FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*The author of this computation has been verified*
R Software Modulerwasp_multipleregression.wasp
Title produced by softwareMultiple Regression
Date of computationSat, 14 Nov 2009 10:08:20 -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/14/t1258221017wbthwpcatf93ysw.htm/, Retrieved Fri, 28 Nov 2025 21:01:07 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=57245, Retrieved Fri, 28 Nov 2025 21:01:07 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact475

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]
- RMPD  [Multiple Regression] [Seatbelt] [2009-11-12 13:54:52] [b98453cac15ba1066b407e146608df68]
-    D      [Multiple Regression] [] [2009-11-14 17:08:20] [efd540d63f04881f500eb7fad70c8699] [Current]
-    D        [Multiple Regression] [] [2009-11-20 13:28:10] [74be16979710d4c4e7c6647856088456]
Feedback Forum

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
1.7	0
2.4	0
2.0	0
2.1	0
2.0	0
1.8	0
2.7	0
2.3	0
1.9	0
2.0	0
2.3	0
2.8	0
2.4	0
2.3	0
2.7	0
2.7	0
2.9	0
3.0	0
2.2	0
2.3	0
2.8	0
2.8	0
2.8	0
2.2	0
2.6	0
2.8	0
2.5	0
2.4	0
2.3	0
1.9	0
1.7	0
2.0	0
2.1	0
1.7	0
1.8	0
1.8	0
1.8	0
1.3	0
1.3	0
1.3	0
1.2	0
1.4	0
2.2	1
2.9	1
3.1	1
3.5	1
3.6	1
4.4	1
4.1	1
5.1	1
5.8	1
5.9	1
5.4	1
5.5	1
4.8	1
3.2	1
2.7	1
2.1	1
1.9	1
0.6	1

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time4 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 & 4 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=57245&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]4 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=57245&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=57245&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 time4 seconds
R Server'Gwilym Jenkins' @ 72.249.127.135






Multiple Linear Regression - Estimated Regression Equation
Y[t] = + 2.16666666666667 + 1.54444444444444X[t] + e[t]

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Estimated Regression Equation \tabularnewline
Y[t] =  +  2.16666666666667 +  1.54444444444444X[t]  + e[t] \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=57245&T=1

[TABLE]
[ROW][C]Multiple Linear Regression - Estimated Regression Equation[/C][/ROW]
[ROW][C]Y[t] =  +  2.16666666666667 +  1.54444444444444X[t]  + e[t][/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=57245&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=57245&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
Y[t] = + 2.16666666666667 + 1.54444444444444X[t] + e[t]






Multiple Linear Regression - Ordinary Least Squares
VariableParameterS.D.T-STATH0: parameter = 02-tail p-value1-tail p-value
(Intercept)2.166666666666670.14187215.27200
X1.544444444444440.2590225.962600

\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) & 2.16666666666667 & 0.141872 & 15.272 & 0 & 0 \tabularnewline
X & 1.54444444444444 & 0.259022 & 5.9626 & 0 & 0 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=57245&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]2.16666666666667[/C][C]0.141872[/C][C]15.272[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]X[/C][C]1.54444444444444[/C][C]0.259022[/C][C]5.9626[/C][C]0[/C][C]0[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=57245&T=2

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=57245&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)2.166666666666670.14187215.27200
X1.544444444444440.2590225.962600






Multiple Linear Regression - Regression Statistics
Multiple R0.616464054275514
R-squared0.380027930213804
Adjusted R-squared0.369338756596800
F-TEST (value)35.5526015228426
F-TEST (DF numerator)1
F-TEST (DF denominator)58
p-value1.57079274698546e-07
Multiple Linear Regression - Residual Statistics
Residual Standard Deviation0.919436775789575
Sum Squared Residuals49.0311111111111

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Regression Statistics \tabularnewline
Multiple R & 0.616464054275514 \tabularnewline
R-squared & 0.380027930213804 \tabularnewline
Adjusted R-squared & 0.369338756596800 \tabularnewline
F-TEST (value) & 35.5526015228426 \tabularnewline
F-TEST (DF numerator) & 1 \tabularnewline
F-TEST (DF denominator) & 58 \tabularnewline
p-value & 1.57079274698546e-07 \tabularnewline
Multiple Linear Regression - Residual Statistics \tabularnewline
Residual Standard Deviation & 0.919436775789575 \tabularnewline
Sum Squared Residuals & 49.0311111111111 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=57245&T=3

[TABLE]
[ROW][C]Multiple Linear Regression - Regression Statistics[/C][/ROW]
[ROW][C]Multiple R[/C][C]0.616464054275514[/C][/ROW]
[ROW][C]R-squared[/C][C]0.380027930213804[/C][/ROW]
[ROW][C]Adjusted R-squared[/C][C]0.369338756596800[/C][/ROW]
[ROW][C]F-TEST (value)[/C][C]35.5526015228426[/C][/ROW]
[ROW][C]F-TEST (DF numerator)[/C][C]1[/C][/ROW]
[ROW][C]F-TEST (DF denominator)[/C][C]58[/C][/ROW]
[ROW][C]p-value[/C][C]1.57079274698546e-07[/C][/ROW]
[ROW][C]Multiple Linear Regression - Residual Statistics[/C][/ROW]
[ROW][C]Residual Standard Deviation[/C][C]0.919436775789575[/C][/ROW]
[ROW][C]Sum Squared Residuals[/C][C]49.0311111111111[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=57245&T=3

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=57245&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 R0.616464054275514
R-squared0.380027930213804
Adjusted R-squared0.369338756596800
F-TEST (value)35.5526015228426
F-TEST (DF numerator)1
F-TEST (DF denominator)58
p-value1.57079274698546e-07
Multiple Linear Regression - Residual Statistics
Residual Standard Deviation0.919436775789575
Sum Squared Residuals49.0311111111111






Multiple Linear Regression - Actuals, Interpolation, and Residuals
Time or IndexActualsInterpolationForecastResidualsPrediction Error
11.72.16666666666668-0.466666666666677
22.42.166666666666670.233333333333335
322.16666666666667-0.166666666666666
42.12.16666666666667-0.0666666666666663
522.16666666666667-0.166666666666666
61.82.16666666666667-0.366666666666666
72.72.166666666666670.533333333333334
82.32.166666666666670.133333333333333
91.92.16666666666667-0.266666666666666
1022.16666666666667-0.166666666666666
112.32.166666666666670.133333333333333
122.82.166666666666670.633333333333333
132.42.166666666666670.233333333333334
142.32.166666666666670.133333333333333
152.72.166666666666670.533333333333334
162.72.166666666666670.533333333333334
172.92.166666666666670.733333333333333
1832.166666666666670.833333333333333
192.22.166666666666670.0333333333333338
202.32.166666666666670.133333333333333
212.82.166666666666670.633333333333333
222.82.166666666666670.633333333333333
232.82.166666666666670.633333333333333
242.22.166666666666670.0333333333333338
252.62.166666666666670.433333333333334
262.82.166666666666670.633333333333333
272.52.166666666666670.333333333333334
282.42.166666666666670.233333333333334
292.32.166666666666670.133333333333333
301.92.16666666666667-0.266666666666666
311.72.16666666666667-0.466666666666666
3222.16666666666667-0.166666666666666
332.12.16666666666667-0.0666666666666663
341.72.16666666666667-0.466666666666666
351.82.16666666666667-0.366666666666666
361.82.16666666666667-0.366666666666666
371.82.16666666666667-0.366666666666666
381.32.16666666666667-0.866666666666666
391.32.16666666666667-0.866666666666666
401.32.16666666666667-0.866666666666666
411.22.16666666666667-0.966666666666667
421.42.16666666666667-0.766666666666667
432.23.71111111111111-1.51111111111111
442.93.71111111111111-0.811111111111111
453.13.71111111111111-0.611111111111111
463.53.71111111111111-0.211111111111111
473.63.71111111111111-0.111111111111111
484.43.711111111111110.688888888888889
494.13.711111111111110.388888888888889
505.13.711111111111111.38888888888889
515.83.711111111111112.08888888888889
525.93.711111111111112.18888888888889
535.43.711111111111111.68888888888889
545.53.711111111111111.78888888888889
554.83.711111111111111.08888888888889
563.23.71111111111111-0.511111111111111
572.73.71111111111111-1.01111111111111
582.13.71111111111111-1.61111111111111
591.93.71111111111111-1.81111111111111
600.63.71111111111111-3.11111111111111

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Actuals, Interpolation, and Residuals \tabularnewline
Time or Index & Actuals & InterpolationForecast & ResidualsPrediction Error \tabularnewline
1 & 1.7 & 2.16666666666668 & -0.466666666666677 \tabularnewline
2 & 2.4 & 2.16666666666667 & 0.233333333333335 \tabularnewline
3 & 2 & 2.16666666666667 & -0.166666666666666 \tabularnewline
4 & 2.1 & 2.16666666666667 & -0.0666666666666663 \tabularnewline
5 & 2 & 2.16666666666667 & -0.166666666666666 \tabularnewline
6 & 1.8 & 2.16666666666667 & -0.366666666666666 \tabularnewline
7 & 2.7 & 2.16666666666667 & 0.533333333333334 \tabularnewline
8 & 2.3 & 2.16666666666667 & 0.133333333333333 \tabularnewline
9 & 1.9 & 2.16666666666667 & -0.266666666666666 \tabularnewline
10 & 2 & 2.16666666666667 & -0.166666666666666 \tabularnewline
11 & 2.3 & 2.16666666666667 & 0.133333333333333 \tabularnewline
12 & 2.8 & 2.16666666666667 & 0.633333333333333 \tabularnewline
13 & 2.4 & 2.16666666666667 & 0.233333333333334 \tabularnewline
14 & 2.3 & 2.16666666666667 & 0.133333333333333 \tabularnewline
15 & 2.7 & 2.16666666666667 & 0.533333333333334 \tabularnewline
16 & 2.7 & 2.16666666666667 & 0.533333333333334 \tabularnewline
17 & 2.9 & 2.16666666666667 & 0.733333333333333 \tabularnewline
18 & 3 & 2.16666666666667 & 0.833333333333333 \tabularnewline
19 & 2.2 & 2.16666666666667 & 0.0333333333333338 \tabularnewline
20 & 2.3 & 2.16666666666667 & 0.133333333333333 \tabularnewline
21 & 2.8 & 2.16666666666667 & 0.633333333333333 \tabularnewline
22 & 2.8 & 2.16666666666667 & 0.633333333333333 \tabularnewline
23 & 2.8 & 2.16666666666667 & 0.633333333333333 \tabularnewline
24 & 2.2 & 2.16666666666667 & 0.0333333333333338 \tabularnewline
25 & 2.6 & 2.16666666666667 & 0.433333333333334 \tabularnewline
26 & 2.8 & 2.16666666666667 & 0.633333333333333 \tabularnewline
27 & 2.5 & 2.16666666666667 & 0.333333333333334 \tabularnewline
28 & 2.4 & 2.16666666666667 & 0.233333333333334 \tabularnewline
29 & 2.3 & 2.16666666666667 & 0.133333333333333 \tabularnewline
30 & 1.9 & 2.16666666666667 & -0.266666666666666 \tabularnewline
31 & 1.7 & 2.16666666666667 & -0.466666666666666 \tabularnewline
32 & 2 & 2.16666666666667 & -0.166666666666666 \tabularnewline
33 & 2.1 & 2.16666666666667 & -0.0666666666666663 \tabularnewline
34 & 1.7 & 2.16666666666667 & -0.466666666666666 \tabularnewline
35 & 1.8 & 2.16666666666667 & -0.366666666666666 \tabularnewline
36 & 1.8 & 2.16666666666667 & -0.366666666666666 \tabularnewline
37 & 1.8 & 2.16666666666667 & -0.366666666666666 \tabularnewline
38 & 1.3 & 2.16666666666667 & -0.866666666666666 \tabularnewline
39 & 1.3 & 2.16666666666667 & -0.866666666666666 \tabularnewline
40 & 1.3 & 2.16666666666667 & -0.866666666666666 \tabularnewline
41 & 1.2 & 2.16666666666667 & -0.966666666666667 \tabularnewline
42 & 1.4 & 2.16666666666667 & -0.766666666666667 \tabularnewline
43 & 2.2 & 3.71111111111111 & -1.51111111111111 \tabularnewline
44 & 2.9 & 3.71111111111111 & -0.811111111111111 \tabularnewline
45 & 3.1 & 3.71111111111111 & -0.611111111111111 \tabularnewline
46 & 3.5 & 3.71111111111111 & -0.211111111111111 \tabularnewline
47 & 3.6 & 3.71111111111111 & -0.111111111111111 \tabularnewline
48 & 4.4 & 3.71111111111111 & 0.688888888888889 \tabularnewline
49 & 4.1 & 3.71111111111111 & 0.388888888888889 \tabularnewline
50 & 5.1 & 3.71111111111111 & 1.38888888888889 \tabularnewline
51 & 5.8 & 3.71111111111111 & 2.08888888888889 \tabularnewline
52 & 5.9 & 3.71111111111111 & 2.18888888888889 \tabularnewline
53 & 5.4 & 3.71111111111111 & 1.68888888888889 \tabularnewline
54 & 5.5 & 3.71111111111111 & 1.78888888888889 \tabularnewline
55 & 4.8 & 3.71111111111111 & 1.08888888888889 \tabularnewline
56 & 3.2 & 3.71111111111111 & -0.511111111111111 \tabularnewline
57 & 2.7 & 3.71111111111111 & -1.01111111111111 \tabularnewline
58 & 2.1 & 3.71111111111111 & -1.61111111111111 \tabularnewline
59 & 1.9 & 3.71111111111111 & -1.81111111111111 \tabularnewline
60 & 0.6 & 3.71111111111111 & -3.11111111111111 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=57245&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]1.7[/C][C]2.16666666666668[/C][C]-0.466666666666677[/C][/ROW]
[ROW][C]2[/C][C]2.4[/C][C]2.16666666666667[/C][C]0.233333333333335[/C][/ROW]
[ROW][C]3[/C][C]2[/C][C]2.16666666666667[/C][C]-0.166666666666666[/C][/ROW]
[ROW][C]4[/C][C]2.1[/C][C]2.16666666666667[/C][C]-0.0666666666666663[/C][/ROW]
[ROW][C]5[/C][C]2[/C][C]2.16666666666667[/C][C]-0.166666666666666[/C][/ROW]
[ROW][C]6[/C][C]1.8[/C][C]2.16666666666667[/C][C]-0.366666666666666[/C][/ROW]
[ROW][C]7[/C][C]2.7[/C][C]2.16666666666667[/C][C]0.533333333333334[/C][/ROW]
[ROW][C]8[/C][C]2.3[/C][C]2.16666666666667[/C][C]0.133333333333333[/C][/ROW]
[ROW][C]9[/C][C]1.9[/C][C]2.16666666666667[/C][C]-0.266666666666666[/C][/ROW]
[ROW][C]10[/C][C]2[/C][C]2.16666666666667[/C][C]-0.166666666666666[/C][/ROW]
[ROW][C]11[/C][C]2.3[/C][C]2.16666666666667[/C][C]0.133333333333333[/C][/ROW]
[ROW][C]12[/C][C]2.8[/C][C]2.16666666666667[/C][C]0.633333333333333[/C][/ROW]
[ROW][C]13[/C][C]2.4[/C][C]2.16666666666667[/C][C]0.233333333333334[/C][/ROW]
[ROW][C]14[/C][C]2.3[/C][C]2.16666666666667[/C][C]0.133333333333333[/C][/ROW]
[ROW][C]15[/C][C]2.7[/C][C]2.16666666666667[/C][C]0.533333333333334[/C][/ROW]
[ROW][C]16[/C][C]2.7[/C][C]2.16666666666667[/C][C]0.533333333333334[/C][/ROW]
[ROW][C]17[/C][C]2.9[/C][C]2.16666666666667[/C][C]0.733333333333333[/C][/ROW]
[ROW][C]18[/C][C]3[/C][C]2.16666666666667[/C][C]0.833333333333333[/C][/ROW]
[ROW][C]19[/C][C]2.2[/C][C]2.16666666666667[/C][C]0.0333333333333338[/C][/ROW]
[ROW][C]20[/C][C]2.3[/C][C]2.16666666666667[/C][C]0.133333333333333[/C][/ROW]
[ROW][C]21[/C][C]2.8[/C][C]2.16666666666667[/C][C]0.633333333333333[/C][/ROW]
[ROW][C]22[/C][C]2.8[/C][C]2.16666666666667[/C][C]0.633333333333333[/C][/ROW]
[ROW][C]23[/C][C]2.8[/C][C]2.16666666666667[/C][C]0.633333333333333[/C][/ROW]
[ROW][C]24[/C][C]2.2[/C][C]2.16666666666667[/C][C]0.0333333333333338[/C][/ROW]
[ROW][C]25[/C][C]2.6[/C][C]2.16666666666667[/C][C]0.433333333333334[/C][/ROW]
[ROW][C]26[/C][C]2.8[/C][C]2.16666666666667[/C][C]0.633333333333333[/C][/ROW]
[ROW][C]27[/C][C]2.5[/C][C]2.16666666666667[/C][C]0.333333333333334[/C][/ROW]
[ROW][C]28[/C][C]2.4[/C][C]2.16666666666667[/C][C]0.233333333333334[/C][/ROW]
[ROW][C]29[/C][C]2.3[/C][C]2.16666666666667[/C][C]0.133333333333333[/C][/ROW]
[ROW][C]30[/C][C]1.9[/C][C]2.16666666666667[/C][C]-0.266666666666666[/C][/ROW]
[ROW][C]31[/C][C]1.7[/C][C]2.16666666666667[/C][C]-0.466666666666666[/C][/ROW]
[ROW][C]32[/C][C]2[/C][C]2.16666666666667[/C][C]-0.166666666666666[/C][/ROW]
[ROW][C]33[/C][C]2.1[/C][C]2.16666666666667[/C][C]-0.0666666666666663[/C][/ROW]
[ROW][C]34[/C][C]1.7[/C][C]2.16666666666667[/C][C]-0.466666666666666[/C][/ROW]
[ROW][C]35[/C][C]1.8[/C][C]2.16666666666667[/C][C]-0.366666666666666[/C][/ROW]
[ROW][C]36[/C][C]1.8[/C][C]2.16666666666667[/C][C]-0.366666666666666[/C][/ROW]
[ROW][C]37[/C][C]1.8[/C][C]2.16666666666667[/C][C]-0.366666666666666[/C][/ROW]
[ROW][C]38[/C][C]1.3[/C][C]2.16666666666667[/C][C]-0.866666666666666[/C][/ROW]
[ROW][C]39[/C][C]1.3[/C][C]2.16666666666667[/C][C]-0.866666666666666[/C][/ROW]
[ROW][C]40[/C][C]1.3[/C][C]2.16666666666667[/C][C]-0.866666666666666[/C][/ROW]
[ROW][C]41[/C][C]1.2[/C][C]2.16666666666667[/C][C]-0.966666666666667[/C][/ROW]
[ROW][C]42[/C][C]1.4[/C][C]2.16666666666667[/C][C]-0.766666666666667[/C][/ROW]
[ROW][C]43[/C][C]2.2[/C][C]3.71111111111111[/C][C]-1.51111111111111[/C][/ROW]
[ROW][C]44[/C][C]2.9[/C][C]3.71111111111111[/C][C]-0.811111111111111[/C][/ROW]
[ROW][C]45[/C][C]3.1[/C][C]3.71111111111111[/C][C]-0.611111111111111[/C][/ROW]
[ROW][C]46[/C][C]3.5[/C][C]3.71111111111111[/C][C]-0.211111111111111[/C][/ROW]
[ROW][C]47[/C][C]3.6[/C][C]3.71111111111111[/C][C]-0.111111111111111[/C][/ROW]
[ROW][C]48[/C][C]4.4[/C][C]3.71111111111111[/C][C]0.688888888888889[/C][/ROW]
[ROW][C]49[/C][C]4.1[/C][C]3.71111111111111[/C][C]0.388888888888889[/C][/ROW]
[ROW][C]50[/C][C]5.1[/C][C]3.71111111111111[/C][C]1.38888888888889[/C][/ROW]
[ROW][C]51[/C][C]5.8[/C][C]3.71111111111111[/C][C]2.08888888888889[/C][/ROW]
[ROW][C]52[/C][C]5.9[/C][C]3.71111111111111[/C][C]2.18888888888889[/C][/ROW]
[ROW][C]53[/C][C]5.4[/C][C]3.71111111111111[/C][C]1.68888888888889[/C][/ROW]
[ROW][C]54[/C][C]5.5[/C][C]3.71111111111111[/C][C]1.78888888888889[/C][/ROW]
[ROW][C]55[/C][C]4.8[/C][C]3.71111111111111[/C][C]1.08888888888889[/C][/ROW]
[ROW][C]56[/C][C]3.2[/C][C]3.71111111111111[/C][C]-0.511111111111111[/C][/ROW]
[ROW][C]57[/C][C]2.7[/C][C]3.71111111111111[/C][C]-1.01111111111111[/C][/ROW]
[ROW][C]58[/C][C]2.1[/C][C]3.71111111111111[/C][C]-1.61111111111111[/C][/ROW]
[ROW][C]59[/C][C]1.9[/C][C]3.71111111111111[/C][C]-1.81111111111111[/C][/ROW]
[ROW][C]60[/C][C]0.6[/C][C]3.71111111111111[/C][C]-3.11111111111111[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=57245&T=4

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=57245&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
11.72.16666666666668-0.466666666666677
22.42.166666666666670.233333333333335
322.16666666666667-0.166666666666666
42.12.16666666666667-0.0666666666666663
522.16666666666667-0.166666666666666
61.82.16666666666667-0.366666666666666
72.72.166666666666670.533333333333334
82.32.166666666666670.133333333333333
91.92.16666666666667-0.266666666666666
1022.16666666666667-0.166666666666666
112.32.166666666666670.133333333333333
122.82.166666666666670.633333333333333
132.42.166666666666670.233333333333334
142.32.166666666666670.133333333333333
152.72.166666666666670.533333333333334
162.72.166666666666670.533333333333334
172.92.166666666666670.733333333333333
1832.166666666666670.833333333333333
192.22.166666666666670.0333333333333338
202.32.166666666666670.133333333333333
212.82.166666666666670.633333333333333
222.82.166666666666670.633333333333333
232.82.166666666666670.633333333333333
242.22.166666666666670.0333333333333338
252.62.166666666666670.433333333333334
262.82.166666666666670.633333333333333
272.52.166666666666670.333333333333334
282.42.166666666666670.233333333333334
292.32.166666666666670.133333333333333
301.92.16666666666667-0.266666666666666
311.72.16666666666667-0.466666666666666
3222.16666666666667-0.166666666666666
332.12.16666666666667-0.0666666666666663
341.72.16666666666667-0.466666666666666
351.82.16666666666667-0.366666666666666
361.82.16666666666667-0.366666666666666
371.82.16666666666667-0.366666666666666
381.32.16666666666667-0.866666666666666
391.32.16666666666667-0.866666666666666
401.32.16666666666667-0.866666666666666
411.22.16666666666667-0.966666666666667
421.42.16666666666667-0.766666666666667
432.23.71111111111111-1.51111111111111
442.93.71111111111111-0.811111111111111
453.13.71111111111111-0.611111111111111
463.53.71111111111111-0.211111111111111
473.63.71111111111111-0.111111111111111
484.43.711111111111110.688888888888889
494.13.711111111111110.388888888888889
505.13.711111111111111.38888888888889
515.83.711111111111112.08888888888889
525.93.711111111111112.18888888888889
535.43.711111111111111.68888888888889
545.53.711111111111111.78888888888889
554.83.711111111111111.08888888888889
563.23.71111111111111-0.511111111111111
572.73.71111111111111-1.01111111111111
582.13.71111111111111-1.61111111111111
591.93.71111111111111-1.81111111111111
600.63.71111111111111-3.11111111111111






Goldfeld-Quandt test for Heteroskedasticity
p-valuesAlternative Hypothesis
breakpoint indexgreater2-sidedless
50.03555393983812460.07110787967624920.964446060161875
60.01196132865832570.02392265731665150.988038671341674
70.02152151348653140.04304302697306270.978478486513469
80.008109662390062120.01621932478012420.991890337609938
90.003070921487990740.006141842975981480.99692907851201
100.0009656503092837630.001931300618567530.999034349690716
110.0003350978052230250.0006701956104460510.999664902194777
120.0006197614721945230.001239522944389050.999380238527805
130.0002400562885922280.0004801125771844560.999759943711408
147.82059646811041e-050.0001564119293622080.99992179403532
156.19581445815772e-050.0001239162891631540.999938041855418
164.27222488289728e-058.54444976579457e-050.99995727775117
175.24807815046808e-050.0001049615630093620.999947519218495
187.43649367009166e-050.0001487298734018330.9999256350633
192.77190027485567e-055.54380054971134e-050.999972280997251
209.62046405866445e-061.92409281173289e-050.999990379535941
216.60022930476170e-061.32004586095234e-050.999993399770695
224.32718946312074e-068.65437892624147e-060.999995672810537
232.7502829735711e-065.5005659471422e-060.999997249717026
241.02457615234377e-062.04915230468755e-060.999998975423848
254.27923453876952e-078.55846907753903e-070.999999572076546
262.75203579537826e-075.50407159075653e-070.99999972479642
271.02373765388622e-072.04747530777244e-070.999999897626235
283.56522286269114e-087.13044572538227e-080.999999964347771
291.23351528831673e-082.46703057663345e-080.999999987664847
308.06740475703565e-091.61348095140713e-080.999999991932595
319.33327206354531e-091.86665441270906e-080.999999990666728
324.21456154547106e-098.42912309094211e-090.999999995785438
331.61961907412169e-093.23923814824339e-090.99999999838038
341.47837906404544e-092.95675812809088e-090.99999999852162
359.12215174161096e-101.82443034832219e-090.999999999087785
365.33550099445203e-101.06710019889041e-090.99999999946645
373.00206087096422e-106.00412174192843e-100.999999999699794
387.84637061668678e-101.56927412333736e-090.999999999215363
391.43683535146829e-092.87367070293658e-090.999999998563165
402.03100604567757e-094.06201209135515e-090.999999997968994
413.18455023517559e-096.36910047035117e-090.99999999681545
422.41091734900582e-094.82183469801164e-090.999999997589083
431.84720646969842e-093.69441293939685e-090.999999998152794
441.11675141153569e-092.23350282307137e-090.999999998883249
455.59576968585801e-101.11915393717160e-090.999999999440423
463.20800352217768e-106.41600704435536e-100.9999999996792
471.53281084133218e-103.06562168266436e-100.999999999846719
483.30318492637441e-106.60636985274882e-100.999999999669682
491.74186145022686e-103.48372290045372e-100.999999999825814
501.44629334463682e-092.89258668927363e-090.999999998553707
511.02162151978543e-072.04324303957086e-070.999999897837848
525.05731225889118e-061.01146245177824e-050.99999494268774
534.83224476678953e-059.66448953357906e-050.999951677552332
540.002296011608690690.004592023217381370.99770398839131
550.06883418191276320.1376683638255260.931165818087237

\begin{tabular}{lllllllll}
\hline
Goldfeld-Quandt test for Heteroskedasticity \tabularnewline
p-values & Alternative Hypothesis \tabularnewline
breakpoint index & greater & 2-sided & less \tabularnewline
5 & 0.0355539398381246 & 0.0711078796762492 & 0.964446060161875 \tabularnewline
6 & 0.0119613286583257 & 0.0239226573166515 & 0.988038671341674 \tabularnewline
7 & 0.0215215134865314 & 0.0430430269730627 & 0.978478486513469 \tabularnewline
8 & 0.00810966239006212 & 0.0162193247801242 & 0.991890337609938 \tabularnewline
9 & 0.00307092148799074 & 0.00614184297598148 & 0.99692907851201 \tabularnewline
10 & 0.000965650309283763 & 0.00193130061856753 & 0.999034349690716 \tabularnewline
11 & 0.000335097805223025 & 0.000670195610446051 & 0.999664902194777 \tabularnewline
12 & 0.000619761472194523 & 0.00123952294438905 & 0.999380238527805 \tabularnewline
13 & 0.000240056288592228 & 0.000480112577184456 & 0.999759943711408 \tabularnewline
14 & 7.82059646811041e-05 & 0.000156411929362208 & 0.99992179403532 \tabularnewline
15 & 6.19581445815772e-05 & 0.000123916289163154 & 0.999938041855418 \tabularnewline
16 & 4.27222488289728e-05 & 8.54444976579457e-05 & 0.99995727775117 \tabularnewline
17 & 5.24807815046808e-05 & 0.000104961563009362 & 0.999947519218495 \tabularnewline
18 & 7.43649367009166e-05 & 0.000148729873401833 & 0.9999256350633 \tabularnewline
19 & 2.77190027485567e-05 & 5.54380054971134e-05 & 0.999972280997251 \tabularnewline
20 & 9.62046405866445e-06 & 1.92409281173289e-05 & 0.999990379535941 \tabularnewline
21 & 6.60022930476170e-06 & 1.32004586095234e-05 & 0.999993399770695 \tabularnewline
22 & 4.32718946312074e-06 & 8.65437892624147e-06 & 0.999995672810537 \tabularnewline
23 & 2.7502829735711e-06 & 5.5005659471422e-06 & 0.999997249717026 \tabularnewline
24 & 1.02457615234377e-06 & 2.04915230468755e-06 & 0.999998975423848 \tabularnewline
25 & 4.27923453876952e-07 & 8.55846907753903e-07 & 0.999999572076546 \tabularnewline
26 & 2.75203579537826e-07 & 5.50407159075653e-07 & 0.99999972479642 \tabularnewline
27 & 1.02373765388622e-07 & 2.04747530777244e-07 & 0.999999897626235 \tabularnewline
28 & 3.56522286269114e-08 & 7.13044572538227e-08 & 0.999999964347771 \tabularnewline
29 & 1.23351528831673e-08 & 2.46703057663345e-08 & 0.999999987664847 \tabularnewline
30 & 8.06740475703565e-09 & 1.61348095140713e-08 & 0.999999991932595 \tabularnewline
31 & 9.33327206354531e-09 & 1.86665441270906e-08 & 0.999999990666728 \tabularnewline
32 & 4.21456154547106e-09 & 8.42912309094211e-09 & 0.999999995785438 \tabularnewline
33 & 1.61961907412169e-09 & 3.23923814824339e-09 & 0.99999999838038 \tabularnewline
34 & 1.47837906404544e-09 & 2.95675812809088e-09 & 0.99999999852162 \tabularnewline
35 & 9.12215174161096e-10 & 1.82443034832219e-09 & 0.999999999087785 \tabularnewline
36 & 5.33550099445203e-10 & 1.06710019889041e-09 & 0.99999999946645 \tabularnewline
37 & 3.00206087096422e-10 & 6.00412174192843e-10 & 0.999999999699794 \tabularnewline
38 & 7.84637061668678e-10 & 1.56927412333736e-09 & 0.999999999215363 \tabularnewline
39 & 1.43683535146829e-09 & 2.87367070293658e-09 & 0.999999998563165 \tabularnewline
40 & 2.03100604567757e-09 & 4.06201209135515e-09 & 0.999999997968994 \tabularnewline
41 & 3.18455023517559e-09 & 6.36910047035117e-09 & 0.99999999681545 \tabularnewline
42 & 2.41091734900582e-09 & 4.82183469801164e-09 & 0.999999997589083 \tabularnewline
43 & 1.84720646969842e-09 & 3.69441293939685e-09 & 0.999999998152794 \tabularnewline
44 & 1.11675141153569e-09 & 2.23350282307137e-09 & 0.999999998883249 \tabularnewline
45 & 5.59576968585801e-10 & 1.11915393717160e-09 & 0.999999999440423 \tabularnewline
46 & 3.20800352217768e-10 & 6.41600704435536e-10 & 0.9999999996792 \tabularnewline
47 & 1.53281084133218e-10 & 3.06562168266436e-10 & 0.999999999846719 \tabularnewline
48 & 3.30318492637441e-10 & 6.60636985274882e-10 & 0.999999999669682 \tabularnewline
49 & 1.74186145022686e-10 & 3.48372290045372e-10 & 0.999999999825814 \tabularnewline
50 & 1.44629334463682e-09 & 2.89258668927363e-09 & 0.999999998553707 \tabularnewline
51 & 1.02162151978543e-07 & 2.04324303957086e-07 & 0.999999897837848 \tabularnewline
52 & 5.05731225889118e-06 & 1.01146245177824e-05 & 0.99999494268774 \tabularnewline
53 & 4.83224476678953e-05 & 9.66448953357906e-05 & 0.999951677552332 \tabularnewline
54 & 0.00229601160869069 & 0.00459202321738137 & 0.99770398839131 \tabularnewline
55 & 0.0688341819127632 & 0.137668363825526 & 0.931165818087237 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=57245&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]5[/C][C]0.0355539398381246[/C][C]0.0711078796762492[/C][C]0.964446060161875[/C][/ROW]
[ROW][C]6[/C][C]0.0119613286583257[/C][C]0.0239226573166515[/C][C]0.988038671341674[/C][/ROW]
[ROW][C]7[/C][C]0.0215215134865314[/C][C]0.0430430269730627[/C][C]0.978478486513469[/C][/ROW]
[ROW][C]8[/C][C]0.00810966239006212[/C][C]0.0162193247801242[/C][C]0.991890337609938[/C][/ROW]
[ROW][C]9[/C][C]0.00307092148799074[/C][C]0.00614184297598148[/C][C]0.99692907851201[/C][/ROW]
[ROW][C]10[/C][C]0.000965650309283763[/C][C]0.00193130061856753[/C][C]0.999034349690716[/C][/ROW]
[ROW][C]11[/C][C]0.000335097805223025[/C][C]0.000670195610446051[/C][C]0.999664902194777[/C][/ROW]
[ROW][C]12[/C][C]0.000619761472194523[/C][C]0.00123952294438905[/C][C]0.999380238527805[/C][/ROW]
[ROW][C]13[/C][C]0.000240056288592228[/C][C]0.000480112577184456[/C][C]0.999759943711408[/C][/ROW]
[ROW][C]14[/C][C]7.82059646811041e-05[/C][C]0.000156411929362208[/C][C]0.99992179403532[/C][/ROW]
[ROW][C]15[/C][C]6.19581445815772e-05[/C][C]0.000123916289163154[/C][C]0.999938041855418[/C][/ROW]
[ROW][C]16[/C][C]4.27222488289728e-05[/C][C]8.54444976579457e-05[/C][C]0.99995727775117[/C][/ROW]
[ROW][C]17[/C][C]5.24807815046808e-05[/C][C]0.000104961563009362[/C][C]0.999947519218495[/C][/ROW]
[ROW][C]18[/C][C]7.43649367009166e-05[/C][C]0.000148729873401833[/C][C]0.9999256350633[/C][/ROW]
[ROW][C]19[/C][C]2.77190027485567e-05[/C][C]5.54380054971134e-05[/C][C]0.999972280997251[/C][/ROW]
[ROW][C]20[/C][C]9.62046405866445e-06[/C][C]1.92409281173289e-05[/C][C]0.999990379535941[/C][/ROW]
[ROW][C]21[/C][C]6.60022930476170e-06[/C][C]1.32004586095234e-05[/C][C]0.999993399770695[/C][/ROW]
[ROW][C]22[/C][C]4.32718946312074e-06[/C][C]8.65437892624147e-06[/C][C]0.999995672810537[/C][/ROW]
[ROW][C]23[/C][C]2.7502829735711e-06[/C][C]5.5005659471422e-06[/C][C]0.999997249717026[/C][/ROW]
[ROW][C]24[/C][C]1.02457615234377e-06[/C][C]2.04915230468755e-06[/C][C]0.999998975423848[/C][/ROW]
[ROW][C]25[/C][C]4.27923453876952e-07[/C][C]8.55846907753903e-07[/C][C]0.999999572076546[/C][/ROW]
[ROW][C]26[/C][C]2.75203579537826e-07[/C][C]5.50407159075653e-07[/C][C]0.99999972479642[/C][/ROW]
[ROW][C]27[/C][C]1.02373765388622e-07[/C][C]2.04747530777244e-07[/C][C]0.999999897626235[/C][/ROW]
[ROW][C]28[/C][C]3.56522286269114e-08[/C][C]7.13044572538227e-08[/C][C]0.999999964347771[/C][/ROW]
[ROW][C]29[/C][C]1.23351528831673e-08[/C][C]2.46703057663345e-08[/C][C]0.999999987664847[/C][/ROW]
[ROW][C]30[/C][C]8.06740475703565e-09[/C][C]1.61348095140713e-08[/C][C]0.999999991932595[/C][/ROW]
[ROW][C]31[/C][C]9.33327206354531e-09[/C][C]1.86665441270906e-08[/C][C]0.999999990666728[/C][/ROW]
[ROW][C]32[/C][C]4.21456154547106e-09[/C][C]8.42912309094211e-09[/C][C]0.999999995785438[/C][/ROW]
[ROW][C]33[/C][C]1.61961907412169e-09[/C][C]3.23923814824339e-09[/C][C]0.99999999838038[/C][/ROW]
[ROW][C]34[/C][C]1.47837906404544e-09[/C][C]2.95675812809088e-09[/C][C]0.99999999852162[/C][/ROW]
[ROW][C]35[/C][C]9.12215174161096e-10[/C][C]1.82443034832219e-09[/C][C]0.999999999087785[/C][/ROW]
[ROW][C]36[/C][C]5.33550099445203e-10[/C][C]1.06710019889041e-09[/C][C]0.99999999946645[/C][/ROW]
[ROW][C]37[/C][C]3.00206087096422e-10[/C][C]6.00412174192843e-10[/C][C]0.999999999699794[/C][/ROW]
[ROW][C]38[/C][C]7.84637061668678e-10[/C][C]1.56927412333736e-09[/C][C]0.999999999215363[/C][/ROW]
[ROW][C]39[/C][C]1.43683535146829e-09[/C][C]2.87367070293658e-09[/C][C]0.999999998563165[/C][/ROW]
[ROW][C]40[/C][C]2.03100604567757e-09[/C][C]4.06201209135515e-09[/C][C]0.999999997968994[/C][/ROW]
[ROW][C]41[/C][C]3.18455023517559e-09[/C][C]6.36910047035117e-09[/C][C]0.99999999681545[/C][/ROW]
[ROW][C]42[/C][C]2.41091734900582e-09[/C][C]4.82183469801164e-09[/C][C]0.999999997589083[/C][/ROW]
[ROW][C]43[/C][C]1.84720646969842e-09[/C][C]3.69441293939685e-09[/C][C]0.999999998152794[/C][/ROW]
[ROW][C]44[/C][C]1.11675141153569e-09[/C][C]2.23350282307137e-09[/C][C]0.999999998883249[/C][/ROW]
[ROW][C]45[/C][C]5.59576968585801e-10[/C][C]1.11915393717160e-09[/C][C]0.999999999440423[/C][/ROW]
[ROW][C]46[/C][C]3.20800352217768e-10[/C][C]6.41600704435536e-10[/C][C]0.9999999996792[/C][/ROW]
[ROW][C]47[/C][C]1.53281084133218e-10[/C][C]3.06562168266436e-10[/C][C]0.999999999846719[/C][/ROW]
[ROW][C]48[/C][C]3.30318492637441e-10[/C][C]6.60636985274882e-10[/C][C]0.999999999669682[/C][/ROW]
[ROW][C]49[/C][C]1.74186145022686e-10[/C][C]3.48372290045372e-10[/C][C]0.999999999825814[/C][/ROW]
[ROW][C]50[/C][C]1.44629334463682e-09[/C][C]2.89258668927363e-09[/C][C]0.999999998553707[/C][/ROW]
[ROW][C]51[/C][C]1.02162151978543e-07[/C][C]2.04324303957086e-07[/C][C]0.999999897837848[/C][/ROW]
[ROW][C]52[/C][C]5.05731225889118e-06[/C][C]1.01146245177824e-05[/C][C]0.99999494268774[/C][/ROW]
[ROW][C]53[/C][C]4.83224476678953e-05[/C][C]9.66448953357906e-05[/C][C]0.999951677552332[/C][/ROW]
[ROW][C]54[/C][C]0.00229601160869069[/C][C]0.00459202321738137[/C][C]0.99770398839131[/C][/ROW]
[ROW][C]55[/C][C]0.0688341819127632[/C][C]0.137668363825526[/C][C]0.931165818087237[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=57245&T=5

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=57245&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
50.03555393983812460.07110787967624920.964446060161875
60.01196132865832570.02392265731665150.988038671341674
70.02152151348653140.04304302697306270.978478486513469
80.008109662390062120.01621932478012420.991890337609938
90.003070921487990740.006141842975981480.99692907851201
100.0009656503092837630.001931300618567530.999034349690716
110.0003350978052230250.0006701956104460510.999664902194777
120.0006197614721945230.001239522944389050.999380238527805
130.0002400562885922280.0004801125771844560.999759943711408
147.82059646811041e-050.0001564119293622080.99992179403532
156.19581445815772e-050.0001239162891631540.999938041855418
164.27222488289728e-058.54444976579457e-050.99995727775117
175.24807815046808e-050.0001049615630093620.999947519218495
187.43649367009166e-050.0001487298734018330.9999256350633
192.77190027485567e-055.54380054971134e-050.999972280997251
209.62046405866445e-061.92409281173289e-050.999990379535941
216.60022930476170e-061.32004586095234e-050.999993399770695
224.32718946312074e-068.65437892624147e-060.999995672810537
232.7502829735711e-065.5005659471422e-060.999997249717026
241.02457615234377e-062.04915230468755e-060.999998975423848
254.27923453876952e-078.55846907753903e-070.999999572076546
262.75203579537826e-075.50407159075653e-070.99999972479642
271.02373765388622e-072.04747530777244e-070.999999897626235
283.56522286269114e-087.13044572538227e-080.999999964347771
291.23351528831673e-082.46703057663345e-080.999999987664847
308.06740475703565e-091.61348095140713e-080.999999991932595
319.33327206354531e-091.86665441270906e-080.999999990666728
324.21456154547106e-098.42912309094211e-090.999999995785438
331.61961907412169e-093.23923814824339e-090.99999999838038
341.47837906404544e-092.95675812809088e-090.99999999852162
359.12215174161096e-101.82443034832219e-090.999999999087785
365.33550099445203e-101.06710019889041e-090.99999999946645
373.00206087096422e-106.00412174192843e-100.999999999699794
387.84637061668678e-101.56927412333736e-090.999999999215363
391.43683535146829e-092.87367070293658e-090.999999998563165
402.03100604567757e-094.06201209135515e-090.999999997968994
413.18455023517559e-096.36910047035117e-090.99999999681545
422.41091734900582e-094.82183469801164e-090.999999997589083
431.84720646969842e-093.69441293939685e-090.999999998152794
441.11675141153569e-092.23350282307137e-090.999999998883249
455.59576968585801e-101.11915393717160e-090.999999999440423
463.20800352217768e-106.41600704435536e-100.9999999996792
471.53281084133218e-103.06562168266436e-100.999999999846719
483.30318492637441e-106.60636985274882e-100.999999999669682
491.74186145022686e-103.48372290045372e-100.999999999825814
501.44629334463682e-092.89258668927363e-090.999999998553707
511.02162151978543e-072.04324303957086e-070.999999897837848
525.05731225889118e-061.01146245177824e-050.99999494268774
534.83224476678953e-059.66448953357906e-050.999951677552332
540.002296011608690690.004592023217381370.99770398839131
550.06883418191276320.1376683638255260.931165818087237






Meta Analysis of Goldfeld-Quandt test for Heteroskedasticity
Description# significant tests% significant testsOK/NOK
1% type I error level460.901960784313726NOK
5% type I error level490.96078431372549NOK
10% type I error level500.980392156862745NOK

\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 & 46 & 0.901960784313726 & NOK \tabularnewline
5% type I error level & 49 & 0.96078431372549 & NOK \tabularnewline
10% type I error level & 50 & 0.980392156862745 & NOK \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=57245&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]46[/C][C]0.901960784313726[/C][C]NOK[/C][/ROW]
[ROW][C]5% type I error level[/C][C]49[/C][C]0.96078431372549[/C][C]NOK[/C][/ROW]
[ROW][C]10% type I error level[/C][C]50[/C][C]0.980392156862745[/C][C]NOK[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=57245&T=6

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=57245&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 level460.901960784313726NOK
5% type I error level490.96078431372549NOK
10% type I error level500.980392156862745NOK


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 = Do not include Seasonal Dummies ; par3 = No Linear Trend ;
Parameters (R input):
par1 = 1 ; par2 = Do not include Seasonal Dummies ; par3 = No 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')
}