Repository of Reproducible Computations

Free Statistics

of Irreproducible Research!

Author's title

Author

*Unverified author*

R Software Module

rwasp_multipleregression.wasp

Title produced by software

Multiple Regression

Date of computation

Wed, 12 Dec 2007 02:20:31 -0700

Cite this page as follows

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2007/Dec/12/t1197450399lw8vl6cfx06q3p2.htm/, Retrieved Thu, 02 May 2024 13:56:26 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=3182, Retrieved Thu, 02 May 2024 13:56:26 +0000

QR Codes:

Paste this QR Code to cite your computation.

Original text written by user:

IsPrivate?

No (this computation is public)

User-defined keywords

Estimated Impact

238

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)

-       [Multiple Regression] [Paper: multiple l...] [2007-12-12 09:20:31] [be66efe1fb01584897056fbc96e4e155] [Current]

Feedback Forum

Post a new message

Dataseries X:

Download CSV

Histogram

Boxplots

Summary of compuational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	11 seconds
R Server	'Gwilym Jenkins' @ 72.249.127.135

\begin{tabular}{lllllllll}
\hline
Summary of compuational transaction \tabularnewline
Raw Input & view raw input (R code)  \tabularnewline
Raw Output & view raw output of R engine  \tabularnewline
Computing time & 11 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=3182&T=0

[TABLE]
[ROW][C]Summary of compuational 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]11 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'Gwilym Jenkins' @ 72.249.127.135[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=3182&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=3182&T=0

As an alternative you can also use a QR Code:

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

Summary of compuational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	11 seconds
R Server	'Gwilym Jenkins' @ 72.249.127.135

Multiple Linear Regression - Estimated Regression Equation
y[t] = + 0.936876666666666 + 0.245329166666667x[t] -0.0417400000000003M1[t] -0.0461400000000001M2[t] -0.0506799999999999M3[t] -0.0621599999999999M4[t] -0.04924M5[t] -0.0521M6[t] -0.04906M7[t] -0.04534M8[t] -0.0408399999999999M9[t] -0.0317999999999999M10[t] -0.02562M11[t] + e[t]

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Estimated Regression Equation \tabularnewline
y[t] =  +  0.936876666666666 +  0.245329166666667x[t] -0.0417400000000003M1[t] -0.0461400000000001M2[t] -0.0506799999999999M3[t] -0.0621599999999999M4[t] -0.04924M5[t] -0.0521M6[t] -0.04906M7[t] -0.04534M8[t] -0.0408399999999999M9[t] -0.0317999999999999M10[t] -0.02562M11[t]  + e[t] \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=3182&T=1

[TABLE]
[ROW][C]Multiple Linear Regression - Estimated Regression Equation[/C][/ROW]
[ROW][C]y[t] =  +  0.936876666666666 +  0.245329166666667x[t] -0.0417400000000003M1[t] -0.0461400000000001M2[t] -0.0506799999999999M3[t] -0.0621599999999999M4[t] -0.04924M5[t] -0.0521M6[t] -0.04906M7[t] -0.04534M8[t] -0.0408399999999999M9[t] -0.0317999999999999M10[t] -0.02562M11[t]  + e[t][/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=3182&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=3182&T=1

As an alternative you can also use a QR Code:

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

Multiple Linear Regression - Estimated Regression Equation
y[t] = + 0.936876666666666 + 0.245329166666667x[t] -0.0417400000000003M1[t] -0.0461400000000001M2[t] -0.0506799999999999M3[t] -0.0621599999999999M4[t] -0.04924M5[t] -0.0521M6[t] -0.04906M7[t] -0.04534M8[t] -0.0408399999999999M9[t] -0.0317999999999999M10[t] -0.02562M11[t] + e[t]

Multiple Linear Regression - Ordinary Least Squares
Variable	Parameter	S.D.	T-STATH0: parameter = 0	2-tail p-value	1-tail p-value
(Intercept)	0.936876666666666	0.068178	13.7416	0	0
x	0.245329166666667	0.042611	5.7574	1e-06	0
M1	-0.0417400000000003	0.083501	-0.4999	0.619496	0.309748
M2	-0.0461400000000001	0.083501	-0.5526	0.583177	0.291589
M3	-0.0506799999999999	0.083501	-0.6069	0.546812	0.273406
M4	-0.0621599999999999	0.083501	-0.7444	0.460327	0.230163
M5	-0.04924	0.083501	-0.5897	0.55822	0.27911
M6	-0.0521	0.083501	-0.6239	0.53568	0.26784
M7	-0.04906	0.083501	-0.5875	0.559654	0.279827
M8	-0.04534	0.083501	-0.543	0.589704	0.294852
M9	-0.0408399999999999	0.083501	-0.4891	0.627048	0.313524
M10	-0.0317999999999999	0.083501	-0.3808	0.705042	0.352521
M11	-0.02562	0.083501	-0.3068	0.760333	0.380167

\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) & 0.936876666666666 & 0.068178 & 13.7416 & 0 & 0 \tabularnewline
x & 0.245329166666667 & 0.042611 & 5.7574 & 1e-06 & 0 \tabularnewline
M1 & -0.0417400000000003 & 0.083501 & -0.4999 & 0.619496 & 0.309748 \tabularnewline
M2 & -0.0461400000000001 & 0.083501 & -0.5526 & 0.583177 & 0.291589 \tabularnewline
M3 & -0.0506799999999999 & 0.083501 & -0.6069 & 0.546812 & 0.273406 \tabularnewline
M4 & -0.0621599999999999 & 0.083501 & -0.7444 & 0.460327 & 0.230163 \tabularnewline
M5 & -0.04924 & 0.083501 & -0.5897 & 0.55822 & 0.27911 \tabularnewline
M6 & -0.0521 & 0.083501 & -0.6239 & 0.53568 & 0.26784 \tabularnewline
M7 & -0.04906 & 0.083501 & -0.5875 & 0.559654 & 0.279827 \tabularnewline
M8 & -0.04534 & 0.083501 & -0.543 & 0.589704 & 0.294852 \tabularnewline
M9 & -0.0408399999999999 & 0.083501 & -0.4891 & 0.627048 & 0.313524 \tabularnewline
M10 & -0.0317999999999999 & 0.083501 & -0.3808 & 0.705042 & 0.352521 \tabularnewline
M11 & -0.02562 & 0.083501 & -0.3068 & 0.760333 & 0.380167 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=3182&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]0.936876666666666[/C][C]0.068178[/C][C]13.7416[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]x[/C][C]0.245329166666667[/C][C]0.042611[/C][C]5.7574[/C][C]1e-06[/C][C]0[/C][/ROW]
[ROW][C]M1[/C][C]-0.0417400000000003[/C][C]0.083501[/C][C]-0.4999[/C][C]0.619496[/C][C]0.309748[/C][/ROW]
[ROW][C]M2[/C][C]-0.0461400000000001[/C][C]0.083501[/C][C]-0.5526[/C][C]0.583177[/C][C]0.291589[/C][/ROW]
[ROW][C]M3[/C][C]-0.0506799999999999[/C][C]0.083501[/C][C]-0.6069[/C][C]0.546812[/C][C]0.273406[/C][/ROW]
[ROW][C]M4[/C][C]-0.0621599999999999[/C][C]0.083501[/C][C]-0.7444[/C][C]0.460327[/C][C]0.230163[/C][/ROW]
[ROW][C]M5[/C][C]-0.04924[/C][C]0.083501[/C][C]-0.5897[/C][C]0.55822[/C][C]0.27911[/C][/ROW]
[ROW][C]M6[/C][C]-0.0521[/C][C]0.083501[/C][C]-0.6239[/C][C]0.53568[/C][C]0.26784[/C][/ROW]
[ROW][C]M7[/C][C]-0.04906[/C][C]0.083501[/C][C]-0.5875[/C][C]0.559654[/C][C]0.279827[/C][/ROW]
[ROW][C]M8[/C][C]-0.04534[/C][C]0.083501[/C][C]-0.543[/C][C]0.589704[/C][C]0.294852[/C][/ROW]
[ROW][C]M9[/C][C]-0.0408399999999999[/C][C]0.083501[/C][C]-0.4891[/C][C]0.627048[/C][C]0.313524[/C][/ROW]
[ROW][C]M10[/C][C]-0.0317999999999999[/C][C]0.083501[/C][C]-0.3808[/C][C]0.705042[/C][C]0.352521[/C][/ROW]
[ROW][C]M11[/C][C]-0.02562[/C][C]0.083501[/C][C]-0.3068[/C][C]0.760333[/C][C]0.380167[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=3182&T=2

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=3182&T=2

As an alternative you can also use a QR Code:

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

Multiple Linear Regression - Ordinary Least Squares
Variable	Parameter	S.D.	T-STATH0: parameter = 0	2-tail p-value	1-tail p-value
(Intercept)	0.936876666666666	0.068178	13.7416	0	0
x	0.245329166666667	0.042611	5.7574	1e-06	0
M1	-0.0417400000000003	0.083501	-0.4999	0.619496	0.309748
M2	-0.0461400000000001	0.083501	-0.5526	0.583177	0.291589
M3	-0.0506799999999999	0.083501	-0.6069	0.546812	0.273406
M4	-0.0621599999999999	0.083501	-0.7444	0.460327	0.230163
M5	-0.04924	0.083501	-0.5897	0.55822	0.27911
M6	-0.0521	0.083501	-0.6239	0.53568	0.26784
M7	-0.04906	0.083501	-0.5875	0.559654	0.279827
M8	-0.04534	0.083501	-0.543	0.589704	0.294852
M9	-0.0408399999999999	0.083501	-0.4891	0.627048	0.313524
M10	-0.0317999999999999	0.083501	-0.3808	0.705042	0.352521
M11	-0.02562	0.083501	-0.3068	0.760333	0.380167

Multiple Linear Regression - Regression Statistics
Multiple R	0.647680477064766
R-squared	0.419490000370843
Adjusted R-squared	0.271274681316590
F-TEST (value)	2.83027424592523
F-TEST (DF numerator)	12
F-TEST (DF denominator)	47
p-value	0.00535565564467622
Multiple Linear Regression - Residual Statistics
Residual Standard Deviation	0.132026500550146
Sum Squared Residuals	0.819256851833333

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Regression Statistics \tabularnewline
Multiple R & 0.647680477064766 \tabularnewline
R-squared & 0.419490000370843 \tabularnewline
Adjusted R-squared & 0.271274681316590 \tabularnewline
F-TEST (value) & 2.83027424592523 \tabularnewline
F-TEST (DF numerator) & 12 \tabularnewline
F-TEST (DF denominator) & 47 \tabularnewline
p-value & 0.00535565564467622 \tabularnewline
Multiple Linear Regression - Residual Statistics \tabularnewline
Residual Standard Deviation & 0.132026500550146 \tabularnewline
Sum Squared Residuals & 0.819256851833333 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=3182&T=3

[TABLE]
[ROW][C]Multiple Linear Regression - Regression Statistics[/C][/ROW]
[ROW][C]Multiple R[/C][C]0.647680477064766[/C][/ROW]
[ROW][C]R-squared[/C][C]0.419490000370843[/C][/ROW]
[ROW][C]Adjusted R-squared[/C][C]0.271274681316590[/C][/ROW]
[ROW][C]F-TEST (value)[/C][C]2.83027424592523[/C][/ROW]
[ROW][C]F-TEST (DF numerator)[/C][C]12[/C][/ROW]
[ROW][C]F-TEST (DF denominator)[/C][C]47[/C][/ROW]
[ROW][C]p-value[/C][C]0.00535565564467622[/C][/ROW]
[ROW][C]Multiple Linear Regression - Residual Statistics[/C][/ROW]
[ROW][C]Residual Standard Deviation[/C][C]0.132026500550146[/C][/ROW]
[ROW][C]Sum Squared Residuals[/C][C]0.819256851833333[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=3182&T=3

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=3182&T=3

As an alternative you can also use a QR Code:

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

Multiple Linear Regression - Regression Statistics
Multiple R	0.647680477064766
R-squared	0.419490000370843
Adjusted R-squared	0.271274681316590
F-TEST (value)	2.83027424592523
F-TEST (DF numerator)	12
F-TEST (DF denominator)	47
p-value	0.00535565564467622
Multiple Linear Regression - Residual Statistics
Residual Standard Deviation	0.132026500550146
Sum Squared Residuals	0.819256851833333

Multiple Linear Regression - Actuals, Interpolation, and Residuals
Time or Index	Actuals	InterpolationForecast	ResidualsPrediction Error
1	0.9383	0.895136666666668	0.043163333333332
2	0.9217	0.890736666666667	0.0309633333333333
3	0.9095	0.886196666666667	0.0233033333333334
4	0.892	0.874716666666666	0.0172833333333335
5	0.8742	0.887636666666667	-0.0134366666666667
6	0.8532	0.884776666666666	-0.0315766666666665
7	0.8607	0.887816666666667	-0.0271166666666665
8	0.9005	0.891536666666667	0.00896333333333346
9	0.9111	0.896036666666666	0.0150633333333336
10	0.9059	0.905076666666667	0.000823333333333515
11	0.8883	0.911256666666666	-0.0229566666666665
12	0.8924	0.936876666666666	-0.0444766666666665
13	0.8833	1.14046583333333	-0.257165833333333
14	0.87	1.13606583333333	-0.266065833333333
15	0.8758	1.13152583333333	-0.255725833333333
16	0.8858	1.12004583333333	-0.234245833333333
17	0.917	1.13296583333333	-0.215965833333333
18	0.9554	1.13010583333333	-0.174705833333333
19	0.9922	1.13314583333333	-0.140945833333333
20	0.9778	1.13686583333333	-0.159065833333333
21	0.9808	1.14136583333333	-0.160565833333333
22	0.9811	1.15040583333333	-0.169305833333333
23	1.0014	1.15658583333333	-0.155185833333333
24	1.0183	1.18220583333333	-0.163905833333333
25	1.0622	1.14046583333333	-0.0782658333333330
26	1.0773	1.13606583333333	-0.0587658333333333
27	1.0807	1.13152583333333	-0.0508258333333333
28	1.0848	1.12004583333333	-0.0352458333333334
29	1.1582	1.13296583333333	0.0252341666666665
30	1.1663	1.13010583333333	0.0361941666666666
31	1.1372	1.13314583333333	0.00405416666666663
32	1.1139	1.13686583333333	-0.0229658333333335
33	1.1222	1.14136583333333	-0.0191658333333333
34	1.1692	1.15040583333333	0.0187941666666666
35	1.1702	1.15658583333333	0.0136141666666665
36	1.2286	1.18220583333333	0.0463941666666666
37	1.2613	1.14046583333333	0.120834166666667
38	1.2646	1.13606583333333	0.128534166666667
39	1.2262	1.13152583333333	0.0946741666666666
40	1.1985	1.12004583333333	0.0784541666666665
41	1.2007	1.13296583333333	0.0677341666666668
42	1.2138	1.13010583333333	0.0836941666666667
43	1.2266	1.13314583333333	0.0934541666666665
44	1.2176	1.13686583333333	0.0807341666666667
45	1.2218	1.14136583333333	0.0804341666666666
46	1.249	1.15040583333333	0.0985941666666667
47	1.2991	1.15658583333333	0.142514166666666
48	1.3408	1.18220583333333	0.158594166666667
49	1.3119	1.14046583333333	0.171434166666667
50	1.3014	1.13606583333333	0.165334166666667
51	1.3201	1.13152583333333	0.188574166666667
52	1.2938	1.12004583333333	0.173754166666667
53	1.2694	1.13296583333333	0.136434166666667
54	1.2165	1.13010583333333	0.0863941666666666
55	1.2037	1.13314583333333	0.0705541666666666
56	1.2292	1.13686583333333	0.0923341666666667
57	1.2256	1.14136583333333	0.0842341666666666
58	1.2015	1.15040583333333	0.0510941666666666
59	1.1786	1.15658583333333	0.0220141666666667
60	1.1856	1.18220583333333	0.00339416666666668

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Actuals, Interpolation, and Residuals \tabularnewline
Time or Index & Actuals & InterpolationForecast & ResidualsPrediction Error \tabularnewline
1 & 0.9383 & 0.895136666666668 & 0.043163333333332 \tabularnewline
2 & 0.9217 & 0.890736666666667 & 0.0309633333333333 \tabularnewline
3 & 0.9095 & 0.886196666666667 & 0.0233033333333334 \tabularnewline
4 & 0.892 & 0.874716666666666 & 0.0172833333333335 \tabularnewline
5 & 0.8742 & 0.887636666666667 & -0.0134366666666667 \tabularnewline
6 & 0.8532 & 0.884776666666666 & -0.0315766666666665 \tabularnewline
7 & 0.8607 & 0.887816666666667 & -0.0271166666666665 \tabularnewline
8 & 0.9005 & 0.891536666666667 & 0.00896333333333346 \tabularnewline
9 & 0.9111 & 0.896036666666666 & 0.0150633333333336 \tabularnewline
10 & 0.9059 & 0.905076666666667 & 0.000823333333333515 \tabularnewline
11 & 0.8883 & 0.911256666666666 & -0.0229566666666665 \tabularnewline
12 & 0.8924 & 0.936876666666666 & -0.0444766666666665 \tabularnewline
13 & 0.8833 & 1.14046583333333 & -0.257165833333333 \tabularnewline
14 & 0.87 & 1.13606583333333 & -0.266065833333333 \tabularnewline
15 & 0.8758 & 1.13152583333333 & -0.255725833333333 \tabularnewline
16 & 0.8858 & 1.12004583333333 & -0.234245833333333 \tabularnewline
17 & 0.917 & 1.13296583333333 & -0.215965833333333 \tabularnewline
18 & 0.9554 & 1.13010583333333 & -0.174705833333333 \tabularnewline
19 & 0.9922 & 1.13314583333333 & -0.140945833333333 \tabularnewline
20 & 0.9778 & 1.13686583333333 & -0.159065833333333 \tabularnewline
21 & 0.9808 & 1.14136583333333 & -0.160565833333333 \tabularnewline
22 & 0.9811 & 1.15040583333333 & -0.169305833333333 \tabularnewline
23 & 1.0014 & 1.15658583333333 & -0.155185833333333 \tabularnewline
24 & 1.0183 & 1.18220583333333 & -0.163905833333333 \tabularnewline
25 & 1.0622 & 1.14046583333333 & -0.0782658333333330 \tabularnewline
26 & 1.0773 & 1.13606583333333 & -0.0587658333333333 \tabularnewline
27 & 1.0807 & 1.13152583333333 & -0.0508258333333333 \tabularnewline
28 & 1.0848 & 1.12004583333333 & -0.0352458333333334 \tabularnewline
29 & 1.1582 & 1.13296583333333 & 0.0252341666666665 \tabularnewline
30 & 1.1663 & 1.13010583333333 & 0.0361941666666666 \tabularnewline
31 & 1.1372 & 1.13314583333333 & 0.00405416666666663 \tabularnewline
32 & 1.1139 & 1.13686583333333 & -0.0229658333333335 \tabularnewline
33 & 1.1222 & 1.14136583333333 & -0.0191658333333333 \tabularnewline
34 & 1.1692 & 1.15040583333333 & 0.0187941666666666 \tabularnewline
35 & 1.1702 & 1.15658583333333 & 0.0136141666666665 \tabularnewline
36 & 1.2286 & 1.18220583333333 & 0.0463941666666666 \tabularnewline
37 & 1.2613 & 1.14046583333333 & 0.120834166666667 \tabularnewline
38 & 1.2646 & 1.13606583333333 & 0.128534166666667 \tabularnewline
39 & 1.2262 & 1.13152583333333 & 0.0946741666666666 \tabularnewline
40 & 1.1985 & 1.12004583333333 & 0.0784541666666665 \tabularnewline
41 & 1.2007 & 1.13296583333333 & 0.0677341666666668 \tabularnewline
42 & 1.2138 & 1.13010583333333 & 0.0836941666666667 \tabularnewline
43 & 1.2266 & 1.13314583333333 & 0.0934541666666665 \tabularnewline
44 & 1.2176 & 1.13686583333333 & 0.0807341666666667 \tabularnewline
45 & 1.2218 & 1.14136583333333 & 0.0804341666666666 \tabularnewline
46 & 1.249 & 1.15040583333333 & 0.0985941666666667 \tabularnewline
47 & 1.2991 & 1.15658583333333 & 0.142514166666666 \tabularnewline
48 & 1.3408 & 1.18220583333333 & 0.158594166666667 \tabularnewline
49 & 1.3119 & 1.14046583333333 & 0.171434166666667 \tabularnewline
50 & 1.3014 & 1.13606583333333 & 0.165334166666667 \tabularnewline
51 & 1.3201 & 1.13152583333333 & 0.188574166666667 \tabularnewline
52 & 1.2938 & 1.12004583333333 & 0.173754166666667 \tabularnewline
53 & 1.2694 & 1.13296583333333 & 0.136434166666667 \tabularnewline
54 & 1.2165 & 1.13010583333333 & 0.0863941666666666 \tabularnewline
55 & 1.2037 & 1.13314583333333 & 0.0705541666666666 \tabularnewline
56 & 1.2292 & 1.13686583333333 & 0.0923341666666667 \tabularnewline
57 & 1.2256 & 1.14136583333333 & 0.0842341666666666 \tabularnewline
58 & 1.2015 & 1.15040583333333 & 0.0510941666666666 \tabularnewline
59 & 1.1786 & 1.15658583333333 & 0.0220141666666667 \tabularnewline
60 & 1.1856 & 1.18220583333333 & 0.00339416666666668 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=3182&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]0.9383[/C][C]0.895136666666668[/C][C]0.043163333333332[/C][/ROW]
[ROW][C]2[/C][C]0.9217[/C][C]0.890736666666667[/C][C]0.0309633333333333[/C][/ROW]
[ROW][C]3[/C][C]0.9095[/C][C]0.886196666666667[/C][C]0.0233033333333334[/C][/ROW]
[ROW][C]4[/C][C]0.892[/C][C]0.874716666666666[/C][C]0.0172833333333335[/C][/ROW]
[ROW][C]5[/C][C]0.8742[/C][C]0.887636666666667[/C][C]-0.0134366666666667[/C][/ROW]
[ROW][C]6[/C][C]0.8532[/C][C]0.884776666666666[/C][C]-0.0315766666666665[/C][/ROW]
[ROW][C]7[/C][C]0.8607[/C][C]0.887816666666667[/C][C]-0.0271166666666665[/C][/ROW]
[ROW][C]8[/C][C]0.9005[/C][C]0.891536666666667[/C][C]0.00896333333333346[/C][/ROW]
[ROW][C]9[/C][C]0.9111[/C][C]0.896036666666666[/C][C]0.0150633333333336[/C][/ROW]
[ROW][C]10[/C][C]0.9059[/C][C]0.905076666666667[/C][C]0.000823333333333515[/C][/ROW]
[ROW][C]11[/C][C]0.8883[/C][C]0.911256666666666[/C][C]-0.0229566666666665[/C][/ROW]
[ROW][C]12[/C][C]0.8924[/C][C]0.936876666666666[/C][C]-0.0444766666666665[/C][/ROW]
[ROW][C]13[/C][C]0.8833[/C][C]1.14046583333333[/C][C]-0.257165833333333[/C][/ROW]
[ROW][C]14[/C][C]0.87[/C][C]1.13606583333333[/C][C]-0.266065833333333[/C][/ROW]
[ROW][C]15[/C][C]0.8758[/C][C]1.13152583333333[/C][C]-0.255725833333333[/C][/ROW]
[ROW][C]16[/C][C]0.8858[/C][C]1.12004583333333[/C][C]-0.234245833333333[/C][/ROW]
[ROW][C]17[/C][C]0.917[/C][C]1.13296583333333[/C][C]-0.215965833333333[/C][/ROW]
[ROW][C]18[/C][C]0.9554[/C][C]1.13010583333333[/C][C]-0.174705833333333[/C][/ROW]
[ROW][C]19[/C][C]0.9922[/C][C]1.13314583333333[/C][C]-0.140945833333333[/C][/ROW]
[ROW][C]20[/C][C]0.9778[/C][C]1.13686583333333[/C][C]-0.159065833333333[/C][/ROW]
[ROW][C]21[/C][C]0.9808[/C][C]1.14136583333333[/C][C]-0.160565833333333[/C][/ROW]
[ROW][C]22[/C][C]0.9811[/C][C]1.15040583333333[/C][C]-0.169305833333333[/C][/ROW]
[ROW][C]23[/C][C]1.0014[/C][C]1.15658583333333[/C][C]-0.155185833333333[/C][/ROW]
[ROW][C]24[/C][C]1.0183[/C][C]1.18220583333333[/C][C]-0.163905833333333[/C][/ROW]
[ROW][C]25[/C][C]1.0622[/C][C]1.14046583333333[/C][C]-0.0782658333333330[/C][/ROW]
[ROW][C]26[/C][C]1.0773[/C][C]1.13606583333333[/C][C]-0.0587658333333333[/C][/ROW]
[ROW][C]27[/C][C]1.0807[/C][C]1.13152583333333[/C][C]-0.0508258333333333[/C][/ROW]
[ROW][C]28[/C][C]1.0848[/C][C]1.12004583333333[/C][C]-0.0352458333333334[/C][/ROW]
[ROW][C]29[/C][C]1.1582[/C][C]1.13296583333333[/C][C]0.0252341666666665[/C][/ROW]
[ROW][C]30[/C][C]1.1663[/C][C]1.13010583333333[/C][C]0.0361941666666666[/C][/ROW]
[ROW][C]31[/C][C]1.1372[/C][C]1.13314583333333[/C][C]0.00405416666666663[/C][/ROW]
[ROW][C]32[/C][C]1.1139[/C][C]1.13686583333333[/C][C]-0.0229658333333335[/C][/ROW]
[ROW][C]33[/C][C]1.1222[/C][C]1.14136583333333[/C][C]-0.0191658333333333[/C][/ROW]
[ROW][C]34[/C][C]1.1692[/C][C]1.15040583333333[/C][C]0.0187941666666666[/C][/ROW]
[ROW][C]35[/C][C]1.1702[/C][C]1.15658583333333[/C][C]0.0136141666666665[/C][/ROW]
[ROW][C]36[/C][C]1.2286[/C][C]1.18220583333333[/C][C]0.0463941666666666[/C][/ROW]
[ROW][C]37[/C][C]1.2613[/C][C]1.14046583333333[/C][C]0.120834166666667[/C][/ROW]
[ROW][C]38[/C][C]1.2646[/C][C]1.13606583333333[/C][C]0.128534166666667[/C][/ROW]
[ROW][C]39[/C][C]1.2262[/C][C]1.13152583333333[/C][C]0.0946741666666666[/C][/ROW]
[ROW][C]40[/C][C]1.1985[/C][C]1.12004583333333[/C][C]0.0784541666666665[/C][/ROW]
[ROW][C]41[/C][C]1.2007[/C][C]1.13296583333333[/C][C]0.0677341666666668[/C][/ROW]
[ROW][C]42[/C][C]1.2138[/C][C]1.13010583333333[/C][C]0.0836941666666667[/C][/ROW]
[ROW][C]43[/C][C]1.2266[/C][C]1.13314583333333[/C][C]0.0934541666666665[/C][/ROW]
[ROW][C]44[/C][C]1.2176[/C][C]1.13686583333333[/C][C]0.0807341666666667[/C][/ROW]
[ROW][C]45[/C][C]1.2218[/C][C]1.14136583333333[/C][C]0.0804341666666666[/C][/ROW]
[ROW][C]46[/C][C]1.249[/C][C]1.15040583333333[/C][C]0.0985941666666667[/C][/ROW]
[ROW][C]47[/C][C]1.2991[/C][C]1.15658583333333[/C][C]0.142514166666666[/C][/ROW]
[ROW][C]48[/C][C]1.3408[/C][C]1.18220583333333[/C][C]0.158594166666667[/C][/ROW]
[ROW][C]49[/C][C]1.3119[/C][C]1.14046583333333[/C][C]0.171434166666667[/C][/ROW]
[ROW][C]50[/C][C]1.3014[/C][C]1.13606583333333[/C][C]0.165334166666667[/C][/ROW]
[ROW][C]51[/C][C]1.3201[/C][C]1.13152583333333[/C][C]0.188574166666667[/C][/ROW]
[ROW][C]52[/C][C]1.2938[/C][C]1.12004583333333[/C][C]0.173754166666667[/C][/ROW]
[ROW][C]53[/C][C]1.2694[/C][C]1.13296583333333[/C][C]0.136434166666667[/C][/ROW]
[ROW][C]54[/C][C]1.2165[/C][C]1.13010583333333[/C][C]0.0863941666666666[/C][/ROW]
[ROW][C]55[/C][C]1.2037[/C][C]1.13314583333333[/C][C]0.0705541666666666[/C][/ROW]
[ROW][C]56[/C][C]1.2292[/C][C]1.13686583333333[/C][C]0.0923341666666667[/C][/ROW]
[ROW][C]57[/C][C]1.2256[/C][C]1.14136583333333[/C][C]0.0842341666666666[/C][/ROW]
[ROW][C]58[/C][C]1.2015[/C][C]1.15040583333333[/C][C]0.0510941666666666[/C][/ROW]
[ROW][C]59[/C][C]1.1786[/C][C]1.15658583333333[/C][C]0.0220141666666667[/C][/ROW]
[ROW][C]60[/C][C]1.1856[/C][C]1.18220583333333[/C][C]0.00339416666666668[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=3182&T=4

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=3182&T=4

As an alternative you can also use a QR Code:

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

Multiple Linear Regression - Actuals, Interpolation, and Residuals
Time or Index	Actuals	InterpolationForecast	ResidualsPrediction Error
1	0.9383	0.895136666666668	0.043163333333332
2	0.9217	0.890736666666667	0.0309633333333333
3	0.9095	0.886196666666667	0.0233033333333334
4	0.892	0.874716666666666	0.0172833333333335
5	0.8742	0.887636666666667	-0.0134366666666667
6	0.8532	0.884776666666666	-0.0315766666666665
7	0.8607	0.887816666666667	-0.0271166666666665
8	0.9005	0.891536666666667	0.00896333333333346
9	0.9111	0.896036666666666	0.0150633333333336
10	0.9059	0.905076666666667	0.000823333333333515
11	0.8883	0.911256666666666	-0.0229566666666665
12	0.8924	0.936876666666666	-0.0444766666666665
13	0.8833	1.14046583333333	-0.257165833333333
14	0.87	1.13606583333333	-0.266065833333333
15	0.8758	1.13152583333333	-0.255725833333333
16	0.8858	1.12004583333333	-0.234245833333333
17	0.917	1.13296583333333	-0.215965833333333
18	0.9554	1.13010583333333	-0.174705833333333
19	0.9922	1.13314583333333	-0.140945833333333
20	0.9778	1.13686583333333	-0.159065833333333
21	0.9808	1.14136583333333	-0.160565833333333
22	0.9811	1.15040583333333	-0.169305833333333
23	1.0014	1.15658583333333	-0.155185833333333
24	1.0183	1.18220583333333	-0.163905833333333
25	1.0622	1.14046583333333	-0.0782658333333330
26	1.0773	1.13606583333333	-0.0587658333333333
27	1.0807	1.13152583333333	-0.0508258333333333
28	1.0848	1.12004583333333	-0.0352458333333334
29	1.1582	1.13296583333333	0.0252341666666665
30	1.1663	1.13010583333333	0.0361941666666666
31	1.1372	1.13314583333333	0.00405416666666663
32	1.1139	1.13686583333333	-0.0229658333333335
33	1.1222	1.14136583333333	-0.0191658333333333
34	1.1692	1.15040583333333	0.0187941666666666
35	1.1702	1.15658583333333	0.0136141666666665
36	1.2286	1.18220583333333	0.0463941666666666
37	1.2613	1.14046583333333	0.120834166666667
38	1.2646	1.13606583333333	0.128534166666667
39	1.2262	1.13152583333333	0.0946741666666666
40	1.1985	1.12004583333333	0.0784541666666665
41	1.2007	1.13296583333333	0.0677341666666668
42	1.2138	1.13010583333333	0.0836941666666667
43	1.2266	1.13314583333333	0.0934541666666665
44	1.2176	1.13686583333333	0.0807341666666667
45	1.2218	1.14136583333333	0.0804341666666666
46	1.249	1.15040583333333	0.0985941666666667
47	1.2991	1.15658583333333	0.142514166666666
48	1.3408	1.18220583333333	0.158594166666667
49	1.3119	1.14046583333333	0.171434166666667
50	1.3014	1.13606583333333	0.165334166666667
51	1.3201	1.13152583333333	0.188574166666667
52	1.2938	1.12004583333333	0.173754166666667
53	1.2694	1.13296583333333	0.136434166666667
54	1.2165	1.13010583333333	0.0863941666666666
55	1.2037	1.13314583333333	0.0705541666666666
56	1.2292	1.13686583333333	0.0923341666666667
57	1.2256	1.14136583333333	0.0842341666666666
58	1.2015	1.15040583333333	0.0510941666666666
59	1.1786	1.15658583333333	0.0220141666666667
60	1.1856	1.18220583333333	0.00339416666666668

Figure 1

PNG link

Postscript link

PDF link

Figure 2

PNG link

Postscript link

PDF link

Figure 3

PNG link

Postscript link

PDF link

Figure 4

PNG link

Postscript link

PDF link

Figure 5

PNG link

Postscript link

PDF link

Figure 6

PNG link

Postscript link

PDF link

Figure 7

PNG link

Postscript link

PDF link

Figure 8

PNG link

Postscript link

PDF link

Figure 9

PNG link

Postscript link

PDF link

Parameters (Session):

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

Parameters (R input):

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

R code (references can be found in the software module):

library(lattice)
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))
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$resid, main='Residual Normal Q-Q Plot')
grid()
dev.off()
(myerror <- as.ts(mysum$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()
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')

Free Statistics

Description of Statistical Computation

Tree of Dependent Computations

Dataset

Tables (Output of Computation)

Figures (Output of Computation)

Input Parameters & R Code