Laboration 2. Omprovsuppgift MÄLARDALENS HÖGSKOLA. Akademin för ekonomi, samhälle och teknik
|
|
- Jonathan Ulf Henriksson
- för 5 år sedan
- Visningar:
Transkript
1 MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik och kvantitativa undersökningar, A 15 Hp Vårterminen 2017 Laboration 2 Omprovsuppgift
2 Regressionsanalys, baserat på Sveriges kommuner Skriv en kort rapport baserat på datasettet svenska_kommuner.xlsx, där ni undersöker faktorer som påverkar arbetslösheten i de svenska kommunerna. Som beroende variabel ska ni använda D_02, Öppen arbetslöshet, procent av arbetskraften. Gör ett antal olika modeller där ni experimenterar med olika oberoende variabler. Ni bör motivera varför ni tror att de variabler ni använder kan ha en påverkan på arbetslösheten. Minst en av modellerna ska ni göra såväl i en linjär som en loglinjär variant. Minst en av modellerna ska innehålla såväl medelinkomsten som kvadraten av medelinkomsten. Totalt sett ska rapporten innehålla minst fem olika modeller och varje modell ska innehålla minst två oberoende variabler. Rapportens struktur: Som bilaga till denna uppgift finns ett exempel på hur en rapport kan struktureras. Börja med en inledning där ni talar om vad ni ska undersöka och ger deskriptiv statistik på de variabler ni använder (medelvärde och standardavvikelse). Här ska ni också motivera varför ni valt de oberoende variabler ni valt samt ge en förväntan om vilken effekt ni tror att respektive oberoende variabel har på arbetslösheten. (I en riktig uppsats skulle ni basera denna förväntan på ert teoriavsnitt men här räcker det med lite egna tankar) Därefter bör ni ha en resultatdel som dels ska innehålla en matris med korrelationskoefficienter mellan alla de variabler ni använder, och dels en tabell med regressionsresultaten. I tabellen över regressionsresultaten ska ni ha en kolumn för varje modell och ni ska ange korrelationskoefficienternas värde samt dess standardavvikelse samt modellens justerade förklaringsgrad. Koefficienter som är signifikanta ska markeras med stjärna. Använd 5 % signifikansnivå. I resultatdelen ska ni ha med tolkningar av samtliga regressionskoefficienter samt förklaringsgraderna. Det kan vara lämpligt att strukturera den genom att redovisa en modell i taget. Sist ska ni ha en slutsats där ni sammanfattar de viktigaste resultaten och relaterar dem till de förväntade resultat ni hade i inledningen. Utöver labbrapporten ska ni också lämna in ett dokument med skärmbilder från R Commander så att vi kan kontrollera era siffror. Alternativt lägga en bilaga i samma dokument.
3 Bilaga: Exempel på hur en labbrapport kan struktureras Trångboddhet i svenska kommuner Inledning I den här rapporten ska vi studera om folkmängd, folkökning, invandring, våldsbrott och/eller medelinkomst påverkar trångboddheten i svenska kommuner. Vi använder data från SCB och brottsförebyggande rådet över Sveriges 290 kommuner. Antal våldsbrott är hämtade från brottsförebyggande rådet och alla övriga variabler från SCB. Tabell 1 visar medelvärde och standardavvikelse för de variabler vi använder. Tabell 1. Deskriptiv statistik Variabel Medelvärde Standardavvikelse Folkmängd, antal personer Folkökning, antal personer Antal utrikes födda per 1000 invånare ,7 Genomsnittlig bostadsarea per 45,7 3,9 Antal anmälda våldsbrott per invånare Medelinkomst, tkr, inkomst av tjänst Vi använder genomsnittliga bostadsarea per person som beroende variabel. Om denna variabel har ett lågt värde är trångboddheten stor i kommunen. Vi valde folkmängd eftersom trångboddheten borde vara större i stora kommuner. Kommuner med en stor inflyttning borde vara trångbodda, därför valde vi även folkökning. Då det är en vanlig uppfattning att människor med utländsk härkomst bor fler personer per lägenhet valde vi också att ha med antal utrikes födda per 1000 invånare. Om det är så att människor flyttar från kommuner med hög brottslighet skulle brottsligheten kunna påverka trångboddheten, därför har vi med antal anmälda våldsbrott per invånare. Med högre inkomster borde man ha råd med större bostäder, därför valde vi att ha med medelinkomsten.
4 Resultat I tabell 2 redovisas korrelationskoefficienterna parvis mellan de variabler som vi använder oss av. Vi ser att samtliga variabler som vi använder som oberoende variabler är negativt korrelerade med bostadsarean. Tabell 2 korrelationskoefficienter mellan de olika variablerna Folkmängd Folkökning Utrikes födda Våldsbrott Medelinkomst Genomsnittlig bostadsarea per -0,5049* -0,5086* -0,5370* -0,2986* -0,2059* Folkmängd 0,9807 0,3169 0,2057* 0,2415* Folkökning 0,3577* 0,2725* 0,2394* Antal utrikes födda per 1000 invånare 0,4783* -0,0181 (0,759) Antal anmälda våldsbrott per invånare -0,4418* (0,004) Tabellen anger Pearsons korrelationskoefficient mellan varje par av variabler med dess p-värde inom parentes. *Koefficienter signifikanta på 5 % nivån är markerade med stjärna
5 Tabell 3 Resultat från regressionerna Beroende variabel: Modell 1 Modell 2 Modell 3 Modell 4 Modell 5 Bost. area per Bost. area per Bost. area per Logaritmen av bostads area per Bost. area per Förklarande variabler: Intersept 65* (1,6) 64* (1,8) 65* (1,6) 2,6* (0,094) 98* (6,7) Folkmängd -0,000026* (0,000011) -0,000014* (2, ) -1, (0,000012) Logaritmen av folkmängd -0,042* (0,0044) Folkökning 0,00084 (0,00076) -0,0012* (0,00018) -0,00098 (0,00079) Antal utrikes födda per 1000 invånare -0,028* (0,0032) -0,027* (0,0031) Logaritmen av antal utrikes födda per 1000 invånare -0,069* (0,0094) Antal anmälda våldsbrott per invånare -0,0014* (0,00052) -0,0033* (0,00053) -0,0014* (0,00052) -0,0034* (0,00051) Logaritmen av antal anmälda våldsbrott per invånare -0,019 (0,011) Medelinkomst, tkr, inkomst av tjänst -0,074* (0,0074) -0,075* (0,0084) -0,073* (0,0074) -0,39* (0,060) Logaritmen av medelinkomst, tkr, inkomst av tjänst -0,24* (0,039) Medelinkomst upphöjt till 2 0,00071* (0,00013) R 2 adj 0,56 0,43 0,44 0,63 0,48 Tabellen anger regressionskoefficienternas värden med standardavvikelsen inom parentes *Koefficienter signifikanta på 5 % nivån är markerade med stjärna
6 I tabell 3 redovisas resultatet från regressionerna. Modell 1: Interseptet är signifikant men tolkas inte då det inte finns några kommuner som har noll på alla oberoende variabler. Koefficienten för folkmängd är signifikant. Koefficientens värde tolkas som att om folkmängden ökar med 1 person minskar boytan per person med 0, m 2 givet oförändrade värden på övriga oberoende variabler. Eller med andra ord, om folkmängden ökar med 1000 personer minskar boytan per person med 0,026 m 2. Kommuner med stor befolkning är mer trångbodda. Koefficienten för folkökning är inte signifikant och tolkas därför inte. Koefficienten för utrikes födda är signifikant. Koefficientens värde tolkas som att om antal utrikes födda ökar med en person per 1000 invånare minskar boytan per person med 0,028 m 2 givet oförändrade värden på övriga oberoende variabler. Kommuner med stor andel utrikes födda är mer trångbodda. som att om antal anmälda våldsbrott ökar med ett brott per invånare minskar boytan per person med 0,0014 m 2 givet oförändrade värden på övriga oberoende variabler. Kommuner med många anmälda våldsbrott är mer trångbodda. Koefficienten för medelinkomst är signifikant. Koefficientens värde tolkas som att om medelinkomsten stiger med tusen kronor minskar boytan per person med 0,074 m 2 givet oförändrade värden på övriga oberoende variabler. Kommuner med höga inkomster mer trångbodda. Den justerade förklaringsgraden är 0,56 vilket innebär att modellen förklarar 56 procent av variansen av boyta per person. Modell 2: Interseptet är signifikant men tolkas inte då det inte finns några kommuner som har noll på alla oberoende variabler. Koefficienten för folkökning är signifikant. Koefficientens värde tolkas som att om folkökningen ökar med 1 person minskar boytan per person med 0,0012 m 2 givet oförändrade värden på övriga oberoende variabler. Kommuner med stor folkökning är mer trångbodda. som att om antal anmälda våldsbrott ökar med ett brott per invånare minskar boytan per person med 0,0033 m 2 givet oförändrade värden på övriga oberoende variabler. Kommuner med många anmälda våldsbrott är mer trångbodda. Koefficienten för medelinkomst är signifikant. Koefficientens värde tolkas som att om medelinkomsten stiger med tusen kronor minskar boytan per person med 0,075 m 2
7 givet oförändrade värden på övriga oberoende variabler. Kommuner med höga inkomster mer trångbodda. Den justerade förklaringsgraden är 0,43 vilket innebär att modellen förklarar 43 procent av variansen av boyta per person. Modell 3: Interseptet är signifikant men tolkas inte då det inte finns några kommuner som har noll på alla oberoende variabler. Koefficienten för folkmängd är signifikant. Koefficientens värde tolkas som att om folkmängden ökar med 1 person minskar boytan per person med 0, m 2 givet oförändrade värden på övriga oberoende variabler. Eller med andra ord, om folkmängden ökar med 1000 personer minskar boytan per person med 0,014 m 2. Kommuner med stor befolkning är mer trångbodda. Koefficienten för utrikes födda är signifikant. Koefficientens värde tolkas som att om antal utrikes födda ökar med en person per 1000 invånare minskar boytan per person med 0,027 m 2 givet oförändrade värden på övriga oberoende variabler. Kommuner med stor andel utrikes födda är mer trångbodda. som att om antal anmälda våldsbrott ökar med ett brott per invånare minskar boytan per person med 0,0014 m 2 givet oförändrade värden på övriga oberoende variabler. Kommuner med många anmälda våldsbrott är mer trångbodda. Koefficienten för medelinkomst är signifikant. Koefficientens värde tolkas som att om medelinkomsten stiger med tusen kronor minskar boytan per person med 0,073 m 2 givet oförändrade värden på övriga oberoende variabler. Kommuner med höga inkomster mer trångbodda. Den justerade förklaringsgraden är 0,44 vilket innebär att modellen förklarar 44 procent av variansen av boyta per person. Modell 4: Modell 4 innehåller amma variabler som modell 3 men i det här fallet har vi antagit en loglinjär modell. Interseptet är signifikant men tolkas inte då det inte finns några kommuner som har noll på alla oberoende variabler. Koefficienten för folkmängd är signifikant. Koefficientens värde tolkas som att om folkmängden ökar med 1 procent minskar boytan per person med 0,042 procent givet oförändrade värden på övriga oberoende variabler. Kommuner med stor befolkning är mer trångbodda. Koefficienten för utrikes födda är signifikant. Koefficientens värde tolkas som att om antal utrikes födda ökar med en procent minskar boytan per person med 0,069
8 procent givet oförändrade värden på övriga oberoende variabler. Kommuner med stor andel utrikes födda är mer trångbodda. som att om antal anmälda våldsbrott ökar med en procent minskar boytan per person med 0,019 procent givet oförändrade värden på övriga oberoende variabler. Kommuner med många anmälda våldsbrott är mer trångbodda. Koefficienten för medelinkomst är signifikant. Koefficientens värde tolkas som att om medelinkomsten stiger med en procent minskar boytan per person med 0,24 procent givet oförändrade värden på övriga oberoende variabler. Kommuner med höga inkomster mer trångbodda. Den justerade förklaringsgraden är 0,63 vilket innebär att modellen förklarar 63 procent av variansen av boyta per person. Eftersom denna förklaringsgrad är högre än i modell tre passar en log linjär modell bättre till datamaterialet i det här fallet. Modell 5: Interseptet är signifikant men tolkas inte då det inte finns några kommuner som har noll på alla oberoende variabler. Koefficienten för folkmängd är inte signifikant och tolkas därför inte. Koefficienten för folkökning är inte signifikant och tolkas därför inte. som att om antal anmälda våldsbrott ökar med ett per invånare minskar boytan per person med 0,0034 m 2 givet oförändrade värden på övriga oberoende variabler. Kommuner med många anmälda våldsbrott är mer trångbodda. I den här modellen antar vi ett kvadratiskt samband mellan medelinkomst och boyta. Den vanliga variabeln är negativ vilket innebär att ökade inkomster ger minskad boyta. Den kvadrerade variabeln har en positiv koefficient vilket innebär att den negativa effekten minskar när inkomsterna stiger. Vid riktigt höga inkomster kommer vi att få en positiv effekt på boyta per person. Den justerade förklaringsgraden är 0,48 vilket innebär att modellen förklarar 48 procent av variansen av boyta per person. Eftersom denna förklaringsgrad är högre än i modell tre passar en log linjär modell bättre till datamaterialet i det här fallet.
9 Slutsats Samtliga oberoende variabler vi använder har en signifikant negativ inverkan på boytan per person i minst någon av modellerna. Folkökning är dock enbart signifikant om vi inte har med folkmängd i modellen. Orsaken till det är förmodligen multikolliniaritet då vi har en hög korrelation (0,98) mellan folkmängd och folkökning. Antal anmälda våldsbrott är endast signifikant i de linjära modellerna. Vi fick inte det samband vi förväntat mellan inkomster och trångboddhet. Orsaken till detta kan vara att hyrorna också är högre i kommuner med höga inkomster vilket leder till att genomsnittliga boytan blir lägre i de kommunerna. (Inom varje kommun kan det dock fortfarande vara så att de rika har större bostäder än de fattiga.) Inte heller antalet våldsbrott gav den effekt vi hade förväntat oss.
Tentamen på. Statistik och kvantitativa undersökningar STA101, 15 hp. Tisdagen den 10 e januari Ten 1, 9 hp
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA101, 15 hp Tisdagen den 10 e januari 2017 Ten 1, 9 hp Tillåtna hjälpmedel:
Läs merTentamen på. Statistik och kvantitativa undersökningar STA100, 15 HP. Ten1 9 HP. 19 e augusti 2015
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA100, 15 HP Ten1 9 HP 19 e augusti 2015 Tillåtna hjälpmedel: Miniräknare
Läs merLösningsförslag till tentamen på. Statistik och kvantitativa undersökningar STA100, 15 hp. Fredagen den 13 e mars 2015
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Lösningsförslag till tentamen på Statistik och kvantitativa undersökningar STA100, 15 hp Fredagen den 13 e mars 015 1 a 13 och 14
Läs mer1b) Om denna överstiger det kritiska värdet förkastas nollhypotesen. 1c)
1a) F1 och F3 nominalskala, enbart olika saker F kvotskala, Riktiga siffror, 0 betyder att man inte finns och avståndet mellan två värden är exakt definierat F4 och F5 ordinalskala, vi kan ordna svaren
Läs merTentamen på. Statistik och kvantitativa undersökningar STA101, 15 hp. Torsdagen den 23 e mars Ten 1, 9 hp
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA101, 15 hp Torsdagen den 23 e mars 2017 Ten 1, 9 hp Tillåtna hjälpmedel:
Läs merLaboration 2. Övningsuppgifter. Syfte: Syftet med den här laborationen är att träna på att utföra multipel regressionsanalys MÄLARDALENS HÖGSKOLA
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik och kvantitativa undersökningar, A 15 p Höstterminen 2016 Laboration 2 Övningsuppgifter Baserade på dataseten: Discrim_lab.xlsx
Läs merordinalskala kvotskala F65A nominalskala F65B kvotskala nominalskala (motivering krävs för full poäng)
1 F1 ordinalskala F2 kvotskala F65A nominalskala F65B kvotskala F81 nominalskala (motivering krävs för full poäng) b) Variabler som används är F2 och F65b. Eftersom det är kvotskala på båda kan vi använda
Läs merTentamen på. Statistik och kvantitativa undersökningar STA101, 15 hp. Tisdagen den 12 e januari Ten 1, 9 hp
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA101, 15 hp Tisdagen den 12 e januari 2016 Ten 1, 9 hp Tillåtna hjälpmedel:
Läs merTentamen på. Statistik och kvantitativa undersökningar STA101, 15 hp. Fredagen den 9 e juni Ten 1, 9 hp
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA101, 15 hp Fredagen den 9 e juni 2017 Ten 1, 9 hp Tillåtna hjälpmedel:
Läs merimport totalt, mkr index 85,23 100,00 107,36 103,76
1. a) F1 Kvotskala (riktiga siffror. Skillnaden mellan 3 och 5 månader är lika som skillnaden mellan 5 och 7 månader. 0 betyder att man inte haft kontakt med innovations Stockholm.) F2 Nominalskala (ingen
Läs merTentamen på. Statistik och kvantitativa undersökningar STA001, 15 hp. Exempeltenta 2
MÄLARDALENS HÖGSKOLA Akademin för hållbar samhälls- och teknikutveckling Statistik Tentamen på Statistik och kvantitativa undersökningar STA001, 15 hp Exempeltenta 2 Tillåtna hjälpmedel: Miniräknare (Formelsamling
Läs merTentamen på. Statistik och kvantitativa undersökningar STA001, 15 hp. Exempeltenta 2
MÄLARDALENS HÖGSKOLA Akademin för hållbar samhälls- och teknikutveckling Statistik Tentamen på Statistik och kvantitativa undersökningar STA001, 15 hp Exempeltenta 2 Tillåtna hjälpmedel: Miniräknare (Formelsamling
Läs merFråga nr a b c d 2 D
Fråga nr a b c d 1 B 2 D 3 C 4 B 5 B 6 A 7 a) Första kvartilen: 33 b) Medelvärde: 39,29 c) Standardavvikelse: 7,80 d) Pearson measure of skewness 1,07 Beräkningar: L q1 = (7 + 1) 1 4 = 2 29-10 105,8841
Läs merTentamen på. Statistik och kvantitativa undersökningar STA001, 15 hp. Exempeltenta 5. Poäng. Totalt 40. Betygsgränser: G 20 VG 30
MÄLARDALENS HÖGSKOLA Akademin för hållbar samhälls- och teknikutveckling Statistik Tentamen på Statistik och kvantitativa undersökningar STA001, 15 hp Exempeltenta 5 Tillåtna hjälpmedel: Miniräknare (Formelsamling
Läs merTentamen på Statistik och kvantitativa undersökningar STA001, 15 hp. Exempeltenta 4
MÄLARDALENS HÖGSKOLA Akademin för hållbar samhälls- och teknikutveckling Statistik Tentamen på Statistik och kvantitativa undersökningar STA001, 15 hp Tillåtna hjälpmedel: Miniräknare (Formelsamling bifogas
Läs merTentamen på. Statistik och kvantitativa undersökningar STA100, 15 hp. Fredagen den 16 e januari 2015
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA100, 15 hp Fredagen den 16 e januari 2015 Tillåtna hjälpmedel: Miniräknare
Läs merAtt välja statistisk metod
Att välja statistisk metod en översikt anpassad till kursen: Statistik och kvantitativa undersökningar 15 HP Vårterminen 2018 Lars Bohlin Innehåll Val av statistisk metod.... 2 1. Undersökning av en variabel...
Läs merRepetitionsföreläsning
Population / Urval / Inferens Repetitionsföreläsning Ett företag som tillverkar byxor gör ett experiment för att kontrollera kvalitén. Man väljer slumpmässigt ut 100 par som man utsätter för hård nötning
Läs mer732G71 Statistik B. Föreläsning 4. Bertil Wegmann. November 11, IDA, Linköpings universitet
732G71 Statistik B Föreläsning 4 Bertil Wegmann IDA, Linköpings universitet November 11, 2016 Bertil Wegmann (IDA, LiU) 732G71, Statistik B November 11, 2016 1 / 34 Kap. 5.1, korrelationsmatris En korrelationsmatris
Läs merKapitel 4: SAMBANDET MELLAN VARIABLER: REGRESSIONSLINJEN
Kapitel 4: SAMBANDET MELLAN VARIABLER: REGRESSIONSLINJEN Spridningsdiagrammen nedan representerar samma korrelationskoefficient, r = 0,8. 80 80 60 60 40 40 20 20 0 0 20 40 0 0 20 40 Det finns dock två
Läs merBild 1. Bild 2 Sammanfattning Statistik I. Bild 3 Hypotesprövning. Medicinsk statistik II
Bild 1 Medicinsk statistik II Läkarprogrammet T5 HT 2014 Anna Jöud Arbets- och miljömedicin, Lunds universitet ERC Syd, Skånes Universitetssjukhus anna.joud@med.lu.se Bild 2 Sammanfattning Statistik I
Läs merI. Grundläggande begrepp II. Deskriptiv statistik III. Statistisk inferens Parametriska Icke-parametriska
Innehåll I. Grundläggande begrepp II. Deskriptiv statistik III. Statistisk inferens Hypotesprövnig Statistiska analyser Parametriska analyser Icke-parametriska analyser Univariata analyser Univariata analyser
Läs mer1. a) F4 (känsla av meningslöshet) F5 (okontrollerade känlsoyttringar)
1. a) F1(Sysselsättning) F2 (Ålder) F3 (Kön) F4 (känsla av meningslöshet) F5 (okontrollerade känlsoyttringar) nominalskala kvotskala nominalskala ordinalskala ordinalskala b) En möjlighet är att beräkna
Läs merRegressions- och Tidsserieanalys - F4
Regressions- och Tidsserieanalys - F4 Modellbygge och residualanalys. Kap 5.1-5.4 (t.o.m. halva s 257), ej C-statistic s 23. Linda Wänström Linköpings universitet Wänström (Linköpings universitet) F4 1
Läs merFöreläsning 10, del 1: Icke-linjära samband och outliers
Föreläsning 10, del 1: och outliers Pär Nyman par.nyman@statsvet.uu.se 19 september 2014-1 - Sammanfattning av tidigare kursvärderingar: - 2 - Sammanfattning av tidigare kursvärderingar: Kursen är för
Läs merTentamen på. Statistik och kvantitativa undersökningar STA100, 15 hp. Fredagen den 13 e mars Ten 1, 9 hp
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA100, 15 hp Fredagen den 13 e mars 2015 Ten 1, 9 hp Tillåtna hjälpmedel:
Läs merStatistik 1 för biologer, logopeder och psykologer
Innehåll 1 Korrelation och regression Innehåll 1 Korrelation och regression Spridningsdiagram Då ett datamaterial består av två (eller era) variabler är man ofta intresserad av att veta om det nns ett
Läs merLinjär regressionsanalys. Wieland Wermke
+ Linjär regressionsanalys Wieland Wermke + Regressionsanalys n Analys av samband mellan variabler (x,y) n Ökad kunskap om x (oberoende variabel) leder till ökad kunskap om y (beroende variabel) n Utifrån
Läs merSkolprestationer på kommunnivå med hänsyn tagen till socioekonomi
1(6) PCA/MIH Johan Löfgren 2016-11-10 Skolprestationer på kommunnivå med hänsyn tagen till socioekonomi 1 Inledning Sveriges kommuner och landsting (SKL) presenterar varje år statistik över elevprestationer
Läs merF16 MULTIPEL LINJÄR REGRESSION (NCT , 13.9) Anpassning av linjär funktion till givna data
Stat. teori gk, ht 006, JW F16 MULTIPEL LINJÄR REGRESSION (NCT 13.1-13.3, 13.9) Anpassning av linjär funktion till givna data Data med en beroende variabel (y) och K stycken (potentiellt) förklarande variabler
Läs merMatematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10. Laboration. Regressionsanalys (Sambandsanalys)
Matematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10 Laboration Regressionsanalys (Sambandsanalys) Grupp A: 2010-11-24, 13.15 15.00 Grupp B: 2010-11-24, 15.15 17.00 Grupp C: 2010-11-25,
Läs merSTOCKHOLMS UNIVERSITET VT 2011 Avd. Matematisk statistik GB DATORLABORATION 3: MULTIPEL REGRESSION.
MATEMATISKA INSTITUTIONEN Tillämpad statistisk analys, GN STOCKHOLMS UNIVERSITET VT 2011 Avd. Matematisk statistik GB 2011-04-13 DATORLABORATION 3: MULTIPEL REGRESSION. Under Instruktioner och data på
Läs merStatistik B Regressions- och tidsserieanalys Föreläsning 1
Statistik B Regressions- och tidsserieanalys Föreläsning Kurskod: 732G7, 8 hp Lärare och examinator: Ann-Charlotte (Lotta) Hallberg Lärare och lektionsledare: Isak Hietala Labassistenter Kap 3,-3,6. Läs
Läs merStatistiska analysmetoder, en introduktion. Fördjupad forskningsmetodik, allmän del Våren 2018
Statistiska analysmetoder, en introduktion Fördjupad forskningsmetodik, allmän del Våren 2018 Vad är statistisk dataanalys? Analys och tolkning av kvantitativa data -> förutsätter numeriskt datamaterial
Läs merMatematisk statistik, Föreläsning 5
Matematisk statistik, Föreläsning 5 Ove Edlund LTU 2011-12-09 Ove Edlund (LTU) Matematisk statistik, Föreläsning 5 2011-12-09 1 / 25 Laboration 4 Jobba i grupper med storlek 2 Ove Edlund (LTU) Matematisk
Läs merInStat Exempel 4 Korrelation och Regression
InStat Exempel 4 Korrelation och Regression Vi ska analysera ett datamaterial som innehåller information om kön, längd och vikt för 2000 personer. Materialet är jämnt fördelat mellan könen (1000 män och
Läs merFöreläsning 4. Kap 5,1-5,3
Föreläsning 4 Kap 5,1-5,3 Multikolinjäritetsproblem De förklarande variablerna kan vara oberoende (korrelerade) av varann men det är inte så vanligt. Ofta är de korrelerade, och det är helt ok men beroendet
Läs merMultipel Regressionsmodellen
Multipel Regressionsmodellen Koefficienterna i multipel regression skattas från ett stickprov enligt: Multipel Regressionsmodell med k förklarande variabler: Skattad (predicerad) Värde på y y ˆ = b + b
Läs merPreliminära lösningar för Tentamen Tillämpad statistik A5 (15hp) Statistiska institutionen, Uppsala universitet
Preliminära lösningar för Tentamen Tillämpad statistik A5 (15hp) 2016-01-13 Statistiska institutionen, Uppsala universitet Uppgift 1 (20 poäng) A) (4p) Om kommunens befolkning i den lokala arbetsmarknaden
Läs merMedicinsk statistik II
Medicinsk statistik II Läkarprogrammet termin 5 VT 2013 Susanna Lövdahl, Msc, doktorand Klinisk koagulationsforskning, Lunds universitet E-post: susanna.lovdahl@med.lu.se Dagens föreläsning Fördjupning
Läs merÖVNINGSUPPGIFTER KAPITEL 9
ÖVNINGSUPPGIFTER KAPITEL 9 STOKASTISKA VARIABLER 1. Ange om följande stokastiska variabler är diskreta eller kontinuerliga: a. X = En slumpmässigt utvald person ur populationen är arbetslös, där x antar
Läs merSänkningen av parasitnivåerna i blodet
4.1 Oberoende (x-axeln) Kön Kön Längd Ålder Dos Dos C max Parasitnivå i blodet Beroende (y-axeln) Längd Vikt Vikt Vikt C max Sänkningen av parasitnivåerna i blodet Sänkningen av parasitnivåerna i blodet
Läs merF11. Kvantitativa prognostekniker
F11 Kvantitativa prognostekniker samt repetition av kursen Kvantitativa prognostekniker Vi har gjort flera prognoser under kursen Prognoser baseras på antagandet att historien upprepar sig Trenden följer
Läs merFöreläsning 9. NDAB02 Statistik; teori och tillämpning i biologi
Föreläsning 9 Statistik; teori och tillämpning i biologi 1 (kap. 20) Introduktion I föregående föreläsning diskuterades enkel linjär regression, där en oberoende variabel X förklarar variationen hos en
Läs merF18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT
Stat. teori gk, ht 006, JW F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT 1.1, 13.1-13.6, 13.8-13.9) Modell för multipel linjär regression Modellantaganden: 1) x-värdena är fixa. ) Varje y i (i = 1,, n) är
Läs merLaboration 2: Normalfo rdelning, regressionsanalys och korstabeller
S0004M Statistik 1 Undersökningsmetodik. Laboration 2: Normalfo rdelning, regressionsanalys och korstabeller Till denna laboration ska det angivna datamaterialet användas och bearbetas med den statistiska
Läs merTentamen på. Statistik och kvantitativa undersökningar STA101, 15 hp. Torsdagen den 24 e mars Ten 1, 9 hp
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA101, 15 hp Torsdagen den 24 e mars 2016 Ten 1, 9 hp Tillåtna hjälpmedel:
Läs merLaboration 3. Övningsuppgifter. Syfte: Syftet med den här laborationen är att träna på att analysera enkätundersökningar. MÄLARDALENS HÖGSKOLA
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik och kvantitativa undersökningar, A 15 p Höstterminen 2016 Laboration 3 Övningsuppgifter Baserade på datasetet energibolag.rdata
Läs mer10.1 Enkel linjär regression
Exempel: Hur mycket dragkraft behövs för att en halvledare skall lossna från sin sockel vid olika längder på halvledarens ben. De halvledare vi betraktar är av samma storlek (bortsett benlängden). 70 Scatterplot
Läs merLaboration 5: Regressionsanalys. 1 Förberedelseuppgifter. 2 Enkel linjär regression DATORLABORATION 5 MATEMATISK STATISTIK FÖR I, FMS 012, HT-08
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK Laboration 5: Regressionsanalys DATORLABORATION 5 MATEMATISK STATISTIK FÖR I, FMS 012, HT-08 Syftet med den här laborationen är att du skall
Läs merRegressionsanalys med SPSS Kimmo Sorjonen (2010)
1 Regressionsanalys med SPSS Kimmo Sorjonen (2010) 1. Multipel regression 1.1. Variabler I det aktuella exemplet ingår följande variabler: (1) life.sat, anger i vilket utsträckning man är nöjd med livet;
Läs merLABORATION 3 - Regressionsanalys
Institutionen för teknikvetenskap och matematik S0001M Matematisk statistik, LP1, HT 2015, Adam Jonsson LABORATION 3 - Regressionsanalys I denna laboration ska du lösa ett antal uppgifter i enkel regressionsanalys
Läs merFöreläsning 9. NDAB01 Statistik; teori och tillämpning i biologi
Föreläsning 9 Statistik; teori och tillämpning i biologi 1 (kap. 20) Introduktion I föregående föreläsning diskuterades enkel linjär regression, där en oberoende variabel X förklarar variationen hos en
Läs merÖVNINGSUPPGIFTER KAPITEL 4
ÖVNINGSUPPGIFTER KAPITEL 4 REGRESSIONSLINJEN: NIVÅ OCH LUTNING 1. En av regressionslinjerna nedan beskrivs av ekvationen y = 20 + 2x; en annan av ekvationen y = 80 x; en tredje av ekvationen y = 20 + 3x
Läs merTentamen på. Statistik och kvantitativa undersökningar STA101, 15 hp. Fredagen den 4 e mars Ten 1, 9 hp
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA101, 15 hp Fredagen den 4 e mars 2016 Ten 1, 9 hp Tillåtna hjälpmedel:
Läs merInlämningsuppgift 1: Beslutsunderlag, 1,5hp
Del A Inlämningsuppgift 1: Beslutsunderlag, 1,5hp Företagsledningen undrar om annonsering, extraerbjudande, etc. påverkar försäljningen hos deras återförsäljare, och har bett er ta fram beskrivande statistik
Läs merBEFOLKNING 7 JÖNKÖPINGS KOMMUN
Andel BEFOLKNING 7 Folkmängdsförändring -1 Befolkningens åldersfördelning 1 13 13 13 13 1 1 1 1 1 11 11 1 1 1 1 3 7 9 1+ Ålder Folkmängd den 31 december 1 Folkmängdsförändring från Ålder uell fördelning
Läs merBEFOLKNING 8 NÄSSJÖ KOMMUN
Andel BEFOLKNING Folkmängdsförändring -1 Befolkningens åldersfördelning 1 3 3 3 3 9 9 9 9 9 1 1 1 1 3 7 9 1+ Ålder Folkmängd den 31 december 1 Folkmängdsförändring från Ålder uell fördelning År Folkmängd
Läs merFöreläsning G60 Statistiska metoder
Föreläsning 3 Statistiska metoder 1 Dagens föreläsning o Samband mellan två kvantitativa variabler Matematiska samband Statistiska samband o Korrelation Svaga och starka samband När beräkna korrelation?
Läs merBEFOLKNING # JÖNKÖPINGS LÄN
Andel BEFOLKNING # Folkmängdsförändring 28-217 Befolkningens åldersfördelning 217 3 37 3 32 3 347 34 342 34 337 33 332 33 28 21 212 214 21 1 2 3 4 7 8 9 1+ Ålder Folkmängd den 31 december 217 Folkmängdsförändring
Läs merOBS! Vi har nya rutiner.
KOD: Kurskod: PM2315 Kursnamn: Psykologprogrammet, kurs 15, Metoder för psykologisk forskning (15 hp) Ansvarig lärare: Jan Johansson Hanse Tentamensdatum: 14 januari 2012 Tillåtna hjälpmedel: miniräknare
Läs merBEFOLKNING # TRANÅS KOMMUN
Andel BEFOLKNING # Folkmängdsförändring -1 Befolkningens åldersfördelning 1 1 1 1 1 1 17 17 17 17 1 1 1 1 3 7 9 1+ Ålder Folkmängd den 31 december 1 Folkmängdsförändring från Ålder uell fördelning År Folkmängd
Läs merBEFOLKNING # JÖNKÖPINGS LÄN
Andel BEFOLKNING # Folkmängdsförändring -1 Befolkningens åldersfördelning 1 3 3 3 3 3 3 33 33 33 33 33 1 1 1 1 3 7 9 1+ Ålder Folkmängd den 31 december 1 Folkmängdsförändring från Ålder uell fördelning
Läs merBEFOLKNING 3 MULLSJÖ KOMMUN
Andel BEFOLKNING 3 Folkmängdsförändring -1 Befolkningens åldersfördelning 1 7 7 1 7 1 7 7 9 1 1 1 1 3 7 9 1+ Ålder Folkmängd den 31 december 1 Folkmängdsförändring från Ålder uell fördelning År Folkmängd
Läs merBEFOLKNING 2 GNOSJÖ KOMMUN
Andel BEFOLKNING Folkmängdsförändring -1 Befolkningens åldersfördelning 1 9 7 9 9 9 9 9 9 9 3 9 3 9 9 1 1 1 3 7 9 1+ Ålder Folkmängd den 31 december 1 Folkmängdsförändring från Ålder uell fördelning År
Läs merBEFOLKNING 9 VÄRNAMO KOMMUN
Andel BEFOLKNING 9 Folkmängdsförändring 26-21 Befolkningens åldersfördelning 21 33 6 33 4 33 2 33 32 8 32 6 32 4 32 2 26 28 21 212 214 1 2 3 4 6 7 8 9 1+ Ålder Folkmängd den 31 december 21 Folkmängdsförändring
Läs merBEFOLKNING # VETLANDA KOMMUN
Andel BEFOLKNING # Folkmängdsförändring -1 Befolkningens åldersfördelning 1 7 9 7 3 1 1 1 1 1 3 7 9 1+ Ålder Folkmängd den 31 december 1 Folkmängdsförändring från Ålder uell fördelning År Folkmängd Födelsenettnetto
Läs merBEFOLKNING 5 GISLAVEDS KOMMUN
Andel BEFOLKNING Folkmängdsförändring 26-21 Befolkningens åldersfördelning 21 29 6 29 4 29 2 29 28 8 28 6 28 4 28 2 26 28 21 212 214 1 2 3 4 6 7 8 9 1+ Ålder Folkmängd den 31 december 21 Folkmängdsförändring
Läs merBEFOLKNING # SÄVSJÖ KOMMUN
Andel BEFOLKNING # Folkmängdsförändring -17 Befolkningens åldersfördelning 17 11 11 11 11 1 1 1 1 1 1 1 1 3 7 9 1+ Ålder Folkmängd den 31 december 17 Folkmängdsförändring från Ålder uell fördelning År
Läs merRichard Öhrvall, http://richardohrvall.com/ 1
Läsa in data (1/4) Välj File>Open>Data Läsa in data (2/4) Leta reda på rätt fil, Markera den, välj Open http://richardohrvall.com/ 1 Läsa in data (3/4) Nu ska data vara inläst. Variable View Variabelvärden
Läs merBEFOLKNING # EKSJÖ KOMMUN
Andel BEFOLKNING # Folkmängdsförändring -17 Befolkningens åldersfördelning 17 17 17 17 17 1 1 1 1 1 1 1 1 1 1 1 1 3 7 9 1+ Ålder Folkmängd den 31 december 17 Folkmängdsförändring från Ålder uell fördelning
Läs merBEFOLKNING 2 GNOSJÖ KOMMUN
Andel BEFOLKNING Folkmängdsförändring -17 Befolkningens åldersfördelning 17 9 9 7 9 9 9 9 3 9 9 1 1 1 1 1 1 3 7 9 1+ Ålder Folkmängd den 31 december 17 Folkmängdsförändring från Ålder uell fördelning År
Läs merÖVNINGSUPPGIFTER KAPITEL 9
ÖVNINGSUPPGIFTER KAPITEL 9 STOKASTISKA VARIABLER 1. Ange om följande stokastiska variabler är diskreta eller kontinuerliga: a. X = En slumpmässigt utvald person ur populationen är arbetslös, där x antar
Läs merBEFOLKNING # JÖNKÖPINGS LÄN
Andel BEFOLKNING # Folkmängdsförändring 9-1 Befolkningens åldersfördelning 1 365 36 355 3 35 3 335 3 9 12 15 1 6 7 9 + Ålder Folkmängd den 31 december 1 Folkmängdsförändring från 9 Ålder uell fördelning
Läs merBEFOLKNING 9 VÄRNAMO KOMMUN
Andel BEFOLKNING 9 Folkmängdsförändring 28-217 Befolkningens åldersfördelning 217 34 34 33 33 32 32 28 21 212 214 216 1 2 3 4 6 7 8 9 1+ Ålder Folkmängd den 31 december 217 Folkmängdsförändring från 28
Läs merBEFOLKNING 4 HABO KOMMUN
Andel BEFOLKNING Folkmängdsförändring -17 Befolkningens åldersfördelning 17 1 11 11 1 1 9 1 1 1 1 1 3 7 9 1+ Ålder Folkmängd den 31 december 17 Folkmängdsförändring från Ålder uell fördelning År Folkmängd
Läs merBEFOLKNING # JÖNKÖPINGS LÄN
Andel BEFOLKNING # Folkmängdsförändring 27-21 Befolkningens åldersfördelning 21 3 32 3 347 34 342 34 337 33 332 33 27 29 211 213 2 1 2 3 4 7 8 9 1+ Ålder Folkmängd den 31 december 21 Folkmängdsförändring
Läs merBEFOLKNING 7 JÖNKÖPINGS KOMMUN
Andel BEFOLKNING 7 Folkmängdsförändring 28-217 Befolkningens åldersfördelning 217 14 138 136 134 132 13 128 126 124 122 12 118 28 21 212 214 216 1 2 3 4 6 7 8 9 1+ Ålder Folkmängd den 31 december 217 Folkmängdsförändring
Läs merBEFOLKNING # TRANÅS KOMMUN
Andel BEFOLKNING # Folkmängdsförändring -17 Befolkningens åldersfördelning 17 19 1 1 1 1 1 17 17 1 1 1 1 1 3 7 9 1+ Ålder Folkmängd den 31 december 17 Folkmängdsförändring från Ålder uell fördelning År
Läs merBEFOLKNING 3 MULLSJÖ KOMMUN
Andel BEFOLKNING 3 Folkmängdsförändring -17 Befolkningens åldersfördelning 17 7 7 3 7 3 7 7 7 1 7 1 7 7 9 9 1 1 1 1 1 3 7 9 1+ Ålder Folkmängd den 31 december 17 Folkmängdsförändring från Ålder uell fördelning
Läs merBEFOLKNING 8 NÄSSJÖ KOMMUN
Andel BEFOLKNING Folkmängdsförändring -17 Befolkningens åldersfördelning 17 31 31 3 3 9 9 1 1 1 1 1 3 7 9 1+ Ålder Folkmängd den 31 december 17 Folkmängdsförändring från Ålder uell fördelning År Folkmängd
Läs merBEFOLKNING 5 GISLAVEDS KOMMUN
Andel BEFOLKNING Folkmängdsförändring 28-217 Befolkningens åldersfördelning 217 29 8 29 29 4 29 2 29 28 8 28 28 4 28 2 28 21 212 214 21 1 2 3 4 7 8 9 1+ Ålder Folkmängd den 31 december 217 Folkmängdsförändring
Läs merBEFOLKNING # VETLANDA KOMMUN
Andel BEFOLKNING # Folkmängdsförändring -17 Befolkningens åldersfördelning 17 7 7 7 7 1 1 1 1 1 3 7 9 1+ Ålder Folkmängd den 31 december 17 Folkmängdsförändring från Ålder uell fördelning År Folkmängd
Läs merBEFOLKNING 6 VAGGERYDS KOMMUN
Andel BEFOLKNING Folkmängdsförändring 28-217 Befolkningens åldersfördelning 217 14 13 8 13 13 4 13 2 13 12 8 12 12 4 28 21 212 214 21 1 2 3 4 7 8 9 1+ Ålder Folkmängd den 31 december 217 Folkmängdsförändring
Läs merBEFOLKNING 1 ANEBY KOMMUN
Andel BEFOLKNING 1 Folkmängdsförändring 9-1 Befolkningens åldersfördelning 1 9 7 3 9 1 1 3 7 9 + Ålder Folkmängd den 31 december 1 Folkmängdsförändring från 9 Ålder uell fördelning År Folkmängd Födelsenettnetto
Läs merBEFOLKNING 4 HABO KOMMUN
Andel BEFOLKNING Folkmängdsförändring -1 Befolkningens åldersfördelning 1 11 11 11 11 1 1 1 1 1 9 9 9 1 1 1 1 3 7 9 1+ Ålder Folkmängd den 31 december 1 Folkmängdsförändring från Ålder uell fördelning
Läs merBEFOLKNING 5 GISLAVEDS KOMMUN
Andel BEFOLKNING Folkmängdsförändring 9-1 Befolkningens åldersfördelning 1 3 9 9 9 9 9 9 1 1 3 7 9 + Ålder Folkmängd den 31 december 1 Folkmängdsförändring från 9 Ålder uell fördelning År Folkmängd Födelsenettnetto
Läs merBEFOLKNING # VETLANDA KOMMUN
Andel BEFOLKNING # Folkmängdsförändring 9-1 Befolkningens åldersfördelning 1 7 7 7 7 5 5 9 15 1 5 7 9 + Ålder Folkmängd den 31 december 1 Folkmängdsförändring från 9 Ålder uell fördelning År Folkmängd
Läs merBEFOLKNING # SÄVSJÖ KOMMUN
Andel BEFOLKNING # Folkmängdsförändring 9-1 Befolkningens åldersfördelning 1 11 11 11 11 11 9 1 3 7 9 + Ålder Folkmängd den 31 december 1 Folkmängdsförändring från 9 Ålder uell fördelning År Folkmängd
Läs merBEFOLKNING 9 VÄRNAMO KOMMUN
Andel BEFOLKNING 9 Folkmängdsförändring 9-1 Befolkningens åldersfördelning 1 3 3 3 33 33 3 3 31 9 1 1 1 3 7 9 + Ålder Folkmängd den 31 december 1 Folkmängdsförändring från 9 Ålder uell fördelning År Folkmängd
Läs merBEFOLKNING 8 NÄSSJÖ KOMMUN
Andel BEFOLKNING Folkmängdsförändring 9-1 Befolkningens åldersfördelning 1 3 31 31 3 3 9 9 9 1 3 7 9 + Ålder Folkmängd den 31 december 1 Folkmängdsförändring från 9 Ålder uell fördelning År Folkmängd Födelsenettnetto
Läs merBEFOLKNING 4 HABO KOMMUN
Andel BEFOLKNING Folkmängdsförändring 9-1 Befolkningens åldersfördelning 1 5 11 5 11 5 9 5 9 15 1 3 5 7 9 + Ålder Folkmängd den 31 december 1 Folkmängdsförändring från 9 Ålder uell fördelning År Folkmängd
Läs merBEFOLKNING 6 VAGGERYDS KOMMUN
Andel BEFOLKNING Folkmängdsförändring 27-21 Befolkningens åldersfördelning 21 13 8 13 13 4 13 2 13 12 8 12 12 4 27 29 211 213 2 1 2 3 4 7 8 9 1+ Ålder Folkmängd den 31 december 21 Folkmängdsförändring
Läs merBEFOLKNING 3 MULLSJÖ KOMMUN
Andel BEFOLKNING 3 Folkmängdsförändring 7-1 Befolkningens åldersfördelning 1 7 7 7 1 7 1 7 7 9 9 7 9 11 13 1 1 3 7 9 1+ Ålder Folkmängd den 31 december 1 Folkmängdsförändring från 7 Ålder uell fördelning
Läs merTVM-Matematik Adam Jonsson
TVM-Matematik Adam Jonsson 014-1-09 LABORATION 3 I MATEMATISK STATISTIK, S0001M REGRESSIONSANALYS I denna laboration ska du lösa ett antal uppgifter i regressionsanalys med hjälp av statistikprogrammet
Läs merÖVNINGSUPPGIFTER KAPITEL 9
ÖVNINGSUPPGIFTER KAPITEL 9 STOKASTISKA VARIABLER 1. Ange om följande stokastiska variabler är diskreta eller kontinuerliga: a. X = En slumpmässigt utvald person ur populationen är arbetslös, där x antar
Läs merBEFOLKNING 3 MULLSJÖ KOMMUN
Andel BEFOLKNING 3 Folkmängdsförändring 9-1 Befolkningens åldersfördelning 1 7 7 3 7 3 7 7 7 1 7 7 7 9 9 9 1 1 3 7 9 + Ålder Folkmängd den 31 december 1 Folkmängdsförändring från 9 Ålder uell fördelning
Läs merBEFOLKNING 6 VAGGERYDS KOMMUN
Andel BEFOLKNING Folkmängdsförändring 9-1 Befolkningens åldersfördelning 1 1 1 13 13 13 13 13 9 1 7 9 + Ålder Folkmängd den 31 december 1 Folkmängdsförändring från 9 Ålder uell fördelning År Folkmängd
Läs merBEFOLKNING # SÄVSJÖ KOMMUN
Andel BEFOLKNING # Folkmängdsförändring 7-1 Befolkningens åldersfördelning 1 11 11 11 3 11 11 1 11 1 9 1 1 7 1 1 7 9 11 13 1 1 3 7 9 1+ Ålder Folkmängd den 31 december 1 Folkmängdsförändring från 7 Ålder
Läs merBEFOLKNING # EKSJÖ KOMMUN
Andel BEFOLKNING # Folkmängdsförändring 9-1 Befolkningens åldersfördelning 1 1 17 17 1 1 1 9 1 1 1 7 9 + Ålder Folkmängd den 31 december 1 Folkmängdsförändring från 9 Ålder uell fördelning År Folkmängd
Läs mer