INLEDNING TILL. U/ADB / Statistics Sweden. Stockholm : Statistiska centralbyrån, Nr E24- E26

Storlek: px
Starta visningen från sidan:

Download "INLEDNING TILL. U/ADB / Statistics Sweden. Stockholm : Statistiska centralbyrån, Nr E24- E26"

Transkript

1

2 INLEDNING TILL R & D report : research, methods, development / Statistics Sweden. Stocholm : Statistisa centralbyrån, Nr. 1988:1-2004:2. Häri ingår Abstracts : sammanfattningar av metodrapporter från SCB med egen numrering. Föregångare: Metodinformation : preliminär rapport från Statistisa centralbyrån. Stocholm : Statistisa centralbyrån Nr 1984:1-1986:8. U/ADB / Statistics Sweden. Stocholm : Statistisa centralbyrån, Nr E24- E26 R & D report : research, methods, development, U/STM / Statistics Sweden. Stocholm : Statistisa centralbyrån, Nr Efterföljare: Research and development : methodology reports from Statistics Sweden. Stocholm : Statistisa centralbyrån Nr 2006:1-. R & D Report 2003:1. Översyn av undersöningen Inries och utries trafi med svensa lastbilar / Johan Erisson m.fl. Digitalt sapad fil, anpassad efter de digitaliserade delarna i serien. Statistisa centralbyrån (SCB) urn:nbn:se:scb-2003-x101op0301

3 R&D Report 2003:1 Research Methods Development Översyn av undersöningen Inries och utries trafi med svensa lastbilar Johan Erisson Per Anders Paulson Bengt Rosén

4 R&D Report 2003:1 Research - Methods - Development Evaluation of the survey Swedish national and international road goods transport Från trycet Maj 2003 Producent Statistisa centralbyrån, Statistics Sweden, metodenheten Box 24300, SE STOCKHOLM Förfrågningar Bengt Rosén bengt.rosen@math.uu.se Telefon Johan Erisson johan.erisson@scb.se Telefon Per Anders Paulson per.paulson@scb.se Telefon , Statistisa centralbyrån ISSN Printed in Sweden SCB-Tryc, Örebro 2003

5 Abstract Commissioned by the Swedish Institute for Transport and Communications Analysis (SIKA), the government agency responsible for official transport statistics, Statistics Sweden earlier carried out two separate sample surveys of goods transport with Swedish lorries, one for national and one for international transport. In year 2000 the two surveys were merged into one, "Swedish national and international road goods transports" (Inries och utries trafi med svensa lastbilar). Now, after a couple of rounds for the new survey, its design has been scrutinized for possible re - design. This report presents results from a study based on data and experiences from the 2000 and 2001 surveys. A main goal was to enhance the accuracy of the statistics on international transports. The chief contribution to that effect was a so called "Blue card study". It concerned improvement of the information about "lorries liely to carry out international transports". The study comprised enterprises with more than 15 permits for international lorry transports, so called "blue cards". They were ased to give, for each one of their lorries, an estimate of how much the lorry will be used in international haulages during Chief findings from the study were : (i) This ind of information is expected to yield substantial accuracy gains for the statistics on international transports. (ii) The enterprises cooperated willingly to provide this non - compulsory extra information. It was, of course, also desirable to improve the accuracy of the statistics on national transports. An issue of particular interest in that context was if Statistics Sweden's newly (= early in the year 2002) completed "Mileage database" (äcedatabasen) can provide valuable auxiliary information. This turned out to be the case. Based on findings from the Blue card study and the Mileage database a new design for stratification and sample allocation was wored out, and set into operation in the 2003 survey. Evaluations indicate that in an over - all perspective the new design will lead to considerable accuracy improvements of the statistics on international as well as national transports.

6 Innehållsförtecning 0 Bagrund för översynen 1 1 Undersöningens syften och uppläggning Besrivning i stort Undersöningsvariabler Sändning respetive örning Observationsvariabler Härledda variabler Urvalsförfarande Allmänt Stratumindelning av urvalsramen under åren Urval och urvalsalloering Sattningar Sattning av vartalsaggregat Sattning av årsaggregat 6 2 Premisser för och metodaspeter på översynen Allmänt om bagrundspremisser Mått på en urvalsutformnings effetivitet Beräning av sattningsprecision vid en hypotetis urvalsutformning 8 3 Överväganden och insatser vid översynen av urvalsutformningen Allmänt om undersöningens stratifiering Blåortundersöningen Hjälpinformation från äcedatabasen äcedatabasens täcning Samvariation mellan årsörsträca och undersöningsvariablerna Om variabeln maxlastvit Om stratifiering med avseende på yresmässig / firma 13 4 Resultat av prövning av olia utformningsalternativ Urvalsalloering Urvalets fördelning på Inries - respetive Utriesdel Alloering av urvalet inom Inesdelen Alloering av urvalet inom Utriesdelen Stratifiering i Inriesdelen Stratifiering i Utriesdelen Förväntad sattningsprecision med den nya utformningen Förväntade relativa felmarginaler Förväntade relativa variansförändringar 17 Referenser 19 Bilaga 1. Enät i blåortundersöningen 20 Sidnr

7 0 Bagrund för översynen Med SIKA som statistiansvarig myndighet gjorde SCB : s Transportprogram tidigare två separata undersöningar av transporter med svensa lastbilar, de s.. UVAV - och SLUT - undersöningarna. Den förra mätte inries och den senare utries transporter. Från och med år 2000 har de två undersöningarna lagts samman till en, benämnd Inries och utries trafi med svensa lastbilar, vilen sall följa EU - förordningen 1172 / 98. En föreommande arbetsaronym för undersöningen är SLIT. De noggrannhetsrav Eurostat ställer på årsstatisti avseende transporterad godsmängd (Ton) och transportarbete (TonKm) är ± 5 % för 95 - procentiga onfidensintervall för inriestransporterna. För utriestransporterna är målet satt till ± 10 %. Den nuvarande redovisningen för åren 2000 och 2001 uppfyller raven för inriestransporterna, men noggrannheten i statistien för utriestrafien ligger en bit utanför målgränserna. Det senare är en huvudanledning till denna översyn, vars uppgift är att, på basis av erfarenheter och data från hittillsvarande undersöningar ge förslag till möjliga förbättringar av undersöningen. 1 Undersöningens syften och uppläggning 1.1 Besrivning i stort Undersöningen Inries och utries trafi med svensa lastbilar redovisar statisti om transporter som utförs av svensregistrerade dragfordon med maxlastvit om minst 3,5 ton. Statistisa storheter av huvudintresse är över vartal och år aggregerade värden för transporterad godsmängd, transportarbete (mätt i tonm) och transportsträcor. Statistien redovisas med ett flertal indelningar (inlusive orsindelningar), varvid de vitigaste är efter inries resp. utries örning, varuslag (enligt NST/R, EU:s varulassificering för transporter), på - och avlastställe, transportsträca, fratarens företagstyp (yresmässig eller firma), farligt gods (enligt ADR - lassificeringen) samt lasttyp (enligt FN : s reommendationer). Undersöningen utförs på urvalsbasis med separata undersöningar för varje vartal. Urvalsobjeten är lastbilar / dragfordon, fortsättningsvis allade lastbilar. Urval dras 1 à 2 månader före ett vartal. En utvald lastbil tillordnas en mätveca, och mätvecorna för utvalda lastbilar sprids jämnt över undersöningsvartalet. Lastbilar som ingår i undersöningen lämnar uppgifter på en blanett, vars vitigaste del utgörs av sändningsjournalen, där uppgifter lämnas om alla sändningar vars transport lastbilen påbörjar under sin mätveca. 1.2 Undersöningsvariabler Undersöningens observationsvariabler gäller egensaper hos sändningar och örningar. Värden inhämtas via sändningsjournalerna. Dessutom används variabler med uppgifter om lastbilarna, vars värden hämtas från Vägverets Bilregistret samt det s.. Blåort - registret. Det senare är ger sammanställning av företag med (av Länsstyrelserna) utfärdade tillstånd för yresmässiga utries transporter, s.. blåort - tillstånd Sändning respetive örning Observationsvariablerna hänför sig till sändningar och örningar. En sändning är ett varuparti som transporteras från ett pålastställe till ett avlastställe. En örning avser en lastbils ativiteter från ett första pålastställe till ett sista avlastställe där bilen blir tom på last, eller tvärtom dvs. från ett ställe med tom bil till ett första pålastställe. För en örning är transporterat gods oftast detsamma under hela örningen men viss variation an föreomma genom att sändningar lastas på eller av i orter som passeras under örningen. De uppgifter som inommer på blanetterna gäller primärt variabelvärden för sändningar. Från dessa härleder SCB värden på variabler för örningar. 1

8 1.2.2 Observationsvariabler De flesta variabler vars värden inhämtas via blanetten avser sändningar. De vitigaste är: äca mellan sändningens på - och avlastställen (KmKorda), Sändningens vit (KgKvant, ränas ofta om till Ton = KgKvant / 1000), Sändningens varuslag (VaruKod), Län / land för pålast (PaOmr), Län / land för avlast (AvOmr), Ort där pålast ser (PaOrt), Ort där avlast ser (AvOrt), Typ av farligt gods enligt ADR - lassning (ADRKlass), Hur godset är lastat (LastTyp) Härledda variabler Transportarbete (TonKm) för en sändning beränas som TonKm = Ton KmKorda. Variablerna för örningar är i stort desamma som för sändningar. Deras värden framgår doc inte diret ur örjournalerna, utan måste härledas. När en örning omfattar bara en sändning, vilet gäller i den stora majoriteten av fall, är örning och sändning evivalenta. Då gäller det enla sambandet: "örningsvariabelvärde = sändningsvariabelvärde". Men när en örning omfattar flera sändningar blir härledningen av örningsvariablers värden från örjournalens sändningsvariabelvärden litet mer omplicerat. Som exempel gäller: (i) Värdet på örningsvariabeln godsmängd (KgKvant) beränas som ett medelvärde (enligt en fastlagd "vägningsformel") av de ingående sändningarnas KgKvant. (ii) Körningens sträca (KmKorda) beränas från de uppgifter som lämnas i örjournalen. (iii) En örnings transportarbete (TonKm) beränas som örningens Ton örningens KmKorda. För örningar som omfattar flera sändningar an värdena på lassificeringsvariabler som VaruKod, ADRKlass, LastTyp, lisom geografisa angivelser avseende avlast - och pålastställen vara olia för de sändningar som örningen omfattar, varvid det inte är självlart hur örningsvariablers värden sall sättas utifrån motsvarande sändningsvariablers. Huvudprincipen är följande : Vid varierande sändningsvariabelvärden under en örning används principen att sändningen med störst godsmängd styr örningsvariabelvärdet. Vid framtagande av statistien är det främst örningar och deras variabelvärden som används. 1.3 Urvalsförfarande Allmänt En årsundersöning genomförs via fyra vartalsundersöningar med separata urval. Urvalsramen omfattar lastbilar i Vägverets bilregister, med maxlastvit om minst 3,5 ton, som är högst 30 år gamla, och som är ativregistrerade vid urvalstillfället. Före urvalsdragningen görs en omfattande stratumindelning av lastbilarna. Urvalstypen är stratifierat "disjunt" OSU, där disjunt står för att en bil bara an omma med i en av årets fyra vartalsundersöningar. Det finns flera säl till att stratifiering är fördelatig för precisionen i statistien från en urvalsundersöning. Ett är att ju mer homogena (med avseende på vitiga undersöningsvariabler) grupper / stratan man an dela in populationen i, desto bättre precision i resulterande statisti. För att sapa homogena stratan behövs adevat hjälpinformation (vien sall vara tillgänglig när urvalet dras). En ytterligare regel för effetiv utformning av urvalsundersöningar är att objet som ger stora bidrag till totaler och medelvärden av särsilt intresse bör "högrepresenteras", och objet som ger mindre bidrag bör "lågrepresenteras". Med att "högrepresentera" objet avses att de ges större urvalssannolihet än genomsnittet, och analogt innebär "lågrepresentera" att obje- 2

9 ten ges lägre urvalssannolihet än genomsnittet. Ett hjälpmedel för att unna variera urvalssannoliheter på önsat sätt är adevat stratifiering. De förändringar som denna översyn föranlett, vila besrivs mer i detalj i Avsnitt 4, gäller framför allt urvalsramens stratifiering och urvalets alloering på stratan. För att ge bagrund för förändringarna besrivs i nästa avsnitt den undersöningsutformning som användes under åren 2000, 2001 och 2002, medan den nya undersöningsutformningen behandlas i Avsnitt 4. Besrivningen ges i presensform, även om det till del är fråga om "historia", men mycet av "det gamla" lever vidare Stratumindelning av urvalsramen under åren Under gjordes stratumindelning baserad på följande stratifieringsvariabler : - lastbilens maxlastvit, - lastbilens arosseriod, - om lastbilens ägarföretag hade blåort - tillstånd (för yresmässiga transporter utomlands), - om lastbilen var registrerat för yresmässig trafi eller firmatrafi, - länet där lastbilen är registrerad Mer ingående motiveringar för valet av stratifieringsvariabler ges i Avsnitt 3. Specifiation av den använda stratifieringen ges av nedanstående stegvisa procedur. Steg 1 : Ramens lastbilar delas upp i en Utries- och en Inriesdel, beroende på om bilens ägare har blåort eller ej. Till Inriesdelen förs alla banebilar ( arosseriod = 61, för lemannen "timmerbilar") samt alla tanbilar (arosseriod = 40, 41, 42, 45) oavsett om ägarföretaget har blåort eller ej. Steg 2 : Bilarna i Utriesdelen vidareuppdelas efter antalet blåort - tillstånd som lastbilens ägarföretag har. Bilar tillhörande ägare med mindre än 16 tillstånd förs till Storlesgrupp 1 (STG1) och bilar med ägare med 16 eller fler tillstånd till Storlesgrupp 2 (STG2). Steg 3: Inriesdelens bane - och tanbilar förs till särsilda stratan, som sedan delas upp efter om lastbilen örs i yresmässig trafi eller i firmatrafi. Steg 4 : I såväl Utriesdel som Inriesdel görs geografis indelning med hjälp av bilens registreringslän. För lastbilar i Inriesdelen efter län (21 stycen), och för bilar i Utriesdelen efter 6 regioner sapade från länen på följande sätt. Region 1 län 01, Region 2 länen 03, 04, 05, 06, 07, 08, 09, 18 och 19, Region 3 länen 10 och 12, Region 4 länen 13 och 14, Region 5 länen 17, 20 och 21, Region 6 länen 22, 23, 24 och 25. Steg 5 : Stratumgrupperna Inries geografi delas efter yresmässig resp. firma. Steg 6 : Stratumgrupperna Inries geografi yresmässig / firma delas efter maxlastvit enligt Tabellerna 1 och 2 nedan. Tabell 1. Indelning efter maxlastvit (MAXLV) i storstadslänen (01, 12 och 14) Yresmässiga bilar Firmabilar LÄTTA lastbilar 3,5 ton MAXLV < 8,0 ton 3,5 ton MAXLV < 7,5 ton MEDEL lastbilar 8,0 ton MAXLV < 13,0 ton 7,5 ton MAXLV < 12,5 ton TUNGA lastbilar 13,0 ton MAXLV 12,5 ton MAXLV 3

10 Tabell 2. Indelning efter maxlastvit (MAXLV) utanför storstadslänen (utom Gotland, där ingen indelning görs) Yresmässiga bilar Firmabilar LÄTTA lastbilar 3,5 ton MAXLV <12,5 ton 3,5 ton MAXLV < 11,5 ton TUNGA lastbilar 12,5 ton MAXLV 11,5 ton MAXLV Urval och urvalsalloering Urvalsobjeten är som sagt lastbilar. Urvalsförfarandet är, vartalsvis sett, stratifierat OSU med följande "syddsregler" för undviande av stor uppgiftslämnarbörda. (i) En lastbil som utvalts ett visst vartal ommer inte ifråga i något annat vartal under samma år. (ii) En lastbil som utväljs till vartal 4 ommer inte ifråga vid urvalet till vartal 1 året efter. SLIT:s undersöningspopulation utgörs doc inte av lastbilar, utan av sändningar och örningar. De grupperas i sin tur i lastbilsvecor som omfattar de transporter en lastbil påbörjar under en veca. Urvalet av lastbilsvecor fås genom att utvalda lastbilar tilldelas mätvecor med slumpmässig, men (stratumvis) jämn, utspridning över undersöningsvartalet. Vid urvalsalloeringen (= bestämning av urvalsstorlear i stratana) är första steget att dela undersöningsårets totala urvalsstorle på Inries - och Utriesdel, InrUrv resp. UtrUrv. Detta görs med liafördelning : InrUrv = UtrUrv = ( Total urvalsstorle) / 2. Därefter fördelas urvalsstorlearna InrUrv och UtrUrv vidare på urvalsstratana enligt vad som sägs nedan. Urvalsalloering i Inriesdelen under Urvalsalloeringen i Inriesdelen görs genom att urvalsstorleen InrUrv först fördelas på följande sex stratumgrupper: 1) Yres - banebilar (stratum 4410), 2) Firma - banebilar (stratum 4400), 3) Yres - tanbilar (stratum 6610), 4) Firma - tanbilar (stratum 6600), 5) Övriga yresbilar (= lastbilar i yresmässig trafi, som ej är bane - eller tanbilar), 6) Övriga firmabilar (lastbilar i firmatrafi, som ej är bane - eller tanbilar). Fördelning görs enligt nedan. Urvalsstorle för stratum 4400 : 0,024 InrUrv, Urvalsstorle för stratum 4410 : 0,059 InrUrv, Urvalsstorle för stratum 6600 : 0,016 InrUrv, Urvalsstorle för stratum 6610 : 0,045 InrUrv. Urvalsstorle för Övriga yresbilar : 0,556 InrUrv, Urvalsstorle för Övriga firmabilar : 0,300 InrUrv, Den för Övriga yresbilar bestämda urvalsstorleen fördelas på geografisa stratan med "restrifierad Neyman - alloering", med vissa stratumvisa variationsproportionaler som framränats via sattningar av stratumvarianserna för variablerna TonKm och Ton i tidigare undersöningar. Med "restrifierad" avses att Neyman - alloeringen görs med restritionen att urvalsstorleen i varje stratum sall vara minst 10. Urvalsstorleen för Firmabilar fördelades analogt på de geografisa stratana. Urvalen för tan- och banebilar alloeras till yresbilar respetive firmabilar proportionellt mot stratumstorlearna. Urvalsalloering i Utriesdelen under åren De två storlesgrupperna i Utriesdelen, STG1 och STG2, omfattar vardera sex geografisa stratan (svarande till de sex regionerna). Första steget i urvalsalloeringen vid ett visst undersöningsvartal gäller bestämning av urvalsstorlearna för de sex stratana i STG2. Urvalsstorlear och urvalsdragning i STG2 - stratana Samtliga bilar i STG2 sall delta i undersöningen en gång per år. Ritmäret är att 1/4 av bilarna ingår varje vartalsurval. Följande förfarande används, vilet doc ofta leder till en alloering som är något sev i förhållande till ritmäret "1/4 varje vartal". 4

11 Urvalet till vartal 1 utgörs av stratumvisa OSU som omfattar 1/ 3 av de lastbilar som inte var med i urvalet till vartal 4 året innan. Urvalet till vartal 2 utgörs av stratumvisa OSU som omfattar 1/ 3 av de lastbilar som inte var med i urvalet till vartal 1. Urvalet till vartal 3 utgörs av stratumvisa OSU som omfattar hälften av de lastbilar som inte var med i något av urvalen till vartal 1 eller vartal 2. Slutligen, urvalet till vartal 4 utgörs av de lastbilar som inte var med i något av urvalen till vartalen 1, 2 och 3. Ovanstående alloeringsregel medför att urvalsstorlearna i vart och ett av de sex STG2 - strata bestäms för varje undersöningsvartal, och därmed ocså den (för vartalet) totala urvalsstorleen i STG2, Stg2Urv = summa urvalsstorlear i de sex regionala STG2 - strata. Urvalsstorlear och urvalsdragning i STG1 - stratana Totala urvalsstorleen i STG1, Stg1Urv, beränas som "efter STG2 resterande del av UtrUrv" : Stg1Urv (för vartalet) = UtrUrv (för året) / 4 - Stg2Urv (för vartalet). Den urvalsstorleen fördelas på de sex regionala stratana i STG1 med proportionell (mot stratumstorle) alloering. Urvalen från STG1 - strata dras sedan med OSU med användande av den tidigare nämnda "syddsregeln". För alla bilar i Utriesdelen gäller att de an omma med i undersöningen högst en gång per år, och för STG2 - bilar gäller att de ommer med precis en gång. 1.4 Sattningar Sattning av vartalsaggregat Statistisa storheter De statistisa storheter man främst önsar satta är transportaggregat τ(x ; G) v enligt (1) nedan. I ord innebär τ(x ; G) v totalen för transportvariabeln x över alla örningar under vartal v som ingår i redovisningsgruppen G av örningar. τ(x ; G) v = x 1 ( G, (1) j ) j j löper över alla örningar som påbörjas under vartal v där x är någon av örningsvariablerna KmKorda, KgKvant / Ton eller TonKm, G är en redovisningsgrupp. (Exempel på G : "med visst angivet varuslag", "med yresmässiga lastbilar" och "med avlast i Tysland".) 1(G) j indierar (med 1 respetive 0) huruvida örning j ingår i gruppen G eller ej. Det urval som observeras är doc inte ett "diret" urval av örningar, utan ett urval av lastbilsvecor, där en lastbilsveca är ett luster av örningar, alla örningar som lastbilen påbörjar under vecan ifråga. Genom att i (1) summera över luster fås; τ(x ; G) v = x( G, (2) ) i i löper över alla last- bilsvecor i vartal v där x(g) = summa x - värden för lastbilsvecans örningar i redovisningsgruppen G. Med andra ord är x(g) lustertotalen relativt gruppen G. (3) En ommentar angående urvalet av lastbilsvecor I sin helt precisa formulering är urvalsförfarandet för lastbilsvecor inte ett av urvalsteorins standardförfaranden. Det ligger nära stratifierat OSU av lastbilsvecor med stratifiering lastbilsstratan vartalets 13 vecor, men är inte helt exat ett sådant urval av sälet att mätvecorna för utvalda bilar inte väljs helt på måfå inom ett vartal, utan sprids jämnt över det. Doc, förfarandet ligger så nära stratifierat OSU - urval av luster (= lastbilsvecor) att punt - och varianssattningar an göras under approximationsantagandet (4) nedan. Approximationen ifråga prövades i anslutning till den UVAV - genomlysning som redovisas i Zamani & Rosén (1993), där slutsatsen är att approximationen fungerar tillfredsställande i pratien. 5

12 Urvalet av lastbilsvecor an med god approximation ses som ett stratifierat OSU - urval. (4) Sattningsformler under premissen att inget svarsbortfall föreommer Sätt ; h = index som löper över stratan, lastbilsstratan såväl som lastbilsvecostratan (eftersom dessa ett - ett - orresponderar), h = 1, 2,..., H, N h = storleen på lastbilsstratum h. Storleen på motsvarande stratum av lastbilsvecor är 13 N h, h = 1, 2,..., H, n h = antal utvalda lastbilar från stratum h, h = 1, 2,..., H, 2 σ h står för varians inom stratum h, h = 1, 2,..., H. Under (4) ger välända sattningsresultat nedanstående formler för puntsattningar och dessas (teoretisa) varianser. I första omgången antas uppgiftsinsamling utan svarsbortfall. Puntsattningar H 13 N h τˆ( x ;G) = x(g) i. (5) n h = 1 h L löper över observerade lastbilsvecor Teoretisa estimatorvarianser H N h 2 n h V(ˆ( τ x ;G)) = σ h ( x(g)) 1. (6) h = 1 n h 13 N h Sattningsformler när svarsbortfall föreommer Tyvärr föreommer svarsbortfall i de flesta undersöningar, och detta gäller även för SLIT. Då måste man på lämpligt sätt ompensera / orrigera för bortfallet, vilet i SLIT görs med s.. ra uppräning, d.v.s. man sattar som om de svarande utgjorde urvalet. (Förfarande är baserat på premissen att bortfallet ser helt slumpmässigt.) Sätt ; n' h = antal svarande lastbilar i stratum h, h = 1, 2,..., H. Puntsattningar H 13 N h τˆ ( x ;G) = x(g) i. (7) n h = 1 h i löper över lastbilsvecor svarande Teoretisa estimatorvarianser H N h 2 n h V(ˆ( τ x ;G)) = σ h ( x(g)) 1. (8) h = 1 n h 13 N h Kommentarer : (i) Ovanstående besrivning är något förenlad. Ocså en orrigering för undertäcning görs, enligt besrivning i Rosén, R&D Report 1990:3. (ii) Formlerna (6) och (8) har rättframma pendanger för sattning av estimatorvarianser, men de behövs inte i detta översynssammanhang Sattning av årsaggregat Årsaggregat definieras i analogi med vartalsaggregat, med enda sillnaden att man summerar över år istället för vartal. Det ger ; τ(x ; G) år = x 1( G, (9) j ) j j löper över alla örningar som påbörjas under året Mellan års - och vartalsaggregat råder det rättframma sambandet ; τ(x ; G) år = τ(x ; G) v1 + τ(x ; G) v2 + τ(x ; G) v3 + τ(x ; G) v4, (10) 6

13 vilet leder till nedanstående naturliga puntsattning av ett årsaggregat ; τ ˆ( x;g) ˆ( ˆ( ˆ( ˆ(. (11) år = τ x;g) v1 + τ x;g) v2 + τ x;g) v3 + τ x;g) v4 Om det vore så att de fyra vartalens urval dras helt oberoende av varandra, leder (11) till följande teoretisa varians för en årssattning: V[ˆ( τ x;g) år ] = V[ˆ( τ x;g) v1] + V[ˆ( τ x;g) v2 ] + V[ˆ( τ x;g) v3 ] + V[ˆ( τ x;g) v4 ]. (12) Kvartalsurvalen under ett år är doc inte helt oberoende, av sälet att de dras som disjunta OSU, för att sydda lastbilar från att omma med i undersöningen för ofta och för nära efter tidigare deltagande. Bedömningen görs doc att detta beroende spelar så liten roll att variansformeln (12) fungerar fullt tillfredsställande ändå. 2 Premisser för och metodaspeter på översynen 2.1 Allmänt om bagrundspremisser Syftet med översynen är att uppnå en så ostnadseffetiv undersöning av Inries och utries trafi med svensa lastbilar som möjligt, d.v.s. att unna ta fram så tillförlitlig statisti som möjligt för insatta undersöningsresurser. Nedan formuleras några huvudfrågor som måste besvaras för att ge utgångspunt för söande efter förbättrad undersöningsutformning. 1) Vad vill man få så bra som möjligt? 2) Vad an man påvera /styra? 3) Vila rav och/eller restritioner finns att ta hänsyn till? 4) Finns hjälpinformation tillgänglig nu som inte fanns tidigare? 5) Hur an man påvisa förhoppningsvisa förbättringar av statistien? Som nämnts tidigare sall undersöningen följa EU - förordningen 1172 / 98, vilet medför att osäerheten i årsstatisti för total inries transporterad godsmängd (Ton) respetive för totalt inries transportarbete (TonKm) sall vara högst ± 5 % för 95 - procentiga onfidensintervall. För motsvarande utriestransporter är målet satt till ± 10 %. Statistien för 2000 och 2001 möter raven för inries transporter, medan statistien om utriestransporter inte ritigt larar målgränsen. Ett huvudönsemål är därför att förbättra precisionen i statistien om utriestransporter. Man vill naturligtvis ocså, om möjligt, förbättra noggrannheten i statistien avseende inries transporter. Dessutom finns av SIKA fastställda rav på vad slags statisti som sa redovisas i Statistisa meddelanden från undersöningen, bl.a. rav på finheten i den regionala redovisningen samt att statistien sall delas upp efter yresmässig resp. firmatrafi. Vidare är det angeläget att hålla ner uppgiftslämnarbördor. Efter ett upphandlingsförfarande har SIKA och SCB träffat överensommelse om att SCB sall vara undersöningsproducent åtminstone till och med år 2005, till nuvarande årliga ostnad. Förändringar i undersöningen sall alltså se inom nuvarande ostnadsram, vilet medför att man inte an tillgripa den allra enlaste förbättringsmetoden "utöad urvalsstorle". Det man an överväga är om undersöningens uppläggning an förbättras. För att uppnå god statisti om utriestransporter är huvudproblemet att endast en mycet liten andel av transporterna med svensregistrerade lastbilar är utriestransporter. För att förbättra utriesstatistien behöver man unna styra urvalet så att fler utriestransporter ommer att observeras. För detta behövs förbättrad information om vila bilar som på goda grunder an tros bli använda i utriestrafi. Hittills har prognosvariabeln för "bilen används troligen i utries trafi" varit att företaget som äger bilen innehar blått ort. Förbättrad prognos bör unna uppnås om företagen för var och en av sina lastbilar ger en bedömning av om bilen ommer att bli använd för utries eller enbart inries transporter. Sådan informationsinhämtning, allad blåort - undersöningen, genomfördes. Den besrivs i Avsnitt

14 Vad gäller förbättring av statistien om inriestransporter är en första fråga om det finns ny hjälpinformation som an vara behjälplig för att sapa homogena urvalsstratan. En tidigare oprövad hjälpinformation är de örsträcor som SCB beränar ur avläsningar av mätarställningar vid ontrollbesitning av lastbilar hos Bilprovningen AB. Resultaten av dessa beräningar samlas i den s.. äcedatabasen. Mer om detta i Avsnitt Mått på en urvalsutformnings effetivitet Syftet med förändrad urvalsutformning är att uppnå förbättrad precision i sattningar av transportaggregat τ(x ; G) för vartal och år. Den centrala storheten för att mäta sattningsprecision är estimatorvariansen V[ˆ( τ x ;G)]. Den beror dels av urvalsutformningen (stratifiering och urvalsstorlear), dels av hur mycet variabeln x varierar över populationen, och dels av vilen redovisningsgrupp G det handlar om. Relativ felmarginal Konret tolning av innebörden av en estimatorvarians fås av sattningens relativa felmarginal (RFM), vilen definieras enligt nedan ; 2 V[ˆ( τ x;g)] 2 D[ˆ( τ x;g)] RFM[ˆ( τ x;g)] = =. (13) τ( x;g) τ( x;g) Gränserna ± RFM[ˆ( τ x;g)] ger (approx.) 95 % onfidensgränser för storheten τ(x ; G), mätt med värdet på τ(x ; G) som enhet. De nämnda EU - raven är att inries årsaggregat sall ha en relativ felmarginal om högst 5 %, och att målet för utries årsaggregat är en relativ felmarginal om högst 10 %. Relativ variansförändring Ett enelt mått på effeten av en förändrad urvalsutformning är relativ (estimator)variansförändring. Betrata en tidigare och en ny urvalsutformning och sätt ; V T = estimatorvarians vid tidigare urvalsutformning, V N = estimatorvarians vid ny urvalsutformning. Den relativa variansförändringen (RVF) definieras; RVF = 100 (V T - V N ) / V T %. (14) 2.3 Beräning av sattningsprecision vid en hypotetis urvalsutformning Formeln (8) för estimatorvarians gäller oavsett hur ingående stratan sapats. Den an alltså användas för beräna statistis noggrannhet vid en hypotetis stratifiering och urvalsalloering, med användning av måtten RFM och / eller RFV. En förutsättning är doc att man an ange realistisa "parametervärden" för den hypotetisa utformningen. I den fortsatta disussionen görs betecningsändringen att istället för att använda ett index h som löper över stratan som är numrerade 1, 2,, H används ett index som löper över den hypotetisa stratifieringens stratan, vila är numrerade 1, 2,, K. De "parametrar" det handlar om är N, n', µ (x(g)) och σ 2 ( x(g)), varmed åsyftas stratumstorlear, antal svarande i urvalen från stratana samt medelvärden och varianser i de stratan som ingår i den hypotetisa stratifieringen. Främsta svårigheten härvid är att uppnå realistisa uppsattningar av stratumvarianserna σ 2 ( x(g)). Tabell 3 sammanfattar den information som behövs för beräning av RFM för en sattning av τ(x ; G) vid en hypotetis urvalsutformning. 8

15 Tabell 3. Behövd information för beräning av RFM vid en hypotetis stratifiering med stratan A 1, A 2,, A K Stratum Stratumstorle Medelvärde i stratumet Standardavvielse i stratumet Antal svar - ande A 1 N 1 µ(x(g)) 1 σ(x(g)) 1 n' 1 A 2 N 2 µ(x(g)) 2 σ(x(g)) 2 n' 2 A K N K µ(x(g)) K σ(x(g)) K n' K Med information enligt Tabell 3 an estimatorvarianser V[ˆ( τ x;g)] beränas via formeln (8). I det steget behövs inte stratummedelvärdena µ(x(g)), men de behövs för att beräna aggregaten som ingår i relativa felmarginaler. Dessa beränas ; K τ( x ;G) = N µ ( x(g)). (15) = 1 Värdena på µ(x(g)) och σ(x(g)) änner man normalt inte, men de an uppsattas. För att pröva effeten av alternativa urvalsutformningar i framtida undersöningar antas framtida populationer se ut ungefär som den senast tillgängliga, d.v.s års population. Under den premissen sattas µ(x(g) och σ(x(g) i framtida undersöningar enligt nedan. 1 µ(x(g)) = x(g) j A j, (16) N ( 2 σ 2 1 x(g) 2 j A j (x(g)) = x(g) j A j, (17) N 1 N där omponenterna i (16) och (17) sattas utifrån 2001 års material enligt nedan, där h löper över de stratan som användes i 2001 års undersöning ; H n ' h 13 N h N = 1 sattas med (A A ) i n' 1, (18) j A j A h = 1 h i= 1 H n ' h 13 N h x (G) j sattas med x(g) i 1(A ) i n' h = 1 h i= 1 H n ' h 13 N 2 h 2 x (G) j sattas med x(g) i 1(A ) i n' h = 1 h i= 1 ), (19), (20) där 1(A ) är indiatorn för att en örning ingår i den hypotetisa stratifieringens stratum A. Insättning av (18), (19) och (20) i (16) och (17) ger sattningar av N, µ (x(g)) och σ 2 ( x(g)). Dessa används sedan i (8) tillsammans med lämpligt valda värden på n', och ger då uppsattade värden för estimatorvarianser för vartalsaggregat. Vid specifiation av n' 1, n' 2,, n' K har antagits att framtida svarsfrevenser ommer att vara densamma som "svarsprocenten overall" under 2001, nämligen 73 %. Via relationen (12) erhålls sedan uppsattade estimatorvarianser för årsaggregat. 9

16 3 Överväganden och insatser vid översynen av urvalsutformningen 3.1 Allmänt om undersöningens stratifiering Vid stratifierat urval indelas urvalsramen i disjunta grupper ( = stratan), och oberoende separata urval dras sedan från stratana. Stratifieringen görs före urvalsdragningen med efterföljande observationer, och måste därför baseras på information från ällor utanför själva undersöningen, s.. hjälpvariabler / stratifieringsvariabler. Huvudprinciper för effetiv stratifiering är som följer. (i) Det är fördelatigt med stratan som medför homogenisering av populationen, varmed avses att de vitiga undersöningsvariablerna varierar mindre inom stratana än över hela populationen. (ii) Det är ofta fördelatigt att vid urvalet hög - eller lågrepresentera vissa objet (se Avsnitt 1.3.1). Sådana objet måste då avgränsas i särsilda stratan för att urvalssannoliheterna sall unna varieras på önsat sätt. I SLIT är populationsobjeten "örningar" grupperade i "lastbilsvecor", och de vitigaste variablerna gäller lastbilars örningar under en mätveca ; transportarbete (TonKm), godsmängd (Ton) och örsträca (KmKorda). Urvalsramen utgörs doc inte av lastbilsvecor, utan av "lastbilar". Urvalet av lastbilar genererar ett urval av lastbilsvecor genom att utvalda lastbilar tillordnas en slumpmässig mätveca (inom vartalet), och det urvalet ger sedan (ett lustrat) urval av örningar. Stratifieringen av lastbilarna medför en stratifiering av lastbilsvecorna, som i sin tur medför en stratifiering av örningarna. Som sägs i Avsnitt baserades stratifieringen under åren på följande variabler för lastbilar : (i) Maxlastvit, (ii) Karosseriod, (iii) Yresmässig /firma, (iv) Om ägarföretaget har blåorttillstånd, (v) Registreringslän. Säl för valet av dessa variabler ges nedan. Samvariation föreligger mellan en lastbils maxlastvit och dess transportinsats. Ju större bil, desto större genomsnittlig insats. Indelning efter maxlastvit medför homogenisering av populationen av lastbilsvecor. Karosserioden används för att avgränsa bane - och tanbilar, vila är transportmässigt högpresterande, och ger huvudbidrag till de särsilt intressanta varugrupperna rundvire och oljeproduter. Det är önsvärt att högrepresentera dessa bilar, och där för förs de till särsilda stratan. För precisionen i utriesstatistien är det angeläget att många utries transporter an observeras. Man vill högrepresentera "troliga utriesörare". Bilar i blåortföretag är sådana, även om merparten av deras transporter fatist går inries. Vidare finns säl att tro att ju fler blåort ett företag har, desto mer "utriesbenägna" är deras bilar. Indelningen yresmässig / firma görs för att statisti redovisas med den indelningen. Den regionala stratumindelningen görs för att statisti redovisas med geografis indelning. Av särsilt intresse är den s.. flödesstatistien. Med så många indelningsvariabler blir antalet stratan rätt stort. I och för sig an man använda många stratan, men alltför många stratan an få menlig inveran på statistiens noggrannhet, framför allt genom det restrifierade urvalet med minst 10 bilar från varje stratum. Onödigt många stratan medför att ett antal små, och rätt ointressanta, stratan överrepresenteras. Centrala utgångsfrågor vid översynen av stratifieringen var följande: a) Kan antalet observerade utriesörningar öas (utan att totala urvalsstorleen öas)? b) Finns ny hjälpinformation som an vara behjälplig för homogeniserande stratifiering? c) Är det fördelatigt att minsa antalet stratan något? Fråga a) ledde till den s.. blåortundersöningen som besrivs i nästa Avsnitt 3.2. Fråga b) ledde till studium av informationen i äcedatabasen, vilet besrivs i Avsnitt

17 3.2 Blåortundersöningen Den helt övervägande andelen lastbilstransporter med svensa lastbilar ser inries. Men, för att uppnå bra statisti för utriestransporter fordras många observationer av sådana. Det gäller då att försöa avgränsa "utriesbenägna" bilar, för att unna högrepresentera dessa i urvalet. De återfinns hos blåortföretag, vars bilar utgör Utriesdelen i urvalsramen. Den delas sedan i Storlesgrupperna 1 och 2 (STG1 resp. STG2) beroende på om företaget innehar färre än 16 blåort eller fler. STG2 omfattar bilar i förhållandevis stora speditionsföretag, många med profil "utriesspeditörer". Doc, majoriteten av blåortföretagens örningar är ändå inries örningar. Så även om förhållandevis många utriesörningar unnat observeras har antalet varit för lågt för att uppnå ritigt bra utriesstatisti. En möjlighet att öa antalet observerade utriesörningar ges om man ur STG2 an utesluta bilar som så gott som säert gör enbart inries örningar. Den för detta nödvändiga informationen finns doc bara hos företagen, och måste inhämtas från dem om man vill unna använda den. Syftet med blåortundersöningen var dels att utröna om STG2 - företagen unde dela upp sin lastbilspar i en "inriesflotta" resp. "troliga / möjliga utriesörare", dels att få veta hur villiga företagen är att utföra det atuella uppgiftslämnandet när det är frivilligt. En undersöning genomfördes under september Den omfattade de 70 företag som hade 16+ blåort. Undersöningsblanetten återfinns i Bilaga 1. Av berörda fordon inom svar avseende fordons utnyttjande under år Bedömningen var att 672 lastbilar ommer att användas för utriesörningar till minst 80 % av örtiden, 304 bilar för utriesörningar till 2-80 % av örtiden samt lastbilar för i stort sett bara inries örningar (mindre än 2 % av örtiden till utries örningar). Den åtgärd som vidtagits på basis av resultaten är att de 1562 fordon som bedömts användas för i stort sett bara inries örningar förts från STG2 till STG1. Lastbilar ägda av företag som ej svarade på enäten ligger doc var i STG2. Detta innebär att definitionerna av STG1 och STG2 ändrats, men trots detta används alltjämt benämningarna STG1 och STG2 (med utries örgrupper 1 och 2 som synonymer). Vidare sall bilarna i nya STG2 delta i undersöningen två gånger per år, medan de i tidigare STG 2 ingic en gång per år under Därigenom ommer antalet observerade utriesörningar öa. Det är visserligen sant att bilarna i nya STG2 får öat uppgiftslämnande, men sett med företagens ögon ommer uppgiftslämnandet att minsa för i stort sett alla företag med bilar i tidigare STG2, eftersom deras "inriesbilar" ommer att slippa avsevärt lindrigare undan ifråga om att ingå i undersöningen. 3.3 Hjälpinformation från äcedatabasen Lastbilar besitigas hos Bilprovningen en gång om året, varvid deras vägmätarställning numera registreras. Från dessa registreringar uppsattar SCB en årlig örsträca för varje ensild lastbil. Uppsattade årsörsträcor sammanställs i den s.. äcedatabasen, vilen omfattar nästan alla lastbilar. Undantagen är framför allt bilar som är mindre än ett år gamla, och därmed ännu inte hunnit besitas för första gången. Årsörsträcan förväntades samvariera med en lastbils transportinsats, bilar med stor respetive liten årlig örsträca utför (genomsnittligt sett) större respetive mindre insatser. Därför förmodades årsörsträcor vara god, och tidigare ice utnyttjad, hjälpinformation för homogeniserande stratifiering. För att larlägga saer gällde att utröna dels hur god täcningen i äcedatabasen är, dels hur start årsörsträcevariabeln samvarierar med undersöningsvariablerna. Resultat redovisas nedan. 11

18 3.3.1 äcedatabasens täcning Tabell 4 nedan besriver täcningsförhållanden i databasen. Tabell 4. Antal lastbilar med respetive utan årsörsträca för 2001 Kvartal Antal lastbilar med örsträca Antal lastbilar utan örsträca Därav i nya STG Samvariation mellan årsörsträca och undersöningsvariablerna Mått på styran i samvariationen mellan årliga örsträcor och de tre undersöningsvariablerna Km, TonKm och Ton erhölls via sattade orrelationsoefficienter. Eftersom stratifiering med hjälp av örsträcor främst var tänt att användas i Inriesdelen beränades orrelationsoefficienterna dels för "alla lastbilar", dels för bilar i Inriesdelen. Tabell 5. Korrelationsoefficienter för årsörsträca och undersöningsvariabler för alla lastbilar år 2001 Kvartal Km TonKm Ton 1 0,69 0,68 0,26 2 0,68 0,64 0,13 3 0,69 0,66 0,16 4 0,73 0,69 0,15 Tabell 6. Korrelationsoefficienter för årsörsträca och undersöningsvariabler för lastbilar i Inriesdelen år 2001 Kvartal Km TonKm Ton 1 0,70 0,77 0,45 2 0,71 0,71 0,30 3 0,72 0,72 0,24 4 0,69 0,73 0,28 Korrelationsoefficienterna är som synes höga för örsträca (Km) och transportarbete (Ton- Km). Slutsatsen är att örsträcor bör vara en bra homogeniserande stratifieringsvariabel. 3.4 Om variabeln maxlastvit Tidigare var maxlastvit den homogeniserande stratifieringsvariabeln, men den överspelas av årsörsträca åtminstone vad gäller samvariation med Km och TonKm. Man an undra om både årsörsträca och maxlastvit sall användas vid stratifieringen, eller om det räcer med den ena. Doc, maxlastvit an förmodas samvariera starast med Ton. Som omplement till ovannämnda studie av örsträcors samvariation med örningsvariablerna gjordes en motsvarande studie för maxlastvit. Resultatet ges i Tabell 7. Där ses att maxlastvit är orrelerad med alla örningsvariablerna, men för Km och TomKm inte tillnärmelsevis så start som årsörsträca. För Ton har maxlastvit doc något högre orrelation än årsörsträca. 12

19 Tabell 7. Korrelationer mellan maxlastvit och örningsvariablerna år 2001 Kvartal Km TonKm Ton 1 0,19 0,35 0,34 2 0,20 0,31 0,31 3 0,20 0,35 0,37 4 0,18 0,32 0, Om stratifiering med avseende på yresmässig / firma Under gjordes stratumindelning efter yresbilar / firmabilar, med efterföljande urvalsalloering som var ett arv från den tidigare UVAV - undersöningen. Eftersom firmabilstrafien över åren minsat avsevärt, är denna stratifiering inte längre av samma dignitet som tidigare. År 1993 fanns firmabilar som utförde ett transportarbete om miljoner TonKm medan det år 2001 fanns endast firmabilar som utförde ett transportarbete om miljoner TonKm. Antalet yresbilar däremot har öat från år 1993 till år 2001 och deras transportarbete har öat från miljoner TonKm till miljoner TonKm. Mot den bagrunden var det naturligt att ifrågasätta om stratifiering efter yresmässig / firma snarare är till förfång än till fördel för statistiens precision. (Se Avsnitt 3.1 om "många stratan".) Det sall framhållas att statisti med uppdelning efter yresmässig / firma utmärt väl an tas fram även om man inte stratifierar efter denna uppdelning. 4 Resultat av prövning av olia utformningsalternativ Som redan indierats prövades ett antal hypotetisa urvalsutformningar (stratifieringar och urvalsalloeringar) via beränade relativa felmarginaler och relativa variansförändringar för aggregatsattningar, med metodi enligt Avsnitt 2.2. I det följande besrivs den utformning som framstod som bäst. Den har, med SIKA : s godännande, tagits i bru från och med innevarande undersöningsår Även om det vore mest logist att börja med besrivning av stratifieringen, behandlas alloeringen först. Stratifieringen behandlas i Avsnitt Urvalsalloering För att uppnå god undersöningsutformning gäller inte bara att dela in urvalsramen i adevata stratan, utan ocså att alloera urvalet på ett bra sätt på urvalsstratan. Nedan redovisas de alloeringar som föll ut som varande bäst av de prövade alloeringarna Urvalets fördelning på Inries - respetive Utriesdel Totala årsurvalet av lastbilar ommer även fortsättningsvis att vara Första steget vid fördelningen av den urvalsstorleen gäller tilldelningen till Inries - respetive Utriesdel. Vid översynen anammades den tidigare fördelningen, hälften av urvalet, dvs bilar, till Inriesdelen och hälften till Utriesdelen. Denna fördelningsproblemati gavs doc inte ett ingående studium. Valet är till stor del baserat på att urvalet i Utriesdelen inte bör minsas, eftersom utriesstatistien åtminstone hittills haft sämst noggrannhet Alloering av urvalet inom Inriesdelen Som tidigare alloeras urvalet i Inriesdelen med fasta proportioner på grupperna banebilar, som får 8,3 %, tanbilar, som får 6,1 % och "övriga bilar" som får 85,6 %. Inom grupperna tan - och banebilar uppdelade i årsörsträcelasser görs sedan vidarealloering proportionellt mot stratumstorle. Alloering med hjälp av stratumvarianser för örsträcor testades, men förbättrade inte precisionen i sattningarna. 13

20 Inom gruppen "övriga lastbilar" testades följande alloeringsvariabler : årsörsträcor, transportarbete (TonKm) samt ett % - medelvärde av Neyman - alloeringar med avseende på TonKm respetive Ton, beränat på basis av data från tidigare undersöningar. Den variant som framstod som mest robust för samtliga undersöningsvariabler, och som används framöver, är % - alloeringen Alloering av urvalet inom Utriesdelen Även för lastbilar i nya STG1 (dvs. bilar hos företag med färre än 16 blåort, samt bilar som lassats som "inriesörare" hos företag med 16+ blåort) testades olia alloeringar. Även här framstod % - varianten som den lämpligaste. För STG2 föreligger inget egentligt alloeringsproblem, samtliga bilar sall delta i undersöningen två gånger per år. 4.2 Stratifiering i Inriesdelen Det framom att tan - och banebilar ger så substantiella bidrag till vitiga transportaggregat att de även fortsatt får ligga i separata stratumgrupper. Steg 1 i stratifieringen är, som tidigare, uppdelning i grupperna banebilar, tanbilar samt "övriga bilar". För att hålla ned antalet stratan i gruppen "övriga bilar" byttes i Steg 2 tidigare geografisa indelning efter län till indelning efter Sveriges åtta NUTS2 - regioner SE01, SE02, SE03, SE04, SE0A, SE06,, SE08. Via simuleringar framom doc att Gotland fortsatt bör vara en egen region, för att inte risera att bli nästan helt utan utvalda lastbilar. I detta Steg 2 görs inte geografis indelning för bane - och tanbilar. Vid testning visade det sig att stratifieringen yres / firma an tas bort utan att precisionen hos statistien för total yresmässig trafi och total firmabilstrafi försämras. För vissa mindre redovisningsgrupper blir doc statistien för firmabilstrafien något sämre. Indelningen ifråga togs doc bort för att hålla ned antalet stratan. Årsörsträca visade sig, som väntat, ha avsevärd homogeniseringsraft. I Steg 3 stratifieras efter den variabeln i var och en av de tre grupperna banebilar, tanbilar och "övriga bilar". Bilar utan uppgift om örsträca förs till separata stratan inom var och en av de tre grupperna. Med trial and error bestämdes (förhoppningsvis) optimala stratumgränser för årsörsträcor. Som nämnts övervägdes om stratifiering efter maxlastvit ocså sulle tas bort. Test gav doc vid handen att den stratifieringen bör bibehållas för bilar med orta årsörsträcor. Bilarna i den ategorin gör visserligen orta örningar, men ofta med stor godsmängd. Gången i stratifieringen är alltså följande: Steg 1 : Tanbil, banebil, övrigbil. Steg 2 : Geografis indelning. Steg 3 : Indelning efter årsörsträca. Steg 4 : Indelning efter maxlastvit. Den precisa utformningen av stratifieringen, inlusive stratumgränser, framgår i Diagram 1 nedan. 14

21 Diagram 1. Schema över stratifieringen i Inriesdelen Ram, inries lastbilar, tillhör ej ftg med tillstånd för utries trafi Tanbilar Banebilar Övriga bilar Sanar örsträceuppgift mil mil >10000 mil Sanar örsträca >18000 mil Sanar örsträca SE09, SE01 SE02 exl SE04 SE0A SE06 SE07 SE08 Gotland Gotland >8000 >8000 >8000 >8000 >8000 >8000 >8000 >8000 > < <13000 <13000 <13000 <13000 <13000 <13000 <13000 <13000 >13000 >13000 >13000 >13000 >13000 >13000 >13000 >

22 4.3 Stratifiering i Utriesdelen Som tidigare nämnts används information från Blåortregistret och Blåortundersöningen för att dela upp blåortföretagens bilar på ett nytt sätt. STG2 (Körgrupp 2) utgörs nu av fordon som ägs av företag med 16+ blåort och som bedömts vara "ice inriesörare". Fordon som ägs av företag med 16+ blåort och som bedömts vara "inriesörare" förs numera till STG1 (Körgrupp 1). I övrigt utgörs STG1 av bilar i företag med mindre än 16 blåort. Geografis stratifiering av STG1 görs som tidigare med stratifiering efter 6 regioner. För STG 1 framom vid testen att estimatorvarianserna även här minsar om årsörsträca används för stratifiering. Lastbilar utan information om örsträca läggs i ett eget stratum. I STG 2 stratifieras lastbilarna inte vidare. Alla ommer under ett undersöningsår att ingå i två vartalsundersöningar (doc ej i två på varandra följande vartal). Stratifieringen, inlusive stratumgränser, framgår i Diagram 2 nedan. Diagram 2. Schema över stratifieringen i Utriesdelen Ram, utries lastbilar, tillh ftg med tillstånd för utries trafi Utries örgrupp 1 < =15 tillstånd eller >15 tillstånd men ör lite utries enligt enät Utries örgrupp 2 >15 tillstånd äca mil äca > mil Sanar örsträceuppgift Region 1 Region 1 Region 2 Region 2 Region3 Region 3 Region 4 Region 4 Region5 Region 5 Region 6 Region 6 16

23 4.4 Förväntad sattningsprecision med den nya utformningen Det är naturligtvis av intresse att försöa uttala sig om vila sattningsprecisioner den nya urvalsutformningen ommer att leda till. Underlag för detta ges av de (upp)sattade estimatorvarianser som framränades vid söandet efter bra stratifieringar och alloeringar Förväntade relativa felmarginaler I nedanstående tabell anges för några olia statistiuppgifter de relativa felmarginaler (se formeln (13) i Avsnitt 2.2) som förelåg vid 2001 års undersöning samt vad de förväntas bli vid 2003 års undersöning. Tabell 8. Relativa felmarginaler för viss årsstatisti med indelning efter varuslag för undersöningen år 2001 och förväntade relativa felmarginaler år 2003 Relativa felmarginaler (i %) år 2001 Förväntade relativa felmarginaler (i %) år 2003 Varuslag TonKm Ton Km TonKm Ton Km Totalt 3,9 5,0 2,8 3,0 4,6 2,2 Inries 4,3 5,2 3,0 3,4 4,8 2,5 Utries 10,7 14,2 9,6 9,2* 13,1* 8,1* Jord, sten, grus och sand 15,7 14,4 12,6 14,0 13,5 11,9 Livsmedel och djurfoder 12,9 12,9 9,7 10,9 11,9 8,2 Rundvire 10,4 10,3 10,3 8,1 8,5 8,0 Råolja o oljeproduter 13,6 15,1 13,0 12,9 15,2 12,3 Övrigt 5,1 7,3 3,6 4,0 6,5 3,0 Kommentar : De relativa felmarginaler som redovisas för 2001 är beränade med n' = fatist antal inomna svar, medan de förväntade felmarginalerna för 2003 är beränade under schablonantagan-de om 27 % svarsbortfall i varje stratum. Det antagandet medför att felmarginalerna förmodas bli något större i verligheten. *) Effeterna av omdefinitionen av STG2 och dess ändrade undersöningsfrevens har inte tagits med i beräningarna. De relativa felmarginalerna för utriestrafien tros bli åtsilligt mindre Förväntade relativa variansförändringar Tabellerna nedan redovisar förväntade relativa variansredutioner (RVF, se formeln (14) i Avsnitt 2.2) vid jämförelse mellan undersöningarna år 2001 och år Eftersom svarsfrevenserna för år 2003 ej är ända, är resultaten i Tabellerna 9, 10 och 11 inte baserade på antal svarande utan på antal utvalda lastbilar (såväl för 2001 som för 2003). Som tenis förenling uteslöts bidrag från STG2 vid beräning av förväntade relativa variansredutioner. Förhoppningsvis leder de förenlade räningarna till rätt storlesordningar för relativa förändringar för de flesta av redovisningsgrupperna. Därmed har ändringarna i undersöningutformningen på basis av Blåortundersöningen inte beatats. Med största trolighet ommer varianserna för sattningar av utriestransporter att reduceras ytterligare. Inga insatser gjordes för att parera effeterna av s.. outliers. Numera ingår orrigering för extrema värden i den slutliga sattningsprocessen i SLIT. Sådana orrigeringar an påvera puntsattningarna, men ocså variansredutionen i positiv ritning. Den nya utformningen ger bäst resultat för transportarbete (TonKm) och örda ilometer (KmKorda), se Tabell 9. Detta beror på att årsörsträcor har start samband med transportarbete och örda ilometer, men svagare med godsmängd (Ton). Som tidigare nämnts har hänsyn till detta tagits i den nya utformningen, dels genom stratifiering efter maxlastvit för bilar med orta årsörsträcor, dels genom alloering med hjälp av såväl Ton som TonKm. 17

Översyn av undersökningen. Inrikes och utrikes trafik med svenska lastbilar

Översyn av undersökningen. Inrikes och utrikes trafik med svenska lastbilar R&D Report 2003:1 Research Methods Development Översyn av undersöningen Inries och utries trafi med svensa lastbilar Johan Erisson Per Anders Paulson Bengt Rosén R&D Report 2003:1 Research - Methods -

Läs mer

Uppföljning av Ky- och Yh-utbildning 2011

Uppföljning av Ky- och Yh-utbildning 2011 Uppföljning av Ky- och Yh-utbildning 2011 Tenis rapport 2011-11-28 1(9) Inledning Enheten för statisti om utbildning och arbete vid Statistisa centralbyrån (SCB) genomförde under hösten 2011 en postenät

Läs mer

STATISTIKENS FRAMSTÄLLNING

STATISTIKENS FRAMSTÄLLNING Statistiansvarig myndighet Statistisa centralbyrån Statistiens framställning version 1 1 (9) STATISTIKENS FRAMSTÄLLNING Elevpaneler för longitudinella studier Ämnesområde Utbildning och forsning Statistiområde

Läs mer

1989, Statistiska centralbyrån ISSN Printed in Sweden Garnisonstryckeriet, Stockholm 1989

1989, Statistiska centralbyrån ISSN Printed in Sweden Garnisonstryckeriet, Stockholm 1989 Från trycket April 1989 Producent Statistiska centralbyrån, Utvecklingsavdelningen Ansvarig utgivare Staffan Wahlström Förfrågningar Lennart Nordberg, tel. 019-17 60 12 1989, Statistiska centralbyrån ISSN

Läs mer

STATISTIKENS FRAMSTÄLLNING

STATISTIKENS FRAMSTÄLLNING Statistiens framställning version 1 1 (13) STATISTIKENS FRAMSTÄLLNING Undersöningarna av barns levnadsförhållanden (Barn-ULF) Ämnesområde Levnadsförhållanden Statistiområde Barns levnadsförhållanden Produtod

Läs mer

Inträdet på arbetsmarknaden bland gymnasieavgångna 2012 UF0512. Innehållsförteckning

Inträdet på arbetsmarknaden bland gymnasieavgångna 2012 UF0512. Innehållsförteckning BV/UA 2012-11-14 1(16) Inträdet på arbetsmarnaden bland gymnasieavgångna 2012 UF0512 I denna besrivning redovisas först allmänna uppgifter om undersöningen samt dess syfte och histori. Därefter redovisas

Läs mer

Urvalsmetoder: Stratifierat urval (kap 9.5)

Urvalsmetoder: Stratifierat urval (kap 9.5) F4 Urvalsmetoder: Stratifierat urval (kap 9.5) Tidigare exempel Vi undersökte tidigare medellönen i ett företag med N = 500 anställda. Vi fick ett konfidensintervall: Vi vet att några förklaringsvariabler

Läs mer

STATISTIKENS FRAMSTÄLLNING

STATISTIKENS FRAMSTÄLLNING Statistiens framställning version 1 1 (14) STATISTIKENS FRAMSTÄLLNING Analyser och statisti om befolningens utbildning Ämnesområde Utbildning och forsning Statistiområde Befolningens utbildning Produtod

Läs mer

Inträdet på arbetsmarknaden bland gymnasieavgångna 2006 UF0512

Inträdet på arbetsmarknaden bland gymnasieavgångna 2006 UF0512 BV/UA 2006-12-05 1(35) Inträdet på arbetsmarnaden bland gymnasieavgångna 2006 UF0512 En besrivning av inträdet på arbetsmarnaden bland högsoleexaminerade återfinns längre ner i detta doument. I denna besrivning

Läs mer

Kalibreringsrapport. Bilaga 1(6)

Kalibreringsrapport. Bilaga 1(6) Bilaga 1(6) Kalibreringsrapport 1 Inlening I en urvalsunersöning är allti sattningarna behäftae me urvalsfel beroene på att enast en elmäng (urval) av populationen stueras. Ett annat fel uppommer om vi

Läs mer

STATISTIKENS FRAMSTÄLLNING

STATISTIKENS FRAMSTÄLLNING Statistiens framställning version 1 1 (11) STATISTIKENS FRAMSTÄLLNING Undersöningen om vuxnas deltagnde i utbildning Ämnesområde Utbildning oc forsning Statistiområde Befolningens utbildning Produtod UF0538

Läs mer

Europaparlamentsval, valdeltagandeundersökningen

Europaparlamentsval, valdeltagandeundersökningen Statistisa centralbyrån SCBDOK 3.2 1 (18) Europaparlamentsval, valdeltagandeundersöningen 2014 ME0110 Inneåll 0 Allmänna uppgifter... 2 0.1 Ämnesområde... 2 0.2 Statistiområde... 2 0.3 SOS-lassificering...

Läs mer

STATISTISKA CENTRALBYRÅN

STATISTISKA CENTRALBYRÅN STATISTISKA CENTRALBYRÅN 2013-04-12 1(7) Kalibreringsrapport 1 Inlening I en urvalsunersöning är allti sattningarna behäftae me urvalsfel beroene på att enast en elmäng (urval) av populationen stueras.

Läs mer

Uppgifter övning I8: Uppgift nr 1 Sealine AB

Uppgifter övning I8: Uppgift nr 1 Sealine AB Uppgifter övning I8: Uppgift nr 1 Sealine AB Rederiet Sealine AB har undersöt specialfartygsmarnaden under senaste året för 700 000 r och funnit en lämplig fartygsstorle, som det an tecna ontrat på. Vid

Läs mer

Tillämpad statistik (A5), HT15 Föreläsning 5: Stratifierat urval

Tillämpad statistik (A5), HT15 Föreläsning 5: Stratifierat urval Tillämpad statistik (A5), HT15 Föreläsning 5: Stratifierat Ronnie Pingel Statistiska institutionen Senast uppdaterad: 2015-11-06 En stratifierad sundersökning: NTU2014 Från NTU2014 Från NTU2014 Dellens

Läs mer

Uppföljningsundersökning. Elever. Teknisk rapport

Uppföljningsundersökning. Elever. Teknisk rapport Uppföljningsundersöning Elever Tenis rapport Inledning Enheten för statisti om utbildning och arbete vid Statistisa centralbyrån (SCB) genomförde under perioden mars - juni 2011 en postenät på uppdrag

Läs mer

Arbetsutvecklingsrapport

Arbetsutvecklingsrapport Arbetsutveclingsrapport Vad tycer bruarna? Den andra länsgemensamma bruarundersöningen för personer med insatsen bostad med särsild service enligt LSS Författare: Eva Rönnbäc Rapport: nr 2011:7 ISSN 1653-2414

Läs mer

Tidigare exempel. Några beteckningar. Stratifierat urval

Tidigare exempel. Några beteckningar. Stratifierat urval Tidigare exempel F4 Urvalsmetoder: (kap 9.5) Ursprung: Linda Wänström Vi undersökte tidigare medellönen i ett företag med N = 500 anställda. Vi fick ett konfidensintervall: Vi vet att några förklaringsvariabler

Läs mer

Kalibreringsrapport. Bilaga 1(6)

Kalibreringsrapport. Bilaga 1(6) Bilaga 1(6) Kalibreringsrapport 1 Inlening I en urvalsunersöning är allti sattningarna behäftae me urvalsfel beroene på att enast en elmäng (urval) av populationen stueras. Ett annat fel uppommer om vi

Läs mer

Kalibreringsrapport Elevpaneler - enkätundersökning

Kalibreringsrapport Elevpaneler - enkätundersökning STATISTISKA CENTRALBYRÅN 014-05-8 1(6) Kalibreringsrapport Elevpaneler - enätunersöning 1 Inlening I en urvalsunersöning är allti sattningarna behäftae me urvalsfel beroene på att enast en elmäng (urval)

Läs mer

Ungdomar utan fullföljd gymnasieutbildning en undersökning med många utmaningar

Ungdomar utan fullföljd gymnasieutbildning en undersökning med många utmaningar Bagrundsfata Ungdomar utan fullföljd gymnasieutbildning en undersöning med många utmaningar 2008:1 Arbetsmarnads- och utbildningsstat i s t i I serien Bagrundsfata presenteras bagrundsmaterial till den

Läs mer

Fördjupad dokumentation av statistiken

Fördjupad dokumentation av statistiken Jordbrusveret FÖRDJUPAD DOKUMENTATION AV STATISTIKEN 1(30) Fördjupad doumentation av statistien Arrendepriser på jordbrusmar 2008 Referensperiod: 2007-2008 Produtod(er): JO 1002 Senast uppdaterad: 2009-08-24

Läs mer

Lastbilsundersökningen: Hantering av överrapporterat stillestånd

Lastbilsundersökningen: Hantering av överrapporterat stillestånd Nordiskt statistikermöte, Bergen 14-17 augusti 2013 Tema: Produktionsprocessen Lastbilsundersökningen: Hantering av överrapporterat stillestånd Abboud Ado, Trafikanalys. Sara Berntsson, Trafikanalys. Abboud.ado@trafa.se

Läs mer

Uppgift 2. För två händelser A och B gäller P(A B)=0.5, P ( A ) = 0. 4 och P ( B

Uppgift 2. För två händelser A och B gäller P(A B)=0.5, P ( A ) = 0. 4 och P ( B TENTAMEN I MATEMATISK STATISTIK Datum: 3 juni 8 Ten i ursen HF3, 6H3, 6L3 MATEMATIK OH MATEMATISK STATISTIK, Ten i ursen HF ( Tidigare n 6H3), KÖTEORI OH MATEMATISK STATISTIK, Ten i ursen HF4, (Tidigare

Läs mer

Laboration 3: Urval och skattningar

Laboration 3: Urval och skattningar S0004M Statistik 1 Undersökningsmetodik. Laboration 3: Urval och skattningar Denna laboration handlar om slumpmässiga urval. Dessa urval ska användas för att uppskatta egenskaper hos en population. Statistiska

Läs mer

1974 Nr 622. Bilaga 1. Indelning i försäkringskategorier som ska tillämpas vid beräkning av de storheter som följer av de försäkringstekniska riskerna

1974 Nr 622. Bilaga 1. Indelning i försäkringskategorier som ska tillämpas vid beräkning av de storheter som följer av de försäkringstekniska riskerna 1974 Nr 622 Bilaga 1 Indelning i försäringsategorier som sa tillämpas vid beräning av de storheter som följer av de försäringstenisa riserna Försäringsategori Försäringslasser Diretförsäring Lagstadgad

Läs mer

Introduktion till statistik för statsvetare

Introduktion till statistik för statsvetare och enkäter "Det finns inget så praktiskt som en bra teori" September 2011 och enkäter Inledning Inledning Om vi vill mäta en egenskap hos en population individer (individer kan vara personer, företag

Läs mer

PM Väg Inledning. 2. Översiktsplanen. Uppdrag Klockelund Beställare Stockholm Stad

PM Väg Inledning. 2. Översiktsplanen. Uppdrag Klockelund Beställare Stockholm Stad o:sto2svg201513200160813_tenitdoumentbesrivningarpm väg 73-locelund.docx Väg 73 Uppdrag Klocelund Beställare Stocholm Stad Datum 2017-03-10 Ramböll Sverige AB Box 17009, Krumaargatan 21 104 62 Stocholm

Läs mer

STATISTIKENS FRAMSTÄLLNING

STATISTIKENS FRAMSTÄLLNING Statistiansvarig mndighet Statistisa centralbrån Statistiens framställning version 1 1 (16) STTISTIKENS FRMSTÄLLNING alansstatisti Ämnesområde Näringsversamhet Statistiområde Näringslivets strutur Produtod

Läs mer

Teknisk Rapport En beskrivning av genomförande och metoder. Lärares tidsanvändning Vt 2012

Teknisk Rapport En beskrivning av genomförande och metoder. Lärares tidsanvändning Vt 2012 Tenis Rapport En besrivning av genomförande och metoder Lärares tidsanvändning Vt 2012 Inledning Statistisa centralbyrån (SCB) genomförde under perioden december 2011 och juli 2012 en tidsanvändningsundersöning

Läs mer

Lönestrukturstatistik, privat sektor (SLP) 2006 AM0103

Lönestrukturstatistik, privat sektor (SLP) 2006 AM0103 NA/LA 2007-05-22 1(13) Lönestruturstatisti, privat setor (SLP) 2006 AM0103 I denna besrivning redovisas först allmänna och legala uppgifter om undersöningen samt dess syfte och histori. Därefter redovisas

Läs mer

EN 1990 Eurokod: Grundläggande dimensioneringsregler för bärande konstruktioner Elisabeth Helsing, Boverket

EN 1990 Eurokod: Grundläggande dimensioneringsregler för bärande konstruktioner Elisabeth Helsing, Boverket EN 1990 Eurood: Grundläggande dimensioneringsregler för bärande onstrutioner Elisabeth Helsing, Boveret EN 1990 den innehåller de grundläggande dimensioneringsreglerna för bärande onstrutioner och är uppdelad

Läs mer

RSA-kryptering. Torbjörn Tambour

RSA-kryptering. Torbjörn Tambour RSA-rytering Torbjörn Tambour RSA-metoden för rytering har den seciella och betydelsefulla egensaen att metoden för rytering är offentlig, medan metoden för derytering är hemlig. Detta an om man funderar

Läs mer

Kursens mål är, förutom faktakunskaper om kursinnehållet, att ge:

Kursens mål är, förutom faktakunskaper om kursinnehållet, att ge: Inlämningsuppgifter i Funtionsteori För att man sa bli godänd på ursen rävs att såväl tentamen som inlämningsuppgifter och laborationer är godända. Inlämningsuppgifterna är alltså obligatorisa. Enligt

Läs mer

Faktorer som påverkar aktiefondsparandet

Faktorer som påverkar aktiefondsparandet Kandidatuppsats vårterminen 2006 Nationaleonomisa institutionen EKONOMIHÖGSKOLAN VID LUNDS UNIVERSITET Fatorer som påverar atiefondsparandet en studie av fem grupper fondsparare på den svensa atiefondsmarnaden

Läs mer

Om register och imputering av binära variabler. Preliminär version:

Om register och imputering av binära variabler. Preliminär version: Om register och imputering av binära variabler av Thomas Laitila 1,2, Anders Holmberg 1, Emma Snölilja 1 1 Statistisa Centralbrån, SE-701 89 Örebro 2 Handelshögsolan, Örebro universitet, SE-701 82 Örebro

Läs mer

Allmänna val, valdeltagandeundersökningen

Allmänna val, valdeltagandeundersökningen Statistisa centralbyrån SCBDOK 3.2 1 (22) Allmänna val, valdeltagandeundersöningen 2002 ME0105 Innehåll 0 Allmänna uppgifter... 2 0.1 Ämnesområde... 2 0.2 Statistiområde... 2 0.3 SOS-lassificering... 2

Läs mer

Centrala gränsvärdessatsen (CGS). Approximationer

Centrala gränsvärdessatsen (CGS). Approximationer TNG006 F7 25-04-2016 Centrala gränsvärdessatsen (CGS. Approximationer 7.1. Centrala gränsvärdessatsen Vi formulerade i Sats 6.10 i FÖ6 en vitig egensap hos normalfördelningen som säger att en linjär ombination

Läs mer

Jämförande skogsvärderingar för områdesskydd

Jämförande skogsvärderingar för områdesskydd Jämförande sogsvärderingar för områdessydd rapport 6450 otober 2011 Jämförande sogsvärderingar för områdessydd Slutrapport NATURVÅRDSVERKET Beställningar Ordertel: 08-505 933 40 Orderfax: 08-505 933 99

Läs mer

F9 SAMPLINGFÖRDELNINGAR (NCT

F9 SAMPLINGFÖRDELNINGAR (NCT Stat. teori gk, ht 006, JW F9 SAMPLINGFÖRDELNINGAR (NCT 7.1-7.4) Ordlista till NCT Sample Population Simple random sampling Sampling distribution Sample mean Standard error The central limit theorem Proportion

Läs mer

4.5 LOKALBUSSTERMINAL PÅ LAHOLMSVÄGEN, ALT B1, B2 OCH B3

4.5 LOKALBUSSTERMINAL PÅ LAHOLMSVÄGEN, ALT B1, B2 OCH B3 an Kungsgatan HALMSTADS 4.5 LOKALTERMINAL Å LAHOLMSVÄGEN, ALT B1, B2 OCH B3 Sysonhamnsgatan 30 05 65 +5 Lof Samtliga dessa förslag bygger på att man behåller befintlig järnvägsbro över. Docningsterminalen

Läs mer

Elevpaneler för longitudinella studier 2005 UF0501 Innehåll

Elevpaneler för longitudinella studier 2005 UF0501 Innehåll Statistisa centralbyrån SCBDOK 3.2 1 (15) Elevpaneler för longitudinella studier 2005 UF0501 Innehåll 0 Allmänna uppgifter... 2 0.1 Ämnesområde... 2 0.2 Statistiområde... 2 0.3 SOS-lassificering... 2 0.4

Läs mer

Riktlinjer för rapportering av räntestatistikblankett MIR

Riktlinjer för rapportering av räntestatistikblankett MIR (5) Ritlinjer för rapportering av räntestatistiblanett MIR (200-09-30) 2 2(5) Innehållsförtecning sida Posternas innehåll... 3. Referensperiod... 3.2 Löptidsfördelning av utlåning... 4.3 Definition av

Läs mer

Börja med att ladda ner Kommuner2007.xls från kursens hemsida.

Börja med att ladda ner Kommuner2007.xls från kursens hemsida. STOCKHOLMS UNIVERSITET VT 2009 Statistiska institutionen Jörgen Säve-Söderbergh Obligatorisk examinationsuppgift SDA II, 3 högskolepoäng. Olika urvalsmetoder punkt- och intervallskattningar Börja med att

Läs mer

Allmänna valen, valdeltagandeundersökningen

Allmänna valen, valdeltagandeundersökningen Statistisa centralbrån SCBDOK 3.2 1 (22) Allmänna valen, valdeltagandeundersöningen 2014 ME0105 Inneåll 0 Allmänna uppgifter... 2 0.1 Ämnesområde... 2 0.2 Statistiområde... 2 0.3 SOS-lassificering... 2

Läs mer

INLEDNING TILL. U/ADB / Statistics Sweden. Stockholm : Statistiska centralbyrån, Nr E24- E26

INLEDNING TILL. U/ADB / Statistics Sweden. Stockholm : Statistiska centralbyrån, Nr E24- E26 INLEDNING TILL R & D report : researc, metods, development / Statistics Sweden. Stocolm : Statistisa centralbyrån, 1988-2004. Nr. 1988:1-2004:2. Häri ingår Abstracts : sammanfattningar av metodrapporter

Läs mer

Elevpaneler för longitudinella studier 2007 UF0501 Innehåll

Elevpaneler för longitudinella studier 2007 UF0501 Innehåll Statistisa centralbyrån SCBDOK 3.2 1 (14) Elevpaneler för longitudinella studier 2007 UF0501 Innehåll 0 Allmänna uppgifter... 2 0.1 Ämnesområde... 2 0.2 Statistiområde... 2 0.3 SOS-lassificering... 2 0.4

Läs mer

1 Föreläsning IV; Stokastisk variabel

1 Föreläsning IV; Stokastisk variabel 1 FÖRELÄSNING IV; STOKASTISK VARIABEL 1 Föreläsning IV; Stoastis variabel Vi har tidigare srivit P (1, 2, 3, 4, 5) = P (C) för sannoliheten för att få 1, 2, 3, 4 eller 5 vid ett tärningsast. Vi sall använda

Läs mer

Energimarknadsinspektionens författningssamling

Energimarknadsinspektionens författningssamling Energimarnadsinspetionens författningssamling Utgivare: Göran Morén (chefsjurist) ISSN: 2000-592X Utom från trycet den Klica på pilen och välj datum Energimarnadsinspetionens föresrifter om vad som avses

Läs mer

Tillämpad statistik (A5), HT15 Föreläsning 6: Några övriga urvalsmetoder

Tillämpad statistik (A5), HT15 Föreläsning 6: Några övriga urvalsmetoder Tillämpad statistik (A5), HT15 Föreläsning 6: Några övriga smetoder Ronnie Pingel Statistiska institutionen Senast uppdaterad: 2015-11-11 Några övriga smetoder OSU-UÅ (med eller utan stratifiering) förutsätter

Läs mer

Hushållens icke-vinstdrivande organisationer 2005

Hushållens icke-vinstdrivande organisationer 2005 STATISTISKA CENTRALBYRÅN 1(8) Hushållens icke-vinstdrivande organisationer 2005 1 Inledning Emma-projektet, eller paraplyprojektet för förbättring av den ekonomiska statistiken, omfattar i huvudsak förbättringsförslagen

Läs mer

Automatiska registreringar i lösdriftsstallar som indikatorer på begynnande hälsoproblem - Slutrapport

Automatiska registreringar i lösdriftsstallar som indikatorer på begynnande hälsoproblem - Slutrapport Automatisa registreringar i lösdriftsstallar som indiatorer på begynnande hälsoproblem - Slutrapport Inledning För att effetivisera arbetet i stora besättningar är det önsvärt att all information om den

Läs mer

Urvalsmetoder: Sannolikhetsurval resp. icke-sannolikhetsurval, OSU (kap )

Urvalsmetoder: Sannolikhetsurval resp. icke-sannolikhetsurval, OSU (kap ) F3 Urvalsmetoder: Sannolikhetsurval resp. icke-sannolikhetsurval, OSU (kap 9.1-9.4) Urval Anta att vi ska göra en urvalsunderökning och samla in primärdata Totalundersökning ofta inte möjlig För dyrt Tar

Läs mer

Urvalsökningar. Precisionen i en skattning är normalt proportionell mot 1/ n där n är urvalsstorleken

Urvalsökningar. Precisionen i en skattning är normalt proportionell mot 1/ n där n är urvalsstorleken Urvalsökningar Precisionen i en skattning är normalt proportionell mot 1/ n där n är urvalsstorleken En urvalsökning från 21000 till 29500 individer borde då resultera i förbättring med ca 15% Eller? 1

Läs mer

STATISTISKA CENTRALBYRÅN

STATISTISKA CENTRALBYRÅN STATISTISKA CENTRALBYRÅN 2011-11-17 1(6) Kalibreringsrapport 1 Inlening I en totalunersöning uppommer fel om vi inte lycas få svar från alla personer (bortfall) om e avvier från e svarane me avseene på

Läs mer

Identification Label. Student ID: Student Name: Elevenkät Fysik. Skolverket Bo Palaszewski, Projektledare 106 20 Stockholm

Identification Label. Student ID: Student Name: Elevenkät Fysik. Skolverket Bo Palaszewski, Projektledare 106 20 Stockholm Identification Label Student ID: h Student Name: Elevenät Fysi Solveret Bo Palaszewsi, Proetledare 106 20 Stocholm International Association for the Evaluation of Educational Achievement Copyright IEA,

Läs mer

F3 Introduktion Stickprov

F3 Introduktion Stickprov Utrotningshotad tandnoting i arktiska vatten Inferens om väntevärde baserat på medelvärde och standardavvikelse Matematik och statistik för biologer, 10 hp Tandnoting är en torskliknande fisk som lever

Läs mer

INLEDNING TILL. U/ADB / Statistics Sweden. Stockholm : Statistiska centralbyrån, Nr E24- E26

INLEDNING TILL. U/ADB / Statistics Sweden. Stockholm : Statistiska centralbyrån, Nr E24- E26 INLEDNING TILL R & D report : research, methods, development / Statistics Sweden. Stockholm : Statistiska centralbyrån, 1988-2004. Nr. 1988:1-2004:2. Häri ingår Abstracts : sammanfattningar av metodrapporter

Läs mer

Föreläsning 4. Kapitel 5, sid Stickprovsteori

Föreläsning 4. Kapitel 5, sid Stickprovsteori Föreläsning 4 Kapitel 5, sid 127-152 Stickprovsteori 2 Agenda Stickprovsteori Väntevärdesriktiga skattningar Samplingfördelningar Stora talens lag, Centrala gränsvärdessatsen 3 Statistisk inferens Population:

Läs mer

LULEÅ TEKNISKA UNIVERSITET Ämneskod S0006M Institutionen för matematik Datum Skrivtid

LULEÅ TEKNISKA UNIVERSITET Ämneskod S0006M Institutionen för matematik Datum Skrivtid LULEÅ TEKNISKA UNIVERSITET Ämneskod S0006M Institutionen för matematik Datum 2009-06-05 Skrivtid 0900 1400 Tentamen i: Statistik 1, Undersökningsmetodik 7.5 hp Antal uppgifter: 6 Krav för G: 12 Lärare:

Läs mer

Tentamen Tillämpad statistik A5 (15hp)

Tentamen Tillämpad statistik A5 (15hp) Uppsala universitet Statistiska institutionen A5 2014-08-26 Tentamen Tillämpad statistik A5 (15hp) 2014-08-26 UPPLYSNINGAR A. Tillåtna hjälpmedel: Miniräknare Formelsamlingar: A4/A8 Tabell- och formelsamling

Läs mer

Instruktioner för rapportering av räntestatistikblankett MIR

Instruktioner för rapportering av räntestatistikblankett MIR 1 1(13) Instrutioner för rapportering av räntestatistiblanett MIR NOVEMBER 2014 Rapporteringen av räntestatisti för monetära finansinstitut (MFI) görs i den så allade MIR-blanetten. I RBFS 2014:2 ges generella

Läs mer

Balansstatistik (BAST)

Balansstatistik (BAST) Statistisa centralbrån SCDOK 3.2 1 (26) alansstatisti (ST) Kvartal 2014 NV0103 Innehåll 0 llmänna uppgifter... 2 0.1 Ämnesområde... 2 0.2 Statistiområde... 2 0.3 SOS-lassificering... 2 0.4 Statistiansvarig...

Läs mer

Europaparlamentsval, valdeltagandeundersökningen 2009

Europaparlamentsval, valdeltagandeundersökningen 2009 STATISTISKA CENTRALBYRÅN 1(16) Europaparlamentsval, valdeltagandeundersöningen 2009 ME0110 Inneåll 0 Allmänna uppgifter SCBDOK 3.1 1 Inneållsöversit 0.1 Ämnesområde 0.2 Statistiområde 0.3 SOS-lassificering

Läs mer

Laboration 3: Urval och skattningar

Laboration 3: Urval och skattningar S0004M Statistik 1 Undersökningsmetodik. Laboration 3: Urval och skattningar Denna laboration handlar om slumpmässiga urval. Dessa urval ska användas för att uppskatta egenskaper hos en population. Statistiska

Läs mer

Tjänsteföretagens förbrukning (TFF)

Tjänsteföretagens förbrukning (TFF) Statistisa centralbyrån SCBDOK 3.2 1 (85) Tjänsteföretagens förbruning (TFF) 2012 NV0111 Innehåll 0 Allmänna uppgifter... 3 0.1 Ämnesområde... 3 0.2 Statistiområde... 3 0.3 SOS-lassificering... 3 0.4 Statistiansvarig...

Läs mer

Variansjämförelse av excess-of-loss-kontrakt med och utan aggregerat självbehåll

Variansjämförelse av excess-of-loss-kontrakt med och utan aggregerat självbehåll Matematis statisti Stocholms universitet Variansjämförelse av excess-of-loss-ontrat med och utan aggregerat självbehåll Sabina Jusupovic Examensarbete 003:9 Postadress: Matematis statisti Matematisa institutionen

Läs mer

F10. Ytterligare urvalsmetoder och skattningsmetoder (kap 9.8, 9.9) Flerstegsurval

F10. Ytterligare urvalsmetoder och skattningsmetoder (kap 9.8, 9.9) Flerstegsurval F10 Ytterligare urvalsmetoder och skattningsmetoder (kap 9.8, 9.9) Flerstegsurval Anta att man vill göra ett urval som täcker ett stort geografiskt område vill använda besöksintervju som insamlingsmetod

Läs mer

Undersökning av levnadsförhållanden 2010

Undersökning av levnadsförhållanden 2010 STATISTISKA CENTRALBYRÅN 1(17) Undersöning av levnadsförhållanden 2010 LE0101 Innehåll 0 Allmänna uppgifter SCBDOK 3.1 1 Innehållsöversit 0.1 Ämnesområde 0.2 Statistiområde 0.3 SOS-lassificering 0.4 Statistiansvarig

Läs mer

7.5 Experiment with a single factor having more than two levels

7.5 Experiment with a single factor having more than two levels 7.5 Experiment with a single factor having more than two levels Exempel: Antag att vi vill jämföra dragstyrkan i en syntetisk fiber som blandats ut med bomull. Man vet att inblandningen påverkar dragstyrkan

Läs mer

Föreläsning 4. 732G19 Utredningskunskap I. Föreläsningsunderlagen bygger på underlag skapade av Kalle Wahlin

Föreläsning 4. 732G19 Utredningskunskap I. Föreläsningsunderlagen bygger på underlag skapade av Kalle Wahlin Föreläsning 4 732G19 Utredningskunskap I Föreläsningsunderlagen bygger på underlag skapade av Kalle Wahlin Dagens föreläsning Systematiskt urval Väntevärdesriktiga skattningar Jämförelse med OSU Stratifierat

Läs mer

Tjänsteföretagens förbrukning (TFF)

Tjänsteföretagens förbrukning (TFF) Statistisa centralbyrån SCBDOK 3.2 1 (91) Tjänsteföretagens förbruning (TFF) 2013 NV0111 Innehåll 0 Allmänna uppgifter... 3 0.1 Ämnesområde... 3 0.2 Statistiområde... 3 0.3 SOS-lassificering... 3 0.4 Statistiansvarig...

Läs mer

Strategier för urval av sjöar som ska ingå i den sexåriga omdrevsinventeringen av vattenkvalitet i svenska sjöar

Strategier för urval av sjöar som ska ingå i den sexåriga omdrevsinventeringen av vattenkvalitet i svenska sjöar Strategier för urval av sjöar som ska ingå i den sexåriga omdrevsinventeringen av vattenkvalitet i svenska sjöar Rapportering av uppdrag 216 0648 från Naturvårdsverket Ulf Grandin Department of Environmental

Läs mer

Tentamen i Mekanik SG1130, baskurs. Problemtentamen

Tentamen i Mekanik SG1130, baskurs. Problemtentamen 013-03-14 Tentamen i Meani SG1130, basurs. OBS: Inga hjälpmedel förutom rit- och srivdon får användas KTH Meani 1. Problemtentamen En ub med massa m står lutad mot en vertial sträv vägg och med stöd på

Läs mer

Introduktion. Konfidensintervall. Parade observationer Sammanfattning Minitab. Oberoende stickprov. Konfidensintervall. Minitab

Introduktion. Konfidensintervall. Parade observationer Sammanfattning Minitab. Oberoende stickprov. Konfidensintervall. Minitab Uppfödning av kyckling och fiskleveroljor Statistiska jämförelser: parvisa observationer och oberoende stickprov Matematik och statistik för biologer, 10 hp Fredrik Jonsson vt 2012 Fiskleverolja tillsätts

Läs mer

Ytterligare urvalsmetoder och skattningsmetoder

Ytterligare urvalsmetoder och skattningsmetoder F6 Ytterligare urvalsmetoder och skattningsmetoder Flerstegsurval Anta att man vill göra ett urval som täcker ett stort geografiskt område vill använda besöksintervju som insamlingsmetod Praktiskt omöjligt

Läs mer

Föreläsning 4. NDAB01 Statistik; teori och tillämpning i biologi

Föreläsning 4. NDAB01 Statistik; teori och tillämpning i biologi Föreläsning 4 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Icke-parametriska test Mann-Whitneys test (kap 8.10 8.11) Wilcoxons test (kap 9.5) o Transformationer (kap 13) o Ev. Andelar

Läs mer

Översikt. Effektiva algoritmer. En telefonlista. Algoritm

Översikt. Effektiva algoritmer. En telefonlista. Algoritm Översit Effetiva algoritmer Håan Jonsson Slides och od av Fredri Bengtsson Algoritm? Vad är det? Effetiva algoritmer En telefonlista! Hur hittar man namnet? I telefonlistan Två olia metoder Slutsatser

Läs mer

Kvantitativ strategi Univariat analys 2. Wieland Wermke

Kvantitativ strategi Univariat analys 2. Wieland Wermke + Kvantitativ strategi Univariat analys 2 Wieland Wermke + Sammanfattande mått: centralmått n Beroende på skalnivån finns det olika mått, som betecknar variablernas fördelning n Typvärde eller modalvärde

Läs mer

L HOSPITALS REGEL OCH MACLAURINSERIER.

L HOSPITALS REGEL OCH MACLAURINSERIER. L HOSPITALS REGEL OCH MACLAURINSERIER Läs avsnitten 73 och 8-82 Lös övningarna 78-75, 82, 84a,b, 85a,c, 89, 80 samt 8 Avsnitt 73 L Hospitals regel an ibland vara till en viss nytta, men de flesta gränsvärden

Läs mer

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Fredag 8 december 2006, Kl

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Fredag 8 december 2006, Kl Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Fredag 8 december 2006, Kl 08.15-13.15 Tillåtna hjälpmedel: Bifogad formelsamling, approximationsschema och tabellsamling (dessa skall returneras). Egen

Läs mer

Urval. Slumpmässiga urval (sannolikhetsurval) Fördelar med slumpmässiga urval

Urval. Slumpmässiga urval (sannolikhetsurval) Fördelar med slumpmässiga urval Urval F3 Urvalsmetoder: Sannolikhetsurval resp. icke-sannolikhetsurval, OSU (kap 9.1-9.4) Ursprung: Linda Wänström Anta att vi ska göra en urvalsunderökning och samla in primärdata Totalundersökning ofta

Läs mer

Digital signalbehandling Kamfilter och frekvenssamplande filter

Digital signalbehandling Kamfilter och frekvenssamplande filter Institutionen för eletroteni 999--9 Kamfilter och frevenssamplande filter I frevenssamplande filter utgår vi från en filterstrutur som har ett stort antal nollställen i frevensgången och modellerar filtrets

Läs mer

Informationsteknologi

Informationsteknologi Bengt Carlsson Informationstenologi En översit av Kap 7 Systemteni Informationstenologi Tillbaablic, återoppling Reglering av vätsenivån i en tan Nivågivare Reglerventil Inflöde TANK Varierande utflöde

Läs mer

5 Klämkraft och monteringsmoment

5 Klämkraft och monteringsmoment 5 Klämraft och monteringsmoment 5 Klämraft och monteringsmoment Målsättningen med ett sruvförband är att sapa en lämraft mellan de sammanfogade delarna. Sruvförbandets målvärde är således dess lämraft.

Läs mer

dt = x 2 + 4y 1 typ(nod, sadelpunkt, spiral, centrum) och avgöra huruvida de är stabila eller instabila. Lösning.

dt = x 2 + 4y 1 typ(nod, sadelpunkt, spiral, centrum) och avgöra huruvida de är stabila eller instabila. Lösning. Lösningsförslag till tentamenssrivning i SF633 Differentialevationer I Måndagen den 5 otober 0, l 0800-300 Hjälpmedel: BETA, Mathematics Handboo Redovisa lösningarna på ett sådant sätt att beräningar och

Läs mer

Föreläsning 1. NDAB02 Statistik; teori och tillämpning i biologi

Föreläsning 1. NDAB02 Statistik; teori och tillämpning i biologi Föreläsning 1 Statistik; teori och tillämpning i biologi 1 Kursens uppbyggnad 9 föreläsningar Föreläsningsunderlag läggs ut på kurshemsidan 5 lektioner Uppgifter från kursboken enligt planering 5 laborationer

Läs mer

STATISTIKENS FRAMSTÄLLNING

STATISTIKENS FRAMSTÄLLNING Statistiens framställning version 1 1 (16) STATISTIKENS FRAMSTÄLLNING Företagens eonomi Ämnesområde Ämnesområde: Näringsversamhet Statistiområde Statistiområde: Näringslivets strutur Produtod NV0109 Referenstid

Läs mer

Undersökningarna av levnadsförhållanden (ULF/SILC)

Undersökningarna av levnadsförhållanden (ULF/SILC) Statistisa centralbyrån SCBDOK 3.2 1 (17) Undersöningarna av levnadsförhållanden (ULF/SILC) 2011 LE0101 Innehåll 0 Allmänna uppgifter... 2 0.1 Ämnesområde... 2 0.2 Statistiområde... 2 0.3 SOS-lassificering...

Läs mer

Postadress: Internet: Matematisk statistik Matematiska institutionen Stockholms universitet 106 91 Stockholm Sverige. http://www.math.su.

Postadress: Internet: Matematisk statistik Matematiska institutionen Stockholms universitet 106 91 Stockholm Sverige. http://www.math.su. Å Ø Ñ Ø Ø Ø Ø ËØÓ ÓÐÑ ÙÒ Ú Ö Ø Ø Ê ÔÖÓ Ð Ö Ö Ö Ò ÓÐ Ú Ö Ä Ö ÓÒ Ü Ñ Ò Ö Ø ¾¼½ ostadress: Matematis statisti Matematisa institutionen Stocholms universitet 106 91 Stocholm Sverige Internet: http://www.math.su.se/matstat

Läs mer

Goals for third cycle studies according to the Higher Education Ordinance of Sweden (Sw. "Högskoleförordningen")

Goals for third cycle studies according to the Higher Education Ordinance of Sweden (Sw. Högskoleförordningen) Goals for third cycle studies according to the Higher Education Ordinance of Sweden (Sw. "Högskoleförordningen") 1 1. Mål för doktorsexamen 1. Goals for doctoral exam Kunskap och förståelse visa brett

Läs mer

1 Jag själv lärde om detta av en kollega som, kanske, heter Joel Andersson

1 Jag själv lärde om detta av en kollega som, kanske, heter Joel Andersson 1 Kryptering 11 Vi sall 1 idag titta lite på ryptering, och mera specifit hur elliptisa urvor används i ryptering, såallad ECDSA Vi sall ocså se ett atuelt exempel på hur detta inte sall användas 12 Problemet

Läs mer

förutsättningar och mål

förutsättningar och mål ÖP 2002 Tanums ommun 2 Vissa grundläggande förutsättningar och mål Kapitel 2 Vissa grundläggande förutsättningar och mål Tanums ommun allmänna drag Tanums ommun har en omväxlande, ri natur- och ulturmiljö

Läs mer

Jesper Rydén. Matematiska institutionen, Uppsala universitet Tillämpad statistik för STS vt 2014

Jesper Rydén. Matematiska institutionen, Uppsala universitet Tillämpad statistik för STS vt 2014 Föreläsning 7. Jesper Rydén Matematiska institutionen, Uppsala universitet jesper@math.uu.se Tillämpad statistik för STS vt 2014 χ 2 -metoder Några varianter: Test av helt given fördelning [A & B, 8.2.1]

Läs mer

Extra övningssamling i undersökningsmetodik. till kursen Regressionsanalys och undersökningsmetodik, 15 hp

Extra övningssamling i undersökningsmetodik. till kursen Regressionsanalys och undersökningsmetodik, 15 hp Extra övningssamling i undersökningsmetodik HT10 till kursen Regressionsanalys och undersökningsmetodik, 15 hp Författad av Karin Dahmström 1. Utgå från en population bestående av 5 personer med följande

Läs mer

Teknisk Rapport En beskrivning av genomförande och metoder

Teknisk Rapport En beskrivning av genomförande och metoder Teknisk Rapport En beskrivning av genomförande och metoder Attityder till skolan Föräldrar 2012-09-10 Inledning Enheten för Utbildning och arbete vid Statistiska centralbyrån (SCB) genomförde under våren

Läs mer

Statistiska undersökningar - ett litet dokument

Statistiska undersökningar - ett litet dokument Statistiska undersökningar - ett litet dokument Olle the Greatest Donnergymnasiet, Sverige 28 december 2003 Innehåll 1 Olika moment 2 1.1 Förundersökning........................... 2 1.2 Datainsamling............................

Läs mer

Tentamen Tillämpad statistik A5 (15hp)

Tentamen Tillämpad statistik A5 (15hp) Uppsala universitet Statistiska institutionen A5 2013-01-14 Tentamen Tillämpad statistik A5 (15hp) 2013-01-14 UPPLYSNINGAR A. Tillåtna hjälpmedel: Miniräknare Formelsamlingar: A4/A8 Tabell- och formelsamling

Läs mer

Beräkning av överlevnad, höjd och härkomstlatitud för material från nya tallplantager

Beräkning av överlevnad, höjd och härkomstlatitud för material från nya tallplantager Nr 513 22 Beräning av överlevnad, höjd och häromstlatitud för material från nya tallplantager Bengt Andersson & Tore Ericsson Uppsala Science Par, SE 751 83 UPPSALA Tel: 18-18 85 Fax: 18-18 86 sogfors@sogfors.se

Läs mer

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012 Föreläsning 1 Repetition av sannolikhetsteori Patrik Zetterberg 6 december 2012 1 / 28 Viktiga statistiska begrepp För att kunna förstå mer avancerade koncept under kursens gång är det viktigt att vi förstår

Läs mer