Variansestimering for sesongjusterte tall med X-12-ARIMA
|
|
- Kristian Ervik
- 6 år siden
- Visninger:
Transkript
1 Noaer Documens 2017/44 Dinh Quang Pham Variansesimering for sesongjusere all med X-12-ARIMA
2
3 Noaer 2017/44 Dinh Quang Pham Variansesimering for sesongjusere all med X-12-ARIMA Saisisk senralbyrå Saisics Norway Oslo Kongsvinger
4 I serien Noaer publiseres dokumenasjon, meodebeskrivelser, modellbeskrivelser og sandarder. Saisisk senralbyrå Ved bruk av maeriale fra denne publikasjonen skal Saisisk senralbyrå oppgis som kilde. Publiser 14. desember 2017 ISBN (elekronisk) Sandardegn i abeller Symbol Tall kan ikke forekomme. Oppgave mangler.. Oppgave mangler foreløpig Tall kan ikke offenliggjøres : Null - Mindre enn 0,5 av den bruke enheen 0 Mindre enn 0,05 av den bruke enheen 0,0 Foreløpig all * Brudd i den loddree serien Brudd i den vannree serien Desimalegn,
5 Forord Hensiken med dee noae er å presenere variansesimering av sesongjusere all fra X-12- ARIMA. For en modellbaser sesongjusering er de ekplisie formler for varianser. Men for X-12- ARIMA blir variansene esimer fra en lineær ilnærming av esimaorene. Bakgrunnen for noae er a vi kan få beskreve kvalie for sesongjusere all med usikkeheer. Jeg vil akke Øyvind Langsrud, Magnar Lillegård, Ane Seiersad, Terje Skjerpen og Andres Holmberg for gode kommenarer. Jeg akker også Jørn Ivar Hamre som har gi meg illaelsen for il å bruke AKU-all i eksempler. Saisisk senralbyrå, 2. november 2017 Jørn Leonardsen 3
6 Sammendrag X-12-ARIMA har vær bruk i Saisisk senralbyrå i mange år som e verkøy for sesongjusering. De er en ikke paramerisk meode, der rend- og sesongkomponen blir esimer ved glidende gjennomsniseknikk, ikke modeller. Vi får dermed esimere verdier for rend-, sesongkomponen og sesongjusere all uen usikkerheer. Pfeffermann har lage en meode for å anslå disse usikkerheene. Vi anvender denne meoden for å beregne usikkerheer av rend og sesongjusere all for prosen arbeidsledige oal. Vi beregner også usikkerheene for 3-måneders glidende gjennomsni og 3-månedersendring av sesongjusere all. Variansesimeringen ar hensyn il korrelasjonen il uvalgsfeil som kommer fra en roerende panelundersøkelse. 4
7 Innhold 1 Innledning 6 2 Beskrivelse av meoden En lineær ilnærming (LT) med X-11-meoden Beregning av variansen il sesongjusere all for en addiiv dekomponering Beregning av variansen il sesongjusere all for en muliplikaiv dekomponering Eksempler Beregning av Var (i) (Â), for i = 1, Addiiv dekomponering med X-11 meoden Addiiv dekomponering med X-12-ARIMA Muliplikaiv dekomponering med X-12-ARIMA Trend og usikkerheer Variansen il re måneders glidende gjennomsni av sesongjusere all med muliplikaiv modell og X-12-ARIMA Variansen il 3-månedersendringen av A (3m), Var(A (3m) A (3m) 3 ) Variansen il 12-månedersendringen av A (3m), Var(A (3m) A (3m) 12 ) Oppsummering 17 5
8 1 Innledning Vi sesongjuserer idsserier i SSB (Saisisk senralbyrå) med X-11-ARIMA, X-12-ARIMA og X- 13ARIMA-SEATS. Disse programmene er baser på den empiriske ikke-parameriske X-11-meoden (Shiskin, Young and Musgrave 1967). Meoden er baser på en glidende gjennomsniseknikk, ikke modeller. Dermed ve vi ikke hvordan man skal beregne varianser il de esimere komponenene. Pfeffermann (1994) har lage en meode for å beregne variansen il sesongjusere all, som kan også brukes for rend og sesongkomponen. Hovedrekkene ved meoden er: Den ar hensyn il både uvalgsfeil og variasjoner av komponener ved sesongjusering. La y, = 1,...,N være den observere idsserien. y kan være en esimer verdi av Y i populasjonen fra en uvalgsundersøkelse. Ana a Y kan spales opp i rend T, sesongkomponen S og irregulærkomponen I. Vi kan skrive slik: der ǫ er uvalgsfeil. y = Y +ǫ og Y = T +S +I (1) Den krever a esimaoren il renden og sesongkomponenen er ilnærme forvenningsre E(ˆT T ) 0 og E(Ŝ S ) 0 (2) og a uvalgsfeil og irregulærkomponen er sasjonære prosesser. Den krever ikke sokasiske modeller av rend og sesongkomponen, Meoden ar hensyn il korrelasjonen i uvalgsfeil som kommer fra en roerende panelundersøkelse. Den krever ingen esimeringer for kovarianser av ujusere all fra uvalge. Meoden er veldig enkel, og beregningen krever ikke mye id. Pfeffermanns meode er opprinnelig beskreve for en addiiv dekomponering. Meoden er senere bli uvide for X-11-ARIMA (Dagum, 1980) og for muliplikaiv dekomponering (der Y = T S I ). La A være sesongjusere all i måned. I dee noae vil vi presenere meoden il Pfeffermann for å beregne variansen il Â. Vi anvender også meoden for å beregne variansen il: endring over en måned i sesongjusere all, Â Â 1, A (3m) som er re måneders glidende gjennomsni, A (3m) endring over re måneder og olv måneder av A (3m) henholdsvis. Meoden og eksempler blir beskreve i de nese avsniene. 2 Beskrivelse av meoden Vi skriver likning (1) mer dealjer her, dvs (A (3m) = (Â 1 +Â +Â+1)/3, A (3m) 3 ) og (A(3m) A (3m) 12 ) y = Y +ǫ, E D (ǫ ) = 0, og E D (ǫ ǫ k ) = λ k, k = 0,1,... (3) der D sår for sampling design. Merk a uvalgsfeil kan være korreler med hverandre når undersøkelsene er delvis overlappende, slik som i roerende panel hvor primær- og endelige uvalgsenheer beholdes i uvalge over flere idsperioder. Vi beskriver Y slik: Y = T +S +I, der E ξ (I ) = 0, og E ξ (I I k ) = v k, for k = 0,1,... (4) Vi anar også a I og ǫ er ukorreler med hverandre, dvs. E(I ǫ k ) = 0, for alle k. 6
9 Vi får fra likningene (3) og (4) y = T +S +I +ǫ = T +S +e, (5) der E c (e ) = 0, E c (e e k ) = V k = λ k +v k, k = 0,1,..., og fordelingen c er sammensa av de o fordelingene D og ξ. Sørrelsen e er å berake som irregulærkomponenen il y. 2.1 En lineær ilnærming (LT) med X-11-meoden Trend- og sesongkomponen blir esimer i re rinn med mange forskjellige filre. Førse rinn med de senrere 12-måneders glidende gjennomsnie for rend og (3 3)-sesongfiler for sesongkomponenen. Andre rinn med 9-, 13 eller 23-ledd Hendersons filer og (3 5)-sesongfiler. Tredje rinn også med Hendersons filer. Disse filrene kan slås sammen il e se av filre (under anagelsen a de ikke er ufør korrigering for eksremverdier og idsserien er lang nok slik a de ikke er nødvendig å legge il ilbakeskrivinger og framskrivinger (Ghysels, Osborn, 2001). Dermed kan vi beregne rend, sesongjusere all, sesongkomponen og irregulærkomponen slik: S = ω S (B)Y = k A = ω A (B)Y = k T = ω T (B)Y = k I = ω I (B)Y = k wk S Y k wk A Y k wky T k wk I Y k (6a) (6b) (6c) (6d) Den eksplisie formelen for ω S (B) (Bell og Monsell, 1992) er gi ved ( ( ω S (B) = [(1 µ(b)]λ 2 (B) 1 H(B) 1 [1 µ(b)]λ 1 (B)[1 µ(b)]) ) (7) La U(B) = 1+B +...+B 11 og F = B 1. Filrene i likning (7) er µ(b) = 2 12 glidende gjennomsni for å esimere rend = (1/24)(F 6 +F 5 )U(B) λ 1 (B) = glidende gjennomsni med 3 3-filere for sesongkomponen = (1/9)(F B 12 )(F B 12 ) λ 2 (B) = glidende gjennomsni med 3 5-filere for sesongkomponen = (1/15)(F B 12 )(F 24 +F B 12 +B 24 ) H(B) = Hendersons filer for rend med 9-, 13- eller 23-ledd ω A (B), ω T (B) og ω I (B) er beregne fra ω S (B) ved de følgende likningene ω A (B) = 1 ω S (B) ω T (B) = H(B)ω A (B) ω I (B) = [1 H(B)]ω A (B) (8a) (8b) (8c) Merk a ω S (B), ω A (B), ω T (B) og ω I (B) er (N N)-mariser, der N er lengden av idsserien. De er enkel å beregne w k av ω(b) i likning (6). BLS (Bureau of Labor Saisics) har lage e program for å beregne wk S, wa k, wt k og wi k. Ved å ana a de ikke er noen korrigering for kalendereffeker og eksremverdier, er rend, sesongkomponen, sesongjusere all fra X-11 og den lineære ilnærming meoden (ved likningene (6a)-(6d)) ganske like. 7
10 I avsniene nedenfor presenerer vi meoden for å beregne variansene il sesongjusere all når vi sesongjuserer idsserien med en addiiv eller muliplikaiv dekomponering og ved X-11 eller X-12-ARIMA. 2.2 Beregning av variansen il sesongjusere all for en addiiv dekomponering La  være en esimaor for sesongjusere all A. Vi skriver  = y Ŝ, der Ŝ er en esimaor for sesongkomponenen S. Pfeffermann skiller mellom o ilfeller av variansesimering: Tilfelle 1.  blir bruk il å esimere sesongjusere all A i populasjonen. Feilen blir D 1 = ˆN (Y S ) = ǫ (Ŝ S ). Var (1) ( ˆN ) = Var(D 1 ) = Var((Ŝ S ) ǫ ) (9) hvis ǫ = 0 (de er ingen uvalgsfeil) blir Var (1) ( ˆN ) = Var(Ŝ S ), som er variansen il sesongkomponenen. Tilfelle 2.  blir bruk il å esimere rend som vi ser i redje rinn i X-11 defaul calculaions. Feilen blir D 2 = ˆN T = e (Ŝ S ). Variansen blir Var (2) ( ˆN ) = Var(D 2 ) = Var((Ŝ S ) e ) (10) Merk a E c (D i ) 0, for i = 1,2, der fordelingen c er sammensa av de o fordelingene D og ξ. Lemma. Var (i) (Â) Var c (D i ), i = 1,2 Bevis. Var (i) (Â) kan skrives slik: Var (i) (Â) = E T,S (Var c (D i )) + Var T,S (E c (D i )), der E T,S og Var T,S er forvenning og varians over alle mulige realisasjoner av render og sesongkomponener. Likningen (2) gir E c (D i ) 0 og Var c er bare avhengig av fordelingene D il uvalgsfeil og ξ il irregulærkomponen. Vi skriver Ŝ slik (se likning (6a)) Ŝ = k w S ky +k = k w S k(t +k +S +k )+ k w S ke +k (11) Da er Var(Ŝ S ) = Var c ( k w S ke +k ) (12) Likningene (9) og (12) gir Var (1) (Â) = Var((Ŝ S ) ǫ ( ) = Var c wk S e +k +λ 0 (1 2w0 S ) 2 wk S λ k (13) k k, k 0 der λ k = E D (ǫ ǫ k ) (se likningen (3)). Vi ser a Var (1) (Â) er avhengig av variansen λ 0 og auokovariansene λ k av uvalgsfeilen. Men i praksis er wk S veldig små for 0 < k < 11. Dermed kan man se bor de sise ledde fra likningen. Fra likningene (10) og (12) får vi Var (2) (Â) = Var(e (Ŝ S )) = Var c ( k w A k e +k ) (14) En alernaiv måe å beskrive Var (1) (Â) på, er Var (1) (Â) = Var (2) (Â)+v 0 (1 2w0 A ) 2 v k wk A (15) k, k 0 8
11 der v k = E ξ (I I k ). Merk a veken w A 0 er sørre enn 0.5. Når v k = 0 for k 0, blir Var (1) (Â) < Var (2) (Â). Dee gjelder også for v 1 v De ser inuiiv rikig u, siden D 2 = D 1 +I. Pfeffermann viser a sørrelsene V k = E(e e k ) kan beregnes fra residualene R = y ˆT Ŝ, eer å ha fjerne de 24 førse og 24 sise observasjonene av R. 2.3 Beregning av variansen il sesongjusere all for en muliplikaiv dekomponering Vi spaler opp Y slik a Y = T S I. Vi skriver y = Y e. Sesongjusere all blir A = Y /S. Ved å a logarimen får vi log(y ) = log(t )+log(s )+log(e ). Dee kalles en log-addiiv dekomponering. Modellen blir bruk for nesen alle idsserier i SSB. La ỹ = log(y ), = log(t ), s = log(s ), a = log(a ) og ẽ = log(e ). Vi får ỹ = + s + ẽ, en addiiv modell for ỹ. Vi beregner variansen il sesongjusere all a på samme måe som beskreve i avsni 2.2. Variansen il sesongjusere all, A, beregnes ved følgende likning (Pfeffermann e al., 1995) 3 Eksempler Var(Â) = ( ) 2 ( ) exp(ˆ ) exp(2 Var(â )) exp(var(â )) Tidsserien i eksemple er arbeidsledige oal i prosen i Norge f.o.m. januar 2006.o.m. desember I al er de 132 observasjoner. Tallene er esimer fra arbeidskrafundersøkelsen (AKU). I dee avsnie skal vi anvende Pfeffermanns meode for å beregne variansene for 1. sesongjusere Â, 2. senrer remåneders glidende gjennomsnie av sesongjusere all, A (3m) = ( 1 +  +  +1 )/3, 3. endring av sesongjusere all fra idspunk ( 1) il, dvs   1, (16) 4. endring av A (3m) henholdsvis. over re måneder og olv måneder, dvs (A (3m) A (3m) 3 ) og (A(3m) A (3m) 12 ), 3.1 Beregning av Var (i) (Â), for i = 1,2 Beregningen blir beskreve for både addiiv og muliplikaiv dekomponering og for X-11 og X-12- ARIMA Addiiv dekomponering med X-11 meoden Nå er y = T + S + e. Trenden blir esimer med 13-ledd Hendersons filer og sesongkomponenen med 3 5-filer. Disse filrene blir bruk il å beregne vekene ˆω (T) (B), ˆω (S) (B), ˆω A (B) og ˆω (I) (B). Trend, sesongjusere all, sesong- og irregulærkomponenen esimer ved den lineære ilnærmingsmeoden, blir ˆT = ˆω (T) (B)y,  = ˆω (A) (B)y, Ŝ = ˆω (S) (B)y og Î = ˆω (I) (B)y. De blir ploe med de samme sørrelsene fra X-11 i figurene 1-4. Vi ser a kurvene semmer god overens med hverandre. I ilfelle vi må uføre korrigering for kalendereffeker og eksremverdier for sesongjusering, kan dee medføre a de er sore avvik mellom kurvene. I beregningen av Var (1) (Â), har vi ersae ˆλ 0, som er variansen il uvalgfeil ǫ, med ˆV 0 = Var(e ), som er irregulærkomponenen av y, siden vi ikke har verdier av ˆǫ for hver måned, men for hver kvaral. Vi får dermed en li sørre varians for Var (1) (Â) i likningen (13), siden V 0 = λ 0 +v 0. Sandardfeilene sd (1) (Â) = Var (1) (Â) og sd (2) (Â) = Var (2) (Â) blir beregne. Vi ploer disse o sandardfeilene i figur 5. Vi ser a sd (1) (Â) er li lavere enn sd (2) (Â). Dee ser rimelig u siden D 2 = D 1 +I. 9
12 5.0 X 12 ARIMA ilnærme lineær filer Figur 1: Addiiv dekomponering. X-11 meoden. Trend ved o meoder X 12 ARIMA ilnærme lineær filer Figur 2: Addiiv dekomponering. X-11 meoden. Sesongkomponen mønsrene av sd (1) (Â) og sd (2) (Â) er ypiske for sandardfeil il sesongjusere all med Pfeffermannsmeoden. De er mye høyere i saren og sluen av idserien enn i miden. De er en dupp på grafen i de førse og sise årene. De ser unaurlig u. Dee skyldes vekene som blir bruk i esimeringen for rend og sesongkomponen. 5.0 X 12 ARIMA ilnærme lineær filer Figur 3: Addiiv dekomponering med X-11. Sesongjusere all De blir 4,50% arbeidsledige i desember 2016 med en sandardfeil på 0,29 (sd (1) (Â) = og sd (2) (Â) = ). Talle er li sørre enn sandardfeilen for uvalgsfeil 0.19 for sise kvaral
13 Merk a de bare er sandardfeil il uvalgsfeil for kvaraler som lises u i saisikkbanken X 12 ARIMA ilnærme lineær filer Figur 4: Addiiv dekomponering med X-11. Irregulærkomponen 0.29 sd (1) (A^ ) sd (2) (A^ ) Figur 5: Addiiv dekomponering med X-11. Sandardfeiler ved o ilfeller Addiiv dekomponering med X-12-ARIMA Modellen er y = T + S + I. Sesongjuseringen blir ufør med X-12-ARIMA. Tidsserien blir forlenge i begge ender med ilbakeskrivinger og framskrivinger ved hjelp av en ARIMA-modell (Box og Jenkins, 1970). Formåle er a hele idsserien kan glaes med symmeriske veker, mens ilbakeskrivinger og framskrivinger glaes med asymmeriske veker. Dermed blir revisjoner av rend og sesongjusere all i sluen av idsserien reduser. Dee er formåle med X-11-ARIMA (Dagum 1975, 1980). ARIMA(0, 1, 1)(0, 1, 1) blir valg for å forlenge daa. Framskrivingene og 95% konfidensinervallene for olv måneder, januar-desember 2017, blir lise u i abell 1. Vi presenerer nedenfor noen eksra beregninger for vekene i de førse og sise observasjonene når idsserien blir forlenge med ilbake- og framskrivinger. Eksrapolering og glaing av filre il X-11-ARIMA. Filere F som vi bruker for observasjonene i sluen av idsserien, er konvolusjon av o filre: f 1 for eksrapolering med ARIMA-modell, og f 2 ensidig filer for glaing i X-11 meoden. Vi skriver F = f 1 f 2. Eksrapoleringsfiler f 1. Filere blir bruk for framskrivingene ŷ (1),...,ŷ (τ), der ŷ (τ) = E(y +τ y,y 1,...) er beinge forvenning av y gi daa. Vi kan beskrive ŷ (τ) som en lineær funksjon av idligere og nåværende observasjoner med veker (Box og Jenkins, 1970, side 142), 11
14 Tabell 1: Framskrivinger for 2017 måned nedre 95% es. verdi øvre 95% januar 4,24 4,86 5,48 februar 4,16 4,84 5,51 mars 4,07 4,80 5,53 april 4,03 4,80 5,58 mai 4,01 4,83 5,65 juni 4,13 5,00 5,86 juli 3,86 4,77 5,68 augus 3,87 4,82 5,77 sepember 3,89 4,88 5,86 okober 3,71 4,73 5,75 november 3,40 4,46 5,52 desember 3,31 4,40 5,49 der La f 1 være ŷ (τ) = π (τ) j=1 π (τ) j y j+1 = j=1 π (τ) j B j y +1, (17) τ 1 j = π j+τ 1 + π h π (τ h) j, j = 1,2,... (18) f 1 = h=1 j=1 π (τ) j B j (19) f 1 er filere for eksrapolering av idsserien med framskrivinger. π j olkes som memory av idligere observasjoner som finnes i ŷ (τ). Vi får fra likning (17), ŷ (1) = π 1 y +π 2 y 1 +π 3 y ŷ (2) = π 1 ŷ (1)+π 2 y +π 3 y Siden y j kan gå lang ilbake il uendelige idspunker, og summen av uendelig π j er lik 1, kan y j ignoreres eer e anall idspunker. En generell likning for en ARIMA-modell er φ p (B)Φ P (B s ) d D Sy = θ q (B)Θ Q (B s )a (20) der s er sesongperioden, a er hvi søy prosess med forvenning 0 og varians σ 2 a, φ(b), Φ(BS ), θ(b), Θ(B s ) er polynomer med ordene p, P s, q og Q s, henholdsvis. = 1 B og s = 1 B s, d og D er anall ganger differansen skal as for y slik a d D S y er en sasjonær prosess. ARIMA(0, 1, 1)(0, 1, 1) med s = 12, er med eksklusiv form (1 B)(1 B 12 )y = (1 θb)(1 ΘB 12 )a y = y 1 +y 12 y 13 +a θa 1 Θa 12 +θθa 13 Vi ser a verdien i idspunk er avhengig av forrige verdi ( 1) og verdiene i åre før ( 12) og ( 13). π j -ene beregnes ved å idenfisere koeffisienene il B, B 2,... på begge sider av likningen nedenfor θ q (B)Θ Q (B s )(1 π 1 B π 2 B 2...) = φ p (B)Φ P (B s ) d D S (21) 12
15 Dereer beregner vi π (τ) j ved likning (18). Merk a π (1) j = π j. Glaing med F-filer for X-11-ARIMA. Filere F brukes for den nye idsserien (som er den opprinnelige idsserien med ilbake- og framskrivinger). Vi får Fy = f 2 y +τ = 0 w j l y +j + j=n l w τ l ŷ (τ) (22) der ŷ (τ) beskrives i likning (17), l er anall idspunk som man har forlenge idsserien med. Likning (22) blir Fy = = j=0 j=0 τ=1 N l w j l y j + y j w τ l π (τ) j+1 (w j l + j=0 l τ=1 τ=1 w τ l π (τ) j+1 )y j = W (B)y (23) der w j l = 0 for all j > N (Dagum 1983, side 77), der N er anall observere verdier. Vekene π j knye il framskrivinger og observasjoner i de sise idspunkene er høye. π j -ene for observasjoner som er lang fra de sise idspunke går rask mo null. Merk a F endrer seg over id. Vi forlenger den opprinnelige idsseriens N observasjoner med l framskrivinger. Den nye idsserien har N 1 = N + l elemener. Sesongkomponenen il den nye idsserien beregne ved den lineære ilnærmingsmeoden, blir S N1 1 = W N1 N 1 y N 1 1, (24) Vi beregner W N1 N 1 på samme måe som ω(b) i likningene (9), (8)a-(8)c. og ŷ l 1 er beregne ved der Π er marisen il π (τ) j der y N 1 1 = ( yn 1 ŷ l 1 ), (25) ŷ l 1 = Π l N y N 1, (26) i likning (18). Likningene (24) og (25) gir S N1 1 = W N 1 Ny N 1, (27) ( ) WN = W IN N 1 N N 1 N 1 Π l N N 1 N der I er en ideniesmarise (N N). Hver linje av W er sesongfiler med lengden N 1. Vi ser a W N1 N 1 eller W N 1 N er veker for å beregne sesongkomponenen når vi bruker y N 1 1 eller y N 1 som daainpu. Vi beregner usikkerheen il sesongjusere all med Var (2) (Â) siden: (a) i praksis blir forskjellen mellom Var (1) (Â) og Var (2) (Â) ikke sor, (b) Var (1) (Â) < Var (2) (Â) og (c) de er mye enklere å beregne Var (2) (Â) enn Var (1) (Â). I figur 6 ploer vi sandardfeilene for sesongjusere all med X-11 og X-12-ARIMA. Vi ser a sd (2) (Â) med X-12-ARIMA blir reduser krafig i endene av idsserien i forhold il X-11. For de andre idspunkene er de omren de samme Muliplikaiv dekomponering med X-12-ARIMA Vi bruker denne modellen for nesen alle idsserier i SSB, dvs. vi sesongjuserer med en addiiv modell log(y ) = l + s + i, der l er rend og s og i er sesong- og irregulærkomponen på logarimisk skala. ARIMA(0, 1, 1)(0, 1, 1) blir valg. Vi får ˆθ = 0,6445 med sandardfeil 0,0662 og (28) 13
16 0.29 sd (2) (A^ ) med X 11 sd (2) (A^ ) med X 12 ARIMA Figur 6: Addiiv dekomponering. Sandardfeil med X-11 og X-12-ARIMA ˆΘ = 0,8339 med sandardfeil 0,0638. Disse o esimere verdiene blir bruk for å beregne π j og π (τ) j med likningene (21) og (18). Dereer blir vekene for sesongkomponenen W N1 N 1 og W N 1 N i likningene (24) og (28) beregne. Eer å ha esimer Var(â ), kan vi beregne variansen il sesongjusere all på opprinnelig skala ved likning (16). Figur 7 viser sandardfeilen il sesongjusere all. Vi får e lignende mønser for rend. Økningen i renden i de sise årene medfører sørre usikkerheer i disse idspunkene. Sesongjusere all og 95%-konfidensinervalle er ploe i figur 8. Vi får sesongjusere all i desember 2016, Â des.16 = 4,56, med sandardfeil 0, sandardfeil mønsere av rend Figur 7: Muliplikaiv dekomponering. Sandardfeil il sesongjusere all med X-12-ARIMA Figur 8: Sesongjusere all og 95% konfidensinervall 14
17 3.2 Trend og usikkerheer Meoden il Pfeffermann fungerer også bra for rend. Figur 9 viser rend og 95%-konfidensinervall. Vi får ˆT des.16 = 4.68 med sandardfeilen 0.23 sammenlikne med 0.36 for sesongjusere all Figur 9: Trend og 95% konfidensinervall 3.3 Variansen il re måneders glidende gjennomsni av sesongjusere all med muliplikaiv modell og X-12-ARIMA La A (3m) = ( 1 + +Â+1)/3, som er re måneders glidende gjennomsnie av sesongjusere all. Vi skriver A (3m) på mariseform for a beregningen av variansen il A (3m) skal bli enklere, A (3m) = Φ = j φ j  j, der =,...,N. (29) der Φ er en marise som er gi i likning (30), Siden A (3m) 1 og A (3m) N ikke er definer blir den førse og sise linjen av Φ uoppgi (beegne med symbole. i marisen). Den andre linjen er vekene il A (3m) 2, osv. Da er hvor Φ er ransponer av Φ N /3 1/3 1/ /3 1/3 1/ Φ = 0 0 1/3 1/3 1/ /3 1/3 1/3 N (30) Var(A (3m) ) = ΦVar(Â)Φ (31) Sesongjusere all for okober, november og desember 2016 er Âok.16 = 4.67,  nov.16 = 4.81 og  des.16 = 4.56 med sandardfeilene 0.35, 0.35 og 0.36, henholdsvis. Vi får A (3m) nov.16 = 4.68 med sandardfeilen Ved å glae sesongjusere all med 3 måneders glidende gjennomsni får vi en glaere idsserie og lavere usikkerheer. Figur 10 viser sandardfeilene il sesongjusere all og sesongjusere all med re måneders glidende gjennomsnie, henholdsvis, sd(â) og sd(a (3m) ). Vi ser a sd(a (3m) ) er lavere enn sd(â) i alle idspunker. Figur 11 viser 95%-konfidensinervalle il A (3m). 15
18 0.35 ^ (3m) sd(a ) sd(a ) Figur 10: Sandardfeilen il sesongjusere all og sesongjusere all med 3 måneders glidende gjennomsni Figur 11: Sesongjusere all med 3 måneders glidende gjennomsni og 95%-konfidensinervall 3.4 Variansen il 3-månedersendringen av A (3m), Var(A (3m) A (3m) 3 ) La 3 A (3m) = A (3m) Vi får fra likningene (29) og (32), A (3m) 3. Vi skriver A(3m) 3 slik 3 A (3m) = A (3m) A (3m) 3 = ΘA(3m) (32) A (3m) 3 = (I Θ)A(3m) = (I Θ)ΦÂ (33) Variansen blir Marisen Θ er gi ved ( ) ( Var( 3 A (3m) ) = (I Θ)Φ Var(Â) (I Θ)Φ) (34) 1 2 N Θ = N (35) 16
19 3.5 Variansen il 12-månedersendringen av A (3m), Var(A (3m) A (3m) 12 ) La 12 A (3m) = A (3m) A (3m) 12. Vi skriver A(3m) 12 slik A (3m) 12 = ΓA (3m) (36) der Vi får fra likningene (29) og (36), Γ = N (37) 12 A (3m) = A (3m) A (3m) 12 = (I Γ)A (3m) = (I Γ)ΦÂ (38) Variansen blir ( ) ( Var( 12 A (3m) ) = (I Γ)Φ Var(Â) (I Γ)Φ) (39) De er enkel å beregne Var( 3 A (3m) ) og Var( 12 A (3m) ). Sandardfeilene il disse o sørrelsene er ploe i figur 12. Deres verdier ligger ikke lang fra hverandre sd( 3 A (3m) ) sd( 12 A (3m) ) Figur 12: Sandardfeilene sd( 3 A (3m) ) og sd( 12 A (3m) ) I figur 13 ploer vi sandardfeilene il uvalgsfeil fra AKU for arbeidsledige fra førse kvaral 2006 il sise kvaral 2016 sammen med sandardfeilene il sesongjusere all av ledige fra januar 2006 il desember Vi ser a de o kurvene ligger nær hverandre. 4 Oppsummering Bell og Kramer (1999) har lage en annen meode for variansesimering il sesongjusere all. Den er modellbaser (MB). Sco og Svechkov (2010) har sammenlikne MB-meoden og meoden fra Pfeffermann, og har følgende kommenarer: begge meoder gir rimelige varianser il sesongjusere all, en fordel med MB-meoden er a den fanger opp mer usikkerhe i sluen av idsserien, som er de vikigse idspunke. 17
20 0.20 uvalgfeil jusere all Figur 13: Sandardfeilene il uvalgfeil og sesongjusere all de er en dupp på grafen i de førse og sise idspunkene. De ser unaurlig u. Dee er knye il egenskaper av filre i sesongjusering med X-11. Duppen synes ydelig når uvalgsfeilen er dominerende. Den modellbasere (MB)-meoden vil sannsynligvis gi ilfredssillende variasjoner, inkluder å ha endeverdier som er sørre enn senrale verdier. beregningene med meoden fra Pfeffermann er mye enklere enn den modellbasere meoden som er uvikle av Bell og Kramer. 18
21 Tabell 2: Framskrivinger for 2017 (se forklaringer for variablene under abellen) år mn ujus jus sd(j) j3m sd(j3m) ej3m sd(ej3m) ej12m sd(ej12m) ,90 3,73 0,29 NA NA NA NA NA NA ,14 3,87 0,29 3,78 0,16 NA NA NA NA ,71 3,74 0,28 3,81 0,16 NA NA NA NA ,90 3,82 0,27 3,78 0,16 NA NA NA NA ,89 3,76 0,26 3,75 0,15-0,03 0,22 NA NA ,22 3,66 0,26 3,60 0,15-0,22 0,22 NA NA ,15 3,36 0,25 3,48 0,14-0,30 0,21 NA NA ,60 3,42 0,25 3,41 0,14-0,34 0,21 NA NA ,35 3,46 0,25 3,14 0,13-0,46 0,20 NA NA ,53 2,53 0,19 2,96 0,12-0,52 0,19 NA NA ,59 2,88 0,19 2,71 0,11-0,70 0,18 NA NA ,27 2,73 0,19 2,74 0,11-0,39 0,17 NA NA ,90 4,60 0,33 4,72 0,19 0,11 0,28 0,83 0, ,90 4,63 0,33 4,63 0,19 0,05 0,28 0,55 0, ,84 4,66 0,33 4,66 0,19 0,16 0,28 0,50 0, ,74 4,70 0,33 4,68 0,19-0,04 0,27 0,39 0, ,63 4,68 0,34 4,78 0,20 0,15 0,27 0,43 0, ,07 4,95 0,34 4,85 0,20 0,19 0,28 0,37 0, ,00 4,92 0,35 4,99 0,20 0,31 0,28 0,66 0, ,07 5,08 0,35 4,89 0,20 0,12 0,28 0,36 0, ,71 4,67 0,35 4,81 0,20-0,04 0,28 0,18 0, ,57 4,67 0,35 4,72 0,20-0,27 0,29 0,11 0, ,46 4,81 0,35 4,68 0,20-0,21 0,29 0,10 0, ,05 4,56 0,36 NA NA NA NA NA NA Forklaringer år mn ujus jus sd(jus) j3m sd(j3m) ej3m sd(ej3m) ej12m sd(ej12m) : årsall : månedsall : ujusere all y : sesongjusere all A : sandardfeilen il sesongjusere all sd(â) : 3 måneders glidende gjennomsni av sesongjusere all A (3m) : sandardfeilen sd(a (3m) ) : endringen A (3m) A (3m) 3 : sandardfeilen il ej3m, dvs sd(a (3m) : endringen A (3m) A (3m) 12 : sandardfeilen il ej12m, dvs sd(a (3m) A (3m) 3 ) A (3m) 12 ) 19
22 Referanser [1] Bell W. R. and Monsell Brian C. (1992): X-11 Symmeric Linear Filers and heir Transfer Funcions, Bureau of The Census Saisical Research Division Research Repor Series No. RR- 92/15 [2] Bell W. R. and Mahew Kramer (1999): Toward variances for X-11 seasonal adjusmens, Survey Mehodology, June 1999, Vol. 25., No. 1, pp [3] Bell, William R. (2004): On RegComponen Time Series Models and Their Applicaions, in Sae Space and Unobserved Componen Models: Theory and Applicaions, eds. Andrew C. Harvey, Siem Jan Koopman, and Neil Shephard, Cambridge, UK: Cambridge Universiy Press, forhcoming. [4] Burridge Peer and Wallis Kenneh F. (1984): Unobserved-Componens Models for Seasonal Adjusmen Filers, Journal of Business and Economic Saisics, Vol. 2, No. 4(Oc., 1984), pp [5] Burridge Peer and Wallis Kenneh F. (1985): Calculaing he Variance of Seasonal Adjusmen Series, Journal of he American Saisical Associaion, Vol. 80, No. 391 (Sep., 1985), pp [6] Bureau of he Census: X-12 ARIMA Reference Manual, Version , July 26, [7] Dagum Esela Bee (1983): Specral Properies of he Concurren and Forecasing Seasonal Linear Filers of he X-11 ARIMA Mehod, The Canadian Journal of Saisics, Vol. 11, No. 1 (Mar., 1983), pp [8] Durbin, J. og Koopman, S. J. (2000): Time series snalysis of non-gaussian observaions based on sae space models from boh classical and Bayesian perspecives, J. R. Sais. Soc. B 62, Par 1, pp [9] Findley, D. F. Monsell, B. C., Bell, W. R., Oo, M. C. og Chen B. C. (1998): New Capabiliies and Mehods of he X-12-ARIMA Seasonal Adjusmen Program. Journal of Business and Economic Saisics, 16, [10] Harvey A. C. (1989); Forecasing, Srucural Time Series Models and he Kalman Filer, Cambridge, U. K.: Cambridge Universiy Press. [11] Pfeffermann D. and Morry M and Wong P. (1995): Esimaion of he variances of X-11 ARIMA seasonally adjused esimaors for a muliplicaive decomposiion and heeroscedasic variances, Inernaional Journal of Forecasing 11 (1995) [12] Pfeffermann (1994): A General Mehod for Esimaing he Variances of X-11 Seasonal Adjused Esimaors, Journal of Time Series Analysis, Vol. 15, No. 1, pp [13] Sco Suar and Sverchkov Michail (2010): Characerisics of a Model-based Variance Measure for X-11 Seasonal Adjusmen, Business and Economic Saisics Secion-JSM
23 Tabeller 1 Framskrivinger for Framskrivinger for 2017 (se forklaringer for variablene under abellen)
24 Figurer 1 Addiiv dekomponering. X-11 meoden. Trend ved o meoder Addiiv dekomponering. X-11 meoden. Sesongkomponen Addiiv dekomponering med X-11. Sesongjusere all Addiiv dekomponering med X-11. Irregulærkomponen Addiiv dekomponering med X-11. Sandardfeiler ved o ilfeller Addiiv dekomponering. Sandardfeil med X-11 og X-12-ARIMA Muliplikaiv dekomponering. Sandardfeil il sesongjusere all med X-12-ARIMA Sesongjusere all og 95% konfidensinervall Trend og 95% konfidensinervall Sandardfeilen il sesongjusere all og sesongjusere all med 3 måneders glidende gjennomsni Sesongjusere all med 3 måneders glidende gjennomsni og 95%-konfidensinervall Sandardfeilene sd( 3 A (3m) ) og sd( 12 A (3m) ) Sandardfeilene il uvalgfeil og sesongjusere all
25
26 Saisisk senralbyrå Posadresse: Posboks 8131 Dep NO-0033 Oslo Besøksadresse: Akersveien 26, Oslo Oerveien 23, Kongsvinger E-pos: Inerne: Telefon: ISBN (elekronisk) Design: Siri Boquis
Dokumentasjon av en ny relasjon for rammelånsrenten i KVARTS og MODAG
Noaer Documens 65/2012 Håvard Hungnes Dokumenasjon av en ny relasjon for rammelånsrenen i KVARTS og MODAG Noaer 65/2012 Håvard Hungnes Dokumenasjon av en ny relasjon for rammelånsrenen i KVARTS og MODAG
Detaljerog ledelse av forsyningskjeder Kapittel 4 Del A - Prognoser SCM200 Innføring i Supply Chain Management
Logisikk og ledelse av forsyningskjeder Kapiel 4 Del A - Prognoser M200 Innføring i Suin Man Rasmus Rasmussen PREDIKSJON En prediksjon (forecas forecas) er en prognose over hva som vil skje i framiden.
Detaljer2004/30 Notater Dinh Quang Pham. Notater. Sesongjustering av prisindeks for kontor- og forretningseiendommer. Seksjon for Metoder og standarder
2004/30 Noaer 2004 Dinh Quang Pham Noaer Sesongjusering av prisindeks for konor- og forreningseiendommer Seksjon for Meoder og sandarder Innhold 1 Innledning 1 2 Meode 1. Ved direke sesongjusering med
DetaljerEksamen i STK4060/STK9060 Tidsrekker, våren 2006
Eksamen i STK4060/STK9060 Tidsrekker, våren 2006 Besvarelsen av oppgavene nedenfor vil ugjøre de vesenlige grunnlage for karakergivningen, og ugangspunke for den munlige eksaminasjonen. De er meningen
DetaljerSpesialisering: Anvendt makro 5. Modul
Spesialisering: Anvend makro 5. Modul 1.B Lineære regresjonsmodeller og minse kvadraers meode (MKM) Drago Berghol Norwegian Business School (BI) 10. november 2011 Oversik I. Inroduksjon il økonomeri II.
Detaljer2006/2 Notater 2006. Håvard Hungnes. Notater. Hvitevarer 2006. Modell og prognose. Gruppe for Makroøkonomi
006/ Noaer 006 Håvard Hungnes Noaer Hvievarer 006. Modell og prognose Gruppe for Makroøkonomi I. Innledning og konklusjon 1 På oppdrag fra norske elekroleverandørers landsforening (NEL) har vi uarbeide
Detaljerav Erik Bédos, Matematisk Institutt, UiO, 25. mai 2007.
Om den diskree Fourier ransformen av Erik Bédos, Maemaisk Insiu, UiO,. mai 7. Vi lar H beegne indreproduk romme som besår av alle koninuerlige komplekse funksjoner definer på inervalle [, π] med indreproduke
DetaljerInfoskriv ETØ-1/2016 Om beregning av inntektsrammer og kostnadsnorm for 2015
Infoskriv Til: Fra: Ansvarlig: Omseningskonsesjonærer med inneksramme Seksjon for økonomisk regulering Tore Langse Dao: 1.2.2016 Vår ref.: 201403906 Arkiv: Kopi: Infoskriv ETØ-1/2016 Om beregning av inneksrammer
DetaljerBetydning av feilspesifisert underliggende hasard for estimering av regresjonskoeffisienter og avhengighet i frailty-modeller
Beydning av feilspesifiser underliggende hasard for esimering av regresjonskoeffisiener og avhengighe i fraily-modeller Bjørnar Tumanjan Morensen Maser i fysikk og maemaikk Oppgaven lever: Mai 2007 Hovedveileder:
DetaljerLøsningsforslag øving 6, ST1301
Løsningsforslag øving 6, ST1301 Oppgave 1 Løse Euler-Loka ligningen ved ruk av Newon's meode. Ana a vi har en organisme med maksimal alder lik n år. Vi ser kun på hunnene i populasjonen. La m i være anall
DetaljerNotater. Magne Holstad og Dinh Quang Pham. Sesongjustering av strømforbruket. forsyning i månedlig elektrisitetsstatistikk Metode og resultater
008/46 Noaer Magne Holsad og Dinh Quang Pham Noaer Sesongjusering av srømforbruke for alminnelig forsyning i månedlig elekrisiessaisikk Meode og resulaer Avdeling for økonomi, energi og miljø/seksjon for
Detaljer2007/51. Notater. Håvard Hungnes. Notater. Hvitevarer 2008 Modell og prognose. Forskningsavdelingen/Gruppe for makroøkonomi
007/51 Noaer Håvard Hungnes Noaer Hvievarer 008 Modell og prognose Forskningsavdelingen/Gruppe for makroøkonomi I. Innledning og konklusjon På oppdrag fra Sifelsen Elekronikkbransjen har vi uarbeide en
DetaljerFYS3220 Oppgaver om Fourieranalyse
FYS3220 Oppgaver om Fourieranalyse Innhold Enkle fourieranalyse oppgaver... 1 1) egn frekvensspeker for e sammensa sinus signal... 1 2) Fra a n og b n il c n og θ... 2 Fourier serieanalyse... 2 3) Analyse
DetaljerInternasjonale prisimpulser til importerte konsumvarer
Inernasjonale prisimpulser il imporere konsumvarer Johan Øverseh Røsøen, konsulen i Økonomisk avdeling 1 Den lave konsumprisveksen i Norge kan i sor grad forklares ved krafig prisfall på imporere varer,
DetaljerRundskriv EØ 1/2011 - Om beregning av inntektsrammer og kostnadsnorm i vedtak om inntektsramme for 2010
Noa Til: Fra: Ansvarlig: Omseningskonsesjonærer med inneksramme NVE - Seksjon for økonomisk regulering Tore Langse Dao: 1.2.2011 Vår ref.: NVE Arkiv: 200904925 Kopi: Rundskriv EØ 1/2011 - Om beregning
DetaljerForelesning 4 og 5 MET3592 Økonometri ved David Kreiberg Vår 2011. c) Hva er kritisk verdi for testen dersom vi hadde valgt et signifikansnivå på 10%?
Forelesning 4 og 5 MET59 Økonomeri ved David Kreiberg Vår 011 Diverse oppgaver Oppgave 1. Ana modellen: Y β + β X + β X + β X + u i 1 i i 4 4 i i Du esimerer modellen og oppnår følgende resulaer ( n 6
DetaljerYF kapittel 3 Formler Løsninger til oppgavene i læreboka
YF kapiel 3 Formler Løsninger il oppgavene i læreoka Oppgave 301 a E 0,15 l 0,15 50 375 Den årlige energiproduksjonen er 375 kwh. E 0,15 l 0,15 70 735 Den årlige energiproduksjonen er 735 kwh. Oppgave
DetaljerEksamensoppgave i FIN3006 Anvendt tidsserieøkonometri
Insiu for samfunnsøkonomi Eksamensoppgave i FIN3006 Anvend idsserieøkonomeri Faglig konak under eksamen: Kåre Johansen Tlf.: 73 59 9 36 Eksamensdao: 4. juni 05 Eksamensid (frail): 6 imer (09.005.00) Sensurdao:
DetaljerOppgave 1. = 2(1 4) = 6. Vi regner også ut de andre indreproduktene:
Løsning Eksamen i ELE 379 Maemaikk Valgfag Dao 7. juni 26 kl 9-4 Dee e e foreløpig løsningsforslag som ikke er komple. De skal ikke publiseres i denne form. Oppgave. (a) Vi ve a kolonnevekorene il A er
DetaljerEksamensoppgave i SØK3001 Økonometri I
Insiu for samfunnsøkonomi Eksamensoppgave i SØK3001 Økonomeri I Faglig konak under eksamen: Kåre Johansen Tlf.: 73 59 19 33 Eksamensdao: 1. desember 2017 Eksamensid (fra-il): 5 imer (09.00-14.00) Sensurdao:
DetaljerOm muligheten for å predikere norsk inflasjon ved hjelp av ARIMA-modeller
Om muligheen for å predikere norsk inflasjon ved hjelp av ARIMA-modeller av Kjell-Arild Rein Hovedfagsoppgave i samfunnsøkonomi Våren Insiu for økonomi Universiee i Bergen . INNLEDNING.. LITTERATUR 3.
DetaljerKort om ny reguleringskurvelogikk. Trond Reitan 19/8-2013
Kor om ny reguleringskurvelogikk Trond Reian 19/8-2013 Hensik Hensiken med en reguleringskurver er å angi sammenhengen mellom en angi minimumsvannføring (apping) og nødvendig magasinvolum på årlig basis.
DetaljerUNIVERSITETET I OSLO. Det matematisk-naturvitenskapelige fakultet. Oppgave 1 OpenGL (vekt 1 5 )
UNIVERSITETET I OSLO De maemaisk-naurvienskapelige fakule Eksamen i INF3320/INF4320 Meoder i grask daabehandling og diskre geomeri Eksamensdag: 7. desember 2007 Tid for eksamen: 14:30 17:30 Oppgavesee
DetaljerEt samarbeid mellom kollektivtrafikkforeningen og NHO Transport. Indeksveileder 2014. Indeksregulering av busskontrakter. Indeksgruppe 05.08.
E samarbeid mellom kollekivrafikkforeningen og NHO Transpor Indeksveileder 2014 Indeksregulering av busskonraker Indeksgruppe 05.08.2015 Innhold 1. Innledning...2 1.1 Bakgrunn...2 2 Anbefal reguleringsmodell
Detaljer1. Betrakt følgende modell: Y = C + I + G C = c 0 + c(y T ), c 0 > 0, 0 < c < 1 T = t 0 + ty, 0 < t < 1
. Berak følgende modell: Y = C + I + G C = c 0 + c(y T ), c 0 > 0, 0 < c < T = 0 + Y, 0 < < Hvor Y er BNP, C er priva konsum, I er privae realinveseringer, G er offenlig kjøp av varer og jeneser, T er
DetaljerØving 1: Bevegelse. Vektorer. Enheter.
Lørdagsverksed i fysikk. Insiu for fysikk, NTNU. Høsen 007. Veiledning: 8. sepember kl :5 5:00. Øving : evegelse. Vekorer. Enheer. Oppgave a) Per løper 800 m på minuer og 40 sekunder. Hvor sor gjennomsnisfar
DetaljerNotater. Katharina Henriksen. Justering for kvalitetsendringer av nye personbiler i konsumprisindeksen. En studie basert på hedonisk imputeringsmetode
2006/58 Noaer Kaharina Henriksen Noaer Jusering for kvaliesendringer av nye personbiler i konsumprisindeksen En sudie baser på hedonisk impueringsmeode Avdeling for økonomisk saisikk/seksjon for økonomiske
DetaljerMatematikk 1P-Y. Teknikk og industriell produksjon
Maemaikk 1P-Y Teknikk og indusriell produksjon «Å kunne regne i eknikk og indusriell produksjon innebærer å forea innsillinger på maskiner og å uføre beregning av rykk og emperaur og blandingsforhold i
DetaljerEksamensoppgave i FIN3006 Anvendt tidsserieøkonometri
Insiu for samfunnsøkonomi Eksamensoppgave i FIN3006 Anvend idsserieøkonomeri Faglig konak under eksamen: Kåre Johansen Tlf.: 73 59 19 36 Eksamensdao: 23. mai 2014 Eksamensid (fra-il): 6 imer (09.00 15.00)
DetaljerLevetid (varighet av en tilstand)
Leveid (varighe av en ilsand) Leveidsanalyse (survival analysis) Rosner.8-. av Sian Lydersen Forlesning 6 april 8 Eksempler: Tid il personen dør (mål fra fødsel, fra diagnose, fra behandling) Tid il en
DetaljerSkjulte Markov Modeller
CpG øy Skjule Markov Modeller år CG er eer hverandre i en DA sekvens vil C ofe muere il T ved meylase. (kalles ofe CpG for å ikke forveksles med pare C-G i o DA råder). CpG dinukleoiden forekommer mye
DetaljerMAT1030 Forelesning 26
MAT030 Forelesning 26 Trær Roger Anonsen - 5. mai 2009 (Sis oppdaer: 2009-05-06 22:27) Forelesning 26 Li repeisjon Prims algorime finne de minse uspennende ree i en veke graf en grådig algorime i den forsand
DetaljerLøsning: V = Ed og C = Q/V. Spenningen ved maksimalt elektrisk felt er
Gruppeøving 6 Elekrisie og magneisme Flervalgsoppgaver 1. Dersom en kondensaor har en kapasians på på 7.28 µf, hvor mye må plaene lades opp for a poensialdifferansen mellom plaene skal bli 25.0 V?. 15
DetaljerVirkninger av ubalansert produktivitetsvekst («Baumols sykdom»)
1 Jon Vislie; februar 2018 ECON 3735 vår 2018 Forelesningsnoa #2 Virkninger av ubalanser produkiviesveks («Baumols sykdom») I Forelesningsnoa #1 så vi på generelle likevekseffeker i en o-sekor-økonomi,
DetaljerPrising av opsjoner på OBXindeksen
NORGES HANDELSHØYSKOLE Bergen, 0..006 Prising av opsjoner på OBXindeksen Evaluering av ulike volailiesmodeller Av Jan-Ivar Kemi og Rune Bråen Lihol Veileder: Førseamanuensis Jonas Andersson Maseruredning
DetaljerInfoskriv ETØ-4/2015 Om beregning av inntektsrammer og kostnadsnorm for 2016
Infoskriv Til: Fra: Ansvarlig: Omseningskonsesjonærer med inneksramme Seksjon for økonomisk regulering Tore Langse Dao: 4.12.2015 Vår ref.: NVE 201500380-10 Arkiv: Kopi: Infoskriv ETØ-4/2015 Om beregning
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Usa eksamen i: ECON315/415 Inroducory Economerics Eksamensdag: Fredag 11. augus 26 Tid for eksamen: kl. 9: 12: Oppgavesee er på 5 sider Tillae hjelpemidler: Alle
DetaljerForelesning 26. MAT1030 Diskret Matematikk. Trær med rot. Litt repetisjon. Definisjon. Forelesning 26: Trær. Roger Antonsen
MAT1030 Diskre Maemaikk Forelesning 26: Trær Roger Anonsen Insiu for informaikk, Universiee i Oslo Forelesning 26 5. mai 2009 (Sis oppdaer: 2009-05-06 22:27) MAT1030 Diskre Maemaikk 5. mai 2009 2 Li repeisjon
DetaljerKlimaendringer gir lavere elektrisitetspriser og høyere forbruk i Norden Karina Gabrielsen og Torstein Bye
Økonomiske analyser 3/2005 Klimaendringer gir lavere elekrisiespriser og høyere forbruk Klimaendringer gir lavere elekrisiespriser og høyere forbruk i Norden Karina Gabrielsen og Torsein Bye Bruk av fossil
DetaljerForelesning 25. Trær. Dag Normann april Beskjeder. Oppsummering. Oppsummering
Forelesning 25 Trær Dag Normann - 23. april 2008 Beskjeder Roger har bed meg gi følgende beskjeder: 1 De mese av plenumsregningen i morgen, 24/4, blir avleregning, slik a sudenene ikke kan belage seg på
DetaljerEksamensoppgave i SØK3001 Økonometri I
Insiu for samfunnsøkonomi Eksamensoppgave i SØK300 Økonomeri I Faglig konak under eksamen: Kåre Johansen Tlf.: 7359936 Eksamensdao: 08.2.204 Eksamensid (fra-il): 5 imer (09.00 4.00) Sensurdao: 08.0.205
DetaljerEksamensoppgave i FIN3006 Anvendt tidsserieøkonometri
Insiu for samfunnsøkonomi Eksamensoppgave i FIN3006 Anvend idsserieøkonomeri Faglig konak under eksamen: Bjarne Srøm Tlf.: 73 59 19 33 Eksamensdao: 13. desember 013 Eksamensid (fra-il): 6 imer (09.00 15.00)
DetaljerFører høy oljepris til økt oljeboring? * Guro Børnes Ringlund, Knut Einar Rosendahl og Terje Skjerpen
Økonomisk analyser 2/2004 Fører høy oljepris il øk oljeboring? Fører høy oljepris il øk oljeboring? * Guro Børnes Ringlund, Knu Einar Rosendahl og Terje Skjerpen Hvor lenge vil OPEC se seg jen med høye
DetaljerLøysingsforslag for oppgåvene veke 17.
Løysingsforslag for oppgåvene veke 17. Oppgåve 1 Reningsfel for differensiallikningar gi i oppg. 12.6.3 med numeriske løysingar for gi inialkrav (og ei par il). a) b) c) d) Oppgåve 2 a) c) b) Reningsfele
DetaljerProduksjonsgapet i Norge en sammenlikning av beregningsmetoder
Produksjonsgape i Norge en sammenlikning av beregningsmeoder Hilde C. Bjørnland, posdokor ved Økonomisk Insiu, Universiee i Oslo, Leif Brubakk og Anne Sofie Jore, seniorrådgivere i Økonomisk avdeling,
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO De maemaisk-naurvienskapelige fakule Eksamen i INF3320 Meoder i grafisk daabehandling og diskre geomeri Eksamensdag: 2. desember 2009 Tid for eksamen: 14.30 17.30 Oppgavesee er på
DetaljerIndikatorer for underliggende inflasjon,
Indikaorer for underliggende inflasjon i Norge Moren Jonassen, assiserende direkør i Pengepoliisk avdeling, og Einar Wøien Nordbø, konsulen i Økonomisk avdeling i Norges Bank 1 En senralbank som skal syre
DetaljerJernbaneverket. OVERBYGNING Kap.: 8 t Regler for prosjektering Utgitt:
e Hovedkonore Helsveis spor Side: 1 av 5 1 HENSIKT OG OMFANG... 2 2 KRAV... 3 2.1 Hovedspor... 3 2.1.1 Varig ufesing... 3 2.1.2 Minse kurveradius... 3 2.1.3 Ballas... 3 2.1.4 Sviller... 3 2.1.4.1 Svilleype...
DetaljerAliasing: Aliasfrekvensene. Forelesning 19.februar Nyquist-Shannons samplingsteorem
Forelesning 9.februar 24 Delkapilene 4.4-4.6 fra læreboken, 4.3 er il selvsudium. Repeisjon om sampling og aliasing Diskre-il-koninuerlig omforming Inerpolasjon med pulser Oversamling bedrer inerpolasjon
DetaljerHarald Bjørnestad: Variasjonsregning en enkel innføring.
Haral Bjørnesa: Variasjonsregning en enkel innføring. Tiligere har vi løs oppgaven me å finne eksremalveriene ( maks./min. veriene) av en gi funksjon f () når enne funksjonen oppfyller beseme krav. Vi
DetaljerGenerelt om sesongjustering
Generelt om sesongjustering 1. Hva er sesongjustering?... 1 2. Prekorrigering... 3 2.1 Rådata... 3 2.2 Formål med prekorrigering... 3 2.3 Kalenderjusteringer... 3 2.4 Behandling av ekstreme verdier...
DetaljerBeskjeder. MAT1030 Diskret matematikk. Oppsummering. Oppsummering
Beskjeder MAT1030 Diskre maemaikk Forelesning 25: Trær Dag Normann Maemaisk Insiu, Universiee i Oslo 23. april 2008 Roger har bed meg gi følgende beskjeder: 1 De mese av plenumsregningen i morgen, 24/4,
DetaljerForelesning 14 REGRESJONSANALYSE II. Regresjonsanalyse. Slik settes modellen opp i SPSS
Forelesning 4 REGRESJOSAALYSE II Regresjonsanalyse Saisisk meode for å forklare variansen i en avhengig variabel u fra informasjon fra en eller flere uavhengige variabler. Eksempel: Kjønn Udanning Alder
Detaljer1999/37 Rapporter Reports. Trygve Martinsen. Avanseundersøkelse for detaljhandel. Statistisk sentralbyrå Statistics Norway Oslo Kongsvinger
1999/37 Rapporer Repors Trygve Marinsen Avanseundersøkelse for dealjhandel Saisisk senralbyrå Saisics Norway Oslo Kongsvinger Rapporer Repors I denne serien publiseres saisiske analyser, meode- og modellbeskrivelser
DetaljerDriftsplanlegging i vannkraftproduksjon en realopsjonstilnærming
Drifsplanlegging i vannkrafproduksjon en realopsjonsilnærming Hovedoppgave for sud.echn Gunnar Aronsen Faggruppe for invesering, finansiering og økonomisyring Insiu for indusriell økonomi og eknologiledelse
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamen i: ECON5/45 Elemenær økonomeri Exam: ECON5/45 Inroducory Economerics Eksamensdag: Onsdag. mai 9 Sensur kunngjøres: Fredag. juni 9 Dae of exam: Wednesday,
DetaljerDato: 15.september Seksjonssjef studier og etter utdanning Arkivnr 375/2008
S TYRES AK Syremøe 07 23.sepember Syresak 53/2008 MÅLTALL framidig uvikling av sudenall og sudieprogrammer KONTAKTINFORMASJON POSTBOKS 6853, ST. OLAVS PLASS NO-0130 OSLO TLF: (+47) 22 99 55 00 FAKS: (+47)
DetaljerRAPPORT. Kalkulasjonsrenten 2012/44. Michael Hoel og Steinar Strøm
RAPPORT 01/44 Kalkulasjonsrenen Michael Hoel og Seinar Srøm Dokumendealjer Visa Analyse AS Rappornummer 01/44 Rapporiel Kalkulasjonsrenen ISBN 978-8-816-093-1 Forfaer Michael Hoel og Seinar Srøm Dao for
DetaljerTorstein Bye, Per Ove Smogeli og Harald Lunde Lønnsstatistikk og årslønn Dokumentasjon av beregningsopplegg for årslønn
Noaer 2/20 Torsein Bye, Per Ove Smogeli og Harald Lunde Lønnssaisikk og årslønn Dokumenasjon av beregningsopplegg for årslønn Saisisk senralbyrå Saisics Norway Oslo Kongsvinger Noaer I denne serien publiseres
DetaljerFasit og løsningsforslag STK 1110
Fasit og løsningsforslag STK 1110 Uke 36: Eercise 8.4: a) (57.1, 59.5), b) (57.7, 58, 9), c) (57.5, 59.1), d) (57.9, 58.7) og e) n 239. (Hint: l(n) = 1 = 2z 1 α/2 σ/n 1/2 ). Eercise 8.10: a) (2.7, 7.5),
DetaljerBevegelse i én dimensjon (2)
Beegelse i én dimensjon () 5..6 Daa-lab i dag: Hjelp med Pyhon / Malab insallasjon Førse skri Oblig er lag u: hp://www.uio.no/sudier/emner/mana/fys/fys-mek/6/maeriale/maeriale6.hml Innleeringsfris: Tirsdag,
DetaljerVed opp -og utladning av kondensatorer varierer strøm og spenning. Det er vanlig å bruke små bokstaver for å angi øyeblikksverdier av størrelser.
4.4 INNE- OG TKOPLING AV EN KONDENSATO 1 4.4 INN- OG TKOPLING AV EN KONDENSATO Ved opp -og uladning av kondensaorer varierer srøm og spenning. De er vanlig å bruke små boksaver for å angi øyeblikksverdier
DetaljerGo to and use the code Hva var viktig i siste forelesning? FYS-MEK
Go o www.meni.com and use he code 65 37 7 Ha ar ikig i sise forelesning? FYS-MEK 111.1.18 1 FYS-MEK 111.1.18 Beegelse i én dimensjon ().1.18 Ukesoppgaer og oblig 1 er lag u: hp://www.uio.no/sudier/emner/mana/fys/fys-mek111/18/maeriale/maeriale18.hml
DetaljerRundskriv 1/ Om beregning av inntektsrammer og kostnadsnorm til vedtak om inntektsramme 2011
Rundskriv 1/2012 bokmål Til: Omseningskonsesjonærer med inneksramme Fra: Seksjon for økonomisk regulering Ansvarlig: Tore Langse Dao: 1.2.2012 Saksnr.: NVE 201004797-13 Arkiv: Kopi: Middelhuns gae 29 Posboks
DetaljerBoligprisvekst og markedsstruktur i Danmark og Norge
NORGES HANDELSHØYSKOLE Bergen, våren 2007 Boligprisveks og markedssrukur i Danmark og Norge Philip Harreschou og Sig Økland Veiledere: Frode Seen og Guorm Schjelderup Maseruredning ved foreaks- og samfunnsøkonomisk
DetaljerEksempel på beregning av satser for tilskudd til driftskostnader etter 4
Regneeksempel - ilskudd il privae barnehager 2013 Eksempel på beregning av ilskuddssaser. ARTIKKEL SIST ENDRET: 08.04.2014 Eksempel på beregning av saser for ilskudd il drifskosnader eer 4 Kommunens budsjeere
DetaljerBrukerundersøkelsen ssb.no 2017
Brukerundersøkelsen ssb.no 2017 Desember 2017 Planer og meldinger Plans and reports 2018/4 Planer og meldinger 2018/4 Brukerundersøkelsen ssb.no 2017 Desember 2017 Statistisk sentralbyrå Statistics Norway
DetaljerBrukerundersøkelse ssb.no 2014
Brukerundersøkelse ssb.no 2014 Planer og meldinger Plans and reports 2014/6 Planer og meldinger 2014/6 Brukerundersøkelse ssb.no 2014 Statistisk sentralbyrå Statistics Norway Oslo Kongsvinger Planer og
DetaljerBrukerundersøkelser ssb.no 2016
Brukerundersøkelser ssb.no 2016 Januar 2016 og desember 2016 Planer og meldinger Plans and reports 2017/7 Planer og meldinger 2017/7 Brukerundersøkelser ssb.no 2016 Januar 2016 og desember 2016 Statistisk
DetaljerSensorveiledning UNIVERSITETET I OSLO ØKONOMISK INSTITUTT. ECON 1310 Obligatorisk øvelsesoppgave våren 2012
Sensorveiledning UNIVERSITETET I OSLO ØKONOMISK INSTITUTT ECON 3 Obligaorisk øvelsesoppgave våren 22 Ved sensuren illegges alle oppgavene lik vek For å få godkjen besvarelsen må den i hver fall: gi mins
DetaljerSammensatt estimering ved roterende utvalg. Matematisk - statistiske problemer knyttet til arbeidskraftundersøkelsene. av Steinar Bjerve x
) 74/36 20. augus 1974 Sammensa esimering ved roerende uvalg. Maemaisk - saisiske problemer knye il arbeidskrafundersøkelsene. av Seinar Bjerve x INNHOLD Side Dealjer innholdsforegnelse 2 3 4 2. Esimering
DetaljerUkemønsteret i bensinmarkedet
NORGES HANDELSHØYSKOLE Bergen, høsen 2006 Ukemønsere i bensinmarkede en empirisk analyse Elisabeh Flasnes Veileder: Professor Frode Seen Uredning i fordypnings-/spesialfagsområde: Markedsføring og konkurranse
DetaljerMagne Holstad og Finn Erik L. Pettersen Hvordan reagerer strømforbruket i alminnelig forsyning på endringer i spotpris?
Rapporer 15/2011 Magne Holsad og Finn Erik L. Peersen Hvordan reagerer srømforbruke i alminnelig forsyning på endringer i spopris? Saisisk senralbyrå Saisics Norway Oslo Kongsvinger Rapporer I denne serien
DetaljerEnkle kretser med kapasitans og spole- bruk av datalogging.
Laboraorieøvelse i FY3-Elekrisie og magneisme år 7 Fysisk Insiu, NTNU Enkle kreser med kapasians og spole- bruk av daalogging. Laboraorieoppgaver Oppgave -Spenning i kres a: Mål inngangsspenningen og spenningsfalle
DetaljerRepeated Measures Anova.
Repeated Measures Anova. Vi bruker oppgave-5 som eksempel. I en evalueringsstudie av en terapeutisk intervensjon valgte man et pre-post med kontrollgruppe design. Alle personer ble undersøkt tre ganger
DetaljerNewtons lover i to og tre dimensjoner
Newons loer i o og re dimensjoner 3..4 Innleering: på papir på ekspedisjonskonore: bruk forsiden elekronisk på froner én pdf fil nan på førse side egenerklæring med signaur innleeringsboks på ekspedisjon
DetaljerForelesning nr.9 INF 1410
Forelesning nr.9 INF 141 29 espons il generelle C- og -kreser 3.3.29 INF 141 1 Oversik dagens emaer Naurlig espons respons il generelle C- og -kreser på uni-sep funksjonen Naurlig og vungen respons for
Detaljert [0, t ]. Den er i bevegelse langs en bane. Med origo menes her nullpunktet
FAO 9 Forberedelse il skoleprøve Del Prakisk bruk av inegral Oppgave parikkelfar Hasigheen il en parikkel ved iden er gi ved v () = i m/min. Tiden er ( + ) + regne i min, for angivelse av posisjon. [,
Detaljer~/stat230/teori/bonus08.tex TN. V2008 Introduksjon til bonus og overskudd
~/sa23/eori/bonus8.ex TN STAT 23 V28 Inrodukson il bonus og overskudd Bankinnskudd Ana a vi ønsker å see e viss beløp y i banken ved id = for å ha y n ved id = n. Med en reneinensie δ må vi see inn y =
DetaljerLa U og V være uavhengige standard normalfordelte variable og definer
Binormalfordelingen Definisjon Noe av hensikten med å innføre begrepet betinget sannsynlighet er at kompliserte modeller ofte kan bygges ut fra enkle betingede modeller. Når man spesifiserer betingelser
DetaljerTillatte hjelpemidler: Lærebok og kalkulator i samsvar med fakultetet sine regler. 2 2x
UNIVERSITETET I BERGEN De maemaisk-naurvienskapelige fakule Eksamen i emne MT11 Brukerkurs i maemaikk Mandag 15. desember 8, kl. 9-14 BOKMÅL Tillae hjelpemidler: Lærebok og kalkulaor i samsvar med fakulee
DetaljerLøsningsforslag for regneøving 3
Ulever: 3.mars 7 Løsningsforslag for regneøving 3 Oppgave : a Se opp ligning for spenningen over som funksjon av id, for. R v + - Kres Løsning: Beraker kresen førs: I iden før null vil spenningen over
Detaljer1 Innledning. 2 Organisering av kontantforsyningen. 3 Behov for å holde lager
Norges Banks lagersyring av konaner Knu Are Aasvei, konsulen i Finansmarkedsavdelingen, og Thomas Kjørsad, konsulen i Avdeling for konane bealingsmidler 1 For å kunne ivarea sin seddel- og mynforsyningsplik,
DetaljerTegn og tekst. Et representert tegn kan vises på flere måter. Noen definisjoner. Enda noen definisjoner. \yvind og ]se N{rb}? a a a.
o o {rb} rprr på r år o prpp rpro r r rr rpro o r o or α r o or bor brp or b rr på ppr r r r r r rrr år på o oroooro o r or o br å r r pår r r orør p o b b år r å r o o o rprrr o p o rprrr o or op r r
Detaljer2001/10 Rapporter Reports. Andreas Krüger Enge. Prisindeks for tenesteytande næringar. Statistisk sentralbyrå Statistics Norway Oslo Kongsvinger
2/ Rapporer Repors Andreas Krüger Enge Prisindeks for eneseyande næringar Saisisk senralbyrå Saisics Norway Oslo Kongsvinger Rapporer Repors I denne serien publiseres saisiske analyser, meode- og modellbeskrivelser
DetaljerÅdne Cappelen, Arvid Raknerud og Marina Rybalka
2007/36 Rapporer Repors Ådne Cappelen, Arvid Raknerud og Marina Rybalka Resulaer av SkaeFUNN paenering og innovasjoner Saisisk senralbyrå Saisics Norway Oslo Kongsvinger Rapporer Repors I denne serien
DetaljerNotater. Sammensetningseffekter mellom næringer og veksten i gjennomsnittlig årslønn. Thomas von Brasch, Bjorn Dapi og Victoria Sparrman
Notater Documents 2017/45 Thomas von Brasch, Bjorn Dapi og Victoria Sparrman Sammensetningseffekter mellom næringer og veksten i gjennomsnittlig årslønn Teknisk dokumentasjon Notater 2017/45 Thomas von
Detaljer(a) For regresjon brukes vanligvis kvadratisk tap: L(y, ŷ) = (y ŷ) 2. Den optimale prediktor basert på input variable x er da Ŷ = E[Y x].
FORMELSAMLING TIL STK2100 (Versjon Mai 2018) 1 Tapsfunksjoner (a) For regresjon brukes vanligvis kvadratisk tap: L(y, ŷ) = (y ŷ) 2. Den optimale prediktor basert på input variable x er da Ŷ = E[Y x]. (b)
DetaljerLøsningsforslag til regneøving 5. Oppgave 1: a) Tegn tegningen for en eksklusiv eller port ved hjelp av NOG «NAND» porter.
TFE4110 Digialeknikk med kreseknikk Løsningsforslag il regneøving 5 vårsemeser 2008 Løsningsforslag il regneøving 5 Ulever: irsdag 29. april 2008 Oppgave 1: a) Tegn egningen for en eksklusiv eller por
DetaljerOppgaveverksted 3, ECON 1310, h14
Oppgaveverksed 3, ECON 30, h4 Oppgave I denne oppgaven skal du forklare de økonomiske mekanismene i hver deloppgave, men de er ikke men a du skal bruke id på å forklare modellen uover de som blir spur
DetaljerEksamensoppgave i TFY4190 Instrumentering
Insiu for fysikk Eksamensoppgave i TFY49 Insrumenering Faglig konak under eksamen: Seinar Raaen Tlf.: 482 96 758 Eksamensdao: 6. mai 27 Eksamensid (fra-il): 9: 3: Hjelpemiddelkode/Tillae hjelpemidler:
DetaljerInfoskriv ETØ-4/2015 Om utrekning av inntektsrammer og kostnadsnorm for 2016
Infoskriv Til: Frå: Ansvarleg: Omsejingskonsesjonærar med inneksramme Seksjon for økonomisk regulering. Tore Langse Dao: Saksnr.: NVE 201500380-10 Arkiv: Kopi: Infoskriv ETØ-4/2015 Om urekning av inneksrammer
DetaljerSesongjustering for import og eksport av varer
96/27 Notater 1996 Dinh Quang Pham Sesongjustering for import og eksport av varer Avdeling for samordning og utvikling/seksjon for statistiske metoder og standarder Innholdsfortegnelse 1 Innledning 3 2
DetaljerEKSAMEN I TMA4285 TIDSREKKEMODELLER Fredag 7. desember 2012 Tid: 09:00 13:00
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 8 Bokmål Faglig kontakt under eksamen: John Tyssedal 73593534/41645376 EKSAMEN I TMA4285 TIDSREKKEMODELLER Fredag
DetaljerLøsningsforslag til eksempeloppgave 2 i fysikk 2, 2009
Fysikk Eksempeloppgae Løsningsfoslag il eksempeloppgae i fysikk, 9 Del Oppgae Rikige sa på flealgsoppgaene a x e: a) C b) D c) B d) C e) C f) D g) C h) D i) B j) C k) A l) B m) A n) D o) B p) D q) D )
DetaljerINF april 2017
IN 310 19. april 017 Segmenering ved erskling Global erskling Kap 10.3 Generelle hisogramfordelinger og klassifikasjonsfeil To populære ersklingsalgorimer ruken av kaner, og effeken av søy og glaing Lokal
DetaljerBør sentralbanken ta mer hensyn til boligprisene?
UNIVERSITETET I STAVANGER Savanger, våren 2011 Bør senralbanken a mer hensyn il boligprisene? En sudie av de norske boligmarkede Av Marie Sjursen Uredning i spesialiseringen Samfunnsøkonomi DET SAMFUNNSVITENSKAPELIGE
DetaljerDinh Quang Pham Figurer for sesongjustering
Notater 8/2011 Dinh Quang Pham Figurer for sesongjustering Statistisk sentralbyrå Statistics Norway Oslo Kongsvinger Notater I denne serien publiseres dokumentasjon, metodebeskrivelser, modellbeskrivelser
DetaljerRør og rørdeler. BASAL mufferør ig. Maks tillatt avvinkling (mm/m) Overdekn. min/max (m) Mål (mm) Vekt ca. kg. DN / t Dm 0,5-10,0 0,5-10,0
Rør og rørdeler BASAL mufferør ig / Dm Overdekn. min/max (m) Maks illa avvinkling (mm/m) 0 33 33 284 284 0,5-10,0 0,5-10,0 50 50 35 55 0 0 37 37 41 353 353 353 0,5-8,0 0,5-8,0 0,5-8,0 50 50 50 50 140 250
DetaljerWorking Paper 1996:3. Kortere arbeidstid og miljøproblemer - noen regneeksempler for å illustrere mulige kortsiktige og langsiktige sammenhenger
Working Paper 1996:3 Korere arbeidsid og miljøproblemer - noen regneeksempler for å illusrere mulige korsikige og langsikige sammenhenger av Bjar Holsmark Sepember 1996 ISSN: 84-452X 1 2 sammendrag De
Detaljer