FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*Unverified author*
R Software Modulerwasp_multipleregression.wasp
Title produced by softwareMultiple Regression
Date of computationFri, 20 Nov 2009 06:54:15 -0700
Cite this page as followsStatistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2009/Nov/20/t12587252874811aocplxgnj9g.htm/, Retrieved Fri, 27 Jun 2025 22:36:47 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=58162, Retrieved Fri, 27 Jun 2025 22:36:47 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact279

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
-     [Multiple Regression] [Q1 The Seatbeltlaw] [2007-11-14 19:27:43] [8cd6641b921d30ebe00b648d1481bba0]
- RM D  [Multiple Regression] [Seatbelt] [2009-11-12 14:06:21] [b98453cac15ba1066b407e146608df68]
-    D    [Multiple Regression] [] [2009-11-18 20:49:00] [ca7a691f2b8ebdc7b81799394c1aa70d]
-    D        [Multiple Regression] [] [2009-11-20 13:54:15] [d41d8cd98f00b204e9800998ecf8427e] [Current]
Feedback Forum

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
89.1	0
82.6	0
102.7	0
91.8	0
94.1	0
103.1	0
93.2	0
91	0
94.3	0
99.4	0
115.7	0
116.8	0
99.8	0
96	0
115.9	0
109.1	0
117.3	0
109.8	0
112.8	0
110.7	0
100	0
113.3	0
122.4	0
112.5	0
104.2	0
92.5	0
117.2	0
109.3	0
106.1	0
118.8	0
105.3	0
106	0
102	0
112.9	0
116.5	0
114.8	0
100.5	0
85.4	0
114.6	0
109.9	0
100.7	0
115.5	0
100.7	1
99	1
102.3	1
108.8	1
105.9	1
113.2	1
95.7	1
80.9	1
113.9	1
98.1	1
102.8	1
104.7	1
95.9	1
94.6	1
101.6	1
103.9	1
110.3	1
114.1	1

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time3 seconds
R Server'Gwilym Jenkins' @ 72.249.127.135

\begin{tabular}{lllllllll}
\hline
Summary of computational transaction \tabularnewline
Raw Input & view raw input (R code)  \tabularnewline
Raw Output & view raw output of R engine  \tabularnewline
Computing time & 3 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=58162&T=0

[TABLE]
[ROW][C]Summary of computational transaction[/C][/ROW]
[ROW][C]Raw Input[/C][C]view raw input (R code) [/C][/ROW]
[ROW][C]Raw Output[/C][C]view raw output of R engine [/C][/ROW]
[ROW][C]Computing time[/C][C]3 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'Gwilym Jenkins' @ 72.249.127.135[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=58162&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=58162&T=0

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time3 seconds
R Server'Gwilym Jenkins' @ 72.249.127.135






Multiple Linear Regression - Estimated Regression Equation
TotaleIndustrieleProductie[t] = + 109.712666666667 -11.4566666666667X[t] -15.9155000000001M1[t] -26.5496666666667M2[t] -1.42383333333331M3[t] -10.898M4[t] -10.5921666666666M5[t] -4.66633333333331M6[t] -11.4291666666667M7[t] -13.0033333333333M8[t] -13.4775000000000M9[t] -6.11166666666665M10[t] + 0.134166666666678M11[t] + 0.254166666666668t + e[t]

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Estimated Regression Equation \tabularnewline
TotaleIndustrieleProductie[t] =  +  109.712666666667 -11.4566666666667X[t] -15.9155000000001M1[t] -26.5496666666667M2[t] -1.42383333333331M3[t] -10.898M4[t] -10.5921666666666M5[t] -4.66633333333331M6[t] -11.4291666666667M7[t] -13.0033333333333M8[t] -13.4775000000000M9[t] -6.11166666666665M10[t] +  0.134166666666678M11[t] +  0.254166666666668t  + e[t] \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=58162&T=1

[TABLE]
[ROW][C]Multiple Linear Regression - Estimated Regression Equation[/C][/ROW]
[ROW][C]TotaleIndustrieleProductie[t] =  +  109.712666666667 -11.4566666666667X[t] -15.9155000000001M1[t] -26.5496666666667M2[t] -1.42383333333331M3[t] -10.898M4[t] -10.5921666666666M5[t] -4.66633333333331M6[t] -11.4291666666667M7[t] -13.0033333333333M8[t] -13.4775000000000M9[t] -6.11166666666665M10[t] +  0.134166666666678M11[t] +  0.254166666666668t  + e[t][/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=58162&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=58162&T=1

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Multiple Linear Regression - Estimated Regression Equation
TotaleIndustrieleProductie[t] = + 109.712666666667 -11.4566666666667X[t] -15.9155000000001M1[t] -26.5496666666667M2[t] -1.42383333333331M3[t] -10.898M4[t] -10.5921666666666M5[t] -4.66633333333331M6[t] -11.4291666666667M7[t] -13.0033333333333M8[t] -13.4775000000000M9[t] -6.11166666666665M10[t] + 0.134166666666678M11[t] + 0.254166666666668t + e[t]






Multiple Linear Regression - Ordinary Least Squares
VariableParameterS.D.T-STATH0: parameter = 02-tail p-value1-tail p-value
(Intercept)109.7126666666673.08615635.549900
X-11.45666666666672.646357-4.32928e-054e-05
M1-15.91550000000013.582234-4.44295.5e-052.8e-05
M2-26.54966666666673.57612-7.424200
M3-1.423833333333313.571357-0.39870.6919730.345986
M4-10.8983.56795-3.05440.0037440.001872
M5-10.59216666666663.565905-2.97040.0047150.002357
M6-4.666333333333313.565223-1.30880.1970870.098544
M7-11.42916666666673.567542-3.20370.0024650.001233
M8-13.00333333333333.561402-3.65120.0006660.000333
M9-13.47750000000003.556619-3.78940.0004370.000219
M10-6.111666666666653.553199-1.720.0921460.046073
M110.1341666666666783.5511450.03780.9700260.485013
t0.2541666666666680.0697383.64460.0006790.000339

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Ordinary Least Squares \tabularnewline
Variable & Parameter & S.D. & T-STATH0: parameter = 0 & 2-tail p-value & 1-tail p-value \tabularnewline
(Intercept) & 109.712666666667 & 3.086156 & 35.5499 & 0 & 0 \tabularnewline
X & -11.4566666666667 & 2.646357 & -4.3292 & 8e-05 & 4e-05 \tabularnewline
M1 & -15.9155000000001 & 3.582234 & -4.4429 & 5.5e-05 & 2.8e-05 \tabularnewline
M2 & -26.5496666666667 & 3.57612 & -7.4242 & 0 & 0 \tabularnewline
M3 & -1.42383333333331 & 3.571357 & -0.3987 & 0.691973 & 0.345986 \tabularnewline
M4 & -10.898 & 3.56795 & -3.0544 & 0.003744 & 0.001872 \tabularnewline
M5 & -10.5921666666666 & 3.565905 & -2.9704 & 0.004715 & 0.002357 \tabularnewline
M6 & -4.66633333333331 & 3.565223 & -1.3088 & 0.197087 & 0.098544 \tabularnewline
M7 & -11.4291666666667 & 3.567542 & -3.2037 & 0.002465 & 0.001233 \tabularnewline
M8 & -13.0033333333333 & 3.561402 & -3.6512 & 0.000666 & 0.000333 \tabularnewline
M9 & -13.4775000000000 & 3.556619 & -3.7894 & 0.000437 & 0.000219 \tabularnewline
M10 & -6.11166666666665 & 3.553199 & -1.72 & 0.092146 & 0.046073 \tabularnewline
M11 & 0.134166666666678 & 3.551145 & 0.0378 & 0.970026 & 0.485013 \tabularnewline
t & 0.254166666666668 & 0.069738 & 3.6446 & 0.000679 & 0.000339 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=58162&T=2

[TABLE]
[ROW][C]Multiple Linear Regression - Ordinary Least Squares[/C][/ROW]
[ROW][C]Variable[/C][C]Parameter[/C][C]S.D.[/C][C]T-STATH0: parameter = 0[/C][C]2-tail p-value[/C][C]1-tail p-value[/C][/ROW]
[ROW][C](Intercept)[/C][C]109.712666666667[/C][C]3.086156[/C][C]35.5499[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]X[/C][C]-11.4566666666667[/C][C]2.646357[/C][C]-4.3292[/C][C]8e-05[/C][C]4e-05[/C][/ROW]
[ROW][C]M1[/C][C]-15.9155000000001[/C][C]3.582234[/C][C]-4.4429[/C][C]5.5e-05[/C][C]2.8e-05[/C][/ROW]
[ROW][C]M2[/C][C]-26.5496666666667[/C][C]3.57612[/C][C]-7.4242[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]M3[/C][C]-1.42383333333331[/C][C]3.571357[/C][C]-0.3987[/C][C]0.691973[/C][C]0.345986[/C][/ROW]
[ROW][C]M4[/C][C]-10.898[/C][C]3.56795[/C][C]-3.0544[/C][C]0.003744[/C][C]0.001872[/C][/ROW]
[ROW][C]M5[/C][C]-10.5921666666666[/C][C]3.565905[/C][C]-2.9704[/C][C]0.004715[/C][C]0.002357[/C][/ROW]
[ROW][C]M6[/C][C]-4.66633333333331[/C][C]3.565223[/C][C]-1.3088[/C][C]0.197087[/C][C]0.098544[/C][/ROW]
[ROW][C]M7[/C][C]-11.4291666666667[/C][C]3.567542[/C][C]-3.2037[/C][C]0.002465[/C][C]0.001233[/C][/ROW]
[ROW][C]M8[/C][C]-13.0033333333333[/C][C]3.561402[/C][C]-3.6512[/C][C]0.000666[/C][C]0.000333[/C][/ROW]
[ROW][C]M9[/C][C]-13.4775000000000[/C][C]3.556619[/C][C]-3.7894[/C][C]0.000437[/C][C]0.000219[/C][/ROW]
[ROW][C]M10[/C][C]-6.11166666666665[/C][C]3.553199[/C][C]-1.72[/C][C]0.092146[/C][C]0.046073[/C][/ROW]
[ROW][C]M11[/C][C]0.134166666666678[/C][C]3.551145[/C][C]0.0378[/C][C]0.970026[/C][C]0.485013[/C][/ROW]
[ROW][C]t[/C][C]0.254166666666668[/C][C]0.069738[/C][C]3.6446[/C][C]0.000679[/C][C]0.000339[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=58162&T=2

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=58162&T=2

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Multiple Linear Regression - Ordinary Least Squares
VariableParameterS.D.T-STATH0: parameter = 02-tail p-value1-tail p-value
(Intercept)109.7126666666673.08615635.549900
X-11.45666666666672.646357-4.32928e-054e-05
M1-15.91550000000013.582234-4.44295.5e-052.8e-05
M2-26.54966666666673.57612-7.424200
M3-1.423833333333313.571357-0.39870.6919730.345986
M4-10.8983.56795-3.05440.0037440.001872
M5-10.59216666666663.565905-2.97040.0047150.002357
M6-4.666333333333313.565223-1.30880.1970870.098544
M7-11.42916666666673.567542-3.20370.0024650.001233
M8-13.00333333333333.561402-3.65120.0006660.000333
M9-13.47750000000003.556619-3.78940.0004370.000219
M10-6.111666666666653.553199-1.720.0921460.046073
M110.1341666666666783.5511450.03780.9700260.485013
t0.2541666666666680.0697383.64460.0006790.000339






Multiple Linear Regression - Regression Statistics
Multiple R0.857208457316521
R-squared0.73480633929497
Adjusted R-squared0.659860304747895
F-TEST (value)9.80447256129922
F-TEST (DF numerator)13
F-TEST (DF denominator)46
p-value2.42340281175757e-09
Multiple Linear Regression - Residual Statistics
Residual Standard Deviation5.6137708528587
Sum Squared Residuals1449.66346666667

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Regression Statistics \tabularnewline
Multiple R & 0.857208457316521 \tabularnewline
R-squared & 0.73480633929497 \tabularnewline
Adjusted R-squared & 0.659860304747895 \tabularnewline
F-TEST (value) & 9.80447256129922 \tabularnewline
F-TEST (DF numerator) & 13 \tabularnewline
F-TEST (DF denominator) & 46 \tabularnewline
p-value & 2.42340281175757e-09 \tabularnewline
Multiple Linear Regression - Residual Statistics \tabularnewline
Residual Standard Deviation & 5.6137708528587 \tabularnewline
Sum Squared Residuals & 1449.66346666667 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=58162&T=3

[TABLE]
[ROW][C]Multiple Linear Regression - Regression Statistics[/C][/ROW]
[ROW][C]Multiple R[/C][C]0.857208457316521[/C][/ROW]
[ROW][C]R-squared[/C][C]0.73480633929497[/C][/ROW]
[ROW][C]Adjusted R-squared[/C][C]0.659860304747895[/C][/ROW]
[ROW][C]F-TEST (value)[/C][C]9.80447256129922[/C][/ROW]
[ROW][C]F-TEST (DF numerator)[/C][C]13[/C][/ROW]
[ROW][C]F-TEST (DF denominator)[/C][C]46[/C][/ROW]
[ROW][C]p-value[/C][C]2.42340281175757e-09[/C][/ROW]
[ROW][C]Multiple Linear Regression - Residual Statistics[/C][/ROW]
[ROW][C]Residual Standard Deviation[/C][C]5.6137708528587[/C][/ROW]
[ROW][C]Sum Squared Residuals[/C][C]1449.66346666667[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=58162&T=3

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=58162&T=3

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Multiple Linear Regression - Regression Statistics
Multiple R0.857208457316521
R-squared0.73480633929497
Adjusted R-squared0.659860304747895
F-TEST (value)9.80447256129922
F-TEST (DF numerator)13
F-TEST (DF denominator)46
p-value2.42340281175757e-09
Multiple Linear Regression - Residual Statistics
Residual Standard Deviation5.6137708528587
Sum Squared Residuals1449.66346666667






Multiple Linear Regression - Actuals, Interpolation, and Residuals
Time or IndexActualsInterpolationForecastResidualsPrediction Error
189.194.0513333333336-4.95133333333362
282.683.6713333333333-1.07133333333334
3102.7109.051333333333-6.35133333333332
491.899.8313333333333-8.0313333333333
594.1100.391333333333-6.29133333333332
6103.1106.571333333333-3.4713333333333
793.2100.062666666667-6.86266666666668
89198.7426666666667-7.74266666666666
994.398.5226666666666-4.22266666666664
1099.4106.142666666667-6.74266666666664
11115.7112.6426666666673.05733333333334
12116.8112.7626666666674.03733333333336
1399.897.10133333333332.69866666666675
149686.72133333333339.27866666666669
15115.9112.1013333333333.79866666666668
16109.1102.8813333333336.21866666666667
17117.3103.44133333333313.8586666666667
18109.8109.6213333333330.178666666666672
19112.8103.1126666666679.68733333333334
20110.7101.7926666666678.90733333333335
21100101.572666666667-1.57266666666666
22113.3109.1926666666674.10733333333333
23122.4115.6926666666676.70733333333334
24112.5115.812666666667-3.31266666666665
25104.2100.1513333333334.04866666666674
2692.589.77133333333332.72866666666666
27117.2115.1513333333332.04866666666666
28109.3105.9313333333333.36866666666666
29106.1106.491333333333-0.391333333333342
30118.8112.6713333333336.12866666666666
31105.3106.162666666667-0.862666666666674
32106104.8426666666671.15733333333333
33102104.622666666667-2.62266666666668
34112.9112.2426666666670.657333333333323
35116.5118.742666666667-2.24266666666668
36114.8118.862666666667-4.06266666666667
37100.5103.201333333333-2.70133333333328
3885.492.8213333333334-7.42133333333335
39114.6118.201333333333-3.60133333333336
40109.9108.9813333333330.918666666666654
41100.7109.541333333333-8.84133333333335
42115.5115.721333333333-0.221333333333357
43100.797.7562.94400000000001
449996.4362.56400000000001
45102.396.2166.084
46108.8103.8364.96399999999999
47105.9110.336-4.43599999999999
48113.2110.4562.74400000000001
4995.794.79466666666660.905333333333403
5080.984.4146666666667-3.51466666666666
51113.9109.7946666666674.10533333333333
5298.1100.574666666667-2.47466666666668
53102.8101.1346666666671.66533333333333
54104.7107.314666666667-2.61466666666667
5595.9100.806-4.906
5694.699.486-4.88600000000002
57101.699.2662.33399999999998
58103.9106.886-2.98600000000001
59110.3113.386-3.08600000000001
60114.1113.5060.593999999999992

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Actuals, Interpolation, and Residuals \tabularnewline
Time or Index & Actuals & InterpolationForecast & ResidualsPrediction Error \tabularnewline
1 & 89.1 & 94.0513333333336 & -4.95133333333362 \tabularnewline
2 & 82.6 & 83.6713333333333 & -1.07133333333334 \tabularnewline
3 & 102.7 & 109.051333333333 & -6.35133333333332 \tabularnewline
4 & 91.8 & 99.8313333333333 & -8.0313333333333 \tabularnewline
5 & 94.1 & 100.391333333333 & -6.29133333333332 \tabularnewline
6 & 103.1 & 106.571333333333 & -3.4713333333333 \tabularnewline
7 & 93.2 & 100.062666666667 & -6.86266666666668 \tabularnewline
8 & 91 & 98.7426666666667 & -7.74266666666666 \tabularnewline
9 & 94.3 & 98.5226666666666 & -4.22266666666664 \tabularnewline
10 & 99.4 & 106.142666666667 & -6.74266666666664 \tabularnewline
11 & 115.7 & 112.642666666667 & 3.05733333333334 \tabularnewline
12 & 116.8 & 112.762666666667 & 4.03733333333336 \tabularnewline
13 & 99.8 & 97.1013333333333 & 2.69866666666675 \tabularnewline
14 & 96 & 86.7213333333333 & 9.27866666666669 \tabularnewline
15 & 115.9 & 112.101333333333 & 3.79866666666668 \tabularnewline
16 & 109.1 & 102.881333333333 & 6.21866666666667 \tabularnewline
17 & 117.3 & 103.441333333333 & 13.8586666666667 \tabularnewline
18 & 109.8 & 109.621333333333 & 0.178666666666672 \tabularnewline
19 & 112.8 & 103.112666666667 & 9.68733333333334 \tabularnewline
20 & 110.7 & 101.792666666667 & 8.90733333333335 \tabularnewline
21 & 100 & 101.572666666667 & -1.57266666666666 \tabularnewline
22 & 113.3 & 109.192666666667 & 4.10733333333333 \tabularnewline
23 & 122.4 & 115.692666666667 & 6.70733333333334 \tabularnewline
24 & 112.5 & 115.812666666667 & -3.31266666666665 \tabularnewline
25 & 104.2 & 100.151333333333 & 4.04866666666674 \tabularnewline
26 & 92.5 & 89.7713333333333 & 2.72866666666666 \tabularnewline
27 & 117.2 & 115.151333333333 & 2.04866666666666 \tabularnewline
28 & 109.3 & 105.931333333333 & 3.36866666666666 \tabularnewline
29 & 106.1 & 106.491333333333 & -0.391333333333342 \tabularnewline
30 & 118.8 & 112.671333333333 & 6.12866666666666 \tabularnewline
31 & 105.3 & 106.162666666667 & -0.862666666666674 \tabularnewline
32 & 106 & 104.842666666667 & 1.15733333333333 \tabularnewline
33 & 102 & 104.622666666667 & -2.62266666666668 \tabularnewline
34 & 112.9 & 112.242666666667 & 0.657333333333323 \tabularnewline
35 & 116.5 & 118.742666666667 & -2.24266666666668 \tabularnewline
36 & 114.8 & 118.862666666667 & -4.06266666666667 \tabularnewline
37 & 100.5 & 103.201333333333 & -2.70133333333328 \tabularnewline
38 & 85.4 & 92.8213333333334 & -7.42133333333335 \tabularnewline
39 & 114.6 & 118.201333333333 & -3.60133333333336 \tabularnewline
40 & 109.9 & 108.981333333333 & 0.918666666666654 \tabularnewline
41 & 100.7 & 109.541333333333 & -8.84133333333335 \tabularnewline
42 & 115.5 & 115.721333333333 & -0.221333333333357 \tabularnewline
43 & 100.7 & 97.756 & 2.94400000000001 \tabularnewline
44 & 99 & 96.436 & 2.56400000000001 \tabularnewline
45 & 102.3 & 96.216 & 6.084 \tabularnewline
46 & 108.8 & 103.836 & 4.96399999999999 \tabularnewline
47 & 105.9 & 110.336 & -4.43599999999999 \tabularnewline
48 & 113.2 & 110.456 & 2.74400000000001 \tabularnewline
49 & 95.7 & 94.7946666666666 & 0.905333333333403 \tabularnewline
50 & 80.9 & 84.4146666666667 & -3.51466666666666 \tabularnewline
51 & 113.9 & 109.794666666667 & 4.10533333333333 \tabularnewline
52 & 98.1 & 100.574666666667 & -2.47466666666668 \tabularnewline
53 & 102.8 & 101.134666666667 & 1.66533333333333 \tabularnewline
54 & 104.7 & 107.314666666667 & -2.61466666666667 \tabularnewline
55 & 95.9 & 100.806 & -4.906 \tabularnewline
56 & 94.6 & 99.486 & -4.88600000000002 \tabularnewline
57 & 101.6 & 99.266 & 2.33399999999998 \tabularnewline
58 & 103.9 & 106.886 & -2.98600000000001 \tabularnewline
59 & 110.3 & 113.386 & -3.08600000000001 \tabularnewline
60 & 114.1 & 113.506 & 0.593999999999992 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=58162&T=4

[TABLE]
[ROW][C]Multiple Linear Regression - Actuals, Interpolation, and Residuals[/C][/ROW]
[ROW][C]Time or Index[/C][C]Actuals[/C][C]InterpolationForecast[/C][C]ResidualsPrediction Error[/C][/ROW]
[ROW][C]1[/C][C]89.1[/C][C]94.0513333333336[/C][C]-4.95133333333362[/C][/ROW]
[ROW][C]2[/C][C]82.6[/C][C]83.6713333333333[/C][C]-1.07133333333334[/C][/ROW]
[ROW][C]3[/C][C]102.7[/C][C]109.051333333333[/C][C]-6.35133333333332[/C][/ROW]
[ROW][C]4[/C][C]91.8[/C][C]99.8313333333333[/C][C]-8.0313333333333[/C][/ROW]
[ROW][C]5[/C][C]94.1[/C][C]100.391333333333[/C][C]-6.29133333333332[/C][/ROW]
[ROW][C]6[/C][C]103.1[/C][C]106.571333333333[/C][C]-3.4713333333333[/C][/ROW]
[ROW][C]7[/C][C]93.2[/C][C]100.062666666667[/C][C]-6.86266666666668[/C][/ROW]
[ROW][C]8[/C][C]91[/C][C]98.7426666666667[/C][C]-7.74266666666666[/C][/ROW]
[ROW][C]9[/C][C]94.3[/C][C]98.5226666666666[/C][C]-4.22266666666664[/C][/ROW]
[ROW][C]10[/C][C]99.4[/C][C]106.142666666667[/C][C]-6.74266666666664[/C][/ROW]
[ROW][C]11[/C][C]115.7[/C][C]112.642666666667[/C][C]3.05733333333334[/C][/ROW]
[ROW][C]12[/C][C]116.8[/C][C]112.762666666667[/C][C]4.03733333333336[/C][/ROW]
[ROW][C]13[/C][C]99.8[/C][C]97.1013333333333[/C][C]2.69866666666675[/C][/ROW]
[ROW][C]14[/C][C]96[/C][C]86.7213333333333[/C][C]9.27866666666669[/C][/ROW]
[ROW][C]15[/C][C]115.9[/C][C]112.101333333333[/C][C]3.79866666666668[/C][/ROW]
[ROW][C]16[/C][C]109.1[/C][C]102.881333333333[/C][C]6.21866666666667[/C][/ROW]
[ROW][C]17[/C][C]117.3[/C][C]103.441333333333[/C][C]13.8586666666667[/C][/ROW]
[ROW][C]18[/C][C]109.8[/C][C]109.621333333333[/C][C]0.178666666666672[/C][/ROW]
[ROW][C]19[/C][C]112.8[/C][C]103.112666666667[/C][C]9.68733333333334[/C][/ROW]
[ROW][C]20[/C][C]110.7[/C][C]101.792666666667[/C][C]8.90733333333335[/C][/ROW]
[ROW][C]21[/C][C]100[/C][C]101.572666666667[/C][C]-1.57266666666666[/C][/ROW]
[ROW][C]22[/C][C]113.3[/C][C]109.192666666667[/C][C]4.10733333333333[/C][/ROW]
[ROW][C]23[/C][C]122.4[/C][C]115.692666666667[/C][C]6.70733333333334[/C][/ROW]
[ROW][C]24[/C][C]112.5[/C][C]115.812666666667[/C][C]-3.31266666666665[/C][/ROW]
[ROW][C]25[/C][C]104.2[/C][C]100.151333333333[/C][C]4.04866666666674[/C][/ROW]
[ROW][C]26[/C][C]92.5[/C][C]89.7713333333333[/C][C]2.72866666666666[/C][/ROW]
[ROW][C]27[/C][C]117.2[/C][C]115.151333333333[/C][C]2.04866666666666[/C][/ROW]
[ROW][C]28[/C][C]109.3[/C][C]105.931333333333[/C][C]3.36866666666666[/C][/ROW]
[ROW][C]29[/C][C]106.1[/C][C]106.491333333333[/C][C]-0.391333333333342[/C][/ROW]
[ROW][C]30[/C][C]118.8[/C][C]112.671333333333[/C][C]6.12866666666666[/C][/ROW]
[ROW][C]31[/C][C]105.3[/C][C]106.162666666667[/C][C]-0.862666666666674[/C][/ROW]
[ROW][C]32[/C][C]106[/C][C]104.842666666667[/C][C]1.15733333333333[/C][/ROW]
[ROW][C]33[/C][C]102[/C][C]104.622666666667[/C][C]-2.62266666666668[/C][/ROW]
[ROW][C]34[/C][C]112.9[/C][C]112.242666666667[/C][C]0.657333333333323[/C][/ROW]
[ROW][C]35[/C][C]116.5[/C][C]118.742666666667[/C][C]-2.24266666666668[/C][/ROW]
[ROW][C]36[/C][C]114.8[/C][C]118.862666666667[/C][C]-4.06266666666667[/C][/ROW]
[ROW][C]37[/C][C]100.5[/C][C]103.201333333333[/C][C]-2.70133333333328[/C][/ROW]
[ROW][C]38[/C][C]85.4[/C][C]92.8213333333334[/C][C]-7.42133333333335[/C][/ROW]
[ROW][C]39[/C][C]114.6[/C][C]118.201333333333[/C][C]-3.60133333333336[/C][/ROW]
[ROW][C]40[/C][C]109.9[/C][C]108.981333333333[/C][C]0.918666666666654[/C][/ROW]
[ROW][C]41[/C][C]100.7[/C][C]109.541333333333[/C][C]-8.84133333333335[/C][/ROW]
[ROW][C]42[/C][C]115.5[/C][C]115.721333333333[/C][C]-0.221333333333357[/C][/ROW]
[ROW][C]43[/C][C]100.7[/C][C]97.756[/C][C]2.94400000000001[/C][/ROW]
[ROW][C]44[/C][C]99[/C][C]96.436[/C][C]2.56400000000001[/C][/ROW]
[ROW][C]45[/C][C]102.3[/C][C]96.216[/C][C]6.084[/C][/ROW]
[ROW][C]46[/C][C]108.8[/C][C]103.836[/C][C]4.96399999999999[/C][/ROW]
[ROW][C]47[/C][C]105.9[/C][C]110.336[/C][C]-4.43599999999999[/C][/ROW]
[ROW][C]48[/C][C]113.2[/C][C]110.456[/C][C]2.74400000000001[/C][/ROW]
[ROW][C]49[/C][C]95.7[/C][C]94.7946666666666[/C][C]0.905333333333403[/C][/ROW]
[ROW][C]50[/C][C]80.9[/C][C]84.4146666666667[/C][C]-3.51466666666666[/C][/ROW]
[ROW][C]51[/C][C]113.9[/C][C]109.794666666667[/C][C]4.10533333333333[/C][/ROW]
[ROW][C]52[/C][C]98.1[/C][C]100.574666666667[/C][C]-2.47466666666668[/C][/ROW]
[ROW][C]53[/C][C]102.8[/C][C]101.134666666667[/C][C]1.66533333333333[/C][/ROW]
[ROW][C]54[/C][C]104.7[/C][C]107.314666666667[/C][C]-2.61466666666667[/C][/ROW]
[ROW][C]55[/C][C]95.9[/C][C]100.806[/C][C]-4.906[/C][/ROW]
[ROW][C]56[/C][C]94.6[/C][C]99.486[/C][C]-4.88600000000002[/C][/ROW]
[ROW][C]57[/C][C]101.6[/C][C]99.266[/C][C]2.33399999999998[/C][/ROW]
[ROW][C]58[/C][C]103.9[/C][C]106.886[/C][C]-2.98600000000001[/C][/ROW]
[ROW][C]59[/C][C]110.3[/C][C]113.386[/C][C]-3.08600000000001[/C][/ROW]
[ROW][C]60[/C][C]114.1[/C][C]113.506[/C][C]0.593999999999992[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=58162&T=4

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=58162&T=4

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Multiple Linear Regression - Actuals, Interpolation, and Residuals
Time or IndexActualsInterpolationForecastResidualsPrediction Error
189.194.0513333333336-4.95133333333362
282.683.6713333333333-1.07133333333334
3102.7109.051333333333-6.35133333333332
491.899.8313333333333-8.0313333333333
594.1100.391333333333-6.29133333333332
6103.1106.571333333333-3.4713333333333
793.2100.062666666667-6.86266666666668
89198.7426666666667-7.74266666666666
994.398.5226666666666-4.22266666666664
1099.4106.142666666667-6.74266666666664
11115.7112.6426666666673.05733333333334
12116.8112.7626666666674.03733333333336
1399.897.10133333333332.69866666666675
149686.72133333333339.27866666666669
15115.9112.1013333333333.79866666666668
16109.1102.8813333333336.21866666666667
17117.3103.44133333333313.8586666666667
18109.8109.6213333333330.178666666666672
19112.8103.1126666666679.68733333333334
20110.7101.7926666666678.90733333333335
21100101.572666666667-1.57266666666666
22113.3109.1926666666674.10733333333333
23122.4115.6926666666676.70733333333334
24112.5115.812666666667-3.31266666666665
25104.2100.1513333333334.04866666666674
2692.589.77133333333332.72866666666666
27117.2115.1513333333332.04866666666666
28109.3105.9313333333333.36866666666666
29106.1106.491333333333-0.391333333333342
30118.8112.6713333333336.12866666666666
31105.3106.162666666667-0.862666666666674
32106104.8426666666671.15733333333333
33102104.622666666667-2.62266666666668
34112.9112.2426666666670.657333333333323
35116.5118.742666666667-2.24266666666668
36114.8118.862666666667-4.06266666666667
37100.5103.201333333333-2.70133333333328
3885.492.8213333333334-7.42133333333335
39114.6118.201333333333-3.60133333333336
40109.9108.9813333333330.918666666666654
41100.7109.541333333333-8.84133333333335
42115.5115.721333333333-0.221333333333357
43100.797.7562.94400000000001
449996.4362.56400000000001
45102.396.2166.084
46108.8103.8364.96399999999999
47105.9110.336-4.43599999999999
48113.2110.4562.74400000000001
4995.794.79466666666660.905333333333403
5080.984.4146666666667-3.51466666666666
51113.9109.7946666666674.10533333333333
5298.1100.574666666667-2.47466666666668
53102.8101.1346666666671.66533333333333
54104.7107.314666666667-2.61466666666667
5595.9100.806-4.906
5694.699.486-4.88600000000002
57101.699.2662.33399999999998
58103.9106.886-2.98600000000001
59110.3113.386-3.08600000000001
60114.1113.5060.593999999999992






Goldfeld-Quandt test for Heteroskedasticity
p-valuesAlternative Hypothesis
breakpoint indexgreater2-sidedless
170.6540371432637330.6919257134725350.345962856736267
180.7973492907207020.4053014185585950.202650709279297
190.793852541135720.4122949177285590.206147458864279
200.7764617233994210.4470765532011570.223538276600579
210.9062850407924490.1874299184151020.093714959207551
220.8502980517245170.2994038965509650.149701948275483
230.8938300193640360.2123399612719270.106169980635964
240.9949093727522040.01018125449559160.00509062724779578
250.9943746792641440.01125064147171110.00562532073585553
260.99808790752160.003824184956800650.00191209247840032
270.9969708506085340.006058298782931140.00302914939146557
280.9943670584933690.01126588301326230.00563294150663116
290.995166455820470.009667088359061850.00483354417953092
300.9932278459405740.01354430811885290.00677215405942646
310.991102829378040.01779434124392020.0088971706219601
320.988488555953360.02302288809327850.0115114440466393
330.9881814665456730.02363706690865380.0118185334543269
340.9775435877262430.04491282454751370.0224564122737569
350.9775772199288430.04484556014231480.0224227800711574
360.9743172204733450.05136555905330910.0256827795266546
370.9569486881844120.08610262363117580.0430513118155879
380.9479116879391570.1041766241216870.0520883120608433
390.93260181270780.1347963745844010.0673981872922007
400.918779260900230.1624414781995400.0812207390997702
410.9722450749800950.05550985003981080.0277549250199054
420.926659341321740.1466813173565200.0733406586782598
430.8619589488898520.2760821022202960.138041051110148

\begin{tabular}{lllllllll}
\hline
Goldfeld-Quandt test for Heteroskedasticity \tabularnewline
p-values & Alternative Hypothesis \tabularnewline
breakpoint index & greater & 2-sided & less \tabularnewline
17 & 0.654037143263733 & 0.691925713472535 & 0.345962856736267 \tabularnewline
18 & 0.797349290720702 & 0.405301418558595 & 0.202650709279297 \tabularnewline
19 & 0.79385254113572 & 0.412294917728559 & 0.206147458864279 \tabularnewline
20 & 0.776461723399421 & 0.447076553201157 & 0.223538276600579 \tabularnewline
21 & 0.906285040792449 & 0.187429918415102 & 0.093714959207551 \tabularnewline
22 & 0.850298051724517 & 0.299403896550965 & 0.149701948275483 \tabularnewline
23 & 0.893830019364036 & 0.212339961271927 & 0.106169980635964 \tabularnewline
24 & 0.994909372752204 & 0.0101812544955916 & 0.00509062724779578 \tabularnewline
25 & 0.994374679264144 & 0.0112506414717111 & 0.00562532073585553 \tabularnewline
26 & 0.9980879075216 & 0.00382418495680065 & 0.00191209247840032 \tabularnewline
27 & 0.996970850608534 & 0.00605829878293114 & 0.00302914939146557 \tabularnewline
28 & 0.994367058493369 & 0.0112658830132623 & 0.00563294150663116 \tabularnewline
29 & 0.99516645582047 & 0.00966708835906185 & 0.00483354417953092 \tabularnewline
30 & 0.993227845940574 & 0.0135443081188529 & 0.00677215405942646 \tabularnewline
31 & 0.99110282937804 & 0.0177943412439202 & 0.0088971706219601 \tabularnewline
32 & 0.98848855595336 & 0.0230228880932785 & 0.0115114440466393 \tabularnewline
33 & 0.988181466545673 & 0.0236370669086538 & 0.0118185334543269 \tabularnewline
34 & 0.977543587726243 & 0.0449128245475137 & 0.0224564122737569 \tabularnewline
35 & 0.977577219928843 & 0.0448455601423148 & 0.0224227800711574 \tabularnewline
36 & 0.974317220473345 & 0.0513655590533091 & 0.0256827795266546 \tabularnewline
37 & 0.956948688184412 & 0.0861026236311758 & 0.0430513118155879 \tabularnewline
38 & 0.947911687939157 & 0.104176624121687 & 0.0520883120608433 \tabularnewline
39 & 0.9326018127078 & 0.134796374584401 & 0.0673981872922007 \tabularnewline
40 & 0.91877926090023 & 0.162441478199540 & 0.0812207390997702 \tabularnewline
41 & 0.972245074980095 & 0.0555098500398108 & 0.0277549250199054 \tabularnewline
42 & 0.92665934132174 & 0.146681317356520 & 0.0733406586782598 \tabularnewline
43 & 0.861958948889852 & 0.276082102220296 & 0.138041051110148 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=58162&T=5

[TABLE]
[ROW][C]Goldfeld-Quandt test for Heteroskedasticity[/C][/ROW]
[ROW][C]p-values[/C][C]Alternative Hypothesis[/C][/ROW]
[ROW][C]breakpoint index[/C][C]greater[/C][C]2-sided[/C][C]less[/C][/ROW]
[ROW][C]17[/C][C]0.654037143263733[/C][C]0.691925713472535[/C][C]0.345962856736267[/C][/ROW]
[ROW][C]18[/C][C]0.797349290720702[/C][C]0.405301418558595[/C][C]0.202650709279297[/C][/ROW]
[ROW][C]19[/C][C]0.79385254113572[/C][C]0.412294917728559[/C][C]0.206147458864279[/C][/ROW]
[ROW][C]20[/C][C]0.776461723399421[/C][C]0.447076553201157[/C][C]0.223538276600579[/C][/ROW]
[ROW][C]21[/C][C]0.906285040792449[/C][C]0.187429918415102[/C][C]0.093714959207551[/C][/ROW]
[ROW][C]22[/C][C]0.850298051724517[/C][C]0.299403896550965[/C][C]0.149701948275483[/C][/ROW]
[ROW][C]23[/C][C]0.893830019364036[/C][C]0.212339961271927[/C][C]0.106169980635964[/C][/ROW]
[ROW][C]24[/C][C]0.994909372752204[/C][C]0.0101812544955916[/C][C]0.00509062724779578[/C][/ROW]
[ROW][C]25[/C][C]0.994374679264144[/C][C]0.0112506414717111[/C][C]0.00562532073585553[/C][/ROW]
[ROW][C]26[/C][C]0.9980879075216[/C][C]0.00382418495680065[/C][C]0.00191209247840032[/C][/ROW]
[ROW][C]27[/C][C]0.996970850608534[/C][C]0.00605829878293114[/C][C]0.00302914939146557[/C][/ROW]
[ROW][C]28[/C][C]0.994367058493369[/C][C]0.0112658830132623[/C][C]0.00563294150663116[/C][/ROW]
[ROW][C]29[/C][C]0.99516645582047[/C][C]0.00966708835906185[/C][C]0.00483354417953092[/C][/ROW]
[ROW][C]30[/C][C]0.993227845940574[/C][C]0.0135443081188529[/C][C]0.00677215405942646[/C][/ROW]
[ROW][C]31[/C][C]0.99110282937804[/C][C]0.0177943412439202[/C][C]0.0088971706219601[/C][/ROW]
[ROW][C]32[/C][C]0.98848855595336[/C][C]0.0230228880932785[/C][C]0.0115114440466393[/C][/ROW]
[ROW][C]33[/C][C]0.988181466545673[/C][C]0.0236370669086538[/C][C]0.0118185334543269[/C][/ROW]
[ROW][C]34[/C][C]0.977543587726243[/C][C]0.0449128245475137[/C][C]0.0224564122737569[/C][/ROW]
[ROW][C]35[/C][C]0.977577219928843[/C][C]0.0448455601423148[/C][C]0.0224227800711574[/C][/ROW]
[ROW][C]36[/C][C]0.974317220473345[/C][C]0.0513655590533091[/C][C]0.0256827795266546[/C][/ROW]
[ROW][C]37[/C][C]0.956948688184412[/C][C]0.0861026236311758[/C][C]0.0430513118155879[/C][/ROW]
[ROW][C]38[/C][C]0.947911687939157[/C][C]0.104176624121687[/C][C]0.0520883120608433[/C][/ROW]
[ROW][C]39[/C][C]0.9326018127078[/C][C]0.134796374584401[/C][C]0.0673981872922007[/C][/ROW]
[ROW][C]40[/C][C]0.91877926090023[/C][C]0.162441478199540[/C][C]0.0812207390997702[/C][/ROW]
[ROW][C]41[/C][C]0.972245074980095[/C][C]0.0555098500398108[/C][C]0.0277549250199054[/C][/ROW]
[ROW][C]42[/C][C]0.92665934132174[/C][C]0.146681317356520[/C][C]0.0733406586782598[/C][/ROW]
[ROW][C]43[/C][C]0.861958948889852[/C][C]0.276082102220296[/C][C]0.138041051110148[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=58162&T=5

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=58162&T=5

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Goldfeld-Quandt test for Heteroskedasticity
p-valuesAlternative Hypothesis
breakpoint indexgreater2-sidedless
170.6540371432637330.6919257134725350.345962856736267
180.7973492907207020.4053014185585950.202650709279297
190.793852541135720.4122949177285590.206147458864279
200.7764617233994210.4470765532011570.223538276600579
210.9062850407924490.1874299184151020.093714959207551
220.8502980517245170.2994038965509650.149701948275483
230.8938300193640360.2123399612719270.106169980635964
240.9949093727522040.01018125449559160.00509062724779578
250.9943746792641440.01125064147171110.00562532073585553
260.99808790752160.003824184956800650.00191209247840032
270.9969708506085340.006058298782931140.00302914939146557
280.9943670584933690.01126588301326230.00563294150663116
290.995166455820470.009667088359061850.00483354417953092
300.9932278459405740.01354430811885290.00677215405942646
310.991102829378040.01779434124392020.0088971706219601
320.988488555953360.02302288809327850.0115114440466393
330.9881814665456730.02363706690865380.0118185334543269
340.9775435877262430.04491282454751370.0224564122737569
350.9775772199288430.04484556014231480.0224227800711574
360.9743172204733450.05136555905330910.0256827795266546
370.9569486881844120.08610262363117580.0430513118155879
380.9479116879391570.1041766241216870.0520883120608433
390.93260181270780.1347963745844010.0673981872922007
400.918779260900230.1624414781995400.0812207390997702
410.9722450749800950.05550985003981080.0277549250199054
420.926659341321740.1466813173565200.0733406586782598
430.8619589488898520.2760821022202960.138041051110148






Meta Analysis of Goldfeld-Quandt test for Heteroskedasticity
Description# significant tests% significant testsOK/NOK
1% type I error level30.111111111111111NOK
5% type I error level120.444444444444444NOK
10% type I error level150.555555555555556NOK

\begin{tabular}{lllllllll}
\hline
Meta Analysis of Goldfeld-Quandt test for Heteroskedasticity \tabularnewline
Description & # significant tests & % significant tests & OK/NOK \tabularnewline
1% type I error level & 3 & 0.111111111111111 & NOK \tabularnewline
5% type I error level & 12 & 0.444444444444444 & NOK \tabularnewline
10% type I error level & 15 & 0.555555555555556 & NOK \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=58162&T=6

[TABLE]
[ROW][C]Meta Analysis of Goldfeld-Quandt test for Heteroskedasticity[/C][/ROW]
[ROW][C]Description[/C][C]# significant tests[/C][C]% significant tests[/C][C]OK/NOK[/C][/ROW]
[ROW][C]1% type I error level[/C][C]3[/C][C]0.111111111111111[/C][C]NOK[/C][/ROW]
[ROW][C]5% type I error level[/C][C]12[/C][C]0.444444444444444[/C][C]NOK[/C][/ROW]
[ROW][C]10% type I error level[/C][C]15[/C][C]0.555555555555556[/C][C]NOK[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=58162&T=6

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=58162&T=6

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Meta Analysis of Goldfeld-Quandt test for Heteroskedasticity
Description# significant tests% significant testsOK/NOK
1% type I error level30.111111111111111NOK
5% type I error level120.444444444444444NOK
10% type I error level150.555555555555556NOK


Figures (Output of Computation)

Figure 1
PNG link  
QR Code
Postscript link  
QR Code
PDF link  
QR Code


Figure 2
PNG link  
QR Code
Postscript link  
QR Code
PDF link  
QR Code


Figure 3
PNG link  
QR Code
Postscript link  
QR Code
PDF link  
QR Code


Figure 4
PNG link  
QR Code
Postscript link  
QR Code
PDF link  
QR Code


Figure 5
PNG link  
QR Code
Postscript link  
QR Code
PDF link  
QR Code


Figure 6
PNG link  
QR Code
Postscript link  
QR Code
PDF link  
QR Code


Figure 7
PNG link  
QR Code
Postscript link  
QR Code
PDF link  
QR Code


Figure 8
PNG link  
QR Code
Postscript link  
QR Code
PDF link  
QR Code


Figure 9
PNG link  
QR Code
Postscript link  
QR Code
PDF link  
QR Code


Figure 10
PNG link  
QR Code
Postscript link  
QR Code
PDF link  
QR Code


Input Parameters & R Code

Parameters (Session):
par1 = 1 ; par2 = Include Monthly Dummies ; par3 = Linear Trend ;
Parameters (R input):
par1 = 1 ; par2 = Include Monthly Dummies ; par3 = Linear Trend ;
R code (references can be found in the software module):
library(lattice)
library(lmtest)
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
k <- length(x[1,])
df <- as.data.frame(x)
(mylm <- lm(df))
(mysum <- summary(mylm))
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)$p.value
}
if (gqarr[mypoint-kp3+1,2] < 0.01) numsignificant1 <- numsignificant1 + 1
if (gqarr[mypoint-kp3+1,2] < 0.05) numsignificant5 <- numsignificant5 + 1
if (gqarr[mypoint-kp3+1,2] < 0.10) numsignificant10 <- numsignificant10 + 1
}
gqarr
}
bitmap(file='test0.png')
plot(x[,1], type='l', main='Actuals and Interpolation', ylab='value of Actuals and Interpolation (dots)', xlab='time or index')
points(x[,1]-mysum$resid)
grid()
dev.off()
bitmap(file='test1.png')
plot(mysum$resid, type='b', pch=19, main='Residuals', ylab='value of Residuals', xlab='time or index')
grid()
dev.off()
bitmap(file='test2.png')
hist(mysum$resid, main='Residual Histogram', xlab='values of Residuals')
grid()
dev.off()
bitmap(file='test3.png')
densityplot(~mysum$resid,col='black',main='Residual Density Plot', xlab='values of Residuals')
dev.off()
bitmap(file='test4.png')
qqnorm(mysum$resid, main='Residual Normal Q-Q Plot')
qqline(mysum$resid)
grid()
dev.off()
(myerror <- as.ts(mysum$resid))
bitmap(file='test5.png')
dum <- cbind(lag(myerror,k=1),myerror)
dum
dum1 <- dum[2:length(myerror),]
dum1
z <- as.data.frame(dum1)
z
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()
bitmap(file='test6.png')
acf(mysum$resid, lag.max=length(mysum$resid)/2, main='Residual Autocorrelation Function')
grid()
dev.off()
bitmap(file='test7.png')
pacf(mysum$resid, lag.max=length(mysum$resid)/2, main='Residual Partial Autocorrelation Function')
grid()
dev.off()
bitmap(file='test8.png')
opar <- par(mfrow = c(2,2), oma = c(0, 0, 1.1, 0))
plot(mylm, las = 1, sub='Residual Diagnostics')
par(opar)
dev.off()
if (n > n25) {
bitmap(file='test9.png')
plot(kp3:nmkm3,gqarr[,2], main='Goldfeld-Quandt test',ylab='2-sided p-value',xlab='breakpoint')
grid()
dev.off()
}
load(file='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$coefficients)[i] != 't') myeq <- paste(myeq, '[t]', sep='')
}
}
myeq <- paste(myeq, ' + e[t]')
a<-table.row.start(a)
a<-table.element(a, myeq)
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable1.tab')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,hyperlink('ols1.htm','Multiple Linear Regression - Ordinary Least Squares',''), 6, TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Variable',header=TRUE)
a<-table.element(a,'Parameter',header=TRUE)
a<-table.element(a,'S.D.',header=TRUE)
a<-table.element(a,'T-STAT
H0: parameter = 0',header=TRUE)
a<-table.element(a,'2-tail p-value',header=TRUE)
a<-table.element(a,'1-tail p-value',header=TRUE)
a<-table.row.end(a)
for (i in 1:k){
a<-table.row.start(a)
a<-table.element(a,rownames(mysum$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$coefficients[i,4]/2,6))
a<-table.row.end(a)
}
a<-table.end(a)
table.save(a,file='mytable2.tab')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a, 'Multiple Linear Regression - Regression Statistics', 2, TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'Multiple R',1,TRUE)
a<-table.element(a, sqrt(mysum$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$sigma)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'Sum Squared Residuals',1,TRUE)
a<-table.element(a, sum(myerror*myerror))
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable3.tab')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a, 'Multiple Linear Regression - Actuals, Interpolation, and Residuals', 4, TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'Time or Index', 1, TRUE)
a<-table.element(a, 'Actuals', 1, TRUE)
a<-table.element(a, 'Interpolation
Forecast', 1, TRUE)
a<-table.element(a, 'Residuals
Prediction Error', 1, TRUE)
a<-table.row.end(a)
for (i in 1:n) {
a<-table.row.start(a)
a<-table.element(a,i, 1, TRUE)
a<-table.element(a,x[i])
a<-table.element(a,x[i]-mysum$resid[i])
a<-table.element(a,mysum$resid[i])
a<-table.row.end(a)
}
a<-table.end(a)
table.save(a,file='mytable4.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='mytable5.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='mytable6.tab')
}