VTInotat
Nummer: T 100 Datum: 1991-10-29
Titel: Utveckling av modellen fört uppföljning av
Vinterväg-hållningsåtgärder på länsniva.
Författare: Gunilla Ragnarsson, Ola Junghard, Peter Wretling och
Gudrun Öberg
Avdelning: Trafikavdelningen
Projektnummer: 72337-9
Projektnamn: Utveckling av modellen för uppföljning av
Vinterväg-hållningsåtgärder på länsniva Uppdragsgivare: Vägverket
Distribution:
;Ei/nyförvärv/begrånsad/
. Pa: 5__81 01 Linköping. Tel:_013-ZQ4q_oq. Telex50125 VTISGIS. Telefax 013-14 14.96
Inst/talet Besok. Olaus Magnus vag BZ Lmkoplng
(än
1
UTVECKLING AV MODELLEN FÖR UPPFÖLJNING AV VINTERVÄGHÅLLNINGS-ÅTGÄRDER PÅ LÄNSNIVÅ
av
Gunilla Ragnarsson, Ola Junghard, Peter Wretling och Gudrun Öberg
FÖRORD
Detta projekt är en fortsättning på studier som Stefan Bertilsson och Östen Johansson vid Vägverkets planerings- och projekterings-avdelning gjort. Deras studier finns dokumenterade i Vägverkets publikationer 1987:55 och 1989:46 och behandlar båda utveckling-en från 1972 och så långt data funnits tillgängligt dvs till 1985 respektive 1988.
Idén var att om året delades in i vinter respektive sommar
skulle andelen trafikarbete vintertid alltid vara 42% dvs man
förutsätter samma utveckling sommar som vinter. Detta medför att
endast andelar studeras även när det gäller olyckor. Man såg då
att vinterolyckornas andel var olika stor i olika län och
tolkade det som att det berodde på hur aktiv man var i
vinter-väghållningen och man fick stöd i denna tolkning från BD-perso-nal. I den andra rapporten har man även tagit hänsyn till
väder-data för hela vintern, i detta fall 4 månader och om länet kan
betraktas som aktivt vad avser vinterväghållningen. Inga
sta-tistiska test har gjorts där dessa parametrar ingått utan man
har haft det i åtanke då utvecklingen i länet diskuteras.
I detta notat undersöks giltigheten hos några grundantaganden
för byggandet av denna modell för bedömning av
vinterväghåll-ning. Gunilla Ragnarsson har varit projektledare och gjort
mer-parten av arbetet i projektet och av författandet. Övriga som
medverkat i projektet har varit Ola Junghard, Peter Wretling och undertecknad. Resultaten har diskuterats med kontaktmännen Östen
Johansson och Hans Danielsson, båda Vägverket, Borlänge.
Syn-punkter har även lämnats av Jörgen Larsson, VTI.
Gudrun Öberg
b ååb uâüåh h üäåå U W U ' I U ' l www uuuuum e h ah ah [vr d ... n o b b üN l -l L A N D -4 INNEHÅLLSFÖRTECKNING SAMMANFATTNING BAKGRUND PROBLEMSTÄLLNING SINGELOLYCKSKVOTEN SOMMARTID Metod Resultat SINGELOLYCKOR VINTERTID Data
Olyckor och trafik Väder/väglag VV-åtgärd Metod Resultat Region 1 Region 2 Region 3 Gemensam form
PERSONSKADORNAS BEROENDE AV SINGELOLYCKORNA Metod Resultat SLUTSATSER DISKUSSION REFERENSER BILAGA 1 BILAGA 2 VTI NOTAT T 100
sig
. h ub H O K D G D Q O A C N C N 10 13 15 16 20 20 21 25 26 30SAMMANFATTNING
Olika län är olika aktiva vad gäller vinterväghållningen. Detta borde avspegla sig i trafiksäkerheten. Det finns ett behov av en
modell som på ett enkelt sätt kunde ge vägförvaltningarna ett
"kvitto" på hur pass väl de har lyckats med sin vinterväghåll-ning.
Vägverket har föreslagit en enkel modell där man tittar på hur
stor andel av singelolyckorna som sker vintertid:
SingelOlYCkorvinter Vinterandel =
singelolyckorsommar + singelolyckorvinter
Om vinterandelen sjunker med åren har man lyckats förbättra sin vinterväghållning. För att den enkla modellen ska vara användbar måste ett antal antaganden gälla. Det här notatet behandlar
des-sa antagandens giltighet.
Antagande (1) Antal singelolyckorsommar = Risk1 *
trafik-arbete
Antagande (2) Antal singelolyckorvinter = Riskz *
trafikar-bete + k1*{väder/väglag-term] + k2*VV-åtgärd
Antagande (3) Om singelolyckorna minskar så minskar även
flerfordonsolyckorna
Antagande (4) Om olyckorna minskar så minskar även
person-skadorna
Det enklaste sättet att undersöka omdet första antagandet gäl-*
ler är att rita upp ett diagram med tid på x-axeln och singel-olyckskvoten sommartid på y-axeln. Då ska det inte gå att utläsa någon trend i diagrammet vilket det inte heller gör. Det innebär
att antagandet gäller, i varje fall för den undersökta
tids-perioden.
II
I det andra antagandet har det tillkommit två termer. En
väder-term där SMHI har hjälpt till med data. De faktorer som har
vi-sat sig vara relevanta är halkdygn, snödjup och nederbördsdygn.
Den andra nytillkomna termen är en dummyterm där Vägverket har
hjälpt till att klassa de olika vägförvaltningarna som mer eller mindre aktiva vad gäller att ta till sig ny teknik på
vinterväg-hållningsområdet. På grund av de olika vintrarna i de olika
de-larna i landet har länen delats upp i tre olika klimatologiska
regioner. Alla analyser har skett regionsvis.
Antagandet har undersökts med hjälp av regressionsanalys. Det
visade sig att man inte kunde påvisa någon skillnad mellan de
aktiva och de mindre aktiva länen mer än i en region. Man kan
alltså inte anse att det andra antagandet gäller.
De tredje och fjärde antagandena kontrollerades med hjälp av tre enkla regressionsanalyser. De gav alla tre tydliga samband, vil-ket innebär att de antagandena kan anses gälla.
Vi har således här inte undersökt direkt om sambandet förbättrad vinterväghållning leder till förbättrad trafiksäkerhet. Det har
istället gjorts stegvis och de olika stegen innehåller vart och
ett en osäkerhet som gör det svårt att dra några (säkra) slut-satser om hela steget.
Meteorologiska halkdygn och snödjupet är de väderparametrar som
verkar ha störst påverkan på olyckskvoten. En ökning av antalet
halkdygn ger en förväntad ökning av olyckskvoten. Ett minskat
snödjup innebär på samma sätt en ökning av olyckskvoten.
Modellen är i sin nuvarande form inte tillräckligt bra för att
användas för att följa upp vinterväghållningens effekt på
trafiksäkerheten.
1 BAKGRUND
Vinterväghållning har två syften. Dels att göra trafiken mer
säker och dels att förbättra framkomligheten. En stor del av
väghållarens budget upptas av vinterväghållning. Det är alltså
viktigt att de pengarna används så effektivt som möjligt.
En viktig fråga är hur vinterväghållningen påverkar
trafiksäker-heten. Kan man minska olyckorna nämnvärt genom att förändra
el-ler förbättra metoderna och inriktningen på vinterväghållningen?
Olika vägförvaltningar har lagt upp vinterväghållningen på olika
sätt. Man är mer eller mindre offensiv, och man har anammat de
nya rön och metoder som har kommit fram i olika hög grad. Detta
borde ge utslag i olycksstatistiken. Man kan anta att det blir
färre olyckor i ett mer aktivt län. Om så är fallet är det
vik-tigt att de enskilda förvaltningarna får någon feedback, ett
slags kvitto på hur väl de har lyckats med sin vinterväghåll-ning.
Det finns alltså ett behov av enmodell som visar hur vinterväg-hållningen har påverkat trafiksäkerheten i enskilda län. Den bör vara så enkel och kräva lätt mätbara indata att vägförvaltning-arna själva kan följa upp verksamheten. Vägverket har föreslagit
en modell där man enbart studerar hur singelolyckornas
vinter-andel utvecklas över tiden. För att detta ska vara intressant
ska en del antaganden om olyckssamband vara uppfyllda. Detta
projekt undersöker riktigheten i den modellen.
2 PROBLEMSTÄLLNING
Vägverket har föreslagit en modell för hur man kan mäta
vinter-väghållningens effektivitet vad gäller trafiksäkerhet. Där tit-tar man på hur singelolyckorna fördelar sig på sommar och vinter dvs hur stor andel av singelolyckorna som sker vintertid.
SingelOlYCkOrvinter
Vinterandel =
singelolyckorsommar + singelolyckorvinter
Detta måste givetvis studeras över ett stort antal år för att
minska inverkan av slumpmässiga variationer. Eftersom varje län är unikt både vad gäller vägnät, trafik, väder/väglag och mycket
annat kan vinterandelen inte utan vidare användas till att
jäm-föra olika län med varandra. Den kan däremot visa om ett län har förbättrat eller försämrat sin vinterväghållning.
Denna modell kan vara ett grovt mått på vinterväghållningens
effektivitet under förutsättning att följande antaganden
stäm-mer. Detta projekts syfte är att kontrollera dessa antaganden.
Antagande (1) Antal singelolyckorsommar = Riskl * trafikarbete
Antagandet innebär att singelolyckskvoten
(singel-olyckor / trafikarbete) sommartid är konstant över
åren. Detta är grundantagandet. Om det faller så
faller hela modellen. Anledningen till att man har valt att titta på enbart singelolyckor är just att man anser Risk1 vara konstant över åren.
Antagande (2) Antal singelolyckorvinter = Riskz * trafikarbete + k1*{väder/väglag-term] + k2*VV-åtgärd
Antagandet innebär att det förutom trafikarbetet
är främst väder/väglag och
vinterväghållningsåt-gärder som inverkar på singelolyckorna vintertid.
De är båda parametrar som är svåra att mäta och sätta ett värde på. Dessutom varierar väder/väglag kraftigt mellan olika år. Det innebär att man ald-VTI NOTAT T 100
rig kan utläsa från vinterandelsmodellen (där
den-na faktor inte finns med) om man har en bra
vinter-väghållning eller ej under ett speciellt år. Man
får i stället avläsa trender.
Ett ytterligare syfte med att studera detta antagande är att man kan få ett mått på hur stor inverkan olika väderparametrar har på olycksrisken.
De två ovannämnda antagandena är en förutsättning för att model-len är riktig. Men de säger inte tillräckligt om
trafiksäkerhe-ten i stort, eftersom det är viktigt att även andra olyckstyper
än singelolyckorna minskar. Det innebär att följande antaganden också bör gälla för att modellen ska kunna anSes ge ett mått på
hur trafiksäkerheten förändras.
Antagande (3) Om singelolyckorna minskar så minskar även
fler-fordonsolyckorna.
En bra underhållsåtgärd ska naturligtvis medföra att alla olyckor minskar, inte bara singelolyck-orna. Man vet inte idag hur detta förhållande är. Det är till och med tänkbart att flerfordonsolyck-orna ökar om singelolyckflerfordonsolyck-orna minskar. Om så skulle
vara fallet har man snarare förvärrat än
förbätt-rat situationen.
Antagande (4) Om olyckorna minskar så minskar även
personska-dorna.
Det viktigaste ur trafiksäkerhetssynpunkt är
natur-ligtvis att personskadorna minskar. Det är därför
viktigt att ta reda på om så är fallet.
3 SINGELOLYCKSKVOTEN SOMMARTID
3.1 MEtod
För att grundmodellen ska gälla måste olyckskvoten för singel-olyckor vara konstant sommartid dvs den allmäna trafiksäkerheten ska inte ha förändrats för singelolyckorna. Detta kan skrivas på
formel
antal singelolyckorsommar Risk1 = singelolyckskvoten =
trafikarbetesommar
där Riskl ska vara konstant för alla år.
Det är inga problem att få reda på antalet singelolyckor
sommar-tid, men trafikarbetet är desto svårare. Det finns i princip
alltid angivet som årsdygnstrafik. Vägverket har dock beräknat
hur stor andel av trafiken som går under sommar- resp
vinter-halvåret i de olika länen. Med sommarvinter-halvåret menas april till
september. För att i någon mån kontrollera att sommarandelen
håller sig konstant över årenundersöktes trafikindex sommartid
i fyra år 1980, 1985, 1986 och 1987 hos elva av Vägverkets
hel-årsräknade punkter. För trafikindex beräknades medelvärde och
standardavvikelse över åren. Det visade sig att alla punkter
utom två hade standardavvikelse runt 0.01, de andra två lågrunt
0.02 (medelvärdena låg mellan 0.76 och 1.26). Detta innebär att
här antas att årsandelen trafikarbete under vinterhalvåret är
konstant över åren, men detta bör egentligen undersökas
noggrannare.
3.2 Resultat
Det enklaste sättet att undersöka om Riskl är konstant över åren är att rita upp ett diagram med tid på x-axeln och singelolycks-kvoten sommartid=Risk1 (olyckor / trafikarbete) på y-axeln. Ett sådant diagram får följande utseende:
OLKVOT 000:. + + 005 + :F
1;
+
+
0.20 +$§f§+ +I++: + i i i i'* i + i ; + + 1 i i E;i
*
015' 1+:êii+#:: + i + i i i i i a i i i i+ +++ + _1_ +*++ 000 + + + * * + + + + + + + + + + -+ i + +' + + 005 00021 Y I , I 1 I , I . I . , , , I , r 1 1970 1972 1974 1976 1978 1980 1982 1984 1986 1988 ÅRFigur 1. Olyckskvotens fördelning för singelolyckor sommartid
Över åren.
Man kan se att under 1972 - 1988 har det inte varit någon stadig
trend. Möjligen kan en svag vågrörelse anas där vågdalarna
in-faller vid år med lågt trafikarbete. I princip kan dock sägas
att risken varit konstant under åren. Detsamma gäller om man
plottar upp länen var för sig även om där naturligtvis finns
större variationer. Man kan inte säga något om utvecklingen i
framtiden. Det verkar rimligt att kontrollera hur
singelolycks-kvoten sommartid har varierat om några år.
Slutsats: Det första antagandet stämmer i grova drag, men bör
kontrolleras ytterligare om några år.
4 SINGELOLYCKOR VINTERIID
Det andra antagandet i grundmodellen gäller vad som händer med
singelolyckorna vintertid.
Singelolyckorvinter = riskz * trafikarbete
+ k1*{väder/väglag-term) + k2*VV-åtgärd + rest
Ett alternativ är
Singelolyckskvotvinter = k3*{väder/väglag] + k4*VV-åtgärd + rest Två termer har tillkommit som inte var med när det gällde som-marolyckor, nämligen en som beror på väder och väglag och en som
beror på de åtgärder som väghållaren utför. Ingen av dessa
ter-mer har lätt definierade och avläsbara data. Man får utgå från de data man har tillgängliga och göra en del antaganden. En
rest-term finns också med för attmarkera att de termer vi använder
inte helt kan förklara sambanden.
4.1 Data
4.1.1 Olyckor och trafik
Olycksdata är taget från vägdatabanken. Det innebär att data
består av alla polisrapporterade olyckor på det statliga
väg-nätet. Data är uppdelat månadsvis under åren 1974-1988 med
undantag av 1979. Årstrafikarbetet har Vägverket tagit fram. Det har fördelats per månad med hjälp av dels de olika länens
vinter-andel (se kap 3.1) och dels den för hela landet genomsnittliga
andelen per månad som finns angiven i ett VTI-notat (Referens
1).
4.1.2 'Väder/väglag
Det är antagligen väglaget och inte vädret som har störst
be-tydelse vid en olyckas uppkomst. Men väglaget är svårt att mäta
och det finns inte uppmätt på många ställen. Man vet inte hur
väglaget har varit vid olika tidpunkter och platser. Väglaget
beror i sin tur på vädret. Det finns däremot väl dokumenterat
vid SMHIs Väderstationer som finns utspridda över hela landet.
I det här projektet har SMHIs data använts. En Väderstation per
län har utsetts. Ibland har samma station använts för två län. Eftersom data har köpts in i två skilda omgångar kan det vara två olika Väderstationer för samma län. Alla data finns inte för
I, U och T-län. För T och U-län har värdena för halkdygn och
snödygn sammanvägts med hjälp av de närliggande länens data.
I-län har även i andra sammanhang speciella förhållanden och
därför har länet uteslutits ur analysen. Ett antal
väderpara-metrar för varje månad under 1974-1988 har plockats fram för varje län. De parametrarna är
halkdygn antal meteorologiska halkdygn enligt SMHIs
och VVs definition (se referens 2)
snödygn 1 och 2 antal dygn det har snöat mer än 0.1 resp 2 mm
i smält form
temp månadsmedeltemperatur
frostdygn antal dygn med minusgrader någon gång
mm mm nederbörd i smält form
klara antal dagar med medelmolnighet s 25%
mulna antal dagar med medelmolnighet 2 75%
snödjup medelvärde av snödjup i terrängen i cm den 5,
15 och 25 i månaden
nederbördsdygn antal dygn med 2 1 mm nederbörd i smält form
Ovanstående parametrar ansågs från början kunna ha någon
betyd-else, men det är inte troligt att alla parametrarna har lika
stor inverkan på trafiksäkerheten. Vissa har antagligen ingen
betydelse alls. Det är också flera parametrar som är beroende av varandra, vilket innebär att de inte tas med samtidigt.
4.1.3 VV-åtgärd
Om det är besvärligt att få fram en väder/väglagsterm så är det än värre att få ett mått på väghållarens åtgärder. Det finns
inget helt objektivt sätt att mäta åtgärderna, framför allt är
det inte gjort på länsnivå. I vissa län finns
produktionsföljning men den är ganska ofullständig och man har ingen upp-följning av åtgärdenas effekt på t ex väglaget. Vägverket har
hjälpt till med att försöka klassalänen som aktiva eller mindre
aktiva vad gäller att acceptera ny teknik i vinterväghållningen.
Minst tre av följande kriterier ska vara uppfyllda om ett län
ska klassas som aktivt.
- Användning av befuktat salt i olika former.
- Tillämpning av förebyggande halkbekämpning.
- Utbyggnad av VVIS-nätet.
- Användning av produktionsuppföljningssystemet.
De här metoderna har börjat användas de allra senaste åren. Man kan dock anta att län som har anammat dessa nya idéer är sådana som redan innan var aktiva i sin vinterväghållning. Det är
allt-så utvecklingen från början av åttiotalet som ska studeras för
de aktiva resp mindre aktiva länen. Man kan notera att de flesta av kriterierna gäller halkbekämpning. Det finns egentligen
ingen-ting som beaktar snöröjning. VVs uppfattning är att den som är
aktiv när det gäller halkbekämpning är det även när det gäller
snöröjning.
Detta och att vintervädret är så annorlunda i landets olika
de-lar har inneburit att alla analyser har delats upp i samma kli-matregioner som i andra analyser av vinterolyckor (observera att
de inte stämmer med Vägverkets regionsindelning). Region 1 är
Kalmar, Blekinge, Kristianstad, Malmöhus, Hallands och Göteborg
och Bohuslän. Region 2 är Stockholms, Södermanlands, Upplands,
Östergötlands, Jönköpings, Kronobergs, Älvsborgs, Skaraborgs,
Örebro och Västmanlands län. Region 3 är Vänmlands, Kopparbergs,
Gävleborgs, Västernorrlands, Jämtlands, Västerbottens och Norr-bottens län.
4.2 MQtod
Det enklaste sättet att visa huruvida de aktiva länen har
lyc-kats bättre med trafiksäkerheten är att helt enkelt plotta
olyckskvoten mot åren. Om de län som har blivit aktiva under
perioden har en bättre trend än de mindre aktiva kan man anta
att deras vinterväghållning har bidragit till en minskning av
olyckorna.
För att se om antagandet verkligen gäller har ett antal
regres-sionsanalyser utförts. I ekvationen
y = BO + lel + Bzxz +...+ Bka
är X1....Xk de olika oberoende variablerna, y är den beroende
variabeln och Bo, 51,..., Bk regressionskoefficienter. De
obe-roende variablerna är trafikarbete, vädervariablerna och ibland
en dummy-variabel som är satt till 1 för de aktiva länen och
till 0 för de mindre aktiva. Regressionsanalysen har utförts
både med olyckor och med olyckskvot som beroende variabel (y).
Analysen skattar värden på regressionskoefficienterna med hjälp
av minsta kvadratmetoden. För att finna den bästa ekvationen har
först alla tillgängliga vädervariabler prövats sedan har de
va-riabler vars koefficientskattningar inte är signifikanta (5 %
risknivå) uteslutits. De återstående variablerna utgör
förkla-ringsvariablerna i den slutliga regressionsekvationen. Om två
variabler varit starkt beroende t ex nederbördsdygn och snödygn har den variabel med lägst risknivå behållits.
Det finns två sätt att analysera betydelsen av variabeln VV-åt-gärd. Det ena sättet är att utföra olika regressioner för aktiva
resp mindre aktiva län. Då undersöks de andra variablernas
be-tydelse beroende på vinterväghållningens kvalitet. Om VV-åtgärd
är en betydelsefull variabel bör väderparametrarna ha större
betydelse i de mindre aktiva länen. Det andra sättet är att låta
VV-åtgärd vara en oberoende variabel i regressionsanalysen och
se på risknivåvärdet om variabeln har någon trovärdighet. Detta sätt medför också att man kan se hur stor inverkan VV-åtgärd har
10
på ekvationen. Det finns två tänkbara orsaker om det visar sig att VV-åtgärd inte har någon effekt. Det ena är att variabeln är
fel på något sätt, att man kanske borde ta hänsyn till andra
faktorer vid klassningen. Det andra är att en mer aktiv vinter-väghållning kanske inte ger någon minskad olyckskvot.
Förklaringsgraden (R2) är ett mått på hur väl observationerna är
anpassade till regressionsekvationen. Den ska vara så stor som
möjligt d v 3 så nära 1 som möjligt. Det är ovanligt att man får någon riktigt god anpassning.
Alla regressioner är utförda regionsvis med en observation per
månad och län.
4.3 Resultat
Enligt vägverket är det först efter 1982 som större
förbätt-ringar i vinterväghållningen gjorts. Därför utnyttjasi de
föl-jande regressionerna enbart 1983-1988 års material. Regressions-analyser har även gjorts för alla åren 1974-1988 men inga
signi-fikanta skillnader erhölls mellan aktiva och mindre aktiva län.
I bilaga 1 återges de datalistor som erhållits för den bästa
regressionsekvationen.
4.3.1 Region 1
I region 1 finns det tre län som är klassade som aktiva. De hade lägre olyckskvot än de övriga länen i regionen redan i slutet på
sjuttiotalet. Denna skillnad har dock blivit större mellan
1983-1988. Olyckskvoten har minskat stadigt för de tre länen
under åttiotalet, se figur 2 och 3.
Figur 2. ( T O < N a n w3 w4 0 F F O < zr m ; r 0 k 1 H o .50 .45' .40* .35 .30' .20 .15' .10 .05 .00' Fiq_ur 3 . De
olyckskvoten minskar med ökat snödjup.
.10 .05" .00 11 T 1909 I 1986 I 1984 I 1982 I ' I ' I 1976 1978 1980 T ' I 1972 1974 ÅR
Olyckskvotens fördelning för singelolyckor vintertid
över åren. Region 1, aktiva län.
\v 1977 'I I 1996 TQRR I j I 1987 I 1980 I 1978 1074 1476 1994 ÅR
Olyckskvotens fördelning för singelolyckor vintertid
Över åren. Region 1, mindre aktiva län.
förklarande vädervariablerna är halkdygn och snödjup där
Vädervariablerna
frost-dygn och snöfrost-dygn 2 har i den stegvisa regressionen uteslutits då
de är starkt korrelerade med månadsmedeltemperatur resp snödygn
1. Ekvationen för region 1 blir som följer. (Bilaga sid 1:1).
12
OK = 0.30 - 0.00037*TA - 0.0044*djup + 0.018*halk + 0.087*A
där
OK = olyckskvot för singelolyckor
TA = trafikarbete
djup = snödjup, terrängen halk = halkdygn
och
A = 1 om det är ett aktivt län, annars är A=O.
Det innebär att för i övrigt samma förhållanden är olyckskvoten 0,087 högre i ett mindre aktivt län äni ett aktivt län.
Osäkerheten är dock stor vilket framgår av att förklaringsgraden (R2) är 0.31.
Även vid uppdelningen av region 1 i aktiva resp. mindre aktiva län har stegvisa regressioner genomförts. Resultatet för de två grupperna skiljer sig markant åt. För mindre aktiva län återstår
endast antal halkdygn som förklarande variabel, vilken inte
finns med hos aktiva län, där istället vädervariablerna snödjup,
månadsmedeltemperatur och antal nederbördsdygn är förklarande
variabler. Ekvationerna för aktiva resp. mindre aktiva län
åter-finns i bilaga sid 1:2 resp 1:3. Snödjupet kommer inte med som
förklaringsvariabel för de mindre aktiva länen i region 1. Det
kan kanske bero på att det handlar om lån där det oftast inte
ligger så mycket snö.
13
4.3.2 Region 2
I region 2 finns det fem län som är klassade som aktiva. Vad
gäller singelolyckskvoten skiljer de sig något under några år i
mitten på 80-talet från de övriga i regionen . Figur 4 och 5
visar hur olyckskvoten har varierat över åren.
0.45' 0.40* 0.35 0.30 0.25" 0.20' F * O C N ' U T O L C PO 0.10' 6.05" I ' I ' l ' I ' I ' I ' 1 T I ' I Iw7? 1074 1976 1978 1980 1982 1084 1086 19nn ÅR
Figur 4. Olyckskvotens fördelning för singelolyckor vintertid
över åren. Region 2, aktiva län.
C R ' M T O V C P O (7 O 0'00 I ' 1 ' I 4* I ' I 1 I ' I T I ' I 1072 1074 1976 1978 1980 i982 1984 10nn 1qnn ÅR
Figur 5. Olyckskvotens fördelning för singelolyckor vintertid
över åren. Region 2, mindre aktiva län.
14
De vädervariabler som kommer med i regressionsekvationen är
snö-djup, halkdygn, månadsmedeltemperatur och nederbördsdygn.
Olyckskvoten minskar med ökat snödjup och positiv
månadsmedel-temperatur och ökar med negativ månadsmedeltemperatur och för
ett ökat antal halk- resp nederbördsdygn.
OK = 0.18 - 0.0045*djup - 0.0031 nederbördsdygn + 0.010 halka
+ 0.0001*TA - 0.0060*TEMP - 0.016*A
där A blir signifikant på drygt 6 % risknivå (se bilaga 1:4). Förklaringsgraden (R2) är 0.32.
Om regeln om att endast koefficientskattningar med en risknivå
< 5 % skall tas med, är det den följande ekvationen som gäller
för region 2 (se bilaga 1:5).
OK = 0.19 - 0.0042*djup + 0.0035*nederbördsdygn + 0.010*halk
- 0.0054*TEMP där
OK = olyckskvot för singelolyckor
djup = snödjup i terrängen halk = halkdygn
temp = månadsmedeltemperatur TA = trafikarbetet
och A = 1 om aktivt län,
Förklaringsgraden (R2) är 0.30.
annars A = O.
Eftersom regressionskoefficienten för A blev signifikant på
drygt 6 % väljs även att ta fram ekvationer för region 2 med en
uppdelning av länen i aktiva och mindre aktiva län. Ett något
större olycksmaterial t ex flera år kunde kanske ha gett
signi-fikant resultat. För aktiva län blir förklarande vädervariabler
samma som för region l. Däremot tillkommer snödjupet och
månads-medeltemperaturen till antal halkdygn som förklarande
väder-variabler för mindre aktiva län jämfört med region 1.
Ekva-tionerna återfinns i bilaga 1:6 och 1:7.
15
4.3.3 Region 3
I region 3 finns det inget län som är klassat som aktivt. Det
innebär naturligtvis att man inte kan säga något om
Vinterväg-hållningens inverkan i den regionen. Det är inte så att det
händer ovanligt mycket olyckor i regionen. Olyckskvoten är
tvärtom låg för alla norrlandslänen både sommar och vinter,
vilket kan bero på höga bortfall där. Figur 6 visar hur
olycks-kvoten har fördelat sig över åren.
O V ? O O ; b) 0 f O / N çr ) O N O 1072? 1074 1976 1978 1980 1982 1984 1986 10% ÅR
Figur 6. Olyckskvotens fördelning för singelolyckor vintertid
över åren. Region 3.
De vädervariabler som kommer med i regressionsekvationen är snö-djup och halkdygn, där olyckskvoten minskar med ökat snösnö-djup och ökar med antal halkdygn. Regressionsekvationen får följande ut-seende för region 3 (se bilaga 1:8).
OK = 0.093 + 0.00066*TA - 0.0020*djup + 0.0076*ha1k där OK = olyckskvot för singelolyckor TA = trafikarbete djup = snödjup halk = halkdygn Förklaringsgraden (R2) är 0.39. VTI NOTAT T 100
16
4.3.4 Gemensam form
Det finns Önskemål från Vägverket om en ekvation med samma vari-abler i alla tre regionerna. För att den här ekvationen ska vara så användbar som möjligt bör det inte finnas några starkt
korro-lerade variabler. Det innebär att endast trafikarbete, snödjup
och halkdygn kommer med. Då blir förklaringsgraden något lägre
för region 2. Regressionsanalysen har delats upp på både regio-ner och aktiva/ mindre aktiva län där det låter sig göras.
Resultatet blir fyra regressionsekvationer på formen OK = Bo + pl*TA + Bz*djup + B3*halk
De olika koefficienterna kan avläsas i tabell 1. Där finns också förklaringsgraden angiven.
Tabell 1. Koefficienterna och förklaringsgraden till
regres-sionsanalyser på gemensam fonm.
0
0
B
1
6
2
I33
r2
aktiva lån ' region 1 0.29 -0.0009 -0.0045 0.012 0.21 mindre aktiva lån region 1 0.27 -0.0003 -0.0039 0.020 0.19 region 2 0.16 0.0001 -0.0036 0.017 0.29 region 3 0.09 0.0007 -0.0020 0.008 0.39 VTI NOTAT T 10017
Regressionen visar att om vintern blir värre t ex om det blir
två ytterligare meteorologiska halkdygn i region 1 ökar olycks-kvoten med 0.024 i de aktiva länen medan den ökar med 0.040 i de mindre aktiva. gbg det är en mycket dålig förklaringsgrad. I
verkligheten kan man inte dra så säkra slutsatser eftersom
kon-fidensintervallen är i samma storleksordning som de beräknade
olyckskvoterna.
Tabell 2 till 5 visar hur stor olyckskvoten blir vid olika
snö-djup och meteorologiska halkdygn i de olika regionerna.
Obser-vera den stora osäkerheten. Tabellen är uträknad med hjälp av
värdena i tabell 1. Ett snittvärde av 1988 års trafikarbete för
de aktuella länen har använts. Osäkerheten är beräknad som 2
gånger standardavvikelsen för olyckskvoten. Den riktiga
osäker-heten ökar ytterligare för de lägsta och högsta värdena på olyckskvoten.
Tabell 2. Olyckskvoten (x) för aktiva län i region 1. Den
verk-liga olyckskvoten bör ligga i intervallet OK = x i 0.16.
s 40
0.11
0.13
0.15
g 35
0.10
0.13
0.15
0.18
3 30
0.13
0.15
0.18
0.20
3 25
0.13
0.15
0.17
0.20
0.22
20
0.15
0.17
0.20
0.22
0.24
15
0.17
0.19
0.22
0.24
0.27
10
0.19
0.22
0.24
0.27
0.29
5
0.17
0.19
0.22
0.24
0.26
0.29
0.31
0
0.19
0.21
0.24
0.26
0.29
0.31
0.33
0
2
4
6
8
10
12
halkdygn
VTI NOTAT T 10018
Tabell 3. Olyckskvoten (x) för mindre aktiva län i region 1.
Den verkliga olyckskvoten bör ligga i intervallet
OK = x i 0.26. s 30 0.24 0.28 0.32 0.36 2 25 0.26 0.30 0.34 0.38 g 20 0.27 0.31 0.35 0.39 3 15 0.25 0.29 0.33 0.37 0.41 10 0.27 0.31 0.35 0.39 0.43 5 0.21 0.25 0.29 0.33 0.37 0.41 0.45 0 0.23 0.27 0.31 0.35 0.39 0.43 0.47 0 2 4 6 8 10 12 halkdygn
Tabell 4. Olyckskvcten (x) i region 2. Den verkliga
olyckskvo-ten bör ligga i intervallet OK = x i 0.17. s 65 0.01 0.04 n 6 60 0.02 0.06 0.09 0.13 0.16 3 55 0.04 0.08 0.11 0.14 0.18 3 50 0.06 0.09 0.13 0.16 0.20 45 0.08 0.11 0.15 0.18 0.21 40 0.10 0.13 0.16 0.20 0.23 35 0.11 0.15 0.18 0.22 0.25 30 0.13 0.17 0.20 0.23 0.27 25 0.15 0.18 0.22 0.25 0.29 20 0.17 0.20 0.24 0.27 0.30 15 0.15 0.19 0.22 0.25 0.29 0.32 10 0.14 0.17 0.20 0.24 0.27 0.31 0.34 5 0.15 0.19 0.22 0.26 0.29 0.32 0.36 0 0.17 0.21 0.24 0.27 0.31 0.34 0.38 0 2 4 6 8 10 12 halkdygn VTI NOTAT T 100
19
Tabell 5. Olyckskvoten (x) i region 3. Den verkliga
olyckskvo-ten bör ligga i intervallet OK = x i 0.13.
3100
0.05
0 06
g 95
0.02
0.04
0.06
0.07
g 90
0.02
0.03
0.05
0.07
0.08
3 85
0.03
0.04
0.06
0.08
0.09
80
0.04
0.05
0.07
0.09
0.10
75
0.05
0.06
0.08
0.10
0.11
70
0.06
0.07
0.09
0.11
0.12
65
0.05
0.07
0.08
0.10
0.12
0.13
60
0.06
0.08
0.09
0.11
0.13
0.14
55
0.07
0.09
0.10
0.12
0.14
0.15
50
0.08
0.10
0.11
0.13
0.15
0.16
45
0.09
0.11
0.12
0.14
40
0.10
0.12
0.13
0.15
35
0.11
0.13
0.14
0.16
30
0.12
0.14
0.15
0.17
25
0.13
0.15
0.16
0.18
20
0.14
0.16
0.17
0.19
15
0.15
0.17
0.18
0.20
10
0.16
0.18
0.19
0.21
5
0.16
0.17
0.19
0.20
0.22
0
0.17
0.18
0.20
0.21
0.23
0
2
4
6
8
10
12
halkdygn
VTI NOTAT T 10020
5 PERSONSKADORNAS BEROENDE ÄV SINGELOLYCKORNA
Det är ingen mening med att singelolyckorna minskar om
flerfor-donsolyckorna ökar i motsvarande grad. Det viktigaste
trafik-säkerhetsmässigt är naturligtvis att personskadeolyckorna
mins-kar, så att inte de svåra olyckorna finns kvar eller ökar. Det
är därför antagande 3 och 4 bör gälla för att grundmodellen ska
anses vara bra.
Om singelolyckorna minskar så minskar även flerfordonsolyckorna Om flerfordonsolyckorna minskar så minskar även personskadorna.
Man kan även gå direkt och anta att om singelolyckorna minskar
så minskar även personskadorna.
5.1 Mbtod
De data som tillkommer är antalet flerfordonsolyckor och antal
skadade i varje län. Antal skadade innebär antal skadade inkl
dödade personer i alla polisrapporterade olyckor oavsett
olycks-typ. I båda fallen har antalet slagits ihop för vintermånaderna
(januari - mars och oktober - november) för varje år. Data finns
tillgängliga från 1974 till 1988 med undantag av 1979. Om.man
ska kunna jämföra olyckor från olika tidpunkter och lån måste
man jämföra olyckskvoter resp skadekvoter.Det innebär att
anta-let olyckor resp skadade ska divideras med trafikarbetet för
motsvarande period och område.
Alla tre antaganden kontrolleras på samma sätt. En enkel
regre-ssionsanalys med formeln y = a + b*x
utförs, där a och b bestäms. x och y är oberoende resp beroende
variabler. Tre regressionsanalyser med följande variabler har
utförts.
21 beroende oberoende variabel y variabel x flerfordons- singel-olyckskvot olyckskvot person- flerfordons-skadekvot olyckskvot person- singel-skadekvot olyckskvot 5.2 Resultat
Alla tre regressionsanalyserna gav tydliga samband. Det kan lät-tast redovisas i form av en plottning av alla olycks- och
skade-kvoter för alla län. Alla analyserna gjordes både för hela
lan-det och regionsvis. Det var dock ingen större skillnad så här
redovisas endast resultaten från hela landet.
22
Flerfordonsolyckornas beroende av singelolyckorna
Att flerfordonsolyckskvoten ökar med ökad singelolyckskvot visas i figur 7. Regressionslinjens ekvation ser ut som följer
Flerfordonsolyckskvoten = 0.21 + 0.32 * singelolyckskvoten (3 Ch O 1 0. H 0 Hw H (I) b-'H \ C H' r.) (L P O N ) <1 N (0 r: 0 '< 1 0 0.00 I 7 I 1' T I I I 1 1 I 7 l 1 I I I T I Y I Y I 7 r 0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0-50 0,5% 0.60 singelolyckskvot
Figur 7. Olyckskvoten för flerfordonsolyckorna jämfört med
Olyckskvoten för singelolyckorna 1974-1988.
23
Personskadornas beroende av flerfordonsolyckorna
Om man ska bedöma hur personskadorna har utvecklats bör man tit-ta på Skadekvoten. Det är antit-talet personskador genom
trafikarbe-tet. Att personskadorna minskar med minskad
flerfordonsolycks-kvot visas i figur 8. Regressionslinjens ekvation ser ut som följer Skadekvoten = 0.18 + 0.52 * flerfordonsolyckskvoten 0.60* ?T UI O. 0) :_ v 0 0 t 0. 0. 0.10" 0.05' 0'004 I ' I ' I ' I ' I ' l ' I ' I ' I ' I ' 1 7 I 0.00 0.05 0.10 0.15 0.20 0-25 0.30 0-35 0-40 0.45 0.50 0.55 0.60 flerfordonsolyckskvot
Fi r 8. Skadekvoten jämfört med olyckskvoten för
flerfordons-olyckorna 1974-1988.
24
Personskadornas beroende av singelolyckorna
Eftersom personskadorna förhåller sig linjärt till flerfordons-olyckorna och dessa i sin tur har ett linjärt förhållande till singelolyckorna borde personskadorna också ha ett linjärt för-hållande till singelolyckorna. Så är också fallet. Figur 9 visar
skadekvotens förhållande till singelolyckskvoten.
Regressions-linjens ekvation lyder
Skadekvoten = 0.25 + 0.32 * singelolyckskvoten 0.604 0.55 0.50" + + + 0.45" + + < + + +*++ + 1:4' +i#'h-+ * - + + % ag + 5-40 * ++ + it+#'++'+hÄ-+.+*+ -+++ +1 +4% + + + + '3244: + + 0.35' + + H + + 4+++$+ + +44- + . + + + ;W4ñEEÅÃE'4' ;:+ + + mzsj +H #+ -r + W O < J V F DQ , D J 7 < ' U ) 0 0.20' ++ 0.15' 0.10' 0.05 0.00 I ' I ' I ' I ' I ' I ' I ' I ' l ' I ' I ' I * *T 0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50 0.55 0.60 singelolyckskvot
Figur 9. Skadekvoten jämfört med olyckskvoten för
singelolyc-korna 1974-1988.
25
6 SLUTSATSER
Som framgått av föregående kapitel har inte alla antagandena
visat sig vara tillräckligt trovärdiga för att modellen ska
an-ses vara riktig. Olyckskvoten för singelolyckor sommartid kan
anses vara någorlunda konstant. En lägre singelolyckskvot ger en
bättre trafiksäkerhet även vad gäller personskador. Däremot kan
man inte påvisa någon signifikant effekt på singelolyckorna av väghållarens åtgärder vintertid mer än i en region. För region 2 är det dock nära att signifikant resultat erhålles. Detta
inne-här att modellen i nuvarande utformning inte är användbar för
att följa upp vinterväghållningens effekt på trafiksäkerheten.
Däremot kan man med viss försiktighet använda antagande 2 till
att se hur stor inverkan vädret har på trafiksäkerheten
vinter-tid. Ett extra halkdygn ger en olycksökning på mellan 0.01 och
0.04 olyckor/axelparkm beroende på var i Sverige det är. Ett
minskat snödjup med 5 cm innebär på samma sätt en ökning av
olyckskvoten med mellan 0.01 och 0.03. Osäkerheten i materialet är dock mycket högre än detta utfall. Singelolyckskvoten är vid litet snödjup och inget halkdygn cirka 0.2.
26
7 DISKUSSION
Syftet med modellen är att ge en enkel metod att mäta vinterväg-hållningens inverkan på trafiksäkerheten på länsnivå.
Trafik-säkerheten mäts i första hand i skadekvot (antal skadade
/tra-fikarbete). I stället för att mäta skadekvoten direkt, vilket
skulle kräva information om trafikarbetet, används "vinterandel"
som en skattning av skadekvoten. Måttet "vinterandel" innehåller inte någon trafikarbetsterm. Hela modellen bygger på antagandet att en förbättrad vinterväghållning verkligen ger en förbättrad
trafiksäkerhet (dvs lägre skadekvot). Detta antagande är inte
direkt undersökt här, utan det har skett stegvis och de olika
stegen innehåller vart och ett en osäkerhet som gör det svårt att dra några (säkra) slutsatser om hela steget.
För att modellen ska vara användbar måste det finnas två klara
samband, för det första ett samband mellan vinterväghållning och
trafiksäkerhet (antagandet ovan) och för det andra ett samband
mellan trafiksäkerhet och "vinterandel". I bägge sambanden ingår en slumpmässig variation. Även om vinterväghållningen varit lika
effektiv varierar skadekvoten över åren och även om skadekvoten
är exakt lika olika år kan vinterandel variera. Dessa
slump-mässiga variationer läggs ihop när man betraktar sambandet
mel-lan "vinterandel" och vinterväghållning. Slumpens relativa
in-verkan blir större när observationerna blir färre, dvs i ett
litet län kommer osäkerheten att vara större än i ett stort län
eller i en region.
Undersökningen tyder på att det krävs ett stort antal år med förbättrad vinterväghållning för att resultatet av den
förbätt-rade vinterväghållningen ska kunna mätas med hjälp av variabeln
"vinterandel" med någon större tillförlitlighet. De slumpmässiga variationerna verkar vara ganska stora, i synnerhet på länsnivå.
Med det datamaterial som nu finns går det heller inte att få
någon bra uppskattning av hur mycket av vinterandel 's
föränd-ringar över åren som beror på förbättrad vinterväghållning.
27
En möjlig orsak till undersökningens resultat är att modellen
inte är tillräckligt utvecklad, dvs att vinterandel måste
för-bättras så att sambandet mellan skadekvoten och "vinterandel"
blir klarare. Kanske måste man mäta skadekvoten direkt för att
se någon effekt av förbättrad vintervägfhållning. En annan orsak
kan vara att det faktiskt inte finns något samband mellan
vin-terväghållning och skadekvot, eller att sambandet är så svagt att det inte går att påvisa. I så fall rämnar modellens grund-antagande.
För att kunna testa en modell av detta slag behövs också
känne-dom om en del saker som kan vara svåra att få fram. Man bör t ex
ha ett bättre mått på när de olika teknikerna infördes. Det är
vanskligt att sätta ett år då länen blev aktiva. Förändringarna
kom succesivt och de flesta länen började med dessa aktiviteter
i slutet på åttiotalet. Det är också möjligt att
förklarings-graden skulle bli högre om indelning i vägkategorier gjordes.
Förutsättningen för det är i så fall att det finns tillräckligt
med data.
Ett sätt att hjälpa vägförvaltningarna att följa upp trafiksäker-hetseffekter av vinterväghållning är att utarbeta en handledning
motsvarande kommunförbundets (referens 3). Där beskrivs hur man
relativt enkelt kan följa upp förändrad vinterväghållning. En ny
handledning skulle inte behandla drastiska förändringar utansmå
förbättringar varje år som dokumenteras för eventuell användning
i modellen.
Ett bra sätt att undersöka effekten av vinterväghållning är att
som i t ex Minsaltförsöket se det som en före-efterstudie med
kontrollän. Då blir det ett kontrollerat försök som planeras
ordentligt till skillnad från studier som görs i efterhand och
där det är svårt att ha kontroll över t ex när och hur vinter-väghållningen förändrats.
Datamaterialet i främst referens (7) har använts för att studera
skadekvotens förändring under åren 1972-1987 (8) och skadekvots-minskningen från 1972-76 till 1983-87 (9). Eftersom vi tidigare
28
i diskussionen menat att det är skadekvoten som bör studeras i
stället för vinterandelen av singelolyckorna sammanfattas grovt
här de båda referenserna.
Referens 8
- Ju större trafikarbetsökning desto större skadekvotsminskning.
Detta kan bero på att olyckskvoten och skadekvoten avtar med ökande trafikflöde.
- Ju mindre trafikarbete desto större skadekvotsminskning.
- Ju större GCM-olycksminskning desto större skadekvotsminskning. - Ju större minskningen av vinterandelen singelolyckor är desto
mindre är skadekvotsminskningen. Anledningen kan vara att
effektivare vinterväghållning medför färre singelolyckor
vintertid men samtidigt högre hastigheter och därmed allvar-ligare olyckor och fler skadade för alla olyckstyper.
Referens 9
Sverige har här delats i södra och norra Sverige, där norra
Sverige består av länen S, W, X, Y, Z, AC och BD. I-län har inte analyserats. Vinterandelsminskningen avser det statliga
huvudväg-nätet medan skadekvotsminskningen bara fanns tillgänglig för
hela det statliga vägnätet.
- Det enda signifikanta regressionssambandet mellan skadekvots-minskning och vinterandelsskadekvots-minskning har erhållits för vinter
i södra Sverige. Regressionslinjens lutning påverkas dock
starkt av några enstaka län.
- För södra Sverige har skadekvotsutvecklingen varit gynnsam
under vintern jämfört med sommaren.
- För norra Sverige har skadekvotsutvecklingen varit lika
sam för både vinter och sommar och dessutom ungefär lika gynn-sam som för den genomsnittliga skadekvotsminskningen för vin-ter i södra Sverige.
- Dessa resultat är samstämmiga med tidigare erhållna resultat
(10) i den meningen att en minskning av andelen trafikarbete
vid is/snöväglag i första hand skulle reducera den normerade
olyckskvoten för regioner/tidsperioder med låg andel
trafik-arbete vid is/snöväglag.
29
Även i det pågående Minsaltprojektet har erhållits resultat som tyder på att det mindre vägnätet går bra att sköta osaltat. På detta vägnät är oftast andelen is/snö så hög (över 20 %) att det inte försämrar trafiksäkerheten om andelen blir någct högre. Vid låga andelar is/snÖ däremot är det ur trafiksäkerhetssynpunkt bra att ytterligare sänka denna andel.
[l]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
30 REFERENSERSchandersson, Rein. Trafikens veckodagsvariation under året.
En sammanställning grundad på Vägverkets trafikmätningar
1978-83. VTI Notat T 73. 1989.
Klimatdata. Underlag vid driftplanering. Vägverket DD 146. 1984.
Prov med förändrad vinterväghållnig i kommuner. Förslag till försöksuppläggning och utvärdering. Svenska kommun-förbundet, FoU-gruppen för gator och trafik. Rapport 8. 1987.
Schandersson, Rein. Samband mellan trafikolyckor, väglag och Vinterväghâllningsåtgärder. En pilotstudie av olycks-riskens nivå timmarna före och efter åtgärd. VTI Meddelande 483. 1986.
Trafiksäkerhetseffekter av Vägverkets vinterväghållnings-åtgärder 1972-1985. Vägverket Publ nr 1987:55.
Olycksutvecklingen 1972-1987. Analys, länsvisa kommentarer och prognosmodell. Vägverket Publ nr 1988:34.
Dokumentation av vinterförhållanden länsvis 1972-1988. Väg-verket Publ nr 1989:46.
Brüde, Ulf och Larsson, Jörgen. Multipel regressionsanalys avseende den länsvisa skadekvotsutvecklingen 1972-1987. VTI, PM 1989-02-20.
Brüde, Ulf och Larsson, Jörgen. Skadekvotsminskningen från 1972-1976 till 1983-1987 på det statliga vägnätet. VTI, PM 1989-03-29.
Brüde, Ulf och Larsson, Jörgen. Samband vintertid mellan
väderlek-väglag-trafikolyckor. Statistisk bearbetning och analys. VTI Rapport 210, 1980.
Bilaga 1
D E P V A R I A B L E : O K S O U R C E D F M O D E L 4 E R R O R 1 9 9 C T O T A L 2 0 3 V A R I A B L E I N T E R C E P T A A K T I V D J U P H A L K R O O T M S E D E P M E A N C . V . D F 0 _0 0 r-lv-IHHH A N A L Y S I S O F S U M O F S Q U A R E S 0. 96 93 03 10 2. 17 55 29 71 3. 14 48 32 81 0. 10 45 57 7 0. 29 08 81 4 35 .9 45 13 PAR A M E T E R E S T I M A T E S P A R A M E T E R E S T I M A T E .2 95 39 87 0 00 03 68 68 2 0. 08 65 27 3 -0 .0 04 39 51 4 0. 01 77 12 52 R E G I O N = 1 MEA N S Q U A R E 0. 24 23 25 77 0. 01 09 32 31 R -S Q U A R E A D J R -S Q S T A N D A R D E R R O R 0. 02 93 92 81 0. 00 01 56 97 92 0. 01 50 33 57 0. 00 14 04 49 3 0. 00 29 43 21 7 V A R I A N C E F V A L U E 2 2 . 1 6 6 0 . 3 0 8 2 0 . 2 9 4 3 T F O R H O : P A R A M E T E R -O 10 .0 50 -2 .3 49 -5 .7 56 -3 .1 29 6. 01 8 P R O B > F 0 . 0 0 0 1 P R O B > öT Ö 0. 00 01 0. 01 98 0. 00 01 0. 00 20 0. 00 01 Bilaga 1 1: 1
RE GI ON -1 A KTI V A LÄN D E P V A R I A B L E : O K A N A L Y S I S O F V A R I A N C E SU M OF M E A N SO UR CE DF SQ UA RE S SQ UA RE F V A L U E PR OB >F M O D E L 4 0. 20 56 23 90 0. 05 14 05 97 8. 04 1 0. 00 01 E R R O R 10 3 0. 65 84 40 00 0. 00 63 92 62 1 C TO TA L 10 7 0. 86 40 63 90 R -S Q U A R E 0 . 2 3 8 0 A D J R -S Q 0 . 2 0 8 4 RO OT MS E 0. 07 99 53 87 DE P M E A N 0. 24 68 03 7 C. V. 32 .3 95 73 PAR A M E T E R E S T I M A T E S P A R A M E T E R S T A N D A R D E S T I M A T E E R R O R P R O B > öT ö V A R I A B L E D F I N T E R C E P T A D J U P T E M P N E D D Y G N HHHHH 0. 33 41 08 28 -0 .0 00 88 17 08 -0 .0 05 62 31 6 -0 .0 08 26 59 4 0. 00 38 52 94 0. 04 34 44 89 0. 00 03 34 63 28 0. 00 14 24 19 4 0. 00 22 03 01 6 0. 00 16 34 78 9 0. 00 01 0. 00 97 0. 00 01 0. 00 03 0. 02 03 Bilaga 1 1: 2
D E P V A R I A B L E : O K S O U R C E D F M O D E L 1 E R R O R 94 C T O T A L 95 R O O T M S E D E P M E A N C . V . V A R I A B L E D F I N T E R C E P 1 H A L K 1 0 . 0 2 0 4 1 3 4 5 R E G I O N = 1 M I N D R E A K T I V A L ÄN A N A L Y S I S O F V A R I A N C E S U M O F M E A N S Q U A R E S S Q U A R E F V A L U E P R O B > F 0. 33 27 42 19 0. 33 27 42 19 20 .8 22 0. 00 01 1. 50 21 44 98 0. 01 59 80 27 1. 83 48 87 17 0. 12 64 13 1 R -S Q U A R E 0. 18 13 0. 34 04 68 8 A D J R-SQ 0. 17 26 37 .1 29 13 ARP A M E T E R E S T I M A T E S P A R A M E T E R S T A N D A R D T F O R H O : E S T I M A T E E R R O R P A R A M E T E R -O P R O B > öT ö 0. 22 56 43 08 0. 02 82 78 62 7. 97 9 0. 00 01 0 . 0 0 4 4 7 3 5 7 3 4 . 5 6 3 0 . 0 0 0 1 Bilaga 1 1:3
D E P V A R I A B L E : O K S O U R C E M O D E L E R R O R C T O T A L V A R I A B L E I N T E R C E P D J U P D F 6 34 2 34 8 R O O T M S E D E P M E A N C O V . D F HHHHHHH O -0 0 0 A N A L YS I S O F V A R I A N C E S U M O F S Q U A R E S 1. 01 26 14 23 2. 19 42 76 97 3. 20 68 91 20 0. 08 01 00 03 0. 24 69 53 1 32 .4 35 32 PAR A M E T E R E S T I M A T E S P A R A M ET E R E S T I M A T E .1 80 71 07 6 .0 04 47 12 7 00 31 30 65 2 0. 01 01 27 89 0. 00 01 48 49 83 -0 .0 05 96 14 5 -0 .0 16 07 79 R EG I O N -2 MEA N S Q U A R E 0. 16 87 69 04 0. 00 64 16 01 5 R -S Q U A R E A D J R -S Q S T A N D A R D E R R O R 0. 01 82 61 94 0 . 0 0 0 4 9 9 7 5 7 5 0. 0011 51 62 2 0 . 0 0 2 2 5 6 9 7 6 .0 00 07 60 02 66 0. 00 15 77 62 3 0 . 0 0 8 6 4 3 2 4 6 F V A L U E 26 .3 04 0. 31 58 0. 30 38 T F O R H0: P A R A M E T E R -O 9. 89 5 -8.9 47 2. 71 8 4. 48 7 1. 95 4 -3 .7 79 -1 .8 60 P R O B > F 0. 00 01 P R O B > öT ö 0. 00 01 0. 00 01 0. 00 69 0.00 01 0. 05 15 0. 00 02 0. 06 37 1 Bilaga 1 4
D E P V A R I A B L E : O K S O U R C E D F M O D E L 4 E R R O R 3 4 4 C T O T A L 3 4 8 V A R I A B L E I N T E R C E P D J U P H A L K T E M P N E D D Y G N R O O T M S E D E P M E A N C o v. D F HHHHH A N A L Y S I S O F V A R I A N C E S U M O F S Q U A R E S 0. 96 58 47 40 2. 24 10 43 80 3. 20 68 91 20 0. 08 07 13 46 0. 24 69 53 1 32 .6 83 72 PAR A M E T E R E S T I M A T E S P A R A M E T E R E S T I M A T E 0. 18 78 44 79 -0 .0 04 20 43 1 0. 00 98 47 08 1 -0 .0 05 39 02 0. 00 34 50 55 2 R E G I O N = 2 EAM N S Q U A R E 0. 24 14 61 85 0. 00 65 14 66 2 R -S Q U A R E A D J R -S Q S T A N D A R D E R R O R 0. 01 51 68 78 0. 00 04 93 30 14 0. 00 22 53 09 5 0. 00 15 75 01 1 0. 00 11 44 43 4 F V A L U E 37 .0 64 0. 30 12 0. 29 31 T F O R H O : P A R A M E T E R = 0 12 .3 84 -8 .5 23 4. 37 0 -3 .4 22 3. 01 5 P R O B > F 0. 00 01 P R O B > öT Ö 0 . 0 0 0 1 0 . 0 0 0 1 0 . 0 0 0 1 0 . 0 0 0 7 0 . 0 0 2 8 Bilaga 1 1: 5
RE GI ON-2 A K T I V A L A N D E P V A R I A B L E : O K A N A L YS I S O F V A R I A N C E S U M O F ME A N S O U R C E D F S Q U A R E S S Q U A R E F V A L U E P R O B > F M O D E L 4 0. 48 45 44 57 0. 12 11 36 14 22 .7 12 0. 00 01 E R R O R 16 9 0. 90 13 60 87 0. 00 53 33 49 6 C TO TA L 17 3 1. 38 59 05 44 RO OT M S E 0. 07 30 30 79 R -S Q U A R E 0. 34 96 DE P M E A N 0. 24 19 57 8 A D J R -S Q 0. 33 42 C. V. 30 .183 28 PARA M E T E R E S T I M A T E S P A R A M E T E R S T A N D A R D T F O R H 0 : V A R I A B L E D F E S T I M A T E E R R O R P A R A M E T E R -O P R O B > öT ö IN TE RC EP 1 0. 34 93 01 56 0. 03 23 47 49 10 .7 98 0. 00 01 T A 1 -0 40 01 01 69 1 0 . 0 0 0 2 4 4 8 26 -4 .1 54 0. 00 01 DJUP 1 -0 .0 04 66 08 8 0. 00 07 01 36 21 -6 .6 45 0. 00 01 TE MP 1 -0 .0 07 28 80 5 0. 00 17 79 31 1 -4 .0 96 0. 00 01 N E D D Y G N 1 0. 00 58 96 65 5 0. 00 12 89 11 7 4.57 4 0. 00 01 Bilaga 1 l.6
D E P V A R I A B L E : O K S O U R C E M O D E L E R R O R C TO T A L V A R I A B L E I N T E R C E P D F 4 17 0 174 R O O T M S E D E P M E A N C . V . 0. 15 34 66 54 0. 00 02 64 49 31 -0 .0 04 24 60 4 0. 01 66 78 75 -0 .0 0373 87 9 R E G I O N -2 M I N D R E A K T I V A L A N A N A L Y S I S O F V A R I A NC E S U M OF M E A N S Q U A R E S S Q U A R E F V A L U E P R O B > F 0. 63 41 82 09 0. 15 8545 52 22 .8 77 0. 00 01 1. 17 81 44 73 0. 00 69 30 26 3 1. 81 23 26 82 0. 34 99 0. 33 46 0. 08 32 48 2 0. 25 19 199 33.0 45 51 R -S Q U A R E A D J R -S Q P A R A M E T E R E S T I M A T E S T FO R H O : P A R A M E T E R -O P A R A M E T E R S T A N D A R D E S T I M A T E E R R O R P R O B > öT ö 0. 00 01 0. 00 14 0. 00 01 0. 00 01 0. 07 76 0. 02 37 30 29 6. 46 7 0. 00 00 81 54 41 3. 24 4 0. 00 06 84 79 18 -6 .2 00 0. 00 28 69 81 1 5. 81 2 0. 00 21 05 62 9 -1 .7 76 Bilaga 1 1: 7
D E P V A R I A B L E : O K S O U R C E D F M O D E L 3 E R R O R 2 4 4 C T O T A L 2 4 7 V A R I A B L E I N T E R C E P T A D J U P H A L K R O O T M S E D E P M E A N C . V . D F 0 0. 0 -0 0. H74F4H S U M O F S Q U A R E S 0. 63 28 22 75 0. 97 99 28 05 R E GI O N -3 A N A L Y S I S O F V A R I A N C E 1. 61 27 50 80 0. 06 33 72 7 0. 16 91 83 1 3 7 . 4 5 8 0 5 P A R A M E T E R E S T I M A T E .0 92 72 54 1 00 65 88 24 2 .0 02 04 77 7 00 76 11 94 2 P A R A M E T E R E S T I M A T E S S T A N D A R D E R R O R 0. 02 59 47 44 0. 00 01 92 82 19 0 . 0 0 0 1 8 3 6 9 9 3 0. 00 17 98 94 3 M E A N S Q U A R E 0. 21 09 40 92 0 . 0 0 4 0 1 6 0 9 9 R -S Q U A R E A D J R -S Q F V A L U E 52 .5 24 0. 39 24 0. 3849 T F O R H 0 : P A R A M E T E R -O 3. 57 4 3. 41 7 -1 1. 14 7 4. 23 1 P R O B > F 0. 00 01 P R O B > öT ö 0 . 0 0 0 4 0 . 0 0 0 7 0 . 0 0 0 1 0 . 0 0 0 1 Bilaga 1 l:8