FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*The author of this computation has been verified*
R Software Modulerwasp_multipleregression.wasp
Title produced by softwareMultiple Regression
Date of computationSat, 17 Nov 2012 06:19:58 -0500
Cite this page as followsStatistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2012/Nov/17/t1353151378ajm49e3a4ofqm0a.htm/, Retrieved Sun, 28 Apr 2024 09:03:02 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=190058, Retrieved Sun, 28 Apr 2024 09:03:02 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact120

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
-     [Multiple Regression] [Competence to learn] [2010-11-17 07:43:53] [b98453cac15ba1066b407e146608df68]
- R PD    [Multiple Regression] [WS7: Industriële ...] [2012-11-17 11:19:58] [ac36efda2e34453d278f09f8b1b9a536] [Current]
Feedback Forum

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
98,8	99,2	101,7	91,4	98,5	94,7	114,2	100,5	103,0	85,1	99,9	93,5	104,8	124,9	95,3	101,3	86,9
100,5	93,6	102,8	85,4	96,7	90,2	99,4	99,0	97,3	94,2	98,6	94,7	105,6	132,0	97,2	100,9	99,7
110,4	104,2	109,2	110,4	113,1	104,3	98,0	104,1	109,5	107,3	107,2	112,9	118,3	151,4	108,6	104,1	109,1
96,4	95,3	88,5	90,1	100,0	96,0	90,8	98,6	97,0	98,3	95,7	99,2	89,9	108,9	89,6	96,2	94,6
101,9	102,7	93,9	103,4	104,7	96,6	111,4	101,4	102,6	111,0	93,7	105,6	90,2	121,3	99,8	87,0	111,2
106,2	103,1	97,4	118,7	108,5	103,5	104,3	102,1	106,1	114,8	106,7	113,0	107,0	123,4	106,3	88,7	112,8
81	100,0	86,7	76,4	90,5	79,9	99,6	93,0	88,5	75,9	86,7	83,1	64,5	90,3	71,6	87,0	53,5
94,7	107,2	80,1	92,7	88,6	88,5	108,0	96,9	85,4	99,5	95,3	81,1	92,6	79,3	75,8	87,7	107,5
101	107,0	104,1	105,2	105,4	103,3	113,1	91,2	100,2	102,9	99,3	96,9	95,8	117,2	101,4	91,3	105,2
109,4	119,0	108,9	91,5	119,9	113,5	112,7	96,9	106,1	117,1	101,8	104,3	94,3	116,9	109,1	103,3	122,8
102,3	110,4	94,1	75,3	107,2	100,8	114,3	94,0	95,3	101,0	96,0	97,7	91,2	120,8	101,0	110,6	103,4
90,7	101,7	72,4	60,5	84,1	95,3	108,6	90,4	73,8	73,2	91,7	102,6	86,3	96,1	91,0	111,2	76,9
96,2	102,4	94,7	80,4	101,4	92,6	116,2	105,2	94,1	84,0	95,3	89,9	77,6	100,8	86,4	105,8	89,6
96,1	98,8	95,3	84,5	105,1	89,0	101,9	103,4	90,1	90,0	96,6	96,0	82,5	105,3	89,7	98,3	92,8
106	105,6	96,4	93,9	118,7	98,7	107,3	111,7	99,4	105,2	107,2	112,7	97,7	116,1	97,9	97,6	107,6
103,1	104,4	91,7	78,0	113,8	94,5	111,4	114,2	100,1	111,2	108,0	107,1	83,3	112,8	91,5	88,4	104,6
102	106,3	84,0	92,3	113,8	96,9	121,9	111,4	96,2	109,7	98,4	106,2	84,2	114,5	93,4	93,0	103,0
104,7	107,2	86,2	90,0	118,9	98,1	123,1	106,3	102,0	115,7	103,1	121,0	92,8	117,2	97,2	93,5	106,9
86	108,5	88,8	72,1	98,5	82,1	108,1	111,8	88,0	85,3	81,1	101,2	77,4	77,1	67,1	94,5	56,3
92,1	106,9	74,9	76,9	91,0	86,5	114,5	101,5	78,2	92,1	96,6	83,2	72,5	80,1	59,4	98,1	93,4
106,9	114,2	111,3	76,0	120,7	104,1	119,7	103,0	99,3	116,7	103,7	105,1	88,8	120,3	101,6	98,3	109,1
112,6	125,9	103,6	88,7	127,9	110,9	117,0	105,2	107,2	119,4	106,6	113,3	93,4	133,4	99,7	114,8	113,8
101,7	110,6	83,4	55,4	112,4	114,5	114,8	101,1	93,4	99,9	97,6	99,1	92,6	109,4	89,1	107,8	97,4
92	110,5	69,0	46,6	93,1	112,2	115,8	100,7	74,0	70,8	87,6	100,3	90,7	93,2	78,7	107,9	72,5
97,4	106,7	96,7	90,9	107,5	96,4	117,9	116,7	96,0	82,0	99,4	93,5	81,6	91,2	73,7	112,7	82,7
97	104,7	94,7	84,9	107,3	92,0	97,5	109,0	99,2	89,7	98,5	98,8	84,1	99,2	75,3	100,2	88,9
105,4	107,4	90,1	89,0	114,8	102,0	121,2	119,5	103,4	109,0	105,2	106,2	88,1	108,2	84,5	96,9	105,9
102,7	109,8	87,9	90,2	120,8	99,7	118,2	115,1	102,2	112,3	104,6	98,3	85,3	101,5	76,0	96,6	100,8
98,1	103,4	76,3	72,3	112,2	102,0	120,2	107,1	96,3	103,1	97,5	102,1	82,9	106,9	71,6	95,5	94,0
104,5	114,8	82,6	83,0	123,3	98,9	110,7	109,7	106,4	116,2	108,9	117,1	84,8	104,4	74,0	96,9	105,0
87,4	114,3	81,8	71,6	100,6	87,4	117,4	110,4	95,3	89,4	86,8	101,5	71,2	77,9	56,0	99,7	58,5
89,9	109,6	66,2	75,4	86,7	94,4	110,0	105,0	82,3	91,4	88,9	80,5	68,9	60,0	52,3	105,1	87,6
109,8	118,3	97,8	85,1	123,6	109,3	106,6	115,8	108,5	121,1	110,3	105,9	94,3	99,5	82,1	106,1	113,1
111,7	127,3	94,7	81,2	125,3	116,4	114,7	116,4	113,9	122,8	114,8	109,5	97,6	95,0	80,2	106,2	112,5
98,6	112,3	81,2	68,7	111,1	101,0	105,6	111,1	94,9	98,4	94,6	97,2	85,6	105,6	71,7	103,9	89,6
96,9	114,9	70,6	68,4	98,4	105,5	115,2	119,5	84,5	81,3	92,0	114,5	91,9	102,5	71,9	109,2	74,5
95,1	108,2	87,6	93,7	102,3	97,8	112,3	110,9	97,5	84,0	93,8	93,5	75,8	93,3	61,0	110,5	82,7
97	105,4	89,3	96,6	105,0	95,5	105,9	115,1	100,0	92,4	93,8	100,9	79,8	97,3	65,8	98,0	90,1
112,7	122,1	99,6	101,8	128,2	113,7	106,4	125,2	118,5	116,4	107,6	121,1	99,0	127,0	83,7	94,1	109,4
102,9	113,5	83,9	93,6	124,7	103,7	113,8	116,0	108,9	112,3	101,0	116,5	88,5	111,7	68,1	90,2	96,0
97,4	110,0	74,7	88,9	116,1	100,8	108,9	112,9	98,7	105,8	95,4	109,3	86,7	96,4	65,2	89,5	89,2
111,4	125,3	91,2	114,1	131,2	113,8	100,4	121,7	119,2	130,7	96,5	118,1	97,9	133,0	81,8	91,2	109,1
87,4	114,3	80,8	82,3	97,7	84,6	105,3	123,2	94,2	82,9	89,2	108,3	94,3	72,2	49,5	98,2	49,1
96,8	115,6	72,3	96,4	88,8	95,3	99,6	116,6	88,3	98,0	87,1	105,4	72,9	95,8	52,4	103,7	92,9
114,1	127,1	99,7	104,0	132,8	110,0	104,4	136,2	115,6	119,6	110,5	116,2	91,8	124,1	78,2	103,9	107,7
110,3	123,0	90,1	88,2	113,9	107,5	111,5	120,9	109,3	120,7	110,8	111,2	93,2	127,6	72,7	106,5	103,5
103,9	122,2	83,1	85,2	112,6	107,6	97,0	119,6	102,8	106,8	104,2	105,8	86,5	110,7	70,7	107,2	91,1
101,6	126,4	71,9	87,1	104,3	116,0	107,3	125,9	92,9	89,3	88,9	122,7	98,9	104,6	67,5	111,0	79,8
94,6	112,7	78,6	85,5	107,5	96,9	104,1	116,1	99,7	80,6	89,8	99,5	77,2	112,7	61,2	111,8	71,9
95,9	105,8	87,2	89,1	106,0	97,0	97,8	107,5	101,8	89,9	90,0	107,9	79,4	115,3	65,4	101,5	82,9
104,7	120,9	90,6	105,2	117,3	108,1	99,9	116,7	113,1	102,9	93,9	124,6	90,4	139,4	77,4	95,3	90,1
102,8	116,3	80,0	82,9	123,1	101,9	96,8	112,5	111,5	116,9	91,3	115,0	81,4	119,0	68,9	92,7	100,7
98,1	115,7	73,1	86,8	114,3	107,2	81,3	113,0	103,8	110,3	87,8	110,3	85,8	97,4	62,0	93,5	90,7
113,9	127,9	85,6	112,0	132,0	110,2	72,7	126,4	118,1	129,8	99,7	132,7	103,6	154,0	71,0	96,2	108,8
80,9	108,3	73,8	97,4	92,3	78,7	89,1	114,1	94,4	78,6	73,5	99,7	73,6	81,5	44,4	102,1	44,1
95,7	121,1	70,6	88,9	93,7	96,5	96,0	112,5	95,4	100,5	79,2	96,5	75,7	88,8	50,0	102,3	93,6
113,2	128,6	91,8	109,4	121,3	115,2	97,4	112,4	121,2	123,1	96,9	118,7	99,2	127,7	79,3	127,9	107,4
105,9	123,1	81,3	87,8	113,6	104,7	98,0	113,1	113,6	110,8	95,2	112,9	88,7	105,1	64,7	130,8	96,5
108,8	127,7	85,2	90,5	116,3	109,1	89,0	116,3	113,8	109,0	95,6	130,5	94,6	114,9	69,6	134,9	93,6
102,3	126,6	69,6	79,3	98,3	108,4	97,9	111,7	99,3	88,7	89,7	137,9	98,7	106,4	64,1	141,9	76,5
99	118,4	83,3	114,9	111,9	95,5	90,7	118,8	112,3	87,1	92,8	115,0	84,2	104,5	59,8	124,6	76,7
100,7	110,0	89,8	118,8	109,3	97,8	85,8	116,5	111,2	94,9	88,0	116,8	87,7	121,6	64,2	118,0	84,0
115,5	129,6	99,5	125,0	133,2	115,1	97,1	125,1	125,7	118,7	101,1	140,9	103,3	141,4	76,2	115,1	103,3
100,7	115,8	78,9	96,1	118,0	96,2	102,2	113,1	111,5	110,3	92,7	120,7	88,2	99,0	58,8	111,2	88,5
109,9	125,9	83,8	116,7	131,6	112,0	80,0	119,6	124,1	123,6	95,8	134,2	93,4	126,7	69,0	113,5	99,0
114,6	128,4	92,0	119,5	134,1	111,8	70,7	114,4	126,6	132,5	103,8	147,3	106,3	134,1	73,0	115,2	105,9
85,4	114,0	80,9	104,1	96,7	82,5	90,8	114,0	100,5	84,3	81,8	112,4	73,1	81,3	47,5	119,4	44,7
100,5	125,6	74,6	121,0	99,8	100,8	102,2	117,8	101,8	105,2	87,1	107,1	78,6	88,6	49,4	116,0	94,0
114,8	128,5	97,9	127,3	128,3	116,0	91,0	117,0	125,9	127,5	105,9	128,4	101,6	132,7	71,8	115,7	107,1
116,5	136,6	88,3	117,7	134,9	116,3	93,8	120,9	129,1	127,0	108,1	137,7	101,4	132,9	74,3	121,1	104,8
112,9	133,1	88,1	108,0	130,7	116,6	53,2	115,0	122,0	119,6	102,6	135,0	98,5	134,4	70,4	120,8	102,5
102	124,6	66,4	89,4	107,3	112,9	76,6	117,3	99,9	93,4	93,7	151,0	99,0	103,7	62,2	125,2	77,7
106	123,5	92,3	137,4	121,6	100,9	69,6	119,4	121,7	98,2	103,5	137,4	89,5	119,7	64,4	124,0	85,2
105,3	117,2	95,6	142,0	120,6	104,1	64,7	114,9	119,7	106,3	100,6	132,4	83,5	115,0	63,8	119,1	91,3
118,8	135,5	99,7	137,3	140,5	117,4	88,7	125,8	137,1	122,4	113,3	161,3	97,4	132,9	69,6	119,2	106,5
106,1	124,8	78,9	122,8	124,8	103,3	70,2	117,6	124,1	116,4	102,4	139,8	87,8	108,5	60,9	113,9	92,4
109,3	127,8	79,4	126,1	129,9	111,6	78,1	117,6	129,8	121,5	102,1	146,0	90,4	113,9	65,1	113,3	97,5
117,2	133,1	87,8	147,6	159,4	115,0	78,3	114,9	137,2	133,5	106,9	166,5	101,6	142,0	71,7	116,8	107,0
92,5	125,7	80,5	115,7	111,0	91,0	73,0	121,9	113,9	88,3	87,3	143,3	80,0	97,7	53,0	114,8	51,1
104,2	128,4	71,8	139,2	110,1	104,8	82,5	117,0	109,3	110,1	93,1	121,0	81,7	92,2	56,5	119,2	98,6
112,5	131,9	89,2	151,2	132,7	114,1	73,9	106,4	126,1	121,9	109,1	152,6	96,4	128,8	68,7	117,8	102,2
122,4	146,3	96,4	123,8	135,0	124,2	101,9	110,5	140,8	134,8	120,3	154,4	110,2	134,9	77,7	122,5	114,3
113,3	140,6	83,5	109,0	118,6	117,8	53,9	113,6	129,9	116,4	104,9	154,6	101,1	128,2	68,7	125,1	99,4
100	129,5	64,3	112,1	94,0	109,8	78,5	114,2	98,1	85,0	92,6	158,0	89,3	114,8	58,0	125,0	72,5
110,7	132,4	85,9	136,4	117,9	105,1	85,7	125,4	129,9	106,2	109,8	142,6	90,0	117,9	63,2	125,1	92,3
112,8	125,9	89,2	135,5	114,7	103,3	87,1	124,6	129,8	114,5	111,4	153,4	95,4	119,1	66,7	121,2	99,4
109,8	126,9	81,8	138,7	113,6	105,7	78,7	120,2	124,9	110,5	117,9	163,4	100,3	120,7	67,3	118,9	85,9
117,3	135,8	79,5	137,5	130,6	107,4	64,2	120,8	135,9	132,5	121,6	167,3	99,5	129,1	70,2	109,8	109,4
109,1	129,5	68,7	141,5	117,1	101,5	70,3	111,4	123,6	124,3	117,8	154,8	93,9	117,6	61,3	109,2	97,6
115,9	130,2	76,4	143,6	123,2	103,4	75,4	124,1	132,8	131,3	124,2	165,7	100,6	129,2	68,3	109,0	104,7
96	133,8	73,6	146,5	106,1	83,0	71,7	120,2	121,1	97,1	106,8	144,7	84,7	100,0	50,3	110,9	56,9
99,8	123,3	57,7	200,7	88,7	89,2	82,7	125,5	102,1	96,8	102,7	120,9	81,6	87,0	45,9	114,5	86,7
116,8	140,7	78,3	196,1	115,5	110,5	73,9	116,0	131,3	131,0	116,8	152,8	109,0	128,0	71,6	114,0	108,5
115,7	145,9	75,5	169,5	116,0	114,1	82,4	117,0	129,6	126,7	113,6	160,2	99,0	127,7	67,0	118,7	103,4
99,4	128,5	62,4	176,9	96,7	99,3	77,8	105,7	106,1	100,9	96,1	128,3	81,1	93,4	54,3	123,0	86,2
94,3	135,9	55,6	189,8	82,0	105,0	77,4	102,0	92,6	88,2	85,0	150,5	81,8	84,1	47,7	126,5	71,0
91	120,2	62,9	138,1	92,0	89,5	77,2	106,4	99,5	76,3	83,2	117,0	66,5	71,7	46,9	126,9	75,9
93,2	119,2	66,7	132,5	89,7	92,2	71,8	96,9	99,4	87,0	84,9	116,0	66,4	83,2	54,5	117,8	87,1
103,1	132,5	66,8	131,2	99,1	102,0	75,7	107,6	111,9	109,9	83,0	133,3	86,3	89,1	61,4	116,6	102,0
94,1	130,5	59,9	110,3	98,9	93,5	75,2	98,8	108,7	101,8	79,6	116,4	73,6	79,6	52,0	109,4	88,5
91,8	124,8	52,0	123,7	88,6	89,8	68,9	101,1	101,6	98,8	83,2	104,0	71,5	62,8	50,6	113,8	87,8
102,7	136,7	61,2	149,9	105,5	96,1	66,8	105,7	116,1	117,1	83,8	126,6	87,2	95,1	57,1	116,6	100,8
82,6	129,2	60,0	162,9	84,4	76,0	68,2	104,6	102,5	83,4	82,8	92,9	65,3	63,6	42,5	119,9	50,6
89,1	127,9	49,9	138,1	77,9	85,1	73,0	103,2	90,5	90,1	71,4	83,6	69,7	61,4	42,2	120,0	85,9
104,5	133,6	66,3	133,3	100,8	103,2	69,3	101,6	118,7	116,0	87,2	112,8	95,5	98,2	63,1	121,0	103,8
105,1	137,1	67,9	122,9	100,2	102,9	75,5	106,7	117,3	116,6	86,3	113,2	86,3	95,3	61,1	127,7	102,9
95,1	128,9	59,1	106,5	96,1	113,6	67,1	99,5	106,1	96,1	77,7	118,5	81,0	81,5	56,6	127,2	79,7
88,7	129,4	54,0	122,3	80,3	101,3	69,3	101,0	91,8	72,9	62,5	125,5	88,7	85,5	51,0	128,6	63,7
86,3	118,4	59,6	140,5	87,2	87,1	67,6	104,9	101,5	65,7	69,2	91,3	71,9	71,1	48,8	128,9	69,5
91,8	120,9	66,0	136,2	89,6	88,6	63,8	118,4	104,3	72,9	73,4	105,4	78,6	78,1	52,6	121,3	75,0
111,5	142,4	72,3	139,9	112,6	105,9	68,5	129,0	123,9	113,9	97,4	121,3	96,0	103,0	61,2	119,7	104,7
99,7	132,2	63,7	108,7	104,5	93,4	66,7	123,7	118,0	106,9	80,8	106,9	81,1	86,0	54,3	113,7	90,2
97,5	124,9	57,5	108,6	100,3	89,5	70,8	127,6	108,9	102,0	84,9	109,4	77,5	86,2	50,1	117,5	82,1
111,7	140,2	71,5	128,0	116,3	99,4	57,8	129,4	128,5	124,8	94,3	132,6	97,3	105,7	58,5	123,5	103,0
86,2	127,9	61,2	161,8	88,8	77,0	56,6	128,3	105,1	80,2	87,6	96,8	78,6	57,2	40,4	122,2	47,1
95,4	127,9	50,7	147,0	87,2	87,2	68,7	124,8	99,8	95,0	79,5	100,3	79,0	73,7	45,7	124,6	85,6
113	139,2	71,8	147,9	110,8	104,2	75,8	125,2	125,3	119,5	101,2	119,2	93,4	120,5	62,7	126,0	104,6
111	137,4	68,0	102,7	110,0	99,9	73,9	129,6	116,4	116,8	95,4	120,7	99,4	107,7	59,5	124,1	103,8
104,5	140,0	62,3	102,3	103,5	97,4	76,5	124,8	111,9	98,7	96,1	111,6	87,3	105,3	55,9	123,7	89,2
97,3	137,5	55,4	100,3	85,3	102,6	81,1	121,9	97,0	63,9	88,5	134,9	98,8	109,8	55,9	128,6	60,6
97,1	130,2	60,0	116,8	95,5	87,4	77,1	129,2	106,9	81,9	87,2	105,9	84,4	94,0	49,3	129,8	73,3
104,1	129,9	65,4	139,0	99,1	96,6	64,3	124,1	113,7	97,1	93,3	118,8	85,4	108,2	59,9	123,1	90,4
119,3	148,3	73,1	122,1	116,9	104,1	66,5	143,7	130,1	120,6	105,8	145,9	105,2	131,9	64,0	119,6	106,4

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time14 seconds
R Server'Gwilym Jenkins' @ jenkins.wessa.net

\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 & 14 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ jenkins.wessa.net \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=190058&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]14 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'Gwilym Jenkins' @ jenkins.wessa.net[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=190058&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=190058&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 time14 seconds
R Server'Gwilym Jenkins' @ jenkins.wessa.net






Multiple Linear Regression - Estimated Regression Equation
Totale_industrie[t] = -0.892024032278412 + 0.0909930217903144`Voedings-en_genotmiddelen`[t] + 0.0360180253190341Textiel_en_kleding[t] -0.00503279796129003Leer_en_schoeisel[t] + 0.00667328507354064Hout[t] + 0.0638323584917605Papier_en_karton[t] + 0.0129364130340047`Cokes_raffinage_splijt-en_kweekstoffen`[t] + 0.134624727987984Chemische_nijverheid[t] + 0.0421320457363634`Rubber-en_kunststof`[t] + 0.0406572356994023`Niet-metaalhoudende_minerale_producten`[t] + 0.10254413237684Metallurgie_en_producten_van_metaal[t] + 0.0353760022865413Machines[t] + 0.0571353963706806Elektronische_apparaten[t] + 0.0681946371740258Transportmiddelen[t] + 0.0157184086087146Overige_industrie[t] + 0.0960626980551969Elektriciteit_gas_en_water[t] + 0.212026573837518Bouwnijverheid[t] + e[t]

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Estimated Regression Equation \tabularnewline
Totale_industrie[t] =  -0.892024032278412 +  0.0909930217903144`Voedings-en_genotmiddelen`[t] +  0.0360180253190341Textiel_en_kleding[t] -0.00503279796129003Leer_en_schoeisel[t] +  0.00667328507354064Hout[t] +  0.0638323584917605Papier_en_karton[t] +  0.0129364130340047`Cokes_raffinage_splijt-en_kweekstoffen`[t] +  0.134624727987984Chemische_nijverheid[t] +  0.0421320457363634`Rubber-en_kunststof`[t] +  0.0406572356994023`Niet-metaalhoudende_minerale_producten`[t] +  0.10254413237684Metallurgie_en_producten_van_metaal[t] +  0.0353760022865413Machines[t] +  0.0571353963706806Elektronische_apparaten[t] +  0.0681946371740258Transportmiddelen[t] +  0.0157184086087146Overige_industrie[t] +  0.0960626980551969Elektriciteit_gas_en_water[t] +  0.212026573837518Bouwnijverheid[t]  + e[t] \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=190058&T=1

[TABLE]
[ROW][C]Multiple Linear Regression - Estimated Regression Equation[/C][/ROW]
[ROW][C]Totale_industrie[t] =  -0.892024032278412 +  0.0909930217903144`Voedings-en_genotmiddelen`[t] +  0.0360180253190341Textiel_en_kleding[t] -0.00503279796129003Leer_en_schoeisel[t] +  0.00667328507354064Hout[t] +  0.0638323584917605Papier_en_karton[t] +  0.0129364130340047`Cokes_raffinage_splijt-en_kweekstoffen`[t] +  0.134624727987984Chemische_nijverheid[t] +  0.0421320457363634`Rubber-en_kunststof`[t] +  0.0406572356994023`Niet-metaalhoudende_minerale_producten`[t] +  0.10254413237684Metallurgie_en_producten_van_metaal[t] +  0.0353760022865413Machines[t] +  0.0571353963706806Elektronische_apparaten[t] +  0.0681946371740258Transportmiddelen[t] +  0.0157184086087146Overige_industrie[t] +  0.0960626980551969Elektriciteit_gas_en_water[t] +  0.212026573837518Bouwnijverheid[t]  + e[t][/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=190058&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=190058&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
Totale_industrie[t] = -0.892024032278412 + 0.0909930217903144`Voedings-en_genotmiddelen`[t] + 0.0360180253190341Textiel_en_kleding[t] -0.00503279796129003Leer_en_schoeisel[t] + 0.00667328507354064Hout[t] + 0.0638323584917605Papier_en_karton[t] + 0.0129364130340047`Cokes_raffinage_splijt-en_kweekstoffen`[t] + 0.134624727987984Chemische_nijverheid[t] + 0.0421320457363634`Rubber-en_kunststof`[t] + 0.0406572356994023`Niet-metaalhoudende_minerale_producten`[t] + 0.10254413237684Metallurgie_en_producten_van_metaal[t] + 0.0353760022865413Machines[t] + 0.0571353963706806Elektronische_apparaten[t] + 0.0681946371740258Transportmiddelen[t] + 0.0157184086087146Overige_industrie[t] + 0.0960626980551969Elektriciteit_gas_en_water[t] + 0.212026573837518Bouwnijverheid[t] + e[t]






Multiple Linear Regression - Ordinary Least Squares
VariableParameterS.D.T-STATH0: parameter = 02-tail p-value1-tail p-value
(Intercept)-0.8920240322784120.794558-1.12270.2641150.132058
`Voedings-en_genotmiddelen`0.09099302179031440.00700912.981500
Textiel_en_kleding0.03601802531903410.0056866.334500
Leer_en_schoeisel-0.005032797961290030.001878-2.68060.0085240.004262
Hout0.006673285073540640.0067060.9950.3219780.160989
Papier_en_karton0.06383235849176050.0074038.622800
`Cokes_raffinage_splijt-en_kweekstoffen`0.01293641303400470.0035823.61130.0004670.000234
Chemische_nijverheid0.1346247279879840.00511626.315400
`Rubber-en_kunststof`0.04213204573636340.0078865.34281e-060
`Niet-metaalhoudende_minerale_producten`0.04065723569940230.0065516.205800
Metallurgie_en_producten_van_metaal0.102544132376840.00541318.945500
Machines0.03537600228654130.0036119.795900
Elektronische_apparaten0.05713539637068060.006219.200600
Transportmiddelen0.06819463717402580.00377718.054500
Overige_industrie0.01571840860871460.0060832.5840.0111280.005564
Elektriciteit_gas_en_water0.09606269805519690.00467220.562300
Bouwnijverheid0.2120265738375180.00512841.346900

\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) & -0.892024032278412 & 0.794558 & -1.1227 & 0.264115 & 0.132058 \tabularnewline
`Voedings-en_genotmiddelen` & 0.0909930217903144 & 0.007009 & 12.9815 & 0 & 0 \tabularnewline
Textiel_en_kleding & 0.0360180253190341 & 0.005686 & 6.3345 & 0 & 0 \tabularnewline
Leer_en_schoeisel & -0.00503279796129003 & 0.001878 & -2.6806 & 0.008524 & 0.004262 \tabularnewline
Hout & 0.00667328507354064 & 0.006706 & 0.995 & 0.321978 & 0.160989 \tabularnewline
Papier_en_karton & 0.0638323584917605 & 0.007403 & 8.6228 & 0 & 0 \tabularnewline
`Cokes_raffinage_splijt-en_kweekstoffen` & 0.0129364130340047 & 0.003582 & 3.6113 & 0.000467 & 0.000234 \tabularnewline
Chemische_nijverheid & 0.134624727987984 & 0.005116 & 26.3154 & 0 & 0 \tabularnewline
`Rubber-en_kunststof` & 0.0421320457363634 & 0.007886 & 5.3428 & 1e-06 & 0 \tabularnewline
`Niet-metaalhoudende_minerale_producten` & 0.0406572356994023 & 0.006551 & 6.2058 & 0 & 0 \tabularnewline
Metallurgie_en_producten_van_metaal & 0.10254413237684 & 0.005413 & 18.9455 & 0 & 0 \tabularnewline
Machines & 0.0353760022865413 & 0.003611 & 9.7959 & 0 & 0 \tabularnewline
Elektronische_apparaten & 0.0571353963706806 & 0.00621 & 9.2006 & 0 & 0 \tabularnewline
Transportmiddelen & 0.0681946371740258 & 0.003777 & 18.0545 & 0 & 0 \tabularnewline
Overige_industrie & 0.0157184086087146 & 0.006083 & 2.584 & 0.011128 & 0.005564 \tabularnewline
Elektriciteit_gas_en_water & 0.0960626980551969 & 0.004672 & 20.5623 & 0 & 0 \tabularnewline
Bouwnijverheid & 0.212026573837518 & 0.005128 & 41.3469 & 0 & 0 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=190058&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]-0.892024032278412[/C][C]0.794558[/C][C]-1.1227[/C][C]0.264115[/C][C]0.132058[/C][/ROW]
[ROW][C]`Voedings-en_genotmiddelen`[/C][C]0.0909930217903144[/C][C]0.007009[/C][C]12.9815[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]Textiel_en_kleding[/C][C]0.0360180253190341[/C][C]0.005686[/C][C]6.3345[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]Leer_en_schoeisel[/C][C]-0.00503279796129003[/C][C]0.001878[/C][C]-2.6806[/C][C]0.008524[/C][C]0.004262[/C][/ROW]
[ROW][C]Hout[/C][C]0.00667328507354064[/C][C]0.006706[/C][C]0.995[/C][C]0.321978[/C][C]0.160989[/C][/ROW]
[ROW][C]Papier_en_karton[/C][C]0.0638323584917605[/C][C]0.007403[/C][C]8.6228[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]`Cokes_raffinage_splijt-en_kweekstoffen`[/C][C]0.0129364130340047[/C][C]0.003582[/C][C]3.6113[/C][C]0.000467[/C][C]0.000234[/C][/ROW]
[ROW][C]Chemische_nijverheid[/C][C]0.134624727987984[/C][C]0.005116[/C][C]26.3154[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]`Rubber-en_kunststof`[/C][C]0.0421320457363634[/C][C]0.007886[/C][C]5.3428[/C][C]1e-06[/C][C]0[/C][/ROW]
[ROW][C]`Niet-metaalhoudende_minerale_producten`[/C][C]0.0406572356994023[/C][C]0.006551[/C][C]6.2058[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]Metallurgie_en_producten_van_metaal[/C][C]0.10254413237684[/C][C]0.005413[/C][C]18.9455[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]Machines[/C][C]0.0353760022865413[/C][C]0.003611[/C][C]9.7959[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]Elektronische_apparaten[/C][C]0.0571353963706806[/C][C]0.00621[/C][C]9.2006[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]Transportmiddelen[/C][C]0.0681946371740258[/C][C]0.003777[/C][C]18.0545[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]Overige_industrie[/C][C]0.0157184086087146[/C][C]0.006083[/C][C]2.584[/C][C]0.011128[/C][C]0.005564[/C][/ROW]
[ROW][C]Elektriciteit_gas_en_water[/C][C]0.0960626980551969[/C][C]0.004672[/C][C]20.5623[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]Bouwnijverheid[/C][C]0.212026573837518[/C][C]0.005128[/C][C]41.3469[/C][C]0[/C][C]0[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=190058&T=2

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=190058&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)-0.8920240322784120.794558-1.12270.2641150.132058
`Voedings-en_genotmiddelen`0.09099302179031440.00700912.981500
Textiel_en_kleding0.03601802531903410.0056866.334500
Leer_en_schoeisel-0.005032797961290030.001878-2.68060.0085240.004262
Hout0.006673285073540640.0067060.9950.3219780.160989
Papier_en_karton0.06383235849176050.0074038.622800
`Cokes_raffinage_splijt-en_kweekstoffen`0.01293641303400470.0035823.61130.0004670.000234
Chemische_nijverheid0.1346247279879840.00511626.315400
`Rubber-en_kunststof`0.04213204573636340.0078865.34281e-060
`Niet-metaalhoudende_minerale_producten`0.04065723569940230.0065516.205800
Metallurgie_en_producten_van_metaal0.102544132376840.00541318.945500
Machines0.03537600228654130.0036119.795900
Elektronische_apparaten0.05713539637068060.006219.200600
Transportmiddelen0.06819463717402580.00377718.054500
Overige_industrie0.01571840860871460.0060832.5840.0111280.005564
Elektriciteit_gas_en_water0.09606269805519690.00467220.562300
Bouwnijverheid0.2120265738375180.00512841.346900






Multiple Linear Regression - Regression Statistics
Multiple R0.999405326964136
R-squared0.998811007564292
Adjusted R-squared0.998631537007958
F-TEST (value)5565.31961548753
F-TEST (DF numerator)16
F-TEST (DF denominator)106
p-value0
Multiple Linear Regression - Residual Statistics
Residual Standard Deviation0.337486995484754
Sum Squared Residuals12.0731320448606

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Regression Statistics \tabularnewline
Multiple R & 0.999405326964136 \tabularnewline
R-squared & 0.998811007564292 \tabularnewline
Adjusted R-squared & 0.998631537007958 \tabularnewline
F-TEST (value) & 5565.31961548753 \tabularnewline
F-TEST (DF numerator) & 16 \tabularnewline
F-TEST (DF denominator) & 106 \tabularnewline
p-value & 0 \tabularnewline
Multiple Linear Regression - Residual Statistics \tabularnewline
Residual Standard Deviation & 0.337486995484754 \tabularnewline
Sum Squared Residuals & 12.0731320448606 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=190058&T=3

[TABLE]
[ROW][C]Multiple Linear Regression - Regression Statistics[/C][/ROW]
[ROW][C]Multiple R[/C][C]0.999405326964136[/C][/ROW]
[ROW][C]R-squared[/C][C]0.998811007564292[/C][/ROW]
[ROW][C]Adjusted R-squared[/C][C]0.998631537007958[/C][/ROW]
[ROW][C]F-TEST (value)[/C][C]5565.31961548753[/C][/ROW]
[ROW][C]F-TEST (DF numerator)[/C][C]16[/C][/ROW]
[ROW][C]F-TEST (DF denominator)[/C][C]106[/C][/ROW]
[ROW][C]p-value[/C][C]0[/C][/ROW]
[ROW][C]Multiple Linear Regression - Residual Statistics[/C][/ROW]
[ROW][C]Residual Standard Deviation[/C][C]0.337486995484754[/C][/ROW]
[ROW][C]Sum Squared Residuals[/C][C]12.0731320448606[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=190058&T=3

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=190058&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 R0.999405326964136
R-squared0.998811007564292
Adjusted R-squared0.998631537007958
F-TEST (value)5565.31961548753
F-TEST (DF numerator)16
F-TEST (DF denominator)106
p-value0
Multiple Linear Regression - Residual Statistics
Residual Standard Deviation0.337486995484754
Sum Squared Residuals12.0731320448606






Multiple Linear Regression - Actuals, Interpolation, and Residuals
Time or IndexActualsInterpolationForecastResidualsPrediction Error
198.898.55775678046190.242243219538121
2100.5100.699601240932-0.199601240932247
3110.4110.547355256124-0.147355256124217
496.496.4339810666494-0.0339810666493447
5101.9102.380544444202-0.480544444202075
6106.2106.538811418088-0.338811418087566
78179.77265495594041.22734504405962
894.795.3561212646981-0.656121264698147
9101101.253762260084-0.253762260084352
10109.4110.340898351089-0.940898351089477
11102.3102.453305030618-0.153305030618048
1290.789.90461342133770.795386578662264
1396.295.84461440535150.355385594648557
1496.195.90683639395660.193163606043378
15106105.907238406620.0927615933795584
16103.1103.286708830121-0.186708830121241
17102102.080669228994-0.0806692289941631
18104.7104.79693461093-0.0969346109295801
198684.98555609048171.01444390951835
2092.192.07397184853410.0260281514659013
21106.9106.7206889838580.179311016141535
22112.6112.925351695619-0.325351695618953
23101.7101.720981412391-0.020981412390698
249291.29087425229990.709125747700074
2597.497.22914184919150.170858150808502
269796.79301870537770.206981294622308
27105.4105.445723207693-0.0457232076928077
28102.7102.722864227764-0.0228642277639452
2998.198.2493413053251-0.149341305325144
30104.5104.66340742031-0.163407420310049
3187.487.10906462379750.290935376202501
3289.989.9162592995366-0.0162592995365896
33109.8109.925010200813-0.125010200813196
34111.7111.92166238425-0.22166238425005
3598.698.7526397601647-0.152639760164726
3696.996.73767498845360.162325011546376
3795.195.1962995141239-0.096299514123919
389796.99560356870970.00439643129031663
39112.7112.5488782184740.151121781525538
40102.9102.922635466708-0.0226354667081136
4197.497.34941614177780.0505838582222397
42111.4111.293986265950.106013734049583
4387.487.25562862839270.144371371607341
4496.896.9529573478676-0.152957347867582
45114.1114.263224051849-0.163224051848759
46110.3110.594927279357-0.294927279356727
47103.9104.08478838082-0.184788380820089
48101.6101.627830283115-0.0278302831148875
4994.694.8917358772874-0.291735877287388
5095.995.80874681824710.0912531817529165
51104.7104.6607771099710.0392228900287611
52102.8102.86435591807-0.0643559180702024
5398.198.1965851714609-0.0965851714608899
54113.9114.155775714195-0.255775714195412
5580.981.1395264886898-0.239526488689794
5695.795.8753586059762-0.175358605976157
57113.2113.0481253880580.151874611942276
58105.9106.055647593324-0.155647593324425
59108.8108.6746340581810.125365941818673
60102.3102.2355358449710.0644641550291755
619999.2790248519151-0.279024851915079
62100.7100.6769008260550.0230991739445872
63115.5115.3644456100280.135554389971574
64100.7100.5987348969740.10126510302628
65109.9109.938471768648-0.0384717686481223
66114.6114.3125785205910.287421479408735
6785.485.7454141042399-0.34541410423991
68100.5100.565560130642-0.0655601306420495
69114.8114.5705025942320.229497405767963
70116.5116.3762128331350.123787166864743
71112.9112.8702780182780.0297219817219961
72102102.256424266902-0.256424266901525
73106106.064505897664-0.0645058976636748
74105.3105.0360472198010.263952780198837
75118.8118.6829987764530.117001223547091
76106.1106.167239647341-0.0672396473409159
77109.3109.35025031685-0.0502503168504818
78117.2117.1073350189660.0926649810343074
7992.593.1069837633969-0.606983763396884
80104.2104.0285563700510.171443629949164
81112.5112.2220819798930.277918020106577
82122.4122.2227744242810.177225575718881
83113.3113.785215282571-0.485215282570579
84100100.565469328286-0.565469328286298
85110.7110.907027405732-0.207027405731849
86112.8112.6686167793510.131383220649382
87109.8109.888237705406-0.0882377054061573
88117.3117.2928865423540.00711345764577858
89109.1109.170121251794-0.07012125179408
90115.9115.922450842893-0.022450842892944
919696.5997806677185-0.599780667718511
9299.899.39066751752680.409332482473164
93116.8116.4194671965740.38053280342592
94115.7115.796602958529-0.0966029585291142
9599.499.29267785577930.107322144220679
9694.394.3960781915518-0.0960781915518369
979190.93991779811520.0600822018848211
9893.292.7904642152420.409535784758028
99103.1102.7566311744280.343368825572441
10094.194.2103482714986-0.110348271498576
10191.891.75891354135270.0410864586472573
102102.7102.5914360663390.108563933661042
10382.683.0530552609908-0.453055260990843
10489.188.96652928498250.13347071501751
105104.5104.242793815250.257206184750364
106105.1105.0000969338290.0999030661706089
10795.195.3157920099971-0.215792009997097
10888.788.9478853610632-0.247885361063195
10986.386.5749870134143-0.274987013414349
11091.891.63082387421040.169176125789609
111111.5111.0282166423990.471783357600972
11299.799.8439298903672-0.143929890367158
11397.597.5737801574848-0.073780157484833
114111.7111.3237071707260.376292829273883
11586.286.4961765575762-0.296176557576228
11695.495.814812139127-0.414812139126982
117113112.3955700579820.604429942017732
118111110.6513884608830.348611539117299
119104.5104.647923769082-0.147923769081546
12097.397.4345189981018-0.134518998101792
12197.197.6755145204678-0.575514520467835
122104.1103.6506014025070.449398597492897
123119.3118.7069448925430.593055107457419

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Actuals, Interpolation, and Residuals \tabularnewline
Time or Index & Actuals & InterpolationForecast & ResidualsPrediction Error \tabularnewline
1 & 98.8 & 98.5577567804619 & 0.242243219538121 \tabularnewline
2 & 100.5 & 100.699601240932 & -0.199601240932247 \tabularnewline
3 & 110.4 & 110.547355256124 & -0.147355256124217 \tabularnewline
4 & 96.4 & 96.4339810666494 & -0.0339810666493447 \tabularnewline
5 & 101.9 & 102.380544444202 & -0.480544444202075 \tabularnewline
6 & 106.2 & 106.538811418088 & -0.338811418087566 \tabularnewline
7 & 81 & 79.7726549559404 & 1.22734504405962 \tabularnewline
8 & 94.7 & 95.3561212646981 & -0.656121264698147 \tabularnewline
9 & 101 & 101.253762260084 & -0.253762260084352 \tabularnewline
10 & 109.4 & 110.340898351089 & -0.940898351089477 \tabularnewline
11 & 102.3 & 102.453305030618 & -0.153305030618048 \tabularnewline
12 & 90.7 & 89.9046134213377 & 0.795386578662264 \tabularnewline
13 & 96.2 & 95.8446144053515 & 0.355385594648557 \tabularnewline
14 & 96.1 & 95.9068363939566 & 0.193163606043378 \tabularnewline
15 & 106 & 105.90723840662 & 0.0927615933795584 \tabularnewline
16 & 103.1 & 103.286708830121 & -0.186708830121241 \tabularnewline
17 & 102 & 102.080669228994 & -0.0806692289941631 \tabularnewline
18 & 104.7 & 104.79693461093 & -0.0969346109295801 \tabularnewline
19 & 86 & 84.9855560904817 & 1.01444390951835 \tabularnewline
20 & 92.1 & 92.0739718485341 & 0.0260281514659013 \tabularnewline
21 & 106.9 & 106.720688983858 & 0.179311016141535 \tabularnewline
22 & 112.6 & 112.925351695619 & -0.325351695618953 \tabularnewline
23 & 101.7 & 101.720981412391 & -0.020981412390698 \tabularnewline
24 & 92 & 91.2908742522999 & 0.709125747700074 \tabularnewline
25 & 97.4 & 97.2291418491915 & 0.170858150808502 \tabularnewline
26 & 97 & 96.7930187053777 & 0.206981294622308 \tabularnewline
27 & 105.4 & 105.445723207693 & -0.0457232076928077 \tabularnewline
28 & 102.7 & 102.722864227764 & -0.0228642277639452 \tabularnewline
29 & 98.1 & 98.2493413053251 & -0.149341305325144 \tabularnewline
30 & 104.5 & 104.66340742031 & -0.163407420310049 \tabularnewline
31 & 87.4 & 87.1090646237975 & 0.290935376202501 \tabularnewline
32 & 89.9 & 89.9162592995366 & -0.0162592995365896 \tabularnewline
33 & 109.8 & 109.925010200813 & -0.125010200813196 \tabularnewline
34 & 111.7 & 111.92166238425 & -0.22166238425005 \tabularnewline
35 & 98.6 & 98.7526397601647 & -0.152639760164726 \tabularnewline
36 & 96.9 & 96.7376749884536 & 0.162325011546376 \tabularnewline
37 & 95.1 & 95.1962995141239 & -0.096299514123919 \tabularnewline
38 & 97 & 96.9956035687097 & 0.00439643129031663 \tabularnewline
39 & 112.7 & 112.548878218474 & 0.151121781525538 \tabularnewline
40 & 102.9 & 102.922635466708 & -0.0226354667081136 \tabularnewline
41 & 97.4 & 97.3494161417778 & 0.0505838582222397 \tabularnewline
42 & 111.4 & 111.29398626595 & 0.106013734049583 \tabularnewline
43 & 87.4 & 87.2556286283927 & 0.144371371607341 \tabularnewline
44 & 96.8 & 96.9529573478676 & -0.152957347867582 \tabularnewline
45 & 114.1 & 114.263224051849 & -0.163224051848759 \tabularnewline
46 & 110.3 & 110.594927279357 & -0.294927279356727 \tabularnewline
47 & 103.9 & 104.08478838082 & -0.184788380820089 \tabularnewline
48 & 101.6 & 101.627830283115 & -0.0278302831148875 \tabularnewline
49 & 94.6 & 94.8917358772874 & -0.291735877287388 \tabularnewline
50 & 95.9 & 95.8087468182471 & 0.0912531817529165 \tabularnewline
51 & 104.7 & 104.660777109971 & 0.0392228900287611 \tabularnewline
52 & 102.8 & 102.86435591807 & -0.0643559180702024 \tabularnewline
53 & 98.1 & 98.1965851714609 & -0.0965851714608899 \tabularnewline
54 & 113.9 & 114.155775714195 & -0.255775714195412 \tabularnewline
55 & 80.9 & 81.1395264886898 & -0.239526488689794 \tabularnewline
56 & 95.7 & 95.8753586059762 & -0.175358605976157 \tabularnewline
57 & 113.2 & 113.048125388058 & 0.151874611942276 \tabularnewline
58 & 105.9 & 106.055647593324 & -0.155647593324425 \tabularnewline
59 & 108.8 & 108.674634058181 & 0.125365941818673 \tabularnewline
60 & 102.3 & 102.235535844971 & 0.0644641550291755 \tabularnewline
61 & 99 & 99.2790248519151 & -0.279024851915079 \tabularnewline
62 & 100.7 & 100.676900826055 & 0.0230991739445872 \tabularnewline
63 & 115.5 & 115.364445610028 & 0.135554389971574 \tabularnewline
64 & 100.7 & 100.598734896974 & 0.10126510302628 \tabularnewline
65 & 109.9 & 109.938471768648 & -0.0384717686481223 \tabularnewline
66 & 114.6 & 114.312578520591 & 0.287421479408735 \tabularnewline
67 & 85.4 & 85.7454141042399 & -0.34541410423991 \tabularnewline
68 & 100.5 & 100.565560130642 & -0.0655601306420495 \tabularnewline
69 & 114.8 & 114.570502594232 & 0.229497405767963 \tabularnewline
70 & 116.5 & 116.376212833135 & 0.123787166864743 \tabularnewline
71 & 112.9 & 112.870278018278 & 0.0297219817219961 \tabularnewline
72 & 102 & 102.256424266902 & -0.256424266901525 \tabularnewline
73 & 106 & 106.064505897664 & -0.0645058976636748 \tabularnewline
74 & 105.3 & 105.036047219801 & 0.263952780198837 \tabularnewline
75 & 118.8 & 118.682998776453 & 0.117001223547091 \tabularnewline
76 & 106.1 & 106.167239647341 & -0.0672396473409159 \tabularnewline
77 & 109.3 & 109.35025031685 & -0.0502503168504818 \tabularnewline
78 & 117.2 & 117.107335018966 & 0.0926649810343074 \tabularnewline
79 & 92.5 & 93.1069837633969 & -0.606983763396884 \tabularnewline
80 & 104.2 & 104.028556370051 & 0.171443629949164 \tabularnewline
81 & 112.5 & 112.222081979893 & 0.277918020106577 \tabularnewline
82 & 122.4 & 122.222774424281 & 0.177225575718881 \tabularnewline
83 & 113.3 & 113.785215282571 & -0.485215282570579 \tabularnewline
84 & 100 & 100.565469328286 & -0.565469328286298 \tabularnewline
85 & 110.7 & 110.907027405732 & -0.207027405731849 \tabularnewline
86 & 112.8 & 112.668616779351 & 0.131383220649382 \tabularnewline
87 & 109.8 & 109.888237705406 & -0.0882377054061573 \tabularnewline
88 & 117.3 & 117.292886542354 & 0.00711345764577858 \tabularnewline
89 & 109.1 & 109.170121251794 & -0.07012125179408 \tabularnewline
90 & 115.9 & 115.922450842893 & -0.022450842892944 \tabularnewline
91 & 96 & 96.5997806677185 & -0.599780667718511 \tabularnewline
92 & 99.8 & 99.3906675175268 & 0.409332482473164 \tabularnewline
93 & 116.8 & 116.419467196574 & 0.38053280342592 \tabularnewline
94 & 115.7 & 115.796602958529 & -0.0966029585291142 \tabularnewline
95 & 99.4 & 99.2926778557793 & 0.107322144220679 \tabularnewline
96 & 94.3 & 94.3960781915518 & -0.0960781915518369 \tabularnewline
97 & 91 & 90.9399177981152 & 0.0600822018848211 \tabularnewline
98 & 93.2 & 92.790464215242 & 0.409535784758028 \tabularnewline
99 & 103.1 & 102.756631174428 & 0.343368825572441 \tabularnewline
100 & 94.1 & 94.2103482714986 & -0.110348271498576 \tabularnewline
101 & 91.8 & 91.7589135413527 & 0.0410864586472573 \tabularnewline
102 & 102.7 & 102.591436066339 & 0.108563933661042 \tabularnewline
103 & 82.6 & 83.0530552609908 & -0.453055260990843 \tabularnewline
104 & 89.1 & 88.9665292849825 & 0.13347071501751 \tabularnewline
105 & 104.5 & 104.24279381525 & 0.257206184750364 \tabularnewline
106 & 105.1 & 105.000096933829 & 0.0999030661706089 \tabularnewline
107 & 95.1 & 95.3157920099971 & -0.215792009997097 \tabularnewline
108 & 88.7 & 88.9478853610632 & -0.247885361063195 \tabularnewline
109 & 86.3 & 86.5749870134143 & -0.274987013414349 \tabularnewline
110 & 91.8 & 91.6308238742104 & 0.169176125789609 \tabularnewline
111 & 111.5 & 111.028216642399 & 0.471783357600972 \tabularnewline
112 & 99.7 & 99.8439298903672 & -0.143929890367158 \tabularnewline
113 & 97.5 & 97.5737801574848 & -0.073780157484833 \tabularnewline
114 & 111.7 & 111.323707170726 & 0.376292829273883 \tabularnewline
115 & 86.2 & 86.4961765575762 & -0.296176557576228 \tabularnewline
116 & 95.4 & 95.814812139127 & -0.414812139126982 \tabularnewline
117 & 113 & 112.395570057982 & 0.604429942017732 \tabularnewline
118 & 111 & 110.651388460883 & 0.348611539117299 \tabularnewline
119 & 104.5 & 104.647923769082 & -0.147923769081546 \tabularnewline
120 & 97.3 & 97.4345189981018 & -0.134518998101792 \tabularnewline
121 & 97.1 & 97.6755145204678 & -0.575514520467835 \tabularnewline
122 & 104.1 & 103.650601402507 & 0.449398597492897 \tabularnewline
123 & 119.3 & 118.706944892543 & 0.593055107457419 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=190058&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]98.8[/C][C]98.5577567804619[/C][C]0.242243219538121[/C][/ROW]
[ROW][C]2[/C][C]100.5[/C][C]100.699601240932[/C][C]-0.199601240932247[/C][/ROW]
[ROW][C]3[/C][C]110.4[/C][C]110.547355256124[/C][C]-0.147355256124217[/C][/ROW]
[ROW][C]4[/C][C]96.4[/C][C]96.4339810666494[/C][C]-0.0339810666493447[/C][/ROW]
[ROW][C]5[/C][C]101.9[/C][C]102.380544444202[/C][C]-0.480544444202075[/C][/ROW]
[ROW][C]6[/C][C]106.2[/C][C]106.538811418088[/C][C]-0.338811418087566[/C][/ROW]
[ROW][C]7[/C][C]81[/C][C]79.7726549559404[/C][C]1.22734504405962[/C][/ROW]
[ROW][C]8[/C][C]94.7[/C][C]95.3561212646981[/C][C]-0.656121264698147[/C][/ROW]
[ROW][C]9[/C][C]101[/C][C]101.253762260084[/C][C]-0.253762260084352[/C][/ROW]
[ROW][C]10[/C][C]109.4[/C][C]110.340898351089[/C][C]-0.940898351089477[/C][/ROW]
[ROW][C]11[/C][C]102.3[/C][C]102.453305030618[/C][C]-0.153305030618048[/C][/ROW]
[ROW][C]12[/C][C]90.7[/C][C]89.9046134213377[/C][C]0.795386578662264[/C][/ROW]
[ROW][C]13[/C][C]96.2[/C][C]95.8446144053515[/C][C]0.355385594648557[/C][/ROW]
[ROW][C]14[/C][C]96.1[/C][C]95.9068363939566[/C][C]0.193163606043378[/C][/ROW]
[ROW][C]15[/C][C]106[/C][C]105.90723840662[/C][C]0.0927615933795584[/C][/ROW]
[ROW][C]16[/C][C]103.1[/C][C]103.286708830121[/C][C]-0.186708830121241[/C][/ROW]
[ROW][C]17[/C][C]102[/C][C]102.080669228994[/C][C]-0.0806692289941631[/C][/ROW]
[ROW][C]18[/C][C]104.7[/C][C]104.79693461093[/C][C]-0.0969346109295801[/C][/ROW]
[ROW][C]19[/C][C]86[/C][C]84.9855560904817[/C][C]1.01444390951835[/C][/ROW]
[ROW][C]20[/C][C]92.1[/C][C]92.0739718485341[/C][C]0.0260281514659013[/C][/ROW]
[ROW][C]21[/C][C]106.9[/C][C]106.720688983858[/C][C]0.179311016141535[/C][/ROW]
[ROW][C]22[/C][C]112.6[/C][C]112.925351695619[/C][C]-0.325351695618953[/C][/ROW]
[ROW][C]23[/C][C]101.7[/C][C]101.720981412391[/C][C]-0.020981412390698[/C][/ROW]
[ROW][C]24[/C][C]92[/C][C]91.2908742522999[/C][C]0.709125747700074[/C][/ROW]
[ROW][C]25[/C][C]97.4[/C][C]97.2291418491915[/C][C]0.170858150808502[/C][/ROW]
[ROW][C]26[/C][C]97[/C][C]96.7930187053777[/C][C]0.206981294622308[/C][/ROW]
[ROW][C]27[/C][C]105.4[/C][C]105.445723207693[/C][C]-0.0457232076928077[/C][/ROW]
[ROW][C]28[/C][C]102.7[/C][C]102.722864227764[/C][C]-0.0228642277639452[/C][/ROW]
[ROW][C]29[/C][C]98.1[/C][C]98.2493413053251[/C][C]-0.149341305325144[/C][/ROW]
[ROW][C]30[/C][C]104.5[/C][C]104.66340742031[/C][C]-0.163407420310049[/C][/ROW]
[ROW][C]31[/C][C]87.4[/C][C]87.1090646237975[/C][C]0.290935376202501[/C][/ROW]
[ROW][C]32[/C][C]89.9[/C][C]89.9162592995366[/C][C]-0.0162592995365896[/C][/ROW]
[ROW][C]33[/C][C]109.8[/C][C]109.925010200813[/C][C]-0.125010200813196[/C][/ROW]
[ROW][C]34[/C][C]111.7[/C][C]111.92166238425[/C][C]-0.22166238425005[/C][/ROW]
[ROW][C]35[/C][C]98.6[/C][C]98.7526397601647[/C][C]-0.152639760164726[/C][/ROW]
[ROW][C]36[/C][C]96.9[/C][C]96.7376749884536[/C][C]0.162325011546376[/C][/ROW]
[ROW][C]37[/C][C]95.1[/C][C]95.1962995141239[/C][C]-0.096299514123919[/C][/ROW]
[ROW][C]38[/C][C]97[/C][C]96.9956035687097[/C][C]0.00439643129031663[/C][/ROW]
[ROW][C]39[/C][C]112.7[/C][C]112.548878218474[/C][C]0.151121781525538[/C][/ROW]
[ROW][C]40[/C][C]102.9[/C][C]102.922635466708[/C][C]-0.0226354667081136[/C][/ROW]
[ROW][C]41[/C][C]97.4[/C][C]97.3494161417778[/C][C]0.0505838582222397[/C][/ROW]
[ROW][C]42[/C][C]111.4[/C][C]111.29398626595[/C][C]0.106013734049583[/C][/ROW]
[ROW][C]43[/C][C]87.4[/C][C]87.2556286283927[/C][C]0.144371371607341[/C][/ROW]
[ROW][C]44[/C][C]96.8[/C][C]96.9529573478676[/C][C]-0.152957347867582[/C][/ROW]
[ROW][C]45[/C][C]114.1[/C][C]114.263224051849[/C][C]-0.163224051848759[/C][/ROW]
[ROW][C]46[/C][C]110.3[/C][C]110.594927279357[/C][C]-0.294927279356727[/C][/ROW]
[ROW][C]47[/C][C]103.9[/C][C]104.08478838082[/C][C]-0.184788380820089[/C][/ROW]
[ROW][C]48[/C][C]101.6[/C][C]101.627830283115[/C][C]-0.0278302831148875[/C][/ROW]
[ROW][C]49[/C][C]94.6[/C][C]94.8917358772874[/C][C]-0.291735877287388[/C][/ROW]
[ROW][C]50[/C][C]95.9[/C][C]95.8087468182471[/C][C]0.0912531817529165[/C][/ROW]
[ROW][C]51[/C][C]104.7[/C][C]104.660777109971[/C][C]0.0392228900287611[/C][/ROW]
[ROW][C]52[/C][C]102.8[/C][C]102.86435591807[/C][C]-0.0643559180702024[/C][/ROW]
[ROW][C]53[/C][C]98.1[/C][C]98.1965851714609[/C][C]-0.0965851714608899[/C][/ROW]
[ROW][C]54[/C][C]113.9[/C][C]114.155775714195[/C][C]-0.255775714195412[/C][/ROW]
[ROW][C]55[/C][C]80.9[/C][C]81.1395264886898[/C][C]-0.239526488689794[/C][/ROW]
[ROW][C]56[/C][C]95.7[/C][C]95.8753586059762[/C][C]-0.175358605976157[/C][/ROW]
[ROW][C]57[/C][C]113.2[/C][C]113.048125388058[/C][C]0.151874611942276[/C][/ROW]
[ROW][C]58[/C][C]105.9[/C][C]106.055647593324[/C][C]-0.155647593324425[/C][/ROW]
[ROW][C]59[/C][C]108.8[/C][C]108.674634058181[/C][C]0.125365941818673[/C][/ROW]
[ROW][C]60[/C][C]102.3[/C][C]102.235535844971[/C][C]0.0644641550291755[/C][/ROW]
[ROW][C]61[/C][C]99[/C][C]99.2790248519151[/C][C]-0.279024851915079[/C][/ROW]
[ROW][C]62[/C][C]100.7[/C][C]100.676900826055[/C][C]0.0230991739445872[/C][/ROW]
[ROW][C]63[/C][C]115.5[/C][C]115.364445610028[/C][C]0.135554389971574[/C][/ROW]
[ROW][C]64[/C][C]100.7[/C][C]100.598734896974[/C][C]0.10126510302628[/C][/ROW]
[ROW][C]65[/C][C]109.9[/C][C]109.938471768648[/C][C]-0.0384717686481223[/C][/ROW]
[ROW][C]66[/C][C]114.6[/C][C]114.312578520591[/C][C]0.287421479408735[/C][/ROW]
[ROW][C]67[/C][C]85.4[/C][C]85.7454141042399[/C][C]-0.34541410423991[/C][/ROW]
[ROW][C]68[/C][C]100.5[/C][C]100.565560130642[/C][C]-0.0655601306420495[/C][/ROW]
[ROW][C]69[/C][C]114.8[/C][C]114.570502594232[/C][C]0.229497405767963[/C][/ROW]
[ROW][C]70[/C][C]116.5[/C][C]116.376212833135[/C][C]0.123787166864743[/C][/ROW]
[ROW][C]71[/C][C]112.9[/C][C]112.870278018278[/C][C]0.0297219817219961[/C][/ROW]
[ROW][C]72[/C][C]102[/C][C]102.256424266902[/C][C]-0.256424266901525[/C][/ROW]
[ROW][C]73[/C][C]106[/C][C]106.064505897664[/C][C]-0.0645058976636748[/C][/ROW]
[ROW][C]74[/C][C]105.3[/C][C]105.036047219801[/C][C]0.263952780198837[/C][/ROW]
[ROW][C]75[/C][C]118.8[/C][C]118.682998776453[/C][C]0.117001223547091[/C][/ROW]
[ROW][C]76[/C][C]106.1[/C][C]106.167239647341[/C][C]-0.0672396473409159[/C][/ROW]
[ROW][C]77[/C][C]109.3[/C][C]109.35025031685[/C][C]-0.0502503168504818[/C][/ROW]
[ROW][C]78[/C][C]117.2[/C][C]117.107335018966[/C][C]0.0926649810343074[/C][/ROW]
[ROW][C]79[/C][C]92.5[/C][C]93.1069837633969[/C][C]-0.606983763396884[/C][/ROW]
[ROW][C]80[/C][C]104.2[/C][C]104.028556370051[/C][C]0.171443629949164[/C][/ROW]
[ROW][C]81[/C][C]112.5[/C][C]112.222081979893[/C][C]0.277918020106577[/C][/ROW]
[ROW][C]82[/C][C]122.4[/C][C]122.222774424281[/C][C]0.177225575718881[/C][/ROW]
[ROW][C]83[/C][C]113.3[/C][C]113.785215282571[/C][C]-0.485215282570579[/C][/ROW]
[ROW][C]84[/C][C]100[/C][C]100.565469328286[/C][C]-0.565469328286298[/C][/ROW]
[ROW][C]85[/C][C]110.7[/C][C]110.907027405732[/C][C]-0.207027405731849[/C][/ROW]
[ROW][C]86[/C][C]112.8[/C][C]112.668616779351[/C][C]0.131383220649382[/C][/ROW]
[ROW][C]87[/C][C]109.8[/C][C]109.888237705406[/C][C]-0.0882377054061573[/C][/ROW]
[ROW][C]88[/C][C]117.3[/C][C]117.292886542354[/C][C]0.00711345764577858[/C][/ROW]
[ROW][C]89[/C][C]109.1[/C][C]109.170121251794[/C][C]-0.07012125179408[/C][/ROW]
[ROW][C]90[/C][C]115.9[/C][C]115.922450842893[/C][C]-0.022450842892944[/C][/ROW]
[ROW][C]91[/C][C]96[/C][C]96.5997806677185[/C][C]-0.599780667718511[/C][/ROW]
[ROW][C]92[/C][C]99.8[/C][C]99.3906675175268[/C][C]0.409332482473164[/C][/ROW]
[ROW][C]93[/C][C]116.8[/C][C]116.419467196574[/C][C]0.38053280342592[/C][/ROW]
[ROW][C]94[/C][C]115.7[/C][C]115.796602958529[/C][C]-0.0966029585291142[/C][/ROW]
[ROW][C]95[/C][C]99.4[/C][C]99.2926778557793[/C][C]0.107322144220679[/C][/ROW]
[ROW][C]96[/C][C]94.3[/C][C]94.3960781915518[/C][C]-0.0960781915518369[/C][/ROW]
[ROW][C]97[/C][C]91[/C][C]90.9399177981152[/C][C]0.0600822018848211[/C][/ROW]
[ROW][C]98[/C][C]93.2[/C][C]92.790464215242[/C][C]0.409535784758028[/C][/ROW]
[ROW][C]99[/C][C]103.1[/C][C]102.756631174428[/C][C]0.343368825572441[/C][/ROW]
[ROW][C]100[/C][C]94.1[/C][C]94.2103482714986[/C][C]-0.110348271498576[/C][/ROW]
[ROW][C]101[/C][C]91.8[/C][C]91.7589135413527[/C][C]0.0410864586472573[/C][/ROW]
[ROW][C]102[/C][C]102.7[/C][C]102.591436066339[/C][C]0.108563933661042[/C][/ROW]
[ROW][C]103[/C][C]82.6[/C][C]83.0530552609908[/C][C]-0.453055260990843[/C][/ROW]
[ROW][C]104[/C][C]89.1[/C][C]88.9665292849825[/C][C]0.13347071501751[/C][/ROW]
[ROW][C]105[/C][C]104.5[/C][C]104.24279381525[/C][C]0.257206184750364[/C][/ROW]
[ROW][C]106[/C][C]105.1[/C][C]105.000096933829[/C][C]0.0999030661706089[/C][/ROW]
[ROW][C]107[/C][C]95.1[/C][C]95.3157920099971[/C][C]-0.215792009997097[/C][/ROW]
[ROW][C]108[/C][C]88.7[/C][C]88.9478853610632[/C][C]-0.247885361063195[/C][/ROW]
[ROW][C]109[/C][C]86.3[/C][C]86.5749870134143[/C][C]-0.274987013414349[/C][/ROW]
[ROW][C]110[/C][C]91.8[/C][C]91.6308238742104[/C][C]0.169176125789609[/C][/ROW]
[ROW][C]111[/C][C]111.5[/C][C]111.028216642399[/C][C]0.471783357600972[/C][/ROW]
[ROW][C]112[/C][C]99.7[/C][C]99.8439298903672[/C][C]-0.143929890367158[/C][/ROW]
[ROW][C]113[/C][C]97.5[/C][C]97.5737801574848[/C][C]-0.073780157484833[/C][/ROW]
[ROW][C]114[/C][C]111.7[/C][C]111.323707170726[/C][C]0.376292829273883[/C][/ROW]
[ROW][C]115[/C][C]86.2[/C][C]86.4961765575762[/C][C]-0.296176557576228[/C][/ROW]
[ROW][C]116[/C][C]95.4[/C][C]95.814812139127[/C][C]-0.414812139126982[/C][/ROW]
[ROW][C]117[/C][C]113[/C][C]112.395570057982[/C][C]0.604429942017732[/C][/ROW]
[ROW][C]118[/C][C]111[/C][C]110.651388460883[/C][C]0.348611539117299[/C][/ROW]
[ROW][C]119[/C][C]104.5[/C][C]104.647923769082[/C][C]-0.147923769081546[/C][/ROW]
[ROW][C]120[/C][C]97.3[/C][C]97.4345189981018[/C][C]-0.134518998101792[/C][/ROW]
[ROW][C]121[/C][C]97.1[/C][C]97.6755145204678[/C][C]-0.575514520467835[/C][/ROW]
[ROW][C]122[/C][C]104.1[/C][C]103.650601402507[/C][C]0.449398597492897[/C][/ROW]
[ROW][C]123[/C][C]119.3[/C][C]118.706944892543[/C][C]0.593055107457419[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=190058&T=4

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=190058&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
198.898.55775678046190.242243219538121
2100.5100.699601240932-0.199601240932247
3110.4110.547355256124-0.147355256124217
496.496.4339810666494-0.0339810666493447
5101.9102.380544444202-0.480544444202075
6106.2106.538811418088-0.338811418087566
78179.77265495594041.22734504405962
894.795.3561212646981-0.656121264698147
9101101.253762260084-0.253762260084352
10109.4110.340898351089-0.940898351089477
11102.3102.453305030618-0.153305030618048
1290.789.90461342133770.795386578662264
1396.295.84461440535150.355385594648557
1496.195.90683639395660.193163606043378
15106105.907238406620.0927615933795584
16103.1103.286708830121-0.186708830121241
17102102.080669228994-0.0806692289941631
18104.7104.79693461093-0.0969346109295801
198684.98555609048171.01444390951835
2092.192.07397184853410.0260281514659013
21106.9106.7206889838580.179311016141535
22112.6112.925351695619-0.325351695618953
23101.7101.720981412391-0.020981412390698
249291.29087425229990.709125747700074
2597.497.22914184919150.170858150808502
269796.79301870537770.206981294622308
27105.4105.445723207693-0.0457232076928077
28102.7102.722864227764-0.0228642277639452
2998.198.2493413053251-0.149341305325144
30104.5104.66340742031-0.163407420310049
3187.487.10906462379750.290935376202501
3289.989.9162592995366-0.0162592995365896
33109.8109.925010200813-0.125010200813196
34111.7111.92166238425-0.22166238425005
3598.698.7526397601647-0.152639760164726
3696.996.73767498845360.162325011546376
3795.195.1962995141239-0.096299514123919
389796.99560356870970.00439643129031663
39112.7112.5488782184740.151121781525538
40102.9102.922635466708-0.0226354667081136
4197.497.34941614177780.0505838582222397
42111.4111.293986265950.106013734049583
4387.487.25562862839270.144371371607341
4496.896.9529573478676-0.152957347867582
45114.1114.263224051849-0.163224051848759
46110.3110.594927279357-0.294927279356727
47103.9104.08478838082-0.184788380820089
48101.6101.627830283115-0.0278302831148875
4994.694.8917358772874-0.291735877287388
5095.995.80874681824710.0912531817529165
51104.7104.6607771099710.0392228900287611
52102.8102.86435591807-0.0643559180702024
5398.198.1965851714609-0.0965851714608899
54113.9114.155775714195-0.255775714195412
5580.981.1395264886898-0.239526488689794
5695.795.8753586059762-0.175358605976157
57113.2113.0481253880580.151874611942276
58105.9106.055647593324-0.155647593324425
59108.8108.6746340581810.125365941818673
60102.3102.2355358449710.0644641550291755
619999.2790248519151-0.279024851915079
62100.7100.6769008260550.0230991739445872
63115.5115.3644456100280.135554389971574
64100.7100.5987348969740.10126510302628
65109.9109.938471768648-0.0384717686481223
66114.6114.3125785205910.287421479408735
6785.485.7454141042399-0.34541410423991
68100.5100.565560130642-0.0655601306420495
69114.8114.5705025942320.229497405767963
70116.5116.3762128331350.123787166864743
71112.9112.8702780182780.0297219817219961
72102102.256424266902-0.256424266901525
73106106.064505897664-0.0645058976636748
74105.3105.0360472198010.263952780198837
75118.8118.6829987764530.117001223547091
76106.1106.167239647341-0.0672396473409159
77109.3109.35025031685-0.0502503168504818
78117.2117.1073350189660.0926649810343074
7992.593.1069837633969-0.606983763396884
80104.2104.0285563700510.171443629949164
81112.5112.2220819798930.277918020106577
82122.4122.2227744242810.177225575718881
83113.3113.785215282571-0.485215282570579
84100100.565469328286-0.565469328286298
85110.7110.907027405732-0.207027405731849
86112.8112.6686167793510.131383220649382
87109.8109.888237705406-0.0882377054061573
88117.3117.2928865423540.00711345764577858
89109.1109.170121251794-0.07012125179408
90115.9115.922450842893-0.022450842892944
919696.5997806677185-0.599780667718511
9299.899.39066751752680.409332482473164
93116.8116.4194671965740.38053280342592
94115.7115.796602958529-0.0966029585291142
9599.499.29267785577930.107322144220679
9694.394.3960781915518-0.0960781915518369
979190.93991779811520.0600822018848211
9893.292.7904642152420.409535784758028
99103.1102.7566311744280.343368825572441
10094.194.2103482714986-0.110348271498576
10191.891.75891354135270.0410864586472573
102102.7102.5914360663390.108563933661042
10382.683.0530552609908-0.453055260990843
10489.188.96652928498250.13347071501751
105104.5104.242793815250.257206184750364
106105.1105.0000969338290.0999030661706089
10795.195.3157920099971-0.215792009997097
10888.788.9478853610632-0.247885361063195
10986.386.5749870134143-0.274987013414349
11091.891.63082387421040.169176125789609
111111.5111.0282166423990.471783357600972
11299.799.8439298903672-0.143929890367158
11397.597.5737801574848-0.073780157484833
114111.7111.3237071707260.376292829273883
11586.286.4961765575762-0.296176557576228
11695.495.814812139127-0.414812139126982
117113112.3955700579820.604429942017732
118111110.6513884608830.348611539117299
119104.5104.647923769082-0.147923769081546
12097.397.4345189981018-0.134518998101792
12197.197.6755145204678-0.575514520467835
122104.1103.6506014025070.449398597492897
123119.3118.7069448925430.593055107457419






Goldfeld-Quandt test for Heteroskedasticity
p-valuesAlternative Hypothesis
breakpoint indexgreater2-sidedless
200.09843685175712410.1968737035142480.901563148242876
210.3844031196181080.7688062392362160.615596880381892
220.2646933393986230.5293866787972460.735306660601377
230.1737797519051810.3475595038103620.826220248094819
240.1504395286060690.3008790572121380.849560471393931
250.1848039605451810.3696079210903630.815196039454819
260.1468055506795150.2936111013590310.853194449320485
270.1778976593189930.3557953186379870.822102340681007
280.1276841491257090.2553682982514190.872315850874291
290.1225953673779210.2451907347558420.877404632622079
300.08560078970308720.1712015794061740.914399210296913
310.3099312963265810.6198625926531620.690068703673419
320.3705351454742860.7410702909485720.629464854525714
330.4478228489455430.8956456978910860.552177151054457
340.4497513393419830.8995026786839660.550248660658017
350.4202495157232990.8404990314465970.579750484276701
360.4410806351183640.8821612702367270.558919364881636
370.3700365760795060.7400731521590110.629963423920495
380.3990967605790140.7981935211580270.600903239420986
390.6863847821676260.6272304356647480.313615217832374
400.631391247921450.7372175041571010.36860875207855
410.5662283497249540.8675433005500920.433771650275046
420.6949856427251090.6100287145497820.305014357274891
430.8703509205350220.2592981589299550.129649079464977
440.8372655205642940.3254689588714120.162734479435706
450.8616437183030050.2767125633939890.138356281696995
460.8709813850947910.2580372298104180.129018614905209
470.9053447771853540.1893104456292920.0946552228146458
480.8835085523337190.2329828953325620.116491447666281
490.9286062582495030.1427874835009940.0713937417504971
500.9109510814865170.1780978370269660.0890489185134831
510.8842135881009510.2315728237980970.115786411899049
520.864120352643890.271759294712220.13587964735611
530.8320693378115760.3358613243768480.167930662188424
540.8651835429477850.2696329141044310.134816457052215
550.9357236622916080.1285526754167830.0642763377083916
560.9461451065475150.1077097869049710.0538548934524854
570.9900613393451210.01987732130975750.00993866065487873
580.988316586965220.02336682606956090.0116834130347804
590.9836839163085250.03263216738294910.0163160836914746
600.9815754085102630.0368491829794730.0184245914897365
610.9789671013396460.04206579732070780.0210328986603539
620.9716586561529110.05668268769417850.0283413438470892
630.9779564116765940.04408717664681230.0220435883234062
640.9738343868354190.05233122632916250.0261656131645812
650.9661156564120720.0677686871758570.0338843435879285
660.9589734877984780.08205302440304330.0410265122015217
670.988909100112850.02218179977430060.0110908998871503
680.9886752351079820.0226495297840350.0113247648920175
690.9879383244642480.0241233510715040.012061675535752
700.9846398717654980.03072025646900320.0153601282345016
710.9808783111485630.03824337770287420.0191216888514371
720.9829796639480760.03404067210384730.0170203360519236
730.9783651654558680.0432696690882630.0216348345441315
740.969833742942730.06033251411453970.0301662570572699
750.9579904041530380.08401919169392330.0420095958469617
760.9413028846346480.1173942307307040.058697115365352
770.9206253877449430.1587492245101150.0793746122550573
780.89470635657290.21058728685420.1052936434271
790.9319524729246260.1360950541507490.0680475270753744
800.9288359775805940.1423280448388120.071164022419406
810.9051459607911790.1897080784176410.0948540392088206
820.8786077802155340.2427844395689330.121392219784467
830.9704389353568630.05912212928627320.0295610646431366
840.9918614390358490.01627712192830230.00813856096415113
850.9891523087495180.02169538250096460.0108476912504823
860.9860205937192360.02795881256152890.0139794062807645
870.9785303531324170.04293929373516680.0214696468675834
880.9787963704039860.04240725919202750.0212036295960137
890.969075175612970.06184964877406090.0309248243870304
900.965424309535920.06915138092815980.0345756904640799
910.9698761077185940.06024778456281260.0301238922814063
920.9721986597735120.05560268045297520.0278013402264876
930.9672457423422360.0655085153155270.0327542576577635
940.989732636546490.02053472690701970.0102673634535099
950.9825225025304470.03495499493910540.0174774974695527
960.9826337330503560.03473253389928880.0173662669496444
970.9743321723190480.05133565536190390.025667827680952
980.9827712211189610.03445755776207830.0172287788810392
990.9675881794875660.06482364102486750.0324118205124337
1000.9735519184934580.05289616301308390.026448081506542
1010.9397345639163050.1205308721673910.0602654360836954
1020.87132802698540.2573439460291990.1286719730146
1030.862906911991820.2741861760163610.13709308800818

\begin{tabular}{lllllllll}
\hline
Goldfeld-Quandt test for Heteroskedasticity \tabularnewline
p-values & Alternative Hypothesis \tabularnewline
breakpoint index & greater & 2-sided & less \tabularnewline
20 & 0.0984368517571241 & 0.196873703514248 & 0.901563148242876 \tabularnewline
21 & 0.384403119618108 & 0.768806239236216 & 0.615596880381892 \tabularnewline
22 & 0.264693339398623 & 0.529386678797246 & 0.735306660601377 \tabularnewline
23 & 0.173779751905181 & 0.347559503810362 & 0.826220248094819 \tabularnewline
24 & 0.150439528606069 & 0.300879057212138 & 0.849560471393931 \tabularnewline
25 & 0.184803960545181 & 0.369607921090363 & 0.815196039454819 \tabularnewline
26 & 0.146805550679515 & 0.293611101359031 & 0.853194449320485 \tabularnewline
27 & 0.177897659318993 & 0.355795318637987 & 0.822102340681007 \tabularnewline
28 & 0.127684149125709 & 0.255368298251419 & 0.872315850874291 \tabularnewline
29 & 0.122595367377921 & 0.245190734755842 & 0.877404632622079 \tabularnewline
30 & 0.0856007897030872 & 0.171201579406174 & 0.914399210296913 \tabularnewline
31 & 0.309931296326581 & 0.619862592653162 & 0.690068703673419 \tabularnewline
32 & 0.370535145474286 & 0.741070290948572 & 0.629464854525714 \tabularnewline
33 & 0.447822848945543 & 0.895645697891086 & 0.552177151054457 \tabularnewline
34 & 0.449751339341983 & 0.899502678683966 & 0.550248660658017 \tabularnewline
35 & 0.420249515723299 & 0.840499031446597 & 0.579750484276701 \tabularnewline
36 & 0.441080635118364 & 0.882161270236727 & 0.558919364881636 \tabularnewline
37 & 0.370036576079506 & 0.740073152159011 & 0.629963423920495 \tabularnewline
38 & 0.399096760579014 & 0.798193521158027 & 0.600903239420986 \tabularnewline
39 & 0.686384782167626 & 0.627230435664748 & 0.313615217832374 \tabularnewline
40 & 0.63139124792145 & 0.737217504157101 & 0.36860875207855 \tabularnewline
41 & 0.566228349724954 & 0.867543300550092 & 0.433771650275046 \tabularnewline
42 & 0.694985642725109 & 0.610028714549782 & 0.305014357274891 \tabularnewline
43 & 0.870350920535022 & 0.259298158929955 & 0.129649079464977 \tabularnewline
44 & 0.837265520564294 & 0.325468958871412 & 0.162734479435706 \tabularnewline
45 & 0.861643718303005 & 0.276712563393989 & 0.138356281696995 \tabularnewline
46 & 0.870981385094791 & 0.258037229810418 & 0.129018614905209 \tabularnewline
47 & 0.905344777185354 & 0.189310445629292 & 0.0946552228146458 \tabularnewline
48 & 0.883508552333719 & 0.232982895332562 & 0.116491447666281 \tabularnewline
49 & 0.928606258249503 & 0.142787483500994 & 0.0713937417504971 \tabularnewline
50 & 0.910951081486517 & 0.178097837026966 & 0.0890489185134831 \tabularnewline
51 & 0.884213588100951 & 0.231572823798097 & 0.115786411899049 \tabularnewline
52 & 0.86412035264389 & 0.27175929471222 & 0.13587964735611 \tabularnewline
53 & 0.832069337811576 & 0.335861324376848 & 0.167930662188424 \tabularnewline
54 & 0.865183542947785 & 0.269632914104431 & 0.134816457052215 \tabularnewline
55 & 0.935723662291608 & 0.128552675416783 & 0.0642763377083916 \tabularnewline
56 & 0.946145106547515 & 0.107709786904971 & 0.0538548934524854 \tabularnewline
57 & 0.990061339345121 & 0.0198773213097575 & 0.00993866065487873 \tabularnewline
58 & 0.98831658696522 & 0.0233668260695609 & 0.0116834130347804 \tabularnewline
59 & 0.983683916308525 & 0.0326321673829491 & 0.0163160836914746 \tabularnewline
60 & 0.981575408510263 & 0.036849182979473 & 0.0184245914897365 \tabularnewline
61 & 0.978967101339646 & 0.0420657973207078 & 0.0210328986603539 \tabularnewline
62 & 0.971658656152911 & 0.0566826876941785 & 0.0283413438470892 \tabularnewline
63 & 0.977956411676594 & 0.0440871766468123 & 0.0220435883234062 \tabularnewline
64 & 0.973834386835419 & 0.0523312263291625 & 0.0261656131645812 \tabularnewline
65 & 0.966115656412072 & 0.067768687175857 & 0.0338843435879285 \tabularnewline
66 & 0.958973487798478 & 0.0820530244030433 & 0.0410265122015217 \tabularnewline
67 & 0.98890910011285 & 0.0221817997743006 & 0.0110908998871503 \tabularnewline
68 & 0.988675235107982 & 0.022649529784035 & 0.0113247648920175 \tabularnewline
69 & 0.987938324464248 & 0.024123351071504 & 0.012061675535752 \tabularnewline
70 & 0.984639871765498 & 0.0307202564690032 & 0.0153601282345016 \tabularnewline
71 & 0.980878311148563 & 0.0382433777028742 & 0.0191216888514371 \tabularnewline
72 & 0.982979663948076 & 0.0340406721038473 & 0.0170203360519236 \tabularnewline
73 & 0.978365165455868 & 0.043269669088263 & 0.0216348345441315 \tabularnewline
74 & 0.96983374294273 & 0.0603325141145397 & 0.0301662570572699 \tabularnewline
75 & 0.957990404153038 & 0.0840191916939233 & 0.0420095958469617 \tabularnewline
76 & 0.941302884634648 & 0.117394230730704 & 0.058697115365352 \tabularnewline
77 & 0.920625387744943 & 0.158749224510115 & 0.0793746122550573 \tabularnewline
78 & 0.8947063565729 & 0.2105872868542 & 0.1052936434271 \tabularnewline
79 & 0.931952472924626 & 0.136095054150749 & 0.0680475270753744 \tabularnewline
80 & 0.928835977580594 & 0.142328044838812 & 0.071164022419406 \tabularnewline
81 & 0.905145960791179 & 0.189708078417641 & 0.0948540392088206 \tabularnewline
82 & 0.878607780215534 & 0.242784439568933 & 0.121392219784467 \tabularnewline
83 & 0.970438935356863 & 0.0591221292862732 & 0.0295610646431366 \tabularnewline
84 & 0.991861439035849 & 0.0162771219283023 & 0.00813856096415113 \tabularnewline
85 & 0.989152308749518 & 0.0216953825009646 & 0.0108476912504823 \tabularnewline
86 & 0.986020593719236 & 0.0279588125615289 & 0.0139794062807645 \tabularnewline
87 & 0.978530353132417 & 0.0429392937351668 & 0.0214696468675834 \tabularnewline
88 & 0.978796370403986 & 0.0424072591920275 & 0.0212036295960137 \tabularnewline
89 & 0.96907517561297 & 0.0618496487740609 & 0.0309248243870304 \tabularnewline
90 & 0.96542430953592 & 0.0691513809281598 & 0.0345756904640799 \tabularnewline
91 & 0.969876107718594 & 0.0602477845628126 & 0.0301238922814063 \tabularnewline
92 & 0.972198659773512 & 0.0556026804529752 & 0.0278013402264876 \tabularnewline
93 & 0.967245742342236 & 0.065508515315527 & 0.0327542576577635 \tabularnewline
94 & 0.98973263654649 & 0.0205347269070197 & 0.0102673634535099 \tabularnewline
95 & 0.982522502530447 & 0.0349549949391054 & 0.0174774974695527 \tabularnewline
96 & 0.982633733050356 & 0.0347325338992888 & 0.0173662669496444 \tabularnewline
97 & 0.974332172319048 & 0.0513356553619039 & 0.025667827680952 \tabularnewline
98 & 0.982771221118961 & 0.0344575577620783 & 0.0172287788810392 \tabularnewline
99 & 0.967588179487566 & 0.0648236410248675 & 0.0324118205124337 \tabularnewline
100 & 0.973551918493458 & 0.0528961630130839 & 0.026448081506542 \tabularnewline
101 & 0.939734563916305 & 0.120530872167391 & 0.0602654360836954 \tabularnewline
102 & 0.8713280269854 & 0.257343946029199 & 0.1286719730146 \tabularnewline
103 & 0.86290691199182 & 0.274186176016361 & 0.13709308800818 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=190058&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]20[/C][C]0.0984368517571241[/C][C]0.196873703514248[/C][C]0.901563148242876[/C][/ROW]
[ROW][C]21[/C][C]0.384403119618108[/C][C]0.768806239236216[/C][C]0.615596880381892[/C][/ROW]
[ROW][C]22[/C][C]0.264693339398623[/C][C]0.529386678797246[/C][C]0.735306660601377[/C][/ROW]
[ROW][C]23[/C][C]0.173779751905181[/C][C]0.347559503810362[/C][C]0.826220248094819[/C][/ROW]
[ROW][C]24[/C][C]0.150439528606069[/C][C]0.300879057212138[/C][C]0.849560471393931[/C][/ROW]
[ROW][C]25[/C][C]0.184803960545181[/C][C]0.369607921090363[/C][C]0.815196039454819[/C][/ROW]
[ROW][C]26[/C][C]0.146805550679515[/C][C]0.293611101359031[/C][C]0.853194449320485[/C][/ROW]
[ROW][C]27[/C][C]0.177897659318993[/C][C]0.355795318637987[/C][C]0.822102340681007[/C][/ROW]
[ROW][C]28[/C][C]0.127684149125709[/C][C]0.255368298251419[/C][C]0.872315850874291[/C][/ROW]
[ROW][C]29[/C][C]0.122595367377921[/C][C]0.245190734755842[/C][C]0.877404632622079[/C][/ROW]
[ROW][C]30[/C][C]0.0856007897030872[/C][C]0.171201579406174[/C][C]0.914399210296913[/C][/ROW]
[ROW][C]31[/C][C]0.309931296326581[/C][C]0.619862592653162[/C][C]0.690068703673419[/C][/ROW]
[ROW][C]32[/C][C]0.370535145474286[/C][C]0.741070290948572[/C][C]0.629464854525714[/C][/ROW]
[ROW][C]33[/C][C]0.447822848945543[/C][C]0.895645697891086[/C][C]0.552177151054457[/C][/ROW]
[ROW][C]34[/C][C]0.449751339341983[/C][C]0.899502678683966[/C][C]0.550248660658017[/C][/ROW]
[ROW][C]35[/C][C]0.420249515723299[/C][C]0.840499031446597[/C][C]0.579750484276701[/C][/ROW]
[ROW][C]36[/C][C]0.441080635118364[/C][C]0.882161270236727[/C][C]0.558919364881636[/C][/ROW]
[ROW][C]37[/C][C]0.370036576079506[/C][C]0.740073152159011[/C][C]0.629963423920495[/C][/ROW]
[ROW][C]38[/C][C]0.399096760579014[/C][C]0.798193521158027[/C][C]0.600903239420986[/C][/ROW]
[ROW][C]39[/C][C]0.686384782167626[/C][C]0.627230435664748[/C][C]0.313615217832374[/C][/ROW]
[ROW][C]40[/C][C]0.63139124792145[/C][C]0.737217504157101[/C][C]0.36860875207855[/C][/ROW]
[ROW][C]41[/C][C]0.566228349724954[/C][C]0.867543300550092[/C][C]0.433771650275046[/C][/ROW]
[ROW][C]42[/C][C]0.694985642725109[/C][C]0.610028714549782[/C][C]0.305014357274891[/C][/ROW]
[ROW][C]43[/C][C]0.870350920535022[/C][C]0.259298158929955[/C][C]0.129649079464977[/C][/ROW]
[ROW][C]44[/C][C]0.837265520564294[/C][C]0.325468958871412[/C][C]0.162734479435706[/C][/ROW]
[ROW][C]45[/C][C]0.861643718303005[/C][C]0.276712563393989[/C][C]0.138356281696995[/C][/ROW]
[ROW][C]46[/C][C]0.870981385094791[/C][C]0.258037229810418[/C][C]0.129018614905209[/C][/ROW]
[ROW][C]47[/C][C]0.905344777185354[/C][C]0.189310445629292[/C][C]0.0946552228146458[/C][/ROW]
[ROW][C]48[/C][C]0.883508552333719[/C][C]0.232982895332562[/C][C]0.116491447666281[/C][/ROW]
[ROW][C]49[/C][C]0.928606258249503[/C][C]0.142787483500994[/C][C]0.0713937417504971[/C][/ROW]
[ROW][C]50[/C][C]0.910951081486517[/C][C]0.178097837026966[/C][C]0.0890489185134831[/C][/ROW]
[ROW][C]51[/C][C]0.884213588100951[/C][C]0.231572823798097[/C][C]0.115786411899049[/C][/ROW]
[ROW][C]52[/C][C]0.86412035264389[/C][C]0.27175929471222[/C][C]0.13587964735611[/C][/ROW]
[ROW][C]53[/C][C]0.832069337811576[/C][C]0.335861324376848[/C][C]0.167930662188424[/C][/ROW]
[ROW][C]54[/C][C]0.865183542947785[/C][C]0.269632914104431[/C][C]0.134816457052215[/C][/ROW]
[ROW][C]55[/C][C]0.935723662291608[/C][C]0.128552675416783[/C][C]0.0642763377083916[/C][/ROW]
[ROW][C]56[/C][C]0.946145106547515[/C][C]0.107709786904971[/C][C]0.0538548934524854[/C][/ROW]
[ROW][C]57[/C][C]0.990061339345121[/C][C]0.0198773213097575[/C][C]0.00993866065487873[/C][/ROW]
[ROW][C]58[/C][C]0.98831658696522[/C][C]0.0233668260695609[/C][C]0.0116834130347804[/C][/ROW]
[ROW][C]59[/C][C]0.983683916308525[/C][C]0.0326321673829491[/C][C]0.0163160836914746[/C][/ROW]
[ROW][C]60[/C][C]0.981575408510263[/C][C]0.036849182979473[/C][C]0.0184245914897365[/C][/ROW]
[ROW][C]61[/C][C]0.978967101339646[/C][C]0.0420657973207078[/C][C]0.0210328986603539[/C][/ROW]
[ROW][C]62[/C][C]0.971658656152911[/C][C]0.0566826876941785[/C][C]0.0283413438470892[/C][/ROW]
[ROW][C]63[/C][C]0.977956411676594[/C][C]0.0440871766468123[/C][C]0.0220435883234062[/C][/ROW]
[ROW][C]64[/C][C]0.973834386835419[/C][C]0.0523312263291625[/C][C]0.0261656131645812[/C][/ROW]
[ROW][C]65[/C][C]0.966115656412072[/C][C]0.067768687175857[/C][C]0.0338843435879285[/C][/ROW]
[ROW][C]66[/C][C]0.958973487798478[/C][C]0.0820530244030433[/C][C]0.0410265122015217[/C][/ROW]
[ROW][C]67[/C][C]0.98890910011285[/C][C]0.0221817997743006[/C][C]0.0110908998871503[/C][/ROW]
[ROW][C]68[/C][C]0.988675235107982[/C][C]0.022649529784035[/C][C]0.0113247648920175[/C][/ROW]
[ROW][C]69[/C][C]0.987938324464248[/C][C]0.024123351071504[/C][C]0.012061675535752[/C][/ROW]
[ROW][C]70[/C][C]0.984639871765498[/C][C]0.0307202564690032[/C][C]0.0153601282345016[/C][/ROW]
[ROW][C]71[/C][C]0.980878311148563[/C][C]0.0382433777028742[/C][C]0.0191216888514371[/C][/ROW]
[ROW][C]72[/C][C]0.982979663948076[/C][C]0.0340406721038473[/C][C]0.0170203360519236[/C][/ROW]
[ROW][C]73[/C][C]0.978365165455868[/C][C]0.043269669088263[/C][C]0.0216348345441315[/C][/ROW]
[ROW][C]74[/C][C]0.96983374294273[/C][C]0.0603325141145397[/C][C]0.0301662570572699[/C][/ROW]
[ROW][C]75[/C][C]0.957990404153038[/C][C]0.0840191916939233[/C][C]0.0420095958469617[/C][/ROW]
[ROW][C]76[/C][C]0.941302884634648[/C][C]0.117394230730704[/C][C]0.058697115365352[/C][/ROW]
[ROW][C]77[/C][C]0.920625387744943[/C][C]0.158749224510115[/C][C]0.0793746122550573[/C][/ROW]
[ROW][C]78[/C][C]0.8947063565729[/C][C]0.2105872868542[/C][C]0.1052936434271[/C][/ROW]
[ROW][C]79[/C][C]0.931952472924626[/C][C]0.136095054150749[/C][C]0.0680475270753744[/C][/ROW]
[ROW][C]80[/C][C]0.928835977580594[/C][C]0.142328044838812[/C][C]0.071164022419406[/C][/ROW]
[ROW][C]81[/C][C]0.905145960791179[/C][C]0.189708078417641[/C][C]0.0948540392088206[/C][/ROW]
[ROW][C]82[/C][C]0.878607780215534[/C][C]0.242784439568933[/C][C]0.121392219784467[/C][/ROW]
[ROW][C]83[/C][C]0.970438935356863[/C][C]0.0591221292862732[/C][C]0.0295610646431366[/C][/ROW]
[ROW][C]84[/C][C]0.991861439035849[/C][C]0.0162771219283023[/C][C]0.00813856096415113[/C][/ROW]
[ROW][C]85[/C][C]0.989152308749518[/C][C]0.0216953825009646[/C][C]0.0108476912504823[/C][/ROW]
[ROW][C]86[/C][C]0.986020593719236[/C][C]0.0279588125615289[/C][C]0.0139794062807645[/C][/ROW]
[ROW][C]87[/C][C]0.978530353132417[/C][C]0.0429392937351668[/C][C]0.0214696468675834[/C][/ROW]
[ROW][C]88[/C][C]0.978796370403986[/C][C]0.0424072591920275[/C][C]0.0212036295960137[/C][/ROW]
[ROW][C]89[/C][C]0.96907517561297[/C][C]0.0618496487740609[/C][C]0.0309248243870304[/C][/ROW]
[ROW][C]90[/C][C]0.96542430953592[/C][C]0.0691513809281598[/C][C]0.0345756904640799[/C][/ROW]
[ROW][C]91[/C][C]0.969876107718594[/C][C]0.0602477845628126[/C][C]0.0301238922814063[/C][/ROW]
[ROW][C]92[/C][C]0.972198659773512[/C][C]0.0556026804529752[/C][C]0.0278013402264876[/C][/ROW]
[ROW][C]93[/C][C]0.967245742342236[/C][C]0.065508515315527[/C][C]0.0327542576577635[/C][/ROW]
[ROW][C]94[/C][C]0.98973263654649[/C][C]0.0205347269070197[/C][C]0.0102673634535099[/C][/ROW]
[ROW][C]95[/C][C]0.982522502530447[/C][C]0.0349549949391054[/C][C]0.0174774974695527[/C][/ROW]
[ROW][C]96[/C][C]0.982633733050356[/C][C]0.0347325338992888[/C][C]0.0173662669496444[/C][/ROW]
[ROW][C]97[/C][C]0.974332172319048[/C][C]0.0513356553619039[/C][C]0.025667827680952[/C][/ROW]
[ROW][C]98[/C][C]0.982771221118961[/C][C]0.0344575577620783[/C][C]0.0172287788810392[/C][/ROW]
[ROW][C]99[/C][C]0.967588179487566[/C][C]0.0648236410248675[/C][C]0.0324118205124337[/C][/ROW]
[ROW][C]100[/C][C]0.973551918493458[/C][C]0.0528961630130839[/C][C]0.026448081506542[/C][/ROW]
[ROW][C]101[/C][C]0.939734563916305[/C][C]0.120530872167391[/C][C]0.0602654360836954[/C][/ROW]
[ROW][C]102[/C][C]0.8713280269854[/C][C]0.257343946029199[/C][C]0.1286719730146[/C][/ROW]
[ROW][C]103[/C][C]0.86290691199182[/C][C]0.274186176016361[/C][C]0.13709308800818[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=190058&T=5

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=190058&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
200.09843685175712410.1968737035142480.901563148242876
210.3844031196181080.7688062392362160.615596880381892
220.2646933393986230.5293866787972460.735306660601377
230.1737797519051810.3475595038103620.826220248094819
240.1504395286060690.3008790572121380.849560471393931
250.1848039605451810.3696079210903630.815196039454819
260.1468055506795150.2936111013590310.853194449320485
270.1778976593189930.3557953186379870.822102340681007
280.1276841491257090.2553682982514190.872315850874291
290.1225953673779210.2451907347558420.877404632622079
300.08560078970308720.1712015794061740.914399210296913
310.3099312963265810.6198625926531620.690068703673419
320.3705351454742860.7410702909485720.629464854525714
330.4478228489455430.8956456978910860.552177151054457
340.4497513393419830.8995026786839660.550248660658017
350.4202495157232990.8404990314465970.579750484276701
360.4410806351183640.8821612702367270.558919364881636
370.3700365760795060.7400731521590110.629963423920495
380.3990967605790140.7981935211580270.600903239420986
390.6863847821676260.6272304356647480.313615217832374
400.631391247921450.7372175041571010.36860875207855
410.5662283497249540.8675433005500920.433771650275046
420.6949856427251090.6100287145497820.305014357274891
430.8703509205350220.2592981589299550.129649079464977
440.8372655205642940.3254689588714120.162734479435706
450.8616437183030050.2767125633939890.138356281696995
460.8709813850947910.2580372298104180.129018614905209
470.9053447771853540.1893104456292920.0946552228146458
480.8835085523337190.2329828953325620.116491447666281
490.9286062582495030.1427874835009940.0713937417504971
500.9109510814865170.1780978370269660.0890489185134831
510.8842135881009510.2315728237980970.115786411899049
520.864120352643890.271759294712220.13587964735611
530.8320693378115760.3358613243768480.167930662188424
540.8651835429477850.2696329141044310.134816457052215
550.9357236622916080.1285526754167830.0642763377083916
560.9461451065475150.1077097869049710.0538548934524854
570.9900613393451210.01987732130975750.00993866065487873
580.988316586965220.02336682606956090.0116834130347804
590.9836839163085250.03263216738294910.0163160836914746
600.9815754085102630.0368491829794730.0184245914897365
610.9789671013396460.04206579732070780.0210328986603539
620.9716586561529110.05668268769417850.0283413438470892
630.9779564116765940.04408717664681230.0220435883234062
640.9738343868354190.05233122632916250.0261656131645812
650.9661156564120720.0677686871758570.0338843435879285
660.9589734877984780.08205302440304330.0410265122015217
670.988909100112850.02218179977430060.0110908998871503
680.9886752351079820.0226495297840350.0113247648920175
690.9879383244642480.0241233510715040.012061675535752
700.9846398717654980.03072025646900320.0153601282345016
710.9808783111485630.03824337770287420.0191216888514371
720.9829796639480760.03404067210384730.0170203360519236
730.9783651654558680.0432696690882630.0216348345441315
740.969833742942730.06033251411453970.0301662570572699
750.9579904041530380.08401919169392330.0420095958469617
760.9413028846346480.1173942307307040.058697115365352
770.9206253877449430.1587492245101150.0793746122550573
780.89470635657290.21058728685420.1052936434271
790.9319524729246260.1360950541507490.0680475270753744
800.9288359775805940.1423280448388120.071164022419406
810.9051459607911790.1897080784176410.0948540392088206
820.8786077802155340.2427844395689330.121392219784467
830.9704389353568630.05912212928627320.0295610646431366
840.9918614390358490.01627712192830230.00813856096415113
850.9891523087495180.02169538250096460.0108476912504823
860.9860205937192360.02795881256152890.0139794062807645
870.9785303531324170.04293929373516680.0214696468675834
880.9787963704039860.04240725919202750.0212036295960137
890.969075175612970.06184964877406090.0309248243870304
900.965424309535920.06915138092815980.0345756904640799
910.9698761077185940.06024778456281260.0301238922814063
920.9721986597735120.05560268045297520.0278013402264876
930.9672457423422360.0655085153155270.0327542576577635
940.989732636546490.02053472690701970.0102673634535099
950.9825225025304470.03495499493910540.0174774974695527
960.9826337330503560.03473253389928880.0173662669496444
970.9743321723190480.05133565536190390.025667827680952
980.9827712211189610.03445755776207830.0172287788810392
990.9675881794875660.06482364102486750.0324118205124337
1000.9735519184934580.05289616301308390.026448081506542
1010.9397345639163050.1205308721673910.0602654360836954
1020.87132802698540.2573439460291990.1286719730146
1030.862906911991820.2741861760163610.13709308800818






Meta Analysis of Goldfeld-Quandt test for Heteroskedasticity
Description# significant tests% significant testsOK/NOK
1% type I error level00OK
5% type I error level220.261904761904762NOK
10% type I error level370.44047619047619NOK

\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 & 22 & 0.261904761904762 & NOK \tabularnewline
10% type I error level & 37 & 0.44047619047619 & NOK \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=190058&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]22[/C][C]0.261904761904762[/C][C]NOK[/C][/ROW]
[ROW][C]10% type I error level[/C][C]37[/C][C]0.44047619047619[/C][C]NOK[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=190058&T=6

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=190058&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 level220.261904761904762NOK
10% type I error level370.44047619047619NOK


Figures (Output of Computation)

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


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


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


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


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


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


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


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


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


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


Input Parameters & R Code

Parameters (Session):
par1 = 1 ; par2 = Do not include Seasonal Dummies ; par3 = No Linear Trend ;
Parameters (R input):
par1 = 1 ; par2 = Do not include Seasonal Dummies ; par3 = No Linear Trend ;
R code (references can be found in the software module):
library(lattice)
library(lmtest)
n25 <- 25 #minimum number of obs. for Goldfeld-Quandt test
par1 <- as.numeric(par1)
x <- t(y)
k <- length(x[1,])
n <- length(x[,1])
x1 <- cbind(x[,par1], x[,1:k!=par1])
mycolnames <- c(colnames(x)[par1], colnames(x)[1:k!=par1])
colnames(x1) <- mycolnames #colnames(x)[par1]
x <- x1
if (par3 == 'First Differences'){
x2 <- array(0, dim=c(n-1,k), dimnames=list(1:(n-1), paste('(1-B)',colnames(x),sep='')))
for (i in 1:n-1) {
for (j in 1:k) {
x2[i,j] <- x[i+1,j] - x[i,j]
}
}
x <- x2
}
if (par2 == 'Include Monthly Dummies'){
x2 <- array(0, dim=c(n,11), dimnames=list(1:n, paste('M', seq(1:11), sep ='')))
for (i in 1:11){
x2[seq(i,n,12),i] <- 1
}
x <- cbind(x, x2)
}
if (par2 == 'Include Quarterly Dummies'){
x2 <- array(0, dim=c(n,3), dimnames=list(1:n, paste('Q', seq(1:3), sep ='')))
for (i in 1:3){
x2[seq(i,n,4),i] <- 1
}
x <- cbind(x, x2)
}
k <- length(x[1,])
if (par3 == 'Linear Trend'){
x <- cbind(x, c(1:n))
colnames(x)[k+1] <- 't'
}
x
k <- length(x[1,])
df <- as.data.frame(x)
(mylm <- lm(df))
(mysum <- summary(mylm))
if (n > n25) {
kp3 <- k + 3
nmkm3 <- n - k - 3
gqarr <- array(NA, dim=c(nmkm3-kp3+1,3))
numgqtests <- 0
numsignificant1 <- 0
numsignificant5 <- 0
numsignificant10 <- 0
for (mypoint in kp3:nmkm3) {
j <- 0
numgqtests <- numgqtests + 1
for (myalt in c('greater', 'two.sided', 'less')) {
j <- j + 1
gqarr[mypoint-kp3+1,j] <- gqtest(mylm, point=mypoint, alternative=myalt)$p.value
}
if (gqarr[mypoint-kp3+1,2] < 0.01) numsignificant1 <- numsignificant1 + 1
if (gqarr[mypoint-kp3+1,2] < 0.05) numsignificant5 <- numsignificant5 + 1
if (gqarr[mypoint-kp3+1,2] < 0.10) numsignificant10 <- numsignificant10 + 1
}
gqarr
}
bitmap(file='test0.png')
plot(x[,1], type='l', main='Actuals and Interpolation', ylab='value of Actuals and Interpolation (dots)', xlab='time or index')
points(x[,1]-mysum$resid)
grid()
dev.off()
bitmap(file='test1.png')
plot(mysum$resid, type='b', pch=19, main='Residuals', ylab='value of Residuals', xlab='time or index')
grid()
dev.off()
bitmap(file='test2.png')
hist(mysum$resid, main='Residual Histogram', xlab='values of Residuals')
grid()
dev.off()
bitmap(file='test3.png')
densityplot(~mysum$resid,col='black',main='Residual Density Plot', xlab='values of Residuals')
dev.off()
bitmap(file='test4.png')
qqnorm(mysum$resid, main='Residual Normal Q-Q Plot')
qqline(mysum$resid)
grid()
dev.off()
(myerror <- as.ts(mysum$resid))
bitmap(file='test5.png')
dum <- cbind(lag(myerror,k=1),myerror)
dum
dum1 <- dum[2:length(myerror),]
dum1
z <- as.data.frame(dum1)
z
plot(z,main=paste('Residual Lag plot, lowess, and regression line'), ylab='values of Residuals', xlab='lagged values of Residuals')
lines(lowess(z))
abline(lm(z))
grid()
dev.off()
bitmap(file='test6.png')
acf(mysum$resid, lag.max=length(mysum$resid)/2, main='Residual Autocorrelation Function')
grid()
dev.off()
bitmap(file='test7.png')
pacf(mysum$resid, lag.max=length(mysum$resid)/2, main='Residual Partial Autocorrelation Function')
grid()
dev.off()
bitmap(file='test8.png')
opar <- par(mfrow = c(2,2), oma = c(0, 0, 1.1, 0))
plot(mylm, las = 1, sub='Residual Diagnostics')
par(opar)
dev.off()
if (n > n25) {
bitmap(file='test9.png')
plot(kp3:nmkm3,gqarr[,2], main='Goldfeld-Quandt test',ylab='2-sided p-value',xlab='breakpoint')
grid()
dev.off()
}
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a, 'Multiple Linear Regression - Estimated Regression Equation', 1, TRUE)
a<-table.row.end(a)
myeq <- colnames(x)[1]
myeq <- paste(myeq, '[t] = ', sep='')
for (i in 1:k){
if (mysum$coefficients[i,1] > 0) myeq <- paste(myeq, '+', '')
myeq <- paste(myeq, mysum$coefficients[i,1], sep=' ')
if (rownames(mysum$coefficients)[i] != '(Intercept)') {
myeq <- paste(myeq, rownames(mysum$coefficients)[i], sep='')
if (rownames(mysum$coefficients)[i] != 't') myeq <- paste(myeq, '[t]', sep='')
}
}
myeq <- paste(myeq, ' + e[t]')
a<-table.row.start(a)
a<-table.element(a, myeq)
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable1.tab')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,hyperlink('ols1.htm','Multiple Linear Regression - Ordinary Least Squares',''), 6, TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Variable',header=TRUE)
a<-table.element(a,'Parameter',header=TRUE)
a<-table.element(a,'S.D.',header=TRUE)
a<-table.element(a,'T-STAT
H0: parameter = 0',header=TRUE)
a<-table.element(a,'2-tail p-value',header=TRUE)
a<-table.element(a,'1-tail p-value',header=TRUE)
a<-table.row.end(a)
for (i in 1:k){
a<-table.row.start(a)
a<-table.element(a,rownames(mysum$coefficients)[i],header=TRUE)
a<-table.element(a,mysum$coefficients[i,1])
a<-table.element(a, round(mysum$coefficients[i,2],6))
a<-table.element(a, round(mysum$coefficients[i,3],4))
a<-table.element(a, round(mysum$coefficients[i,4],6))
a<-table.element(a, round(mysum$coefficients[i,4]/2,6))
a<-table.row.end(a)
}
a<-table.end(a)
table.save(a,file='mytable2.tab')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a, 'Multiple Linear Regression - Regression Statistics', 2, TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'Multiple R',1,TRUE)
a<-table.element(a, sqrt(mysum$r.squared))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'R-squared',1,TRUE)
a<-table.element(a, mysum$r.squared)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'Adjusted R-squared',1,TRUE)
a<-table.element(a, mysum$adj.r.squared)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'F-TEST (value)',1,TRUE)
a<-table.element(a, mysum$fstatistic[1])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'F-TEST (DF numerator)',1,TRUE)
a<-table.element(a, mysum$fstatistic[2])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'F-TEST (DF denominator)',1,TRUE)
a<-table.element(a, mysum$fstatistic[3])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'p-value',1,TRUE)
a<-table.element(a, 1-pf(mysum$fstatistic[1],mysum$fstatistic[2],mysum$fstatistic[3]))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'Multiple Linear Regression - Residual Statistics', 2, TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'Residual Standard Deviation',1,TRUE)
a<-table.element(a, mysum$sigma)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'Sum Squared Residuals',1,TRUE)
a<-table.element(a, sum(myerror*myerror))
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable3.tab')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a, 'Multiple Linear Regression - Actuals, Interpolation, and Residuals', 4, TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'Time or Index', 1, TRUE)
a<-table.element(a, 'Actuals', 1, TRUE)
a<-table.element(a, 'Interpolation
Forecast', 1, TRUE)
a<-table.element(a, 'Residuals
Prediction Error', 1, TRUE)
a<-table.row.end(a)
for (i in 1:n) {
a<-table.row.start(a)
a<-table.element(a,i, 1, TRUE)
a<-table.element(a,x[i])
a<-table.element(a,x[i]-mysum$resid[i])
a<-table.element(a,mysum$resid[i])
a<-table.row.end(a)
}
a<-table.end(a)
table.save(a,file='mytable4.tab')
if (n > n25) {
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Goldfeld-Quandt test for Heteroskedasticity',4,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'p-values',header=TRUE)
a<-table.element(a,'Alternative Hypothesis',3,header=TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'breakpoint index',header=TRUE)
a<-table.element(a,'greater',header=TRUE)
a<-table.element(a,'2-sided',header=TRUE)
a<-table.element(a,'less',header=TRUE)
a<-table.row.end(a)
for (mypoint in kp3:nmkm3) {
a<-table.row.start(a)
a<-table.element(a,mypoint,header=TRUE)
a<-table.element(a,gqarr[mypoint-kp3+1,1])
a<-table.element(a,gqarr[mypoint-kp3+1,2])
a<-table.element(a,gqarr[mypoint-kp3+1,3])
a<-table.row.end(a)
}
a<-table.end(a)
table.save(a,file='mytable5.tab')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Meta Analysis of Goldfeld-Quandt test for Heteroskedasticity',4,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Description',header=TRUE)
a<-table.element(a,'# significant tests',header=TRUE)
a<-table.element(a,'% significant tests',header=TRUE)
a<-table.element(a,'OK/NOK',header=TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'1% type I error level',header=TRUE)
a<-table.element(a,numsignificant1)
a<-table.element(a,numsignificant1/numgqtests)
if (numsignificant1/numgqtests < 0.01) dum <- 'OK' else dum <- 'NOK'
a<-table.element(a,dum)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'5% type I error level',header=TRUE)
a<-table.element(a,numsignificant5)
a<-table.element(a,numsignificant5/numgqtests)
if (numsignificant5/numgqtests < 0.05) dum <- 'OK' else dum <- 'NOK'
a<-table.element(a,dum)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'10% type I error level',header=TRUE)
a<-table.element(a,numsignificant10)
a<-table.element(a,numsignificant10/numgqtests)
if (numsignificant10/numgqtests < 0.1) dum <- 'OK' else dum <- 'NOK'
a<-table.element(a,dum)
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable6.tab')
}