R version 2.8.0 (2008-10-20)
Copyright (C) 2008 The R Foundation for Statistical Computing
ISBN 3-900051-07-0
R is free software and comes with ABSOLUTELY NO WARRANTY.
You are welcome to redistribute it under certain conditions.
Type 'license()' or 'licence()' for distribution details.
Natural language support but running in an English locale
R is a collaborative project with many contributors.
Type 'contributors()' for more information and
'citation()' on how to cite R or R packages in publications.
Type 'demo()' for some demos, 'help()' for on-line help, or
'help.start()' for an HTML browser interface to help.
Type 'q()' to quit R.
> x <- array(list(23
+ ,10
+ ,53
+ ,7
+ ,6
+ ,7
+ ,15
+ ,11
+ ,12
+ ,2
+ ,4
+ ,2
+ ,2
+ ,3.4
+ ,21
+ ,6
+ ,86
+ ,4
+ ,6
+ ,5
+ ,15
+ ,8
+ ,11
+ ,4
+ ,3
+ ,1
+ ,2
+ ,4
+ ,21
+ ,13
+ ,66
+ ,6
+ ,5
+ ,7
+ ,14
+ ,12
+ ,14
+ ,7
+ ,5
+ ,4
+ ,3.666666667
+ ,3.2
+ ,21
+ ,12
+ ,67
+ ,5
+ ,4
+ ,3
+ ,10
+ ,10
+ ,12
+ ,3
+ ,3
+ ,1
+ ,2.333333333
+ ,3.2
+ ,24
+ ,8
+ ,76
+ ,4
+ ,4
+ ,7
+ ,10
+ ,7
+ ,21
+ ,7
+ ,6
+ ,5
+ ,4
+ ,2.6
+ ,22
+ ,6
+ ,78
+ ,3
+ ,6
+ ,7
+ ,12
+ ,6
+ ,12
+ ,2
+ ,5
+ ,1
+ ,2.666666667
+ ,3.2
+ ,21
+ ,10
+ ,53
+ ,5
+ ,7
+ ,7
+ ,18
+ ,8
+ ,22
+ ,7
+ ,6
+ ,1
+ ,2.333333333
+ ,3.8
+ ,22
+ ,10
+ ,80
+ ,6
+ ,5
+ ,1
+ ,12
+ ,16
+ ,11
+ ,2
+ ,6
+ ,1
+ ,3.666666667
+ ,3.6
+ ,21
+ ,9
+ ,74
+ ,5
+ ,4
+ ,4
+ ,14
+ ,8
+ ,10
+ ,1
+ ,5
+ ,1
+ ,2.666666667
+ ,3.6
+ ,20
+ ,9
+ ,76
+ ,6
+ ,6
+ ,5
+ ,18
+ ,16
+ ,13
+ ,2
+ ,5
+ ,1
+ ,3
+ ,4
+ ,22
+ ,7
+ ,79
+ ,7
+ ,1
+ ,6
+ ,9
+ ,7
+ ,10
+ ,6
+ ,3
+ ,2
+ ,3
+ ,3.4
+ ,21
+ ,5
+ ,54
+ ,6
+ ,4
+ ,4
+ ,11
+ ,11
+ ,8
+ ,1
+ ,5
+ ,1
+ ,2
+ ,2.6
+ ,21
+ ,14
+ ,67
+ ,7
+ ,6
+ ,7
+ ,11
+ ,16
+ ,15
+ ,1
+ ,7
+ ,3
+ ,3
+ ,4.4
+ ,23
+ ,6
+ ,87
+ ,6
+ ,6
+ ,6
+ ,17
+ ,16
+ ,10
+ ,1
+ ,5
+ ,1
+ ,1.666666667
+ ,4
+ ,22
+ ,10
+ ,58
+ ,4
+ ,5
+ ,2
+ ,8
+ ,12
+ ,14
+ ,2
+ ,5
+ ,1
+ ,3
+ ,3.8
+ ,23
+ ,10
+ ,75
+ ,6
+ ,3
+ ,2
+ ,16
+ ,13
+ ,14
+ ,2
+ ,3
+ ,1
+ ,1.333333333
+ ,3.6
+ ,22
+ ,7
+ ,88
+ ,4
+ ,7
+ ,6
+ ,21
+ ,19
+ ,11
+ ,2
+ ,5
+ ,1
+ ,3
+ ,3.8
+ ,24
+ ,10
+ ,64
+ ,5
+ ,2
+ ,7
+ ,24
+ ,7
+ ,10
+ ,1
+ ,6
+ ,1
+ ,2
+ ,3.6
+ ,23
+ ,8
+ ,57
+ ,3
+ ,5
+ ,5
+ ,21
+ ,8
+ ,13
+ ,7
+ ,5
+ ,2
+ ,2.666666667
+ ,3.8
+ ,21
+ ,6
+ ,66
+ ,3
+ ,5
+ ,2
+ ,14
+ ,12
+ ,7
+ ,1
+ ,2
+ ,4
+ ,4
+ ,3.6
+ ,23
+ ,10
+ ,54
+ ,4
+ ,3
+ ,7
+ ,7
+ ,13
+ ,12
+ ,2
+ ,5
+ ,1
+ ,2.333333333
+ ,4
+ ,23
+ ,12
+ ,56
+ ,5
+ ,5
+ ,4
+ ,18
+ ,11
+ ,14
+ ,4
+ ,4
+ ,2
+ ,2.666666667
+ ,2.8
+ ,21
+ ,7
+ ,86
+ ,3
+ ,5
+ ,5
+ ,18
+ ,8
+ ,11
+ ,2
+ ,6
+ ,1
+ ,1
+ ,5
+ ,20
+ ,15
+ ,80
+ ,7
+ ,6
+ ,5
+ ,13
+ ,16
+ ,9
+ ,1
+ ,3
+ ,2
+ ,3
+ ,4.4
+ ,32
+ ,8
+ ,76
+ ,7
+ ,4
+ ,5
+ ,11
+ ,15
+ ,11
+ ,1
+ ,5
+ ,3
+ ,2.333333333
+ ,3.2
+ ,22
+ ,10
+ ,69
+ ,4
+ ,4
+ ,3
+ ,13
+ ,11
+ ,15
+ ,5
+ ,4
+ ,1
+ ,3
+ ,3.4
+ ,21
+ ,13
+ ,67
+ ,4
+ ,4
+ ,5
+ ,13
+ ,12
+ ,13
+ ,2
+ ,5
+ ,1
+ ,3
+ ,3.2
+ ,21
+ ,8
+ ,80
+ ,5
+ ,2
+ ,1
+ ,18
+ ,7
+ ,9
+ ,1
+ ,2
+ ,1
+ ,2.333333333
+ ,5
+ ,21
+ ,11
+ ,54
+ ,6
+ ,3
+ ,1
+ ,14
+ ,9
+ ,15
+ ,3
+ ,2
+ ,1
+ ,1.666666667
+ ,3.6
+ ,22
+ ,7
+ ,71
+ ,5
+ ,6
+ ,3
+ ,12
+ ,15
+ ,10
+ ,1
+ ,5
+ ,1
+ ,2.666666667
+ ,4.8
+ ,21
+ ,9
+ ,84
+ ,4
+ ,6
+ ,2
+ ,9
+ ,6
+ ,11
+ ,2
+ ,2
+ ,2
+ ,2.333333333
+ ,3.8
+ ,21
+ ,10
+ ,74
+ ,6
+ ,5
+ ,3
+ ,12
+ ,14
+ ,13
+ ,5
+ ,2
+ ,1
+ ,2
+ ,3.6
+ ,21
+ ,8
+ ,71
+ ,5
+ ,3
+ ,2
+ ,8
+ ,14
+ ,8
+ ,2
+ ,2
+ ,1
+ ,2
+ ,2.6
+ ,22
+ ,15
+ ,63
+ ,5
+ ,3
+ ,5
+ ,5
+ ,7
+ ,20
+ ,6
+ ,5
+ ,1
+ ,1.333333333
+ ,3.2
+ ,21
+ ,9
+ ,71
+ ,6
+ ,4
+ ,2
+ ,10
+ ,15
+ ,12
+ ,4
+ ,5
+ ,1
+ ,2.666666667
+ ,4
+ ,21
+ ,7
+ ,76
+ ,2
+ ,4
+ ,3
+ ,11
+ ,14
+ ,10
+ ,1
+ ,1
+ ,1
+ ,2.666666667
+ ,3.2
+ ,21
+ ,11
+ ,69
+ ,6
+ ,5
+ ,4
+ ,11
+ ,17
+ ,10
+ ,3
+ ,5
+ ,1
+ ,1
+ ,3.4
+ ,21
+ ,9
+ ,74
+ ,7
+ ,3
+ ,6
+ ,12
+ ,14
+ ,9
+ ,6
+ ,2
+ ,1
+ ,2.666666667
+ ,3.2
+ ,23
+ ,8
+ ,75
+ ,5
+ ,5
+ ,2
+ ,12
+ ,5
+ ,14
+ ,7
+ ,6
+ ,2
+ ,3
+ ,3.4
+ ,21
+ ,8
+ ,54
+ ,5
+ ,4
+ ,7
+ ,15
+ ,14
+ ,8
+ ,4
+ ,1
+ ,1
+ ,2
+ ,3.4
+ ,23
+ ,12
+ ,69
+ ,5
+ ,3
+ ,5
+ ,16
+ ,8
+ ,11
+ ,5
+ ,3
+ ,1
+ ,1.666666667
+ ,3.6
+ ,23
+ ,13
+ ,68
+ ,6
+ ,3
+ ,3
+ ,14
+ ,8
+ ,13
+ ,3
+ ,2
+ ,1
+ ,2.666666667
+ ,3.4
+ ,21
+ ,9
+ ,75
+ ,4
+ ,4
+ ,3
+ ,17
+ ,13
+ ,11
+ ,2
+ ,5
+ ,2
+ ,2
+ ,2.8
+ ,21
+ ,11
+ ,75
+ ,6
+ ,6
+ ,4
+ ,10
+ ,16
+ ,11
+ ,2
+ ,3
+ ,1
+ ,3
+ ,3.8
+ ,20
+ ,8
+ ,72
+ ,5
+ ,5
+ ,5
+ ,17
+ ,11
+ ,10
+ ,2
+ ,4
+ ,1
+ ,2.666666667
+ ,3
+ ,21
+ ,10
+ ,67
+ ,5
+ ,3
+ ,2
+ ,12
+ ,10
+ ,14
+ ,2
+ ,3
+ ,1
+ ,1.666666667
+ ,3.4
+ ,21
+ ,13
+ ,63
+ ,3
+ ,4
+ ,7
+ ,13
+ ,10
+ ,18
+ ,1
+ ,6
+ ,1
+ ,3
+ ,3.6
+ ,22
+ ,12
+ ,62
+ ,4
+ ,2
+ ,6
+ ,13
+ ,10
+ ,14
+ ,2
+ ,4
+ ,1
+ ,2.666666667
+ ,3.4
+ ,21
+ ,12
+ ,63
+ ,4
+ ,3
+ ,5
+ ,11
+ ,8
+ ,11
+ ,1
+ ,5
+ ,4
+ ,3.666666667
+ ,2.8
+ ,21
+ ,9
+ ,76
+ ,2
+ ,5
+ ,6
+ ,13
+ ,14
+ ,12
+ ,2
+ ,2
+ ,2
+ ,2.333333333
+ ,4
+ ,22
+ ,8
+ ,74
+ ,3
+ ,5
+ ,5
+ ,12
+ ,14
+ ,13
+ ,2
+ ,5
+ ,1
+ ,3
+ ,4.2
+ ,20
+ ,9
+ ,67
+ ,6
+ ,5
+ ,2
+ ,12
+ ,12
+ ,9
+ ,5
+ ,5
+ ,1
+ ,3.666666667
+ ,3.4
+ ,22
+ ,12
+ ,73
+ ,5
+ ,4
+ ,3
+ ,12
+ ,13
+ ,10
+ ,5
+ ,3
+ ,4
+ ,3
+ ,3.4
+ ,22
+ ,12
+ ,70
+ ,6
+ ,5
+ ,5
+ ,9
+ ,5
+ ,15
+ ,2
+ ,5
+ ,2
+ ,3.333333333
+ ,4
+ ,21
+ ,16
+ ,53
+ ,2
+ ,3
+ ,7
+ ,7
+ ,10
+ ,20
+ ,1
+ ,7
+ ,1
+ ,2
+ ,3.2
+ ,23
+ ,11
+ ,77
+ ,3
+ ,6
+ ,4
+ ,17
+ ,6
+ ,12
+ ,1
+ ,4
+ ,1
+ ,3
+ ,3.8
+ ,22
+ ,13
+ ,77
+ ,6
+ ,3
+ ,7
+ ,12
+ ,15
+ ,12
+ ,2
+ ,2
+ ,1
+ ,3
+ ,3.8
+ ,24
+ ,10
+ ,52
+ ,3
+ ,2
+ ,5
+ ,12
+ ,12
+ ,14
+ ,3
+ ,3
+ ,1
+ ,1
+ ,3.4
+ ,23
+ ,9
+ ,54
+ ,6
+ ,3
+ ,6
+ ,9
+ ,16
+ ,13
+ ,7
+ ,6
+ ,1
+ ,1
+ ,3.4
+ ,21
+ ,14
+ ,80
+ ,6
+ ,4
+ ,6
+ ,9
+ ,15
+ ,11
+ ,4
+ ,7
+ ,1
+ ,1
+ ,3.4
+ ,22
+ ,13
+ ,66
+ ,4
+ ,3
+ ,3
+ ,13
+ ,12
+ ,17
+ ,4
+ ,4
+ ,2
+ ,4
+ ,4.8
+ ,22
+ ,12
+ ,73
+ ,7
+ ,4
+ ,5
+ ,10
+ ,8
+ ,12
+ ,1
+ ,4
+ ,1
+ ,2.666666667
+ ,3
+ ,21
+ ,9
+ ,63
+ ,6
+ ,4
+ ,7
+ ,11
+ ,14
+ ,13
+ ,2
+ ,4
+ ,1
+ ,3
+ ,4
+ ,21
+ ,9
+ ,69
+ ,3
+ ,7
+ ,7
+ ,12
+ ,14
+ ,14
+ ,2
+ ,5
+ ,2
+ ,3.333333333
+ ,4.2
+ ,21
+ ,10
+ ,67
+ ,7
+ ,2
+ ,5
+ ,10
+ ,13
+ ,13
+ ,2
+ ,2
+ ,1
+ ,1.333333333
+ ,4
+ ,21
+ ,8
+ ,54
+ ,2
+ ,2
+ ,6
+ ,13
+ ,12
+ ,15
+ ,5
+ ,3
+ ,2
+ ,4.666666667
+ ,3.4
+ ,20
+ ,9
+ ,81
+ ,4
+ ,5
+ ,5
+ ,6
+ ,15
+ ,13
+ ,1
+ ,3
+ ,2
+ ,2.666666667
+ ,3.8
+ ,22
+ ,9
+ ,69
+ ,6
+ ,3
+ ,5
+ ,7
+ ,8
+ ,10
+ ,6
+ ,4
+ ,4
+ ,2
+ ,3.4
+ ,22
+ ,11
+ ,84
+ ,4
+ ,6
+ ,2
+ ,13
+ ,16
+ ,11
+ ,2
+ ,3
+ ,1
+ ,3
+ ,4.2
+ ,22
+ ,7
+ ,70
+ ,1
+ ,6
+ ,5
+ ,11
+ ,14
+ ,13
+ ,2
+ ,4
+ ,1
+ ,3.333333333
+ ,3.2
+ ,23
+ ,11
+ ,69
+ ,4
+ ,4
+ ,4
+ ,18
+ ,13
+ ,17
+ ,4
+ ,6
+ ,3
+ ,3.333333333
+ ,3
+ ,21
+ ,9
+ ,77
+ ,7
+ ,6
+ ,6
+ ,9
+ ,15
+ ,13
+ ,6
+ ,2
+ ,1
+ ,2.333333333
+ ,4.2
+ ,23
+ ,11
+ ,54
+ ,4
+ ,6
+ ,5
+ ,9
+ ,7
+ ,9
+ ,2
+ ,4
+ ,1
+ ,1
+ ,3.6
+ ,22
+ ,9
+ ,79
+ ,4
+ ,4
+ ,3
+ ,11
+ ,5
+ ,11
+ ,2
+ ,5
+ ,1
+ ,2
+ ,3.2
+ ,21
+ ,8
+ ,30
+ ,4
+ ,2
+ ,3
+ ,11
+ ,7
+ ,10
+ ,2
+ ,2
+ ,1
+ ,1.333333333
+ ,3.4
+ ,21
+ ,9
+ ,71
+ ,6
+ ,6
+ ,4
+ ,15
+ ,13
+ ,9
+ ,1
+ ,1
+ ,1
+ ,3
+ ,3.8
+ ,20
+ ,8
+ ,73
+ ,2
+ ,3
+ ,2
+ ,8
+ ,14
+ ,12
+ ,1
+ ,2
+ ,1
+ ,3.666666667
+ ,3.6
+ ,24
+ ,9
+ ,72
+ ,3
+ ,5
+ ,2
+ ,11
+ ,14
+ ,12
+ ,2
+ ,5
+ ,1
+ ,2
+ ,3
+ ,24
+ ,10
+ ,77
+ ,4
+ ,3
+ ,5
+ ,14
+ ,13
+ ,13
+ ,2
+ ,4
+ ,1
+ ,2.333333333
+ ,3.4
+ ,21
+ ,9
+ ,75
+ ,4
+ ,4
+ ,4
+ ,14
+ ,11
+ ,13
+ ,3
+ ,4
+ ,4
+ ,2.666666667
+ ,3.4
+ ,20
+ ,17
+ ,70
+ ,4
+ ,6
+ ,6
+ ,12
+ ,15
+ ,22
+ ,3
+ ,6
+ ,1
+ ,3.666666667
+ ,3.8
+ ,21
+ ,7
+ ,73
+ ,6
+ ,2
+ ,4
+ ,12
+ ,13
+ ,13
+ ,5
+ ,1
+ ,1
+ ,3
+ ,3.8
+ ,21
+ ,11
+ ,54
+ ,2
+ ,7
+ ,6
+ ,8
+ ,14
+ ,15
+ ,2
+ ,4
+ ,2
+ ,4
+ ,5
+ ,21
+ ,9
+ ,77
+ ,4
+ ,2
+ ,4
+ ,11
+ ,13
+ ,13
+ ,5
+ ,5
+ ,1
+ ,2.333333333
+ ,3.4
+ ,21
+ ,10
+ ,82
+ ,3
+ ,3
+ ,2
+ ,10
+ ,9
+ ,15
+ ,3
+ ,2
+ ,1
+ ,3
+ ,3.2
+ ,22
+ ,11
+ ,80
+ ,7
+ ,6
+ ,5
+ ,17
+ ,8
+ ,10
+ ,1
+ ,3
+ ,1
+ ,3.333333333
+ ,3.6
+ ,22
+ ,8
+ ,80
+ ,4
+ ,4
+ ,2
+ ,16
+ ,6
+ ,11
+ ,2
+ ,3
+ ,1
+ ,2.666666667
+ ,3.6
+ ,21
+ ,12
+ ,69
+ ,5
+ ,4
+ ,7
+ ,13
+ ,13
+ ,16
+ ,2
+ ,6
+ ,1
+ ,3
+ ,3.8
+ ,22
+ ,10
+ ,78
+ ,6
+ ,3
+ ,1
+ ,15
+ ,16
+ ,11
+ ,1
+ ,5
+ ,1
+ ,3
+ ,3.8
+ ,21
+ ,7
+ ,81
+ ,5
+ ,5
+ ,3
+ ,11
+ ,7
+ ,11
+ ,2
+ ,4
+ ,1
+ ,3
+ ,3.6
+ ,23
+ ,9
+ ,76
+ ,4
+ ,4
+ ,5
+ ,12
+ ,11
+ ,10
+ ,2
+ ,4
+ ,1
+ ,3
+ ,4
+ ,21
+ ,7
+ ,76
+ ,5
+ ,5
+ ,6
+ ,16
+ ,8
+ ,10
+ ,5
+ ,5
+ ,1
+ ,3
+ ,4
+ ,22
+ ,12
+ ,73
+ ,4
+ ,5
+ ,6
+ ,20
+ ,13
+ ,16
+ ,5
+ ,5
+ ,1
+ ,2.333333333
+ ,4
+ ,22
+ ,8
+ ,85
+ ,5
+ ,7
+ ,2
+ ,16
+ ,5
+ ,12
+ ,2
+ ,6
+ ,1
+ ,3.666666667
+ ,4.4
+ ,22
+ ,13
+ ,66
+ ,7
+ ,4
+ ,5
+ ,11
+ ,8
+ ,11
+ ,3
+ ,6
+ ,1
+ ,2
+ ,3.8
+ ,20
+ ,9
+ ,79
+ ,7
+ ,6
+ ,5
+ ,15
+ ,10
+ ,16
+ ,5
+ ,5
+ ,5
+ ,3.666666667
+ ,3.4
+ ,21
+ ,15
+ ,68
+ ,4
+ ,3
+ ,3
+ ,15
+ ,9
+ ,19
+ ,5
+ ,7
+ ,1
+ ,3
+ ,4
+ ,21
+ ,8
+ ,76
+ ,6
+ ,6
+ ,6
+ ,12
+ ,16
+ ,11
+ ,6
+ ,5
+ ,1
+ ,2.333333333
+ ,4.4
+ ,22
+ ,14
+ ,54
+ ,4
+ ,3
+ ,5
+ ,9
+ ,4
+ ,15
+ ,2
+ ,5
+ ,1
+ ,1.666666667
+ ,4
+ ,25
+ ,14
+ ,46
+ ,1
+ ,2
+ ,7
+ ,24
+ ,4
+ ,24
+ ,7
+ ,7
+ ,3
+ ,3
+ ,4
+ ,22
+ ,9
+ ,82
+ ,3
+ ,4
+ ,1
+ ,15
+ ,11
+ ,14
+ ,1
+ ,5
+ ,1
+ ,2.333333333
+ ,3.8
+ ,22
+ ,13
+ ,74
+ ,6
+ ,3
+ ,6
+ ,18
+ ,14
+ ,15
+ ,1
+ ,6
+ ,1
+ ,3
+ ,2.6
+ ,21
+ ,11
+ ,88
+ ,7
+ ,3
+ ,4
+ ,17
+ ,15
+ ,11
+ ,6
+ ,6
+ ,1
+ ,3
+ ,4.5
+ ,22
+ ,10
+ ,38
+ ,6
+ ,4
+ ,7
+ ,12
+ ,17
+ ,15
+ ,6
+ ,4
+ ,1
+ ,1
+ ,3.4
+ ,21
+ ,6
+ ,76
+ ,6
+ ,4
+ ,2
+ ,15
+ ,10
+ ,12
+ ,2
+ ,5
+ ,1
+ ,3.666666667
+ ,3.4
+ ,24
+ ,8
+ ,86
+ ,6
+ ,5
+ ,6
+ ,11
+ ,15
+ ,10
+ ,1
+ ,1
+ ,1
+ ,2.333333333
+ ,4.4
+ ,23
+ ,10
+ ,54
+ ,4
+ ,5
+ ,7
+ ,11
+ ,11
+ ,14
+ ,2
+ ,6
+ ,1
+ ,2
+ ,4.4
+ ,23
+ ,10
+ ,69
+ ,1
+ ,7
+ ,5
+ ,12
+ ,10
+ ,9
+ ,1
+ ,5
+ ,4
+ ,3.333333333
+ ,3.8
+ ,22
+ ,10
+ ,90
+ ,3
+ ,7
+ ,2
+ ,14
+ ,9
+ ,15
+ ,2
+ ,2
+ ,4
+ ,2.666666667
+ ,3.2
+ ,22
+ ,12
+ ,54
+ ,7
+ ,1
+ ,1
+ ,11
+ ,14
+ ,15
+ ,1
+ ,1
+ ,1
+ ,3
+ ,3.8
+ ,25
+ ,10
+ ,76
+ ,2
+ ,4
+ ,3
+ ,20
+ ,15
+ ,14
+ ,3
+ ,5
+ ,1
+ ,2.666666667
+ ,3.8
+ ,23
+ ,9
+ ,89
+ ,7
+ ,6
+ ,3
+ ,11
+ ,9
+ ,11
+ ,3
+ ,6
+ ,1
+ ,3.333333333
+ ,4
+ ,22
+ ,9
+ ,76
+ ,4
+ ,5
+ ,3
+ ,12
+ ,12
+ ,8
+ ,6
+ ,5
+ ,4
+ ,3.333333333
+ ,3.4
+ ,21
+ ,11
+ ,79
+ ,5
+ ,4
+ ,5
+ ,12
+ ,10
+ ,11
+ ,4
+ ,5
+ ,2
+ ,3
+ ,3.8
+ ,21
+ ,7
+ ,90
+ ,6
+ ,5
+ ,2
+ ,11
+ ,16
+ ,8
+ ,1
+ ,4
+ ,1
+ ,3
+ ,3.4
+ ,22
+ ,7
+ ,74
+ ,6
+ ,5
+ ,4
+ ,10
+ ,15
+ ,10
+ ,2
+ ,2
+ ,1
+ ,2.333333333
+ ,4
+ ,22
+ ,5
+ ,81
+ ,5
+ ,6
+ ,6
+ ,11
+ ,14
+ ,11
+ ,5
+ ,3
+ ,1
+ ,3
+ ,2.4
+ ,21
+ ,9
+ ,72
+ ,5
+ ,5
+ ,5
+ ,12
+ ,12
+ ,13
+ ,6
+ ,3
+ ,1
+ ,4
+ ,3.4
+ ,0
+ ,11
+ ,71
+ ,4
+ ,3
+ ,5
+ ,9
+ ,15
+ ,11
+ ,3
+ ,5
+ ,1
+ ,3.333333333
+ ,3.4
+ ,21
+ ,15
+ ,66
+ ,2
+ ,4
+ ,2
+ ,8
+ ,9
+ ,20
+ ,5
+ ,3
+ ,1
+ ,3
+ ,3.4
+ ,22
+ ,9
+ ,77
+ ,2
+ ,4
+ ,3
+ ,6
+ ,12
+ ,10
+ ,3
+ ,2
+ ,2
+ ,4
+ ,3.4
+ ,21
+ ,9
+ ,74
+ ,4
+ ,5
+ ,2
+ ,12
+ ,15
+ ,12
+ ,2
+ ,2
+ ,4
+ ,3.333333333
+ ,3.6
+ ,24
+ ,8
+ ,82
+ ,4
+ ,6
+ ,6
+ ,15
+ ,6
+ ,14
+ ,3
+ ,3
+ ,4
+ ,3.333333333
+ ,4
+ ,21
+ ,13
+ ,54
+ ,6
+ ,2
+ ,5
+ ,13
+ ,4
+ ,23
+ ,2
+ ,6
+ ,1
+ ,3
+ ,3.2
+ ,23
+ ,10
+ ,63
+ ,5
+ ,4
+ ,4
+ ,17
+ ,8
+ ,14
+ ,5
+ ,5
+ ,1
+ ,1
+ ,3.8
+ ,23
+ ,13
+ ,54
+ ,5
+ ,5
+ ,6
+ ,14
+ ,10
+ ,16
+ ,5
+ ,6
+ ,1
+ ,2.333333333
+ ,3
+ ,22
+ ,9
+ ,64
+ ,6
+ ,6
+ ,4
+ ,16
+ ,6
+ ,11
+ ,7
+ ,2
+ ,2
+ ,3.333333333
+ ,3.8
+ ,21
+ ,11
+ ,69
+ ,5
+ ,6
+ ,6
+ ,15
+ ,12
+ ,12
+ ,4
+ ,5
+ ,1
+ ,3
+ ,3.6
+ ,21
+ ,8
+ ,84
+ ,7
+ ,5
+ ,0
+ ,11
+ ,14
+ ,14
+ ,5
+ ,5
+ ,1
+ ,3.666666667
+ ,3.6
+ ,21
+ ,10
+ ,86
+ ,5
+ ,4
+ ,1
+ ,11
+ ,11
+ ,12
+ ,1
+ ,1
+ ,3
+ ,3.333333333
+ ,3.6
+ ,21
+ ,9
+ ,77
+ ,3
+ ,5
+ ,5
+ ,16
+ ,15
+ ,12
+ ,4
+ ,4
+ ,2
+ ,3.666666667
+ ,3.6
+ ,22
+ ,8
+ ,89
+ ,5
+ ,6
+ ,2
+ ,15
+ ,13
+ ,11
+ ,1
+ ,2
+ ,2
+ ,2.333333333
+ ,4.2
+ ,20
+ ,8
+ ,76
+ ,1
+ ,6
+ ,5
+ ,14
+ ,15
+ ,12
+ ,4
+ ,2
+ ,1
+ ,3.333333333
+ ,3.4
+ ,21
+ ,13
+ ,60
+ ,5
+ ,5
+ ,6
+ ,9
+ ,16
+ ,13
+ ,6
+ ,7
+ ,1
+ ,1.666666667
+ ,2.8
+ ,23
+ ,11
+ ,79
+ ,7
+ ,6
+ ,7
+ ,13
+ ,4
+ ,17
+ ,7
+ ,6
+ ,2
+ ,2.666666667
+ ,3.8
+ ,32
+ ,8
+ ,76
+ ,7
+ ,4
+ ,5
+ ,11
+ ,15
+ ,11
+ ,1
+ ,5
+ ,3
+ ,2.333333333
+ ,3.2
+ ,22
+ ,12
+ ,72
+ ,6
+ ,5
+ ,5
+ ,14
+ ,12
+ ,12
+ ,3
+ ,5
+ ,1
+ ,3.333333333
+ ,4
+ ,24
+ ,15
+ ,69
+ ,4
+ ,5
+ ,5
+ ,11
+ ,15
+ ,19
+ ,5
+ ,5
+ ,1
+ ,3.666666667
+ ,2.8
+ ,21
+ ,11
+ ,54
+ ,2
+ ,7
+ ,6
+ ,8
+ ,14
+ ,15
+ ,2
+ ,4
+ ,2
+ ,4
+ ,5
+ ,22
+ ,10
+ ,69
+ ,6
+ ,5
+ ,6
+ ,7
+ ,14
+ ,14
+ ,4
+ ,3
+ ,2
+ ,2.666666667
+ ,3.4
+ ,22
+ ,5
+ ,81
+ ,5
+ ,6
+ ,6
+ ,11
+ ,14
+ ,11
+ ,5
+ ,3
+ ,1
+ ,3
+ ,2.4
+ ,23
+ ,11
+ ,84
+ ,1
+ ,6
+ ,1
+ ,13
+ ,11
+ ,9
+ ,1
+ ,3
+ ,1
+ ,2.333333333
+ ,3.2)
+ ,dim=c(14
+ ,142)
+ ,dimnames=list(c('AGE'
+ ,'PStress'
+ ,'BelInSprt'
+ ,'KunnenRekRel'
+ ,'ExtraCurAct'
+ ,'VerandVorigJr'
+ ,'VerwOuders'
+ ,'KenStudenten'
+ ,'Depressie'
+ ,'Slaapgebrek'
+ ,'Toekomstzorgen'
+ ,'Rookgedrag'
+ ,'MateAlcCon'
+ ,'MateGEzGevarEten')
+ ,1:142))
> y <- array(NA,dim=c(14,142),dimnames=list(c('AGE','PStress','BelInSprt','KunnenRekRel','ExtraCurAct','VerandVorigJr','VerwOuders','KenStudenten','Depressie','Slaapgebrek','Toekomstzorgen','Rookgedrag','MateAlcCon','MateGEzGevarEten'),1:142))
> for (i in 1:dim(x)[1])
+ {
+ for (j in 1:dim(x)[2])
+ {
+ y[i,j] <- as.numeric(x[i,j])
+ }
+ }
> par3 = 'No Linear Trend'
> par2 = 'Do not include Seasonal Dummies'
> par1 = '2'
> #'GNU S' R Code compiled by R2WASP v. 1.0.44 ()
> #Author: Prof. Dr. P. Wessa
> #To cite this work: AUTHOR(S), (YEAR), YOUR SOFTWARE TITLE (vNUMBER) in Free Statistics Software (v$_version), Office for Research Development and Education, URL http://www.wessa.net/rwasp_YOURPAGE.wasp/
> #Source of accompanying publication: Office for Research, Development, and Education
> #Technical description: Write here your technical program description (don't use hard returns!)
> library(lattice)
> library(lmtest)
Loading required package: zoo
Attaching package: 'zoo'
The following object(s) are masked from package:base :
as.Date.numeric
> n25 <- 25 #minimum number of obs. for Goldfeld-Quandt test
> par1 <- as.numeric(par1)
> x <- t(y)
> k <- length(x[1,])
> n <- length(x[,1])
> x1 <- cbind(x[,par1], x[,1:k!=par1])
> mycolnames <- c(colnames(x)[par1], colnames(x)[1:k!=par1])
> colnames(x1) <- mycolnames #colnames(x)[par1]
> x <- x1
> if (par3 == 'First Differences'){
+ x2 <- array(0, dim=c(n-1,k), dimnames=list(1:(n-1), paste('(1-B)',colnames(x),sep='')))
+ for (i in 1:n-1) {
+ for (j in 1:k) {
+ x2[i,j] <- x[i+1,j] - x[i,j]
+ }
+ }
+ x <- x2
+ }
> if (par2 == 'Include Monthly Dummies'){
+ x2 <- array(0, dim=c(n,11), dimnames=list(1:n, paste('M', seq(1:11), sep ='')))
+ for (i in 1:11){
+ x2[seq(i,n,12),i] <- 1
+ }
+ x <- cbind(x, x2)
+ }
> if (par2 == 'Include Quarterly Dummies'){
+ x2 <- array(0, dim=c(n,3), dimnames=list(1:n, paste('Q', seq(1:3), sep ='')))
+ for (i in 1:3){
+ x2[seq(i,n,4),i] <- 1
+ }
+ x <- cbind(x, x2)
+ }
> k <- length(x[1,])
> if (par3 == 'Linear Trend'){
+ x <- cbind(x, c(1:n))
+ colnames(x)[k+1] <- 't'
+ }
> x
PStress AGE BelInSprt KunnenRekRel ExtraCurAct VerandVorigJr VerwOuders
1 10 23 53 7 6 7 15
2 6 21 86 4 6 5 15
3 13 21 66 6 5 7 14
4 12 21 67 5 4 3 10
5 8 24 76 4 4 7 10
6 6 22 78 3 6 7 12
7 10 21 53 5 7 7 18
8 10 22 80 6 5 1 12
9 9 21 74 5 4 4 14
10 9 20 76 6 6 5 18
11 7 22 79 7 1 6 9
12 5 21 54 6 4 4 11
13 14 21 67 7 6 7 11
14 6 23 87 6 6 6 17
15 10 22 58 4 5 2 8
16 10 23 75 6 3 2 16
17 7 22 88 4 7 6 21
18 10 24 64 5 2 7 24
19 8 23 57 3 5 5 21
20 6 21 66 3 5 2 14
21 10 23 54 4 3 7 7
22 12 23 56 5 5 4 18
23 7 21 86 3 5 5 18
24 15 20 80 7 6 5 13
25 8 32 76 7 4 5 11
26 10 22 69 4 4 3 13
27 13 21 67 4 4 5 13
28 8 21 80 5 2 1 18
29 11 21 54 6 3 1 14
30 7 22 71 5 6 3 12
31 9 21 84 4 6 2 9
32 10 21 74 6 5 3 12
33 8 21 71 5 3 2 8
34 15 22 63 5 3 5 5
35 9 21 71 6 4 2 10
36 7 21 76 2 4 3 11
37 11 21 69 6 5 4 11
38 9 21 74 7 3 6 12
39 8 23 75 5 5 2 12
40 8 21 54 5 4 7 15
41 12 23 69 5 3 5 16
42 13 23 68 6 3 3 14
43 9 21 75 4 4 3 17
44 11 21 75 6 6 4 10
45 8 20 72 5 5 5 17
46 10 21 67 5 3 2 12
47 13 21 63 3 4 7 13
48 12 22 62 4 2 6 13
49 12 21 63 4 3 5 11
50 9 21 76 2 5 6 13
51 8 22 74 3 5 5 12
52 9 20 67 6 5 2 12
53 12 22 73 5 4 3 12
54 12 22 70 6 5 5 9
55 16 21 53 2 3 7 7
56 11 23 77 3 6 4 17
57 13 22 77 6 3 7 12
58 10 24 52 3 2 5 12
59 9 23 54 6 3 6 9
60 14 21 80 6 4 6 9
61 13 22 66 4 3 3 13
62 12 22 73 7 4 5 10
63 9 21 63 6 4 7 11
64 9 21 69 3 7 7 12
65 10 21 67 7 2 5 10
66 8 21 54 2 2 6 13
67 9 20 81 4 5 5 6
68 9 22 69 6 3 5 7
69 11 22 84 4 6 2 13
70 7 22 70 1 6 5 11
71 11 23 69 4 4 4 18
72 9 21 77 7 6 6 9
73 11 23 54 4 6 5 9
74 9 22 79 4 4 3 11
75 8 21 30 4 2 3 11
76 9 21 71 6 6 4 15
77 8 20 73 2 3 2 8
78 9 24 72 3 5 2 11
79 10 24 77 4 3 5 14
80 9 21 75 4 4 4 14
81 17 20 70 4 6 6 12
82 7 21 73 6 2 4 12
83 11 21 54 2 7 6 8
84 9 21 77 4 2 4 11
85 10 21 82 3 3 2 10
86 11 22 80 7 6 5 17
87 8 22 80 4 4 2 16
88 12 21 69 5 4 7 13
89 10 22 78 6 3 1 15
90 7 21 81 5 5 3 11
91 9 23 76 4 4 5 12
92 7 21 76 5 5 6 16
93 12 22 73 4 5 6 20
94 8 22 85 5 7 2 16
95 13 22 66 7 4 5 11
96 9 20 79 7 6 5 15
97 15 21 68 4 3 3 15
98 8 21 76 6 6 6 12
99 14 22 54 4 3 5 9
100 14 25 46 1 2 7 24
101 9 22 82 3 4 1 15
102 13 22 74 6 3 6 18
103 11 21 88 7 3 4 17
104 10 22 38 6 4 7 12
105 6 21 76 6 4 2 15
106 8 24 86 6 5 6 11
107 10 23 54 4 5 7 11
108 10 23 69 1 7 5 12
109 10 22 90 3 7 2 14
110 12 22 54 7 1 1 11
111 10 25 76 2 4 3 20
112 9 23 89 7 6 3 11
113 9 22 76 4 5 3 12
114 11 21 79 5 4 5 12
115 7 21 90 6 5 2 11
116 7 22 74 6 5 4 10
117 5 22 81 5 6 6 11
118 9 21 72 5 5 5 12
119 11 0 71 4 3 5 9
120 15 21 66 2 4 2 8
121 9 22 77 2 4 3 6
122 9 21 74 4 5 2 12
123 8 24 82 4 6 6 15
124 13 21 54 6 2 5 13
125 10 23 63 5 4 4 17
126 13 23 54 5 5 6 14
127 9 22 64 6 6 4 16
128 11 21 69 5 6 6 15
129 8 21 84 7 5 0 11
130 10 21 86 5 4 1 11
131 9 21 77 3 5 5 16
132 8 22 89 5 6 2 15
133 8 20 76 1 6 5 14
134 13 21 60 5 5 6 9
135 11 23 79 7 6 7 13
136 8 32 76 7 4 5 11
137 12 22 72 6 5 5 14
138 15 24 69 4 5 5 11
139 11 21 54 2 7 6 8
140 10 22 69 6 5 6 7
141 5 22 81 5 6 6 11
142 11 23 84 1 6 1 13
KenStudenten Depressie Slaapgebrek Toekomstzorgen Rookgedrag MateAlcCon
1 11 12 2 4 2 2.000000
2 8 11 4 3 1 2.000000
3 12 14 7 5 4 3.666667
4 10 12 3 3 1 2.333333
5 7 21 7 6 5 4.000000
6 6 12 2 5 1 2.666667
7 8 22 7 6 1 2.333333
8 16 11 2 6 1 3.666667
9 8 10 1 5 1 2.666667
10 16 13 2 5 1 3.000000
11 7 10 6 3 2 3.000000
12 11 8 1 5 1 2.000000
13 16 15 1 7 3 3.000000
14 16 10 1 5 1 1.666667
15 12 14 2 5 1 3.000000
16 13 14 2 3 1 1.333333
17 19 11 2 5 1 3.000000
18 7 10 1 6 1 2.000000
19 8 13 7 5 2 2.666667
20 12 7 1 2 4 4.000000
21 13 12 2 5 1 2.333333
22 11 14 4 4 2 2.666667
23 8 11 2 6 1 1.000000
24 16 9 1 3 2 3.000000
25 15 11 1 5 3 2.333333
26 11 15 5 4 1 3.000000
27 12 13 2 5 1 3.000000
28 7 9 1 2 1 2.333333
29 9 15 3 2 1 1.666667
30 15 10 1 5 1 2.666667
31 6 11 2 2 2 2.333333
32 14 13 5 2 1 2.000000
33 14 8 2 2 1 2.000000
34 7 20 6 5 1 1.333333
35 15 12 4 5 1 2.666667
36 14 10 1 1 1 2.666667
37 17 10 3 5 1 1.000000
38 14 9 6 2 1 2.666667
39 5 14 7 6 2 3.000000
40 14 8 4 1 1 2.000000
41 8 11 5 3 1 1.666667
42 8 13 3 2 1 2.666667
43 13 11 2 5 2 2.000000
44 16 11 2 3 1 3.000000
45 11 10 2 4 1 2.666667
46 10 14 2 3 1 1.666667
47 10 18 1 6 1 3.000000
48 10 14 2 4 1 2.666667
49 8 11 1 5 4 3.666667
50 14 12 2 2 2 2.333333
51 14 13 2 5 1 3.000000
52 12 9 5 5 1 3.666667
53 13 10 5 3 4 3.000000
54 5 15 2 5 2 3.333333
55 10 20 1 7 1 2.000000
56 6 12 1 4 1 3.000000
57 15 12 2 2 1 3.000000
58 12 14 3 3 1 1.000000
59 16 13 7 6 1 1.000000
60 15 11 4 7 1 1.000000
61 12 17 4 4 2 4.000000
62 8 12 1 4 1 2.666667
63 14 13 2 4 1 3.000000
64 14 14 2 5 2 3.333333
65 13 13 2 2 1 1.333333
66 12 15 5 3 2 4.666667
67 15 13 1 3 2 2.666667
68 8 10 6 4 4 2.000000
69 16 11 2 3 1 3.000000
70 14 13 2 4 1 3.333333
71 13 17 4 6 3 3.333333
72 15 13 6 2 1 2.333333
73 7 9 2 4 1 1.000000
74 5 11 2 5 1 2.000000
75 7 10 2 2 1 1.333333
76 13 9 1 1 1 3.000000
77 14 12 1 2 1 3.666667
78 14 12 2 5 1 2.000000
79 13 13 2 4 1 2.333333
80 11 13 3 4 4 2.666667
81 15 22 3 6 1 3.666667
82 13 13 5 1 1 3.000000
83 14 15 2 4 2 4.000000
84 13 13 5 5 1 2.333333
85 9 15 3 2 1 3.000000
86 8 10 1 3 1 3.333333
87 6 11 2 3 1 2.666667
88 13 16 2 6 1 3.000000
89 16 11 1 5 1 3.000000
90 7 11 2 4 1 3.000000
91 11 10 2 4 1 3.000000
92 8 10 5 5 1 3.000000
93 13 16 5 5 1 2.333333
94 5 12 2 6 1 3.666667
95 8 11 3 6 1 2.000000
96 10 16 5 5 5 3.666667
97 9 19 5 7 1 3.000000
98 16 11 6 5 1 2.333333
99 4 15 2 5 1 1.666667
100 4 24 7 7 3 3.000000
101 11 14 1 5 1 2.333333
102 14 15 1 6 1 3.000000
103 15 11 6 6 1 3.000000
104 17 15 6 4 1 1.000000
105 10 12 2 5 1 3.666667
106 15 10 1 1 1 2.333333
107 11 14 2 6 1 2.000000
108 10 9 1 5 4 3.333333
109 9 15 2 2 4 2.666667
110 14 15 1 1 1 3.000000
111 15 14 3 5 1 2.666667
112 9 11 3 6 1 3.333333
113 12 8 6 5 4 3.333333
114 10 11 4 5 2 3.000000
115 16 8 1 4 1 3.000000
116 15 10 2 2 1 2.333333
117 14 11 5 3 1 3.000000
118 12 13 6 3 1 4.000000
119 15 11 3 5 1 3.333333
120 9 20 5 3 1 3.000000
121 12 10 3 2 2 4.000000
122 15 12 2 2 4 3.333333
123 6 14 3 3 4 3.333333
124 4 23 2 6 1 3.000000
125 8 14 5 5 1 1.000000
126 10 16 5 6 1 2.333333
127 6 11 7 2 2 3.333333
128 12 12 4 5 1 3.000000
129 14 14 5 5 1 3.666667
130 11 12 1 1 3 3.333333
131 15 12 4 4 2 3.666667
132 13 11 1 2 2 2.333333
133 15 12 4 2 1 3.333333
134 16 13 6 7 1 1.666667
135 4 17 7 6 2 2.666667
136 15 11 1 5 3 2.333333
137 12 12 3 5 1 3.333333
138 15 19 5 5 1 3.666667
139 14 15 2 4 2 4.000000
140 14 14 4 3 2 2.666667
141 14 11 5 3 1 3.000000
142 11 9 1 3 1 2.333333
MateGEzGevarEten
1 3.4
2 4.0
3 3.2
4 3.2
5 2.6
6 3.2
7 3.8
8 3.6
9 3.6
10 4.0
11 3.4
12 2.6
13 4.4
14 4.0
15 3.8
16 3.6
17 3.8
18 3.6
19 3.8
20 3.6
21 4.0
22 2.8
23 5.0
24 4.4
25 3.2
26 3.4
27 3.2
28 5.0
29 3.6
30 4.8
31 3.8
32 3.6
33 2.6
34 3.2
35 4.0
36 3.2
37 3.4
38 3.2
39 3.4
40 3.4
41 3.6
42 3.4
43 2.8
44 3.8
45 3.0
46 3.4
47 3.6
48 3.4
49 2.8
50 4.0
51 4.2
52 3.4
53 3.4
54 4.0
55 3.2
56 3.8
57 3.8
58 3.4
59 3.4
60 3.4
61 4.8
62 3.0
63 4.0
64 4.2
65 4.0
66 3.4
67 3.8
68 3.4
69 4.2
70 3.2
71 3.0
72 4.2
73 3.6
74 3.2
75 3.4
76 3.8
77 3.6
78 3.0
79 3.4
80 3.4
81 3.8
82 3.8
83 5.0
84 3.4
85 3.2
86 3.6
87 3.6
88 3.8
89 3.8
90 3.6
91 4.0
92 4.0
93 4.0
94 4.4
95 3.8
96 3.4
97 4.0
98 4.4
99 4.0
100 4.0
101 3.8
102 2.6
103 4.5
104 3.4
105 3.4
106 4.4
107 4.4
108 3.8
109 3.2
110 3.8
111 3.8
112 4.0
113 3.4
114 3.8
115 3.4
116 4.0
117 2.4
118 3.4
119 3.4
120 3.4
121 3.4
122 3.6
123 4.0
124 3.2
125 3.8
126 3.0
127 3.8
128 3.6
129 3.6
130 3.6
131 3.6
132 4.2
133 3.4
134 2.8
135 3.8
136 3.2
137 4.0
138 2.8
139 5.0
140 3.4
141 2.4
142 3.2
> k <- length(x[1,])
> df <- as.data.frame(x)
> (mylm <- lm(df))
Call:
lm(formula = df)
Coefficients:
(Intercept) AGE BelInSprt KunnenRekRel
8.27819 -0.09985 -0.02964 0.18758
ExtraCurAct VerandVorigJr VerwOuders KenStudenten
-0.14744 -0.01555 -0.04988 0.02776
Depressie Slaapgebrek Toekomstzorgen Rookgedrag
0.40099 -0.19550 0.22382 0.09347
MateAlcCon MateGEzGevarEten
-0.13185 0.23607
> (mysum <- summary(mylm))
Call:
lm(formula = df)
Residuals:
Min 1Q Median 3Q Max
-4.3860 -1.3188 -0.1856 1.4607 6.0287
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 8.27819 2.59882 3.185 0.00182 **
AGE -0.09985 0.07128 -1.401 0.16368
BelInSprt -0.02964 0.01826 -1.623 0.10697
KunnenRekRel 0.18758 0.11226 1.671 0.09717 .
ExtraCurAct -0.14744 0.13305 -1.108 0.26985
VerandVorigJr -0.01555 0.10264 -0.151 0.87985
VerwOuders -0.04988 0.05016 -0.994 0.32191
KenStudenten 0.02776 0.05047 0.550 0.58325
Depressie 0.40099 0.06521 6.149 9.22e-09 ***
Slaapgebrek -0.19550 0.09728 -2.010 0.04658 *
Toekomstzorgen 0.22382 0.11895 1.882 0.06215 .
Rookgedrag 0.09347 0.18683 0.500 0.61774
MateAlcCon -0.13185 0.25149 -0.524 0.60100
MateGEzGevarEten 0.23607 0.33894 0.697 0.48738
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 1.948 on 128 degrees of freedom
Multiple R-squared: 0.3948, Adjusted R-squared: 0.3334
F-statistic: 6.423 on 13 and 128 DF, p-value: 2.965e-09
> if (n > n25) {
+ kp3 <- k + 3
+ nmkm3 <- n - k - 3
+ gqarr <- array(NA, dim=c(nmkm3-kp3+1,3))
+ numgqtests <- 0
+ numsignificant1 <- 0
+ numsignificant5 <- 0
+ numsignificant10 <- 0
+ for (mypoint in kp3:nmkm3) {
+ j <- 0
+ numgqtests <- numgqtests + 1
+ for (myalt in c('greater', 'two.sided', 'less')) {
+ j <- j + 1
+ gqarr[mypoint-kp3+1,j] <- gqtest(mylm, point=mypoint, alternative=myalt)$p.value
+ }
+ if (gqarr[mypoint-kp3+1,2] < 0.01) numsignificant1 <- numsignificant1 + 1
+ if (gqarr[mypoint-kp3+1,2] < 0.05) numsignificant5 <- numsignificant5 + 1
+ if (gqarr[mypoint-kp3+1,2] < 0.10) numsignificant10 <- numsignificant10 + 1
+ }
+ gqarr
+ }
[,1] [,2] [,3]
[1,] 0.93383405 0.13233190 0.06616595
[2,] 0.92051775 0.15896449 0.07948225
[3,] 0.89228340 0.21543321 0.10771660
[4,] 0.96364745 0.07270511 0.03635255
[5,] 0.93745997 0.12508007 0.06254003
[6,] 0.94892282 0.10215437 0.05107718
[7,] 0.92968734 0.14062533 0.07031266
[8,] 0.98423983 0.03152035 0.01576017
[9,] 0.97489044 0.05021912 0.02510956
[10,] 0.96238198 0.07523604 0.03761802
[11,] 0.98229361 0.03541278 0.01770639
[12,] 0.98175391 0.03649218 0.01824609
[13,] 0.97251583 0.05496833 0.02748417
[14,] 0.97512256 0.04975487 0.02487744
[15,] 0.97595262 0.04809477 0.02404738
[16,] 0.96463925 0.07072149 0.03536075
[17,] 0.94905759 0.10188483 0.05094241
[18,] 0.96879943 0.06240114 0.03120057
[19,] 0.95963082 0.08073835 0.04036918
[20,] 0.94856355 0.10287291 0.05143645
[21,] 0.94058170 0.11883661 0.05941830
[22,] 0.92232306 0.15535388 0.07767694
[23,] 0.90888337 0.18223327 0.09111663
[24,] 0.88364584 0.23270833 0.11635416
[25,] 0.93818344 0.12363313 0.06181656
[26,] 0.95618957 0.08762086 0.04381043
[27,] 0.94233519 0.11532961 0.05766481
[28,] 0.93291759 0.13416482 0.06708241
[29,] 0.91420811 0.17158377 0.08579189
[30,] 0.89646732 0.20706536 0.10353268
[31,] 0.87537862 0.24924276 0.12462138
[32,] 0.85093329 0.29813342 0.14906671
[33,] 0.85057781 0.29884439 0.14942219
[34,] 0.81568093 0.36863815 0.18431907
[35,] 0.80711511 0.38576977 0.19288489
[36,] 0.77133741 0.45732519 0.22866259
[37,] 0.84976381 0.30047238 0.15023619
[38,] 0.81892994 0.36214013 0.18107006
[39,] 0.82168927 0.35662145 0.17831073
[40,] 0.87021392 0.25957217 0.12978608
[41,] 0.90547012 0.18905975 0.09452988
[42,] 0.88240750 0.23518500 0.11759250
[43,] 0.87442707 0.25114585 0.12557293
[44,] 0.94274947 0.11450106 0.05725053
[45,] 0.93198713 0.13602574 0.06801287
[46,] 0.93019909 0.13960183 0.06980091
[47,] 0.93830975 0.12338050 0.06169025
[48,] 0.93119423 0.13761154 0.06880577
[49,] 0.93269700 0.13460600 0.06730300
[50,] 0.93440934 0.13118133 0.06559066
[51,] 0.92744914 0.14510172 0.07255086
[52,] 0.90979968 0.18040064 0.09020032
[53,] 0.92118758 0.15762485 0.07881242
[54,] 0.93268476 0.13463048 0.06731524
[55,] 0.91519716 0.16960568 0.08480284
[56,] 0.89492478 0.21015045 0.10507522
[57,] 0.90880384 0.18239232 0.09119616
[58,] 0.88530416 0.22939168 0.11469584
[59,] 0.88430660 0.23138679 0.11569340
[60,] 0.86846888 0.26306225 0.13153112
[61,] 0.85863682 0.28272636 0.14136318
[62,] 0.83990058 0.32019884 0.16009942
[63,] 0.80570637 0.38858726 0.19429363
[64,] 0.77703782 0.44592435 0.22296218
[65,] 0.82975542 0.34048917 0.17024458
[66,] 0.84723489 0.30553022 0.15276511
[67,] 0.81745259 0.36509481 0.18254741
[68,] 0.80198564 0.39602872 0.19801436
[69,] 0.76317432 0.47365136 0.23682568
[70,] 0.85860344 0.28279312 0.14139656
[71,] 0.82804516 0.34390969 0.17195484
[72,] 0.79051276 0.41897449 0.20948724
[73,] 0.74791946 0.50416107 0.25208054
[74,] 0.76009082 0.47981836 0.23990918
[75,] 0.71735977 0.56528046 0.28264023
[76,] 0.69778081 0.60443839 0.30221919
[77,] 0.68995798 0.62008404 0.31004202
[78,] 0.65647583 0.68704834 0.34352417
[79,] 0.69583741 0.60832518 0.30416259
[80,] 0.67967678 0.64064644 0.32032322
[81,] 0.66629837 0.66740327 0.33370163
[82,] 0.62441019 0.75117961 0.37558981
[83,] 0.60741303 0.78517393 0.39258697
[84,] 0.61100698 0.77798604 0.38899302
[85,] 0.63196432 0.73607136 0.36803568
[86,] 0.69955926 0.60088147 0.30044074
[87,] 0.67223522 0.65552957 0.32776478
[88,] 0.66213699 0.67572602 0.33786301
[89,] 0.79380857 0.41238286 0.20619143
[90,] 0.79882304 0.40235392 0.20117696
[91,] 0.80529791 0.38940418 0.19470209
[92,] 0.77717875 0.44564249 0.22282125
[93,] 0.72909064 0.54181871 0.27090936
[94,] 0.68746774 0.62506452 0.31253226
[95,] 0.65477694 0.69044612 0.34522306
[96,] 0.58151680 0.83696641 0.41848320
[97,] 0.53278439 0.93443122 0.46721561
[98,] 0.48866705 0.97733411 0.51133295
[99,] 0.41247554 0.82495107 0.58752446
[100,] 0.34253954 0.68507907 0.65746046
[101,] 0.36855184 0.73710369 0.63144816
[102,] 0.28621622 0.57243243 0.71378378
[103,] 0.21690883 0.43381766 0.78309117
[104,] 0.19187569 0.38375138 0.80812431
[105,] 0.13133728 0.26267456 0.86866272
[106,] 0.08372630 0.16745261 0.91627370
[107,] 0.06089246 0.12178492 0.93910754
[108,] 0.12714918 0.25429836 0.87285082
[109,] 0.19629148 0.39258296 0.80370852
> postscript(file="/var/www/html/freestat/rcomp/tmp/1ox011291471379.ps",horizontal=F,onefile=F,pagecentre=F,paper="special",width=8.3333333333333,height=5.5555555555556)
> plot(x[,1], type='l', main='Actuals and Interpolation', ylab='value of Actuals and Interpolation (dots)', xlab='time or index')
> points(x[,1]-mysum$resid)
> grid()
> dev.off()
null device
1
> postscript(file="/var/www/html/freestat/rcomp/tmp/2h7h51291471379.ps",horizontal=F,onefile=F,pagecentre=F,paper="special",width=8.3333333333333,height=5.5555555555556)
> plot(mysum$resid, type='b', pch=19, main='Residuals', ylab='value of Residuals', xlab='time or index')
> grid()
> dev.off()
null device
1
> postscript(file="/var/www/html/freestat/rcomp/tmp/3h7h51291471379.ps",horizontal=F,onefile=F,pagecentre=F,paper="special",width=8.3333333333333,height=5.5555555555556)
> hist(mysum$resid, main='Residual Histogram', xlab='values of Residuals')
> grid()
> dev.off()
null device
1
> postscript(file="/var/www/html/freestat/rcomp/tmp/4h7h51291471379.ps",horizontal=F,onefile=F,pagecentre=F,paper="special",width=8.3333333333333,height=5.5555555555556)
> densityplot(~mysum$resid,col='black',main='Residual Density Plot', xlab='values of Residuals')
> dev.off()
null device
1
> postscript(file="/var/www/html/freestat/rcomp/tmp/5syyp1291471379.ps",horizontal=F,onefile=F,pagecentre=F,paper="special",width=8.3333333333333,height=5.5555555555556)
> qqnorm(mysum$resid, main='Residual Normal Q-Q Plot')
> qqline(mysum$resid)
> grid()
> dev.off()
null device
1
> (myerror <- as.ts(mysum$resid))
Time Series:
Start = 1
End = 142
Frequency = 1
1 2 3 4 5 6
-0.32950936 -1.96839102 2.85038234 2.28622539 -4.32525933 -2.94400060
7 8 9 10 11 12
-3.21074013 0.24878989 -0.32282574 -1.32106754 -1.65996596 -4.38604194
13 14 15 16 17 18
1.27985837 -2.89811128 -1.21538747 -0.63528440 -1.31195272 0.64684899
19 20 21 22 23 24
-0.91043436 -1.40967089 -0.86204757 1.90870015 -2.20900373 6.02874129
25 26 27 28 29 30
-1.40627224 -0.24029770 2.64277957 -0.56121616 -0.39946505 -2.60994731
31 32 33 34 35 36
0.51245876 0.51774834 -0.23901339 1.78411510 -1.33419231 -1.04282624
37 38 39 40 41 42
1.30778940 1.06370723 -1.65070678 0.25732804 3.39330247 3.25513527
43 44 45 46 47 48
-0.30831987 1.63140147 -0.69165359 -0.90960338 0.27969998 1.10225450
49 50 51 52 53 54
1.89646040 0.09442981 -2.05632036 0.44984026 3.53366237 0.55829330
55 56 57 58 59 60
1.66091098 2.25958273 3.34518859 -0.72828458 -1.91776234 3.82014764
61 62 63 64 65 66
1.20596277 1.75172819 -1.94018671 -1.42891212 -1.12939978 -2.33553843
67 68 69 70 71 72
-1.35396543 -0.15960210 2.39731690 -2.19831651 -0.42471756 -0.46641491
73 74 75 76 77 78
2.16094337 -0.16803793 -2.13348614 0.89962999 -1.53261002 -0.46000198
79 80 81 82 83 84
0.20212971 -1.01022824 3.11815020 -2.60246315 -0.17917010 -1.04735740
85 86 87 88 89 90
0.07956403 2.57532690 -0.49119791 -0.05062479 -0.06254267 -2.04301720
91 92 93 94 95 96
0.32507924 -1.25373171 1.51162566 -1.18993403 2.66168727 -2.16358877
97 98 99 100 101 102
2.22097701 -1.10329992 2.06575475 0.23251081 -1.38583992 1.55727713
103 104 105 106 107 108
1.70903928 -1.75687789 -3.91527672 -0.35810579 -1.47630574 1.94284855
109 110 111 112 113 114
0.68599367 -0.10912479 0.52780219 -0.19204744 1.57916900 1.77442938
115 116 117 118 119 120
-1.17452157 -1.92838175 -2.84981480 0.01525215 -0.77142945 2.95554533
121 122 123 124 125 126
1.09508754 -0.44050319 -1.21943442 -2.42427501 -0.38851230 1.65693118
127 128 129 130 131 132
1.13385197 1.62223246 -2.32262060 0.74760545 0.25640218 -0.61205217
133 134 135 136 137 138
0.09414223 2.35310367 0.05416321 -1.40627224 2.16457870 3.32888628
139 140 141 142
-0.17917010 -0.51204094 -2.84981480 3.93783153
> postscript(file="/var/www/html/freestat/rcomp/tmp/6syyp1291471379.ps",horizontal=F,onefile=F,pagecentre=F,paper="special",width=8.3333333333333,height=5.5555555555556)
> dum <- cbind(lag(myerror,k=1),myerror)
> dum
Time Series:
Start = 0
End = 142
Frequency = 1
lag(myerror, k = 1) myerror
0 -0.32950936 NA
1 -1.96839102 -0.32950936
2 2.85038234 -1.96839102
3 2.28622539 2.85038234
4 -4.32525933 2.28622539
5 -2.94400060 -4.32525933
6 -3.21074013 -2.94400060
7 0.24878989 -3.21074013
8 -0.32282574 0.24878989
9 -1.32106754 -0.32282574
10 -1.65996596 -1.32106754
11 -4.38604194 -1.65996596
12 1.27985837 -4.38604194
13 -2.89811128 1.27985837
14 -1.21538747 -2.89811128
15 -0.63528440 -1.21538747
16 -1.31195272 -0.63528440
17 0.64684899 -1.31195272
18 -0.91043436 0.64684899
19 -1.40967089 -0.91043436
20 -0.86204757 -1.40967089
21 1.90870015 -0.86204757
22 -2.20900373 1.90870015
23 6.02874129 -2.20900373
24 -1.40627224 6.02874129
25 -0.24029770 -1.40627224
26 2.64277957 -0.24029770
27 -0.56121616 2.64277957
28 -0.39946505 -0.56121616
29 -2.60994731 -0.39946505
30 0.51245876 -2.60994731
31 0.51774834 0.51245876
32 -0.23901339 0.51774834
33 1.78411510 -0.23901339
34 -1.33419231 1.78411510
35 -1.04282624 -1.33419231
36 1.30778940 -1.04282624
37 1.06370723 1.30778940
38 -1.65070678 1.06370723
39 0.25732804 -1.65070678
40 3.39330247 0.25732804
41 3.25513527 3.39330247
42 -0.30831987 3.25513527
43 1.63140147 -0.30831987
44 -0.69165359 1.63140147
45 -0.90960338 -0.69165359
46 0.27969998 -0.90960338
47 1.10225450 0.27969998
48 1.89646040 1.10225450
49 0.09442981 1.89646040
50 -2.05632036 0.09442981
51 0.44984026 -2.05632036
52 3.53366237 0.44984026
53 0.55829330 3.53366237
54 1.66091098 0.55829330
55 2.25958273 1.66091098
56 3.34518859 2.25958273
57 -0.72828458 3.34518859
58 -1.91776234 -0.72828458
59 3.82014764 -1.91776234
60 1.20596277 3.82014764
61 1.75172819 1.20596277
62 -1.94018671 1.75172819
63 -1.42891212 -1.94018671
64 -1.12939978 -1.42891212
65 -2.33553843 -1.12939978
66 -1.35396543 -2.33553843
67 -0.15960210 -1.35396543
68 2.39731690 -0.15960210
69 -2.19831651 2.39731690
70 -0.42471756 -2.19831651
71 -0.46641491 -0.42471756
72 2.16094337 -0.46641491
73 -0.16803793 2.16094337
74 -2.13348614 -0.16803793
75 0.89962999 -2.13348614
76 -1.53261002 0.89962999
77 -0.46000198 -1.53261002
78 0.20212971 -0.46000198
79 -1.01022824 0.20212971
80 3.11815020 -1.01022824
81 -2.60246315 3.11815020
82 -0.17917010 -2.60246315
83 -1.04735740 -0.17917010
84 0.07956403 -1.04735740
85 2.57532690 0.07956403
86 -0.49119791 2.57532690
87 -0.05062479 -0.49119791
88 -0.06254267 -0.05062479
89 -2.04301720 -0.06254267
90 0.32507924 -2.04301720
91 -1.25373171 0.32507924
92 1.51162566 -1.25373171
93 -1.18993403 1.51162566
94 2.66168727 -1.18993403
95 -2.16358877 2.66168727
96 2.22097701 -2.16358877
97 -1.10329992 2.22097701
98 2.06575475 -1.10329992
99 0.23251081 2.06575475
100 -1.38583992 0.23251081
101 1.55727713 -1.38583992
102 1.70903928 1.55727713
103 -1.75687789 1.70903928
104 -3.91527672 -1.75687789
105 -0.35810579 -3.91527672
106 -1.47630574 -0.35810579
107 1.94284855 -1.47630574
108 0.68599367 1.94284855
109 -0.10912479 0.68599367
110 0.52780219 -0.10912479
111 -0.19204744 0.52780219
112 1.57916900 -0.19204744
113 1.77442938 1.57916900
114 -1.17452157 1.77442938
115 -1.92838175 -1.17452157
116 -2.84981480 -1.92838175
117 0.01525215 -2.84981480
118 -0.77142945 0.01525215
119 2.95554533 -0.77142945
120 1.09508754 2.95554533
121 -0.44050319 1.09508754
122 -1.21943442 -0.44050319
123 -2.42427501 -1.21943442
124 -0.38851230 -2.42427501
125 1.65693118 -0.38851230
126 1.13385197 1.65693118
127 1.62223246 1.13385197
128 -2.32262060 1.62223246
129 0.74760545 -2.32262060
130 0.25640218 0.74760545
131 -0.61205217 0.25640218
132 0.09414223 -0.61205217
133 2.35310367 0.09414223
134 0.05416321 2.35310367
135 -1.40627224 0.05416321
136 2.16457870 -1.40627224
137 3.32888628 2.16457870
138 -0.17917010 3.32888628
139 -0.51204094 -0.17917010
140 -2.84981480 -0.51204094
141 3.93783153 -2.84981480
142 NA 3.93783153
> dum1 <- dum[2:length(myerror),]
> dum1
lag(myerror, k = 1) myerror
[1,] -1.96839102 -0.32950936
[2,] 2.85038234 -1.96839102
[3,] 2.28622539 2.85038234
[4,] -4.32525933 2.28622539
[5,] -2.94400060 -4.32525933
[6,] -3.21074013 -2.94400060
[7,] 0.24878989 -3.21074013
[8,] -0.32282574 0.24878989
[9,] -1.32106754 -0.32282574
[10,] -1.65996596 -1.32106754
[11,] -4.38604194 -1.65996596
[12,] 1.27985837 -4.38604194
[13,] -2.89811128 1.27985837
[14,] -1.21538747 -2.89811128
[15,] -0.63528440 -1.21538747
[16,] -1.31195272 -0.63528440
[17,] 0.64684899 -1.31195272
[18,] -0.91043436 0.64684899
[19,] -1.40967089 -0.91043436
[20,] -0.86204757 -1.40967089
[21,] 1.90870015 -0.86204757
[22,] -2.20900373 1.90870015
[23,] 6.02874129 -2.20900373
[24,] -1.40627224 6.02874129
[25,] -0.24029770 -1.40627224
[26,] 2.64277957 -0.24029770
[27,] -0.56121616 2.64277957
[28,] -0.39946505 -0.56121616
[29,] -2.60994731 -0.39946505
[30,] 0.51245876 -2.60994731
[31,] 0.51774834 0.51245876
[32,] -0.23901339 0.51774834
[33,] 1.78411510 -0.23901339
[34,] -1.33419231 1.78411510
[35,] -1.04282624 -1.33419231
[36,] 1.30778940 -1.04282624
[37,] 1.06370723 1.30778940
[38,] -1.65070678 1.06370723
[39,] 0.25732804 -1.65070678
[40,] 3.39330247 0.25732804
[41,] 3.25513527 3.39330247
[42,] -0.30831987 3.25513527
[43,] 1.63140147 -0.30831987
[44,] -0.69165359 1.63140147
[45,] -0.90960338 -0.69165359
[46,] 0.27969998 -0.90960338
[47,] 1.10225450 0.27969998
[48,] 1.89646040 1.10225450
[49,] 0.09442981 1.89646040
[50,] -2.05632036 0.09442981
[51,] 0.44984026 -2.05632036
[52,] 3.53366237 0.44984026
[53,] 0.55829330 3.53366237
[54,] 1.66091098 0.55829330
[55,] 2.25958273 1.66091098
[56,] 3.34518859 2.25958273
[57,] -0.72828458 3.34518859
[58,] -1.91776234 -0.72828458
[59,] 3.82014764 -1.91776234
[60,] 1.20596277 3.82014764
[61,] 1.75172819 1.20596277
[62,] -1.94018671 1.75172819
[63,] -1.42891212 -1.94018671
[64,] -1.12939978 -1.42891212
[65,] -2.33553843 -1.12939978
[66,] -1.35396543 -2.33553843
[67,] -0.15960210 -1.35396543
[68,] 2.39731690 -0.15960210
[69,] -2.19831651 2.39731690
[70,] -0.42471756 -2.19831651
[71,] -0.46641491 -0.42471756
[72,] 2.16094337 -0.46641491
[73,] -0.16803793 2.16094337
[74,] -2.13348614 -0.16803793
[75,] 0.89962999 -2.13348614
[76,] -1.53261002 0.89962999
[77,] -0.46000198 -1.53261002
[78,] 0.20212971 -0.46000198
[79,] -1.01022824 0.20212971
[80,] 3.11815020 -1.01022824
[81,] -2.60246315 3.11815020
[82,] -0.17917010 -2.60246315
[83,] -1.04735740 -0.17917010
[84,] 0.07956403 -1.04735740
[85,] 2.57532690 0.07956403
[86,] -0.49119791 2.57532690
[87,] -0.05062479 -0.49119791
[88,] -0.06254267 -0.05062479
[89,] -2.04301720 -0.06254267
[90,] 0.32507924 -2.04301720
[91,] -1.25373171 0.32507924
[92,] 1.51162566 -1.25373171
[93,] -1.18993403 1.51162566
[94,] 2.66168727 -1.18993403
[95,] -2.16358877 2.66168727
[96,] 2.22097701 -2.16358877
[97,] -1.10329992 2.22097701
[98,] 2.06575475 -1.10329992
[99,] 0.23251081 2.06575475
[100,] -1.38583992 0.23251081
[101,] 1.55727713 -1.38583992
[102,] 1.70903928 1.55727713
[103,] -1.75687789 1.70903928
[104,] -3.91527672 -1.75687789
[105,] -0.35810579 -3.91527672
[106,] -1.47630574 -0.35810579
[107,] 1.94284855 -1.47630574
[108,] 0.68599367 1.94284855
[109,] -0.10912479 0.68599367
[110,] 0.52780219 -0.10912479
[111,] -0.19204744 0.52780219
[112,] 1.57916900 -0.19204744
[113,] 1.77442938 1.57916900
[114,] -1.17452157 1.77442938
[115,] -1.92838175 -1.17452157
[116,] -2.84981480 -1.92838175
[117,] 0.01525215 -2.84981480
[118,] -0.77142945 0.01525215
[119,] 2.95554533 -0.77142945
[120,] 1.09508754 2.95554533
[121,] -0.44050319 1.09508754
[122,] -1.21943442 -0.44050319
[123,] -2.42427501 -1.21943442
[124,] -0.38851230 -2.42427501
[125,] 1.65693118 -0.38851230
[126,] 1.13385197 1.65693118
[127,] 1.62223246 1.13385197
[128,] -2.32262060 1.62223246
[129,] 0.74760545 -2.32262060
[130,] 0.25640218 0.74760545
[131,] -0.61205217 0.25640218
[132,] 0.09414223 -0.61205217
[133,] 2.35310367 0.09414223
[134,] 0.05416321 2.35310367
[135,] -1.40627224 0.05416321
[136,] 2.16457870 -1.40627224
[137,] 3.32888628 2.16457870
[138,] -0.17917010 3.32888628
[139,] -0.51204094 -0.17917010
[140,] -2.84981480 -0.51204094
[141,] 3.93783153 -2.84981480
> z <- as.data.frame(dum1)
> z
lag(myerror, k = 1) myerror
1 -1.96839102 -0.32950936
2 2.85038234 -1.96839102
3 2.28622539 2.85038234
4 -4.32525933 2.28622539
5 -2.94400060 -4.32525933
6 -3.21074013 -2.94400060
7 0.24878989 -3.21074013
8 -0.32282574 0.24878989
9 -1.32106754 -0.32282574
10 -1.65996596 -1.32106754
11 -4.38604194 -1.65996596
12 1.27985837 -4.38604194
13 -2.89811128 1.27985837
14 -1.21538747 -2.89811128
15 -0.63528440 -1.21538747
16 -1.31195272 -0.63528440
17 0.64684899 -1.31195272
18 -0.91043436 0.64684899
19 -1.40967089 -0.91043436
20 -0.86204757 -1.40967089
21 1.90870015 -0.86204757
22 -2.20900373 1.90870015
23 6.02874129 -2.20900373
24 -1.40627224 6.02874129
25 -0.24029770 -1.40627224
26 2.64277957 -0.24029770
27 -0.56121616 2.64277957
28 -0.39946505 -0.56121616
29 -2.60994731 -0.39946505
30 0.51245876 -2.60994731
31 0.51774834 0.51245876
32 -0.23901339 0.51774834
33 1.78411510 -0.23901339
34 -1.33419231 1.78411510
35 -1.04282624 -1.33419231
36 1.30778940 -1.04282624
37 1.06370723 1.30778940
38 -1.65070678 1.06370723
39 0.25732804 -1.65070678
40 3.39330247 0.25732804
41 3.25513527 3.39330247
42 -0.30831987 3.25513527
43 1.63140147 -0.30831987
44 -0.69165359 1.63140147
45 -0.90960338 -0.69165359
46 0.27969998 -0.90960338
47 1.10225450 0.27969998
48 1.89646040 1.10225450
49 0.09442981 1.89646040
50 -2.05632036 0.09442981
51 0.44984026 -2.05632036
52 3.53366237 0.44984026
53 0.55829330 3.53366237
54 1.66091098 0.55829330
55 2.25958273 1.66091098
56 3.34518859 2.25958273
57 -0.72828458 3.34518859
58 -1.91776234 -0.72828458
59 3.82014764 -1.91776234
60 1.20596277 3.82014764
61 1.75172819 1.20596277
62 -1.94018671 1.75172819
63 -1.42891212 -1.94018671
64 -1.12939978 -1.42891212
65 -2.33553843 -1.12939978
66 -1.35396543 -2.33553843
67 -0.15960210 -1.35396543
68 2.39731690 -0.15960210
69 -2.19831651 2.39731690
70 -0.42471756 -2.19831651
71 -0.46641491 -0.42471756
72 2.16094337 -0.46641491
73 -0.16803793 2.16094337
74 -2.13348614 -0.16803793
75 0.89962999 -2.13348614
76 -1.53261002 0.89962999
77 -0.46000198 -1.53261002
78 0.20212971 -0.46000198
79 -1.01022824 0.20212971
80 3.11815020 -1.01022824
81 -2.60246315 3.11815020
82 -0.17917010 -2.60246315
83 -1.04735740 -0.17917010
84 0.07956403 -1.04735740
85 2.57532690 0.07956403
86 -0.49119791 2.57532690
87 -0.05062479 -0.49119791
88 -0.06254267 -0.05062479
89 -2.04301720 -0.06254267
90 0.32507924 -2.04301720
91 -1.25373171 0.32507924
92 1.51162566 -1.25373171
93 -1.18993403 1.51162566
94 2.66168727 -1.18993403
95 -2.16358877 2.66168727
96 2.22097701 -2.16358877
97 -1.10329992 2.22097701
98 2.06575475 -1.10329992
99 0.23251081 2.06575475
100 -1.38583992 0.23251081
101 1.55727713 -1.38583992
102 1.70903928 1.55727713
103 -1.75687789 1.70903928
104 -3.91527672 -1.75687789
105 -0.35810579 -3.91527672
106 -1.47630574 -0.35810579
107 1.94284855 -1.47630574
108 0.68599367 1.94284855
109 -0.10912479 0.68599367
110 0.52780219 -0.10912479
111 -0.19204744 0.52780219
112 1.57916900 -0.19204744
113 1.77442938 1.57916900
114 -1.17452157 1.77442938
115 -1.92838175 -1.17452157
116 -2.84981480 -1.92838175
117 0.01525215 -2.84981480
118 -0.77142945 0.01525215
119 2.95554533 -0.77142945
120 1.09508754 2.95554533
121 -0.44050319 1.09508754
122 -1.21943442 -0.44050319
123 -2.42427501 -1.21943442
124 -0.38851230 -2.42427501
125 1.65693118 -0.38851230
126 1.13385197 1.65693118
127 1.62223246 1.13385197
128 -2.32262060 1.62223246
129 0.74760545 -2.32262060
130 0.25640218 0.74760545
131 -0.61205217 0.25640218
132 0.09414223 -0.61205217
133 2.35310367 0.09414223
134 0.05416321 2.35310367
135 -1.40627224 0.05416321
136 2.16457870 -1.40627224
137 3.32888628 2.16457870
138 -0.17917010 3.32888628
139 -0.51204094 -0.17917010
140 -2.84981480 -0.51204094
141 3.93783153 -2.84981480
> plot(z,main=paste('Residual Lag plot, lowess, and regression line'), ylab='values of Residuals', xlab='lagged values of Residuals')
> lines(lowess(z))
> abline(lm(z))
> grid()
> dev.off()
null device
1
> postscript(file="/var/www/html/freestat/rcomp/tmp/727ys1291471379.ps",horizontal=F,onefile=F,pagecentre=F,paper="special",width=8.3333333333333,height=5.5555555555556)
> acf(mysum$resid, lag.max=length(mysum$resid)/2, main='Residual Autocorrelation Function')
> grid()
> dev.off()
null device
1
> postscript(file="/var/www/html/freestat/rcomp/tmp/8vgfv1291471379.ps",horizontal=F,onefile=F,pagecentre=F,paper="special",width=8.3333333333333,height=5.5555555555556)
> pacf(mysum$resid, lag.max=length(mysum$resid)/2, main='Residual Partial Autocorrelation Function')
> grid()
> dev.off()
null device
1
> postscript(file="/var/www/html/freestat/rcomp/tmp/9vgfv1291471379.ps",horizontal=F,onefile=F,pagecentre=F,paper="special",width=8.3333333333333,height=5.5555555555556)
> opar <- par(mfrow = c(2,2), oma = c(0, 0, 1.1, 0))
> plot(mylm, las = 1, sub='Residual Diagnostics')
> par(opar)
> dev.off()
null device
1
> if (n > n25) {
+ postscript(file="/var/www/html/freestat/rcomp/tmp/10vgfv1291471379.ps",horizontal=F,onefile=F,pagecentre=F,paper="special",width=8.3333333333333,height=5.5555555555556)
+ plot(kp3:nmkm3,gqarr[,2], main='Goldfeld-Quandt test',ylab='2-sided p-value',xlab='breakpoint')
+ grid()
+ dev.off()
+ }
null device
1
>
> #Note: the /var/www/html/freestat/rcomp/createtable file can be downloaded at http://www.wessa.net/cretab
> load(file="/var/www/html/freestat/rcomp/createtable")
>
> a<-table.start()
> a<-table.row.start(a)
> a<-table.element(a, 'Multiple Linear Regression - Estimated Regression Equation', 1, TRUE)
> a<-table.row.end(a)
> myeq <- colnames(x)[1]
> myeq <- paste(myeq, '[t] = ', sep='')
> for (i in 1:k){
+ if (mysum$coefficients[i,1] > 0) myeq <- paste(myeq, '+', '')
+ myeq <- paste(myeq, mysum$coefficients[i,1], sep=' ')
+ if (rownames(mysum$coefficients)[i] != '(Intercept)') {
+ myeq <- paste(myeq, rownames(mysum$coefficients)[i], sep='')
+ if (rownames(mysum$coefficients)[i] != 't') myeq <- paste(myeq, '[t]', sep='')
+ }
+ }
> myeq <- paste(myeq, ' + e[t]')
> a<-table.row.start(a)
> a<-table.element(a, myeq)
> a<-table.row.end(a)
> a<-table.end(a)
> table.save(a,file="/var/www/html/freestat/rcomp/tmp/1198v41291471379.tab")
> a<-table.start()
> a<-table.row.start(a)
> a<-table.element(a,hyperlink('http://www.xycoon.com/ols1.htm','Multiple Linear Regression - Ordinary Least Squares',''), 6, TRUE)
> a<-table.row.end(a)
> a<-table.row.start(a)
> a<-table.element(a,'Variable',header=TRUE)
> a<-table.element(a,'Parameter',header=TRUE)
> a<-table.element(a,'S.D.',header=TRUE)
> a<-table.element(a,'T-STAT
H0: parameter = 0',header=TRUE)
> a<-table.element(a,'2-tail p-value',header=TRUE)
> a<-table.element(a,'1-tail p-value',header=TRUE)
> a<-table.row.end(a)
> for (i in 1:k){
+ a<-table.row.start(a)
+ a<-table.element(a,rownames(mysum$coefficients)[i],header=TRUE)
+ a<-table.element(a,mysum$coefficients[i,1])
+ a<-table.element(a, round(mysum$coefficients[i,2],6))
+ a<-table.element(a, round(mysum$coefficients[i,3],4))
+ a<-table.element(a, round(mysum$coefficients[i,4],6))
+ a<-table.element(a, round(mysum$coefficients[i,4]/2,6))
+ a<-table.row.end(a)
+ }
> a<-table.end(a)
> table.save(a,file="/var/www/html/freestat/rcomp/tmp/12vrts1291471379.tab")
> a<-table.start()
> a<-table.row.start(a)
> a<-table.element(a, 'Multiple Linear Regression - Regression Statistics', 2, TRUE)
> a<-table.row.end(a)
> a<-table.row.start(a)
> a<-table.element(a, 'Multiple R',1,TRUE)
> a<-table.element(a, sqrt(mysum$r.squared))
> a<-table.row.end(a)
> a<-table.row.start(a)
> a<-table.element(a, 'R-squared',1,TRUE)
> a<-table.element(a, mysum$r.squared)
> a<-table.row.end(a)
> a<-table.row.start(a)
> a<-table.element(a, 'Adjusted R-squared',1,TRUE)
> a<-table.element(a, mysum$adj.r.squared)
> a<-table.row.end(a)
> a<-table.row.start(a)
> a<-table.element(a, 'F-TEST (value)',1,TRUE)
> a<-table.element(a, mysum$fstatistic[1])
> a<-table.row.end(a)
> a<-table.row.start(a)
> a<-table.element(a, 'F-TEST (DF numerator)',1,TRUE)
> a<-table.element(a, mysum$fstatistic[2])
> a<-table.row.end(a)
> a<-table.row.start(a)
> a<-table.element(a, 'F-TEST (DF denominator)',1,TRUE)
> a<-table.element(a, mysum$fstatistic[3])
> a<-table.row.end(a)
> a<-table.row.start(a)
> a<-table.element(a, 'p-value',1,TRUE)
> a<-table.element(a, 1-pf(mysum$fstatistic[1],mysum$fstatistic[2],mysum$fstatistic[3]))
> a<-table.row.end(a)
> a<-table.row.start(a)
> a<-table.element(a, 'Multiple Linear Regression - Residual Statistics', 2, TRUE)
> a<-table.row.end(a)
> a<-table.row.start(a)
> a<-table.element(a, 'Residual Standard Deviation',1,TRUE)
> a<-table.element(a, mysum$sigma)
> a<-table.row.end(a)
> a<-table.row.start(a)
> a<-table.element(a, 'Sum Squared Residuals',1,TRUE)
> a<-table.element(a, sum(myerror*myerror))
> a<-table.row.end(a)
> a<-table.end(a)
> table.save(a,file="/var/www/html/freestat/rcomp/tmp/139i911291471379.tab")
> a<-table.start()
> a<-table.row.start(a)
> a<-table.element(a, 'Multiple Linear Regression - Actuals, Interpolation, and Residuals', 4, TRUE)
> a<-table.row.end(a)
> a<-table.row.start(a)
> a<-table.element(a, 'Time or Index', 1, TRUE)
> a<-table.element(a, 'Actuals', 1, TRUE)
> a<-table.element(a, 'Interpolation
Forecast', 1, TRUE)
> a<-table.element(a, 'Residuals
Prediction Error', 1, TRUE)
> a<-table.row.end(a)
> for (i in 1:n) {
+ a<-table.row.start(a)
+ a<-table.element(a,i, 1, TRUE)
+ a<-table.element(a,x[i])
+ a<-table.element(a,x[i]-mysum$resid[i])
+ a<-table.element(a,mysum$resid[i])
+ a<-table.row.end(a)
+ }
> a<-table.end(a)
> table.save(a,file="/var/www/html/freestat/rcomp/tmp/14cjq71291471379.tab")
> if (n > n25) {
+ a<-table.start()
+ a<-table.row.start(a)
+ a<-table.element(a,'Goldfeld-Quandt test for Heteroskedasticity',4,TRUE)
+ a<-table.row.end(a)
+ a<-table.row.start(a)
+ a<-table.element(a,'p-values',header=TRUE)
+ a<-table.element(a,'Alternative Hypothesis',3,header=TRUE)
+ a<-table.row.end(a)
+ a<-table.row.start(a)
+ a<-table.element(a,'breakpoint index',header=TRUE)
+ a<-table.element(a,'greater',header=TRUE)
+ a<-table.element(a,'2-sided',header=TRUE)
+ a<-table.element(a,'less',header=TRUE)
+ a<-table.row.end(a)
+ for (mypoint in kp3:nmkm3) {
+ a<-table.row.start(a)
+ a<-table.element(a,mypoint,header=TRUE)
+ a<-table.element(a,gqarr[mypoint-kp3+1,1])
+ a<-table.element(a,gqarr[mypoint-kp3+1,2])
+ a<-table.element(a,gqarr[mypoint-kp3+1,3])
+ a<-table.row.end(a)
+ }
+ a<-table.end(a)
+ table.save(a,file="/var/www/html/freestat/rcomp/tmp/15fj6c1291471379.tab")
+ a<-table.start()
+ a<-table.row.start(a)
+ a<-table.element(a,'Meta Analysis of Goldfeld-Quandt test for Heteroskedasticity',4,TRUE)
+ a<-table.row.end(a)
+ a<-table.row.start(a)
+ a<-table.element(a,'Description',header=TRUE)
+ a<-table.element(a,'# significant tests',header=TRUE)
+ a<-table.element(a,'% significant tests',header=TRUE)
+ a<-table.element(a,'OK/NOK',header=TRUE)
+ a<-table.row.end(a)
+ a<-table.row.start(a)
+ a<-table.element(a,'1% type I error level',header=TRUE)
+ a<-table.element(a,numsignificant1)
+ a<-table.element(a,numsignificant1/numgqtests)
+ if (numsignificant1/numgqtests < 0.01) dum <- 'OK' else dum <- 'NOK'
+ a<-table.element(a,dum)
+ a<-table.row.end(a)
+ a<-table.row.start(a)
+ a<-table.element(a,'5% type I error level',header=TRUE)
+ a<-table.element(a,numsignificant5)
+ a<-table.element(a,numsignificant5/numgqtests)
+ if (numsignificant5/numgqtests < 0.05) dum <- 'OK' else dum <- 'NOK'
+ a<-table.element(a,dum)
+ a<-table.row.end(a)
+ a<-table.row.start(a)
+ a<-table.element(a,'10% type I error level',header=TRUE)
+ a<-table.element(a,numsignificant10)
+ a<-table.element(a,numsignificant10/numgqtests)
+ if (numsignificant10/numgqtests < 0.1) dum <- 'OK' else dum <- 'NOK'
+ a<-table.element(a,dum)
+ a<-table.row.end(a)
+ a<-table.end(a)
+ table.save(a,file="/var/www/html/freestat/rcomp/tmp/16jk501291471379.tab")
+ }
>
> try(system("convert tmp/1ox011291471379.ps tmp/1ox011291471379.png",intern=TRUE))
character(0)
> try(system("convert tmp/2h7h51291471379.ps tmp/2h7h51291471379.png",intern=TRUE))
character(0)
> try(system("convert tmp/3h7h51291471379.ps tmp/3h7h51291471379.png",intern=TRUE))
character(0)
> try(system("convert tmp/4h7h51291471379.ps tmp/4h7h51291471379.png",intern=TRUE))
character(0)
> try(system("convert tmp/5syyp1291471379.ps tmp/5syyp1291471379.png",intern=TRUE))
character(0)
> try(system("convert tmp/6syyp1291471379.ps tmp/6syyp1291471379.png",intern=TRUE))
character(0)
> try(system("convert tmp/727ys1291471379.ps tmp/727ys1291471379.png",intern=TRUE))
character(0)
> try(system("convert tmp/8vgfv1291471379.ps tmp/8vgfv1291471379.png",intern=TRUE))
character(0)
> try(system("convert tmp/9vgfv1291471379.ps tmp/9vgfv1291471379.png",intern=TRUE))
character(0)
> try(system("convert tmp/10vgfv1291471379.ps tmp/10vgfv1291471379.png",intern=TRUE))
character(0)
>
>
> proc.time()
user system elapsed
6.508 2.706 6.860