Fokus på Forsyning. Datagrundlag og metode
|
|
- Sara Steensen
- 7 år siden
- Visninger:
Transkript
1 Fokus på Forsyning I notatet gennemgås datagrundlaget for brancheanalysen af forsyningssektoren sammen med variable, regressionsmodellen og tilhørende tests. Slutteligt sammenfattes analysens resultater og brugbarhed. SPERA Grønnegade Århus C CVR
2 Præsentation Data til denne analyse er bygget på DANVA s rapport: Vand i tal Ydermere er der indhentet data fra selskabernes hjemmesider for at vurdere, om disse selskaber er et datterselskab og indgår i en overliggende selskabsstruktur, hvor denne struktur har ét eller flere forsyningsområder. De endelige variable, som er blevet brugt, er følgende: Driftsomkostninger (kr./solgt m ): Denne variabel er baseret på Vand i tal Ledningsnet (km.): Denne variabel er baseret på Vand i tal Vand/spild: Er en dummy-variabel, som antager værdien én, hvis et vilkårligt selskab udover at have spildevand som forsyningsområde også har vand. Hvis variablen antager værdien nul, vil selskabet ikke have vand som forsyningsart. Multi: Er en dummy-variabel, som antager værdien en, hvis et tilfældigt selskab har andre forsyningsarter end spildvand og vand. Dette kunne f.eks. være renovation. Hvis dummy variablen antager værdien nul, har selskabet ingen af disse forsyningsarter. Dummyvariablene vedr. forsyningsarter (Vand/spild og Multi) er konstrueret ud fra selskabernes hjemmesider og information omkring selskabernes engagement i de forskellige forsyningsarter. Det bemærkes i forhold til driftsomkostninger, at disse forudsættes korrekt afgrænset og fordelt til spildevand, såfremt der indgår andre selskaber eller forsyningsarter i selskabskonstruktionen. Det bemærkes også, at der kan være en mindre usikkerhed knyttet til, om alle omkostninger fordeles korrekt. Det er dog vurderingen, at de primære usikkerheder ofte knytter sig til opgørelsen af drift henholdsvis anlæg, hvor anlæg er holdt helt ude af denne analyse. Bearbejdning og observationer I Vand i tal 2012 er der data vedrørende 68 spildevandsselskaber. Når der bliver justeret for nulobservationer, er der 55 selskaber tilbage i stikprøven. En nulobservation skal forstås på den måde, at selskabet enten ingen kloakledninger har, eller at der er tomme observationer i de variable, som faktiske driftsomkostninger er udregnet fra. Faktiske driftsomkostninger er udregnet som summen af driftsomkostninger vedrørende transport, rensning og kundehåndtering. Følgende selskaber er derfor fjernet: Afløb Ballerup A/S, Brøndby Forsyning A/S, Frederiksberg Kloak A/S, Glostrup Spildevand A/S, KE Afløb A/S, Lyngby-Tårbæk Spildevand A/S, Nordvand (Gladsaxe Spildevand & Gentofte Spildevand), Vallensbæk Forsyning, Lynettefælleskabet I/S, Møllåværket Renseanlæg Lundtofte, Måløv Rens A/S, Spildevandscenter Avedøre I/S. 2
3 Regressionsmodellen Ud over de brugte variable findes i blandt DANVA s data mange andre variable, som er blevet forsøgt brugt for at forbedre modellen. Disse har dog enten forværret modellen eller har vist sig ikke at være signifikante. Den endelige regressionsmodel er præsenteret i (1) = + + / + + (1) Det valgte signifikansniveau er sat til 10% for at evaluere de enkelte t-statistikker. er en konstant. er signifikant og negativ. Denne variabel omhandler størrelsen på et selskab. Jo flere kilometer kloakledning et givent selskab har, des færre forventelige faktiske driftsomkostninger vil et selskab have. Det indikerer, at der er findes stordriftsfordele i spildevandsbranchen. er insignifikant. -koefficienten er negativ. Det indikerer, at kombinationen af spildevand og vand vil medføre lavere driftsomkostninger. Det bemærkes dog, at er imidlertid ikke statistisk signifikant. Det kan derfor ikke med statistisk sikkerhed fastslås, at vand som forsyningsart udover spildevand - medfører lavere driftsomkostninger. er på grænsen mellem at være statistisk signifikant og ikke-signifikant 1. Den positive koefficient viser, at selskaber med flere forsyningsarter udover spildevand og vand har højere driftsomkostninger. I nedenstående tabel er outputtet fra regressionsmodellen præsenteret. Tabel 1: Output regressionsanalyse Variabel C Ledningsnet Vand/spild Multi Koefficient 16-0,0019-1,67 1,43 T-statistik 12,58-2,19 1,31 1,67 P-værdi 0 0,03 0,2 0,10 Forklaringsgraden i modellen er på 16,33% (R^2). Dermed kan modellen forklare 16,33% af variationen i de faktiske driftsomkostninger for selskaberne. Hvis andre Forklaringsgraden antager en værdi mellem nul og 100 %. Hvis modellen fik tilføjet flere relevante variable ville forklaringsgraden blive højere. Hvis værdien er 100 % passer den lineære sammenhæng perfekt, og dermed forklarer de uafhængige variable al variation i den afhængige variabel. 1 er signifikant ved et signifikansniveau på 10,2 pct. Da signifikansniveauet kun er 0,2 % point over det tilladte, er variablen inkluderet i analysen, da den anses for at være yderst relevant. 3
4 Da forklaringsgraden er på 16,33% betyder det dermed at 83,67% af variationen i modellen skal forklares af andre faktorer. Det vil blandt andet indikere, at der kan være et potentiale for flere selskaber i analysen ud fra den fastlagte effektivitetsmodel. Forudsætninger For at validere modellen er følgende forudsætninger blevet testet: F1. Fejlledet har en forventet værdi lig med 0 F2. Homoskedasticitet F3. Ingen multikollinearitet F4. Normalfordelte fejlled F1. Fejlledet har en forventet værdi lig med 0 Dette undersøges ved hjælp af en RESET-TEST. Den undersøger om den lineære sammenhæng som modellen bygger på er korrekt. Dvs. om modellen er korrekt specificeret eller ej. Nedenstående er de enkelte hypoteser præsenteret. H 0 : Modellen er korrekt specificeret H 1 : modellen er forkert specificeret Reset-testen er baseret på en hjælpe-regression, hvor der testes på den afhængige variabel kvadreret. I testen på modellen fremkommer følgende resultat, se tabel 2. Tabel 2: Output RESET- test Værdi P-værdi T-statistik 0,08 0,94 Som det ses på p-værdien er variablen ikke signifikant da værdien på 0,94 er på langt over 0,05 som er grænsen for hvornår, en variabel er signifikant eller ej. Dvs. at vi med 95 % sandsynlighed kan sige at modellen er korrekt specificeret. Dermed er den lineære sammenhæng, som modellen bygger på, korrekt. F2. Homoskedasticitet Udover at teste for korrekt specifikation er modellen blevet testet for homoskedasticitet. Dette er gjort for at validere t-statistikerne. Hvis t-statistikerne ikke er valide, ville det skabe stor usikkerhed om variabel 4
5 koefficienternes brugbarhed i modellen. Der er lavet en såkaldt Breusch-Pagan test for heteroskedasticitet. Nedenstående er hypoteserne præsenteret. H 0 : Homoskedasticitet (konstant varians i residualet) H 1 : Heteroskedasticitet (ikke-konstant varians) Den p-værdi, der fremkommer ved testen, er på 0,35 som er større end grænseværdien på 0,05. Det betyder, at nul hypotesen ikke kan afvises. Der er dermed 95 % sandsynlighed for at residualerne har konstant varians, og at de estimerede t-statistikker er valide. F3. Ingen multikollinearitet Hvis der er multikollinearitet i modellen, er de uafhængige variable stærkt korrelerede. Dette betyder at man ikke bruge linear regression til at estimere modellen, da estimationen af regressionskoefficienterne bliver usikre. Tabel 3: Korrelations matrice VAND/SPILD MULTI KL VAND/SPILD 1,00 0,42 0,10 MULTI 0,42 1,00-0,12 KL 0,10-0,12 1,00 Multikollinearitet mellem forskellige individuelle koefficienter ville blive repræsenteret med værdien 1 i tabel 3. Da den højeste korrelationskoefficient har værdien 0,42 mellem MULTI og VAND/SPILD kan det konstateres at forudsætningen om ingen multikollinearitet er opfyldt. F4. Normalfordelte fejlled Som det fremgår af nedenstående figur, er fejlleddene generelt normalfordelte. Dette betyder at estimationen af både t-statistikke og koefficienter er korrekt. 5
6 Figur 1: Normalfordeling af residualer Sammenfatning De fire tests viser at regressionsmodellen både er korrekt specificeret, og at koefficienten for hver enkel variabel er brugbar. Dermed er er modellen ikke udsat for forudsætningsbrud. Det kan dermed forudsættes, at den opstillede effektivitetsmodel og regressionsanalysen beskriver sammenhængen mellem de enkelte variable korrekt. Analysen viser at jo større et ledningsnet, des mindre vil dets driftsomkostninger være. Der er en indikation på at spildevandsselskaber som også har vand som forsyningsarter, har lavere driftsomkostninger. Selskaber med forsyningsarter ud over spildevand og vand har større omkostninger. Regressionsmodellens forklaringsgrad er på 16,33%. Det indikerer, at der for flere selskaber kan være potentialer for effektiviseringer, nemlig de ikke forklarede omkostninger. Flere variable vil øge modellens forklaringskraft og imidlertid også svække den statistiske sikkerhed i effektivitetsmodellen. Det ændrer dog ikke på, at andre faktorer en ledningsnettets længde har betydning for forskelle mellem selskabernes omkostninger, og de estimerede potentialer skal derfor primært ses som indikationer på potentialer. 6
Fokus på forsyning Investeringer I: Behov og afkast Investeringer II: Konsekvenser
Investeringer I: Behov og afkast Investeringer II: Konsekvenser : I notatet beskrives datagrundlaget for analyserne af spildevandsselskabernes tilstand, muligheder og valg vedr. investering og finansiering.
Læs mereAppendiks Økonometrisk teori... II
Appendiks Økonometrisk teori... II De klassiske SLR-antagelser... II Hypotesetest... VII Regressioner... VIII Inflation:... VIII Test for SLR antagelser... IX Reset-test... IX Plots... X Breusch-Pagan
Læs mereAnalysestrategi. Lektion 7 slides kompileret 27. oktober 200315:24 p.1/17
nalysestrategi Vælg statistisk model. Estimere parametre i model. fx. lineær regression Udføre modelkontrol beskriver modellen data tilstrækkelig godt og er modellens antagelser opfyldte fx. vha. residualanalyse
Læs mereBilag 12 Regressionsanalysens tabeller og forklaringer
Bilag 12 Regressionsanalysens tabeller og forklaringer Regressionsanalysens tabeller og forklaringer Regressionsanalysen vil være delt op i 2 blokke. Første blok vil analysere hvor meget de tre TPB variabler
Læs mereBaggrundsnotat: Modelteknisk
Sekretariatet for Energitilsynet Baggrundsnotat: Modelteknisk materiale Store forskelle i varmepriserne hvorfor? Center for Varme Tekniske bilag I dette baggrundsnotat gennemgås de økonometriske forhold
Læs mereBilag 5 - Forsyningssekretariatets bemærkninger til høringssvar fra DANVA og FVD
Bilag 5 - Forsyningssekretariatets bemærkninger til høringssvar fra DANVA og FVD FORSYNINGSSEKRETARIATET OKTOBER 2011 INDLEDNING... 3 NETVOLUMEN OG DATAKVALITET... 3 MILJØ- OG SERVICEMÅL... 5 UDELADTE
Læs mereAnvendt Statistik Lektion 8. Multipel Lineær Regression
Anvendt Statistik Lektion 8 Multipel Lineær Regression 1 Simpel Lineær Regression (SLR) y Sammenhængen mellem den afhængige variabel (y) og den forklarende variabel (x) beskrives vha. en SLR: ligger ikke
Læs mereDe variable, som er inkluderet i de forskellige modeller, er følgende:
DUL II. Undersøgelse af hvilke faktorer, der er væsentlige for at understøtte, at der er klare og veltilrettelagte mål tilstede i arbejdet med elevernes læring Følgende er en statistisk analyse af ovenstående
Læs mereØkonometri: Lektion 2 Multipel Lineær Regression 1/27
Økonometri: Lektion 2 Multipel Lineær Regression 1/27 Multipel Lineær Regression Sidst så vi på simpel lineær regression, hvor y er forklaret af én variabel. Der er intet, der forhindre os i at have mere
Læs mereProgram: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19
Program: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19 For test med signifikansniveau α: p < α forkast H 0 2/19 p-værdi Betragt tilfældet med test for H 0 : µ = µ 0 (σ kendt). Idé: jo større
Læs mereOversigt. 1 Gennemgående eksempel: Højde og vægt. 2 Korrelation. 3 Regressionsanalyse (kap 11) 4 Mindste kvadraters metode
Kursus 02402 Introduktion til Statistik Forelæsning 11: Kapitel 11: Regressionsanalyse Oversigt 1 Gennemgående eksempel: Højde og vægt 2 Korrelation 3 Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse
Læs mereForelæsning 11: Kapitel 11: Regressionsanalyse
Kursus 02402 Introduktion til Statistik Forelæsning 11: Kapitel 11: Regressionsanalyse Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800
Læs mereBaggrundsnotat: Modelteknisk
Energi-, Forsynings- og Klimaudvalget 2015-16 EFK Alm.del Bilag 410 Offentligt Sekretariatet for Energitilsynet Baggrundsnotat: Modelteknisk materiale Store forskelle i varmepriserne hvorfor? Center for
Læs mereBilag 16: Robusthedsanalyser af effektiviseringspotentialerne Bilaget indeholder analyser af effektiviseringspotentialernes robusthed.
Bilag 16: Robusthedsanalyser af effektiviseringspotentialerne Bilaget indeholder analyser af effektiviseringspotentialernes robusthed. FORSYNINGSSEKRETARIATET FEBRUAR 2013 INDLEDNING... 3 1. COSTDRIVERSAMMENSÆTNING...
Læs mereRettevejledning til Økonomisk Kandidateksamen 2007II. Økonometri 1
Rettevejledning til Økonomisk Kandidateksamen 2007II Økonometri 1 Vurderingsgrundlaget for tag-hjem eksamen er selve opgavebesvarelsen og bilaget. Programmer og data bedømmes som sådan ikke, men er anvendt
Læs mereØkonometri 1. Inferens i den lineære regressionsmodel 2. oktober Økonometri 1: F8 1
Økonometri 1 Inferens i den lineære regressionsmodel 2. oktober 2006 Økonometri 1: F8 1 Dagens program Opsamling om asymptotiske egenskaber: Asymptotisk normalitet Asymptotisk efficiens Test af flere lineære
Læs mereBilag 1: Beregning af omkostningsækvivalenter
Bilag 1: Beregning af omkostningsækvivalenter Bilaget indeholder den tekniske beregning af omkostningsækvivalenterne til brug for benchmarkingen 2013. FORSYNINGSSEKRETARIATET FEBRUAR 2013 INDLEDNING...
Læs mereBilag 7a: Den nye omkostningsækvivalent for Slam FORSYNINGSSEKRETARIATET AUGUST 2014 VERSION 2
Bilag 7a: Den nye omkostningsækvivalent for Slam FORSYNINGSSEKRETARIATET AUGUST 2014 VERSION 2 Indholdsfortegnelse Baggrund for genberegning 1.1 Valg af elementer... 1 Resultater 2.1 Slambehandling...
Læs mereAnvendt Statistik Lektion 9. Variansanalyse (ANOVA)
Anvendt Statistik Lektion 9 Variansanalyse (ANOVA) 1 Undersøge sammenhæng Undersøge sammenhænge mellem kategoriske variable: χ 2 -test i kontingenstabeller Undersøge sammenhæng mellem kontinuerte variable:
Læs mereBilag 4. Costdriversammensætning
Bilag 4 Costdriversammensætning Juli 2019 Bilag 44 - Costdriversammensætning Konkurrence- og Forbrugerstyrelsen Forsyningssekretariatet Carl Jacobsens Vej 35 2500 Valby Tlf.: +45 41 71 50 00 E-mail: kfst@kfst.dk
Læs mereFokus på forsyning. Investeringer I: Behov og afkast
Fokus på forsyning SPERA har undersøgt spildevandsselskabernes investeringer. For det første er selskabernes investeringsniveau samt sammenhængen mellem alder og effekten af foretagne investeringer undersøgt.
Læs mereSimpel Lineær Regression: Model
Simpel Lineær Regression: Model Sidst så vi på simpel lineære regression. Det er en statisisk model på formen y = β 0 + β 1 x + u, hvor fejlledet u, har egenskaben E[u x] = 0. Dette betyder bl.a. E[y x]
Læs mereAnvendt Statistik Lektion 9. Variansanalyse (ANOVA)
Anvendt Statistik Lektion 9 Variansanalyse (ANOVA) 1 Undersøge sammenhæng Undersøge sammenhænge mellem kategoriske variable: χ 2 -test i kontingenstabeller Undersøge sammenhæng mellem kontinuerte variable:
Læs mereTo samhørende variable
To samhørende variable Statistik er tal brugt som argumenter. - Leonard Louis Levinsen Antagatviharn observationspar x 1, y 1,, x n,y n. Betragt de to tilsvarende variable x og y. Hvordan måles sammenhængen
Læs mereStatistik II 4. Lektion. Logistisk regression
Statistik II 4. Lektion Logistisk regression Logistisk regression: Motivation Generelt setup: Dikotom(binær) afhængig variabel Kontinuerte og kategoriske forklarende variable (som i lineær reg.) Eksempel:
Læs mereBilag 2 Beregning af de korrigerede netvolumenma l
Bilag 2 Beregning af de korrigerede netvolumenma l August 2018 Bilag 2 Beregning af de korrigerede netvolumenmål Konkurrence- og Forbrugerstyrelsen Forsyningssekretariatet Carl Jacobsens Vej 35 2500 Valby
Læs mereEksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning
1 Multipel regressions model Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning PSE (I17) ASTA - 11. lektion
Læs mereStatikstik II 2. Lektion. Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression
Statikstik II 2. Lektion Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression Sandsynlighedsregningsrepetition Antag at Svar kan være Ja og Nej. Sandsynligheden for at Svar Ja skrives
Læs mereRettevejledning til Økonomisk Kandidateksamen 2007II. Kvantitative Metoder 2: Tag-hjem eksamen
Rettevejledning til Økonomisk Kandidateksamen 2007II Kvantitative Metoder 2: Tag-hjem eksamen Der skal for hver studerende foretages en samlet bedømmelse af tag-hjem gruppeopgaven og den individuelle 2-timers
Læs mereØkonometri 1. Dagens program. Den simple regressionsmodel 15. september 2006
Dagens program Økonometri Den simple regressionsmodel 5. september 006 Den simple lineære regressionsmodel (Wooldridge kap.4-.6) Eksemplet fortsat: Løn og uddannelse på danske data Funktionel form Statistiske
Læs mereBenchmarking af kommunernes sagsbehandling antagelser, metode og resultater
Benchmarking af kommunernes sagsbehandling antagelser, metode og resultater Anna Amilon Materiel vurdering Ved vurderingen af en afgørelses materielle indhold vurderes afgørelsens korrekthed i forhold
Læs mereAnvendt Statistik Lektion 7. Simpel Lineær Regression
Anvendt Statistik Lektion 7 Simpel Lineær Regression 1 Er der en sammenhæng? Plot af mordraten () mod fattigdomsraten (): Scatterplot Afhænger mordraten af fattigdomsraten? 2 Scatterplot Et scatterplot
Læs mereMultipel Linear Regression. Repetition Partiel F-test Modelsøgning Logistisk Regression
Multipel Linear Regression Repetition Partiel F-test Modelsøgning Logistisk Regression Test for en eller alle parametre I jagten på en god statistisk model har vi set på følgende to hypoteser og tilhørende
Læs mereBilag 1. Costdriversammensætning. November 2016 VERSION 3
Bilag 1 Costdriversammensætning November 2016 VERSION 3 Bilag 1 Konkurrence- og Forbrugerstyrelsen Forsyningssekretariatet Carl Jacobsens Vej 35 2500 Valby Tlf.: +45 41 71 50 00 E-mail: kfst@kfst.dk Online
Læs mereBilag 2. Beregning af de korrigerede netvolumenma l. September Version 2
Bilag 2 Beregning af de korrigerede netvolumenma l September 2017 Version 2 Bilag 2 Konkurrence- og Forbrugerstyrelsen Forsyningssekretariatet Carl Jacobsens Vej 35 2500 Valby Tlf.: +45 41 71 50 00 E-mail:
Læs mereØkonometri: Lektion 2 Multipel Lineær Regression 1/33
Økonometri: Lektion 2 Multipel Lineær Regression 1/33 Simpel Lineær Regression: Model Sidst så vi på simpel lineære regression. Det er en statisisk model på formen y = β 0 +β 1 x +u, hvor fejlledet u,
Læs mereStore forskelle i varmepriserne hvorfor?
Store forskelle i varmepriserne hvorfor? Der er store prisforskelle på fjernvarme rundt om i landet. Energitilsynet analyserer her, hvordan brændselsvalg, beliggenhed i forhold kunderne, størrelse og ejerskab
Læs mereStatistik II Lektion 3. Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable
Statistik II Lektion 3 Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable Setup: To binære variable X og Y. Statistisk model: Konsekvens: Logistisk regression: 2 binære var. e e X Y P
Læs mereAlbertslund Kommune. Rens Holding A/S LYN. Renseservice SCA. HOFOR Spildevand Holding A/S. HOFOR Vand Holding A/S. Albertslund Kommune
Albertslund Kommune Albertslund Kommune 3,19% * (ca. 3,36%) HOFOR Vand HOFOR Spildevand eller Indirekte ejerskab 8 vandselskaber, Vand Albertslund A/S 6 spildevandsselskaber, Spildevand Albertslund A/S
Læs mereBilag 1: Prisudvikling, generelt effektiviseringskrav og robusthedsanalyser FORSYNINGSSEKRETARIATET AUGUST 2014 VERSION 3
Bilag 1: Prisudvikling, generelt effektiviseringskrav og robusthedsanalyser FORSYNINGSSEKRETARIATET AUGUST 2014 VERSION 3 Indholdsfortegnelse Indledning Prisudvikling 2.1 Prisudviklingen fra 2014 til
Læs mereKvantitative metoder 2
Kvantitative metoder Heteroskedasticitet 11. april 007 KM: F18 1 Oversigt: Heteroskedasticitet OLS estimation under heteroskedasticitet (W.8.1-): Konsekvenser af heteroskedasticitet for OLS Gyldige test
Læs mereBilag 1 Costdriversammensætning
Bilag 1 Costdriversammensætning August 2017 Bilag 1 Konkurrence- og Forbrugerstyrelsen Forsyningssekretariatet Carl Jacobsens Vej 35 2500 Valby Tlf.: +45 41 71 50 00 E-mail: kfst@kfst.dk Bilag 1 er udarbejdet
Læs merefor drikkevandsselskaberne
OPEXnetvolumenmål for drikkevandsselskaberne Teknisk beregning af omkostningsækvivalenter til brug for OPEX-del af benchmarkingmodellen for 2019 og frem November 2017 OPEX-netvolumenmål for drikkevandsselskaberne
Læs mereAppendiks A Anvendte test statistikker
Appendiks A Anvendte test statistikker Afhandlingen opdeler testene i henholdsvis parametriske og ikke-parametriske test. De første fire test er parametriske test, mens de ikke-parametriske test udgør
Læs mereSimpel Lineær Regression
Simpel Lineær Regression Mål: Forklare variablen y vha. variablen x. Fx forklare Salg (y) vha. Reklamebudget (x). Vi antager at sammenhængen mellem y og x er beskrevet ved y = β 0 + β 1 x + u. y: Afhængige
Læs mereLøsninger til kapitel 14
Opgave 14.1 a) Linjetilpasningsplottet bliver: Løsninger til kapitel 14 Idet datapunkterne ligger tæt på og jævnt fordelt omkring den rette linje, så ser det ud til, at der med rimelighed er tale om en
Læs mereØkonometri 1. Dagens program. Den multiple regressionsmodel 18. september 2006
Dagens program Økonometri Den multiple regressionsmodel 8. september 006 Opsamling af statistiske resultater om den simple lineære regressionsmodel (W kap..5). Den multiple lineære regressionsmodel (W
Læs mereBilag 17: Effektiviseringspotentialer og effektiviseringskrav for spildevandsselskaberne
Bilag 17: Effektiviseringspotentialer og effektiviseringskrav for spildevandsselskaberne Bilaget indeholder en oversigt over FADO,, effektiviseringspotentialer og effektiviseringskrav for spildevandsselskaberne
Læs mereDen samlede model til estimation af lønpræmien er da givet ved:
Lønpræmien Lønpræmien i en branche kan indikere, om konkurrencen er hård eller svag i branchen. Hvis der er svag konkurrence mellem virksomhederne i branchen, vil det ofte give sig udslag i både højere
Læs mereEksamen ved. Københavns Universitet i. Kvantitative forskningsmetoder. Det Samfundsvidenskabelige Fakultet
Eksamen ved Københavns Universitet i Kvantitative forskningsmetoder Det Samfundsvidenskabelige Fakultet 14. december 2011 Eksamensnummer: 5 14. december 2011 Side 1 af 6 1) Af boxplottet kan man aflæse,
Læs mereKvantitative metoder 2
Kvantitative metoder 2 Specifikation og dataproblemer 2. maj 2007 KM2: F22 1 Program Specifikation og dataproblemer, fortsat (Wooldridge kap. 9): Betydning af målefejl Dataudvælgelse: Manglende observationer
Læs mereBilag 1: Prisudvikling, generelt effektiviseringskrav og robusthedsanalyser
Bilag 1: Prisudvikling, generelt effektiviseringskrav og robusthedsanalyser FORSYNINGSSEKRETARIATET OKTOBER 2015 VERSION 2 Indholdsfortegnelse Indledning Prisudvikling 2.1 Prisudviklingen fra prisloft
Læs mereVAND I TAL DANVA STATISTIK & BENCHMARKING
VAND I TAL 2018 DANVA STATISTIK & BENCHMARKING SPILDEVANDSSELSKABER, SOM DELTOG I STATISTIK OG BENCHMARKING 2018 (DATA FOR 2017) STAMDATA Indbyggere i forsyningsområdet Kloakledninger (spildevand regnvand)
Læs mereBilag 1: Robusthedsanalyser af effektiviseringspotentialerne. Bilaget indeholder analyser af effektiviseringspotentialernes robusthed.
Bilag 1: Robusthedsanalyser af effektiviseringspotentialerne Bilaget indeholder analyser af effektiviseringspotentialernes robusthed. FORSYNINGSSEKRETARIATET OKTOBER 2013 Indholdsfortegnelse Indledning
Læs mereBetydningen af konjunktur og regelændringer for udviklingen i sygedagpengemodtagere
DET ØKONOMISKE RÅD S E K R E T A R I A T E T d. 20. maj 2005 SG Betydningen af konjunktur og regelændringer for udviklingen i sygedagpengemodtagere Baggrundsnotat vedr. Dansk Økonomi, forår 2005, kapitel
Læs merefor drikkevandsselskaberne
OPEXnetvolumenmål for drikkevandsselskaberne Teknisk beregning af omkostningsækvivalenter til brug for OPEX-del af benchmarkingmodellen for 2019 og frem Januar 2018 OPEX-netvolumenmål for drikkevandsselskaberne
Læs mereForsyningssekretariatet har i alt modtaget 6 høringssvar.
NOTAT Dato: 15. januar 2018 Forsyningssekretariatet Høringsnotat til OPEX-netvolumenmål for drikkevandsselskaberne Teknisk beregning af omkostningsækvivalenter til brug for OPEXdel af benchmarkingmodellen
Læs mereØVELSER Statistik, Logistikøkonom Lektion 8 og 9: Simpel og multipel lineær regression
! ØVELSER Statistik, Logistikøkonom Lektion 8 og 9: Simpel og multipel lineær regression Eksempel 1 AT OPSTILLE EN SIMPEL LINEÆR REGRESSIONSMODEL - GENNEMGÅS AF JAKOB Et stort lager måler løbende sine
Læs mereBilag S.1: Beskrivelse af beregningen af koefficienten på indvandrerbaggrund
Bilag S.1: Beskrivelse af beregningen af koefficienten på indvandrerbaggrund Det er kun i model (1) i artiklen, at den gennemsnitlige betydning af at have indvandrerbaggrund (α 1 ) direkte kan estimeres.
Læs mereBilag 2 Beregning af de korrigerede netvolumenma l
Bilag 2 Beregning af de korrigerede netvolumenma l Oktober 2016 Bilag 2Bilag 2 Konkurrence- og Forbrugerstyrelsen Forsyningssekretariatet Carl Jacobsens Vej 35 2500 Valby Tlf.: +45 41 71 50 00 E-mail:
Læs mereBilag 9: Effektiviseringspotentialer og effektiviseringskrav for spildevandsselskaberne
Bilag 9: Effektiviseringspotentialer og effektiviseringskrav for spildevandsselskaberne Bilaget indeholder en oversigt over FADO,, effektiviseringspotentialer og effektiviseringskrav for spildevandsselskaberne
Læs mereLøsning eksamen d. 15. december 2008
Informatik - DTU 02402 Introduktion til Statistik 2010-2-01 LFF/lff Løsning eksamen d. 15. december 2008 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition, 7th
Læs mereBilag 4: Beregning af de korrigerede netvolumenmål Bilaget indeholder en teknisk gennemgang af beregningen af de korrigerede netvolumenmål, som
Bilag 4: Beregning af de korrigerede netvolumenmål Bilaget indeholder en teknisk gennemgang af beregningen af de korrigerede netvolumenmål, som indgår i benchmarkingmodellen. FORSYNINGSSEKRETARIATET FEBRUAR
Læs mereKvantitative metoder 2
Kvantitative metoder 2 Specifikation og dataproblemer 30. april 2007 KM2: F21 1 Program for de to næste forelæsninger Emnet er specifikation og dataproblemer (Wooldridge kap. 9) Fejlleddet kan være korreleret
Læs mere02402 Løsning til testquiz02402f (Test VI)
02402 Løsning til testquiz02402f (Test VI) Spørgsmål 4. En ejendomsmægler ønsker at undersøge om hans kunder får mindre end hvad de har forlangt, når de sælger deres bolig. Han har regisreret følgende:
Læs mereKvantitative metoder 2
Kvantitative metoder 2 Den multiple regressionsmodel 5. marts 2007 regressionsmodel 1 Dagens program Emnet for denne forelæsning er stadig den multiple regressionsmodel (Wooldridge kap. 3.4-3.5, E.2) Variansen
Læs meremen nu er Z N((µ 1 µ 0 ) n/σ, 1)!! Forkaster hvis X 191 eller X 209 eller
Type I og type II fejl Type I fejl: forkast når hypotese sand. α = signifikansniveau= P(type I fejl) Program (8.15-10): Hvis vi forkaster når Z < 2.58 eller Z > 2.58 er α = P(Z < 2.58) + P(Z > 2.58) =
Læs mereØkonometri 1. Dummyvariabler 13. oktober Økonometri 1: F10 1
Økonometri 1 Dummyvariabler 13. oktober 2006 Økonometri 1: F10 1 Dagens program Dummyvariabler i den multiple regressionsmodel (Wooldridge kap. 7.3-7.6) Dummy variabler for kvalitative egenskaber med flere
Læs mereEpidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Institut for Biostatistik. Regressionsanalyse
Epidemiologi og biostatistik. Uge, torsdag. Erik Parner, Institut for Biostatistik. Lineær regressionsanalyse - Simpel lineær regression - Multipel lineær regression Regressionsanalyse Regressionsanalyser
Læs mereTest for strukturelle ændringer i investeringsadfærden
d. 6.10.2016 De Økonomiske Råds Sekretariat Test for strukturelle ændringer i investeringsadfærden Dette notat redegør for de stabilitetstest af forskellige tidsserier vedrørende investeringsadfærden i
Læs mere12. september Epidemiologi og biostatistik. Forelæsning 4 Uge 3, torsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Regressionsanalyse
. september 5 Epidemiologi og biostatistik. Forelæsning Uge, torsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Lineær regressionsanalyse - Simpel lineær regression - Multipel lineær regression
Læs mereEpidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Afdeling for Biostatistik. Eksempel: Systolisk blodtryk
Eksempel: Systolisk blodtryk Udgangspunkt: Vi ønsker at prædiktere det systoliske blodtryk hos en gruppe af personer. Epidemiologi og biostatistik. Uge, torsdag. Erik Parner, Afdeling for Biostatistik.
Læs mereBilag 1 Costdriversammensætning
Bilag 1 Costdriversammensætning August 2018 Bilag 1 - Costdriversammensætning Konkurrence- og Forbrugerstyrelsen Forsyningssekretariatet Carl Jacobsens Vej 35 2500 Valby Tlf.: +45 41 71 50 00 E-mail: kfst@kfst.dk
Læs mereTænk på a og b som to n 1 matricer. a 1 a 2 a n. For hvert i = 1,..., n har vi y i = x i β + u i.
Repetition af vektor-regning Økonometri: Lektion 3 Matrix-formulering Fordelingsantagelse Hypotesetest Antag vi har to n-dimensionelle (søjle)vektorer a 1 b 1 a 2 a =. og b = b 2. a n b n Tænk på a og
Læs mereØVELSER Statistik, Logistikøkonom Lektion 8 og 9: Simpel og multipel lineær regression
! ØVELSER Statistik, Logistikøkonom Lektion 8 og 9: Simpel og multipel lineær regression Eksempel 1 AT OPSTILLE EN SIMPEL LINEÆR REGRESSIONSMODEL - GENNEMGÅS AF JAKOB Et stort lager måler løbende sine
Læs merePsykisk arbejdsmiljø og stress
Psykisk arbejdsmiljø og stress - Hvilke faktorer har indflydelse på det psykiske arbejdsmiljø og medarbejdernes stress Marts 2018 Konklusion Denne analyse forsøger at afklare, hvilke faktorer der påvirker
Læs mere(studienummer) (underskrift) (bord nr)
Danmarks Tekniske Universitet Side 1 af 18 sider. Skriftlig prøve: 14. december 2009 Kursus navn og nr: Introduktion til Statistik, 02402 Tilladte hjælpemidler: Alle Dette sæt er besvaret af (studienummer)
Læs mereKvantitative metoder 2
Kvalitative egenskaber og dummyvariabler Kvantitative metoder 2 Dummyvariabler 28. marts 2007 Vi har (hovedsagligt) set på kvantitative variabler (løn, priser, forbrug, indkomst, )... Men hvad med kvalitative
Læs mereMLR antagelserne. Antagelse MLR.1:(Lineære parametre) Den statistiske model for populationen kan skrives som
MLR antagelserne Antagelse MLR.1:(Lineære parametre) Den statistiske model for populationen kan skrives som y = β 0 + β 1 x 1 + β 2 x 2 + + β k x k + u, hvor β 0, β 1, β 2,...,β k er ukendte parametere,
Læs mereØkonometri, ugeseddel 8 Hold 1 1/4-2003
1 Modeller/diagrammer med dummy er Disse tre diagrammer ligger til grund for gruppearbejdet. a) Generel regressions model g = β 0 + β 1 x 1 + β 2 x 2 + β 3 x 3 +..+ β n x n + u i, Hvor i =1,.n g b) Model
Læs mere! Husk at udfylde spørgeskema 3. ! Lineær sandsynlighedsmodel. ! Eksempel. ! Mere om evaluering og selvselektion
Dagens program Økonometri 1 Dummy variable 4. marts 003 Emnet for denne forelæsning er kvalitative variable i den multiple regressionsmodel (Wooldridge kap. 7.5-7.6+8.1)! Husk at udfylde spørgeskema 3!
Læs mereMetodenotat FLIS sammenligningskommuner 2016-data
Metodenotat FLIS sammenligningskommuner 2016-data Dette notat præsenterer metoden bag beregningen af de modeller, der anvendes til bestemmelse af sammenligningskommuner i FLIS. Den seneste beregning er
Læs mere1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ
Indhold 1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ exposure) 2 1.1 Variation indenfor og mellem grupper.......................... 2 1.2 F-test for ingen
Læs mereKonfidensintervaller og Hypotesetest
Konfidensintervaller og Hypotesetest Konfidensinterval for andele χ -fordelingen og konfidensinterval for variansen Hypoteseteori Hypotesetest af middelværdi, varians og andele Repetition fra sidst: Konfidensintervaller
Læs mereFokus på forsyning INVESTERING OG FINANSIERING 2. INVESTERING OG ALDER FIGUR 1 INVESTERINGER OG LEDNINGSNETTETS ALDER
Gennemførte investeringer kr./solgt m3 INVESTERING OG FINANSIERING 1. BAGGRUND Mange spildevandselskaber forventer stigende investeringer i de kommende år. Konsulent firmaet SPERA har undersøgt 44 spildevandsselskabers
Læs mere1 Multipel lineær regression
Indhold 1 Multipel lineær regression 2 1.1 Regression med 2 eksponeringsvariable......................... 2 1.2 Fortolkning og estimation................................ 3 1.3 AnovaTabel og multipel R
Læs meregrupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen
1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen
Læs mere1 Regressionsproblemet 2
Indhold 1 Regressionsproblemet 2 2 Simpel lineær regression 3 2.1 Mindste kvadraters tilpasning.............................. 3 2.2 Prædiktion og residualer................................. 5 2.3 Estimation
Læs mereAnalyse af omkostningsstrukturen i den danske vandsektor
LS d. 12.11.2004 Analyse af omkostningsstrukturen i den danske vandsektor Baggrundsnotat vedrørende Dansk Økonomi, efterår 2004, kapitel III Dette baggrundsnotat indeholder estimationer af, hvilke faktorer
Læs mereBaggrundsnotat: Søskendes uddannelsesvalg og indkomst
17. december 2013 Baggrundsnotat: Søskendes uddannelsesvalg og indkomst Dette notat redegør for den økonometriske analyse af indkomstforskelle mellem personer med forskellige lange videregående uddannelser
Læs mereMindste kvadraters tilpasning Prædiktion og residualer Estimation af betinget standardafvigelse Test for uafhængighed Konfidensinterval for hældning
1 Regressionsproblemet 2 Simpel lineær regression Mindste kvadraters tilpasning Prædiktion og residualer Estimation af betinget standardafvigelse Test for uafhængighed Konfidensinterval for hældning 3
Læs mereUNDERVISNINGSEFFEKT-MODELLEN 2006 METODE OG RESULTATER
UNDERVISNINGSEFFEKT-MODELLEN 2006 METODE OG RESULTATER Undervisningseffekten udregnes som forskellen mellem den forventede og den faktiske karakter i 9. klasses afgangsprøve. Undervisningseffekten udregnes
Læs mereOPEXnetvolumenmål. Teknisk beregning af omkostningsækvivalenter. OPEX-model for benchmarkingen for 2018 og frem
OPEXnetvolumenmål Teknisk beregning af omkostningsækvivalenter til brug for OPEX-model for benchmarkingen for 2018 og frem Maj 2017 OPEX-netvolumenmål Konkurrence- og Forbrugerstyrelsen Carl Jacobsens
Læs mere1 Multipel lineær regression
1 Multipel lineær regression Regression med 2 eksponeringsvariable Fortolkning og estimation AnovaTabel og multipel R 2 Ensidet variansanalyse: Dummy kodning Kovariansanalyse og effektmodifikation Tosidet
Læs mere! Variansen på OLS estimatoren. ! Multikollinaritet. ! Variansen i misspecificerede modeller. ! Estimat af variansen på fejlleddet
Dagens program Økonometri Den multiple regressionsmodel 4. februar 003 regressionsmodel Emnet for denne forelæsning er stadig den multiple regressionsmodel (Wooldridge kap. 3.4-3.5)! Opsamling fra sidst
Læs mereOpdateret benchmarkinganalyse: Kommunernes evne til at løfte nydanske folkeskoleelever
Notat Opdateret benchmarkinganalyse: Kommunernes evne til at løfte nydanske folkeskoleelever Konklusioner Elever med ikke-vestlig baggrund klarer sig meget forskelligt til folkeskolens afgangsprøver i
Læs mereBilag 3. Fronterne i DEA og SFA
Bilag 3 Fronterne i DEA og SFA Juli 2019 Bilag 3 Fronterne i DEA og SFA Konkurrence- og Forbrugerstyrelsen Forsyningssekretariatet Carl Jacobsens Vej 35 2500 Valby Tlf.: +45 41 71 50 00 E-mail: kfst@kfst.dk
Læs mereC) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b2.
C) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b. 5.000 4.800 4.600 4.400 4.00 4.000 3.800 3.600 3.400 3.00 3.000 1.19% 14.9% 7.38% 40.48% 53.57% 66.67% 79.76% 9.86% 010 011
Læs mereHelt overordnet er der to skridt i udvælgelsen af sammenlignelige kommuner:
N OTAT Metode, FLIS sammenligningskommuner Dette notat præsenterer metoden bag udregning af sammenligningskommuner i FLIS. Derudover præsenteres de første tre modeller der anvendes til at finde sammenligningskommuner
Læs mereStatistik II 1. Lektion. Analyse af kontingenstabeller
Statistik II 1. Lektion Analyse af kontingenstabeller Kursusbeskrivelse Omfang 5 kursusgange (forelæsning + opgaveregning) 5 kursusgange (mini-projekt) Emner Analyse af kontingenstabeller Logistisk regression
Læs mere