Udvklng af en metode tl effektvurderng af Mljøstyrelsens Kemkalenspektons tlsyn og kontrol Orenterng fra Mljøstyrelsen Nr. 10 2010 Indhold 1 FORORD 5 2 EXECUTIVE SUMMARY 7 3 INDLEDNING 11 3.1 AFGRÆNSNING
Læs mereOpsamling. Simpel/Multipel Lineær Regression Logistisk Regression Ikke-parametriske Metoder Chi-i-anden Test
Opsamlng Smpel/Multpel Lneær Regresson Logstsk Regresson Ikke-parametrske Metoder Ch--anden Test Opbygnng af statstsk model Specfcer model Lgnnger og antagelser Estmer parametre Modelkontrol Er modellen
Læs mereØkonometri 1 Efterår 2006 Ugeseddel 9
Økonometr 1 Efterår 006 Ugeseddel 9 Program for øvelserne: Opsamlng på Ugeseddel 8 Gruppearbejde SAS øvelser Ugeseddel 9 består at undersøge, om der er heteroskedastctet vores model for væksten og så fald,
Læs mereEfficiensanalyse af danske sygehuse
Syddansk Unverstet: Odense Agst, 2010 Insttt for Sndhedstjenesteforsknng Sndhedsøkonom Cand.oecon. Kanddatspecale 2010 Effcensanalyse af danske sygehse Effcency Analyss of Dansh Hosptals Kanddatspecalet
Læs mereIndtjening, konkurrencesituation og produktudvikling i danske virksomheder
Kvanttatve metoder 2 Forår 2007 Oblgatorsk opgave 2 Indtjenng, konkurrencestuaton og produktudvklng danske vrksomheder Opgavens prmære formål er at lgne formen på tag-hjem delen af eksamensopgaven. Der
Læs mereTALTEORI Følger og den kinesiske restklassesætning.
Følger og den knesske restklassesætnng, december 2006, Krsten Rosenklde 1 TALTEORI Følger og den knesske restklassesætnng Dsse noter forudsætter et grundlæggende kendskab tl talteor som man kan få Maranne
Læs mereBeregning af strukturel arbejdsstyrke
VERION: d. 2.1.215 ofe Andersen og Jesper Lnaa Beregnng af strukturel arbedsstyrke Der er betydelg forskel Fnansmnsterets (FM) og Det Økonomske Råds (DØR) vurderng af det aktuelle output gap. Den væsentlgste
Læs mereEstimation af CES - forbrugssystemet med og uden dynamik: -fcf/fcfv sammenhold med fcv/fcfv -fct/fcts sammenhold med fcs/fcts
Danmarks Statstk MODELGRUPPEN Arbejdspapr [udkast] Andreas Østergaard Iversen 140609 Estmaton af CES - forbrugssystemet med og uden dynamk: -fcf/fcfv sammenhold med fcv/fcfv -fct/fcts sammenhold med fcs/fcts
Læs mereKvantitative metoder 2
Program for dag: Kvanttatve metoder Den smple regressonsmodel 9. februar 007 Regressonsmodel med en forklarende varabel (W..3-5) Varansanalyse og goodness of ft Enheder og funktonel form af varabler modellen
Læs mereKvantitative metoder 2 Forår 2007 Ugeseddel 9
Kvanttatve metoder 2 Forår 2007 Ugeseddel 9 Program for øvelserne: Introdukton af problemstllng og datasæt Gruppearbejde SAS øvelser Paneldata for tlbagetræknngsalder Ugesedlen analyserer et datasæt med
Læs mereØkonometri 1. Avancerede Paneldata Metoder II Introduktion til Instrumentvariabler 27. november 2006
Økonometr 1 Avancerede Paneldata Metoder II Introdukton tl Instrumentvarabler 27. november 2006 Paneldata metoder Sdste gang: Paneldata med to eller flere peroder og fxed effects estmaton. Første-dfferens
Læs mereEKSAMEN I MATEMATIK-STATISTIK, 27. JANUAR 2006, KL 9-13
EKSAMEN I MATEMATIK-STATISTIK, 7. JANUAR 006, KL 9-13 [HER STARTER STATISTIKDELEN] Opgave 3 (5%): Bologsk baggrundsnformaton tl forståelse af opgaven: Dr producerer kke altd lge meget afkom af hvert køn.
Læs mereØkonometri 1. Lineær sandsynlighedsmodel. Hvad nu hvis den afhængige variabel er en kvalitativ variabel (med to kategorier)?
Dagens program Økonometr Heteroskedastctet 6. oktober 004 Hovedemnet for denne forelæsnng er heteroskedastctet (kap. 8.-8.3) Lneære sandsynlghedsmodel (kap 7.5) Konsekvenser af heteroskedastctet Hvordan
Læs mereDLU med CES-nytte. Resumé:
Danmarks Statstk MODELGRUPPEN Arbejdspapr* Grane Høegh 17. august 2006 DLU med CES-nytte Resumé: Her papret undersøges det om en generalserng af den bagvedlggende nyttefunkton DLU fra Cobb-Douglas med
Læs mereVægtet model. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægte. Vægte: Eksempel. Definition: Vægtrelationen
Vægtet model Landmålngens fejlteor Lekton 4 Vægtet gennemsnt Fordelng af slutfejl - kkb@mathaaudk http://peoplemathaaudk/ kkb/undervsnng/lf3 Insttut for Matematske Fag Aalborg Unverstet Gvet n uafhængge
Læs mereSandsynlighedsregning og statistik med binomialfordelingen
Sandsynlghedsregnng og statstk med bnomalfordelngen Katja Kofod Svan og Olav Lyndrup Januar 09 Indhold Stokastske varable... 3 Mddelværd og sprednng... 6 Bnomalfordelngen... Andre sandsynlghedsfordelnger...
Læs mereHusholdningsbudgetberegner
Chrstophe Kolodzejczyk & Ncola Krstensen Husholdnngsbudgetberegner En model for husholdnngers daglgvareforbrug udarbejdet for Penge- og Pensonspanelet Publkatonen Husholdnngsbudgetberegner En model for
Læs mere6. SEMESTER Epidemiologi og Biostatistik Opgaver til 3. uge, fredag
Afdelng for Epdemolog Afdelng for Bostatstk 6. SEESTER Epdemolog og Bostatstk Opgaver tl 3. uge, fredag Data tl denne opgave stammer fra. Bland: An Introducton to edcal Statstcs (Exercse 11E ). V har hentet
Læs mereBinomialfordelingen: april 09 GJ
Bnomalfordelngen: aprl 09 GJ Spm A 14: Sandsynlghedsregnng og statstk. Efter en kort ntrodukton af grundlæggende begreber sandsynlghedsregnng og statstk skal du skal ntroducere bnomalfordelngsmodellen
Læs mereØkonometri 1 Efterår 2006 Ugeseddel 13
Økonometr 1 Efterår 2006 Ugeseddel 13 Prram for øvelserne: Gruppearbejde plenumdskusson SAS øvelser Øvelsesopgave: Vækstregressoner (fortsat) Ugeseddel 13 fortsætter den emprske analyse af vækstregressonen
Læs mereUgeseddel 8. Gruppearbejde:
Ugeseddel 8 Gruppearbejde: 1. Ved at nkludere en dummyvarabel for et bestemt landeområde, svarer tl at konstatere, at dsse lande har nogle unkke karakterstka, som har betydnng for væksten, som kke gør
Læs mereMorten Frydenberg Biostatistik version dato:
Morten Frydenberg Bostatstk verson dato: -4- Bostatstk uge mandag Morten Frydenberg, Afdelng for Bostatstk Resume: Hvad har v været gennem ndtl nu Lneær (normal) regresson en kontnuert forklarende varabel
Læs mereØkonometri lektion 7 Multipel Lineær Regression. Testbaseret Modelkontrol
Økonometr lekton 7 Multpel Lneær Regresson Testbaseret Modelkontrol MLR Model på Matrxform Den multple lneære regressons model kan skrves som X y = Xβ + Hvor og Mndste kvadraters metode gver følgende estmat
Læs mereFTF dokumentation nr. 3 2014. Viden i praksis. Hovedorganisation for 450.000 offentligt og privat ansatte
FTF dokumentaton nr. 3 2014 Vden prakss Hovedorgansaton for 450.000 offentlgt og prvat ansatte Sde 2 Ansvarshavende redaktør: Flemmng Andersen, kommunkatonschef Foto: Jesper Ludvgsen Layout: FTF Tryk:
Læs mereFastlæggelse af strukturel arbejdsstyrke
d. 23.5.2013 Fastlæggelse af strukturel arbedsstyrke Dokumentatonsnotat tl Dansk Økonom, Forår 2013 For at kunne vurdere økonomens langsgtede vækstpotentale og underlggende saldoudvklng og for at kunne
Læs mereValidering og test af stokastisk trafikmodel
Valderng og test af stokastsk trafkmodel Maken Vldrk Sørensen M.Sc., PhDstud. Otto Anker Nelsen Cv.Ing., PhD, Professor Danmarks Teknske Unverstet/ Banestyrelsen Rådgvnng 1. Indlednng Trafkmodeller har
Læs mereNøglebegreber: Objektivfunktion, vægtning af residualer, optimeringsalgoritmer, parameterusikkerhed og korrelation, vurdering af kalibreringsresultat.
Håndbog grundvandsmodellerng, Sonnenborg & Henrksen (eds 5/8 GEUS Kaptel 14 IVERS MODELLERIG Torben Obel Sonnenborg Geologsk Insttut, Københavns Unverstet Anker Laer Høberg Hydrologsk Afdelng, GEUS øglebegreber:
Læs mereBinomialfordelingen. Erik Vestergaard
Bnomalfordelngen Erk Vestergaard Erk Vestergaard www.matematkfysk.dk Erk Vestergaard,. Blleder: Forsde: Stock.com/gnevre Sde : Stock.com/jaroon Sde : Stock.com/pod Desuden egne fotos og llustratoner. Erk
Læs mereLuftfartens vilkår i Skandinavien
Luftfartens vlkår Skandnaven - Prsens betydnng for valg af transportform Af Mette Bøgelund og Mkkel Egede Brkeland, COWI Trafkdage på Aalborg Unverstet 2000 1 Luftfartens vlkår Skandnaven - Prsens betydnng
Læs mereNotat om porteføljemodeller
Notat om porteføljemodeller Svend Jakobsen 1 Insttut for fnanserng Handelshøjskolen Århus 15. februar 2004 1 mndre modfkatoner af Mkkel Svenstrup 1 INDLEDNING 1 1 Indlednng Dette notat ndeholder en opsummerng
Læs mereTabsberegninger i Elsam-sagen
Tabsberegnnger Elsam-sagen Resumé: Dette notat beskrver, hvordan beregnngen af tab foregår. Første del beskrver spot tabene, mens anden del omhandler de afledte fnanselle tab. Indhold Generelt Tab spot
Læs mereAnvendt Statistik Lektion 10. Regression med både kvantitative og kvalitative forklarende variable Modelsøgning Modelkontrol
Anvendt Statstk Lekton 0 Regresson med både kvanttatve og kvaltatve forklarende varable Modelsøgnng Modelkontrol Opsummerng I forbndelse med multpel lneær regresson så v på modeller på formen E[ y] = α...
Læs mereKvantitative metoder 2 Forår 2007 Ugeseddel 10
Kvanttatve metoder 2 Forår 2007 Ugeseddel 0 Program for øvelserne: Gennemgang af teoropgave fra Ugesedel 9 Gruppearbejde og plenumdskusson SAS øvelser, spørgsmål -4. Sdste øvelsesgang (uge 2): SAS øvelser,
Læs mereForberedelse til den obligatoriske selvvalgte opgave
MnFremtd tl OSO 10. klasse Forberedelse tl den oblgatorske selvvalgte opgave Emnet for dn oblgatorske selvvalgte opgave (OSO) skal tage udgangspunkt dn uddannelsesplan og dt valg af ungdomsuddannelse.
Læs mereKvantitative metoder 2
Kvanttatve metoder 2 Instrumentvarabel estmaton 14. maj 2007 KM2: F25 1 y = cy ( c 0) Plan for resten af gennemgangen F25: Instrumentvarabel (IV) estmaton: Introdukton tl endogentet og nstrumentvarabler
Læs mereKvantitative metoder 2
y = cy ( c 0) Plan for resten af gennemgangen Kvanttatve metoder Instrumentvarabel estmaton 4. maj 007 F5: Instrumentvarabel (IV) estmaton: Introdukton tl endogentet og nstrumentvarabler En regressor,
Læs mereReal valutakursen, ε, svinger med den nominelle valutakurs P P. Endvidere antages prisniveauet i ud- og indland at være identisk, hvorved
Lgevægt på varemarkedet gen! Sdste gang bestemtes følgende IS-relatonen, der beskrver lgevægten på varemarkedet tl: Y = C(Y T) + I(Y, r) + G εim(y, ε) + X(Y*, ε) Altså er varemarkedet lgevægt, hvs den
Læs mereRettevejledning til Økonomisk Kandidateksamen 2007I, Økonometri 1
Rettevejlednng tl Økonomsk Kanddateksamen 2007I, Økonometr Vurderngsgrundlaget er selve opgavebesvarelsen og blaget. Programmer og data, som er afleveret elektronsk, bedømmes som sådan kke, men er anvendt
Læs mereFOLKEMØDE-ARRANGØR SÅDAN!
FOLKEMØDE-ARRANGØR SÅDAN! Bornholms Regonskommune står for Folkemødets praktske rammer. Men det poltske ndhold selve festvalens substans blver leveret af parter, organsatoner, forennger, vrksomheder og
Læs mereHVIS FOLK OMKRING DIG IKKE VIL LYTTE, SÅ KNÆL FOR DEM OG BED OM TILGIVELSE, THI SKYLDEN ER DIN. Fjordor Dostojevskij
HVIS FOLK OMKRING DIG IKKE VIL LYTTE, SÅ KNÆL FOR DEM OG BED OM TILGIVELSE, THI SKYLDEN ER DIN. Fjordor Dostojevskj Den store russske forfatter tænkte naturlgvs kke på markedsførng, da han skrev dsse lner.
Læs mereEn panelmodel for timeløn i Danmark: Ny metode til imputering af skyggelønninger i Finansministeriets forskelsbeløbsmodel
Arbejdspapr nr: / En panelmodel for tmeløn Danmark: Ny metode tl mptern af skyelønnner Fnansmnsterets forskelsbeløbsmodel Lars Grønvall Foldspan o Mads Vej Andersen* ** Resmé: En vrdern af tlskyndelsen
Læs mereMorten Frydenberg Biostatistik version dato:
Morten Frydenberg Bostatstk verson dato: -03-0 Effektmodfkaton Hvad er det - Kvantfcerng - Test Bostatstk uge 7 mandag Morten Frydenberg, Afdelng for Bostatstk Vægtede gennemsnt - Formler for standard
Læs mereDANMARKS NATIONALBANK WORKING PAPERS 2011 74
DANMARKS NATIONALBANK WORKING PAPERS 211 74 Johan Gustav Kaas Jacobsen Danmarks Natonalbank Søren Truels Nelsen Danmarks Natonalbank Betalngsvaner Danmark September 211 The Workng Papers of Danmarks Natonalbank
Læs mereStatistik Lektion 15 Mere Lineær Regression. Modelkontrol Prædiktion Multipel Lineære Regression
Statstk Lekton 15 Mere Lneær Regresson Modelkontrol Prædkton Multpel Lneære Regresson Smpel Lneær Regresson - repetton Spørgsmål: Afhænger y lneært af x?. Model: y = β + β x + ε ε d N(0, σ 0 1 2 ) Systematsk
Læs mereAnvendt Statistik Lektion 10. Regression med både kvantitative og kvalitative forklarende variable Modelkontrol
Anvendt Statstk Lekton 0 Regresson med både kvanttatve og kvaltatve forklarende varable Modelkontrol Opsummerng I forbndelse med multpel lneær regresson så v på modeller på formen E y] = α... [ 3 3 4 4
Læs mereNote til Generel Ligevægt
Mkro. år. semester Note tl Generel Lgevægt Varan kap. 9 Generel lgevægt bytteøkonom Modsat partel lgevægt betragter v nu hele økonomen på én gang; v betragter kke længere nogle prser for gvet etc. Den
Læs mereRegressionsanalyse. Epidemiologi og Biostatistik. 1.Simpel lineær regression (Kapitel 11) systolisk blodtryk og alder
Regressonsanalyse Epdemolog og Bostatstk Mogens Erlandsen, Insttut for Bostatstk Uge, torsdag (forelæsnng) 1.Smpel lneær regresson (Kaptel 11) systolsk blodtryk og alder. Multpel lneær regresson (Kaptel
Læs mere10. Usikkerhed og fejlsøgning
93 10. Uskkerhed og fejlsøgnng Forbrugerprsndekset er baseret på en stkprøve af varer og tjenester og derfor behæftet med uskkerhed. Kaptlet ndledes derfor med en gennemgang af de væsentlgste klder tl
Læs mereStatistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel
Statstk II Lekton 5 Modelkontrol Modelkontrol Modelsøgnng Større eksempel Generel Lneær Model Y afhængg skala varabel 1,, k forklarende varable, skala eller bnære Model: Mddelværden af Y gvet =( 1,, k
Læs mereeconstor zbw www.econstor.eu
econstor www.econstor.eu Der Open-Access-Publkatonsserver der ZBW Lebnz-Informatonszentrum Wrtschaft The Open Access Publcaton Server of the ZBW Lebnz Informaton Centre for Economcs Jacobsen, Johan Gustav
Læs mereFagblok 4b: Regnskab og finansiering 2. del Hjemmeopgave - 28.01 2005 kl. 14.00 til 31.01 2004 kl. 14.00
Fagblok 4b: Regnskab og fnanserng 2. del Hjemmeopgave - 28.01 2005 kl. 14.00 tl 31.01 2004 kl. 14.00 Dette opgavesæt ndeholder følgende: Opgave 1 (vægt 50%) p. 2-4 Opgave 2 (vægt 25%) samt opgave 3 (vægt
Læs mereHandleplan for Myndighed (Handicap og Socialpsykiatri)
for Myndghed (Handcap og Socalpsykatr) Baggrund Økonomudvalget besluttede den 17. maj 2010, at der bl.a. på Myndghedsområdet for Handcap og Socalpsykatr skal udarbejdes en handleplan som følge den konstaterede
Læs mereUndersøgelse af pris- og indkomstelasticiteter i forbrugssystemet - estimeret med AIDS
Danmarks Statstk MODELGRUPPEN Arbedspapr* Mads Svendsen-Tune 13. marts 2008 Undersøgelse af prs- og ndkomstelastcteter forbrugssystemet - estmeret med AIDS Resumé: For at efterse nestnngsstrukturen forbrugssystemet
Læs mereKulturel spørgeguide. Psykiatrisk Center København. Dansk bearbejdelse ved Marianne Østerskov. Januar 2011 2. udgave. Kulturel spørgeguide Jan.
Vdenscenter for Transkulturel Psykatr har ekssteret sden 2002 og skal fremme psykatrsk udrednng, dagnostk, behandlng, pleje og opfølgnng af patenter, der har en anden etnsk baggrund end dansk. Kulturel
Læs mereEuropaudvalget 2009-10 EUU alm. del Bilag 365 Offentligt
Europaudvalget 2009-10 EUU alm. del Blag 365 Offentlgt Notat Kemkaler J.nr. MST-652-00099 Ref. Doble/lkjo Den 5. maj 2010 GRUNDNOTAT TIL FOLKETINGETS EUROPAUDVALG Kommssonens forslag om tlpasnng tl den
Læs mereSandsynlighedsregning 12. forelæsning Bo Friis Nielsen
Sandsynlghedsregnng. forelæsnng Bo Frs Nelsen Matematk og Computer Scence Danmarks Teknske Unverstet 800 Kgs. Lyngby Danmark Emal: bfn@mm.dtu.dk Dagens nye emner afsnt 6.5 Den bvarate normalfordelng Y
Læs mere½ års evaluering af projekt Praktisk Pædagogisk Funktionsstøtte
½ års evaluerng projekt Praktsk Pædagsk Funktonsstøtte Der forelgger her en evaluerng beskrvelse projektstllngen Praktsk Pædagsk Funktonsstøtte efter et halvt års vrke. Tl forskel fra 3 måneders evaluerngen
Læs mereStatistik II Lektion 4 Generelle Lineære Modeller. Simpel Lineær Regression Multipel Lineær Regression Flersidet Variansanalyse (ANOVA)
Statstk II Lekton 4 Generelle Lneære Modeller Smpel Lneær Regresson Multpel Lneær Regresson Flersdet Varansanalyse (ANOVA) Logstsk regresson Y afhængg bnær varabel X 1,,X k forklarende varable, skala eller
Læs mereUdviklingen i de kommunale udligningsordninger
Udvklngen de kommunale udlgnngsordnnger af Svend Lundtorp AKF Forlaget Jun 2004 Forord Dette Memo er skrevet de sdste måneder af 2003, altså før strukturkommssonens betænknng og før Indenrgsmnsterets
Læs mereNOTAT: Benchmarking: Roskilde Kommunes serviceudgifter i regnskab 2013
Beskæftgelse, Socal og Økonom Økonom og Ejendomme Sagsnr. 260912 Brevd. 1957603 Ref. LAOL Dr. tlf. 4631 3152 lasseo@rosklde.dk NOTAT: Benchmarkng: Rosklde Kommunes servceudgfter regnskab 2013 19. august
Læs mereSERVICE BLUEPRINTS KY selvbetjening 2013
SERVICE BLUEPRINTS KY selvbetjenng 2013 EFTER Desgn by Research BRUGERREJSE Ada / KONTANTHJÆLP Navn: Ada Alder: 35 år Uddannelse: cand. mag Matchgruppe: 1 Ada er opvokset Danmark med bosnske forældre.
Læs mereØkonometri 1. Interne evalueringer. Interne evalueringer. Dagens program. Heteroskedaticitet (Specifikation og dataproblemer) 2.
Dagens program Øonometr 1 Heterosedatctet (Specfaton og dataproblemer). november 005 dataproblemer 1 Interne evaluernger Emner for denne forelæsnng: Heterosedastctet (ap 8.4-8.5) Egensaber ved FGLS Esempel
Læs mereMiljø- og Fødevareudvalget MOF Alm.del Bilag 16 Offentligt
- at Mljø- Fødevareudvalget 2017-18 MOF Alm.del Blag 16 Offentlgt UDVALGSSEKRETARIATET NOTAT OM FREMMØDE UNDER FORETRÆDER FOR UDVALG FOLKETINGET Præsdet har drøftet fremmødet under foretræde for udvalgene
Læs mereNOTAT:Benchmarking: Roskilde Kommunes serviceudgifter i regnskab 2014
Beskæftgelse, Socal og Økonom Økonom og Ejendomme Sagsnr. 271218 Brevd. 2118731 Ref. KASH Dr. tlf. 4631 3066 katrnesh@rosklde.dk NOTAT:Benchmarkng: Rosklde Kommunes servceudgfter regnskab 2014 17. august
Læs merePRODUKTIONSEFFEKTEN AF AVL FOR HANLIG FERTILITET I DUROC
PRODUKTIONSEFFEKTEN AF AVL FOR HANLIG FERTILITET I DUROC MEDDELELSE NR. 1075 Vrknngsgraden (gennemslaget) tl en produktonsbesætnng for avlsværdtallet for hanlg fertltet Duroc blev fundet tl 1,50, hvlket
Læs merePas på dig selv, mand
Pas på dg selv, mand Prostatas funkton og sygdomme Kom med Prostatas funkton Du skal passe på dg selv, når det gælder dn prostata. Den kan blve angrebet af kræft mere eller mndre alvorlg grad. Prostata
Læs mereMåleusikkerhed i kalibrering Nr. : AB 11 Dato : 2011-12-01 Side : 1/3
Sde : 1/3 1. Anvendelsesområde 1.1 Denne akkredterngsbestemmelse gælder ved DANAK s akkredterng af kalbrerngslaboratorer. 1. Akkredterede kalbrerngslaboratorer skal ved estmerng af uskkerhed, rapporterng
Læs mereScorer FCK "for mange" mål i det sidste kvarter?
Uge 7 I Teoretsk Statstk, 9. aprl 2004. Hvor er v? Hvor var v: opstllg af statstske modeller Hvor skal v he: tro om estmato og test 2. Eksempel: FCK Estmato (tutvt) Test Maksmum lkelhood estmato Scorer
Læs mereØkonometri 1. Lineær sandsynlighedsmodel (Wooldridge 8.5). Dagens program: Heteroskedasticitet 30. oktober 2006
Dagens program: Øonometr 1 Heterosedastctet 30. otober 006 Effcent estmaton under heterosedastctet (Wooldrdge 8.4): Sdste gang: Kendte vægte - Weghted Least Squares (WLS) Generalzed Least Squares (GLS)
Læs mereStatistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel
Statstk II Lekton 5 Modelkontrol Modelkontrol Modelsøgnng Større eksempel Opbygnng af statstsk model Eksploratv data-analyse Specfcer model Lgnnger og antagelser Estmer parametre Modelkontrol Er modellen
Læs mereBilag 1: Projektbeskrivelse
Devoteam Consultng A/S Lautrupsgade 13 DK-2100 Copenhagen Copenhagen, Denmark Tel +45 20 45 07 00 Fax +45 39 43 07 77 E-mal nfo@devoteam.dk www.devoteam.dk 13-08-09 Blag 1: Projektbeskrvelse Assstance
Læs mereVækstregnskab for nm-erhvervet
Danmarks Statstk MODEGRUPPEN Arbejdspapr* Erk Bjørsted 23. November 2005 Martn Junge Vækstregnskab for nm-erhvervet Resumé: Papret præsenterer et vækstregnskab for nm-erhvervet og sammenlgner den totale
Læs mereAnalytisk modellering af 2D Halbach permanente magneter
Analytsk modellerng af 2D Halbach permanente magneter Kaspar K. Nelsen kak@dtu.dk, psjq@dtu.dk DTU Energ Konverterng og -Lagrng Danmarks Teknske Unverstet Frederksborgvej 399 4000, Rosklde, Danmark 17.
Læs mereStatistisk mekanik 13 Side 1 af 9 Faseomdannelse. Faseligevægt
Statsts mean 3 Sde af 9 Faselgevægt Hvs hver fase et PVT-system behandles særslt, vl hver fase alene raft af mulgheden for faseomdannelser udgøre et åbent system. Ved generalserng af udtry (3.48) fås dermed
Læs mereRESEARCH PAPER. Nr. 7, Prisoptimering i logitmodellen under homogen og heterogen forbrugeradfærd. Jørgen Kai Olsen
RESEARCH PAPER Nr. 7, 23 Prsotmerng logtmodellen under homogen og heterogen forbrugeradfærd af Jørgen Ka Olsen INSTITUT FOR AFSÆTNINGSØKONOMI COPENHAGEN BUSINESS SCHOOL SOLBJERG PLADS 3, DK-2 FREDERIKSBERG
Læs mereStatikstik II 4. Lektion. Generelle Lineære Modeller
Statkstk II 4. Lekton Generelle Lneære Modeller Generel Lneær Model Y afhængg skala varabel X 1,,X k forklarende varable, skala eller bnære Model: Mddelværden af Y gvet X + k = E( Y X ) = α + β x + + β
Læs mereBrugen af R^2 i gymnasiet
Downloaded from orbt.dtu.dk on: Dec 0, 017 Brugen af R^ gymnaset Brockhoff, Per B.; Hansen, Ernst; Ekstrøm, Claus Thorn Publshed n: LMFK-Bladet Publcaton date: 017 Document Verson Publsher's PDF, also
Læs mereHandlingsplan om bedre overvågning af biologiske lægemidler, biosimilære lægemidler og vacciner 2015-2016
Sundheds- og Ældreudvalget 2014-15 (2. samlng) SUU Alm.del Blag 41 Offentlgt Sundheds- og Ældremnsteret Sundheds- og ældremnsteren Enhed: Jurmed Sagsbeh.: hbj Sagsnr.: 1503875 Dok. nr.: 1768205 Dato: 3.
Læs mereNim Skole og Børnehus
Nm Skole og Børnehus... 2 Samlet vurderng af skolen... 2 Rammebetngelser... 4 Budget... 4 Personaletal... 4 Pædagogske processer... 4 Indsatsområder og resultater... 4 Opfølgnng og nye ndsatsområder...
Læs mereSalg af kirkegrunden ved Vejleå Kirke - opførelse af seniorboliger. hovedprincipper for et salg af kirkegrunden, som vi drøftede på voii møde.
Ishøj Kommune Att.: Kommunaldrektør Anders Hvd Jensen Ishøj Store Torv 20 2635 Ishøj Lett Advokatfrma Rådhuspladsen 4 1550 København V Tlr. 33 34 00 00 Fax 33 34 00 01 lettl lett.dk www.lett.dk Kære Anders
Læs mereOrganisationsmanual. Organisationen bag SIKA Rengøring A/S
Organsatonsmanual Organsatonen bag SIKA Rengørng A/S SIKA Rengørng A/S ejes af Bent & Elsabeth Hansen. 1 En robust organsaton SIKA Rengørng blev grundlagt 2001 af Bent Hansen, som enkeltmandsvrksomhed.
Læs mereFysik 3. Indhold. 1. Sandsynlighedsteori
Fysk 3 Indhold Termodynamk John Nclasen 1. Sandsynlghedsteor 1.1 Symboler 1.2 Boolsk Algebra 1.3 Betngede Udsagn 1.4 Regneregler 1.5 Bayes' formel 2. Fordelnger 2.1 Symboler 2.2 Bnomal Fordelngen 2.3 ultnomal
Læs mereLangsigtet efterspørgsel efter transport
Langsgtet efterspørgsel efter transport Af Camlla Rff Brems og Thomas Chrstan Jensen, DTU Transport Abstract Der er en stgende nteresse for at dentfcere og modellere den langsgtede efterspørgsel efter
Læs merePrøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse
Økonometr Prøveeksamen Indtjenng, konkurrencestuaton og produktudvklng danske vrksomheder Kommenteret vejledende besvarelse Resultaterne denne besvarelse er fremkommet ved brug af eksamensnummer 7. Dne
Læs mereOPI virksomhedsinvolvering:
18. jun 2012 OPI vrksomhedsnvolverng: Erfarnger fra OPI-Lab demonstratonsprojekt 1 1 Det Intellgente Hosptalsbaderum Peter Bamberg Jensen, OPI projektleder Syddansk Sundhedsnnovaton Regon Syddanmark Peter.Bamberg.Jensen@regonsyddanmark.dk
Læs merePrøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse
Økonometr Forår 00 Prøveeksamen Indtjenng, konkurrencestuaton og produktudvklng danske vrksomheder Kommenteret vejledende besvarelse Resultaterne denne besvarelse er fremkommet ved brug af eksamensnummer
Læs mereBESKÆFTIGELSES- OG LØNSTATISTIK FOR KVINDER
Dansk Journalstforbund Februar 2011 BESKÆFTIGELSES- OG LØNSTATISTIK FOR KVINDER Jobs og lønkroner er kke lgelgt fordelt blandt mandlge og kvndelge forbunds. Derfor har v her samlet fre oversgter, der sger
Læs mereLogistisk regression. Logistisk regression. Probit model Fortolkning udfra latent variabel. Odds/Odds ratio
Logstsk regresson Logstsk regresson Odds/Odds rato Probt model Fortolknng udfra latent varabel En varabel Y parameter p P( Y 1 Bernoull/bnomal fordelngen 1 1 p. er Bernoull- fordelt med sandsynlgheds hvs
Læs mereInertimoment for arealer
13-08-006 Søren Rs nertmoment nertmoment for arealer Generelt Defntonen på nertmoment kan beskrves som Hvor trægt det er at få et legeme tl at rotere eller Hvor stort et moment der skal tlføres et legeme
Læs mereKreditrisiko efter IRBmetoden
Kredtrsko efter IRBmetoden Vacceks formel Arbejdspapr, oktober 2013 1 KRAKAfnans - Fnanskrsekommssonens sekretarat Teknsk arbejdspapr udkast 15. oktober 2013 Indlednng Det absolutte mndstekrav tl et kredtnsttut
Læs mereDen politiske organisation
Regnskab 2010 Den poltske organsaton Byrådet 2010 2013 Ulla Hardy-Hansen (C) 1. vceborgmester Thomas Lykke Pedersen (A) Borgmester Carsten Wlff (V) 2. vceborgmester Per Frost Henrksen (A) Ergn Øzer (A)
Læs mereχ 2 -fordelte variable
χ -fordelte varable Defnton af χ -fordelngen Kvadratsummen V n af n uafhængge standardserede normalfordelte stokastske varable sges at være χ -fordelt med n frhedsgrader. V n fremkommer altså som V n =
Læs mere