Bilagsfortegnelse. Bilagsfortegnelse

Relaterede dokumenter
Specialeforsvar. LISREL modeller anvendt på kommuners. Latente variable, faktor analyse og. tilkendelser af førtidspensioner.

Lineær regression. Simpel regression. Model. ofte bruges følgende notation:

Overlevelse efter AMI. Hvilken betydning har følgende faktorer for risikoen for ikke at overleve: Køn og alder betragtes som confoundere.

Log-lineære modeller. Analyse af symmetriske sammenhænge mellem kategoriske variable. Ordinal information ignoreres.

Afdeling for Anvendt Matematik og Statistik December 2006

Kursus i varians- og regressionsanalyse Data med detektionsgrænse. Birthe Lykke Thomsen H. Lundbeck A/S

Det kunne godt se ud til at ikke-rygere er ældre. Spredningen ser ud til at være nogenlunde ens i de to grupper.

Opgaver til ZAR II. Afdeling for Anvendt Matematik og Statistik Michael Sørensen Oktober Opgave 1

Løsning til opgave i logistisk regression

Reeksamen i Statistik for Biokemikere 6. april 2009

Reestimation af eksportrelationerne april 2000

Øvelser i epidemiologi og biostatistik, 6. april 2010 Baseline-informationer fra Ebeltoft datasættet Eksempel på besvarelse

Generelle lineære modeller

Multipel Linear Regression. Repetition Partiel F-test Modelsøgning Logistisk Regression

MPH specialmodul i epidemiologi og biostatistik. SAS. Introduktion til SAS. Eksempel: Blodtryk og fedme

Besvarelse af vitcap -opgaven

Opgave 1 Betragt to diskrete stokastiske variable X og Y. Antag at sandsynlighedsfunktionen p X for X er givet ved

CLASS temp medie; MODEL rate=temp medie/solution; RUN;

En Introduktion til SAS. Kapitel 5.

Variansanalyse i SAS 1. Institut for Matematiske Fag December 2007

Øvelser i epidemiologi og biostatistik, 12. april 2010 Ebeltoft-projektet: Analyse af alkoholrelaterede data mm. Eksempel på besvarelse

β = SDD xt SSD t σ 2 s 2 02 = SSD 02 f 02 i=1

3. SPSS Output. Descriptives. [DataSet1] C:\Users\Thomas\Desktop\Eservice_i_produktgruppen_Bekldning.sav

Eksamen i Statistik for Biokemikere, Blok januar 2009

Uge 13 referat hold 4

Logistisk Regression - fortsat

Statistiske Modeller 1: Kontingenstabeller i SAS

Naturvidenskabelig Bacheloruddannelse Forår 2006 Matematisk Modellering 1 Side 1

Multipel regression. M variable En afhængig (Y) M-1 m uafhængige / forklarende / prædikterende (X 1 til X m ) Model

Eksamen Bacheloruddannelsen i Medicin med industriel specialisering

Lineær regression i SAS. Lineær regression i SAS p.1/20

Vejledende besvarelse af hjemmeopgave i Basal statistik for lægevidenskabelige forskere, forår 2013

Køn. Holdning Mænd Kvinder Ialt JA NEJ VED IKKE

Vejledende besvarelse af hjemmeopgave i Basal Statistik, forår 2014

Kvant Eksamen December timer med hjælpemidler. 1 Hvad er en continuous variable? Giv 2 illustrationer.

Normalfordelingen. Statistik og Sandsynlighedsregning 2

Hypoteser om mere end to stikprøver ANOVA. k stikprøver: (ikke ordinale eller højere) gælder også for k 2! : i j

Program. Logistisk regression. Eksempel: pesticider og møl. Odds og odds-ratios (igen)

Statistik Lektion 17 Multipel Lineær Regression

Vejledende besvarelse af hjemmeopgave

Simpel og multipel logistisk regression

MPH specialmodul i epidemiologi og biostatistik. SAS. Introduktion til SAS. Eksempel: Blodtryk og fedme

Statistik og Sandsynlighedsregning 2. IH kapitel 12. Overheads til forelæsninger, mandag 6. uge

Statistikøvelse Kandidatstudiet i Folkesundhedsvidenskab 28. September 2004

Logistisk regression. Basal Statistik for medicinske PhD-studerende November 2008

Vejledende besvarelse af hjemmeopgave, efterår 2018

Linear Programming ١ C H A P T E R 2

Postoperative komplikationer

Klasseøvelser dag 2 Opgave 1

Opgavebesvarelse, logistisk regression

Projekt Osiris Fattigdom i Danmark: En socioøkonomisk fattigdomsgrænse Iulian Vlad Serban

Kommentarer til opg. 1 og 3 ved øvelser i basalkursus, 3. uge

Reestimation af uddannelsessøgende til modelversion okt15

Muligheder: NB: test for µ 1 = µ 2 i model med blocking ækvivalent med parret t-test! Ide: anskue β j som stikprøve fra normalfordeling.

Multipel Lineær Regression

Variansanalyse i SAS. Institut for Matematiske Fag December 2007

k normalfordelte observationsrækker (ensidet variansanalyse)

Eksamen i Statistik for biokemikere. Blok

1. Lav en passende arbejdstegning, der illustrerer samtlige enkeltobservationer.

Ikke-parametriske tests

Faculty of Health Sciences. Basal Statistik. Logistisk regression mm. Lene Theil Skovgaard. 5. marts 2018

Regressionsanalyse i SAS

Manual til AMOS 6.0. Forfatter: Rasmus Porsgaard Nicholas Dalgas Fritsche

Opgavebesvarelse, Basalkursus, uge 3

Oversigt. 1 Motiverende eksempel: Højde-vægt. 2 Lineær regressionsmodel. 3 Mindste kvadraters metode (least squares)

Generalized Probit Model in Design of Dose Finding Experiments. Yuehui Wu Valerii V. Fedorov RSU, GlaxoSmithKline, US

KA 4.2 Kvantitative Forskningsmetoder Forår 2010

Regressionsanalyser. Hvad er det statistiske problem? Primære og sekundære problemer. Metodeproblemer.

Kursus 02402/02323 Introducerende Statistik

Multipel Lineær Regression. Polynomiel regression Ikke-lineære modeller og transformation Multi-kolinearitet Auto-korrelation og Durbin-Watson test

Vi ønsker at konstruere normalområder for stofskiftet, som funktion af kropsvægten.

Program. Konfidensinterval og hypotesetest, del 2 en enkelt normalfordelt stikprøve I SAS. Øvelse: effekt af diæter

Økonometri lektion 5 Multipel Lineær Regression. Inferens Modelkontrol Prædiktion

Vejledende besvarelse af hjemmeopgave, forår 2017

Program. Indhold af kursus i overskrifter. Farlighed af GM-majs? (Ingeniøren Generel lineær model/multipel regression

Kursus 02323: Introducerende Statistik. Forelæsning 8: Simpel lineær regression. Peder Bacher

Reminder: Hypotesetest for én parameter. Økonometri: Lektion 4. F -test Justeret R 2 Aymptotiske resultater. En god model

Befolkning og folkekirke Lystrup Sogn

Statistisk oversigt over Vollsmose

Vejledende besvarelse af hjemmeopgave, forår 2018

Besvarelse af opgave om Vital Capacity

Appendiks Økonometrisk teori... II

High-Performance Data Mining med SAS Enterprise Miner 14.1

Basal statistik. 30. januar 2007

Oversigt. 1 Gennemgående eksempel: Højde og vægt. 2 Korrelation. 3 Regressionsanalyse (kap 11) 4 Mindste kvadraters metode

Eksamen i Statistik for biokemikere. Blok

Økonometri Lektion 1 Simpel Lineær Regression 1/31

Opgavebesvarelse, korrelerede målinger

Test for strukturelle ændringer i investeringsadfærden

Tænk 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.

Økonometri: Lektion 5. Multipel Lineær Regression: Interaktion, log-transformerede data, kategoriske forklarende variable, modelkontrol

Reeksamen Bacheloruddannelsen i Medicin med industriel specialisering. Eksamensdato: Tid: kl

Befolkning og folkekirke Hover Sogn

Befolkning og folkekirke X-strup Sogn

Befolkning og folkekirke Vor Frue Sogn

Vejledende besvarelse af hjemmeopgave, efterår 2017

Løsning eksamen d. 15. december 2008

Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 10: 13. april

Modul 11: Simpel lineær regression

Vejledende besvarelse af hjemmeopgave, efterår 2016

Transkript:

Bilagsfortegnelse Bilagsfortegnelse Bilag 1. Variabelliste... 109 Bilag 2. Normalfordelingsgrafik og transformationer... 112 Bilag 3. R-square fra konfirmativ analyser... 116 Bilag 4. Model: Mx1_3x22v... 118 Bilag 5. Model: C12 1y5 _3x16v... 144 Bilag 6. LISREL... 170 SLUT... 200 108

Bilag 1. Variabelliste Bilag 1. Variabelliste Liste med variable, der indgår i modelarbejdet. I bilag 2 findes et eksempel på transformation. Navn kom kommune TILK EJYD SDP ADP REVA P37 Variabeletikette indhold med normering og transformation Kommune nr. Kommune navn Antal tilkendelser til personer af førtidspension og invaliditetsydelse pr. 1000 inb. i alderen 18-66 år Antal tilkendelser til personer der ikke på forhånd modtog social ydelse pr. 1000 inb. i alderen 18-66 år Antal tilkendelser til personer der umiddelbart inden ansøgning modtog sygedagpenge pr. 1000 inb. i alderen 18-66 år Antal tilkendelser til personer der umiddelbart inden ansøgning modtog arbejdsløshedsdagpenge pr. 1000 inb. i alderen 18-66 år Antal tilkendelser til personer der umiddelbart inden ansøgning modtog revalidering pr. 1000 inb. i alderen 18-66 år Antal tilkendelser til personer der umiddelbart inden ansøgning modtog kontanthjælp pr. 1000 inb. i alderen 18-66 år HQJ Tilkendelser af højeste førtidspension, 14.1, pr. 1000 inb. i alderen 18-66 år ML Tilkendelser af mellemste førtidspension, 14.2, pr. 1000 inb. i alderen 18-66 år P1431 P1432 P1433 HELBRED BEHOV ALD44UND Tilkendelser efter 14.3.1, pr. 1000 inb. i alderen 18-66 år Tilkendelser efter 14.3.2, pr. 1000 inb. i alderen 18-66 år Tilkendelser efter 14.3.3, pr. 1000 inb. i alderen 18-66 år Tilkendelser af helbredsbestemte førtidspension ( 14.1, 14.2, 14.3.1), pr. 1000 inb. i alderen 18-66 år Tilkendelser af behovsbestemte pension ( 14.3.2, 14.3.3), pr. 1000 inb. i alderen 18-66 år Tilkendelser til personer i alderen 44 år eller derunder, pr. 1000 inb. i alderen 18-66 år 109

Bilag 1. Variabelliste Navn ALD45OV IY BISTTILL PLEJTILL AFSLAG ALD017 ALD1824 ALD2534 ALD3549 ALD5059 ALD6066 ALD67 PRIV ALMENNYT AKTIE ANDEL STATKOM EJERLEJ UOPLBOL EGTEPAR SAMLEV SAMBO Variabeletikette indhold med normering og transformation Tilkendelser til personer i alderen 45 år eller derover, pr. 1000 inb. i alderen 18-66 år Antal tilkendelser til personer af invaliditetsydelse, pr. 1000 inb. i alderen 18-66 år Tilkendelser af bistandstillæg, pr. 1000 inb. i alderen 18-66 år Tilkendelser af plejetillæg, pr. 1000 inb. i alderen 18-66 år Afslag, pr. 1000 inb. i alderen 18-66 år Personer i alderen 0-17 år i forhold til befolkningstallet i alt Personer i alderen 18-24 år i forhold til befolkningstallet i alt Personer i alderen 25-34 år i forhold til befolkningstallet i alt Personer i alderen 35-49 år i forhold til befolkningstallet i alt Personer i alderen 50-59 år i forhold til befolkningstallet i alt Personer i alderen 60-66 år i forhold til befolkningstallet i alt Personer i alderen 67- år i forhold til befolkningstallet i alt exp(exp(andel Privatejede boliger i forhold til samtlige))**3 Log til Almennyttige boliger i forhold til samtlige Log til Aktieselskabsejede boliger i forhold til samtlige Log til Andelsboliger i forhold til samtlige Log til Boliger ejet af stat eller kommune i forhold til samtlige Log til Ejerlejligheder i forhold til samtlige Log til Uoplyste boliger i forhold til samtlige Gifte i forhold til antal familier i alt Samlevende i forhold til antal familier i alt Samboende i forhold til antal familier i alt FQDOVER Fødselsoverskud i forhold til befolkningstallet 18-66 TILFLYT Tilflyttede i forhold til befolkningstallet 18-66 110

Bilag 1. Variabelliste Navn Variabeletikette indhold med normering og transformation FRAFLYT Fraflyttede i forhold til befolkningstallet 18-66 BEFVEKST Befolkningsvækst i forhold til befolkningstallet 18-66 F1619 F2024 F2566 EF1619 EF2024 EF2566 PAR37 EJRETUDD KORTVID MLVID LANGVID Log til ledighed blandt forsikrede 16-19 år (pct.) Log til ledighed blandt forsikrede 20-24 år (pct.) Log til ledighed blandt forsikrede 25-66 år (pct.) Log til ledighed blandt ikke forsikrede 16-19 år (pct.) Log til ledighed blandt ikke forsikrede 20-24 år (pct.) Log til ledighed blandt ikke forsikrede 25-66 år (pct.) Familier, der modtog kontanthjælp til underhold i forhold til befolkningstallet 18-66 Andel Personer uden erhvervsrettet uddannelse Log til andel Kort videregående uddannelse Log til andel Mellemlang videregående uddannelse Log til andel Lang videregående uddannelse NETFLYT Fraflyttede minus tilflyttede i forhold til befolkningstallet 18-66 BRTFLYT Fraflyttede plus tilflyttede i forhold til befolkningstallet 18-66 PRIM SEK TERT ERHVBAS FAGL ENLMK INDKMK Andel beskæftigede i den primære erhvervssektor Andel beskæftigede i den sekundære erhvervssektor Andel beskæftigede i den tertiære erhvervssektor Andel personer med erhvervsfaglig basisuddannelse (EFG) Andel faglærte Log til enlige i forhold til antal familier i alt Log til gennemsnitlig bruttoindkomst (kr.) SDPMK Sygedagpenge uger i forhold til befolkningstallet 18-66 111

Bilag 2. Normalfordelingsgrafik og transformationer Bilag 2. Normalfordelingsgrafik og transformationer Nedenstående normalfordelingsplot er Log til andel lang videregående uddannelse vist her da fordeling direkte omtales underanalyserne. Transformationer Eksempler på den monotone transformation, der finder sted for flere variable, vil blive vist i det følgende. Der er valgt efterfølgende at vise et tilfælde, hvor transformationen f(x)=log(x+0,005) er benyttet, samt en af log(x) transformation. Men også normeringen der finder sted for at udligne kommunestørrelser er illustreret. Først ses normalfordelingsplottet for antal ejerlejligheder i kommunerne. 112

Bilag 2. Normalfordelingsgrafik og transformationer Efterfølgende er data normeret for at udligne kommunestørrelse. Og i nedenstående figur ses Ejerlejligheder i forhold til samtlige boliger. 113

Bilag 2. Normalfordelingsgrafik og transformationer Der ses stadig en meget skæv fordeling af ejerlejligheder på kommune niveau, hvor nogle antager værdien 0. Der transformeres med f(x)=log(x+0,005), og resultatet er vist i efterfølgende figur. Det ses at 0 værdierne stadig indgår som de mindste, således at den monotone transformation har ikke påvirket data i ugunstig retning, men man kan nu godt forsvare antagelsen om normalfordelte variable der er et krav unde MLE estimationerne. Som sidste eksempel vises efterfølgende variablen mellemlang videregående uddannelse, der udviser de typiske karakteristika, der gælder for de betragte data. I nedenstående figur ses til venstre først unormeret, så i midten normeret og sidst til højre i figuren log(x) transformeret. 114

Bilag 2. Normalfordelingsgrafik og transformationer Normalfordelingsplot for de resterende variable er fra d. 1/9 2004 til minimum 1/1 2005. på: http://www.ibt.ku.dk/aage/sp/sas.output.normalfordelings.grafik.htm. Endvidere er der på http://www.ibt.ku.dk/aage/sp/index.htm lavet en lille web side med alle output, alle SAS programmer mv. Websiden er med fuldt overlæg kun omtalt her i bilaget, da de kun tjener som baggrundsinformation. Skulle indholdet have været med, ville det give ca. 2200 siders ekstra bilag. 115

Bilag 3. R-square fra konfirmativ analyser Bilag 3. R-square fra konfirmativ analyser R-square for FY (Førtidspension) indikatorvariablene R-Square fra Model: SDP EJYD P37 ADP REVA P1431 P1432 ML P1433 HQJ C1_1y10_3x22v 0.780 0.354 0.300 0.140 0.019 0.483 0.341 0.586 0.203 0.175 C1_1y10_3x221 0.780 0.357 0.305 0.141 0.019 0.487 0.346 0.587 0.204 0.177 C1_1y10_3x20v 0.782 0.353 0.297 0.140 0.019 0.481 0.341 0.587 0.202 0.177 C1_1y10_3x18v 0.764 0.359 0.318 0.142 0.017 0.485 0.351 0.585 0.204 0.177 C2_1y10_3x16v 0.765 0.358 0.316 0.141 0.017 0.484 0.350 0.585 0.203 0.177 C3_1y7_3x22v 0.816 0.313 0.297.. 0.462 0.320 0.632. 0.192 C4_1y7_3x18v 0.795 0.320 0.320.. 0.464 0.331 0.632. 0.193 C5_1y7_3x16v 0.796 0.319 0.319.. 0.464 0.330 0.632. 0.193 C6_1y7ny_3x22 0.577 0.394 0.324 0.138. 0.608 0.445. 0.274. C7_1y7ny_3x18 0.572 0.394 0.341 0.139. 0.603 0.450. 0.270. C8_1y7ny_3x16 0.573 0.393 0.341 0.139. 0.601 0.450. 0.270. C9_1y5f_3x18v 0.613 0.341 0.214 0.144 0.023..... C10_1y5f_3x16 0.615 0.341 0.214 0.144 0.023..... C11_1y5p_3x18..... 0.391 0.406 0.313 0.265 0.078 C12_1y5p_3x16..... 0.389 0.406 0.315 0.265 0.080 C13_1y4f_3x18 0.590 0.341 0.239 0.144...... C14_1y4f_3x16 0.591 0.340 0.239 0.143...... C15_1y4p_3x18..... 0.409 0.435 0.284 0.269. C16_1y4p_3x16..... 0.410 0.433 0.287 0.268. R-square for F1 (Arbejdsstyrke) indikatorvariablene R-Square fra Model: KORTVID MLVID INDKMK TERT ALD5059 NETFLYT PRIM SDPMK ERHVBAS EJRETUDD C1_1y10_3x22v 0.785 0.659 0.555 0.648 0.230 0.115 0.649 0.466 0.359 0.903 C1_1y10_3x221 0.785 0.659 0.555 0.647 0.230 0.115 0.649 0.466 0.359 0.903 C1_1y10_3x20v 0.803 0.707 0.557 0.616. 0.113. 0.471 0.368 0.883 C1_1y10_3x18v 0.807 0.728 0.560.. 0.110. 0.456 0.352 0.878 C2_1y10_3x16v 0.805 0.729 0.566.... 0.460 0.354 0.874 C3_1y7_3x22v 0.786 0.659 0.555 0.648 0.230 0.115 0.649 0.467 0.360 0.903 C4_1y7_3x18v 0.808 0.729 0.559.. 0.110. 0.456 0.352 0.877 C5_1y7_3x16v 0.806 0.730 0.565.... 0.460 0.354 0.873 C6_1y7ny_3x22 0.784 0.658 0.554 0.644 0.230 0.115 0.649 0.464 0.354 0.906 C7_1y7ny_3x18 0.807 0.725 0.559.. 0.111. 0.455 0.347 0.883 C8_1y7ny_3x16 0.805 0.726 0.565.... 0.458 0.348 0.879 C9_1y5f_3x18v 0.808 0.728 0.561.. 0.111. 0.457 0.353 0.878 C10_1y5f_3x16 0.806 0.730 0.567.... 0.460 0.354 0.874 C11_1y5p_3x18 0.807 0.723 0.562.. 0.111. 0.454 0.348 0.884 C12_1y5p_3x16 0.805 0.724 0.568.... 0.458 0.350 0.880 C13_1y4f_3x18 0.808 0.729 0.560.. 0.111. 0.455 0.352 0.879 C14_1y4f_3x16 0.806 0.730 0.566.... 0.459 0.354 0.875 C15_1y4p_3x18 0.808 0.723 0.562.. 0.111. 0.454 0.347 0.883 C16_1y4p_3x16 0.806 0.724 0.568.... 0.458 0.348 0.879 116

Bilag 3. R-square fra konfirmativ analyser R-square for F2 (Demografi) indikatorvariablene R-Square fra Model: ALD1824 ALD2534 ALMENNYT EJERLEJ ANDEL AKTIE ALD6066 C1_1y10_3x22v 0.746 0.785 0.410 0.336 0.284 0.078 0.401 C1_1y10_3x221 0.747 0.786 0.410 0.337 0.284 0.078 0.400 C1_1y10_3x20v 0.746 0.788 0.406 0.334 0.285 0.079 0.402 C1_1y10_3x18v 0.749 0.784 0.414 0.338 0.283 0.080 0.397 C2_1y10_3x16v 0.747 0.789 0.406 0.327 0.283. 0.411 C3_1y7_3x22v 0.747 0.785 0.412 0.335 0.283 0.078 0.399 C4_1y7_3x18v 0.749 0.784 0.414 0.339 0.283 0.080 0.395 C5_1y7_3x16v 0.748 0.789 0.406 0.328 0.283. 0.409 C6_1y7ny_3x22 0.749 0.783 0.410 0.337 0.282 0.079 0.402 C7_1y7ny_3x18 0.752 0.781 0.416 0.339 0.281 0.080 0.397 C8_1y7ny_3x16 0.751 0.786 0.409 0.329 0.280. 0.411 C9_1y5f_3x18v 0.749 0.783 0.416 0.340 0.284 0.080 0.397 C10_1y5f_3x16 0.748 0.788 0.407 0.328 0.284. 0.411 C11_1y5p_3x18 0.750 0.783 0.414 0.339 0.282 0.079 0.401 C12_1y5p_3x16 0.749 0.787 0.406 0.329 0.282. 0.415 C13_1y4f_3x18 0.749 0.783 0.415 0.339 0.284 0.080 0.397 C14_1y4f_3x16 0.748 0.787 0.407 0.328 0.284. 0.412 C15_1y4p_3x18 0.752 0.782 0.415 0.339 0.281 0.080 0.400 C16_1y4p_3x16 0.750 0.787 0.407 0.327 0.280. 0.414 R-square for F3 (Ledighed) indikatorvariablene R-Square fra Model: EF2566 EF2024 EF1619 PAR37 F2024 C1_1y10_3x22v 0.880 0.642 0.619 0.694 0.316 C1_1y10_3x221 0.880 0.642 0.619 0.695 0.317 C1_1y10_3x20v 0.873 0.650 0.627 0.688 0.321 C1_1y10_3x18v 0.885. 0.517 0.773 0.275 C2_1y10_3x16v 0.886. 0.518 0.772 0.275 C3_1y7_3x22v 0.879 0.644 0.622 0.692 0.317 C4_1y7_3x18v 0.887. 0.518 0.771 0.274 C5_1y7_3x16v 0.888. 0.519 0.770 0.274 C6_1y7ny_3x22 0.870 0.650 0.629 0.691 0.323 C7_1y7ny_3x18 0.874. 0.518 0.782 0.280 C8_1y7ny_3x16 0.875. 0.518 0.780 0.279 C9_1y5f_3x18v 0.890. 0.521 0.768 0.274 C10_1y5f_3x16 0.891. 0.521 0.767 0.273 C11_1y5p_3x18 0.870. 0.511 0.788 0.281 C12_1y5p_3x16 0.871. 0.512 0.786 0.281 C13_1y4f_3x18 0.889. 0.519 0.770 0.274 C14_1y4f_3x16 0.889. 0.520 0.769 0.274 C15_1y4p_3x18 0.871. 0.515 0.785 0.282 C16_1y4p_3x16 0.871. 0.514 0.784 0.281 117

Bilag 4. Model: Mx1_3x22v Bilag 4. Model: Mx1_3x22v Det fulde output. The CALIS Procedure Covariance Structure Analysis: Pattern and Initial Values LINEQS Model Statement Matrix Rows Columns ------Matrix Type------- Term 1 1 _SEL_ 22 47 SELECTION 2 _BETA_ 47 47 EQSBETA IMINUSINV 3 _GAMMA_ 47 25 EQSGAMMA 4 _PHI_ 25 25 SYMMETRIC The 22 Endogenous Variables Manifest KORTVID MLVID INDKMK TERT ALD5059 NETFLYT PRIM SDPMK ERHVBAS EJRETUDD ALD1824 ALD2534 ALMENNYT EJERLEJ ANDEL AKTIE ALD6066 EF2566 EF2024 EF1619 PAR37 F2024 Latent The 25 Exogenous Variables Manifest Latent F1 F2 F3 Error ex01 ex02 ex03 ex04 ex05 ex06 ex07 ex08 ex09 ex10 ex11 ex12 ex13 ex14 ex15 ex16 ex17 ex18 ex19 ex20 ex21 ex22 Covariance Structure Analysis: Pattern and Initial Values Manifest Variable Equations with Initial Estimates KORTVID =.*F1 + 1.0000 ex01 Lx01 MLVID =.*F1 + 1.0000 ex02 Lx02 INDKMK =.*F1 + 1.0000 ex03 Lx03 TERT =.*F1 + 1.0000 ex04 Lx04 ALD5059 =.*F1 + 1.0000 ex05 Lx05 NETFLYT =.*F1 + 1.0000 ex06 Lx06 PRIM =.*F1 + 1.0000 ex07 Lx07 SDPMK =.*F1 + 1.0000 ex08 Lx08 ERHVBAS =.*F1 + 1.0000 ex09 Lx09 EJRETUDD =.*F1 + 1.0000 ex10 118

Bilag 4. Model: Mx1_3x22v Lx10 ALD1824 =.*F2 + 1.0000 ex11 Lx11 ALD2534 =.*F2 + 1.0000 ex12 Lx12 ALMENNYT =.*F2 + 1.0000 ex13 Lx13 EJERLEJ =.*F2 + 1.0000 ex14 Lx14 ANDEL =.*F2 + 1.0000 ex15 Lx15 AKTIE =.*F2 + 1.0000 ex16 Lx16 ALD6066 =.*F2 + 1.0000 ex17 Lx17 EF2566 =.*F3 + 1.0000 ex18 Lx18 EF2024 =.*F3 + 1.0000 ex19 Lx19 EF1619 =.*F3 + 1.0000 ex20 Lx20 PAR37 =.*F3 + 1.0000 ex21 Lx21 F2024 =.*F3 + 1.0000 ex22 Lx22 Variances of Exogenous Variables Variable Parameter Estimate F1 1.00000 F2 1.00000 F3 1.00000 ex01 vex01. ex02 vex02. ex03 vex03. ex04 vex04. ex05 vex05. ex06 vex06. ex07 vex07. ex08 vex08. ex09 vex09. ex10 vex10. ex11 vex11. ex12 vex12. ex13 vex13. ex14 vex14. ex15 vex15. ex16 vex16. ex17 vex17. ex18 vex18. ex19 vex19. ex20 vex20. ex21 vex21. ex22 vex22. Covariances Among Exogenous Variables Var1 Var2 Parameter Estimate F1 F2 CF1F2. 119

Bilag 4. Model: Mx1_3x22v F1 F3 CF1F3. F2 F3 CF2F3. Covariance Structure Analysis: Maximum Likelihood Estimation Observations 275 Model Terms 1 Variables 22 Model Matrices 4 Informations 253 Parameters 47 Variable Mean Std Dev KORTVID -1.45994 0.10234 MLVID -1.31401 0.11707 INDKMK 0.07295 0.04423 TERT 0.63267 0.09847 ALD5059 0.12369 0.01276 NETFLYT -0.00232 0.00744 PRIM 0.08754 0.05575 SDPMK 1.04942 0.18081 ERHVBAS 0.05671 0.00957 EJRETUDD 0.57898 0.04173 ALD1824 0.08409 0.01282 ALD2534 0.13586 0.01620 ALMENNYT -1.15414 0.42184 EJERLEJ -1.61697 0.39486 ANDEL -1.67737 0.24077 AKTIE -1.62437 0.25431 ALD6066 0.06715 0.00941 EF2566-1.56433 0.37135 EF2024-1.16419 0.25355 EF1619-1.82464 0.31589 PAR37-1.24104 0.13868 F2024-0.81711 0.09031 NOTE: Some initial estimates computed by instrumental variable method. Vector of Initial Estimates Parameter Estimate Type 1 Lx01 0.07875 Matrix Entry: _GAMMA_[1:1] 2 Lx02 0.06178 Matrix Entry: _GAMMA_[2:1] 3 Lx03 0.01000 Matrix Entry: _GAMMA_[3:1] 4 Lx04 0.11311 Matrix Entry: _GAMMA_[4:1] 5 Lx05 0.01000 Matrix Entry: _GAMMA_[5:1] 6 Lx06 0.01000 Matrix Entry: _GAMMA_[6:1] 7 Lx07-0.06398 Matrix Entry: _GAMMA_[7:1] 8 Lx08-0.11015 Matrix Entry: _GAMMA_[8:1] 9 Lx09-0.01000 Matrix Entry: _GAMMA_[9:1] 10 Lx10-0.03435 Matrix Entry: _GAMMA_[10:1] 11 Lx11 0.01000 Matrix Entry: _GAMMA_[11:2] 12 Lx12 0.01000 Matrix Entry: _GAMMA_[12:2] 13 Lx13 0.35095 Matrix Entry: _GAMMA_[13:2] 14 Lx14 0.24970 Matrix Entry: _GAMMA_[14:2] 15 Lx15 0.08604 Matrix Entry: _GAMMA_[15:2] 16 Lx16 0.12373 Matrix Entry: _GAMMA_[16:2] 17 Lx17 0.01000 Matrix Entry: _GAMMA_[17:2] 18 Lx18 0.35586 Matrix Entry: _GAMMA_[18:3] 19 Lx19 0.19492 Matrix Entry: _GAMMA_[19:3] 20 Lx20 0.25673 Matrix Entry: _GAMMA_[20:3] 21 Lx21 0.11578 Matrix Entry: _GAMMA_[21:3] 22 Lx22 0.05240 Matrix Entry: _GAMMA_[22:3] 120

Bilag 4. Model: Mx1_3x22v 23 CF1F2 0.65640 Matrix Entry: _PHI_[2:1] 24 CF1F3 0.26709 Matrix Entry: _PHI_[3:1] 25 CF2F3 0.40410 Matrix Entry: _PHI_[3:2] 26 vex01 0.01000 Matrix Entry: _PHI_[4:4] 27 vex02 0.01000 Matrix Entry: _PHI_[5:5] 28 vex03 0.01000 Matrix Entry: _PHI_[6:6] 29 vex04 0.01000 Matrix Entry: _PHI_[7:7] 30 vex05 0.01000 Matrix Entry: _PHI_[8:8] 31 vex06 0.01000 Matrix Entry: _PHI_[9:9] 32 vex07 0.01000 Matrix Entry: _PHI_[10:10] 33 vex08 0.02056 Matrix Entry: _PHI_[11:11] 34 vex09 0.01000 Matrix Entry: _PHI_[12:12] 35 vex10 0.01000 Matrix Entry: _PHI_[13:13] 36 vex11 0.01000 Matrix Entry: _PHI_[14:14] 37 vex12 0.01000 Matrix Entry: _PHI_[15:15] 38 vex13 0.05478 Matrix Entry: _PHI_[16:16] 39 vex14 0.09357 Matrix Entry: _PHI_[17:17] 40 vex15 0.05057 Matrix Entry: _PHI_[18:18] 41 vex16 0.04937 Matrix Entry: _PHI_[19:19] 42 vex17 0.01000 Matrix Entry: _PHI_[20:20] 43 vex18 0.01127 Matrix Entry: _PHI_[21:21] 44 vex19 0.02629 Matrix Entry: _PHI_[22:22] 45 vex20 0.03388 Matrix Entry: _PHI_[23:23] 46 vex21 0.01000 Matrix Entry: _PHI_[24:24] 47 vex22 0.01000 Matrix Entry: _PHI_[25:25] Dual Quasi-Newton Optimization Dual Broyden - Fletcher - Goldfarb - Shanno Update (DBFGS) Parameter Estimates 47 Functions (Observations) 253 Optimization Start Active Constraints 0 Objective Function 37.019020037 Max Abs Gradient Element 99.081971984 Objective Max Abs Slope of Function Active Objective Function Gradient Step Search Iter Restarts Calls Constraints Function Change Element Size Direction 1 0 14 0 11.51067 25.5083 3792.6 0.00219-4543.2 2 0 19 0 11.49478 0.0159 2566.7 0.00040-64.456 3 0 23 0 11.47598 0.0188 1691.3 0.00041-297.2 4 0 27 0 11.46342 0.0126 1389.9 0.00038-81.302 5 0 30 0 11.42368 0.0397 1754.9 0.00100-71.537 6 0 33 0 11.40176 0.0219 1863.5 0.00100-72.063 7 0 36 0 11.34134 0.0604 1297.1 0.00100-151.9 8 0 39 0 11.19125 0.1501 3397.1 0.0280-7.394 9 0 43 0 11.09619 0.0951 1975.8 0.00020-703.0 10 0 45 0 10.71539 0.3808 2910.6 0.215-4.028 11 0 48 0 10.20015 0.5152 2095.6 0.0280-26.938 12 0 49 0 9.69318 0.5070 36839.5 0.291-4.433 13 0 52 0 9.45686 0.2363 13606.7 0.0583-7.970 14 0 53 0 9.12711 0.3298 2817.7 0.100-10.624 15 0 54 0 8.61820 0.5089 1847.0 0.768-1.074 16 0 57 0 8.49348 0.1247 1634.1 1.088-0.327 17 0 58 0 8.45360 0.0399 1724.6 0.759-0.411 18 0 60 0 8.33541 0.1182 795.1 0.631-0.370 19 0 61 0 8.18603 0.1494 978.5 1.106-0.267 20 0 63 0 8.10032 0.0857 941.8 0.457-0.335 121

Bilag 4. Model: Mx1_3x22v 21 0 64 0 7.95616 0.1442 1627.5 0.713-0.301 22 0 65 0 7.91888 0.0373 5067.3 1.541-0.234 23 0 67 0 7.81928 0.0996 1791.1 0.919-0.218 24 0 69 0 7.77981 0.0395 1521.8 0.807-0.0786 25 0 70 0 7.75151 0.0283 639.0 2.309-0.0427 26 0 71 0 7.71546 0.0361 733.8 0.826-0.0856 27 0 72 0 7.69247 0.0230 1208.2 2.234-0.0404 28 0 74 0 7.62335 0.0691 1913.7 2.510-0.0586 29 0 75 0 7.58023 0.0431 2767.1 3.116-0.0555 30 0 76 0 7.53603 0.0442 1223.8 1.817-0.0593 31 0 78 0 7.52233 0.0137 832.9 1.135-0.0231 32 0 80 0 7.51751 0.00483 687.1 1.197-0.0079 33 0 81 0 7.51065 0.00686 218.0 1.878-0.0064 34 0 82 0 7.50367 0.00698 1245.4 3.213-0.0053 35 0 83 0 7.49386 0.00981 1293.8 1.616-0.0108 36 0 84 0 7.48612 0.00774 993.1 2.793-0.0088 37 0 85 0 7.47964 0.00648 1070.1 2.267-0.0085 38 0 86 0 7.47225 0.00739 387.1 2.240-0.0072 39 0 87 0 7.46927 0.00298 1147.9 3.250-0.0057 40 0 88 0 7.46451 0.00476 646.8 0.888-0.0084 41 0 89 0 7.46312 0.00139 576.5 4.466-0.0027 42 0 91 0 7.45622 0.00689 343.2 1.646-0.0082 43 0 93 0 7.43801 0.0182 373.5 7.104-0.0051 44 0 95 0 7.43226 0.00575 425.5 1.782-0.0062 45 0 96 0 7.42279 0.00948 787.8 2.521-0.0057 46 0 97 0 7.41303 0.00976 931.7 2.366-0.0100 47 0 98 0 7.40606 0.00697 616.0 3.375-0.0072 48 0 99 0 7.40003 0.00602 441.3 2.393-0.0073 49 0 100 0 7.39332 0.00671 692.8 2.463-0.0061 50 0 101 0 7.38913 0.00420 307.2 3.415-0.0049 51 0 102 0 7.38785 0.00128 290.0 2.060-0.0051 52 0 104 0 7.38526 0.00259 299.7 1.549-0.0041 53 0 106 0 7.38378 0.00148 126.4 2.784-0.0011 54 0 107 0 7.38175 0.00203 221.0 2.902-0.0013 55 0 108 0 7.38123 0.000518 578.9 6.629-0.0008 56 0 110 0 7.37805 0.00319 249.1 1.635-0.0038 57 0 111 0 7.37243 0.00562 121.2 3.632-0.0022 58 0 113 0 7.36907 0.00336 228.7 1.339-0.0048 59 0 114 0 7.36329 0.00579 452.9 3.751-0.0022 60 0 115 0 7.35426 0.00903 413.4 1.809-0.0080 61 0 116 0 7.34453 0.00973 263.9 2.710-0.0083 62 0 118 0 7.34118 0.00335 63.4724 1.441-0.0044 63 0 119 0 7.33720 0.00398 306.6 6.351-0.0013 64 0 120 0 7.33098 0.00622 99.9152 2.175-0.0046 65 0 122 0 7.32965 0.00134 29.2737 1.449-0.0021 66 0 123 0 7.32874 0.000909 202.5 8.635-0.0004 67 0 125 0 7.32452 0.00422 97.1728 3.577-0.0023 68 0 127 0 7.31075 0.0138 149.6 5.579-0.0051 69 0 129 0 7.30942 0.00133 46.4446 1.149-0.0030 70 0 131 0 7.30876 0.000654 31.6244 1.673-0.0007 71 0 132 0 7.30806 0.000707 92.7076 3.946-0.0004 72 0 134 0 7.30497 0.00309 213.9 6.071-0.0010 73 0 136 0 7.29575 0.00922 532.4 4.542-0.0041 74 0 138 0 7.29425 0.00149 15.8592 1.389-0.0022 75 0 140 0 7.29379 0.000467 107.1 2.833-0.0003 76 0 142 0 7.28894 0.00485 143.6 16.250-0.0006 77 0 143 0 7.28426 0.00468 102.6 2.354-0.0051 78 0 145 0 7.28318 0.00109 42.2865 0.885-0.0021 79 0 147 0 7.28291 0.000263 34.0145 1.877-0.0003 80 0 149 0 7.28056 0.00235 462.8 15.565-0.0003 81 0 150 0 7.27652 0.00405 224.7 1.977-0.0030 82 0 152 0 7.27526 0.00126 27.2037 0.992-0.0024 122

Bilag 4. Model: Mx1_3x22v 83 0 154 0 7.27514 0.000121 30.1299 1.779-0.0001 84 0 156 0 7.27474 0.000398 53.7749 8.899-0.0001 85 0 158 0 7.27090 0.00385 114.0 9.093-0.0008 86 0 160 0 7.26949 0.00141 51.2939 1.350-0.0021 87 0 162 0 7.26928 0.000206 69.5599 2.588-0.0002 88 0 165 0 7.26471 0.00457 580.5 41.705-0.0002 89 0 166 0 7.25770 0.00701 78.2799 2.006-0.0057 90 0 168 0 7.25679 0.000908 9.6584 1.015-0.0017 91 0 170 0 7.25666 0.000137 24.5779 3.522-0.0001 92 0 173 0 7.25091 0.00574 399.5 60.496-0.0002 93 0 174 0 7.24171 0.00920 220.1 1.762-0.0081 94 0 176 0 7.24048 0.00123 26.3145 0.997-0.0024 95 0 178 0 7.24023 0.000251 75.0935 5.078-0.0001 96 0 180 0 7.23752 0.00271 285.0 14.227-0.0004 97 0 181 0 7.23531 0.00222 62.7003 2.806-0.0024 98 0 183 0 7.23490 0.000403 11.9466 1.061-0.0008 99 0 184 0 7.23454 0.000364 101.4 10.000-52E-6 100 0 186 0 7.23291 0.00163 348.9 3.501-0.0009 101 0 187 0 7.23149 0.00142 78.7000 2.953-0.0014 102 0 189 0 7.23133 0.000161 10.7651 1.016-0.0003 103 0 190 0 7.23131 0.000016 129.4 10.000-115E-7 104 0 192 0 7.23117 0.000140 33.4517 2.760-0.0001 105 0 194 0 7.22873 0.00244 52.5782 19.975-0.0002 106 0 196 0 7.22795 0.000786 19.9973 1.056-0.0015 107 0 198 0 7.22791 0.000033 10.1944 1.350-48E-6 108 0 200 0 7.22776 0.000159 75.4373 14.921-214E-7 109 0 203 0 7.22303 0.00472 346.2 34.027-0.0003 110 0 205 0 7.22110 0.00194 58.5835 1.301-0.0030 111 0 207 0 7.22105 0.000048 3.2358 1.074-0.0001 112 0 208 0 7.22097 0.000075 37.6960 8.673-138E-7 113 0 210 0 7.22022 0.000757 197.2 9.413-0.0002 114 0 211 0 7.21894 0.00128 65.4457 2.010-0.0009 115 0 213 0 7.21874 0.000199 2.1113 0.983-0.0004 116 0 214 0 7.21868 0.000060 48.7057 10.000-14E-6 117 0 217 0 7.21693 0.00175 46.8531 29.153-0.0001 118 0 219 0 7.21130 0.00563 49.1272 4.025-0.0028 119 0 221 0 7.21107 0.000231 6.0896 1.000-0.0005 120 0 223 0 7.21107 4.396E-6 1.7869 1.232-708E-8 121 0 225 0 7.21102 0.000045 23.8931 35.487-256E-8 122 0 228 0 7.20969 0.00133 31.7366 28.563-0.0001 123 0 230 0 7.20945 0.000239 7.3102 1.174-0.0004 124 0 232 0 7.20945 2.519E-6 0.4544 1.005-502E-8 125 0 233 0 7.20945 2.341E-6 8.5387 10.000-434E-9 126 0 236 0 7.20937 0.000080 58.3217 33.442-481E-8 127 0 237 0 7.20928 0.000090 4.7605 2.265-0.0001 128 0 239 0 7.20928 1.86E-6 0.3681 1.000-376E-8 129 0 240 0 7.20928 2.917E-7 4.2231 10.000-83E-9 130 0 242 0 7.20927 3.436E-6 5.8008 10.467-656E-9 131 0 244 0 7.20921 0.000059 2.5314 14.410-596E-8 132 0 246 0 7.20920 0.000010 0.2398 0.980-208E-7 133 0 248 0 7.20920 3.442E-8 0.1622 1.590-43E-9 Optimization Results Iterations 133 Function Calls 249 Gradient Calls 183 Active Constraints 0 Objective Function 7.2092036382 Max Abs Gradient Element 0.1621651645 Slope of Search Direction -4.331327E-8 GCONV convergence criterion satisfied. NOTE: At least one element of the (projected) gradient is greater than 1e-3. Covariance Structure Analysis: Maximum Likelihood Estimation 123

Bilag 4. Model: Mx1_3x22v Fit Function 7.2092 Goodness of Fit Index (GFI) 0.6137 GFI Adjusted for Degrees of Freedom (AGFI) 0.5256 Root Mean Square Residual (RMR) 0.0059 Parsimonious GFI (Mulaik, 1989) 0.5473 Chi-Square 1975.3218 Chi-Square DF 206 Pr > Chi-Square <.0001 Independence Model Chi-Square 5248.7 Independence Model Chi-Square DF 231 RMSEA Estimate 0.1770 RMSEA 90% Lower Confidence Limit 0.1700 RMSEA 90% Upper Confidence Limit 0.1842 ECVI Estimate 7.5837 ECVI 90% Lower Confidence Limit 7.0571 ECVI 90% Upper Confidence Limit 8.1401 Probability of Close Fit 0.0000 Bentler's Comparative Fit Index 0.6474 Normal Theory Reweighted LS Chi-Square 1897.3119 Akaike's Information Criterion 1563.3218 Bozdogan's (1987) CAIC 612.2670 Schwarz's Bayesian Criterion 818.2670 McDonald's (1989) Centrality 0.0401 Bentler & Bonett's (1980) Non-normed Index 0.6046 Bentler & Bonett's (1980) NFI 0.6237 James, Mulaik, & Brett (1982) Parsimonious NFI 0.5562 Z-Test of Wilson & Hilferty (1931) 34.2702 Bollen (1986) Normed Index Rho1 0.5780 Bollen (1988) Non-normed Index Delta2 0.6491 Hoelter's (1983) Critical N 35 Raw Residual Matrix KORTVID MLVID INDKMK TERT ALD5059 KORTVID 0.0000067607 0.0008546880 -.0001762036 -.0001774287 -.0000698498 MLVID 0.0008546880 0.0000072100 0.0000802121 -.0007832750 -.0001732820 INDKMK -.0001762036 0.0000802121 0.0000008694 -.0001675910 0.0000742355 TERT -.0001774287 -.0007832750 -.0001675910 0.0000053625 0.0000494396 ALD5059 -.0000698498 -.0001732820 0.0000742355 0.0000494396 0.0000000332 NETFLYT 0.0000181881 0.0000052812 -.0000474249 0.0000140487 -.0000097427 PRIM 0.0001254027 0.0008941685 0.0000814771 -.0006853612 0.0000285316 SDPMK 0.0001640173 -.0008063502 -.0000731966 -.0013904775 0.0000483348 ERHVBAS 0.0000030794 -.0000400571 -.0000863909 -.0001101004 -.0000304712 EJRETUDD -.0000204630 -.0000844535 -.0000178982 0.0000945825 -.0000157570 ALD1824 -.0001299163 -.0001018024 -.0000691678 -.0000617576 -.0000716700 ALD2534 -.0001259689 -.0003046064 -.0000425156 -.0000920183 -.0000902672 ALMENNYT 0.0034853959 -.0000778405 0.0014514383 0.0093496070 -.0007101258 EJERLEJ 0.0088249476 0.0111340725 0.0052811051 0.0136236836 -.0005631860 ANDEL 0.0042717458 0.0041136893 0.0017462639 0.0037797382 -.0006499378 AKTIE 0.0009540262 0.0035112905 0.0002026106 0.0024264590 -.0005658130 ALD6066 0.0000168258 0.0000571031 -.0000699147 0.0001021682 0.0000412796 EF2566 0.0039238062 -.0005717480 -.0023614526 0.0138873410 0.0002649776 EF2024 -.0038205580 -.0053080987 -.0039582392 0.0020272480 -.0002261157 EF1619 -.0002353636 -.0029899204 -.0020012679 0.0082917591 -.0001719597 PAR37 0.0027653934 0.0010759902 -.0006840309 0.0063752614 0.0000486678 F2024 -.0009430024 -.0013227105 -.0015906175 0.0015604052 -.0000297077 NETFLYT PRIM SDPMK ERHVBAS EJRETUDD KORTVID 0.0000181881 0.0001254027 0.0001640173 0.0000030794 -.0000204630 MLVID 0.0000052812 0.0008941685 -.0008063502 -.0000400571 -.0000844535 INDKMK -.0000474249 0.0000814771 -.0000731966 -.0000863909 -.0000178982 124

Bilag 4. Model: Mx1_3x22v TERT 0.0000140487 -.0006853612 -.0013904775 -.0001101004 0.0000945825 ALD5059 -.0000097427 0.0000285316 0.0000483348 -.0000304712 -.0000157570 NETFLYT 0.0000000065 -.0000164355 0.0001398552 -.0000009461 -.0000055737 PRIM -.0000164355 0.0000016604 0.0000260287 -.0000350701 0.0000335686 SDPMK 0.0001398552 0.0000260287 0.0000128210 0.0000600499 -.0001536557 ERHVBAS -.0000009461 -.0000350701 0.0000600499 0.0000000246 -.0000234598 EJRETUDD -.0000055737 0.0000335686 -.0001536557 -.0000234598 0.0000012362 ALD1824 -.0000066342 -.0001294991 0.0001301455 0.0000511136 0.0000197950 ALD2534 -.0000062697 -.0001775579 0.0002131213 0.0000383626 0.0000406464 ALMENNYT -.0000818395 -.0097414065 -.0141543317 0.0004049731 -.0023863041 EJERLEJ 0.0002683441 -.0087798713 -.0166904964 -.0004602088 -.0049526248 ANDEL 0.0000034109 -.0032822067 -.0054125868 -.0001783037 -.0018485425 AKTIE 0.0003019196 -.0025054592 -.0042399553 0.0001105651 -.0012976320 ALD6066 0.0000147208 0.0000409096 -.0001933784 -.0000168759 -.0000084702 EF2566 0.0005672168 -.0080357261 -.0076821260 -.0003397724 -.0018223461 EF2024 0.0002380289 -.0004499512 0.0062509724 0.0000916773 0.0015009212 EF1619 0.0004223259 -.0035946445 0.0001868989 -.0002040595 -.0004330504 PAR37 0.0002655678 -.0034112989 -.0040121046 -.0001898607 -.0009322821 F2024 0.0000580830 0.0000562859 0.0009082489 0.0000284192 0.0006858811 ALD1824 ALD2534 ALMENNYT EJERLEJ ANDEL KORTVID -.0001299163 -.0001259689 0.0034853959 0.0088249476 0.0042717458 MLVID -.0001018024 -.0003046064 -.0000778405 0.0111340725 0.0041136893 INDKMK -.0000691678 -.0000425156 0.0014514383 0.0052811051 0.0017462639 TERT -.0000617576 -.0000920183 0.0093496070 0.0136236836 0.0037797382 ALD5059 -.0000716700 -.0000902672 -.0007101258 -.0005631860 -.0006499378 NETFLYT -.0000066342 -.0000062697 -.0000818395 0.0002683441 0.0000034109 PRIM -.0001294991 -.0001775579 -.0097414065 -.0087798713 -.0032822067 SDPMK 0.0001301455 0.0002131213 -.0141543317 -.0166904964 -.0054125868 ERHVBAS 0.0000511136 0.0000383626 0.0004049731 -.0004602088 -.0001783037 EJRETUDD 0.0000197950 0.0000406464 -.0023863041 -.0049526248 -.0018485425 ALD1824 0.0000001863 0.0000022518 0.0003304319 -.0000211677 -.0003167037 ALD2534 0.0000022518 0.0000003123 -.0004143809 -.0004433857 0.0002426990 ALMENNYT 0.0003304319 -.0004143809 0.0003760030 0.0297064698 -.0040492316 EJERLEJ -.0000211677 -.0004433857 0.0297064698 0.0001635330 0.0030644687 ANDEL -.0003167037 0.0002426990 -.0040492316 0.0030644687 0.0000237611 AKTIE -.0000292837 -.0000269988 0.0079911659 0.0170787746 0.0016168657 ALD6066 -.0000009204 -.0000128936 0.0006753780 0.0003674513 -.0000961815 EF2566 0.0006087114 0.0005831183 0.0493195411 0.0291812254 0.0068887580 EF2024 -.0003786715 -.0005495945 -.0025176157 -.0047653646 -.0054447864 EF1619 0.0001704095 0.0002683300 0.0136550821 0.0165732969 0.0067062680 PAR37 0.0004303212 0.0004200101 0.0230582096 0.0149707743 0.0045170601 F2024 -.0001864618 -.0003373642 -.0025434682 -.0041832519 -.0049650144 AKTIE ALD6066 EF2566 EF2024 EF1619 KORTVID 0.0009540262 0.0000168258 0.0039238062 -.0038205580 -.0002353636 MLVID 0.0035112905 0.0000571031 -.0005717480 -.0053080987 -.0029899204 INDKMK 0.0002026106 -.0000699147 -.0023614526 -.0039582392 -.0020012679 TERT 0.0024264590 0.0001021682 0.0138873410 0.0020272480 0.0082917591 ALD5059 -.0005658130 0.0000412796 0.0002649776 -.0002261157 -.0001719597 NETFLYT 0.0003019196 0.0000147208 0.0005672168 0.0002380289 0.0004223259 PRIM -.0025054592 0.0000409096 -.0080357261 -.0004499512 -.0035946445 SDPMK -.0042399553 -.0001933784 -.0076821260 0.0062509724 0.0001868989 ERHVBAS 0.0001105651 -.0000168759 -.0003397724 0.0000916773 -.0002040595 EJRETUDD -.0012976320 -.0000084702 -.0018223461 0.0015009212 -.0004330504 ALD1824 -.0000292837 -.0000009204 0.0006087114 -.0003786715 0.0001704095 ALD2534 -.0000269988 -.0000128936 0.0005831183 -.0005495945 0.0002683300 ALMENNYT 0.0079911659 0.0006753780 0.0493195411 -.0025176157 0.0136550821 EJERLEJ 0.0170787746 0.0003674513 0.0291812254 -.0047653646 0.0165732969 ANDEL 0.0016168657 -.0000961815 0.0068887580 -.0054447864 0.0067062680 AKTIE 0.0000072817 0.0005625981 0.0191465227 0.0011226311 0.0050312490 ALD6066 0.0005625981 0.0000000522 0.0007054799 0.0005930019 0.0003300452 125

Bilag 4. Model: Mx1_3x22v EF2566 0.0191465227 0.0007054799 0.0001398679 -.0015399393 -.0053083363 EF2024 0.0011226311 0.0005930019 -.0015399393 0.0000440506 0.0028751641 EF1619 0.0050312490 0.0003300452 -.0053083363 0.0028751641 0.0000708156 PAR37 0.0089568398 0.0001747088 0.0132749245 -.0034813911 -.0021410200 F2024 -.0010109374 0.0002704620 -.0015033044 0.0008392110 -.0007074565 PAR37 F2024 KORTVID 0.0027653934 -.0009430024 MLVID 0.0010759902 -.0013227105 INDKMK -.0006840309 -.0015906175 TERT 0.0063752614 0.0015604052 ALD5059 0.0000486678 -.0000297077 NETFLYT 0.0002655678 0.0000580830 PRIM -.0034112989 0.0000562859 SDPMK -.0040121046 0.0009082489 ERHVBAS -.0001898607 0.0000284192 EJRETUDD -.0009322821 0.0006858811 ALD1824 0.0004303212 -.0001864618 ALD2534 0.0004200101 -.0003373642 ALMENNYT 0.0230582096 -.0025434682 EJERLEJ 0.0149707743 -.0041832519 ANDEL 0.0045170601 -.0049650144 AKTIE 0.0089568398 -.0010109374 ALD6066 0.0001747088 0.0002704620 EF2566 0.0132749245 -.0015033044 EF2024 -.0034813911 0.0008392110 EF1619 -.0021410200 -.0007074565 PAR37 0.0000081298 0.0008089599 F2024 0.0008089599 0.0000024213 Average Absolute Residual 0.002388 Average Off-diagonal Absolute Residual 0.002611 Rank Order of the 10 Largest Raw Residuals Row Column Residual EF2566 ALMENNYT 0.04932 EJERLEJ ALMENNYT 0.02971 EF2566 EJERLEJ 0.02918 PAR37 ALMENNYT 0.02306 EF2566 AKTIE 0.01915 AKTIE EJERLEJ 0.01708 EJERLEJ SDPMK -0.01669 EF1619 EJERLEJ 0.01657 PAR37 EJERLEJ 0.01497 ALMENNYT SDPMK -0.01415 Asymptotically Standardized Residual Matrix KORTVID MLVID INDKMK TERT ALD5059 KORTVID 0.00000000 5.29439394-2.41951787-1.26975789-2.43184881 MLVID 5.29439394 0.00000000 0.71351441-3.59638274-3.95890141 INDKMK -2.41951787 0.71351441 0.00000000-1.72726308 3.83396857 TERT -1.26975789-3.59638274-1.72726308 0.00000000 1.30968178 ALD5059-2.43184881-3.95890141 3.83396857 1.30968178 0.00000000 NETFLYT 1.00596383 0.19208288-3.90181703 0.59253354-2.07817442 PRIM 1.59798086 7.30585274 1.49403741-6.48427653 1.34444802 SDPMK 0.49460372-1.58373190-0.32421366-3.16520536 0.55315468 ERHVBAS 0.15750427-1.34024313-6.52754961-4.27054100-5.95783908 126

Bilag 4. Model: Mx1_3x22v EJRETUDD -1.09377009-2.58810444-1.17748408 3.32972051-2.52730641 ALD1824-3.16818318-1.84686414-2.98932069-1.31090549-8.61033227 ALD2534-2.54793754-4.50179887-1.48386381-1.58889049-8.64458045 ALMENNYT 1.81333788-0.03346483 1.58166098 4.74908424-2.40632594 EJERLEJ 4.64660793 4.90113851 5.94153866 7.09419211-2.00675251 ANDEL 3.54950081 2.87981080 3.14222558 3.13270571-3.75293926 AKTIE 0.67254597 2.12690532 0.32028317 1.74391877-2.98071789 ALD6066 0.38685640 1.08831552-3.38494446 2.30136800 6.24449304 EF2566 2.76059664-0.31362076-3.16439121 8.94934915 1.02815844 EF2024-4.84605510-4.85072739-8.48629847 2.16205865-1.31771517 EF1619-0.23030650-2.14318318-3.39168642 6.94553179-0.80102193 PAR37 4.26081554 1.36990786-2.20738788 9.58987062 0.48833685 F2024-2.08797827-2.45839396-7.57812393 3.43223312-0.45129685 NETFLYT PRIM SDPMK ERHVBAS EJRETUDD KORTVID 1.00596383 1.59798086 0.49460372 0.15750427-1.09377009 MLVID 0.19208288 7.30585274-1.58373190-1.34024313-2.58810444 INDKMK -3.90181703 1.49403741-0.32421366-6.52754961-1.17748408 TERT 0.59253354-6.48427653-3.16520536-4.27054100 3.32972051 ALD5059-2.07817442 1.34444802 0.55315468-5.95783908-2.52730641 NETFLYT 0.00000000-1.23303013 2.55049389-0.29485464-1.41070636 PRIM -1.23303013 0.00000000 0.10540745-2.41980559 2.10760195 SDPMK 2.55049389 0.10540745 0.00000000 1.00494075-2.18499573 ERHVBAS -0.29485464-2.41980559 1.00494075 0.00000000-5.58350240 EJRETUDD -1.41070636 2.10760195-2.18499573-5.58350240 0.00000000 ALD1824-1.28745647-4.87716265 1.28106578 8.80571945 1.47272249 ALD2534-0.96737820-5.44199541 1.68586806 5.28744869 2.60462524 ALMENNYT -0.45983959-8.75488302-3.65245781 1.90157690-3.22883029 EJERLEJ 1.59344767-8.08640723-4.47257879-2.25843571-6.69238154 ANDEL 0.03294556-4.81037746-2.32928768-1.41165029-3.90881938 AKTIE 2.69130847-3.18216506-1.62126697 0.78805035-2.28099772 ALD6066 3.69722570 1.63029642-2.22043373-3.53192584-0.50463539 EF2566 3.58625286-9.17728569-2.37963005-1.86825703-3.60585706 EF2024 2.23079762-0.85203996 3.02660486 0.77091017 6.23918310 EF1619 3.17063497-5.34427237 0.07183721-1.36739764-1.33618944 PAR37 4.41843805-9.07919101-3.06582325-2.63992464-3.73639516 F2024 1.47324056 0.21894978 1.03283713 0.59322869 3.88051296 ALD1824 ALD2534 ALMENNYT EJERLEJ ANDEL KORTVID -3.16818318-2.54793754 1.81333788 4.64660793 3.54950081 MLVID -1.84686414-4.50179887-0.03346483 4.90113851 2.87981080 INDKMK -2.98932069-1.48386381 1.58166098 5.94153866 3.14222558 TERT -1.31090549-1.58889049 4.74908424 7.09419211 3.13270571 ALD5059-8.61033227-8.64458045-2.40632594-2.00675251-3.75293926 NETFLYT -1.28745647-0.96737820-0.45983959 1.59344767 0.03294556 PRIM -4.87716265-5.44199541-8.75488302-8.08640723-4.81037746 SDPMK 1.28106578 1.68586806-3.65245781-4.47257879-2.32928768 ERHVBAS 8.80571945 5.28744869 1.90157690-2.25843571-1.41165029 EJRETUDD 1.47272249 2.60462524-3.22883029-6.69238154-3.90881938 ALD1824 0.00000000 2.20232987 3.81505852-0.23366447-5.33394185 ALD2534 2.20232987 0.00000000-4.31283417-4.39091093 3.65595387 ALMENNYT 3.81505852-4.31283417 0.00000000 5.13192767-1.08802173 EJERLEJ -0.23366447-4.39091093 5.13192767 0.00000000 0.81603260 ANDEL -5.33394185 3.65595387-1.08802173 0.81603260 0.00000000 AKTIE -0.38815070-0.31783389 1.76046512 3.73580158 0.55146798 ALD6066-0.46209109-5.82798692 5.18125779 2.78839884-1.13549977 EF2566 3.48726633 2.73541719 6.50983683 3.93005851 1.47199626 EF2024-3.95946766-4.85766776-0.51756593-0.98403797-1.76580116 EF1619 1.37083579 1.81109830 2.22990339 2.72602418 1.73541800 PAR37 5.35739533 4.20259031 7.53737019 5.08295202 2.46329075 F2024-3.32962860-4.82006445-1.23895553-2.12988193-4.07857986 127

Bilag 4. Model: Mx1_3x22v AKTIE ALD6066 EF2566 EF2024 EF1619 KORTVID 0.67254597 0.38685640 2.76059664-4.84605510-0.23030650 MLVID 2.12690532 1.08831552-0.31362076-4.85072739-2.14318318 INDKMK 0.32028317-3.38494446-3.16439121-8.48629847-3.39168642 TERT 1.74391877 2.30136800 8.94934915 2.16205865 6.94553179 ALD5059-2.98071789 6.24449304 1.02815844-1.31771517-0.80102193 NETFLYT 2.69130847 3.69722570 3.58625286 2.23079762 3.17063497 PRIM -3.18216506 1.63029642-9.17728569-0.85203996-5.34427237 SDPMK -1.62126697-2.22043373-2.37963005 3.02660486 0.07183721 ERHVBAS 0.78805035-3.53192584-1.86825703 0.77091017-1.36739764 EJRETUDD -2.28099772-0.50463539-3.60585706 6.23918310-1.33618944 ALD1824-0.38815070-0.46209109 3.48726633-3.95946766 1.37083579 ALD2534-0.31783389-5.82798692 2.73541719-4.85766776 1.81109830 ALMENNYT 1.76046512 5.18125779 6.50983683-0.51756593 2.22990339 EJERLEJ 3.73580158 2.78839884 3.93005851-0.98403797 2.72602418 ANDEL 0.55146798-1.13549977 1.47199626-1.76580116 1.73541800 AKTIE 0.00000000 5.44851734 3.51841964 0.30526704 1.09625121 ALD6066 5.44851734 0.00000000 4.12422026 5.37637381 2.37874864 EF2566 3.51841964 4.12422026 0.00000000-2.47829167-5.87102369 EF2024 0.30526704 5.37637381-2.47829167 0.00000000 10.57534317 EF1619 1.09625121 2.37874864-5.87102369 10.57534317 0.00000000 PAR37 4.34160658 2.54135531 12.33855124-8.33100147-3.60365080 F2024-0.74778244 5.87224774-1.93337778 2.69956692-1.60941281 PAR37 F2024 KORTVID 4.26081554-2.08797827 MLVID 1.36990786-2.45839396 INDKMK -2.20738788-7.57812393 TERT 9.58987062 3.43223312 ALD5059 0.48833685-0.45129685 NETFLYT 4.41843805 1.47324056 PRIM -9.07919101 0.21894978 SDPMK -3.06582325 1.03283713 ERHVBAS -2.63992464 0.59322869 EJRETUDD -3.73639516 3.88051296 ALD1824 5.35739533-3.32962860 ALD2534 4.20259031-4.82006445 ALMENNYT 7.53737019-1.23895553 EJERLEJ 5.08295202-2.12988193 ANDEL 2.46329075-4.07857986 AKTIE 4.34160658-0.74778244 ALD6066 2.54135531 5.87224774 EF2566 12.33855124-1.93337778 EF2024-8.33100147 2.69956692 EF1619-3.60365080-1.60941281 PAR37 0.00000000 1.99103605 F2024 1.99103605 0.00000000 Average Standardized Residual 2.793250 Average Off-diagonal Standardized Residual 3.059274 Rank Order of the 10 Largest Asymptotically Standardized Residuals Row Column Residual PAR37 EF2566 12.33855 EF1619 EF2024 10.57534 PAR37 TERT 9.58987 EF2566 PRIM -9.17729 PAR37 PRIM -9.07919 EF2566 TERT 8.94935 ALD1824 ERHVBAS 8.80572 ALMENNYT PRIM -8.75488 128

Bilag 4. Model: Mx1_3x22v ALD2534 ALD5059-8.64458 ALD1824 ALD5059-8.61033 Distribution of Asymptotically Standardized Residuals Each * Represents 2 Residuals ----------Range--------- Freq Percent -9.46697-9.03665 2 0.79 * -9.03665-8.60633 3 1.19 * -8.60633-8.17602 2 0.79 * -8.17602-7.74570 1 0.40-7.74570-7.31538 1 0.40-7.31538-6.88507 0 0.00-6.88507-6.45475 3 1.19 * -6.45475-6.02443 0 0.00-6.02443-5.59412 3 1.19 * -5.59412-5.16380 4 1.58 ** -5.16380-4.73348 6 2.37 *** -4.73348-4.30317 4 1.58 ** -4.30317-3.87285 6 2.37 *** -3.87285-3.44253 7 2.77 *** -3.44253-3.01222 9 3.56 **** -3.01222-2.58190 4 1.58 ** -2.58190-2.15158 15 5.93 ******* -2.15158-1.72127 10 3.95 ***** -1.72127-1.29095 12 4.74 ****** -1.29095-0.86063 10 3.95 ***** -0.86063-0.43032 8 3.16 **** -0.43032 0 8 3.16 **** 0 0.43032 31 12.25 *************** 0.43032 0.86063 11 4.35 ***** 0.86063 1.29095 7 2.77 *** 1.29095 1.72127 13 5.14 ****** 1.72127 2.15158 9 3.56 **** 2.15158 2.58190 9 3.56 **** 2.58190 3.01222 8 3.16 **** 3.01222 3.44253 6 2.37 *** 3.44253 3.87285 9 3.56 **** 3.87285 4.30317 5 1.98 ** 4.30317 4.73348 3 1.19 * 4.73348 5.16380 4 1.58 ** 5.16380 5.59412 6 2.37 *** 5.59412 6.02443 2 0.79 * 6.02443 6.45475 2 0.79 * 6.45475 6.88507 1 0.40 6.88507 7.31538 3 1.19 * 7.31538 7.74570 1 0.40 7.74570 8.17602 0 0.00 8.17602 8.60633 0 0.00 8.60633 9.03665 2 0.79 * 9.03665 9.46697 0 0.00 9.46697 9.89728 1 0.40 9.89728 10.32760 0 0.00 10.32760 10.75792 1 0.40 10.75792 11.18824 0 0.00 11.18824 11.61855 0 0.00 11.61855 12.04887 0 0.00 12.04887 12.47919 1 0.40 Manifest Variable Equations with Estimates KORTVID = 0.0908*F1 + 1.0000 ex01 129

Bilag 4. Model: Mx1_3x22v Std Err 0.00486 Lx01 t Value 18.6673 MLVID = 0.0950*F1 + 1.0000 ex02 Std Err 0.00587 Lx02 t Value 16.1954 INDKMK = 0.0328*F1 + 1.0000 ex03 Std Err 0.00231 Lx03 t Value 14.1906 TERT = 0.0790*F1 + 1.0000 ex04 Std Err 0.00496 Lx04 t Value 15.9141 ALD5059 = 0.00611*F1 + 1.0000 ex05 Std Err 0.000740 Lx05 t Value 8.2652 NETFLYT = 0.00253*F1 + 1.0000 ex06 Std Err 0.000446 Lx06 t Value 5.6866 PRIM = -0.0449*F1 + 1.0000 ex07 Std Err 0.00281 Lx07 t Value -15.9955 SDPMK = -0.1227*F1 + 1.0000 ex08 Std Err 0.00974 Lx08 t Value -12.6005 ERHVBAS = -0.00567*F1 + 1.0000 ex09 Std Err 0.000534 Lx09 t Value -10.6039 EJRETUDD = -0.0397*F1 + 1.0000 ex10 Std Err 0.00188 Lx10 t Value -21.1377 ALD1824 = 0.0111*F2 + 1.0000 ex11 Std Err 0.000641 Lx11 t Value 17.3409 ALD2534 = 0.0143*F2 + 1.0000 ex12 Std Err 0.000801 Lx12 t Value 17.8778 ALMENNYT = 0.2708*F2 + 1.0000 ex13 Std Err 0.0237 Lx13 t Value 11.4190 EJERLEJ = 0.2292*F2 + 1.0000 ex14 Std Err 0.0228 Lx14 t Value 10.0656 ANDEL = 0.1269*F2 + 1.0000 ex15 Std Err 0.0141 Lx15 t Value 8.9720 AKTIE = 0.0722*F2 + 1.0000 ex16 Std Err 0.0158 Lx16 t Value 4.5635 ALD6066 = -0.00590*F2 + 1.0000 ex17 Std Err 0.000533 Lx17 t Value -11.0824 EF2566 = 0.3080*F3 + 1.0000 ex18 Std Err 0.0186 Lx18 t Value 16.5505 EF2024 = 0.2320*F3 + 1.0000 ex19 Std Err 0.0120 Lx19 t Value 19.3659 EF1619 = 0.2849*F3 + 1.0000 ex20 Std Err 0.0151 Lx20 t Value 18.9041 PAR37 = 0.0952*F3 + 1.0000 ex21 Std Err 0.00754 Lx21 t Value 12.6283 130

Bilag 4. Model: Mx1_3x22v F2024 = 0.0555*F3 + 1.0000 ex22 Std Err 0.00506 Lx22 t Value 10.9631 Variances of Exogenous Variables Standard Variable Parameter Estimate Error t Value F1 1.00000 F2 1.00000 F3 1.00000 ex01 vex01 0.00222 0.0002303 9.64 ex02 vex02 0.00467 0.0004379 10.66 ex03 vex03 0.0008809 0.0000797 11.05 ex04 vex04 0.00345 0.0003215 10.73 ex05 vex05 0.0001254 0.0000109 11.55 ex06 vex06 0.0000490 4.20773E-6 11.64 ex07 vex07 0.00109 0.0001020 10.71 ex08 vex08 0.01762 0.00157 11.25 ex09 vex09 0.0000594 5.20417E-6 11.42 ex10 vex10 0.0001599 0.0000250 6.40 ex11 vex11 0.0000407 5.50122E-6 7.39 ex12 vex12 0.0000570 8.50412E-6 6.70 ex13 vex13 0.10424 0.00967 10.78 ex14 vex14 0.10324 0.00935 11.04 ex15 vex15 0.04184 0.00373 11.21 ex16 vex16 0.05945 0.00513 11.59 ex17 vex17 0.0000536 4.93597E-6 10.86 ex18 vex18 0.04291 0.00444 9.66 ex19 vex19 0.01040 0.00154 6.75 ex20 vex20 0.01853 0.00249 7.44 ex21 vex21 0.01017 0.0009322 10.91 ex22 vex22 0.00507 0.0004543 11.16 Covariances Among Exogenous Variables Standard Var1 Var2 Parameter Estimate Error t Value F1 F2 CF1F2 0.37033 0.05687 6.51 F1 F3 CF1F3 0.13359 0.06297 2.12 F2 F3 CF2F3 0.17786 0.06415 2.77 Manifest Variable Equations with Standardized Estimates KORTVID = 0.8877*F1 + 0.4605 ex01 Lx01 MLVID = 0.8118*F1 + 0.5839 ex02 Lx02 INDKMK = 0.7413*F1 + 0.6712 ex03 Lx03 TERT = 0.8025*F1 + 0.5967 ex04 Lx04 ALD5059 = 0.4791*F1 + 0.8778 ex05 Lx05 NETFLYT = 0.3404*F1 + 0.9403 ex06 Lx06 PRIM = -0.8052*F1 + 0.5930 ex07 Lx07 131

Bilag 4. Model: Mx1_3x22v SDPMK = -0.6789*F1 + 0.7342 ex08 Lx08 ERHVBAS = -0.5923*F1 + 0.8057 ex09 Lx09 EJRETUDD = -0.9529*F1 + 0.3032 ex10 Lx10 ALD1824 = 0.8673*F2 + 0.4978 ex11 Lx11 ALD2534 = 0.8846*F2 + 0.4664 ex12 Lx12 ALMENNYT = 0.6426*F2 + 0.7662 ex13 Lx13 EJERLEJ = 0.5807*F2 + 0.8142 ex14 Lx14 ANDEL = 0.5273*F2 + 0.8497 ex15 Lx15 AKTIE = 0.2841*F2 + 0.9588 ex16 Lx16 ALD6066 = -0.6276*F2 + 0.7785 ex17 Lx17 EF2566 = 0.8298*F3 + 0.5581 ex18 Lx18 EF2024 = 0.9155*F3 + 0.4023 ex19 Lx19 EF1619 = 0.9023*F3 + 0.4311 ex20 Lx20 PAR37 = 0.6864*F3 + 0.7272 ex21 Lx21 F2024 = 0.6148*F3 + 0.7886 ex22 Lx22 Squared Multiple Correlations Error Total Variable Variance Variance R-Square 1 KORTVID 0.00222 0.01047 0.7880 2 MLVID 0.00467 0.01370 0.6591 3 INDKMK 0.0008809 0.00196 0.5495 4 TERT 0.00345 0.00969 0.6439 5 ALD5059 0.0001254 0.0001628 0.2295 6 NETFLYT 0.0000490 0.0000554 0.1159 7 PRIM 0.00109 0.00311 0.6483 8 SDPMK 0.01762 0.03268 0.4609 9 ERHVBAS 0.0000594 0.0000915 0.3508 10 EJRETUDD 0.0001599 0.00174 0.9081 11 ALD1824 0.0000407 0.0001641 0.7522 12 ALD2534 0.0000570 0.0002620 0.7824 13 ALMENNYT 0.10424 0.17757 0.4130 14 EJERLEJ 0.10324 0.15575 0.3372 15 ANDEL 0.04184 0.05795 0.2780 16 AKTIE 0.05945 0.06467 0.0807 17 ALD6066 0.0000536 0.0000884 0.3939 18 EF2566 0.04291 0.13776 0.6885 19 EF2024 0.01040 0.06424 0.8381 20 EF1619 0.01853 0.09972 0.8141 21 PAR37 0.01017 0.01922 0.4711 22 F2024 0.00507 0.00815 0.3780 Correlations Among Exogenous Variables 132

Bilag 4. Model: Mx1_3x22v Var1 Var2 Parameter Estimate F1 F2 CF1F2 0.37033 F1 F3 CF1F3 0.13359 F2 F3 CF2F3 0.17786 Lagrange Multiplier and Wald Test Indices _PHI_ [25:25] Symmetric Matrix Univariate Tests for Constant Constraints Lagrange Multiplier or Wald Index / Probability / Approx Change of Value F1 F2 F3 ex01 ex02 ex03 ex04 F1. 42.4065 4.5014 2.1031 7.0343 2.4548 4.6344... 0.1470 0.0080 0.1172 0.0313... 0.0119 0.0300 0.0076-0.0208 Sing [CF1F2] [CF1F3] F2 42.4065. 7.6875 1.1092 2.6913 0.5970 0.1665... 0.2922 0.1009 0.4397 0.6833... -0.0032-0.0070 0.0014-0.0015 [CF1F2] Sing [CF2F3] F3 4.5014 7.6875. 1.4444 9.1779 46.2931 55.7911... 0.2294 0.0024 0.0000 0.0000... -0.0038-0.0134-0.0128 0.0282 [CF1F3] [CF2F3] Sing ex01 2.1031 1.1092 1.4444 92.8898 27.5724 6.0162 1.7236 0.1470 0.2922 0.2294. 0.0000 0.0142 0.1892 0.0119-0.0032-0.0038. 0.0012-0.0002-0.0003 [vex01] ex02 7.0343 2.6913 9.1779 27.5724 113.6963 0.4779 13.1400 0.0080 0.1009 0.0024 0.0000. 0.4894 0.0003 0.0300-0.0070-0.0134 0.0012. 0.0001-0.0010 [vex02] ex03 2.4548 0.5970 46.2931 6.0162 0.4779 122.2128 3.0603 0.1172 0.4397 0.0000 0.0142 0.4894. 0.0802 0.0076 0.0014-0.0128-0.0002 0.0001. -0.0002 [vex03] ex04 4.6344 0.1665 55.7911 1.7236 13.1400 3.0603 115.1785 0.0313 0.6833 0.0000 0.1892 0.0003 0.0802. -0.0208-0.0015 0.0282-0.0003-0.0010-0.0002. [vex04] ex05 73.4170 78.6885 0.2384 5.9951 15.7622 14.6319 1.6860 0.0000 0.0000 0.6254 0.0143 0.0001 0.0001 0.1941 0.0152-0.0059 0.0003-0.0001-0.0002 0.0001 0.0001 ex06 0.1418 2.5105 12.0084 0.9892 0.0340 15.2714 0.3421 0.7065 0.1131 0.0005 0.3199 0.8537 0.0001 0.5586 0.0004-0.0007 0.0015 0.0000 0.0000-0.0001 0.0000 ex05 ex06 ex07 ex08 ex09 ex10 ex11 F1 73.4170 0.1418 85.5744 0.1324 32.7085 0.9458 10.7528 0.0000 0.7065 0.0000 0.7159 0.0000 0.3308 0.0010 133

Bilag 4. Model: Mx1_3x22v 0.0152 0.0004 0.0504-0.0078-0.0070 0.0026-0.0015 F2 78.6885 2.5105 59.4362 0.0302 40.3575 2.7760 8.2510 0.0000 0.1131 0.0000 0.8620 0.0000 0.0957 0.0041-0.0059-0.0007-0.0158 0.0014 0.0029-0.0017 0.0034 F3 0.2384 12.0084 23.5111 0.3145 2.4529 3.8048 0.2542 0.6254 0.0005 0.0000 0.5750 0.1173 0.0511 0.6141 0.0003 0.0015-0.0103 0.0047-0.0008 0.0021 0.0003 ex01 5.9951 0.9892 2.6916 0.2733 0.0319 0.8811 1.8620 0.0143 0.3199 0.1009 0.6012 0.8583 0.3479 0.1724-0.0001 0.0000 0.0002 0.0002 0.0000-0.0001-0.0000 ex02 15.7622 0.0340 53.7881 2.4487 1.7584 6.2323 8.5314 0.0001 0.8537 0.0000 0.1176 0.1848 0.0125 0.0035-0.0002 0.0000 0.0011-0.0009-0.0000-0.0002 0.0001 ex03 14.6319 15.2714 2.2979 0.0958 42.4643 1.2310 15.6732 0.0001 0.0001 0.1295 0.7569 0.0000 0.2672 0.0001 0.0001-0.0001 0.0001-0.0001-0.0001-0.0000-0.0001 ex04 1.6860 0.3421 41.6830 9.8998 18.1167 11.6980 0.6124 0.1941 0.5586 0.0000 0.0017 0.0000 0.0006 0.4339 0.0001 0.0000-0.0008-0.0016-0.0001 0.0002-0.0000 ex05 133.3608 4.3316 1.8375 0.3143 35.4283 6.2228 5.6899. 0.0374 0.1752 0.5750 0.0000 0.0126 0.0171. -0.0000 0.0000 0.0001-0.0000-0.0000-0.0000 [vex05] ex06 4.3316 135.3963 1.5017 6.5313 0.0847 1.9277 0.0010 0.0374. 0.2204 0.0106 0.7711 0.1650 0.9748-0.0000. -0.0000 0.0001-0.0000-0.0000 0.0000 [vex06] ex12 ex13 ex14 ex15 ex16 ex17 ex18 F1 14.8650 11.5527 49.3821 16.2232 3.4279 0.3129 13.4024 0.0001 0.0007 0.0000 0.0001 0.0641 0.5759 0.0003-0.0022 0.0662 0.1347 0.0488 0.0263 0.0002 0.0480 F2 14.2905 17.7769 50.9821 13.9430 5.5671 6.4325 9.6322 0.0002 0.0000 0.0000 0.0002 0.0183 0.0112 0.0019 0.0055-0.2118-0.3485-0.1147-0.0849-0.0028 0.0420 F3 0.1129 6.5717 1.7816 0.0135 2.1473 22.4691 31.8032 0.7369 0.0104 0.1819 0.9076 0.1428 0.0000 0.0000-0.0002 0.0534 0.0274-0.0014 0.0222 0.0022-0.4144 ex01 1.8715 2.5686 3.6010 1.4746 3.6142 2.6891 0.0678 0.1713 0.1090 0.0577 0.2246 0.0573 0.1010 0.7946 0.0000-0.0017-0.0019 0.0008-0.0014-0.0000-0.0002 134

Bilag 4. Model: Mx1_3x22v ex02 13.8166 10.1997 1.0278 1.1503 2.6445 0.3852 7.7205 0.0002 0.0014 0.3107 0.2835 0.1039 0.5348 0.0055-0.0002-0.0046 0.0014 0.0010 0.0017-0.0000-0.0027 ex03 0.0054 0.7331 6.3410 0.9732 2.1880 44.8769 4.9000 0.9416 0.3919 0.0118 0.3239 0.1391 0.0000 0.0269 0.0000-0.0005 0.0015 0.0004-0.0007-0.0001-0.0009 ex04 1.6699 14.1326 11.2986 0.0071 0.0775 13.0420 9.3452 0.1963 0.0002 0.0008 0.9329 0.7807 0.0003 0.0022-0.0000 0.0046 0.0041 0.0001 0.0003 0.0001 0.0025 ex05 4.4779 2.3905 0.2929 3.6882 4.5803 3.2271 0.2592 0.0343 0.1221 0.5884 0.0548 0.0323 0.0724 0.6107-0.0000 0.0004-0.0001-0.0003-0.0004 0.0000 0.0001 ex06 0.9573 0.9417 0.1635 0.4506 6.7153 14.8105 0.0568 0.3279 0.3318 0.6860 0.5020 0.0096 0.0001 0.8116 0.0000-0.0001 0.0001-0.0001 0.0003 0.0000 0.0000 ex19 ex20 ex21 ex22 F1 25.8676 1.3832 11.5957 1.7007 0.0000 0.2395 0.0007 0.1922-0.0385 0.0112 0.0205-0.0055 F2 27.7968 6.0409 20.1845 18.3446 0.0000 0.0140 0.0000 0.0000-0.0407 0.0245 0.0279-0.0185 F3 78.3117 10.3847 46.6099 25.7847 0.0000 0.0013 0.0000 0.0000 0.3704-0.1734-0.2287 0.1185 ex01 0.0015 4.0452 1.9373 3.1192 0.9693 0.0443 0.1640 0.0774 0.0000-0.0010 0.0004 0.0004 ex02 5.3843 3.5940 2.4625 3.1675 0.0203 0.0580 0.1166 0.0751 0.0013-0.0013-0.0007 0.0006 ex03 3.0799 13.4592 12.3837 22.5496 0.0793 0.0002 0.0004 0.0000-0.0004 0.0011-0.0007-0.0006 ex04 11.7928 0.3511 25.7763 23.4445 0.0006 0.5535 0.0000 0.0000-0.0016 0.0004 0.0020 0.0013 135