INOM EXAMENSARBETE TEKNIK,GRUNDNIVÅ, 15 HP

, STOCKHOLM SVERIGE 2018

Analys av faktorer som påverkar bränsleförbrukningen i en personbil

Med multipel linjär regression

FILIP JOVANOVIC

PAUL SINGH

KTHSKOLAN FÖR TEKNIKVETENSKAP

Analys av faktorer som påverkar bränsleförbrukningen i en personbil Med multipel linjär regression FILIP JOVANOVIC PAUL SINGH

Examensarbete inom tillämpad matematik och industriell ekonomi

Civilingenjörsutbildning i industriell ekonomi

Kungliga Tekniska högskolan 2018

Handledare på KTH: Daniel Berglund, Gustav Martinsson

Examinator: Henrik Hult

TRITA-SCI-GRU 2018:192

MAT-K 2018:11

Royal Institute of Technology School of Engineering Sciences KTH SCI SE-100 44 Stockholm, Sweden URL: www.kth.se/sci

Analys av faktorer som paverkar bransleforbrukningen i en personbil: med multipel linjar regression.

Sammanfattning

Detta kandidatexamensarbete inom tillampad matematik och industriell ekonomi undersoker olikafaktorers paverkan pa bransleforbrukningen i personbilar. Detta gors genom att utfora en multipellinjar regression med programmet R. Dessutom utfors en analys av bilbranschen som tacker deinterna och externa faktorerna som paverkar biltillverkare for att presentera en optimal strategigallande FoU for biltillverkare med relativt lag omsattning. Denna analys ar baserad pa Porter’sfemkraftsmodell och en PEST-analys.

Datan som anvands i regressionen ar tillhandahallen av U.S. Environmental Protection Agency(EPA) och bestod av 1245 personbilar och bearbetades for att utfora regressionen. Resultaten franregressionsanalysen indikerar att det ar mojligt att forklara cirka 80 % av bransleforbrukningen ipersonbilar. Mer specifikt ar det antalet cylindrar, typ av vaxellada och cylinderdeaktiverings-systemsom har storst inverkan pa bransleforbrukningen. Dessutom visar den ekonomiska analysen avbilindustrin att starkt paverkande yttre faktorer som regleringar och andrande kundpreferensertillsammans med konkurrens fran andra aktorer inom industrin utgor det storsta hotet.

Den primara slutsaten av detta kandidatexamensarbete ar att biltillverkare med relativt lagomsattning borde implementera cylinderdeaktiveringssystem och overge “turbo-downsizing”-trendeninom industrin. Tillika bor manuella vaxellador overges for att reducera bransleforbrukningen,produktionskostnaderna och oka komforten for konsumenter.

Analysis of factors affecting the fuel efficiency in a passenger car: using multiple linear regression.

Abstract

This thesis in applied mathematics and industrial economics investigates different factors affectingthe fuel consumption in passenger cars. This is done by performing a multiple linear regressionusing the software R. Further, an analysis of the car industry is done covering the internal andexternal factors affecting the car manufacturers, in order to present an optimal strategy regardingRnD for car manufacturers having relatively low revenues. This analysis is based on Porter’s fiveforces framework and a PEST-analysis.

The data used for the regression has been gathered by the U.S. Environmental Protection Agency(EPA) and consists of 1245 passenger cars which was then processed in order to apply the regression.The results of the regression analysis performed indicated that it is possible to explain approximately80% of the fuel consumption in passenger cars. More precisely, the number of cylinders, type oftransmission and cylinder deactivation-system had the biggest impact on the fuel consumption.Furthermore the economic analysis of the industry revealed highly influencing external factors suchas regulations and changing consumer preferences together with competition from other actorswithin the industry being the biggest threat.

The main conclusion from this thesis is that car manufacturers having relatively small revenuesshould implement cylinder deactivation systems and abandon the turbo-downsizing trend withinthe industry. Furthermore manual gearboxes should be abandoned in order to reduce the fuelconsumption and manufacturing costs while increase the comfort for the consumer.

Forord

Vi vill tacka vara handledare Daniel Berglund och Gustav Martinsson fran institutionen for Matematikrespektive Industriell ekonomi och organisation for kontinuerligt stod och input till vart arbete.Dessutom vill vi rikta ett stort tack till Tatjana Pavlenko som bistatt med vagledning under arbetetsgang. Slutligen vill vi tacka vara opponenter Erik Malmgren, Markus Hilmersson, Karl Wallstromsamt Markus Wahlgren som bistatt med konstruktiv kritik och goda rad.

Innehall

1 Inledning 31.1 Bakgrund . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.2 Problemformulering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.3 Syfte och fragestallningar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41.4 Avgransningar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2 Teori 52.1 Multipel Linjar Regressionsanalys . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2.1.1 Ordinary Least Squares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52.1.2 Variabler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62.1.3 Antaganden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2.2 Modellfel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62.2.1 Multikollinjaritet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62.2.2 Endogenitet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72.2.3 Heteroskedasticitet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2.3 Modellvalidering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72.3.1 Normalitet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72.3.2 Box-Cox transformation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82.3.3 VIF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82.3.4 Homoskedasticitet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92.3.5 Hypotestest, p-varde och konfidensintervall . . . . . . . . . . . . . . . . . . . 92.3.6 Inflytelserika observationer . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

2.4 Best Subsets Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112.4.1 Kriterier for variabelselektion . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2.4.1.1 Forklaringsgrad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112.4.1.2 Sum of Square Residuals . . . . . . . . . . . . . . . . . . . . . . . . 122.4.1.3 AIC och BIC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122.4.1.4 Mallow’s Cp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2.5 Ekonomisk teori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132.5.1 Porters femkraftsmodell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132.5.2 PEST . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

3 Metod 153.1 Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

3.1.1 Insamling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153.1.2 Bearbetning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

3.2 Val av variabler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163.2.1 Responsvariabel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163.2.2 Forklaringsvariabler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

3.2.2.1 Kvantitativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163.2.2.2 Kvalitativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

3.3 Grundmodell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183.3.1 Validering av grundmodell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

1

3.3.1.1 Homoskedasticitet och normalitet . . . . . . . . . . . . . . . . . . . 183.3.1.2 Endogenitet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203.3.1.3 Multikollinjaritet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203.3.1.4 Inflytelserika observationer . . . . . . . . . . . . . . . . . . . . . . . 213.3.1.5 Atgarder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3.3.2 Reducering av grundmodell . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243.3.2.1 Best Subsets Regression . . . . . . . . . . . . . . . . . . . . . . . . . 24

3.3.3 Alternativ reducering av grundmodell . . . . . . . . . . . . . . . . . . . . . . 273.3.4 Val av slutgiltig modell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

4 Resultat 294.1 Reducerad modell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

4.1.1 Validering av reducerad modell . . . . . . . . . . . . . . . . . . . . . . . . . . 294.1.1.1 Homoskedasticitet och normalitet . . . . . . . . . . . . . . . . . . . 294.1.1.2 Endogenitet och inflytelserika observationer . . . . . . . . . . . . . . 29

5 Diskussion 315.1 Analys av slutgiltig modell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

5.1.1 Koefficienter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315.1.1.1 Cylindrar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315.1.1.2 Vikt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315.1.1.3 Manuell vaxellada . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315.1.1.4 Cylinderdeaktivering . . . . . . . . . . . . . . . . . . . . . . . . . . . 315.1.1.5 Drivning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325.1.1.6 Vaxlar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325.1.1.7 Turbo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325.1.1.8 Start/stopp-system . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

5.2 Branschanalys . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 335.2.1 Porters femkraftsmodell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 335.2.2 PEST . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 345.2.3 FoU i branschen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

5.3 Strategi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 375.3.1 Utgangspunkten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 375.3.2 Alternativa strategier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 385.3.3 Utvecklingsmojligheter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

6 Slutsats 41

7 Referenser 42

2

1 Inledning

1.1 Bakgrund

Den globala forsaljningen av personbilar har haft en stadig okning sedan 2014 och ar 2017 saldescirka 79 miljoner bilar i varlden [1]. De storsta aktorerna pa marknaden 2016 var Toyota MotorCompany (Toyota) med intakter pa 254 miljarder dollar, Volkswagen AG (Volkswagen) med intakterpa 240 miljarder dollar och slutligen Daimler med intakter pa cirka 170 miljarder dollar [2]. Dettakan jamforas med den relativt mindre koncernen PSA Peugeot Citroen (PSA-gruppen) som hadecirka 65 miljarder dollar i intakter samma ar [3].

Trots att biltillverkarna lyckats leverera bilar med battre bransleforbrukning och minskad miljopaverkan,bl.a. i form av minskad vattenforbrukning per tillverkad bil, har utslappen av vaxthusgaser frantransportbranschen okat sedan 1995 [4]. Detta har att gora med den okade efterfragan pa personbilarsom forvantas att vaxa annu mer under kommande ar [4]. Konsumenter har blivit mer miljomedvetnapa senare ar vilket aterspeglas i den okade forsaljningen av hybrid- och elbilar varlden over [5, s.12].Dessutom forvantas kommande generationerna vara mer miljomedvetna vilket kommer leda till attlag bransleforbrukning och klimatpaverkan blir ett starkare konkurrensmedel inom branschen [6].

Utvecklingen inom branschen har sett ljus ut och dagens bilar ar ofta utrustade med avancer-ade hjalpsystem som forbattrar sakerheten och okar komforten. Framkomsten av dessa systemhar i allra hogsta grad paverkats positivt av den hoga konkurrensen inom branschen. For attmota utslappskraven och den okade efterfragan pa miljovanliga bilar kravs stora investeringar avbiltillverkarna for att optimera drivlinan och andra smarta funktioner som cylinderdeaktiveringoch start/stopp [7, s.11]. Experter inom omradet menar att genombrott inom forskningen kringforbranningsmotorer kan forbattra bransleforbrukningen med 75 % och det ar darfor av ytterstavikt for biltillverkarna att fokusera sin FoU ratt [8].

1.2 Problemformulering

Tillverkare forsoker sanka bransleforbrukningen och minska klimatpaverkan pa olika satt. Fordhar t.ex. bytt ut stal mot aluminium i vissa bilar for att reducera vikten, Honda har bytt ut sinatraditionella automatvaxellador mot steglosa vaxellador och BMW anvander bl.a. forbattradeaerodynamiska egenskaper i samklang med turbomotorer for att fa ner bransleforbrukningen [8].Men om investeringar i dessa atgarder skulle lona sig var troligtvis svart att bedoma pa forhand. Enav svarigheterna med FoU inom branschen idag ar osakerheten kring investeringarna som gors foratt optimera bransleforbrukningen [7, s.9].

Det ar darfor viktigt for mindre biltillverkare, bl.a. PSA-gruppen, att investeringarna inom FoUprioriteras ratt. Med mindre intakter och marknadsandelar kan en misslyckad FoU leda till mantappar marknadsandelar och i varsta fall till en konkurs. Lyckas man daremot med sin FoU kanman mota den okade efterfragan pa miljovanliga bilar och ta storre marknadsandelar gentemotandra tillverkare.

3

1.3 Syfte och fragestallningar

Syftet med den har rapporten ar att undersoka om bransleforbrukning i en personbil kan fork-laras m.h.a. en linjar modell av olika faktorer och sedan analysera vilka av dessa som paverkarbransleforbrukning mest i en personbil. Utifran det och en omvarldsanalys ska en relevant FoU-strategi foreslas for mindre biltillverkare.

For att uppna syftet med denna rapport kommer foljande tva forskningsfragor att besvaras irapporten:

• Hur bra kan olika faktorers paverkan pa bransleforbrukningen forklaras med hjalp av en linjarmodell?

• Vilken strategi ska mindre biltillverkare ha gallande sin FoU och implementeringen av forbrukn-ingsreducerande atgarder for att oka sin konkurrenskraft?

1.4 Avgransningar

Rapporten kommer att avgransas till bilar som anvander fossila branslen eftersom att datan somerhallits inte ar applicerbar pa hybridbilar. FoU-strategin som foreslas kommer framst att varaanpassad for att oka konkurrenskraften i I-lander och darfor kommer U-lander att lamnas utanforrapporten.

4

2 Teori

2.1 Multipel Linjar Regressionsanalys

Nar en regressionsanalys utfors ansatts en ekvation for att modellera forhallandet mellan enresponsvariabel och en eller flera prediktionsvariabler aven kallade regressorer eller kovariat. Modellensom ansatts nar flera regressorer antas paverka responsvariabeln ser ut som foljande:

yi = β0 +

k∑j=1

βjxij + εi i = 1, 2, ..., n (1)

yi motsvarar responsvariabeln och xij ar det j:te kovariatet i den i:te observationen. εi ar en stokastiskfelterm och parametrarna β0 och βj ar regressionskoefficienter som ska estimeras. Modellen sombeskrivs av ovanstaende ekvation kan aven skrivas i matrisform och ges da av:

Y = Xβ + ε (2)

Dar

Y =

y1...yn

, X =

1 x11 x12 . . . x1k1 x21 x22 . . . x2k...

......

. . ....

1 xn1 xn2 . . . xnk

, β =

β0...βk

, ε =

ε1...εn

2.1.1 Ordinary Least Squares

Malet nar en linjar modell ansatts ar att estimera varden pa regressionskoefficienterna och etttillvagagangssatt ar att anvanda Ordinary Least Squares (OLS). Nar OLS anvands minimeraskvadratsumman av feltermerna och parametervektorn med de estimerade vardena betecknas med β.De estimerade vardena erhalls genom att minimera foljande ekvation med avseende pa β:

n∑i=1

ε2i = εT ε = (Y −Xβ)T (Y −Xβ) (3)

Detta leder till normalekvationerna for OLS fran vilka β erhalls vilken anges nedan tillsammansmed normalekvationerna:

XTXβ = XTY

β = (XTX)−1XTY(4)

OLS kommer leda till att β, under antagandena som gors i nasta kapitel, har vissa egenskaper somkan forkortas till BLUE. Detta star for Best Linear Unbiased Estimator och betyder att OLS ledertill en estimering med lagsta mojliga varians givet att estimeringen ar vantevardesriktig.

5

2.1.2 Variabler

Nar en regressionsanalys utfors anvands olika typer av variabler beroende pa situationen och utgorshuvudsakligen av foljande:

1) Kvantitativa variabler2) Kvalitativa variabler

Kvantitativa variabler beskriver en effekt som ar kvantifierbar. Kvalitativa variabler, aven kalladedummy-variabler, indikerar om en observation innehar en egenskap som ar kopplad till variabeln [9,s.260]. Dummy-variablerna antar vardet 0 om en observation saknar egenskapen och vardet 1 omobservationer innehar egenskapen. Genom att anvanda dummy-variablerna gar det att ta hansyntill icke-kvantifierbara egenskaper som kan ha en effekt pa responsvariabeln.

2.1.3 Antaganden

De antaganden som gors nar modellen i ekvation (2) ansatts och β erhalls ar foljande:

• Feltermen har vantevarde noll. Detta kravs for att skattningen β ska vara vantevardesriktig.

• Homoskedasticitet rader vilket innebar att feltermerna ε ar oberoende och har konstant varians.

• Matrisen X ar deterministisk och ranken av XTX ar p. Om detta inte galler gar det inte atterhalla β genom OLS.

• Feltermerna ar okorrelerade, d.v.s. vardet av εi ar oberoende av εj for alla i skilda fran j.

• Feltermerna ar normalfordelade med vantevarde noll och konstant varians. Detta kravs for attmojliggora hypotestestning av modellen och bestamma konfidensintervall for parametrarna.

2.2 Modellfel

Nar modellen ansatts gors flera antaganden, framst kring feltermen ε, och nar dessa antagandeninte haller introduceras fel i modellen. Detta paverkar bland annat estimeringen av koefficienternaoch modellens validitet. Nedan sammanfattas de fel som ar relevanta for detta arbete.

2.2.1 Multikollinjaritet

Multikollinjaritet uppstar pa grund av att minst tva kovariat ar korrelerade. Detta kan leda till attabsolutbeloppen av kovariaten och deras varianser blir relativt stora vilket ar ett problem eftersomatt OLS -estimeringen β kommer vara bristande [9, s.290]. Orsaken till stora varianser och daligaskattningar nar flera kovariat ar korrelerade kan forklaras genom att undersoka komponenternaav β som tidigare angivits i ekvation (4). Den forsta komponenten i denna ekvation bestar aven inverterad matris, (XTX)−1och om kovariaten ar korrelarade leder detta till att XTX blirilla-konditionerad eftersom att kolumnerna i X ar linjart beroende.

Om multikollinjaritet kan aterfinnas bland kovariaten gors en bedomning av hur allvarligt dettapaverkar β och i vissa fall behover inga atgarder vidtas. Diagnostisering och atgarder av dettaproblem beskrivs i senare kapitel.

6

2.2.2 Endogenitet

Endogenitet uppstar nar feltermen ε korrelerar med ett eller flera kovariat. Detta innebar attantagandet om att feltermen har vantevarde noll inte stammer och β blir inte vantevardesriktig.Dessutom leder endogenitet till att OLS ger icke-konsekventa estimeringar vilket paverkar mod-ellens validitet, framforallt nar den ska anvandas i syfte till att forklara hur kovariaten paverkarresponsvariabeln [10, s.26].

2.2.3 Heteroskedasticitet

Heteroskedasticitet uppstar pa grund av att feltermernas varians inte ar konstant vilket gar emotdet grundlaggande antagandet som kravs nar en regressionsanalys utfors [9, s.172]. En anledning tillvarfor detta problem uppstar kan vara att responsvariabeln foljer en fordelning i vilken variansenberor av medelvardet [9, s.172]. Betydelsen av detta for regressionen ar att OLS inte langre ledertill en estimering med lagsta mojliga varians vilket ar oonskat eftersom att detta okar osakerheten iskattningen av parametrarna [9, s.173].

2.3 Modellvalidering

Nar en grundmodell ar ansatt maste modellens lamplighet bedomas och antaganden som gjortsmaste testas. Utifran detta kan modellfel som namnts tidigare upptackas och atgardas. Valideringenav grundmodellen anvands sedan for att ta fram nya modeller eftersom grundmodellens lamplighetjamfors med reducerade modeller for att dra slutsatser om lampliga reduceringar som bor goras.

2.3.1 Normalitet

Feltermerna antas vara normalfordelade vilket ar ett krav for att kunna dra slutsatser om parame-trarnas betydelse for modellen. Om detta antagande inte haller ger OLS samma estimeringar somutan antagandet men tillforlitligheten gar inte att bedoma.

For att undersoka om feltermerna ar normalfordelade kan en Normal Q-Q plot anvandas. Data somar perfekt normalfordelad kommer ligga langs den rata linjen i en Q-Q plot och om datapunkternaavviker relativt mycket fran denna linje ar antagandet om normalitet inte rimligt. I foljande figurerillustreras hur data som ar normalfordelad respektive icke-normalfordelad ser ut i Q-Q plot.

7

Figur 1: Figuren visar icke-normalforde-lade feltermer.

Figur 2: Figuren visar normalfordeladefeltermer.

2.3.2 Box-Cox transformation

Om feltermerna inte kan antas vara normalfordelade kan en transformation av responsvariabelnanvandas. Transformationen gors utifran Box-Cox-metoden vilket ger att responsvariabel Y trans-formeras enligt foljande [11] :

Y (λ) =

{Y λ−1λ , nar λ 6= 0

log(λ), nar λ = 0(5)

Parametern λ bestams genom maximum-likelihoodmetoden och for att underlatta tolkningen avden transformerade variabeln ar det foreslaget att anvanda avrunda lambda [9, s.183].

2.3.3 VIF

For att undersoka om atgarder bor tas for att korrigera multikollinjaritet kan Variance InflationFactor (VIF) anvandas. Dessa indikerar om ett kovariat ar drabbat och hur allvarligt detta ar. Entumregel som anvands som utgangspunkt ar att ett VIF -varde som overskrider 5 kan krava enatgard och ytterligare analys borde goras for att ta ett sadant beslut. Om VIF -vardet overskrider10 ar multikollinjariteten allvarlig nog for att paverka estimeringen β och dess tillforlitlighet [9, s.296].

For kategoriska variabler som beskrivs av minst tva dummy-variabler beror VIF -vardet pa vilken“baseline” som valjs. Detta leder till att VIF -vardet maste beraknas med alla mojliga val av“baselines” for att utesluta att multikollinjaritet inte existerar. For att kringga detta problem anvandsGeneralized Variance Inflation Factor (GVIF) som antar vardet 1 nar ingen multikollinjaritet existeraroch gar mot oandligheten nar korrelationen mellan variablerna ar allvarlig. [12, s.178-183] Tumregelnsom anvands for VIF ar aven applicerbar pa GVIF -vardet men da maste foljande forhallandebeaktas vilket indikerar att GVIF -vardet ar samma som VIF -vardet nar antalet frihetsgrader ar ett:

√V IF = GV IF

12·df (6)

8

2.3.4 Homoskedasticitet

Homoskedasticitet ar motsatsen till heteroskedasticitet och innebar att feltermerna har konstantvarians. For att undersoka om homoskedasticitet rader anvands en residual plot dar residualernaplottas mot de ansatta vardena. Om homoskedasticitet rader kommer spridningen av punkterna iplotten att vara relativt konstant och inga tydliga monster ska kunna identifieras. Rekommendationerom att anvanda R-student residualerna kommer att foljas nar plotten gors [9, s.139]. R-studentresidualerna ser ut som foljande:

ti =ei√

S2(i)(1− hii)

(7)

Dar,

S2(i) =

(n− p)MSres − e2i /(1− hii)n− p− 1

, ei = yi−yi, n = antal observationer, p = antal kovariat + 1

(8)Nedan foljer en figur som illustrerar nar variansen ar konstant, homoskedasticitet rader, och narvariansen inte ar konstant.

Figur 3: Figuren visar homoskedas-ticitet.

Figur 4: Figuren visar heteroskedas-ticitet.

2.3.5 Hypotestest, p-varde och konfidensintervall

Hypotesprovning kan anvandas for att undersoka hur signifikanta kovariaten ar och om de borinkluderas. En global hypotesprovning utfors m.h.a. ett F-test och undersoker om det finns ettforhallande mellan responsvariabeln och minst ett av kovariaten. Detta genom att stalla upp ennollhypotes och en mothypotes som formuleras i foljande ekvation [9, s.84]:

H0 : β1 = β2 = · · · = βk = 0, H1 : βj 6= 0 for minst ett j. (9)

Om nollhypotesen antags vara trolig indikerar detta att det inte ar mojligt att sakerstalla att allaregressionskoefficienter ar skilda fran noll, vilket pavisar att det inte finns ett linjart forhallandemellan responsvariabeln och kovariaten.

For att gora en global hypotesprovning anvands foljande testvariabel:

Fo =SSR/k

SSres/(n− k − 1)=

MSRMSres

, dar FoH0∼ F (k, n− k − 1) (10)

For att prova hypotesen H0 anvands p-vardet som ar associerat till F0 och om detta p-vardeunderskrider den givna signifikansnivan kan nollhypotesen forkastas. Signifikansnivan brukar sattas

9

till 0.05 eller 0.01 som standard och i detta arbete kommer 0.05 anvandas som signifikansniva [13,s.68]. p-vardet anges av foljande ekvation:

p = P (F0 > F (k, n− k − 1)) (11)

For att gora en lokal hypotesprovning och undersoka om varje enskilt kovariat ar signifikant anvandsett t-test dar en testvariabel t0 och korresponderande p-varde anvands pa samma satt som forF-testet. Hypotesen och testvariabeln ser ut som foljande:

H0 : βj = 0, H1 : βj 6= 0 (12)

t0 =βj

se(βj)(13)

Signifikansen av ett kovariat ar beroende av de redan inkluderade kovariaten i modellen. Dettainnebar att nar modellen reduceras maste nya p-varden beraknas och ligga till grund for ytterligareeventuella reduceringar [9, s.88].

2.3.6 Inflytelserika observationer

Observationer som ar inflytelserika kan komma att paverka ansattningen av regressionslinjen negativt,eftersom att de tenderar att skifta regressionslinjen mot sig. Detta sker pa grund av att OLS forsokerminska kvadratsumman av residualerna men kan leda till att regressionslinjen blir missvisande.Nedan foljer en figur dar en observation har paverkat regressionslinjen och till foljd av detta kommerprediktioner m.h.a. linjen vara missvisande.

Figur 5

For att upptacka inflytelserika observationer kan Cook’s Distance (CD) anvandas och ar definieratenligt:

10

Di =(βj − β)TXTX(βj − β)

p ·MSres=r2ip· hii

1− hii(14)

Dar ri ar en studentiserad residual och hii ar ett lagesmatt for observation i. CD bygger paen observations lage i x-rummet, residualens storlek och effekten som denna observation har paregressionskoefficienterna. Om Di > 1 anses effekten pa regressionskoefficienterna vara stor nog foratt observation i ska klassificeras som inflytelserik [9, s.216]. Om antalet inflytelserika observationerar lagt relativt den totala mangden observationer kommer dessa att tas bort for att atgarda eventuellaproblem.

2.4 Best Subsets Regression

Nar en regressionsmodell ansatts med OLS ar det inte garanterat att varje kovariat kommer varasignifikant. Detta leder till att modellen kan innehalla onodigt manga variabler som okar komplex-iteten relativt mycket och har relativt lagt forhallande till responsvariabeln. Det ar da av storstaintresse att ta bort dessa variabler for att den slutgiltiga modellen som erhalls ska vara enklare atttolka. Ett tillvagagangssatt for att reducera modellen ar Best Subsets Regression (BSR).

Algoritmen for BSR ser ut som foljande:

1. Ansatt alla mojliga regressionsmodeller med ett kovariat inkluderat. Upprepa sedan detta fastmed tva kovariat inkluderade och fortsatt tills alla mojliga modeller med alla k kovariat arberaknade.

2. Jamfor alla modeller med ett kovariat och valj den med lagst SSres som den “basta”. Upprepadetta for modellerna med tva kovariat och fortsatt tills den basta modellen med k kovariat arhittad.

3. Jamfor alla k regressionsmodeller och valj den “basta” genom att anvanda de kriterier sompresenteras i foljande sektion [13, s.205].

Denna algoritm gar inte att anvanda da antalet variabler overstiger cirka 30 stycken och da finns detalternativa modeller. Men i detta arbete behandlas endast elva stycken variabler vilket mojliggorapplicering av BSR.

Det finns flera alternativ till BSR men strategier for variabelselektion foreslar att BSR anvandsnar det ar mojligt. Darfor kommer inga alternativa metoder for variabelselektion att diskuteras [9,s.352].

2.4.1 Kriterier for variabelselektion

2.4.1.1 Forklaringsgrad

Forklaringsgraden R2 visar hur stor del av variationen i responsvariabeln som kan forklaras avregressionsmodellen och anges i procent. Problemet ar att R2 aldrig minskar aven om den tillfordavariabeln inte bidrar till att forklara variationen, vilket leder till att kriteriet alltid kommer attforesla en modell med alla variabler inkluderade. Detta beror pa att antalet frihetsgrader minskarnar antalet variabler okar. For att undvika detta problam kan den justerade forklaringsgraden R2

jus

11

anvandas. Denna tar hansyn till antalet variabler och frihetsgrader vilket leder till att R2jus endast

okar om den tillforda variabeln minskar variationen i Y [9, s.88]. Nedan foljer formeln for denjusterade forklaringsgraden:

R2jus = 1− SSres/(n− p)

SST /(n− 1), (15)

dar SST ar den kvadrerade totala variationen i responsvariabeln.

Genom att utga fran detta kriterium ska modellen med hogst R2jus valjas.

2.4.1.2 Sum of Square Residuals

Nar malet med en regression ar att beskriva datamangden och undersoka effekten som kovariaten harpa responsvariabeln ar det fordelaktigt att valja en modell med relativt lagt SSres. Problematikenmed detta kriterium ar dock att SSres minskar for varje variabel som laggs till vilket resulterar iatt ett minimum antas nar alla kovariat inkluderas. Nar detta kriterium anvands for reducering avmodellen bor variabler endast elimineras om det leder till en relativt liten okning av SSres [9, s.337].

2.4.1.3 AIC och BIC

Akaike Information Criterion (AIC) och Bayesian Information Criterion (BIC) kan anvandas foratt reducera modellen och utesluta variabler. Om en reducering ar fordelaktig kommer AIC ochBIC indikera detta genom att deras varden kommer att minska for den reducerade modellen. Omen reducering inte ar fordelaktig kommer vardena pa AIC och BIC att oka. Skillnaden mellan AICoch BIC ar att den sistnamnda paverkas mer av antalet variabler an den forstnamnda vilket kannoteras fran foljande formler:

AIC = n · ln(SSresn

) + 2k (16)

BIC = n · ln(SSresn

) + k · ln(n) (17)

dar k ar antalet variabler.

2.4.1.4 Mallow’s Cp

Likt AIC och BIC anvands Mallow’s Cp for att jamfora olika modeller och ar definierat enligtfoljande:

Cp =SSresMSres

− n+ 2k (18)

Mallow’s Cp mater en modells Mean Square Error (MSE) och vid en jamforelse av tva modeller bormodellen med lagst varde pa Mallow’s Cp valjas. Detta kriterium ar mindre viktigt nar modellenhar som mal att forklara samband och darfor kommer det inte att anvandas [14].

12

2.5 Ekonomisk teori

2.5.1 Porters femkraftsmodell

Porters femkraftsmodell ar en modell utformad av Michael Porter ar 1979 och anvands for attanalysera en bransch utifran fem konkurrenskrafter. Storre krafter innebar intensivare konkurrensoch lagre lonsamhet vilket gor branschen mindre attraktiv for nya aktorer. Genom analys avkrafterna kan aktorer besluta om eventuellt intrade i branschen och befintliga aktorer far mojlighetatt utforma strategier for att pa basta satt kunna forhalla sig till sina konkurrenter for att tamarknadsandelar. Krafterna ar som foljer [15]:

Kunders forhandlingsstyrkaKundens forhandlingsstyrka gentemot foretag i branschen avgors av ett antal faktorer. Finnsdet manga foretag att valja mellan okar kundens forhandlingsstyrka. Tvartom minskar forhan-dlingsstyrkan om antalet foretag ar fa eller i sarskilda fall, ett. Kundens priskanslighet, byteskostnaderoch utbud av substitut ar andra faktorer som paverkar forhandlingsstyrkan.

Leverantorers forhandlingsstyrka

Aven har paverkas forhandlingsstyrkan av forhallandet mellan antalet leverantorer och antaletkunder till leverantorerna i branschen. Om leverantorernas produkter eller tjanster ar specifika ochutgor en stor del av slutprodukten okar forhandlingsstyrkan. Ar det latt att byta ut leverantorerminskar forhandlingsstyrkan.

Hot fran substitutSubstitut ar produkter eller tjanster som med annan teknik tillfredsstaller det givna behovet, t.ex.tag, flyg och bil eller lampa och stearinljus. Hot fran substitut utgors saledes inte av liknandeprodukter och tjanster fran andra varumarken. Stort antal substitut i kombination med lagabyteskostnader okar hoten fran substitut i form av pressade priser och darmed lagre lonsamhet.

Konkurrens fran nya aktorerHoga intradesbarriarer i form av stora initiala investeringar och svarigheter att varva kompetentpersonal minskar hotet fran nya aktorer. Interna stordriftsfordelar hos etablerade aktorer forsvararutvecklingen for mindre aktorer. Laga intradesbarriarer gor det daremot lattare for nya aktoreratt etablera sig vilket leder till att lonsamheten i branschen med tiden sjunker mot noll (perfektkonkurrensmarknad).

Konkurrens mellan befintliga aktorerHoga initiala investeringar bidrar till laga incitament att avveckla verksamheten vid eventuell nedgang.Konkurrensen fran befintliga aktorer ar darfor hog i branscher med hoga intradesbarriarer och lag ibranscher med laga intradesbarriarer. Beroende pa om marknaden ar mogen eller i tillvaxtfasenkommer aktorer konkurrera om befintliga eller nya marknadsandelar, dar den forstnamnda pressarpriserna nedat.

2.5.2 PEST

PEST ar en modell utformad for att identifiera makroekonomiska faktorers paverkan pa foretag i enviss bransch, en sa kallad omvarldsanalys av externa faktorer. PEST star for political, economical,

13

social och technological vilka ar de faktorer som analyseras. Utifran analysen kan en strategi somforetaget eller organisationen ska forhalla sig till utformas.

PolitiskaPolitiska faktorer forankras i hur regeringar styr ekonomierna och paverkar foretag pa olika satt, vilketkan ha bade positiva och negativa effekter. Genom lagar och regleringar, exempelvis konkurrens-och handelsregleringar, tvingas foretag anpassa sin verksamhet for att kunna verka i branschen.Miljokrav och anstallningslagar gynnar samhallen i helhet men forsvarar arbetet for foretagen medanskattepolitik har en direkt paverkan pa foretagens lonsamhet.

EkonomiskaEkonomiska faktorer omfattas av makroekonomiska variabler som rantelagen och valutakurser ochhar direkta effekter pa foretagens verksamhet. Foretag kan vara olika utsatta for makroekonomiskafluktuationer men paverkas pa ett eller annat satt av landets ekonomiska tillvaxt, inflationstakt ochkonjunkturcykler.

SocialaSociala faktorer inkluderar kulturella och demografiska aspekter som pa olika satt paverkar foretagensverksamhet. Exempelvis kan en hog tillvaxttakt av populationen bidra till storre arbetskraft. Alders-och inkomstfordelning av populationen har inverkan pa konsumtionsmonster vilket i sin tur paverkarefterfragan av foretagens produkter och tjanster.

TeknologiskaDe teknologiska faktorerna omfattas av forskning och innovationer. Utveckling av ny teknik ien bransch kan finna anvandningsomraden i en annan. T.ex. kan statligt finansierad forskningbidrar till ny teknik for foretag att anvanda. Dessutom kan nya teknologiska genombrott ledatill att biltillverkarnas strategier behover andras. T.ex. har framkomsten av internet oppnat uppfor en ny marknadsforingsplattform och vikten av sociala medier har lett till att en storre del avmarknadsforingen fokuseras dar.

14

3 Metod

3.1 Data

3.1.1 Insamling

Datan som ligger till grund for denna analys bestar ursprungligen av 1245 stycken personbilar,samtliga med modellar 2017-2018. Till varje bil finns uppgifter om bl.a. motorvolym, antal cylindrar,bransleforbrukning, start/stopp-system etc. Typen av bilar varierar alltifran smabilar i budgetklassentill exklusiva supersportbilar, fran de flesta internationellt valkanda personbilstillverkarna.

Datan hamtades i ett excel-dokument direkt fran den oberoende webbplatsen FuelEconomy.gov.FuelEconomy.gov underhalls av U.S. Department of Energy’s (DOE’s) Office of Energy Efficiencyand Renewable Energy med data tillhandahallen av EPA [16]. EPA, United States EnvironmentalProtection Agency, ar en amerikansk statligt agd organisation vars syfte ar att informera konsumenterom olika bilars bransleforbrukningar vid kop av bil. Med andra ord en legitim och trovardig kalla.

Fordonens tjanstevikt ar en faktor som anses ha stor inverkan pa bransleforbrukningen men fannsinte att tillga i excel-arket. Denna data hamtades manuellt fran ett antal olika webbplatser. Denprimara kallan for personbilars tjanstevikter var Bilsvar.se. Bilsvar ar den svenska motsvarighetentill FuelEconomy.gov och ar framtaget genom ett samarbete mellan Konsumentverket, Energimyn-digheten, Naturvardsverket samt Transportstyrelsen [17]. Av samma anledning anses Bilsvar somen trovardig kalla.

I de fall data saknades anvandes biltillverkarnas egna uppgifter publicerade pa respektive webbplats.Dessa ar de primara kallorna av information om bilarna men eftersom webbplatserna ar svarnavigeradoch langsamma togs beslutet att anvanda Bilsvar som huvudsaklig informationskalla.

3.1.2 Bearbetning

Som tidigare namnt saknades uppgifter om fordonens tjanstevikter. Av de ursprungligen 1244bilarna hittades vikter for 1070 stycken. Resterande 174 togs bort. Bland dessa fanns aven 46stycken hybridbilar som av logiska skal togs bort.

Vad galler bransletyp drivs bilarna till storsta del av bensin. Bensin erbjuds med olika oktantal ochi denna analys valde vi att sla samman samtliga varianter till en gemensam kategori ”bensin”. De fabilar som drivs av diesel togs bort fran datan. Dessutom kan det pagaende inforandet av miljozoneroch dieselforbud i Europas storstader leda till att efterfragan pa dieselbilar minskar. Experterinom omradet menar att biltillverkarna borjat investera mindre i utvecklingen av dieselmotorer tillfoljd av detta och tror att slutet for dieselmotorer narmar sig. Pa grund av detta ar en analys avdieselmotorer inte av intresse eftersom att industrin ror sig bort fran dessa.

Med liknande resonemang som for bransletypen slogs samtliga typer av automatvaxellador samman.Dels pa grund av att alla varianter saknar manuell koppling, men aven for att eco-driving, medtydlig korrelation till bransleforbrukningen, inte ar mojligt i samma utstrackning som for manuellabilar, oavsett automattyp. Dessutom togs bilar med CVT bort eftersom att det var for fa bilar med

15

denna vaxelladstyp i datamangden.

Nara halften av datan utgjordes av bilar med fyrhjulsdrift. Skillnaderna mellan de tva olika type-rna, pa engelska 4-wheel-drive och all-wheel-drive, ar sma med marginell till ingen paverkan pabransleforbrukningen [18]. Av detta skal slogs de tva typerna ihop till ”fyrhjulsdrift”. Nagra enstakabilar var utrustade med valbar fyrhjulsdrift. Dessa togs bort fran datan da det radde oklarheterhuruvida fyrhjulsdriften eller tvahjulsdriften anvants vid testet.

Antalet bilar med bade kompressor och turbo var nio stycken. Det finns saledes risk for att regressio-nen blir missvisande, i synnerhet da samtliga var fran en tillverkare. Dessa togs darfor bort fran datan.

Resultatet av bearbetningen ar data bestaende av 999 observationer.

3.2 Val av variabler

3.2.1 Responsvariabel

Bransleforbrukning - yEtt av malen med denna analys ar att studera faktorer som paverkar personbilars bransleforbrukning.Utifran forskningsfragorna valdes darfor bransleforbrukningen till responsvariabel. I datan angesbransleforbrukningen for blandad, landsvags- samt stadskorning. I denna analys valdes den blandadebransleforbrukningen som responsvariabel. Blandad bransleforbrukning ar det viktade medelvardetutav landsvags- och stadskorning med vikten 45 % respektive 55 % [19] och har enheten liter per100 km.

I datan fanns tillverkarnas egna siffror. Dessa valde vi att exkludera fran analysen for att istalletanvanda EPA:s uppmatta varden i syfte att eliminera eventuella testskillnader tillverkarna emellan.

3.2.2 Forklaringsvariabler

Forklaringsvariabler ar faktorer som har nagon form av inverkan pa responsvariabeln, i detta fallbransleforbrukningen. Det finns tva typer av forklaringsvariabler, kvantitativa och kvalitativa.Nedan forklaras skillnaderna och vilka variabler som valts.

3.2.2.1 Kvantitativa

Kvantitativa variabler ar variabler som antar numeriska varden. Variablerna ar som foljer:

Motorvolym - x1Motorvolym ar summan av den volym som ryms mellan samtliga kolvars ovre och nedre vandlage[20]. Denna varierar mellan 1,0 och 8,0 liter och ar angiven med en decimal. Generellt galler atthogre motorvolym leder till en kraftfullare motor vilket bidrar till en hogre bransleforbrukning.

Cylindrar - x2Variabeln antar de diskreta vardena 3, 4, 5, 6, 8, 10, 12 eller 16 och beskriver antalet cylindrar imotorn. Som med motorvolymen ar ett storre antal cylindrar oftast forknippat med hogre prestanda

16

vilket av naturliga skal innebar hogre forbrukning.

Vaxlar - x3Likt foregaende variabel antar denna vardena 1, 4, 5, 6, 7, 8, 9 eller 10 och beskriver antalet vaxlar ivaxelladan.

Vikt - x4Personbilarnas tjanstevikter varierar mellan 915 och 3182 kg.

3.2.2.2 Kvalitativa

Kvalitativa variabler, aven kallat kategoriska variabler, ar sadana som endast kan anta vissa, paforhand bestamda, varden. Variablerna ar som foljer:

Vaxellada - x5Bilarna kan antingen vara utrustade med manuella eller automatiska vaxellador. Vaxellada ar endummy-variabel som antar vardet 1 for automat och 0 for manuell.

Aspiration - x6, x7Aspiration ar effekthojande system och forekommer vanligtvis i tva varianter, turbo- och kompres-sormatning. En bil kan saledes vara utrustad med turbo, kompressor eller inget av dem. Dennakategori kommer att beskrivas med tva dummy-variabler eftersom det finns tre stycken mojligasystem som en bil kan ha. Nar en bil har egenskapen kompressor antar variabeln x6 vardet 1 ochx7 vardet 0. Om en bil ar utrustad med turbo galler det omvanda, d.v.s. x6 antar vardet 0 ochx7 vardet 1. I det fall dar en bil varken har turbo eller kompressor antar bade x6 och x7 vardet 0.Effekten som beskrivs av att bada dummy-variablerna antar vardet 0 kallas for baseline. I detta fallar en naturligt aspirerad motor baseline.

Cylinderdeaktivering - x8En bil utrustad med cylinderdeaktivering kan vid tillfallen, dar hog prestanda inte ar nodvandig,automatiskt deaktivera ett antal cylindrar i avsikt att sanka bransleforbrukningen. Cylinderdeak-tivering ar en dummy-variabel som antar vardet 1 om bilen ar utrustad med det och 0 om inte.

Start/stopp - x9Start/stopp-funktionen stanger tillfalligt av motorn nar bilen star stilla i syfte att minska bransleforbruknin-gen. Start/stopp ar saledes en dummy-variabel som antar vardet 1 om bilen ar utrustad med detoch 0 om inte.

Drivning - x10, x11Drivning anger om bilen ar fram-, bak- eller fyrhjulsdriven. Detta ar, precis som aspirationen, enkategorisk variabel med tre nivaer vilket betyder att kategorin kodas med tva dummy-variabler. Naren bil ar framhjulsdriven antar variabeln x10 vardet 1 och x11 antar vardet 0. Det omvanda gallerom bilen ar bakhjulsdriven och i fallet dar bilen ar fyrhjulsdriven antar bade x10 och x11 vardet 0.

17

3.3 Grundmodell

Grundmodellen som ansatts bestar av elva stycken kovariat och ett intercept. Regressionsekvationenfor grundmodellen ser ut som foljande:

y = β0 + x1β1 + x2β2 + x3β3 + x4β4 + x5β5 + x6β6 + x7β7 + x8β8 + x9β9 + x10β10 + x11β11 (19)

Vardena for samtliga regressionskoefficienter med konfidensintervall pa 95 %, den justerade forklar-ingsgraden och p-vardet tillhorande testvariabeln t0, aterges i foljande tabell:

Variabler Koefficienter P-varde Signifikant KonfidensintervallIntercept 5,2196 2 · 10−16 Ja 4,5965 : 5,8427

Motorvolym 0,7559 2 · 10−16 Ja 0,5861 : 0,9257Cylindrar 0,4318 2 · 10−16 Ja 0,3365 : 0,5271

Vaxlar -0,2623 3 · 10−16 Ja -0,3242 : -0,2004Vikt 0,001553 2 · 10−16 Ja 0,001246 : 0,001859

Man.Vaxellada 0,07556 0,4379 Nej -0,1155 : 0,2666Turbo 0,4467 2 · 10−8 Ja 0,2911 : 0,6023

Kompressor 0,5496 0,000471 Ja 0,2422 : 0,8570Cylinderdeaktivering -0,4236 0,0002 Ja -0,6471 : -0,2001

Start/Stopp -0,1170 0,05488 Nej -0,2365 : 0,002449Framhjulsdrift -0,6200 2 · 10−13 Ja -0,7837 : -0,4563Bakhjulsdrift -0,2092 0,0104 Ja -0,3691 : -0,04931

Justerad forklaringsgrad 82,63 %

Tabell 1

Alla kovariat forutom start/stopp och vaxellada ar statistiskt signifikanta men eftersom modelleninte validerats annu tas inga atgarder.

3.3.1 Validering av grundmodell

Grundmodellen valideras for att undersoka om grundantaganden stammer. Rubriker fran modell-valideringssektionen anvands.

3.3.1.1 Homoskedasticitet och normalitet

Innan en reducering av modellen gors valideras grundmodellen for att undersoka om grundantagandensom gjorts ar rimliga. Nedan foljer en Q-Q plot av grundmodellen:

18

Figur 6

Ovanstaende figur visar att feltermerna inte foljer en normalfordelning vilket ar ett problem sommaste atgardas. Nedan foljer en figur dar homoskedasticiteten undersoks:

Figur 7

Figuren visar att residualernas spridning okar langs x-axeln vilket pavisar heteroskedasticitet. Dessu-tom har vissa observationer relativt stora residualer enligt figuren vilket kan vara en indikation paatt dessa observationer ar inflytelserika.

Bada ovanstaende problem kan korrigeras med hjalp av en transformation av responsvariabeln vilketgors i slutet av modellvalideringen nar alla problem identifierats.

19

3.3.1.2 Endogenitet

Endogenitet undersoks med hjalp av nedanstaende figurer:

Figur 8 Figur 9

Figur 10 Figur 11

Eftersom att inga tydliga linjara monster kan identifieras dras slutsatsen att endogenitet inte ar ettproblem for grundmodellen.

3.3.1.3 Multikollinjaritet

For att undersoka multikollinjariteten anvand VIF och GVIF, vilka anges i tabellen nedan:

20

Variabler VIF GVIF GV IF1df

Motorvolym 13,64 - -Cylindrar 8,93 - -

Vaxlar 1,46 - -Vikt 2,91 - -

Vaxellada 1,39 - -Aspiration - 1,69

√1, 69

Cylinderdeaktivering 1,439 - -Start/Stopp 1,017 - -

Drivning - 1,75√

1, 75

Tabell 2

Enligt denna ar kovariaten motorvolym och cylindrar drabbade av multikollinjaritet. Detta kanbero pa att motorvolym ar en funktion av cylindrarnas slagvolym och de bada kovariaten kan darforinnehalla nastan identisk information. For att atgarda detta kommer kovariatet motorvolym atttas bort eftersom att antalet cylindrar ar lattare att bestamma for en biltillverkare jamfort medmotorvolymen. Genom att ta bort kovariatet sjunker den justerade forklaringsgraden till 81,3 %och kommer vara den nya referensen nar ytterligare reduceringar gors. Nedan foljer en tabell somvisar att multikollinjariteten har minskat avsevart genom reduceringen:

Variabler VIF GVIF GV IF1df

Cylindrar 2,23 - -Vaxlar 1,46 - -Vikt 2,22 - -

Vaxellada 1,38 - -Aspiration - 1,28

√1, 28

Cylinderdeaktivering 1,38 - -Start/Stopp 1,016 - -

Drivning - 1,60√

1, 60

Tabell 3

3.3.1.4 Inflytelserika observationer

For att hitta eventuella observationer som kan ha negativ paverkan pa estimeringen av koefficienternaanvands Cook’s Distance. Detta ger att ingen observation kan klassificieras som inflytelserik eftersomatt vardet pa CD understiger 1 for samtliga observationer. Pa grund av detta undersoks deobservationer som har relativt stora varden pa CD m.h.a. residualerna. Foljande observationerhade varden pa CD som utmarkte sig fran resten av observationerna, vilket kan noteras i figur 12:

881, 615, 616, 617, 355, 261, 165, 619, 971

21

Figur 12

Sedan anvands residualerna for att avgora vilka av dessa observationer som eventuellt bor tas bort.Detta gors genom att undersoka storleken pa residualerna och endast behalla de observationer somhar relativt stora varden pa R-student residualerna. Vilket leder till att foljande observationerantags vara inflytelserika:

• 165 - Bugatti Chiron

• 261 - Koenigsegg Agera RS

• 355 - Ford GT

• 615 - Lamborghini Aventador Kupe

• 616 - Lamborghini Aventador Roadster

• 617 - Lamborghini Aventador S-Kupe

• 881 - Pagani Huayra

• 971 - Mercedes-Benz G550 4x4

Att dessa observationer ar inflytelserika ar rimligt eftersom att de representerar supersportbilar medrelativt hoga forbrukningar. For att dessa observationer inte ska paverka forklaringsgraden negativttas de bort fran analysen vilket ar mojligt att gora eftersom att relativt manga observationer finnstillgangliga i datan.

3.3.1.5 Atgarder

Nar alla brister i grundmodellen blivit identifierade atgardas de med hjalp av metoderna foreslagnai teoriavsnittet. For att atgarda heteroskedasticiteten och avvikelserna fran normalfordelningen gorsen Box-Cox-transformation. Transformationsparametern λ valjs till 0 eftersom att detta varde finnsmed i ett 95-procentigt konfidensintervall kring parametern. Utifran detta gors en logtransformationav responsvariabeln och den nya Q-Q-plotten och residualplotten ser ut som foljande:

22

Figur 13 Figur 14

Det framgar tydligt i residualplotten att homoskedasticitet rader och Q-Q-plotten visar att avvikelsenfran normalfordelningen minskat avsevart. Utover detta har aven den justerade forklaringsgradenokat till 81,99 % vilket tyder pa att regressionmodellen kan forklara en storre del av variationen iresponsvariabeln.

De problem som identifierats har atgardats och alla antaganden som gjorts i avsnitt tva anses vararimliga. Den validerade grundmodellen och tillhorande regressionkoefficienter presenteras nedan ochdet minst signifikanta kovariatet har markerats med en asterisk:

log y = β0 + x2β2 + x3β3 + x4β4 + x5β5 + x6β6 + x7β7 + x8β8 + x9β9 + x10β10 + x11β11 (20)

Variabler Koefficienter P-varde Signifikant KonfidensintervallIntercept 1,742 2 · 10−16 Ja 1,6894 : 1,7936Cylindrar 0,05663 2 · 10−16 Ja 0,05223 : 0,06103

Vaxlar -0,01883 1 · 10−11 Ja -0,02423 : -0,01344Vikt 0,0002539 2 · 10−16 Ja 0,0002294 : 0,0002785

Man.Vaxellada 0,01941 0,02207 Ja 0,002798 : 0,03603Turbo 0,0008813 0,88435 Nej* -0,01101 : 0,01277

Kompressor 0,04351 0,00143 Ja 0,01681 : 0,07020Cylinderdeaktivering -0,02453 0.01213 Ja -0,04369 : -0,00538

Start/Stopp -0,007351 0,16734 Nej -0,01779 : 0,003089Framhjulsdrift -0,0716 2 · 10−16 Ja -0,08587 : -0,05732Bakhjulsdrift 0,01236 0,07493 Nej -0,001245 : 0,02597

Justerad forklaringsgrad 81,99 %

Tabell 4

23

3.3.2 Reducering av grundmodell

Grundmodellen som erhallits efter valideringen innehaller kovariat som inte langre ar signifikantavilket leder till att variansen av regressionskoefficienterna blir storre och ar problematiskt [9, s.331].Dessutom ar det av intresse att undersoka om det gar att reducera modellen utan att den justeradeforklaringsgraden sjunker avsevart. Detta skulle betyda att den reducerade modellen kan forklarastorre delen av variationen i responsvariabeln med ett farre antal variabler vilket ar onskvart eftersomden slutgiltiga modellen blir enklare att tolka. Samtidigt ar det av storsta intresse att undersokasamtliga faktorers paverkan och identifiera de som har storst inverkan over bransleforbrukningen.Nar BSR anvands finns alltsa en risk for att signifikanta kovariat reduceras vilket inte ar onskvartoch darfor kommer tva olika reduceringar att genomforas. Sedan jamfors dessa tva modeller och enslutgiltig modell valjs utifran olika kriterier som presenterats samt utifran syftet med rapporten.

3.3.2.1 Best Subsets Regression

De olika modellerna som foreslas av Best Subsets Regression analyseras genom att undersokade marginella skillnaderna for de olika kriterierna. Nedan foljer en graf over hur den justeradeforklaringsgraden andras med antalet kovariat:

Figur 15

Den justerade forklaringsgraden antar ett maxvarde pa 82,00 % nar nio stycken kovariat anvandsi modellen vilket ger en hogre forklaringsgrad an grundmodellen. Men om sex kovariat anvandsar den justerade forklaringsgraden 81,85 % vilket ar relativt liten minskning och anses darfor varafordelaktig. Utifran detta bor inte mer an sex variabler anvandas i den slutgiltiga modellen.Nedan foljer en graf over hur SSres andras med antalet kovariat:

24

Figur 16

SSres antar ett minimum nar alla kovariat inkluderas vilket inte ar forvanande eftersom att flerkovariat alltid leder till SSres minskar [9, s.36]. Utifran figuren gar det att faststalla att minskningenav SSres efter att 4-5 variabler inkluderats i modellen ar relativt liten. Alltsa ar det fordelaktigt attanvanda mellan 4-7 kovariat i slutmodellen enligt detta kriterium.

Nedan foljer en graf over hur BIC -vardet andras med antalet kovariat:

Figur 17

Minimum antas nar sex stycken kovariat inkluderas men det ar en relativt liten okning av BIC -vardet

25

om antalet variabler ar mellan 5-8. Enligt detta kriterium bor antalet kovariat i modellen varamellan 5-8 stycken.

Ordningen i vilken variablerna inkluderas i modellen ar foljande:

1. Cylindrar

2. Vikt

3. Framhjulsdrift

4. Vaxlar

5. Kompressor

6. Cylinderdeaktivering

7. Man.Vaxellada

8. Bakhjulsdrift

9. Start/Stopp

10. Turbo

Det antal variabler som gar i enlighet med alla kriterier och anses vara rimligt ar sex stycken. Meneftersom att tva av variablerna ar kategoriska med tre nivaer beskrivs vardera av tva dummy-variabler. Detta leder till att en enskild dummy av en kategori kan valjas av BSR vilket leder tillatt hela kategorin kommer inkluderas for enkelhetens skull. Om den justerande forklaringsgradensjunker anmarkningsvart nar en hel kategori reduceras fran modellen kommer en modifiering avkategorierna goras. Den tredje variabeln som inkluderas ar Framhjulsdrift vilket leder till attBakhjulsdrift kommer inkluderas eftersom att de tillhor samma kategori. Likasa ar fallet med denfemte variabeln som inkluderas, Kompressor, vilket leder till att Turbo inkluderas. Detta leder tillatt atta variabler kommer inkluderas i modellen om BSR anvands. Modellen med atta variablersom foreslas av BSR presenteras i nedanstaende tabell:

log y = β0 + x2β2 + x3β3 + x4β4 + x6β6 + x7β7x8β8 + x10β10 + x11β11 (21)

Variabler Koefficienter P-varde Signifikant KonfidensintervallIntercept 1,767 2 · 10−16 Ja 1,721 : 1,812Cylindrar 0,0568 2 · 10−16 Ja 0,05241 : 0,06123

Vaxlar -0,0208 2 · 10−15 Ja -0,02583 : -0,01576Vikt 0,0002464 2 · 10−16 Ja 0,0002226 : 0,0002702

Turbo 0,00126 0,8348 Nej -0,01060 : 0,01312Kompressor 0,04557 0,00841 Ja 0,01887 : 0,07227

Cylinderdeaktivering -0,02378 0,01512 Ja -0,04296 : -0,004606Framhjulsdrift -0,07252 2 · 10−16 Ja -0,08682 : -0,05823Bakhjulsdrift 0,01335 0,05359 Nej -0,0002065 : 0,02691

Justerad forklaringsgrad 81,89 %

26

Tabell 5

3.3.3 Alternativ reducering av grundmodell

Modellen reduceras genom att eliminera insignifikanta variabler tills alla inkluderade variabler arsignifikanta eller tills den justerade forklaringsgraden sjunker relativt mycket. Fran Tabell 4 fasatt variabeln for Turbo ar mest insignifikant och ar darfor den forsta variabeln som elimineras. Pagrund av samma anledning som beskrivits tidigare kommer hela kategorin som Turbo tillhor tasbort vilket leder till att tva variabler elimineras. Regressionsmodellen ansatts igen med resterandevariabler och p-varden samt signifikansen presenteras nedan:

Variabler P-varde SignifikantIntercept 2 · 10−16 JaCylindrar 2 · 10−16 Ja

Vaxlar 1 · 10−11 JaVikt 2 · 10−16 Ja

Man.Vaxellada 0,1375 JaCylinderdeaktivering 0,00264 Ja

Start/Stopp 0,15777 NejFramhjulsdrift 2 · 10−16 JaBakhjulsdrift 0,07182 Ja

Justerad forklaringsgrad 81,82 %

Tabell 6

Nasta variabel som elimineras ar start/stopp eftersom att den ar insignifikant. Efter reduceringen arvariabeln for bakhjulsdrift insignifikant men reduceringen avslutas eftersom den justerade forklar-ingsgraden sjunker till 79 % vilket anses vara for mycket i detta fall. Den slutgiltiga modellen somfas anges i nedanstaende tabell:

log y = β0 + x2β2 + x3β3 + x4β4 + x5β5 + x8β8 + x10β10 + x11β11 (22)

Variabler Koefficienter P-varde Signifikant KonfidensintervallIntercept 1,7282 2 · 10−16 Ja 1,6894 : 1,7936Cylindrar 0,05734 2 · 10−16 Ja 0,05223 : 0,06103

Vaxlar -0,01770 1 · 10−11 Ja -0,02423 : -0,01344Vikt 0,000255 2 · 10−16 Ja 0,0002294 : 0,0002785

Man.Vaxellada 0,02147 0,01138 Ja 0,002798 : 0,03603Cylinderdeaktivering -0,02829 0,00252 Ja -0,04369 : -0,005376

Framhjulsdrift -0,07276 2 · 10−16 Ja -0,08587 : -0,05732Bakhjulsdrift 0,01197 0,08560 Nej -0,001245 : 0,02597

Justerad forklaringsgrad 81,8 %

Tabell 7

27

3.3.4 Val av slutgiltig modell

Bada modellerna som presenterats ovan uppfyller de antaganden som kravs och har dessutom enrelativt liten skillnad i justerad forklaringsgrad. Darfor kan inte modellvalet baseras med dettasom grund. Modellen som foreslas av BSR, vilken ar angiven i ekvation (21) innehaller kategorinAspiration vars ena dummy-variabel, Turbo, anses vara insignifikant. Den andra dummy-variabelni samma kategori ar Kompressor vilken ar signifikant men eftersom att det inte gar att faststallaeffekten av en turbo samt att en reducering av hela kategorin endast leder till en marginell min-skning av den justerade forklaringsgraden tas kategorin bort. Dessutom riktar sig rapporten motmindre biltillverkare som ska anvanda bransleforbrukningen som konkurrensmedel och darfor ar enimplementering av kompressor i bilarna inte aktuell, vilket marks fran trenderna kring down-sizingsom namns senare i rapporten. Dessutom inkluderas manuell vaxellada inte av BSR vilket ar ettsignifikant kovariat som ar av storre intresse for biltillverkarna da det ar mer aktuellt med manuellavaxellador i personbilar an kompressorer.

Med detta som bakgrund valjs modellen som fas av den alternativa reduceringen vilken ar angiven iekvation (22).

28

4 Resultat

4.1 Reducerad modell

Den slutgiltiga modellen som valt i foregaende sektion innehaller sju stycken kovariat och anges avTabell 7.Eftersom att responsvariabeln ar log-transformerad blir tolkningen av koefficienterna annorlundajamfort med grundmodellen. Genom att ta en regressionskoefficient multiplicerat med 100 fas denprocentuella andringen i medelvardet av responsvariabeln nar kovariatet okar med en enhet. Dennaapproximering ar endast mojlig om absolutbeloppet av regressionskoefficenterna ar mindre an 0,1[21, s.129].

4.1.1 Validering av reducerad modell

4.1.1.1 Homoskedasticitet och normalitet

For att undersoka homoskedasticiteten anvands aterigen en Q-Q-plot och en residual-plott. Resultatetpresenteras nedan:

Figur 18 Figur 19

Bada figurerna ovan indikerar att antaganden kring homoskedasticitet och normalitet ar rimliga.

4.1.1.2 Endogenitet och inflytelserika observationer

Fran nedanstaende figurer kan inga linjara monster identifieras vilket indikerar att endogenitet inteexisterar.

29

Figur 20 Figur 21

Cook’s Distance och residualerna antar inga varden som utmarker sig relativt mycket fran denovriga datamangden och darfor ar det rimligt att anta att det inte existerar nagra problem medinflytelserika observationer.

Den slutgiltiga modellen som presenterats i Tabell 7 uppfyller de antaganden som kravs och ingakorrektioner behover goras.

30

5 Diskussion

5.1 Analys av slutgiltig modell

Slutmodellen som valts innehaller sju stycken kovariat av vilka sex ar signifikanta. Trots att fyrastycken variabler har uteslutits fran grundmodellen kan slutmodellen forklara en relativt stor andelav variationen i responsvariabeln. Detta indikeras av den justerade forklaringsgraden som endastsjunkit med 0,83 procentenheter vilket pavisar att reduceringen av komplexitet och atgardandet avmultikollinjaritet inte forsamrat modellens forklaringsgrad avsevart. Utifran detta anses reduceringenvara lyckad eftersom att den lett till en modell vars komplexitet blivit avsevart lagre till en kostnadav mindre an en procentenhets minskning av den justerade forklaringsgraden.

5.1.1 Koefficienter

5.1.1.1 Cylindrar

Regressionskoefficienten for antalet cylindrar antar vardet 0,0573 och ar signifikant. Eftersom attdenna koefficient ar positiv blir tolkningen att bransleforbrukningen okar nar antalet cylindrar okar,vilket ar logiskt. Genom att anvanda approximeringen som foreslagits tidigare i rapporten fas attbransleforbrukningen okar med 11,5 % nar man okar cylinderantalet med tva.

5.1.1.2 Vikt

Koefficienten for vikten antar ett varde pa 0,000255 och ar signifikant. Tolkningen av dennakoefficient ar ocksa logisk eftersom att den indikerar att bransleforbrukningen okar nar vikten pa enpersonbil okar. Narmare bestamt okar bransleforbrukningen med cirka 0,26 % nar vikten okar med10 kg. Denna effekt kan vid en forsta anblick verka liten men nar biltillverkare ersatter stal mot t.ex.aluminium eller kolfiber kan viktminskningarna vara uppemot hundratals kilogram. Ford lyckadest.ex. sanka vikten for en av sina bilar med cirka 318 kg vilket, enligt den erhallna modellen, ledertill att bransleforbrukningen sjunker med 8,3 %.

5.1.1.3 Manuell vaxellada

Enligt slutmodellen paverkar en manuell vaxellada bransleforbrukningen negativt eftersom regres-sionskoefficienten antar ett positivt varde pa 0,0215. Detta betyder att en bil med manuell vaxelladatenderar till att ha cirka 2,2 % hogre forbrukning an en automatvaxlad bil, nar allt annat hallskonstant. Den allmanna uppfattningen kring vaxelladans inverkan pa forbrukningen har lange varitatt manuellt vaxlade bilar har lagre forbrukning eftersom att det mojliggor Eco-driving och gerforaren mer kontroll [22]. Men utvecklingen av automatiska vaxellador har lett till framkomsten avCVT-vaxelladan och vaxellador med upp till tio vaxlar. Detta har lett till att automatvaxlade bilarfatt lagre forbrukning eftersom att motorn kan arbeta pa lagre varvtal aven vid hogre hastigheter.

5.1.1.4 Cylinderdeaktivering

Regressionskoefficienten for cylinderdeaktivering ar signifikant och antar ett varde av -0,0283 vilketindikerar att en bil med denna funktion har cirka 2,8 % lagre forbrukning an en bil som inte

31

ar utrustad med cylinderdeaktivering, givet att allt annat halls konstant. Detta resultat ansesvara rimligt eftersom att cylinder-variabeln pavisade att farre cylindrar sanker forbrukningen ochcylinderdeaktiveringen bygger pa att ha ett farre antal cylindrar aktiva nar det ar mojligt.

5.1.1.5 Drivning

Denna regressionskoefficient pavisar att framhjulsdriften har lagre forbrukning an fyrhjuls- ochbakhjulsdrivna bilar. Genom att utrusta bilen med framhjulsdrift istallet for fyrhjulsdrift sanksbransleforbrukningen med cirka 7,3 %. Men detta resultat kan vara missvisande eftersom attmajoriteten av sportbilar tillverkas med fyrhjuls- eller bakhjulsdrift som standard for att forbattrabilarnas koregenskaper. Detta leder till att framhjulsdrift inte kan ersatta de andra drivtyperna men ide fall dar koregenskaperna har mindre betydelse kan drivtypen anvandas for att sanka forbrukningen.

Det som ar problematiskt med drivtypen ar att manga kunder varderar faktorer som korkansla ochsport vilket kan vara svarare att uppna med framhjulsdrift. Darfor kan ett inforande av framhjulsdrifti bilar som tidigare haft bakhjulsdrift leda till att biltillverkare forlorar konkurrenskraft.

Regressionskoefficienten for bakhjulsdrift ar insignifikant vilket betyder att effekten av bakhjulsdrifteninte gar att sakerstalla. Detta betyder att koefficienten kan ha vardet 0 och darfor ar en analys avdenna koefficient inte mojlig.

5.1.1.6 Vaxlar

Nar antalet vaxlar okar med en vaxel minskar bransleforbrukningen med cirka 1,8 %, vilket indikerasav koefficienten som antar vardet -0,0177. Detta resultat gar i enlighet med koefficienten somerhallits for vaxelladan som pavisade att en manuell vaxellada hojer forbrukningen. Eftersom att deflesta automatvaxlade bilar har fler an sex vaxlar ar ett byte fran automatisk vaxellada till manuellvaxellada i princip samma sak som att minska antalet vaxlar.

5.1.1.7 Turbo

Koefficienten tillhorande variabeln Turbo har ett 95-procentigt konfidensintervall dar 0 ar inkluderatvilket indikerar att variabeln inte kan forklara variationen i bransleforbrukningen. Detta resultat kanverka anmarkningsvart eftersom en turbomatad motor tillsammans med ett minskat antal cylindrar,aven kallat Turbo-downsizing, ar en relativt popular trend inom bilindustrin och anvands framst foratt fa ner bransleforbrukningen [23, s.63]. En anledning till varfor Turbo inte kan forklara variationeni responsvariabeln ar att en Turbo inte har egenskaper som pa egen hand kan minska forbrukningen.En turbo ar ett effekthojande system som tillfor hastkrafter och okar prestanda vilket, tillsammansmed en reducering av cylindrar, leder till lagre forbrukning. Men det ar enbart reduceringen avcylindrar som har en effekt pa forbrukningen, turbon kompletterar for kraftforlusterna nar antaletcylindrar minskas [24].

5.1.1.8 Start/stopp-system

Variabeln som representerar start/stopp-systemet ansags vara insignifikant och reducerades ur mod-ellen. Detta indikerar att start/stopp-system inte har nagon markbar effekt pa bransleforbrukningen

32

vilket ar anmarkningsvart. I branschen har tio av de storsta aktorerna valt att installera start/stopp-system vilket kan jamforas med implementering av cylinderdeaktivering som endast gjorts av fyraaktorer. Trots att cylinderdeaktiveringen har en pavisad effekt enligt regression vilket start/stopp-systemet inte har, ar det sistnamnda betydligt mer populart bland aktorerna. En forklaring till varforett system som ar implementerat av flertalet aktorer anses vara insignifikant ar de tester som gors narbransleforbrukningen mats. Start/stopp-system sanker forbrukningen genom att stanga av motornnar fordonet ar stillastaende, t.ex. vid ett rodljus. Men om testerna inte tillater bilarna att varastillastaende tillrackligt manga ganger kommer effekten av systemet att vara omarkbar. Med dettasom bakgrund anses darfor regressionen ge missvisande resultat angaende start/stopp-systemet.

5.2 Branschanalys

I detta avsnitt analyseras bilbranschen utifran ekonomiteoretiska aspekter. Detta kommer att liggatill grund for fortsatt diskussion och vilka strategier sma biltillverkare (sett till omsattning) borimplementera for att oka sin konkurrenskraft gentemot storre aktorer.

5.2.1 Porters femkraftsmodell

Kunders forhandlingsstyrka: MedelKunderna utgors till storsta del av enskilda privatpersoner men emellanat av foretag och statligaorganisationer. Biltillverkarna ar stora och kunderna sma vilket gor att kundens potentiella kopbetraktas som en i mangden for tillverkaren. Kunden kan heller inte anvanda sig av substitut vidforhandling da det saknas substitut med liknande bekvamligheter som en personbil erbjuder. Dockhar kunden inga byteskostnader om den istallet valjer att kopa fran en annan tillverkare, vilketsatter kunden i ett nagot battre forhandlingslage.

Bilkopare ar generellt priskansliga och kommer valja att kopa fran annan tillverkare som erbjuderliknande bil till lagre pris. Tillverkarna tillampar istallet lojalitetsprogram med langre garantier,battre avbetalningsvillkor etc. for att minska kundernas forhandlingsstyrka.

Leverantorers forhandlingsstyrka - Valdigt lagProdukterna som laggs ut pa leverantorer ar mer eller mindre standardiserade och kops in i storrekvantiteter. Leverantorerna ar till storleken sma och till antalet manga i forhallande till biltil-lverkarna, samtidigt som byteskostnaden for tillverkaren ar lag. Av dessa skal ar leverantorerstarkt beroende av sina kunder. Endast enstaka biltillverkare utgor majoriteten av leverantorensomsattning, vilket forsatter leverantoren i ett ogynnsamt forhandlingslage vid eventuell forhandling.Om en tillverkare valjer att byta leverantor kan det leda till forodande konsekvenser for leverantoren.

Hot fran substitut - LagBenagenheten att byta ut bilen mot kollektiva fardmedel ar lag. Bekvamligheten en personbilerbjuder, sa som att slippa stress och trangsel samt den okade friheten, varderas hogt av anvandarna[25]. Tag, flyg, buss och andra substitut har samma syfte som bilen, att transportera anvandarenfran punkt A till punkt B, men eftersom bekvamligheten har en betydande roll hos anvandarenfinns det saledes inget substitut som direkt konkurrerar med personbilen.

Kollar man i storstader kan det se annorlunda ut. Dar ar kollektivtrafiken ofta mer utvecklad ochinnehar fordelar som bussfiler och frekventa avgangar med flera knutpunkter som underlattar for

33

resenaren. Dessutom slipper anvandare tanka pa miljozoner, trangselskatter, dubbdacksforbud,parkering och bilkoer bl.a.

Konkurrens fran nya aktorer - Valdigt lagBilbranschen skyddas av mycket hoga intradesbarriarer. Det kravs relativt stora mangder kapitalfor att finansiera mark och anlaggningar, maskiner, ramaterial, utbilda kompetent personal, menaven for att ligga i framkant med innovation for att kunna konkurrera med de stora aktorerna. Narnya aktorer trader in pa marknaden ar det svart att ta mark och erhalla stordriftsfordelar, dessutomar sakerheten en viktigt aspekt for konsumenten vilket gor att valetablerade aktorer foredras.

Konkurrens mellan befintliga aktorer - Valdigt hogUttradesbarriarerna i branschen ar hoga. Biltillverkare stannar hellre kvar i branschen med negativaarsresultat i hopp om vandning, an att lagga ner pa grund av de stora investeringarna och hogakostnaderna. Foretagen tvingas till att att standigt forbattra funktioner och investeringar i FoUgors for att lyckas erbjuda innovativa losningar.

Bilbranschen kan ses som en oligopol, dar fa stora aktorer besitter majoriteten av marknaden.I och med den okande globaliseringen kan utlandska biltillverkare inta inhemska marknader ochstora den befintliga oligopolen. De tillverkare som lyckas inta nya marknader ar de med ekonomiskoverlagsenhet, vilket innebar att redan etablerade aktorer moter kraftigt motstand omgaende videventuellt intrade av ny aktor.

Utifran analysen ser vi att det storsta hotet kommer inifran branschen. Biltillverkare bor darforutforma strategier med utgangspunkt i att diversifiera sina produkter och tjanster gentemot konkur-renternas. Men eftersom att branschen ar hart pressad av regleringar pa grund av okad kli-matpaverkan kan aktorerna inte basera sina beslut kring implementering av teknologier pa enbartinterna faktorer fran branschen. For att analysera de yttre faktorernas paverkan pa bilindustringors darfor en PEST-analys for att kunna foresla en strategi utifran ett overgripande perspektiv.

5.2.2 PEST

PolitiskaDe politiska faktorerna har oerhort stor paverkan pa hela branschen genom regleringar, skatter ochmiljopremier som infors. Hojda skatter pa fossila branslen och inforandet av miljozoner kan minskaefterfragan av bilar med fossila branslen och oka efterfragan pa el- och hybridbilar. Pa detta sattstyr regleringarna marknaden och biltillverkarna tvingas anpassa sitt utbud efter detta. Den storstaproblematiken fran den politiska aspekten ar dock de standigt skarpta regleringarna som gors vilketleder till att biltillverkare tvingas att hitta nya losningar for att sanka forbrukningen och utslappeni sina bilar. Detta leder till att biltillverkare gor enorma investeringar for att forbattra drivlinor,reducera vikten och optimera mjukvara. Dock racker det inte med att gora dessa investeringar ochsanka utslappen for att vara kvar pa marknaden. Den interna konkurrensen, dar brand awarenessoch stordriftsfordelar ar gemensamt for de storsta aktorerna, leder till att risken for konkurs ar stor.

Ett exempel pa hur en reglering kan skaka om branschen ar inforandet av den nya testmetoden somska anvandas for att mata bilars utslapp. Detta har lett till att trender som turbo-downsizing masteoverges eftersom att det enbart lett till minskade utslapp i testmiljoer. Manga biltillverkare maste

34

darfor overge de system som de investerat i for att kunna klara testerna. Detta diskuteras mer iavsnitt 5.3.2.

EkonomiskaMakroekonomiska fluktuationer har en direkt paverkan pa biltillverkarnas verksamheter. Bilbran-schen ar kanslig for konjunkturella variationer da konsumtionsmonstren bland konsumenternaforandras. Under lagkonjunktur minskar forsaljningen inom sport- och premiumbilssegmentet medansmabilssegmentet far en storre marknadsandel. Likasa paverkar ett hogt rantelage konsumenternasval av bil da majoriteten av bilkopen sker pa kredit.

I USA ser man tydliga kopplingar mellan rantelage och vilken typ av bil som kops. I kombina-tion med lag oljeprisniva har de senaste arens konsumtion tenderat at storre bilar med hogrebransleforbrukning sa som SUV’s, CUV’s och pickup’s [26, s.4]. Oljeprisets fluktuationer paverkaraven foretagens forskningsinriktning da hoga olje- och branslepriser bidrar till starka incitament fortillverkarna att utveckla bransleeffektivare drivlinor.

Man har observerat tydliga samband mellan oljepriset och biltillverkarnas satsningar for att effek-tivisera drivlinan. Mellan ar 1979 och 1980 fordubblades oljepriset [27] vilket aven haft effektenatt nyproducerade bilars bransleforbrukning sankts under efterfoljande ar [28]. Ar 1986 kollapsadeoljepriset till foljd av oljekrisen nagra ar tidigare och stagnerade pa dessa nivaer i nastan 20 ar. Lagoljeprisniva i kombination med oforandrade utslappskrav gav biltillverkarna svaga incitament attutveckla effektivare drivlinor. Nar oljepriset ar 2003 drastiskt borjade stiga svarade tillverkarnainom kort med forbattrad bransleeffektivitet.

SocialaBranschen har lange haft tva motstridiga mal att na. De politiska regleringarna har efterfragatmiljovanliga bilar medans intresset for prestanda varit storre hos konsumenterna. Men den standigtdebatterade klimatfragan har lett till att konsumenternas preferenser andrats. Konsumenternasefterfragan pa bilar med lagre klimatpaverkan forvantas att oka enligt studier vilket har att goramed att yngre generationer prioriterar miljon mer [29]. Detta leder till att de tva motstrida maleninom branschen konvergerar mot ett gemensamt mal vilket ar en fordel.

Inom branschen har aven varumarke haft stor betydelse och lyxbilstillverkare har haft en fordeljamfort med tillverkare som inte upplevts som lika exklusiva av allmanheten. Men studier visaratt varumarke kommer att spela en allt mindre roll i framtiden. Konsumenter forvantas att kopaprodukter baserat pa deras egenskaper samt foretagens anstrangningar for att minska klimatpaverkan[30]. Detta ar en tydlig trend som redan yttrat sig i mobilbranschen med aktorer som Oneplus somintagit en storre del av marknaden med en valdigt lag brand awareness.

TeknologiskaTeknologin har pa senare tid blivit det viktigaste konkurrensmedlet for biltillverkare. Det ar med nyteknologi som tillverkare differentierar sig mot de ovriga. Konsumenter har allt mer kunskap ochforvantar sig den senaste tekniken i nya bilar, vilket satter press pa tillverkarna. Samtidigt som IToch internet vaxer exponentiellt i andra branscher och blir en allt storre del i konsumentens vardag,kraver konsumenterna att aven bilar ska vara uppkopplade och kompatibla med den tekniken. Avenfrekvensen av hur ofta nya innovationer utvecklas har direkt paverkan pa tillverkarnas verksamheter.

35

En hog omsattning av teknologi kraver stora investeringar for att inte riskera att hamna efter ochforlora marknadsandelar.

5.2.3 FoU i branschen

Under ar 2017 spenderade biltillverkare varlden over sammanlagt motsvarande 920 miljarder kronorpa forskning och utveckling (FoU) [31]. Bilbranschen ar den tredje storsta industrin, efter elektronikoch sjukvard, sett till mangden kapital spenderat inom FoU och utgjorde ar 2015 16 % av samtligaindustrier [32, s.5]. De senaste arens kraftiga okning tros bero pa forandringar i hur konsumenten serpa agandet av personbilar. Branschen gar allt mer mot en tid som praglas av att dela och effektiviseraanvandandet av produkter, vilket kommer leda till minskade intakter fran nybilsforsaljning [33, s.10].For att bibehalla stark utveckling investerar biltillverkare i ny teknik och utformar samtidigt nyamojligheter for att ta betalt genom tjanstefiering [34].

Ar 1998 ingick Europeiska Kommissionen och den europeiska biltillverkarorganisationen ACEA(European Automobile Manufacturers Association) avtal om koldioxidutslapp fran nyproduceradebilar [35]. Men det var redan ar 1975 som man i USA grundade CAFE (Corporate Average FuelEconomy) och inforde forordningar for att forbattra den genomsnittliga bransleforbrukningen [36].Idag ar det huvudsakligen dessa utslappsmal som styr biltillverkarnas FoU kring bransleeffektivitet.

Pa senare ar har utslappskraven varit pafrestande for tillverkarna. For att mota de uppsatta malenfor ar 2025 behover tillverkarna fokusera pa flera av bilens bestandsdelar parallellt. Tjanstevikten skasankas, motorerna effektiviseras och smart mjukvara utvecklas. Kompositmaterial, turbo-downsizing,dubbelkopplingsvaxellada och cylinderdeaktivering ar nagra av de verktyg biltillverkarna i dagslagethar att laborera med. 2025 ars utslappsmal forvantas uppnas med en kombination av dessa forbrukn-ingsreducerande system. Det skulle oka kostnaden per tillverkad bil med narmare US$2000 [26,s.16], vilket kan ses som en relativt lag kostnad gentemot vinsterna for natur och samhalle i form avmindre fororeningar och vaxthusgaser. Det ar daremot upp till var och en av biltillverkarna att valjaden strategi som passar dem bast, da olika komponenter kostar olika mycket att utveckla. Dessutomar det problematiskt for mindre biltillverkare eftersom att de inte har lika stora resurser som storrebiltillverkare vilket kan forklara varfor det endast ar ett fatal aktorer som investerat i tre eller flerstrategier parallellt [23, s.47-47].

Stora biltillverkare, sett till omsattning och marknadsandel, drar nytta av stordriftsfordelarna ibranschen. Ta Volkswagen AG som exempel. Volkswagen AG ar en multinationell koncern medflertalet bilmarken under sig, som Audi, Volkswagen, Skoda, Seat, Porsche, Lamborghini, Bentleyoch Bugatti [37]. Gemensamma forskningsenheter minimerar utvecklingskostnaderna samtidigt somnya innovationer blir tillgangliga for samtliga bilmarken. Sma tillverkare har tuff konkurrens, vilketokar betydelsen av en korrekt prioritering FoU.

Trots den harda konkurrensen i branschen finns gemensamma intressen i att minska utslappen avvaxthusgaser. Tillverkare och leverantorer, ofta med bidrag fran statliga organisationer, samarbetaroch bidrar till gemensam forskning pa omradet. Det ar ineffektivt att samtliga tillverkare utvecklarlikadan teknik men pa olika hall. Bilbranschen kan dra lardomar av flygplanstillverkningen, darjetmotorn pa kort tid blivit tekniskt avancerad och dominant design i branschen. Istallet for attsamtliga flygplanstillverkare ska utveckla jetmotorn overlamnades FoU till fa men specialiserade

36

bolag [38]. Med liknande resonemang kan bilindustrin tjana pa att lamna over utvecklingen avexempelvis bilmotorn till tredje part for en effektivare utbudsmarknad.

Problemet med gemensam tillverkning ar att aktorer som BMW och Mercedes-Benz, vilka ar ledandeinom motorsport, anvander sina drivlinor som konkurrensmedel for att differentiera sig fran de andraaktorerna. P.g.a. detta ar det osannolikt att de valjer att inga en koalition for att ha en gemensamutveckling av komponenter av drivlinan. Daremot kan mindre aktorer som inte anvander drivlinansom konkurrensmedel inga i koalitioner for att fa ner kostnaderna i utvecklingen av drivlinorna.Detta kan leda till att mindre aktorer kan producera bilar med likvardig prestanda och forbrukningsom de storre aktorerna, fast till en lagre kostnad.

5.3 Strategi

5.3.1 Utgangspunkten

Idag utgor forbranningsmotorn over 95 % av marknaden [39, s.11]. Vid ar 2030 kommer forbranningsmo-torns andel ha minskat till drygt 70 %, vilket fortfarande utgor en klar majoritet. Det ar av stor viktfor biltillverkarna att inte lamna forbranningsmotorn helt bakom sig och ga vidare med alternativadrivlinor eftersom forskning inom bl.a. annat hard- och mjukvara fortfarande har en potential attsanka forbrukningen enligt experter inom omradet [23, s.47].

Tittar man pa FoU for bilens hard- och mjukvara ser man kraftig okning for den senare namnda. Dethar visat sig att genom att allokera resurser fran den traditionella FoU for hardvara till mjukvara,okar omsattningen snabbare an for tillverkare som inte gor det [40]. Nagra av de satsningar somgjorts pa den fronten ar start/stopp-system och cylinderdeaktivering. Trots att cylinderdeaktiveringsag marknaden 2005, sju ar fore har implementeringen av start/stopp okat i betydligt hogre takt.Over 75 % av Mercedes-Benz och BMW:s producerade bilar ar utrustade med start/stopp, medangenomsnittet for de 13 storsta tillverkarna ar 14 %. Mercedes-Benz och BMW ar i sarklass debiltillverkarna som i storst utstrackning anvander start/stopp [23, s.47,75]

En overblick av cylinderdeaktivering visar att knappt en tredjedel av biltillverkarna anvanderfunktionen[23, s.47]. I toppen aterfinns tva amerikanska tillverkare GM och Fiat-Chrysler, men avenjapanska Honda. I genomsnitt utrustas knappt 5 % av producerade bilar med cylinderdeaktivering.En forklaring till det kan vara den okande andelen fyr-cylindriga bilar [23, s.60]. Cylinderdeaktiveringverkar pa sa satt att bilen automatiskt stanger av ett antal cylindrar nar behovet av prestanda arlagt. Tidigare har det inte varit effektivt med cylinderdeaktivering i fyrcylindriga motorer da deovriga cylindrar behovt kompensera for den fjarde, vilket istallet leder till motsatt effekt. Darforhar det varit vanligare med cylinderdeaktivering i bilar med sex cylindrar eller fler. Men experterinom omradet menar att det har blivit mojligt att implementera cylinderdeaktivering i fyrcylindrigamotorer vilket kan oka dess popularitet [41]. I dagslaget ar det endast Volkswagen och Honda somimplementerat cylinderdeaktivering i mindre motorer.

Vad galler utvecklingen av hardvara ser vi tydligt hur tillverkare implementerat olika strategier foratt sanka bransleforbrukningen. Exempelvis har asiatiska biltillverkare som Subaru, Nissan, Hondaoch Toyota i betydligt storre utstrackning utvecklat steglosa vaxellador (CVT) medan vasterlandskatillverkare utvecklat befintliga till att ha 7 vaxlar eller fler [23, s.47]. Bland de vasterlandska aterfinnsMercedes-Benz, BMW, Fiat-Chrysler, VW och GM. Det gar att notera stora stora geografiska

37

skillnader i hur FoU prioriteras.

Gemensamt for manga ar dock sa kallad Turbo-downsizing. Det ar en pagaende trend som biltil-lverkare tvingats in i for att mota de harda utslappsmalen. Turbo-downsizing innebar att tillverkarnautvecklar mindre motorer, sett till motorvolym och antal cylindrar, for att sedan utrusta demmed effekthojande system som turbo eller kompressor. Mer an 90 % av nyproducerade bilar medturbomatning anvander sig dessutom av GDI (gasoline direct injection) som insprutningssystem[23, s.64]. Denna kombination av system sanker bransleforbrukningen samtidigt som konsumentenbibehaller onskvard prestanda. Bland de 13 storsta tillverkarna ser vi BMW, Mercedes-Benz, VWoch Ford som i storst utstrackning anammat denna strategi.

En annan trend som observerats ar valet av typ av drivning. Mellan aren 1975 och 1990 sjonk andelenproducerade bilar med bakhjulsdrift fran 94 % till 15 %. Samtidigt okade andelen framhjulsdrivnabilar med motsvarande siffra. Sedan ar 1990 har andelen framhjulsdrivna bilar hallits relativtkonstant medan bakhjulsdrift stadigt sjunkit for att ge plats at fyrhjulsdrift som blivit allt mereftertraktat pa senare ar [23, s.89].

Bilens vikt har en logisk inverkan pa bransleforbrukningen da mer vikt kraver mer drivkraft foratt accelereras. For varje 10 % viktminskning minskar bransleforbrukningen med omkring 6 %[42, s.27,29]. Mellan aren 2014 och 2020 beraknas vikten for karossen i genomsnitt reduceras med10-20 %. Den storsta delen av viktminskningen beraknas att komma fran karossen och chassitmed 35 % respektive 25 % viktminskning. For att lyckas med det forskas det kring substitut forstal. Aluminium ar den vanligaste ersattaren till stal och reducerar vikten med omkring 40 %for samma komponent. Ar 2014 monterades 30 % av nya bilar med en motorhuv av aluminium.En bil bestod ar 2014 i genomsnitt av 8 % aluminium och vantas dubbleras till 16 % ar 2025 [42, s.28].

Fordelarna med kompositmaterial, sa som kolfiber, ar manga men begransas av de hoga pro-duktionskostnaderna. Kolfiber ar bade lattare och starkare an stal, men pa grund av den lagaautomatiseringsgraden och hoga materialkostnader kan inte bildelar i kompositmaterial massproduc-eras. Idag tillverkas endast sma volymer av materialet, framst inom sport- och lyxbilssegmentet.

Mot den bakgrunden kan det tydligt observeras att biltillverkare inte kan forska och utveckla allatekniker samtidigt. Det ar darfor av stor vikt att prioritera sina resurser ratt for att inte riskeraforsvagad utveckling pa grund av obsolet teknik. Biltillverkarna valjer sjalvmant vilka system ochtekniker de ska implementera.

5.3.2 Alternativa strategier

Utifran resultaten som erhallits i regressionen har antalet cylindrar en relativt stor paverkan paforbrukningen. Detta leder till att en implementering av turbo-downsizing kan vara fordelaktigt.I dagslaget finns det biltillverkare som anvander sig av enbart tva cylindrar tillsammans med enturbo for att sanka forbrukningen. Detta mojliggor en implementering av turbo-downsizing aven omantalet cylindrar inte ar hogre an fyra [43]. Men experter inom omradet menar att sma motorerutrustade med turbo enbart forbattrar forbrukningen i de testmiljoer som anvands och inte underverkliga forhallanden eftersom motorn blir varm lattare [43].

38

Pa grund av testmiljoer som inte speglat verkligheten har skandaler dar stora aktorer som Volkswagenoch FIAT varit inblandade i kunnat ske. Darfor infors en ny testmetod for att mata utslappsnivaernaoch denna kommer att trada i kraft ar 2019 for samtliga tillverkare [44]. Den nya testmetodenkan saledes vara forodande for downsizing-trenden i mindre motorer och storre biltillverkare, t.ex.Toyota och Volkswagen, har som konsekvens av den nya testmetoden valt att oka motorvolymen ochantalet cylindrar i nagra av deras bilar for att klara utslappsgranserna [43]. Aktorer som valt atttillampa turbo-downsizing i mindre motorer forvantas sta infor hoga kostnader nar omstallningen tillstorre motorer gors. Dessutom ar det manga av dessa aktorer som har utslappsvarden som ar upptill tre ganger over granserna enligt den nya testmetoden. Detta medfor att de maste gora drastiskaforandringar for att reducera utslappen till rimliga nivaer [43]. Det har ar ett konkret exempel pahur en andring pa den politiska nivan kan vara forodande for biltillverkare vilket ar varfor hansyntill yttre faktorer kommer tas nar en rekommendation ges.

En annan viktig aspekt att beakta ar konsumenternas reaktioner om majoriteten av biltillverkareoverger turbo-downsizing medans mindre biltillverkare borjar tillampa detta. Pa grund utav atttilliten till mer populara aktorer ar storre kan de mindre biltillverkarnas intakter komma att minska.En annan nackdel ar att en implementering av turbo-downsizing kommer medfora att bilar med fleran fyra cylindrar far battre forbrukning men det ovriga sortimentet med farre cylindrar kommerinte kunna utnyttja effekterna av downsizing.

Detta tillsammans med de regleringar som standigt stramas at leder till att investeringar i turbo-downsizing inte ar fordelaktigt eftersom att effekten fran cylindrarna kan reduceras med annanteknik som ar tillampbar aven pa mindre motorer.

Genom att fokusera sin FoU kring cylinderdeaktivering kommer de mindre biltillverkarna att kunnatillampa tekniken pa hela sitt utbud, vilket ar fordelaktigt. Dessutom ar det, som tidigare namnt,i dagslaget endast fyra biltillverkare som har implementerat deaktivering av cylindrarna. Dettakan jamforas med turbo-downsizing som anvands av mer an tio biltillverkare varav flertalet harutrustat mer an 50 % av sitt utbud med systemet [23]. En implementering av cylinderdeaktiveringkan darfor leda till att mindre biltillverkare sanker forbrukningen i en storre andel av sina bilarsamtidigt som de diversifierar sig mot resten av utbudet, vilket ar en effekt som inte gar att uppnamed turbo-downsizing. Fran porteranalysen identifierades att konkurrenterna inom branschen vardet storsta hotet och darfor ar det av storsta intresse for mindre aktorer att diversifiera sig. Utoverde positiva effekterna pa forbrukningen har studier aven visat att biltillverkare som allokerar enstorre del av sina resurser mot FoU inom mjukvara har hogre tillvaxttakt pa omsattningen [40].

En annan faktor som har en pavisad effekt enligt regressionen ar den manuella vaxelladan somhojer forbrukningen. Genom att endast erbjuda automatvaxlade bilar kan tillverkarna minskaforbrukningen i samtliga av sina bilar samtidigt som de far reducerar kostnaderna eftersom attde inte langre behover tillverka tva drivlinor. Trots att utbudet minskar genom detta forvantasintakterna inte att drabbas negativt. Detta eftersom att de sociala faktorer i PEST-analysenindikerat att konsumenter foredrar foretag som blir mer miljovanliga.

39

5.3.3 Utvecklingsmojligheter

Under arbetes gang noterades alternativa fragestallningar som utelamnats fran arbetet. Drivlinorblir allt mer effektiva i form av sankt bransleforbrukning men aven okad motoreffekt, och i taktmed okande efterfragan pa kraftfullare men bransleeffektivare bilar skulle en analys av balansgangenmellan motoreffekt och bransleforbrukning ligga ratt i tiden. Motoreffekten, matt i kilowatt ellerhastkrafter, fanns inte att tillga i den ursprungliga datamangden och var svartillganglig. Avdenna anledning fanns inte mojligheten att undersoka branslereducerande systems inverkan pamotoreffekten. Detta lamnas darfor till vidare forskning inom omradet.

40

6 Slutsats

Till foljd av radande stordriftsfordelar i branschen kan storre aktorer uppratthalla ett flertal FoU-projekt parallellt. Mindre tillverkare bor emellertid endast fokusera pa tva forskningsomraden foratt kunna konkurrera med tekniken, givet branschens inre konkurrens och de yttre faktorernaspafrestningar genom bl.a. regleringar som gors. Detta arbete mynnar darfor ut i rekommendationerfor tva branslereducerande system for sma tillverkare att fokusera sin FoU kring.

Utifran resultaten som erhallits ar en strategi dar FoU fokuseras pa automatvaxellador och cylin-derdeaktivering att foredra. Genom att overge den manuella vaxelladan och istallet utveckla automa-tiska, minskar bransleforbrukningen i dagslaget med cirka 2,2 %. Utover en sankt bransleforbrukningsanks aven utvecklings- och produktionskostnaderna till foljd av att personbilstillverkarna intebehover utveckla och producera tva skilda drivlinor, samtidigt som komforten for konsumenten okar.Eftersom att mindre biltillverkares huvudsegment inte ar sportbilssegmentet, riskerar darfor intetillverkarna att forlora kunder som varderar manuella vaxellador i sportbilar hogt. De kan av dessaskal med fordel overge den obsoleta manuella vaxelladan.

Som observerats i tidigare kapitel paverkas bransleforbrukningen kraftigt av antalet cylindrar. Genomatt implementera cylinderdeaktivering kan fordelarna med mindre motorer, sett till antal cylindrar,fangas upp och reducera bransleforbrukningen med cirka 2,8 %. Den i dagslaget laga graden avimplementering av tekniken i branschen gor det mojligt for sma biltillverkare att diversifiera sig motovriga konkurrenter.

41

7 Referenser

[1] Statista. Number of cars sold worldwide from 1990 to 2018 (in million units), 2018.[Hamtad: 2018-03-19]. Hamtad fran: https://www.statista.com/statistics/200002/

international-car-sales-since-1990/.

[2] Statista. Revenue* of the leading automotive manufacturers worldwide in FY 2016 (in billion U.S.dollars), 2018. [Hamtad: 2018-03-19]. Hamtad fran: https://www.statista.com/statistics/232958/revenue-of-the-leading-car-manufacturers-worldwide/.

[3] PSA-Groupe. FY 2016 RESULTS. Arsredovisning, 2017. [Hamtad: 2018-03-18]. Hamtad fran:https://www.groupe-psa.com/en/document/resultats-annuels-2016/.

[4] ACEA - European Automobile Manufacturers’ Association. Future mobility: The challengeswe face, November 2016. [Hamtad: 2018-03-18]. Hamtad fran: http://www.acea.be/news/

article/future-mobility-the-challenges-we-face.

[5] International Energy Agency. Global EV Outlook 2017, Two million and counting,2017. [Hamtad: 2018-03-20]. Hamtad fran: https://www.iea.org/publications/

freepublications/publication/GlobalEVOutlook2017.pdf.

[6] Sarah Landrum. Millennials Driving Brands To Practice So-cially Responsible Marketing, March 2017. [Hamtad: 2018-03-19].Hamtad fran: https://www.forbes.com/sites/sarahlandrum/2017/03/17/

millennials-driving-brands-to-practice-socially-responsible-marketing/

#39198bbe4990.

[7] Detlev Dr. Morh, Nicolai Dr. Muller, Alexander Dr. Krieg, Paul Gao, Hans-WernerKaas, Alex Dr. Krieger, and Russel Hensley. The road to 2020 and beyond:What’s driving the global automotive industry?, August 2013. [Hamtad: 2018-03-20].Hamtad fran: https://www.mckinsey.com/~/media/mckinsey/dotcom/client_service/

Automotive%20and%20Assembly/PDFs/McK_The_road_to_2020_and_beyond.ashx.

[8] Evan Hirsh, John Jullens, Akshay Singh, and Reid Wilk. 2016 Auto Industry Trends. Technicalreport, strategy& - pwc, 2016. [Hamtad: 2018-03-18]. Hamtad fran: https://www.strategyand.pwc.com/trends/2016-auto-industry-trends.

[9] Douglas C. Montgomery, Elizabeth A. Peck, and G. Geoffrey Vining. Introduction to linearregression analysis. Number 821 in Wiley series in probability and statistics. Wiley, Hoboken,NJ, 5th edition edition, 2012. ISBN 978-0-470-54281-1.

[10] Harald Lang. Elements of Regression Analysis, July 2016. [Hamtad: 2018-03-23]. Hamtad fran:https://www.math.kth.se/matstat/gru/sf2930/regression_analysis_2016.pdf.

[11] Pengfei Li. Box-Cox Transformations: An Overview, April 2005. [Hamtad: 2018-03-19]. Hamtadfran: https://www.math.kth.se/matstat/gru/sf2930/Box-Cox.pdf.

42

[12] John Fox and Georges Monette. Generalized Collinearity Diagnostics. Journal of the AmericanStatistical Association, 87(417):178, March 1992. ISSN 01621459. doi: 10.2307/2290467.[Hamtad: 2018-03-28]. Hamtad fran: https://www.jstor.org/stable/2290467?origin=

crossref.

[13] Gareth James, Daniela Witten, Trevor Hastie, and Robert Tibshirani, editors. An introductionto statistical learning: with applications in R. Number 103 in Springer texts in statistics.Springer, New York, 2013. ISBN 978-1-4614-7137-0. OCLC: ocn828488009.

[14] Docent Tatjana Pavlenko. Model building, February 2018.

[15] Michael E. Porter. How Competitive Forces Shape Strategy, March 1979. [Hamtad: 2018-04-14].Hamtad fran: https://hbr.org/1979/03/how-competitive-forces-shape-strategy.

[16] Fueleconomy.org. Frequently Asked Questions, 2018. [Hamtad: 2018-03-28]. Hamtad fran:https://www.fueleconomy.gov/feg/info.shtml.

[17] Bilsvar. Vad ar bilsvar? - Bilsvar, 2018. [Hamtad: 2018-03-28]. Hamtad fran: https:

//www.bilsvar.se/sv/vad-ar-bilsvar/.

[18] Jeb Hoge. AWD Vs. 4wd in Gas Mileage, 2018. [Hamtad: 2018-04-04]. Hamtad fran:https://itstillruns.com/awd-vs-4wd-gas-mileage-5918667.html.

[19] Fueleconomy.org. Learn More About the Fuel Economy Label for Gasoline Vehicles,2018. [Hamtad: 2018-04-04]. Hamtad fran: https://www.fueleconomy.gov/feg/label/

learn-more-gasoline-label.shtml.

[20] Slagvolym, November 2016. [Hamtad: 2018-04-04]. Hamtad fran: https://sv.wikipedia.

org/w/index.php?title=Slagvolym&oldid=38344345. Page Version ID: 38344345.

[21] Eric Vittinghoff, editor. Regression methods in biostatistics: linear, logistic, survival, andrepeated measures models. Statistics for biology and health. Springer, New York, 2nd editionedition, 2012. ISBN 978-1-4614-1352-3. OCLC: ocn760413636.

[22] ATC. Manual vs. Automatic Transmission: Which Gets Better Mileage and Why?,2014. [Hamtad: 2018-04-06]. Hamtad fran: http://www.autotraining.edu/blog/

manual-vs-automatic-transmission-which-gets-better-mileage-and-why/.

[23] EPA. Light-Duty Automotive Technology, Carbon Dioxide Emissions, and Fuel EconomyTrends: 1975 Through 2017. Technical report, United States Enviromental Protection Agency,January 2018. [Hamtad: 2018-04-15]. Hamtad fran: https://nepis.epa.gov/Exe/ZyPDF.

cgi?Dockey=P100TGDW.pdf.

[24] Jim Henry. Turbocharging to Save Gas, Instead of to Go Fast, February 2012.[Hamtad: 2018-04-15]. Hamtad fran: https://www.forbes.com/sites/jimhenry/2012/02/

28/turbocharging-to-save-gas-instead-of-to-go-fast/#7c4890e93a6b.

[25] Linda Steg. CAN PUBLIC TRANSPORT COMPETE WITH THE PRIVATE CAR? IATSSResearch, 27(2):27–35, January 2003. ISSN 0386-1112. doi: 10.1016/S0386-1112(14)60141-2.[Hamtad: 2018-04-16]. Hamtad fran: https://www.sciencedirect.com/science/article/

pii/S0386111214601412.

43

[26] Kosuke Nishino. Development of Fuel Economy Regulations and Impact on Automakers. Techni-cal report, Mitsui Global Strategic Studies Institute, March 2017. [Hamtad: 2018-04-20]. Hamtadfran: https://www.mitsui.com/mgssi/en/report/detail/__icsFiles/afieldfile/2017/

05/25/170315i_nishino_e.pdf.

[27] Macrotrends. Crude Oil Prices - 70 Year Historical Chart | MacroTrends,2018. [Hamtad: 2018-04-20]. Hamtad fran: http://www.macrotrends.net/1369/

crude-oil-price-history-chart.

[28] NHTSA. SUMMARY OF FUEL ECONOMY PERFORMANCE, December 2014. [Hamtad:2018-04-20]. Hamtad fran: http://www.nhtsa.gov/staticfiles/rulemaking/pdf/cafe/

Performance-summary-report-12152014-v2.pdf.

[29] Julie Saussier. Millennials Drive Sustainability, February 2017. [Hamtad: 2018-04-21]. Hamtadfran: https://www.credit-suisse.com/corporate/en/articles/news-and-expertise/

millennials-drive-sustainability-201702.html.

[30] Josh Ong. Millennials And The ’Reverse Branding’ Trend, December 2017. [Hamtad: 2018-04-21]. Hamtad fran: https://www.forbes.com/sites/forbescommunicationscouncil/2017/

12/06/millennials-and-the-reverse-branding-trend/#1de3ee4e4896.

[31] Auto Alliance. Innovation | Alliance of Automobile Manufacturers, 2018. [Hamtad: 2018-04-21].Hamtad fran: https://autoalliance.org/innovation/.

[32] Evan Hirsh and Barry H. Jaruzelski. The 2015 Global Innovation 1000 - Au-tomotive industry findings. Technical report, strategy& - pwc, 2016. [Hamtad:2018-04-22]. Hamtad fran: https://www.strategyand.pwc.com/media/file/

Innnovation-1000-2015-Auto-industry-findings.pdf.

[33] Brett Smith, Adela Spulber, Shashank Modi, and Terni Fiorelli. Technology Roadmaps:Intelligent Mobility Technology, Materials and Manufacturing Processes, and Light Duty VehiclePropulsion. Technical report, Center for Automotive Research, June 2017. [Hamtad: 2018-04-20]. Hamtad fran: http://www.cargroup.org/wp-content/uploads/2018/01/Technology_Roadmap_Combined_23JAN18.pdf.

[34] Paul Gao, Hans-Werner Kaas, Detlev Mohr, and Dominik Wee. Disruptive trendsthat will transform the auto industry, 2017. [Hamtad: 2018-04-19]. Hamtadfran: https://www.mckinsey.com/industries/automotive-and-assembly/our-insights/

disruptive-trends-that-will-transform-the-auto-industry.

[35] European Commission. Kommissionen och ACEA ingar avtal om koldioxidutslapp fran bilar,July 1998. [Hamtad: 2018-04-15]. Hamtad fran: http://europa.eu/rapid/press-release_IP-98-734_sv.htm.

[36] CAFE. Corporate Average Fuel Economy, November 2016. [Hamtad: 2018-04-15]. Hamtadfran: https://www.nhtsa.gov/laws-regulations/corporate-average-fuel-economy.

[37] Volkswagen AG. Brands & Models, 2018. [Hamtad: 2018-04-23]. Hamtad fran: https:

//www.volkswagenag.com/en/brands-and-models.html.

44

[38] Akshay Singh, Evan Hirsh, Reid Wilk, and Rich Parkin. 2017 Automotive Trends,2017. [Hamtad: 2018-03-29]. Hamtad fran: https://www.strategyand.pwc.com/trend/

2017-automotive-industry-trends.

[39] Carla Bailo, Kristin Dziczek, Brett Smith, Adela Spulber, Yen Chen, and MichaelSchultz. The Great Divide: What Consumers Are Buying vs. The Investments Au-tomakers & Suppliers Are Making in Future Technologies, Products & Business Mod-els. Technical report, Center for Automotive Research, February 2018. [Hamtad:2018-03-29]. Hamtad fran: http://www.cargroup.org/wp-content/uploads/2018/02/

The-Great-Divide-What-Consumers-Are-Buying-vs-The-Investments-Automake...

.pdf.

[40] Mark Couttie. Automotive R&D spend switches from hardware to soft-ware - Industry perspectives, December 2016. [Hamtad: 2018-04-24].Hamtad fran: http://pwc.blogs.com/industry_perspectives/2016/12/

rd-spend-switches-from-hardware-to-software-for-automotive.html.

[41] David Sedgwick. Bosch targets cylinder deactivation for 4-bangers, August 2015. [Hamtad: 2018-05-05]. Hamtad fran: http://www.autonews.com/article/20150803/OEM10/308049995/

bosch-targets-cylinder-deactivation-for-4-bangers.

[42] Center for Automotive Research. Just How High-Tech is the Automotive Industry?Technical report, Auto Alliance, January 2014. [Hamtad: 2018-04-24]. Hamtadfran: https://autoalliance.org/wp-content/uploads/2017/01/CARReport_Just_How_

High_Tech_is_the_Automotive_Industry.pdf.

[43] Laurence Frost and Agnieszka Flak. Exclusive: Carmakers forced back to bigger en-gines in new emissions... Reuters, October 2016. [Hamtad: 2018-04-24]. Hamtadfran: https://www.reuters.com/article/us-autoshow-paris-engines-exclusive/

exclusive-carmakers-forced-back-to-bigger-engines-in-new-emissions-era-idUSKBN12E11K.

[44] ACEA - European Automobile Manufacturers’ Association. Auto industry welcomesmore stringent emissions tests coming into effect on 1 September, August 2017.[Hamtad: 2018-04-24]. Hamtad fran: http://www.acea.be/press-releases/article/

auto-industry-welcomes-more-stringent-emissions-tests-coming-into-effect-on.

45

TRITA -SCI-GRU-2018:192

www.kth.se