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 computationFri, 20 Nov 2009 11:21:40 -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/t1258741622jeoztnkku3tlwb5.htm/, Retrieved Fri, 19 Apr 2024 13:56:22 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=58394, Retrieved Fri, 19 Apr 2024 13:56:22 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact103

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]
- R  D      [Multiple Regression] [] [2009-11-20 18:21:40] [d1856923bab8a0db5ebd860815c7444f] [Current]
Feedback Forum

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
3,2	1
1,9	1
0	1
0,6	1
0,2	1
0,9	1
2,4	1
4,7	1
9,4	1
12,5	1
15,8	1
18,2	1
16,8	0
17,3	0
19,3	0
17,9	0
20,2	0
18,7	0
20,1	0
18,2	0
18,4	0
18,2	0
18,9	0
19,9	0
21,3	0
20	0
19,5	0
19,6	0
20,9	0
21	0
19,9	0
19,6	0
20,9	0
21,7	0
22,9	0
21,5	0
21,3	0
23,5	0
21,6	0
24,5	0
22,2	0
23,5	0
20,9	0
20,7	0
18,1	0
17,1	0
14,8	0
13,8	0
15,2	0
16	0
17,6	0
15	0
15	0
16,3	0
19,4	0
21,3	0
20,5	0
21,1	0
21,6	0
22,6	0

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=58394&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=58394&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=58394&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
Y[t] = + 22.3375 -13.9750000000000X[t] -3.74465277777777M1[t] -3.5551388888889M2[t] -3.68562499999999M3[t] -3.7561111111111M4[t] -3.56659722222222M5[t] -3.17708333333333M6[t] -2.70756944444444M7[t] -2.33805555555555M8[t] -1.76854166666666M9[t] -1.09902777777777M10[t] -0.409513888888884M11[t] -0.00951388888888879t + e[t]

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Estimated Regression Equation \tabularnewline
Y[t] =  +  22.3375 -13.9750000000000X[t] -3.74465277777777M1[t] -3.5551388888889M2[t] -3.68562499999999M3[t] -3.7561111111111M4[t] -3.56659722222222M5[t] -3.17708333333333M6[t] -2.70756944444444M7[t] -2.33805555555555M8[t] -1.76854166666666M9[t] -1.09902777777777M10[t] -0.409513888888884M11[t] -0.00951388888888879t  + e[t] \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=58394&T=1

[TABLE]
[ROW][C]Multiple Linear Regression - Estimated Regression Equation[/C][/ROW]
[ROW][C]Y[t] =  +  22.3375 -13.9750000000000X[t] -3.74465277777777M1[t] -3.5551388888889M2[t] -3.68562499999999M3[t] -3.7561111111111M4[t] -3.56659722222222M5[t] -3.17708333333333M6[t] -2.70756944444444M7[t] -2.33805555555555M8[t] -1.76854166666666M9[t] -1.09902777777777M10[t] -0.409513888888884M11[t] -0.00951388888888879t  + e[t][/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=58394&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=58394&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] = + 22.3375 -13.9750000000000X[t] -3.74465277777777M1[t] -3.5551388888889M2[t] -3.68562499999999M3[t] -3.7561111111111M4[t] -3.56659722222222M5[t] -3.17708333333333M6[t] -2.70756944444444M7[t] -2.33805555555555M8[t] -1.76854166666666M9[t] -1.09902777777777M10[t] -0.409513888888884M11[t] -0.00951388888888879t + e[t]






Multiple Linear Regression - Ordinary Least Squares
VariableParameterS.D.T-STATH0: parameter = 02-tail p-value1-tail p-value
(Intercept)22.33752.4193469.232900
X-13.97500000000001.728104-8.086900
M1-3.744652777777772.436089-1.53720.1311050.065553
M2-3.55513888888892.428928-1.46370.1500860.075043
M3-3.685624999999992.42243-1.52150.134990.067495
M4-3.75611111111112.416602-1.55430.1269680.063484
M5-3.566597222222222.411447-1.4790.1459490.072974
M6-3.177083333333332.406971-1.320.1933830.096691
M7-2.707569444444442.403177-1.12670.2657280.132864
M8-2.338055555555552.400068-0.97420.3350710.167536
M9-1.768541666666662.397648-0.73760.4644940.232247
M10-1.099027777777772.395917-0.45870.6486030.324302
M11-0.4095138888888842.394878-0.1710.8649770.432489
t-0.009513888888888790.040732-0.23360.8163520.408176

\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) & 22.3375 & 2.419346 & 9.2329 & 0 & 0 \tabularnewline
X & -13.9750000000000 & 1.728104 & -8.0869 & 0 & 0 \tabularnewline
M1 & -3.74465277777777 & 2.436089 & -1.5372 & 0.131105 & 0.065553 \tabularnewline
M2 & -3.5551388888889 & 2.428928 & -1.4637 & 0.150086 & 0.075043 \tabularnewline
M3 & -3.68562499999999 & 2.42243 & -1.5215 & 0.13499 & 0.067495 \tabularnewline
M4 & -3.7561111111111 & 2.416602 & -1.5543 & 0.126968 & 0.063484 \tabularnewline
M5 & -3.56659722222222 & 2.411447 & -1.479 & 0.145949 & 0.072974 \tabularnewline
M6 & -3.17708333333333 & 2.406971 & -1.32 & 0.193383 & 0.096691 \tabularnewline
M7 & -2.70756944444444 & 2.403177 & -1.1267 & 0.265728 & 0.132864 \tabularnewline
M8 & -2.33805555555555 & 2.400068 & -0.9742 & 0.335071 & 0.167536 \tabularnewline
M9 & -1.76854166666666 & 2.397648 & -0.7376 & 0.464494 & 0.232247 \tabularnewline
M10 & -1.09902777777777 & 2.395917 & -0.4587 & 0.648603 & 0.324302 \tabularnewline
M11 & -0.409513888888884 & 2.394878 & -0.171 & 0.864977 & 0.432489 \tabularnewline
t & -0.00951388888888879 & 0.040732 & -0.2336 & 0.816352 & 0.408176 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=58394&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]22.3375[/C][C]2.419346[/C][C]9.2329[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]X[/C][C]-13.9750000000000[/C][C]1.728104[/C][C]-8.0869[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]M1[/C][C]-3.74465277777777[/C][C]2.436089[/C][C]-1.5372[/C][C]0.131105[/C][C]0.065553[/C][/ROW]
[ROW][C]M2[/C][C]-3.5551388888889[/C][C]2.428928[/C][C]-1.4637[/C][C]0.150086[/C][C]0.075043[/C][/ROW]
[ROW][C]M3[/C][C]-3.68562499999999[/C][C]2.42243[/C][C]-1.5215[/C][C]0.13499[/C][C]0.067495[/C][/ROW]
[ROW][C]M4[/C][C]-3.7561111111111[/C][C]2.416602[/C][C]-1.5543[/C][C]0.126968[/C][C]0.063484[/C][/ROW]
[ROW][C]M5[/C][C]-3.56659722222222[/C][C]2.411447[/C][C]-1.479[/C][C]0.145949[/C][C]0.072974[/C][/ROW]
[ROW][C]M6[/C][C]-3.17708333333333[/C][C]2.406971[/C][C]-1.32[/C][C]0.193383[/C][C]0.096691[/C][/ROW]
[ROW][C]M7[/C][C]-2.70756944444444[/C][C]2.403177[/C][C]-1.1267[/C][C]0.265728[/C][C]0.132864[/C][/ROW]
[ROW][C]M8[/C][C]-2.33805555555555[/C][C]2.400068[/C][C]-0.9742[/C][C]0.335071[/C][C]0.167536[/C][/ROW]
[ROW][C]M9[/C][C]-1.76854166666666[/C][C]2.397648[/C][C]-0.7376[/C][C]0.464494[/C][C]0.232247[/C][/ROW]
[ROW][C]M10[/C][C]-1.09902777777777[/C][C]2.395917[/C][C]-0.4587[/C][C]0.648603[/C][C]0.324302[/C][/ROW]
[ROW][C]M11[/C][C]-0.409513888888884[/C][C]2.394878[/C][C]-0.171[/C][C]0.864977[/C][C]0.432489[/C][/ROW]
[ROW][C]t[/C][C]-0.00951388888888879[/C][C]0.040732[/C][C]-0.2336[/C][C]0.816352[/C][C]0.408176[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=58394&T=2

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=58394&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)22.33752.4193469.232900
X-13.97500000000001.728104-8.086900
M1-3.744652777777772.436089-1.53720.1311050.065553
M2-3.55513888888892.428928-1.46370.1500860.075043
M3-3.685624999999992.42243-1.52150.134990.067495
M4-3.75611111111112.416602-1.55430.1269680.063484
M5-3.566597222222222.411447-1.4790.1459490.072974
M6-3.177083333333332.406971-1.320.1933830.096691
M7-2.707569444444442.403177-1.12670.2657280.132864
M8-2.338055555555552.400068-0.97420.3350710.167536
M9-1.768541666666662.397648-0.73760.4644940.232247
M10-1.099027777777772.395917-0.45870.6486030.324302
M11-0.4095138888888842.394878-0.1710.8649770.432489
t-0.009513888888888790.040732-0.23360.8163520.408176






Multiple Linear Regression - Regression Statistics
Multiple R0.861444261613593
R-squared0.742086215866989
Adjusted R-squared0.669197537742442
F-TEST (value)10.1810903278966
F-TEST (DF numerator)13
F-TEST (DF denominator)46
p-value1.34445365951308e-09
Multiple Linear Regression - Residual Statistics
Residual Standard Deviation3.78608699188819
Sum Squared Residuals659.384916666667

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Regression Statistics \tabularnewline
Multiple R & 0.861444261613593 \tabularnewline
R-squared & 0.742086215866989 \tabularnewline
Adjusted R-squared & 0.669197537742442 \tabularnewline
F-TEST (value) & 10.1810903278966 \tabularnewline
F-TEST (DF numerator) & 13 \tabularnewline
F-TEST (DF denominator) & 46 \tabularnewline
p-value & 1.34445365951308e-09 \tabularnewline
Multiple Linear Regression - Residual Statistics \tabularnewline
Residual Standard Deviation & 3.78608699188819 \tabularnewline
Sum Squared Residuals & 659.384916666667 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=58394&T=3

[TABLE]
[ROW][C]Multiple Linear Regression - Regression Statistics[/C][/ROW]
[ROW][C]Multiple R[/C][C]0.861444261613593[/C][/ROW]
[ROW][C]R-squared[/C][C]0.742086215866989[/C][/ROW]
[ROW][C]Adjusted R-squared[/C][C]0.669197537742442[/C][/ROW]
[ROW][C]F-TEST (value)[/C][C]10.1810903278966[/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]1.34445365951308e-09[/C][/ROW]
[ROW][C]Multiple Linear Regression - Residual Statistics[/C][/ROW]
[ROW][C]Residual Standard Deviation[/C][C]3.78608699188819[/C][/ROW]
[ROW][C]Sum Squared Residuals[/C][C]659.384916666667[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=58394&T=3

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=58394&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 R0.861444261613593
R-squared0.742086215866989
Adjusted R-squared0.669197537742442
F-TEST (value)10.1810903278966
F-TEST (DF numerator)13
F-TEST (DF denominator)46
p-value1.34445365951308e-09
Multiple Linear Regression - Residual Statistics
Residual Standard Deviation3.78608699188819
Sum Squared Residuals659.384916666667






Multiple Linear Regression - Actuals, Interpolation, and Residuals
Time or IndexActualsInterpolationForecastResidualsPrediction Error
13.24.60833333333334-1.40833333333334
21.94.78833333333339-2.88833333333339
304.64833333333333-4.64833333333333
40.64.56833333333332-3.96833333333332
50.24.74833333333334-4.54833333333334
60.95.12833333333333-4.22833333333333
72.45.58833333333333-3.18833333333333
84.75.94833333333333-1.24833333333333
99.46.508333333333322.89166666666668
1012.57.168333333333325.33166666666668
1115.87.848333333333337.95166666666667
1218.28.248333333333339.95166666666667
1316.818.4691666666667-1.66916666666667
1417.318.6491666666666-1.34916666666665
1519.318.50916666666670.790833333333333
1617.918.4291666666667-0.529166666666668
1720.218.60916666666671.59083333333333
1818.718.9891666666667-0.289166666666666
1920.119.44916666666670.650833333333336
2018.219.8091666666667-1.60916666666667
2118.420.3691666666667-1.96916666666667
2218.221.0291666666667-2.82916666666667
2318.921.7091666666667-2.80916666666667
2419.922.1091666666667-2.20916666666666
2521.318.3552.94500000000001
262018.5351.46500000000001
2719.518.3951.10500000000000
2819.618.3151.285
2920.918.4952.405
302118.8752.125
3119.919.3350.564999999999999
3219.619.695-0.0950000000000018
3320.920.2550.644999999999995
3421.720.9150.785
3522.921.5951.30500000000000
3621.521.995-0.494999999999995
3721.318.24083333333333.05916666666667
3823.518.42083333333335.07916666666668
3921.618.28083333333333.31916666666667
4024.518.20083333333336.29916666666666
4122.218.38083333333333.81916666666666
4223.518.76083333333334.73916666666666
4320.919.22083333333331.67916666666666
4420.719.58083333333331.11916666666666
4518.120.1408333333333-2.04083333333334
4617.120.8008333333333-3.70083333333333
4714.821.4808333333333-6.68083333333333
4813.821.8808333333333-8.08083333333333
4915.218.1266666666667-2.92666666666666
501618.3066666666667-2.30666666666665
5117.618.1666666666667-0.56666666666667
521518.0866666666667-3.08666666666667
531518.2666666666667-3.26666666666667
5416.318.6466666666667-2.34666666666667
5519.419.10666666666670.293333333333328
5621.319.46666666666671.83333333333333
5720.520.02666666666670.473333333333327
5821.120.68666666666670.413333333333332
5921.621.36666666666670.23333333333333
6022.621.76666666666670.833333333333337

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Actuals, Interpolation, and Residuals \tabularnewline
Time or Index & Actuals & InterpolationForecast & ResidualsPrediction Error \tabularnewline
1 & 3.2 & 4.60833333333334 & -1.40833333333334 \tabularnewline
2 & 1.9 & 4.78833333333339 & -2.88833333333339 \tabularnewline
3 & 0 & 4.64833333333333 & -4.64833333333333 \tabularnewline
4 & 0.6 & 4.56833333333332 & -3.96833333333332 \tabularnewline
5 & 0.2 & 4.74833333333334 & -4.54833333333334 \tabularnewline
6 & 0.9 & 5.12833333333333 & -4.22833333333333 \tabularnewline
7 & 2.4 & 5.58833333333333 & -3.18833333333333 \tabularnewline
8 & 4.7 & 5.94833333333333 & -1.24833333333333 \tabularnewline
9 & 9.4 & 6.50833333333332 & 2.89166666666668 \tabularnewline
10 & 12.5 & 7.16833333333332 & 5.33166666666668 \tabularnewline
11 & 15.8 & 7.84833333333333 & 7.95166666666667 \tabularnewline
12 & 18.2 & 8.24833333333333 & 9.95166666666667 \tabularnewline
13 & 16.8 & 18.4691666666667 & -1.66916666666667 \tabularnewline
14 & 17.3 & 18.6491666666666 & -1.34916666666665 \tabularnewline
15 & 19.3 & 18.5091666666667 & 0.790833333333333 \tabularnewline
16 & 17.9 & 18.4291666666667 & -0.529166666666668 \tabularnewline
17 & 20.2 & 18.6091666666667 & 1.59083333333333 \tabularnewline
18 & 18.7 & 18.9891666666667 & -0.289166666666666 \tabularnewline
19 & 20.1 & 19.4491666666667 & 0.650833333333336 \tabularnewline
20 & 18.2 & 19.8091666666667 & -1.60916666666667 \tabularnewline
21 & 18.4 & 20.3691666666667 & -1.96916666666667 \tabularnewline
22 & 18.2 & 21.0291666666667 & -2.82916666666667 \tabularnewline
23 & 18.9 & 21.7091666666667 & -2.80916666666667 \tabularnewline
24 & 19.9 & 22.1091666666667 & -2.20916666666666 \tabularnewline
25 & 21.3 & 18.355 & 2.94500000000001 \tabularnewline
26 & 20 & 18.535 & 1.46500000000001 \tabularnewline
27 & 19.5 & 18.395 & 1.10500000000000 \tabularnewline
28 & 19.6 & 18.315 & 1.285 \tabularnewline
29 & 20.9 & 18.495 & 2.405 \tabularnewline
30 & 21 & 18.875 & 2.125 \tabularnewline
31 & 19.9 & 19.335 & 0.564999999999999 \tabularnewline
32 & 19.6 & 19.695 & -0.0950000000000018 \tabularnewline
33 & 20.9 & 20.255 & 0.644999999999995 \tabularnewline
34 & 21.7 & 20.915 & 0.785 \tabularnewline
35 & 22.9 & 21.595 & 1.30500000000000 \tabularnewline
36 & 21.5 & 21.995 & -0.494999999999995 \tabularnewline
37 & 21.3 & 18.2408333333333 & 3.05916666666667 \tabularnewline
38 & 23.5 & 18.4208333333333 & 5.07916666666668 \tabularnewline
39 & 21.6 & 18.2808333333333 & 3.31916666666667 \tabularnewline
40 & 24.5 & 18.2008333333333 & 6.29916666666666 \tabularnewline
41 & 22.2 & 18.3808333333333 & 3.81916666666666 \tabularnewline
42 & 23.5 & 18.7608333333333 & 4.73916666666666 \tabularnewline
43 & 20.9 & 19.2208333333333 & 1.67916666666666 \tabularnewline
44 & 20.7 & 19.5808333333333 & 1.11916666666666 \tabularnewline
45 & 18.1 & 20.1408333333333 & -2.04083333333334 \tabularnewline
46 & 17.1 & 20.8008333333333 & -3.70083333333333 \tabularnewline
47 & 14.8 & 21.4808333333333 & -6.68083333333333 \tabularnewline
48 & 13.8 & 21.8808333333333 & -8.08083333333333 \tabularnewline
49 & 15.2 & 18.1266666666667 & -2.92666666666666 \tabularnewline
50 & 16 & 18.3066666666667 & -2.30666666666665 \tabularnewline
51 & 17.6 & 18.1666666666667 & -0.56666666666667 \tabularnewline
52 & 15 & 18.0866666666667 & -3.08666666666667 \tabularnewline
53 & 15 & 18.2666666666667 & -3.26666666666667 \tabularnewline
54 & 16.3 & 18.6466666666667 & -2.34666666666667 \tabularnewline
55 & 19.4 & 19.1066666666667 & 0.293333333333328 \tabularnewline
56 & 21.3 & 19.4666666666667 & 1.83333333333333 \tabularnewline
57 & 20.5 & 20.0266666666667 & 0.473333333333327 \tabularnewline
58 & 21.1 & 20.6866666666667 & 0.413333333333332 \tabularnewline
59 & 21.6 & 21.3666666666667 & 0.23333333333333 \tabularnewline
60 & 22.6 & 21.7666666666667 & 0.833333333333337 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=58394&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]3.2[/C][C]4.60833333333334[/C][C]-1.40833333333334[/C][/ROW]
[ROW][C]2[/C][C]1.9[/C][C]4.78833333333339[/C][C]-2.88833333333339[/C][/ROW]
[ROW][C]3[/C][C]0[/C][C]4.64833333333333[/C][C]-4.64833333333333[/C][/ROW]
[ROW][C]4[/C][C]0.6[/C][C]4.56833333333332[/C][C]-3.96833333333332[/C][/ROW]
[ROW][C]5[/C][C]0.2[/C][C]4.74833333333334[/C][C]-4.54833333333334[/C][/ROW]
[ROW][C]6[/C][C]0.9[/C][C]5.12833333333333[/C][C]-4.22833333333333[/C][/ROW]
[ROW][C]7[/C][C]2.4[/C][C]5.58833333333333[/C][C]-3.18833333333333[/C][/ROW]
[ROW][C]8[/C][C]4.7[/C][C]5.94833333333333[/C][C]-1.24833333333333[/C][/ROW]
[ROW][C]9[/C][C]9.4[/C][C]6.50833333333332[/C][C]2.89166666666668[/C][/ROW]
[ROW][C]10[/C][C]12.5[/C][C]7.16833333333332[/C][C]5.33166666666668[/C][/ROW]
[ROW][C]11[/C][C]15.8[/C][C]7.84833333333333[/C][C]7.95166666666667[/C][/ROW]
[ROW][C]12[/C][C]18.2[/C][C]8.24833333333333[/C][C]9.95166666666667[/C][/ROW]
[ROW][C]13[/C][C]16.8[/C][C]18.4691666666667[/C][C]-1.66916666666667[/C][/ROW]
[ROW][C]14[/C][C]17.3[/C][C]18.6491666666666[/C][C]-1.34916666666665[/C][/ROW]
[ROW][C]15[/C][C]19.3[/C][C]18.5091666666667[/C][C]0.790833333333333[/C][/ROW]
[ROW][C]16[/C][C]17.9[/C][C]18.4291666666667[/C][C]-0.529166666666668[/C][/ROW]
[ROW][C]17[/C][C]20.2[/C][C]18.6091666666667[/C][C]1.59083333333333[/C][/ROW]
[ROW][C]18[/C][C]18.7[/C][C]18.9891666666667[/C][C]-0.289166666666666[/C][/ROW]
[ROW][C]19[/C][C]20.1[/C][C]19.4491666666667[/C][C]0.650833333333336[/C][/ROW]
[ROW][C]20[/C][C]18.2[/C][C]19.8091666666667[/C][C]-1.60916666666667[/C][/ROW]
[ROW][C]21[/C][C]18.4[/C][C]20.3691666666667[/C][C]-1.96916666666667[/C][/ROW]
[ROW][C]22[/C][C]18.2[/C][C]21.0291666666667[/C][C]-2.82916666666667[/C][/ROW]
[ROW][C]23[/C][C]18.9[/C][C]21.7091666666667[/C][C]-2.80916666666667[/C][/ROW]
[ROW][C]24[/C][C]19.9[/C][C]22.1091666666667[/C][C]-2.20916666666666[/C][/ROW]
[ROW][C]25[/C][C]21.3[/C][C]18.355[/C][C]2.94500000000001[/C][/ROW]
[ROW][C]26[/C][C]20[/C][C]18.535[/C][C]1.46500000000001[/C][/ROW]
[ROW][C]27[/C][C]19.5[/C][C]18.395[/C][C]1.10500000000000[/C][/ROW]
[ROW][C]28[/C][C]19.6[/C][C]18.315[/C][C]1.285[/C][/ROW]
[ROW][C]29[/C][C]20.9[/C][C]18.495[/C][C]2.405[/C][/ROW]
[ROW][C]30[/C][C]21[/C][C]18.875[/C][C]2.125[/C][/ROW]
[ROW][C]31[/C][C]19.9[/C][C]19.335[/C][C]0.564999999999999[/C][/ROW]
[ROW][C]32[/C][C]19.6[/C][C]19.695[/C][C]-0.0950000000000018[/C][/ROW]
[ROW][C]33[/C][C]20.9[/C][C]20.255[/C][C]0.644999999999995[/C][/ROW]
[ROW][C]34[/C][C]21.7[/C][C]20.915[/C][C]0.785[/C][/ROW]
[ROW][C]35[/C][C]22.9[/C][C]21.595[/C][C]1.30500000000000[/C][/ROW]
[ROW][C]36[/C][C]21.5[/C][C]21.995[/C][C]-0.494999999999995[/C][/ROW]
[ROW][C]37[/C][C]21.3[/C][C]18.2408333333333[/C][C]3.05916666666667[/C][/ROW]
[ROW][C]38[/C][C]23.5[/C][C]18.4208333333333[/C][C]5.07916666666668[/C][/ROW]
[ROW][C]39[/C][C]21.6[/C][C]18.2808333333333[/C][C]3.31916666666667[/C][/ROW]
[ROW][C]40[/C][C]24.5[/C][C]18.2008333333333[/C][C]6.29916666666666[/C][/ROW]
[ROW][C]41[/C][C]22.2[/C][C]18.3808333333333[/C][C]3.81916666666666[/C][/ROW]
[ROW][C]42[/C][C]23.5[/C][C]18.7608333333333[/C][C]4.73916666666666[/C][/ROW]
[ROW][C]43[/C][C]20.9[/C][C]19.2208333333333[/C][C]1.67916666666666[/C][/ROW]
[ROW][C]44[/C][C]20.7[/C][C]19.5808333333333[/C][C]1.11916666666666[/C][/ROW]
[ROW][C]45[/C][C]18.1[/C][C]20.1408333333333[/C][C]-2.04083333333334[/C][/ROW]
[ROW][C]46[/C][C]17.1[/C][C]20.8008333333333[/C][C]-3.70083333333333[/C][/ROW]
[ROW][C]47[/C][C]14.8[/C][C]21.4808333333333[/C][C]-6.68083333333333[/C][/ROW]
[ROW][C]48[/C][C]13.8[/C][C]21.8808333333333[/C][C]-8.08083333333333[/C][/ROW]
[ROW][C]49[/C][C]15.2[/C][C]18.1266666666667[/C][C]-2.92666666666666[/C][/ROW]
[ROW][C]50[/C][C]16[/C][C]18.3066666666667[/C][C]-2.30666666666665[/C][/ROW]
[ROW][C]51[/C][C]17.6[/C][C]18.1666666666667[/C][C]-0.56666666666667[/C][/ROW]
[ROW][C]52[/C][C]15[/C][C]18.0866666666667[/C][C]-3.08666666666667[/C][/ROW]
[ROW][C]53[/C][C]15[/C][C]18.2666666666667[/C][C]-3.26666666666667[/C][/ROW]
[ROW][C]54[/C][C]16.3[/C][C]18.6466666666667[/C][C]-2.34666666666667[/C][/ROW]
[ROW][C]55[/C][C]19.4[/C][C]19.1066666666667[/C][C]0.293333333333328[/C][/ROW]
[ROW][C]56[/C][C]21.3[/C][C]19.4666666666667[/C][C]1.83333333333333[/C][/ROW]
[ROW][C]57[/C][C]20.5[/C][C]20.0266666666667[/C][C]0.473333333333327[/C][/ROW]
[ROW][C]58[/C][C]21.1[/C][C]20.6866666666667[/C][C]0.413333333333332[/C][/ROW]
[ROW][C]59[/C][C]21.6[/C][C]21.3666666666667[/C][C]0.23333333333333[/C][/ROW]
[ROW][C]60[/C][C]22.6[/C][C]21.7666666666667[/C][C]0.833333333333337[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=58394&T=4

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=58394&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
13.24.60833333333334-1.40833333333334
21.94.78833333333339-2.88833333333339
304.64833333333333-4.64833333333333
40.64.56833333333332-3.96833333333332
50.24.74833333333334-4.54833333333334
60.95.12833333333333-4.22833333333333
72.45.58833333333333-3.18833333333333
84.75.94833333333333-1.24833333333333
99.46.508333333333322.89166666666668
1012.57.168333333333325.33166666666668
1115.87.848333333333337.95166666666667
1218.28.248333333333339.95166666666667
1316.818.4691666666667-1.66916666666667
1417.318.6491666666666-1.34916666666665
1519.318.50916666666670.790833333333333
1617.918.4291666666667-0.529166666666668
1720.218.60916666666671.59083333333333
1818.718.9891666666667-0.289166666666666
1920.119.44916666666670.650833333333336
2018.219.8091666666667-1.60916666666667
2118.420.3691666666667-1.96916666666667
2218.221.0291666666667-2.82916666666667
2318.921.7091666666667-2.80916666666667
2419.922.1091666666667-2.20916666666666
2521.318.3552.94500000000001
262018.5351.46500000000001
2719.518.3951.10500000000000
2819.618.3151.285
2920.918.4952.405
302118.8752.125
3119.919.3350.564999999999999
3219.619.695-0.0950000000000018
3320.920.2550.644999999999995
3421.720.9150.785
3522.921.5951.30500000000000
3621.521.995-0.494999999999995
3721.318.24083333333333.05916666666667
3823.518.42083333333335.07916666666668
3921.618.28083333333333.31916666666667
4024.518.20083333333336.29916666666666
4122.218.38083333333333.81916666666666
4223.518.76083333333334.73916666666666
4320.919.22083333333331.67916666666666
4420.719.58083333333331.11916666666666
4518.120.1408333333333-2.04083333333334
4617.120.8008333333333-3.70083333333333
4714.821.4808333333333-6.68083333333333
4813.821.8808333333333-8.08083333333333
4915.218.1266666666667-2.92666666666666
501618.3066666666667-2.30666666666665
5117.618.1666666666667-0.56666666666667
521518.0866666666667-3.08666666666667
531518.2666666666667-3.26666666666667
5416.318.6466666666667-2.34666666666667
5519.419.10666666666670.293333333333328
5621.319.46666666666671.83333333333333
5720.520.02666666666670.473333333333327
5821.120.68666666666670.413333333333332
5921.621.36666666666670.23333333333333
6022.621.76666666666670.833333333333337






Goldfeld-Quandt test for Heteroskedasticity
p-valuesAlternative Hypothesis
breakpoint indexgreater2-sidedless
170.3198893408862160.6397786817724320.680110659113784
180.1779401862461230.3558803724922460.822059813753877
190.0882419809798880.1764839619597760.911758019020112
200.0970823753835110.1941647507670220.902917624616489
210.3144670419543940.6289340839087870.685532958045606
220.6481448794409640.7037102411180720.351855120559036
230.8574469014035780.2851061971928440.142553098596422
240.9320132973202970.1359734053594070.0679867026797034
250.8916833109852330.2166333780295340.108316689014767
260.8379519119573060.3240961760853870.162048088042694
270.7732140344134030.4535719311731950.226785965586597
280.6970228742566050.605954251486790.302977125743395
290.6023063727828390.7953872544343220.397693627217161
300.5039171332590120.9921657334819750.496082866740988
310.4236812408533550.847362481706710.576318759146645
320.3701797070559410.7403594141118820.629820292944059
330.296855314807720.593710629615440.70314468519228
340.2302576467037220.4605152934074440.769742353296278
350.1809621619408260.3619243238816520.819037838059174
360.1621214390953890.3242428781907790.83787856090461
370.1229059595738880.2458119191477760.877094040426112
380.1150906546432110.2301813092864230.884909345356789
390.07710606196933040.1542121239386610.92289393803067
400.1349698679506070.2699397359012150.865030132049393
410.1982979937676940.3965959875353890.801702006232306
420.4902248989087520.9804497978175040.509775101091248
430.554654625220320.8906907495593610.445345374779681

\begin{tabular}{lllllllll}
\hline
Goldfeld-Quandt test for Heteroskedasticity \tabularnewline
p-values & Alternative Hypothesis \tabularnewline
breakpoint index & greater & 2-sided & less \tabularnewline
17 & 0.319889340886216 & 0.639778681772432 & 0.680110659113784 \tabularnewline
18 & 0.177940186246123 & 0.355880372492246 & 0.822059813753877 \tabularnewline
19 & 0.088241980979888 & 0.176483961959776 & 0.911758019020112 \tabularnewline
20 & 0.097082375383511 & 0.194164750767022 & 0.902917624616489 \tabularnewline
21 & 0.314467041954394 & 0.628934083908787 & 0.685532958045606 \tabularnewline
22 & 0.648144879440964 & 0.703710241118072 & 0.351855120559036 \tabularnewline
23 & 0.857446901403578 & 0.285106197192844 & 0.142553098596422 \tabularnewline
24 & 0.932013297320297 & 0.135973405359407 & 0.0679867026797034 \tabularnewline
25 & 0.891683310985233 & 0.216633378029534 & 0.108316689014767 \tabularnewline
26 & 0.837951911957306 & 0.324096176085387 & 0.162048088042694 \tabularnewline
27 & 0.773214034413403 & 0.453571931173195 & 0.226785965586597 \tabularnewline
28 & 0.697022874256605 & 0.60595425148679 & 0.302977125743395 \tabularnewline
29 & 0.602306372782839 & 0.795387254434322 & 0.397693627217161 \tabularnewline
30 & 0.503917133259012 & 0.992165733481975 & 0.496082866740988 \tabularnewline
31 & 0.423681240853355 & 0.84736248170671 & 0.576318759146645 \tabularnewline
32 & 0.370179707055941 & 0.740359414111882 & 0.629820292944059 \tabularnewline
33 & 0.29685531480772 & 0.59371062961544 & 0.70314468519228 \tabularnewline
34 & 0.230257646703722 & 0.460515293407444 & 0.769742353296278 \tabularnewline
35 & 0.180962161940826 & 0.361924323881652 & 0.819037838059174 \tabularnewline
36 & 0.162121439095389 & 0.324242878190779 & 0.83787856090461 \tabularnewline
37 & 0.122905959573888 & 0.245811919147776 & 0.877094040426112 \tabularnewline
38 & 0.115090654643211 & 0.230181309286423 & 0.884909345356789 \tabularnewline
39 & 0.0771060619693304 & 0.154212123938661 & 0.92289393803067 \tabularnewline
40 & 0.134969867950607 & 0.269939735901215 & 0.865030132049393 \tabularnewline
41 & 0.198297993767694 & 0.396595987535389 & 0.801702006232306 \tabularnewline
42 & 0.490224898908752 & 0.980449797817504 & 0.509775101091248 \tabularnewline
43 & 0.55465462522032 & 0.890690749559361 & 0.445345374779681 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=58394&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]0.319889340886216[/C][C]0.639778681772432[/C][C]0.680110659113784[/C][/ROW]
[ROW][C]18[/C][C]0.177940186246123[/C][C]0.355880372492246[/C][C]0.822059813753877[/C][/ROW]
[ROW][C]19[/C][C]0.088241980979888[/C][C]0.176483961959776[/C][C]0.911758019020112[/C][/ROW]
[ROW][C]20[/C][C]0.097082375383511[/C][C]0.194164750767022[/C][C]0.902917624616489[/C][/ROW]
[ROW][C]21[/C][C]0.314467041954394[/C][C]0.628934083908787[/C][C]0.685532958045606[/C][/ROW]
[ROW][C]22[/C][C]0.648144879440964[/C][C]0.703710241118072[/C][C]0.351855120559036[/C][/ROW]
[ROW][C]23[/C][C]0.857446901403578[/C][C]0.285106197192844[/C][C]0.142553098596422[/C][/ROW]
[ROW][C]24[/C][C]0.932013297320297[/C][C]0.135973405359407[/C][C]0.0679867026797034[/C][/ROW]
[ROW][C]25[/C][C]0.891683310985233[/C][C]0.216633378029534[/C][C]0.108316689014767[/C][/ROW]
[ROW][C]26[/C][C]0.837951911957306[/C][C]0.324096176085387[/C][C]0.162048088042694[/C][/ROW]
[ROW][C]27[/C][C]0.773214034413403[/C][C]0.453571931173195[/C][C]0.226785965586597[/C][/ROW]
[ROW][C]28[/C][C]0.697022874256605[/C][C]0.60595425148679[/C][C]0.302977125743395[/C][/ROW]
[ROW][C]29[/C][C]0.602306372782839[/C][C]0.795387254434322[/C][C]0.397693627217161[/C][/ROW]
[ROW][C]30[/C][C]0.503917133259012[/C][C]0.992165733481975[/C][C]0.496082866740988[/C][/ROW]
[ROW][C]31[/C][C]0.423681240853355[/C][C]0.84736248170671[/C][C]0.576318759146645[/C][/ROW]
[ROW][C]32[/C][C]0.370179707055941[/C][C]0.740359414111882[/C][C]0.629820292944059[/C][/ROW]
[ROW][C]33[/C][C]0.29685531480772[/C][C]0.59371062961544[/C][C]0.70314468519228[/C][/ROW]
[ROW][C]34[/C][C]0.230257646703722[/C][C]0.460515293407444[/C][C]0.769742353296278[/C][/ROW]
[ROW][C]35[/C][C]0.180962161940826[/C][C]0.361924323881652[/C][C]0.819037838059174[/C][/ROW]
[ROW][C]36[/C][C]0.162121439095389[/C][C]0.324242878190779[/C][C]0.83787856090461[/C][/ROW]
[ROW][C]37[/C][C]0.122905959573888[/C][C]0.245811919147776[/C][C]0.877094040426112[/C][/ROW]
[ROW][C]38[/C][C]0.115090654643211[/C][C]0.230181309286423[/C][C]0.884909345356789[/C][/ROW]
[ROW][C]39[/C][C]0.0771060619693304[/C][C]0.154212123938661[/C][C]0.92289393803067[/C][/ROW]
[ROW][C]40[/C][C]0.134969867950607[/C][C]0.269939735901215[/C][C]0.865030132049393[/C][/ROW]
[ROW][C]41[/C][C]0.198297993767694[/C][C]0.396595987535389[/C][C]0.801702006232306[/C][/ROW]
[ROW][C]42[/C][C]0.490224898908752[/C][C]0.980449797817504[/C][C]0.509775101091248[/C][/ROW]
[ROW][C]43[/C][C]0.55465462522032[/C][C]0.890690749559361[/C][C]0.445345374779681[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=58394&T=5

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=58394&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
170.3198893408862160.6397786817724320.680110659113784
180.1779401862461230.3558803724922460.822059813753877
190.0882419809798880.1764839619597760.911758019020112
200.0970823753835110.1941647507670220.902917624616489
210.3144670419543940.6289340839087870.685532958045606
220.6481448794409640.7037102411180720.351855120559036
230.8574469014035780.2851061971928440.142553098596422
240.9320132973202970.1359734053594070.0679867026797034
250.8916833109852330.2166333780295340.108316689014767
260.8379519119573060.3240961760853870.162048088042694
270.7732140344134030.4535719311731950.226785965586597
280.6970228742566050.605954251486790.302977125743395
290.6023063727828390.7953872544343220.397693627217161
300.5039171332590120.9921657334819750.496082866740988
310.4236812408533550.847362481706710.576318759146645
320.3701797070559410.7403594141118820.629820292944059
330.296855314807720.593710629615440.70314468519228
340.2302576467037220.4605152934074440.769742353296278
350.1809621619408260.3619243238816520.819037838059174
360.1621214390953890.3242428781907790.83787856090461
370.1229059595738880.2458119191477760.877094040426112
380.1150906546432110.2301813092864230.884909345356789
390.07710606196933040.1542121239386610.92289393803067
400.1349698679506070.2699397359012150.865030132049393
410.1982979937676940.3965959875353890.801702006232306
420.4902248989087520.9804497978175040.509775101091248
430.554654625220320.8906907495593610.445345374779681






Meta Analysis of Goldfeld-Quandt test for Heteroskedasticity
Description# significant tests% significant testsOK/NOK
1% type I error level00OK
5% type I error level00OK
10% type I error level00OK

\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 & 0 & 0 & OK \tabularnewline
5% type I error level & 0 & 0 & OK \tabularnewline
10% type I error level & 0 & 0 & OK \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=58394&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]0[/C][C]0[/C][C]OK[/C][/ROW]
[ROW][C]5% type I error level[/C][C]0[/C][C]0[/C][C]OK[/C][/ROW]
[ROW][C]10% type I error level[/C][C]0[/C][C]0[/C][C]OK[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=58394&T=6

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=58394&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 level00OK
5% type I error level00OK
10% type I error level00OK


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')
}