This thesis estimates an empirical demand model for a student-oriented food truck operating atKTHRoyal Institute of Technology in Stockholm, Sweden. Using 85 days of transaction-level datafrom August 2025 to March 2026, combined with daily weather observations and the first-yearINDEK lecture schedule, we identify which factors significantly affect daily revenue and quantifytheir effects through Ordinary Least Squares regression.Model selection proceeds via exhaustive best subset selection combined with forward stepwisesearch across 21 candidate variables, evaluated by the Bayesian Information Criterion (BIC) andAdjusted R2. The BIC-optimal model (k = 9, n = 85, Adj. R2 = 0.634) identifies six statisticallysignificant demand drivers. Non-linear temperature effects (temp2) confirm that warmer autumndays substantially increase foot traffic. Each INDEK first-year lecture overlapping the lunch window (11:00–14:00) adds approximately 417 SEK in daily revenue, capturing a captive-audienceeffect among students bound to campus. Nymble fair days (Armada, D-dagen) generate a surplusof 1,477 SEK relative to a typical day. The promotional campaign during mottagningsveckan —in which bowls were priced at 80 SEK instead of the regular 95 SEK — yields an additional 1,783SEKdespite the lower unit price, as volume effects dominate. Days on which new students receivedfree lunch reduced sales by approximately 1,156 SEK, demonstrating a direct demand cannibalization effect. Finally, each additional day into a study period reduces daily revenue by 17.7 SEK,consistent with declining lecture attendance and the gradual formation of home-cooking habits.Bootstrap validation (1,000 iterations) confirms that the k = 9 model generalises well to unseendata (out-of-bag R2 = 0.453), with an overfit gap of 0.251. All classical OLS assumptions aresatisfied: residuals are homoscedastic (Breusch–Pagan p = 0.551), normally distributed (JarqueBera p = 0.510), non-autocorrelated (Durbin–Watson = 2.118), and the functional form is correctlyspecified (RESET p = 0.898). All Variance Inflation Factors are below 2.5, confirming the absenceof multicollinearity.Aprofitability analysis of the campaign pricing shows that the 80 SEK price generates approximately 367 SEK more gross profit per day than normal pricing, at the cost of serving roughly28 additional bowls. The long-run case for the campaign is strengthened by customer acquisition:students who tried the food during mottagning became regular customers whose lifetime valuesubstantially exceeds the short-run margin sacrifice. The results demonstrate that standard econometric methods can deliver actionable operational insights for small food service operators, evenfrom limited data.Keywords: demand estimation, OLS regression, food truck, weather effects, best subset selection,bootstrap validation, BIC, student-oriented food service, price elasticity, KTH.

Detta examensarbete estimerar en empirisk efterfrågemodell för en studentorienterad matvagnverksam vid KTH Kungliga Tekniska Högskolan i Stockholm. Med hjälp av 85 dagars transaktionsdata från augusti 2025 till mars 2026, kombinerat med dagliga väderobservationer och föreläsningsschemat för INDEK:s första årskurs, identifierar vi vilka faktorer som signifikant påverkarden dagliga omsättningen och kvantifierar deras effekter med hjälp av minsta-kvadratregression(OLS).Modellval genomförs via exhaustiv best subset selection kombinerat med forward stepwisesökning över 21 kandidatvariabler, utvärderade med Bayesianskt informationskriterium (BIC) ochjusterat R2. Den BIC-optimala modellen (k = 9, n = 85, just. R2 = 0,634) identifierar sex statistiskt signifikanta efterfrågedrivare. Icke-linjära temperatureffekter (temp2) bekräftar att varmarehöstdagar ökar kundflödet markant. Varje INDEK-föreläsning för första årskursen som överlapparlunchfönstret (11:00–14:00) tillför ungefär 417 kronor i daglig omsättning, vilket fångar ett captiveaudience-effekt bland studenter bundna till campus. Mässdagar vid Nymble (Armada, D-dagen)genererar ett överskott på 1,477 kronor jämfört med en typisk dag. Kampanjprissättningen undermottagningsveckan — då bowls såldes för 80 kronor istället för ordinarie 95 kronor — ger ytterligare 1,783 kronor trots det lägre styckpriset, eftersom volymeffekten dominerar priseffekten. Dagardå nollor fick gratis lunch reducerade försäljningen med cirka 1,156 kronor, vilket påvisar en direkt kannibaliseringseffekt. Slutligen minskar den dagliga omsättningen med 17,7 kronor för varjeytterligare dag in i en läsperiod, konsistent med sjunkande föreläsningstillströmning och successivtbildande av hemlagningsvanor.Bootstrap-validering (1,000 iterationer) bekräftar att k = 9-modellen generaliserar väl till oosedd data (out-of-bag R2 = 0,453), med ett överanpassningsgap på 0,251. Samtliga klassiska OLSantaganden är uppfyllda: residualerna är homoskedastiska (Breusch–Pagan p = 0,551), normalfördelade (Jarque–Bera p = 0,510), icke-autokorrelerade (Durbin–Watson = 2,118) och den funktionella formen är korrekt specificerad (RESET p = 0,898). Samtliga Variance Inflation Factorsunderstiger 2,5, vilket bekräftar avsaknad av multikollinearitet.En lönsamhetsanalys av kampanjprissättningen visar att 80-kronorspriset genererar ungefär367 kronor mer i bruttovinst per dag än ordinarie prissättning, till kostnaden av att servera cirka 28 extra portioner. Det långsiktiga fallet för kampanjen stärks av kundanskaffning: studentersom provade maten under mottagningen blev återkommande kunder vars livstidsvärde väsentligenöverstiger den kortsiktiga marginaluppoffringen. Resultaten visar att standardekonomiska metoder kan leverera handlingsbara operativa insikter för små livsmedelsaktörer, även från begränsadedatamängder.Nyckelord: efterfrågeestimering, OLS-regression, matvagn, vädereffekter, best subset selection,bootstrap-validering, BIC, studentorienterad matservice, priselasticitet, KTH