Kvantitativ Modellering av förmögenhetsrättsliga dispositiva tvistemål
StatisticsLegal predictionCivil proceduresQuantitative legal predictionJurimetricsQuantitative lawData driven lawEmpiricalJurisprudenceClassificationMachine learningData miningAiMaucAucHosmer-lemeshewConfusion matrixStatistikJurimetrikJuridikTvistemålMaskininlärningEmpiriskAutomatiseringHosmer LemeshewAIKlassificeringConfusion matrixAUCMAUCMultilogitLogit
I den här uppsatsen beskrivs en ansats till att med hjälp av statistiska metoder förutse utfallet i förmögenhetsra?ttsliga dispositiva tvistemål. Logistiska- och multilogistiska regressionsmodeller skattades på data för 13299 tvistemål från 5 tingsrätter och användes till att förutse utfallet för 1522 tvistemål från 3 andra tingsrätter. Modellerna presterade bättre än slumpen vilket ger stöd för slutsatsen att man kan använda statistiska metoder för att förutse utfallet i denna typ av tvistemål.