Repository of Reproducible Computations

Free Statistics

of Irreproducible Research!

Author's title

Author

*The author of this computation has been verified*

R Software Module

rwasp_multipleregression.wasp

Title produced by software

Multiple Regression

Date of computation

Fri, 20 Nov 2009 10:44:44 -0700

Cite this page as follows

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2009/Nov/20/t1258740254r5fn9au22f1abrp.htm/, Retrieved Thu, 25 Apr 2024 21:25:13 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=58377, Retrieved Thu, 25 Apr 2024 21:25:13 +0000

QR Codes:

Paste this QR Code to cite your computation.

Original text written by user:

IsPrivate?

No (this computation is public)

User-defined keywords

Estimated Impact

136

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 14:03:14] [b98453cac15ba1066b407e146608df68]
- R  D      [Multiple Regression] [] [2009-11-20 17:44:44] [d1856923bab8a0db5ebd860815c7444f] [Current]

Feedback Forum

Post a new message

Dataseries X:

Download CSV

Histogram

Boxplots

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	6 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 & 6 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=58377&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]6 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=58377&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=58377&T=0

As an alternative you can also use a QR Code:

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

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	6 seconds
R Server	'Gwilym Jenkins' @ 72.249.127.135

Multiple Linear Regression - Estimated Regression Equation
Y[t] = + 21.9379166666667 -13.6895833333334X[t] -3.64M1[t] -3.46000000000001M2[t] -3.59999999999999M3[t] -3.67999999999999M4[t] -3.50000000000000M5[t] -3.12M6[t] -2.66M7[t] -2.30000000000000M8[t] -1.73999999999999M9[t] -1.07999999999999M10[t] -0.399999999999995M11[t] + e[t]

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Estimated Regression Equation \tabularnewline
Y[t] =  +  21.9379166666667 -13.6895833333334X[t] -3.64M1[t] -3.46000000000001M2[t] -3.59999999999999M3[t] -3.67999999999999M4[t] -3.50000000000000M5[t] -3.12M6[t] -2.66M7[t] -2.30000000000000M8[t] -1.73999999999999M9[t] -1.07999999999999M10[t] -0.399999999999995M11[t]  + e[t] \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=58377&T=1

[TABLE]
[ROW][C]Multiple Linear Regression - Estimated Regression Equation[/C][/ROW]
[ROW][C]Y[t] =  +  21.9379166666667 -13.6895833333334X[t] -3.64M1[t] -3.46000000000001M2[t] -3.59999999999999M3[t] -3.67999999999999M4[t] -3.50000000000000M5[t] -3.12M6[t] -2.66M7[t] -2.30000000000000M8[t] -1.73999999999999M9[t] -1.07999999999999M10[t] -0.399999999999995M11[t]  + e[t][/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=58377&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=58377&T=1

As an alternative you can also use a QR Code:

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

Multiple Linear Regression - Estimated Regression Equation
Y[t] = + 21.9379166666667 -13.6895833333334X[t] -3.64M1[t] -3.46000000000001M2[t] -3.59999999999999M3[t] -3.67999999999999M4[t] -3.50000000000000M5[t] -3.12M6[t] -2.66M7[t] -2.30000000000000M8[t] -1.73999999999999M9[t] -1.07999999999999M10[t] -0.399999999999995M11[t] + e[t]

Multiple Linear Regression - Ordinary Least Squares
Variable	Parameter	S.D.	T-STATH0: parameter = 0	2-tail p-value	1-tail p-value
(Intercept)	21.9379166666667	1.693442	12.9546	0	0
X	-13.6895833333334	1.209602	-11.3174	0	0
M1	-3.64	2.370325	-1.5357	0.131328	0.065664
M2	-3.46000000000001	2.370325	-1.4597	0.15102	0.07551
M3	-3.59999999999999	2.370325	-1.5188	0.135517	0.067758
M4	-3.67999999999999	2.370325	-1.5525	0.127244	0.063622
M5	-3.50000000000000	2.370325	-1.4766	0.146455	0.073227
M6	-3.12	2.370325	-1.3163	0.194465	0.097233
M7	-2.66	2.370325	-1.1222	0.267474	0.133737
M8	-2.30000000000000	2.370325	-0.9703	0.336849	0.168424
M9	-1.73999999999999	2.370325	-0.7341	0.466549	0.233274
M10	-1.07999999999999	2.370325	-0.4556	0.650752	0.325376
M11	-0.399999999999995	2.370325	-0.1688	0.866715	0.433357

\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) & 21.9379166666667 & 1.693442 & 12.9546 & 0 & 0 \tabularnewline
X & -13.6895833333334 & 1.209602 & -11.3174 & 0 & 0 \tabularnewline
M1 & -3.64 & 2.370325 & -1.5357 & 0.131328 & 0.065664 \tabularnewline
M2 & -3.46000000000001 & 2.370325 & -1.4597 & 0.15102 & 0.07551 \tabularnewline
M3 & -3.59999999999999 & 2.370325 & -1.5188 & 0.135517 & 0.067758 \tabularnewline
M4 & -3.67999999999999 & 2.370325 & -1.5525 & 0.127244 & 0.063622 \tabularnewline
M5 & -3.50000000000000 & 2.370325 & -1.4766 & 0.146455 & 0.073227 \tabularnewline
M6 & -3.12 & 2.370325 & -1.3163 & 0.194465 & 0.097233 \tabularnewline
M7 & -2.66 & 2.370325 & -1.1222 & 0.267474 & 0.133737 \tabularnewline
M8 & -2.30000000000000 & 2.370325 & -0.9703 & 0.336849 & 0.168424 \tabularnewline
M9 & -1.73999999999999 & 2.370325 & -0.7341 & 0.466549 & 0.233274 \tabularnewline
M10 & -1.07999999999999 & 2.370325 & -0.4556 & 0.650752 & 0.325376 \tabularnewline
M11 & -0.399999999999995 & 2.370325 & -0.1688 & 0.866715 & 0.433357 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=58377&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]21.9379166666667[/C][C]1.693442[/C][C]12.9546[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]X[/C][C]-13.6895833333334[/C][C]1.209602[/C][C]-11.3174[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]M1[/C][C]-3.64[/C][C]2.370325[/C][C]-1.5357[/C][C]0.131328[/C][C]0.065664[/C][/ROW]
[ROW][C]M2[/C][C]-3.46000000000001[/C][C]2.370325[/C][C]-1.4597[/C][C]0.15102[/C][C]0.07551[/C][/ROW]
[ROW][C]M3[/C][C]-3.59999999999999[/C][C]2.370325[/C][C]-1.5188[/C][C]0.135517[/C][C]0.067758[/C][/ROW]
[ROW][C]M4[/C][C]-3.67999999999999[/C][C]2.370325[/C][C]-1.5525[/C][C]0.127244[/C][C]0.063622[/C][/ROW]
[ROW][C]M5[/C][C]-3.50000000000000[/C][C]2.370325[/C][C]-1.4766[/C][C]0.146455[/C][C]0.073227[/C][/ROW]
[ROW][C]M6[/C][C]-3.12[/C][C]2.370325[/C][C]-1.3163[/C][C]0.194465[/C][C]0.097233[/C][/ROW]
[ROW][C]M7[/C][C]-2.66[/C][C]2.370325[/C][C]-1.1222[/C][C]0.267474[/C][C]0.133737[/C][/ROW]
[ROW][C]M8[/C][C]-2.30000000000000[/C][C]2.370325[/C][C]-0.9703[/C][C]0.336849[/C][C]0.168424[/C][/ROW]
[ROW][C]M9[/C][C]-1.73999999999999[/C][C]2.370325[/C][C]-0.7341[/C][C]0.466549[/C][C]0.233274[/C][/ROW]
[ROW][C]M10[/C][C]-1.07999999999999[/C][C]2.370325[/C][C]-0.4556[/C][C]0.650752[/C][C]0.325376[/C][/ROW]
[ROW][C]M11[/C][C]-0.399999999999995[/C][C]2.370325[/C][C]-0.1688[/C][C]0.866715[/C][C]0.433357[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=58377&T=2

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=58377&T=2

As an alternative you can also use a QR Code:

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

Multiple Linear Regression - Ordinary Least Squares
Variable	Parameter	S.D.	T-STATH0: parameter = 0	2-tail p-value	1-tail p-value
(Intercept)	21.9379166666667	1.693442	12.9546	0	0
X	-13.6895833333334	1.209602	-11.3174	0	0
M1	-3.64	2.370325	-1.5357	0.131328	0.065664
M2	-3.46000000000001	2.370325	-1.4597	0.15102	0.07551
M3	-3.59999999999999	2.370325	-1.5188	0.135517	0.067758
M4	-3.67999999999999	2.370325	-1.5525	0.127244	0.063622
M5	-3.50000000000000	2.370325	-1.4766	0.146455	0.073227
M6	-3.12	2.370325	-1.3163	0.194465	0.097233
M7	-2.66	2.370325	-1.1222	0.267474	0.133737
M8	-2.30000000000000	2.370325	-0.9703	0.336849	0.168424
M9	-1.73999999999999	2.370325	-0.7341	0.466549	0.233274
M10	-1.07999999999999	2.370325	-0.4556	0.650752	0.325376
M11	-0.399999999999995	2.370325	-0.1688	0.866715	0.433357

Multiple Linear Regression - Regression Statistics
Multiple R	0.86126669839
R-squared	0.741780325755611
Adjusted R-squared	0.675851898288959
F-TEST (value)	11.2512971150543
F-TEST (DF numerator)	12
F-TEST (DF denominator)	47
p-value	3.96747745767811e-10
Multiple Linear Regression - Residual Statistics
Residual Standard Deviation	3.74781342871466
Sum Squared Residuals	660.166958333334

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Regression Statistics \tabularnewline
Multiple R & 0.86126669839 \tabularnewline
R-squared & 0.741780325755611 \tabularnewline
Adjusted R-squared & 0.675851898288959 \tabularnewline
F-TEST (value) & 11.2512971150543 \tabularnewline
F-TEST (DF numerator) & 12 \tabularnewline
F-TEST (DF denominator) & 47 \tabularnewline
p-value & 3.96747745767811e-10 \tabularnewline
Multiple Linear Regression - Residual Statistics \tabularnewline
Residual Standard Deviation & 3.74781342871466 \tabularnewline
Sum Squared Residuals & 660.166958333334 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=58377&T=3

[TABLE]
[ROW][C]Multiple Linear Regression - Regression Statistics[/C][/ROW]
[ROW][C]Multiple R[/C][C]0.86126669839[/C][/ROW]
[ROW][C]R-squared[/C][C]0.741780325755611[/C][/ROW]
[ROW][C]Adjusted R-squared[/C][C]0.675851898288959[/C][/ROW]
[ROW][C]F-TEST (value)[/C][C]11.2512971150543[/C][/ROW]
[ROW][C]F-TEST (DF numerator)[/C][C]12[/C][/ROW]
[ROW][C]F-TEST (DF denominator)[/C][C]47[/C][/ROW]
[ROW][C]p-value[/C][C]3.96747745767811e-10[/C][/ROW]
[ROW][C]Multiple Linear Regression - Residual Statistics[/C][/ROW]
[ROW][C]Residual Standard Deviation[/C][C]3.74781342871466[/C][/ROW]
[ROW][C]Sum Squared Residuals[/C][C]660.166958333334[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=58377&T=3

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=58377&T=3

As an alternative you can also use a QR Code:

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

Multiple Linear Regression - Regression Statistics
Multiple R	0.86126669839
R-squared	0.741780325755611
Adjusted R-squared	0.675851898288959
F-TEST (value)	11.2512971150543
F-TEST (DF numerator)	12
F-TEST (DF denominator)	47
p-value	3.96747745767811e-10
Multiple Linear Regression - Residual Statistics
Residual Standard Deviation	3.74781342871466
Sum Squared Residuals	660.166958333334

Multiple Linear Regression - Actuals, Interpolation, and Residuals
Time or Index	Actuals	InterpolationForecast	ResidualsPrediction Error
1	3.2	4.60833333333334	-1.40833333333334
2	1.9	4.78833333333339	-2.88833333333339
3	0	4.64833333333333	-4.64833333333333
4	0.6	4.56833333333332	-3.96833333333332
5	0.2	4.74833333333334	-4.54833333333334
6	0.9	5.12833333333333	-4.22833333333333
7	2.4	5.58833333333333	-3.18833333333333
8	4.7	5.94833333333333	-1.24833333333333
9	9.4	6.50833333333332	2.89166666666668
10	12.5	7.16833333333332	5.33166666666668
11	15.8	7.84833333333333	7.95166666666667
12	18.2	8.24833333333333	9.95166666666667
13	16.8	18.2979166666667	-1.49791666666667
14	17.3	18.4779166666667	-1.17791666666665
15	19.3	18.3379166666667	0.962083333333332
16	17.9	18.2579166666667	-0.357916666666669
17	20.2	18.4379166666667	1.76208333333333
18	18.7	18.8179166666667	-0.117916666666668
19	20.1	19.2779166666667	0.822083333333333
20	18.2	19.6379166666667	-1.43791666666667
21	18.4	20.1979166666667	-1.79791666666667
22	18.2	20.8579166666667	-2.65791666666667
23	18.9	21.5379166666667	-2.63791666666667
24	19.9	21.9379166666667	-2.03791666666666
25	21.3	18.2979166666667	3.00208333333334
26	20	18.4779166666667	1.52208333333335
27	19.5	18.3379166666667	1.16208333333333
28	19.6	18.2579166666667	1.34208333333333
29	20.9	18.4379166666667	2.46208333333333
30	21	18.8179166666667	2.18208333333333
31	19.9	19.2779166666667	0.62208333333333
32	19.6	19.6379166666667	-0.037916666666668
33	20.9	20.1979166666667	0.702083333333327
34	21.7	20.8579166666667	0.842083333333333
35	22.9	21.5379166666667	1.36208333333333
36	21.5	21.9379166666667	-0.437916666666662
37	21.3	18.2979166666667	3.00208333333334
38	23.5	18.4779166666667	5.02208333333335
39	21.6	18.3379166666667	3.26208333333333
40	24.5	18.2579166666667	6.24208333333333
41	22.2	18.4379166666667	3.76208333333333
42	23.5	18.8179166666667	4.68208333333333
43	20.9	19.2779166666667	1.62208333333333
44	20.7	19.6379166666667	1.06208333333333
45	18.1	20.1979166666667	-2.09791666666667
46	17.1	20.8579166666667	-3.75791666666667
47	14.8	21.5379166666667	-6.73791666666667
48	13.8	21.9379166666667	-8.13791666666666
49	15.2	18.2979166666667	-3.09791666666666
50	16	18.4779166666667	-2.47791666666665
51	17.6	18.3379166666667	-0.737916666666667
52	15	18.2579166666667	-3.25791666666667
53	15	18.4379166666667	-3.43791666666667
54	16.3	18.8179166666667	-2.51791666666667
55	19.4	19.2779166666667	0.12208333333333
56	21.3	19.6379166666667	1.66208333333333
57	20.5	20.1979166666667	0.302083333333329
58	21.1	20.8579166666667	0.242083333333335
59	21.6	21.5379166666667	0.0620833333333334
60	22.6	21.9379166666667	0.66208333333334

\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 & 18.2979166666667 & -1.49791666666667 \tabularnewline
14 & 17.3 & 18.4779166666667 & -1.17791666666665 \tabularnewline
15 & 19.3 & 18.3379166666667 & 0.962083333333332 \tabularnewline
16 & 17.9 & 18.2579166666667 & -0.357916666666669 \tabularnewline
17 & 20.2 & 18.4379166666667 & 1.76208333333333 \tabularnewline
18 & 18.7 & 18.8179166666667 & -0.117916666666668 \tabularnewline
19 & 20.1 & 19.2779166666667 & 0.822083333333333 \tabularnewline
20 & 18.2 & 19.6379166666667 & -1.43791666666667 \tabularnewline
21 & 18.4 & 20.1979166666667 & -1.79791666666667 \tabularnewline
22 & 18.2 & 20.8579166666667 & -2.65791666666667 \tabularnewline
23 & 18.9 & 21.5379166666667 & -2.63791666666667 \tabularnewline
24 & 19.9 & 21.9379166666667 & -2.03791666666666 \tabularnewline
25 & 21.3 & 18.2979166666667 & 3.00208333333334 \tabularnewline
26 & 20 & 18.4779166666667 & 1.52208333333335 \tabularnewline
27 & 19.5 & 18.3379166666667 & 1.16208333333333 \tabularnewline
28 & 19.6 & 18.2579166666667 & 1.34208333333333 \tabularnewline
29 & 20.9 & 18.4379166666667 & 2.46208333333333 \tabularnewline
30 & 21 & 18.8179166666667 & 2.18208333333333 \tabularnewline
31 & 19.9 & 19.2779166666667 & 0.62208333333333 \tabularnewline
32 & 19.6 & 19.6379166666667 & -0.037916666666668 \tabularnewline
33 & 20.9 & 20.1979166666667 & 0.702083333333327 \tabularnewline
34 & 21.7 & 20.8579166666667 & 0.842083333333333 \tabularnewline
35 & 22.9 & 21.5379166666667 & 1.36208333333333 \tabularnewline
36 & 21.5 & 21.9379166666667 & -0.437916666666662 \tabularnewline
37 & 21.3 & 18.2979166666667 & 3.00208333333334 \tabularnewline
38 & 23.5 & 18.4779166666667 & 5.02208333333335 \tabularnewline
39 & 21.6 & 18.3379166666667 & 3.26208333333333 \tabularnewline
40 & 24.5 & 18.2579166666667 & 6.24208333333333 \tabularnewline
41 & 22.2 & 18.4379166666667 & 3.76208333333333 \tabularnewline
42 & 23.5 & 18.8179166666667 & 4.68208333333333 \tabularnewline
43 & 20.9 & 19.2779166666667 & 1.62208333333333 \tabularnewline
44 & 20.7 & 19.6379166666667 & 1.06208333333333 \tabularnewline
45 & 18.1 & 20.1979166666667 & -2.09791666666667 \tabularnewline
46 & 17.1 & 20.8579166666667 & -3.75791666666667 \tabularnewline
47 & 14.8 & 21.5379166666667 & -6.73791666666667 \tabularnewline
48 & 13.8 & 21.9379166666667 & -8.13791666666666 \tabularnewline
49 & 15.2 & 18.2979166666667 & -3.09791666666666 \tabularnewline
50 & 16 & 18.4779166666667 & -2.47791666666665 \tabularnewline
51 & 17.6 & 18.3379166666667 & -0.737916666666667 \tabularnewline
52 & 15 & 18.2579166666667 & -3.25791666666667 \tabularnewline
53 & 15 & 18.4379166666667 & -3.43791666666667 \tabularnewline
54 & 16.3 & 18.8179166666667 & -2.51791666666667 \tabularnewline
55 & 19.4 & 19.2779166666667 & 0.12208333333333 \tabularnewline
56 & 21.3 & 19.6379166666667 & 1.66208333333333 \tabularnewline
57 & 20.5 & 20.1979166666667 & 0.302083333333329 \tabularnewline
58 & 21.1 & 20.8579166666667 & 0.242083333333335 \tabularnewline
59 & 21.6 & 21.5379166666667 & 0.0620833333333334 \tabularnewline
60 & 22.6 & 21.9379166666667 & 0.66208333333334 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=58377&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]18.2979166666667[/C][C]-1.49791666666667[/C][/ROW]
[ROW][C]14[/C][C]17.3[/C][C]18.4779166666667[/C][C]-1.17791666666665[/C][/ROW]
[ROW][C]15[/C][C]19.3[/C][C]18.3379166666667[/C][C]0.962083333333332[/C][/ROW]
[ROW][C]16[/C][C]17.9[/C][C]18.2579166666667[/C][C]-0.357916666666669[/C][/ROW]
[ROW][C]17[/C][C]20.2[/C][C]18.4379166666667[/C][C]1.76208333333333[/C][/ROW]
[ROW][C]18[/C][C]18.7[/C][C]18.8179166666667[/C][C]-0.117916666666668[/C][/ROW]
[ROW][C]19[/C][C]20.1[/C][C]19.2779166666667[/C][C]0.822083333333333[/C][/ROW]
[ROW][C]20[/C][C]18.2[/C][C]19.6379166666667[/C][C]-1.43791666666667[/C][/ROW]
[ROW][C]21[/C][C]18.4[/C][C]20.1979166666667[/C][C]-1.79791666666667[/C][/ROW]
[ROW][C]22[/C][C]18.2[/C][C]20.8579166666667[/C][C]-2.65791666666667[/C][/ROW]
[ROW][C]23[/C][C]18.9[/C][C]21.5379166666667[/C][C]-2.63791666666667[/C][/ROW]
[ROW][C]24[/C][C]19.9[/C][C]21.9379166666667[/C][C]-2.03791666666666[/C][/ROW]
[ROW][C]25[/C][C]21.3[/C][C]18.2979166666667[/C][C]3.00208333333334[/C][/ROW]
[ROW][C]26[/C][C]20[/C][C]18.4779166666667[/C][C]1.52208333333335[/C][/ROW]
[ROW][C]27[/C][C]19.5[/C][C]18.3379166666667[/C][C]1.16208333333333[/C][/ROW]
[ROW][C]28[/C][C]19.6[/C][C]18.2579166666667[/C][C]1.34208333333333[/C][/ROW]
[ROW][C]29[/C][C]20.9[/C][C]18.4379166666667[/C][C]2.46208333333333[/C][/ROW]
[ROW][C]30[/C][C]21[/C][C]18.8179166666667[/C][C]2.18208333333333[/C][/ROW]
[ROW][C]31[/C][C]19.9[/C][C]19.2779166666667[/C][C]0.62208333333333[/C][/ROW]
[ROW][C]32[/C][C]19.6[/C][C]19.6379166666667[/C][C]-0.037916666666668[/C][/ROW]
[ROW][C]33[/C][C]20.9[/C][C]20.1979166666667[/C][C]0.702083333333327[/C][/ROW]
[ROW][C]34[/C][C]21.7[/C][C]20.8579166666667[/C][C]0.842083333333333[/C][/ROW]
[ROW][C]35[/C][C]22.9[/C][C]21.5379166666667[/C][C]1.36208333333333[/C][/ROW]
[ROW][C]36[/C][C]21.5[/C][C]21.9379166666667[/C][C]-0.437916666666662[/C][/ROW]
[ROW][C]37[/C][C]21.3[/C][C]18.2979166666667[/C][C]3.00208333333334[/C][/ROW]
[ROW][C]38[/C][C]23.5[/C][C]18.4779166666667[/C][C]5.02208333333335[/C][/ROW]
[ROW][C]39[/C][C]21.6[/C][C]18.3379166666667[/C][C]3.26208333333333[/C][/ROW]
[ROW][C]40[/C][C]24.5[/C][C]18.2579166666667[/C][C]6.24208333333333[/C][/ROW]
[ROW][C]41[/C][C]22.2[/C][C]18.4379166666667[/C][C]3.76208333333333[/C][/ROW]
[ROW][C]42[/C][C]23.5[/C][C]18.8179166666667[/C][C]4.68208333333333[/C][/ROW]
[ROW][C]43[/C][C]20.9[/C][C]19.2779166666667[/C][C]1.62208333333333[/C][/ROW]
[ROW][C]44[/C][C]20.7[/C][C]19.6379166666667[/C][C]1.06208333333333[/C][/ROW]
[ROW][C]45[/C][C]18.1[/C][C]20.1979166666667[/C][C]-2.09791666666667[/C][/ROW]
[ROW][C]46[/C][C]17.1[/C][C]20.8579166666667[/C][C]-3.75791666666667[/C][/ROW]
[ROW][C]47[/C][C]14.8[/C][C]21.5379166666667[/C][C]-6.73791666666667[/C][/ROW]
[ROW][C]48[/C][C]13.8[/C][C]21.9379166666667[/C][C]-8.13791666666666[/C][/ROW]
[ROW][C]49[/C][C]15.2[/C][C]18.2979166666667[/C][C]-3.09791666666666[/C][/ROW]
[ROW][C]50[/C][C]16[/C][C]18.4779166666667[/C][C]-2.47791666666665[/C][/ROW]
[ROW][C]51[/C][C]17.6[/C][C]18.3379166666667[/C][C]-0.737916666666667[/C][/ROW]
[ROW][C]52[/C][C]15[/C][C]18.2579166666667[/C][C]-3.25791666666667[/C][/ROW]
[ROW][C]53[/C][C]15[/C][C]18.4379166666667[/C][C]-3.43791666666667[/C][/ROW]
[ROW][C]54[/C][C]16.3[/C][C]18.8179166666667[/C][C]-2.51791666666667[/C][/ROW]
[ROW][C]55[/C][C]19.4[/C][C]19.2779166666667[/C][C]0.12208333333333[/C][/ROW]
[ROW][C]56[/C][C]21.3[/C][C]19.6379166666667[/C][C]1.66208333333333[/C][/ROW]
[ROW][C]57[/C][C]20.5[/C][C]20.1979166666667[/C][C]0.302083333333329[/C][/ROW]
[ROW][C]58[/C][C]21.1[/C][C]20.8579166666667[/C][C]0.242083333333335[/C][/ROW]
[ROW][C]59[/C][C]21.6[/C][C]21.5379166666667[/C][C]0.0620833333333334[/C][/ROW]
[ROW][C]60[/C][C]22.6[/C][C]21.9379166666667[/C][C]0.66208333333334[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=58377&T=4

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=58377&T=4

As an alternative you can also use a QR Code:

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

Multiple Linear Regression - Actuals, Interpolation, and Residuals
Time or Index	Actuals	InterpolationForecast	ResidualsPrediction Error
1	3.2	4.60833333333334	-1.40833333333334
2	1.9	4.78833333333339	-2.88833333333339
3	0	4.64833333333333	-4.64833333333333
4	0.6	4.56833333333332	-3.96833333333332
5	0.2	4.74833333333334	-4.54833333333334
6	0.9	5.12833333333333	-4.22833333333333
7	2.4	5.58833333333333	-3.18833333333333
8	4.7	5.94833333333333	-1.24833333333333
9	9.4	6.50833333333332	2.89166666666668
10	12.5	7.16833333333332	5.33166666666668
11	15.8	7.84833333333333	7.95166666666667
12	18.2	8.24833333333333	9.95166666666667
13	16.8	18.2979166666667	-1.49791666666667
14	17.3	18.4779166666667	-1.17791666666665
15	19.3	18.3379166666667	0.962083333333332
16	17.9	18.2579166666667	-0.357916666666669
17	20.2	18.4379166666667	1.76208333333333
18	18.7	18.8179166666667	-0.117916666666668
19	20.1	19.2779166666667	0.822083333333333
20	18.2	19.6379166666667	-1.43791666666667
21	18.4	20.1979166666667	-1.79791666666667
22	18.2	20.8579166666667	-2.65791666666667
23	18.9	21.5379166666667	-2.63791666666667
24	19.9	21.9379166666667	-2.03791666666666
25	21.3	18.2979166666667	3.00208333333334
26	20	18.4779166666667	1.52208333333335
27	19.5	18.3379166666667	1.16208333333333
28	19.6	18.2579166666667	1.34208333333333
29	20.9	18.4379166666667	2.46208333333333
30	21	18.8179166666667	2.18208333333333
31	19.9	19.2779166666667	0.62208333333333
32	19.6	19.6379166666667	-0.037916666666668
33	20.9	20.1979166666667	0.702083333333327
34	21.7	20.8579166666667	0.842083333333333
35	22.9	21.5379166666667	1.36208333333333
36	21.5	21.9379166666667	-0.437916666666662
37	21.3	18.2979166666667	3.00208333333334
38	23.5	18.4779166666667	5.02208333333335
39	21.6	18.3379166666667	3.26208333333333
40	24.5	18.2579166666667	6.24208333333333
41	22.2	18.4379166666667	3.76208333333333
42	23.5	18.8179166666667	4.68208333333333
43	20.9	19.2779166666667	1.62208333333333
44	20.7	19.6379166666667	1.06208333333333
45	18.1	20.1979166666667	-2.09791666666667
46	17.1	20.8579166666667	-3.75791666666667
47	14.8	21.5379166666667	-6.73791666666667
48	13.8	21.9379166666667	-8.13791666666666
49	15.2	18.2979166666667	-3.09791666666666
50	16	18.4779166666667	-2.47791666666665
51	17.6	18.3379166666667	-0.737916666666667
52	15	18.2579166666667	-3.25791666666667
53	15	18.4379166666667	-3.43791666666667
54	16.3	18.8179166666667	-2.51791666666667
55	19.4	19.2779166666667	0.12208333333333
56	21.3	19.6379166666667	1.66208333333333
57	20.5	20.1979166666667	0.302083333333329
58	21.1	20.8579166666667	0.242083333333335
59	21.6	21.5379166666667	0.0620833333333334
60	22.6	21.9379166666667	0.66208333333334

Goldfeld-Quandt test for Heteroskedasticity
p-values	Alternative Hypothesis
breakpoint index	greater	2-sided	less
16	0.201201831085324	0.402403662170647	0.798798168914676
17	0.182777349027733	0.365554698055467	0.817222650972267
18	0.093651966815556	0.187303933631112	0.906348033184444
19	0.0432497359799072	0.0864994719598143	0.956750264020093
20	0.0508328812616245	0.101665762523249	0.949167118738375
21	0.215315722536364	0.430631445072728	0.784684277463636
22	0.529838618523108	0.940322762953784	0.470161381476892
23	0.774829944832408	0.450340110335184	0.225170055167592
24	0.883076123983437	0.233847752033126	0.116923876016563
25	0.867031269771325	0.265937460457350	0.132968730228675
26	0.825676152428543	0.348647695142914	0.174323847571457
27	0.769798977147356	0.460402045705288	0.230201022852644
28	0.71013143744968	0.579737125100639	0.289868562550320
29	0.65741006916749	0.685179861665021	0.342589930832511
30	0.598241420643587	0.803517158712826	0.401758579356413
31	0.504943418103237	0.990113163793526	0.495056581896763
32	0.412425193941908	0.824850387883815	0.587574806058092
33	0.323361440443741	0.646722880887483	0.676638559556259
34	0.25079101166211	0.50158202332422	0.74920898833789
35	0.213624063104908	0.427248126209816	0.786375936895092
36	0.184386766364251	0.368773532728503	0.815613233635749
37	0.170050290433641	0.340100580867281	0.82994970956636
38	0.212129937490241	0.424259874980481	0.78787006250976
39	0.175837011859600	0.351674023719200	0.8241629881404
40	0.307793853483	0.615587706966	0.692206146517
41	0.345896382041282	0.691792764082564	0.654103617958718
42	0.416289534437712	0.832579068875425	0.583710465562288
43	0.289120304056000	0.578240608111999	0.710879695944
44	0.169432061365860	0.338864122731719	0.83056793863414

\begin{tabular}{lllllllll}
\hline
Goldfeld-Quandt test for Heteroskedasticity \tabularnewline
p-values & Alternative Hypothesis \tabularnewline
breakpoint index & greater & 2-sided & less \tabularnewline
16 & 0.201201831085324 & 0.402403662170647 & 0.798798168914676 \tabularnewline
17 & 0.182777349027733 & 0.365554698055467 & 0.817222650972267 \tabularnewline
18 & 0.093651966815556 & 0.187303933631112 & 0.906348033184444 \tabularnewline
19 & 0.0432497359799072 & 0.0864994719598143 & 0.956750264020093 \tabularnewline
20 & 0.0508328812616245 & 0.101665762523249 & 0.949167118738375 \tabularnewline
21 & 0.215315722536364 & 0.430631445072728 & 0.784684277463636 \tabularnewline
22 & 0.529838618523108 & 0.940322762953784 & 0.470161381476892 \tabularnewline
23 & 0.774829944832408 & 0.450340110335184 & 0.225170055167592 \tabularnewline
24 & 0.883076123983437 & 0.233847752033126 & 0.116923876016563 \tabularnewline
25 & 0.867031269771325 & 0.265937460457350 & 0.132968730228675 \tabularnewline
26 & 0.825676152428543 & 0.348647695142914 & 0.174323847571457 \tabularnewline
27 & 0.769798977147356 & 0.460402045705288 & 0.230201022852644 \tabularnewline
28 & 0.71013143744968 & 0.579737125100639 & 0.289868562550320 \tabularnewline
29 & 0.65741006916749 & 0.685179861665021 & 0.342589930832511 \tabularnewline
30 & 0.598241420643587 & 0.803517158712826 & 0.401758579356413 \tabularnewline
31 & 0.504943418103237 & 0.990113163793526 & 0.495056581896763 \tabularnewline
32 & 0.412425193941908 & 0.824850387883815 & 0.587574806058092 \tabularnewline
33 & 0.323361440443741 & 0.646722880887483 & 0.676638559556259 \tabularnewline
34 & 0.25079101166211 & 0.50158202332422 & 0.74920898833789 \tabularnewline
35 & 0.213624063104908 & 0.427248126209816 & 0.786375936895092 \tabularnewline
36 & 0.184386766364251 & 0.368773532728503 & 0.815613233635749 \tabularnewline
37 & 0.170050290433641 & 0.340100580867281 & 0.82994970956636 \tabularnewline
38 & 0.212129937490241 & 0.424259874980481 & 0.78787006250976 \tabularnewline
39 & 0.175837011859600 & 0.351674023719200 & 0.8241629881404 \tabularnewline
40 & 0.307793853483 & 0.615587706966 & 0.692206146517 \tabularnewline
41 & 0.345896382041282 & 0.691792764082564 & 0.654103617958718 \tabularnewline
42 & 0.416289534437712 & 0.832579068875425 & 0.583710465562288 \tabularnewline
43 & 0.289120304056000 & 0.578240608111999 & 0.710879695944 \tabularnewline
44 & 0.169432061365860 & 0.338864122731719 & 0.83056793863414 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=58377&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]16[/C][C]0.201201831085324[/C][C]0.402403662170647[/C][C]0.798798168914676[/C][/ROW]
[ROW][C]17[/C][C]0.182777349027733[/C][C]0.365554698055467[/C][C]0.817222650972267[/C][/ROW]
[ROW][C]18[/C][C]0.093651966815556[/C][C]0.187303933631112[/C][C]0.906348033184444[/C][/ROW]
[ROW][C]19[/C][C]0.0432497359799072[/C][C]0.0864994719598143[/C][C]0.956750264020093[/C][/ROW]
[ROW][C]20[/C][C]0.0508328812616245[/C][C]0.101665762523249[/C][C]0.949167118738375[/C][/ROW]
[ROW][C]21[/C][C]0.215315722536364[/C][C]0.430631445072728[/C][C]0.784684277463636[/C][/ROW]
[ROW][C]22[/C][C]0.529838618523108[/C][C]0.940322762953784[/C][C]0.470161381476892[/C][/ROW]
[ROW][C]23[/C][C]0.774829944832408[/C][C]0.450340110335184[/C][C]0.225170055167592[/C][/ROW]
[ROW][C]24[/C][C]0.883076123983437[/C][C]0.233847752033126[/C][C]0.116923876016563[/C][/ROW]
[ROW][C]25[/C][C]0.867031269771325[/C][C]0.265937460457350[/C][C]0.132968730228675[/C][/ROW]
[ROW][C]26[/C][C]0.825676152428543[/C][C]0.348647695142914[/C][C]0.174323847571457[/C][/ROW]
[ROW][C]27[/C][C]0.769798977147356[/C][C]0.460402045705288[/C][C]0.230201022852644[/C][/ROW]
[ROW][C]28[/C][C]0.71013143744968[/C][C]0.579737125100639[/C][C]0.289868562550320[/C][/ROW]
[ROW][C]29[/C][C]0.65741006916749[/C][C]0.685179861665021[/C][C]0.342589930832511[/C][/ROW]
[ROW][C]30[/C][C]0.598241420643587[/C][C]0.803517158712826[/C][C]0.401758579356413[/C][/ROW]
[ROW][C]31[/C][C]0.504943418103237[/C][C]0.990113163793526[/C][C]0.495056581896763[/C][/ROW]
[ROW][C]32[/C][C]0.412425193941908[/C][C]0.824850387883815[/C][C]0.587574806058092[/C][/ROW]
[ROW][C]33[/C][C]0.323361440443741[/C][C]0.646722880887483[/C][C]0.676638559556259[/C][/ROW]
[ROW][C]34[/C][C]0.25079101166211[/C][C]0.50158202332422[/C][C]0.74920898833789[/C][/ROW]
[ROW][C]35[/C][C]0.213624063104908[/C][C]0.427248126209816[/C][C]0.786375936895092[/C][/ROW]
[ROW][C]36[/C][C]0.184386766364251[/C][C]0.368773532728503[/C][C]0.815613233635749[/C][/ROW]
[ROW][C]37[/C][C]0.170050290433641[/C][C]0.340100580867281[/C][C]0.82994970956636[/C][/ROW]
[ROW][C]38[/C][C]0.212129937490241[/C][C]0.424259874980481[/C][C]0.78787006250976[/C][/ROW]
[ROW][C]39[/C][C]0.175837011859600[/C][C]0.351674023719200[/C][C]0.8241629881404[/C][/ROW]
[ROW][C]40[/C][C]0.307793853483[/C][C]0.615587706966[/C][C]0.692206146517[/C][/ROW]
[ROW][C]41[/C][C]0.345896382041282[/C][C]0.691792764082564[/C][C]0.654103617958718[/C][/ROW]
[ROW][C]42[/C][C]0.416289534437712[/C][C]0.832579068875425[/C][C]0.583710465562288[/C][/ROW]
[ROW][C]43[/C][C]0.289120304056000[/C][C]0.578240608111999[/C][C]0.710879695944[/C][/ROW]
[ROW][C]44[/C][C]0.169432061365860[/C][C]0.338864122731719[/C][C]0.83056793863414[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=58377&T=5

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=58377&T=5

As an alternative you can also use a QR Code:

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

Goldfeld-Quandt test for Heteroskedasticity
p-values	Alternative Hypothesis
breakpoint index	greater	2-sided	less
16	0.201201831085324	0.402403662170647	0.798798168914676
17	0.182777349027733	0.365554698055467	0.817222650972267
18	0.093651966815556	0.187303933631112	0.906348033184444
19	0.0432497359799072	0.0864994719598143	0.956750264020093
20	0.0508328812616245	0.101665762523249	0.949167118738375
21	0.215315722536364	0.430631445072728	0.784684277463636
22	0.529838618523108	0.940322762953784	0.470161381476892
23	0.774829944832408	0.450340110335184	0.225170055167592
24	0.883076123983437	0.233847752033126	0.116923876016563
25	0.867031269771325	0.265937460457350	0.132968730228675
26	0.825676152428543	0.348647695142914	0.174323847571457
27	0.769798977147356	0.460402045705288	0.230201022852644
28	0.71013143744968	0.579737125100639	0.289868562550320
29	0.65741006916749	0.685179861665021	0.342589930832511
30	0.598241420643587	0.803517158712826	0.401758579356413
31	0.504943418103237	0.990113163793526	0.495056581896763
32	0.412425193941908	0.824850387883815	0.587574806058092
33	0.323361440443741	0.646722880887483	0.676638559556259
34	0.25079101166211	0.50158202332422	0.74920898833789
35	0.213624063104908	0.427248126209816	0.786375936895092
36	0.184386766364251	0.368773532728503	0.815613233635749
37	0.170050290433641	0.340100580867281	0.82994970956636
38	0.212129937490241	0.424259874980481	0.78787006250976
39	0.175837011859600	0.351674023719200	0.8241629881404
40	0.307793853483	0.615587706966	0.692206146517
41	0.345896382041282	0.691792764082564	0.654103617958718
42	0.416289534437712	0.832579068875425	0.583710465562288
43	0.289120304056000	0.578240608111999	0.710879695944
44	0.169432061365860	0.338864122731719	0.83056793863414

Meta Analysis of Goldfeld-Quandt test for Heteroskedasticity
Description	# significant tests	% significant tests	OK/NOK
1% type I error level	0	0	OK
5% type I error level	0	0	OK
10% type I error level	1	0.0344827586206897	OK

\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 & 1 & 0.0344827586206897 & OK \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=58377&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]1[/C][C]0.0344827586206897[/C][C]OK[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=58377&T=6

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=58377&T=6

As an alternative you can also use a 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 tests	OK/NOK
1% type I error level	0	0	OK
5% type I error level	0	0	OK
10% type I error level	1	0.0344827586206897	OK

Figure 1

PNG link

Postscript link

PDF link

Figure 2

PNG link

Postscript link

PDF link

Figure 3

PNG link

Postscript link

PDF link

Figure 4

PNG link

Postscript link

PDF link

Figure 5

PNG link

Postscript link

PDF link

Figure 6

PNG link

Postscript link

PDF link

Figure 7

PNG link

Postscript link

PDF link

Figure 8

PNG link

Postscript link

PDF link

Figure 9

PNG link

Postscript link

PDF link

Figure 10

PNG link

Postscript link

PDF link

Parameters (Session):

par1 = 1 ; par2 = Include Monthly Dummies ; par3 = No Linear Trend ;

Parameters (R input):

par1 = 1 ; par2 = Include Monthly 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')
}

Free Statistics

Description of Statistical Computation

Tree of Dependent Computations

Dataset

Tables (Output of Computation)

Figures (Output of Computation)

Input Parameters & R Code