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

Thu, 15 Nov 2007 04:12:24 -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/Nov/15/t1195124835stqz6bgy6trl80e.htm/, Retrieved Sat, 04 May 2024 15:54:19 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=5423, Retrieved Sat, 04 May 2024 15:54:19 +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

359

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

-       [Multiple Regression] [WS 6 Q3 G6 eigen ...] [2007-11-15 11:12:24] [fef19078983b9fa83d10cb717d6f9786] [Current]
- R  D    [Multiple Regression] [Multiple Regressi...] [2008-12-11 14:26:18] [7506b5e9e41ec66c6657f4234f97306e] 
-           [Multiple Regression] [Multiple Regressi...] [2008-12-11 15:14:12] [7506b5e9e41ec66c6657f4234f97306e] 
-   PD        [Multiple Regression] [Multiple Regressi...] [2008-12-11 17:20:33] [7506b5e9e41ec66c6657f4234f97306e] 
-   P           [Multiple Regression] [Multiple Regressi...] [2008-12-11 17:25:54] [7506b5e9e41ec66c6657f4234f97306e] 
-             [Multiple Regression] [Multiple Regressi...] [2008-12-11 17:23:50] [7506b5e9e41ec66c6657f4234f97306e] 
-  M D          [Multiple Regression] [box cox wlh] [2009-12-25 19:20:04] [bd8e774728cf1f2f4e6868fd314defe3] 
-   P             [Multiple Regression] [lineair regressio...] [2009-12-25 19:23:01] [bd8e774728cf1f2f4e6868fd314defe3] 
-   P               [Multiple Regression] [lin regr wlh dumm...] [2009-12-25 19:25:37] [bd8e774728cf1f2f4e6868fd314defe3] 
-    D            [Multiple Regression] [lin regr wagens] [2009-12-25 19:39:00] [bd8e774728cf1f2f4e6868fd314defe3] 
-   P               [Multiple Regression] [lin regr wagens s...] [2009-12-25 19:41:38] [bd8e774728cf1f2f4e6868fd314defe3] 
-   P                 [Multiple Regression] [lin regr wagens s...] [2009-12-25 19:43:53] [bd8e774728cf1f2f4e6868fd314defe3] 
-    D            [Multiple Regression] [lin regr wlh] [2009-12-30 21:04:38] [bd8e774728cf1f2f4e6868fd314defe3] 
-   PD            [Multiple Regression] [lin regr wlh seas...] [2009-12-30 21:16:38] [bd8e774728cf1f2f4e6868fd314defe3] 
-   P               [Multiple Regression] [lin regr wlh line...] [2009-12-30 21:24:04] [bd8e774728cf1f2f4e6868fd314defe3] 
-   P                 [Multiple Regression] [lin regr wlh lin ...] [2009-12-30 21:32:41] [bd8e774728cf1f2f4e6868fd314defe3] 
- R  D    [Multiple Regression] [Multiple Regressi...] [2008-12-11 15:10:14] [7506b5e9e41ec66c6657f4234f97306e] 
-   PD      [Multiple Regression] [Multiple Regressi...] [2008-12-12 00:13:51] [29747f79f5beb5b2516e1271770ecb47] 
-   P         [Multiple Regression] [Multiple Regressi...] [2008-12-12 00:16:36] [29747f79f5beb5b2516e1271770ecb47] 
- R  D    [Multiple Regression] [Multiple Lineair ...] [2008-12-12 14:47:57] [b47fceb71c9525e79a89b5fc6d023d0e] 
- R PD    [Multiple Regression] [Multiple Lineair ...] [2008-12-12 14:55:07] [b47fceb71c9525e79a89b5fc6d023d0e] 
- R PD    [Multiple Regression] [Multiple Lineair ...] [2008-12-12 15:01:15] [b47fceb71c9525e79a89b5fc6d023d0e] 
-   PD      [Multiple Regression] [Multiple Lineair ...] [2008-12-12 15:05:09] [b47fceb71c9525e79a89b5fc6d023d0e] 
-    D    [Multiple Regression] [Multiple Linear R...] [2008-12-13 12:32:46] [f5709eefd05c649ca6dad46019ffd879] 
- R  D    [Multiple Regression] [Multiple Linear R...] [2008-12-13 12:42:32] [f5709eefd05c649ca6dad46019ffd879] 
-   PD      [Multiple Regression] [Investeringsgoede...] [2008-12-13 12:55:08] [f5709eefd05c649ca6dad46019ffd879] 
-   P         [Multiple Regression] [Investeringsgoede...] [2008-12-13 13:46:23] [f5709eefd05c649ca6dad46019ffd879] 
-   PD      [Multiple Regression] [Investeringsgoede...] [2008-12-15 07:45:06] [f5709eefd05c649ca6dad46019ffd879] 
-   P         [Multiple Regression] [Investeringsgoede...] [2008-12-15 07:56:29] [f5709eefd05c649ca6dad46019ffd879] 
-    D      [Multiple Regression] [Multiple Linear R...] [2008-12-16 11:21:51] [f5709eefd05c649ca6dad46019ffd879] 
-   PD        [Multiple Regression] [Consumptiegoedere...] [2008-12-16 12:43:50] [f5709eefd05c649ca6dad46019ffd879] 
-   P           [Multiple Regression] [Consumptiegoedere...] [2008-12-16 13:42:41] [f5709eefd05c649ca6dad46019ffd879] 
-   PD        [Multiple Regression] [Consumptiegoedere...] [2008-12-16 12:45:53] [f5709eefd05c649ca6dad46019ffd879] 
-             [Multiple Regression] [Multiple Linear R...] [2008-12-16 12:47:32] [f5709eefd05c649ca6dad46019ffd879] 
-    D      [Multiple Regression] [Investeringsgoede...] [2008-12-20 13:55:49] [f5709eefd05c649ca6dad46019ffd879] 
-    D      [Multiple Regression] [Investeringsgoede...] [2008-12-20 13:59:28] [f5709eefd05c649ca6dad46019ffd879] 
-    D      [Multiple Regression] [Investeringsgoede...] [2008-12-20 14:03:20] [f5709eefd05c649ca6dad46019ffd879] 
-    D    [Multiple Regression] [Dummie eenvoudig ...] [2008-12-19 10:20:54] [005293453b571dbccb80b45226e44173] 
- R  D    [Multiple Regression] [dummie eenvoudig ...] [2008-12-19 10:30:26] [005293453b571dbccb80b45226e44173] 
-   P       [Multiple Regression] [dummie seizoenale...] [2008-12-19 10:38:56] [005293453b571dbccb80b45226e44173] 
-   P         [Multiple Regression] [dummie lineaire t...] [2008-12-19 10:47:40] [005293453b571dbccb80b45226e44173] 
- R  D    [Multiple Regression] [Paper -multiple L...] [2008-12-20 13:50:59] [1848c1c05ef454c234bcbe26cf08badc] 
-   PD    [Multiple Regression] [Paper - multiple ...] [2008-12-20 15:09:51] [1848c1c05ef454c234bcbe26cf08badc] 
-   PD    [Multiple Regression] [Paper - multiple ...] [2008-12-20 15:18:32] [1848c1c05ef454c234bcbe26cf08badc] 

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	17 seconds
R Server	'Herman Ole Andreas Wold' @ 193.190.124.10:1001

\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 & 17 seconds \tabularnewline
R Server & 'Herman Ole Andreas Wold' @ 193.190.124.10:1001 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=5423&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]17 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'Herman Ole Andreas Wold' @ 193.190.124.10:1001[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=5423&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=5423&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	17 seconds
R Server	'Herman Ole Andreas Wold' @ 193.190.124.10:1001

Multiple Linear Regression - Estimated Regression Equation
Y[t] = + 105.833333333333 + 9.8375X[t] + e[t]

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Estimated Regression Equation \tabularnewline
Y[t] =  +  105.833333333333 +  9.8375X[t]  + e[t] \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=5423&T=1

[TABLE]
[ROW][C]Multiple Linear Regression - Estimated Regression Equation[/C][/ROW]
[ROW][C]Y[t] =  +  105.833333333333 +  9.8375X[t]  + e[t][/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=5423&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=5423&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] = + 105.833333333333 + 9.8375X[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)	105.833333333333	3.074173	34.4266	0	0
X	9.8375	4.860695	2.0239	0.047597	0.023798

\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) & 105.833333333333 & 3.074173 & 34.4266 & 0 & 0 \tabularnewline
X & 9.8375 & 4.860695 & 2.0239 & 0.047597 & 0.023798 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=5423&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]105.833333333333[/C][C]3.074173[/C][C]34.4266[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]X[/C][C]9.8375[/C][C]4.860695[/C][C]2.0239[/C][C]0.047597[/C][C]0.023798[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=5423&T=2

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=5423&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)	105.833333333333	3.074173	34.4266	0	0
X	9.8375	4.860695	2.0239	0.047597	0.023798

Multiple Linear Regression - Regression Statistics
Multiple R	0.256834977791215
R-squared	0.0659642058170137
Adjusted R-squared	0.0498601404000657
F-TEST (value)	4.09612132769856
F-TEST (DF numerator)	1
F-TEST (DF denominator)	58
p-value	0.0475966209423987
Multiple Linear Regression - Residual Statistics
Residual Standard Deviation	18.4450393215822
Sum Squared Residuals	19732.7295833333

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Regression Statistics \tabularnewline
Multiple R & 0.256834977791215 \tabularnewline
R-squared & 0.0659642058170137 \tabularnewline
Adjusted R-squared & 0.0498601404000657 \tabularnewline
F-TEST (value) & 4.09612132769856 \tabularnewline
F-TEST (DF numerator) & 1 \tabularnewline
F-TEST (DF denominator) & 58 \tabularnewline
p-value & 0.0475966209423987 \tabularnewline
Multiple Linear Regression - Residual Statistics \tabularnewline
Residual Standard Deviation & 18.4450393215822 \tabularnewline
Sum Squared Residuals & 19732.7295833333 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=5423&T=3

[TABLE]
[ROW][C]Multiple Linear Regression - Regression Statistics[/C][/ROW]
[ROW][C]Multiple R[/C][C]0.256834977791215[/C][/ROW]
[ROW][C]R-squared[/C][C]0.0659642058170137[/C][/ROW]
[ROW][C]Adjusted R-squared[/C][C]0.0498601404000657[/C][/ROW]
[ROW][C]F-TEST (value)[/C][C]4.09612132769856[/C][/ROW]
[ROW][C]F-TEST (DF numerator)[/C][C]1[/C][/ROW]
[ROW][C]F-TEST (DF denominator)[/C][C]58[/C][/ROW]
[ROW][C]p-value[/C][C]0.0475966209423987[/C][/ROW]
[ROW][C]Multiple Linear Regression - Residual Statistics[/C][/ROW]
[ROW][C]Residual Standard Deviation[/C][C]18.4450393215822[/C][/ROW]
[ROW][C]Sum Squared Residuals[/C][C]19732.7295833333[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=5423&T=3

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=5423&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	0.256834977791215
R-squared	0.0659642058170137
Adjusted R-squared	0.0498601404000657
F-TEST (value)	4.09612132769856
F-TEST (DF numerator)	1
F-TEST (DF denominator)	58
p-value	0.0475966209423987
Multiple Linear Regression - Residual Statistics
Residual Standard Deviation	18.4450393215822
Sum Squared Residuals	19732.7295833333

Multiple Linear Regression - Actuals, Interpolation, and Residuals
Time or Index	Actuals	InterpolationForecast	ResidualsPrediction Error
1	120.3	105.833333333333	14.4666666666665
2	133.4	105.833333333333	27.5666666666667
3	109.4	105.833333333333	3.56666666666668
4	93.2	105.833333333333	-12.6333333333333
5	91.2	105.833333333333	-14.6333333333333
6	99.2	105.833333333333	-6.63333333333333
7	108.2	105.833333333333	2.36666666666667
8	101.5	105.833333333333	-4.33333333333333
9	106.9	105.833333333333	1.06666666666668
10	104.4	105.833333333333	-1.43333333333332
11	77.9	105.833333333333	-27.9333333333333
12	60	105.833333333333	-45.8333333333333
13	99.5	105.833333333333	-6.33333333333333
14	95	105.833333333333	-10.8333333333333
15	105.6	105.833333333333	-0.233333333333335
16	102.5	105.833333333333	-3.33333333333333
17	93.3	105.833333333333	-12.5333333333333
18	97.3	105.833333333333	-8.53333333333333
19	127	105.833333333333	21.1666666666667
20	111.7	105.833333333333	5.86666666666667
21	96.4	105.833333333333	-9.43333333333332
22	133	105.833333333333	27.1666666666667
23	72.2	105.833333333333	-33.6333333333333
24	95.8	105.833333333333	-10.0333333333333
25	124.1	105.833333333333	18.2666666666667
26	127.6	105.833333333333	21.7666666666667
27	110.7	105.833333333333	4.86666666666667
28	104.6	105.833333333333	-1.23333333333333
29	112.7	105.833333333333	6.86666666666667
30	115.3	105.833333333333	9.46666666666667
31	139.4	105.833333333333	33.5666666666667
32	119	105.833333333333	13.1666666666667
33	97.4	105.833333333333	-8.43333333333332
34	154	105.833333333333	48.1666666666667
35	81.5	105.833333333333	-24.3333333333333
36	88.8	105.833333333333	-17.0333333333333
37	127.7	115.670833333333	12.0291666666667
38	105.1	115.670833333333	-10.5708333333333
39	114.9	115.670833333333	-0.770833333333329
40	106.4	115.670833333333	-9.27083333333333
41	104.5	115.670833333333	-11.1708333333333
42	121.6	115.670833333333	5.92916666666666
43	141.4	115.670833333333	25.7291666666667
44	99	115.670833333333	-16.6708333333333
45	126.7	115.670833333333	11.0291666666667
46	134.1	115.670833333333	18.4291666666667
47	81.3	115.670833333333	-34.3708333333333
48	88.6	115.670833333333	-27.0708333333333
49	132.7	115.670833333333	17.0291666666667
50	132.9	115.670833333333	17.2291666666667
51	134.4	115.670833333333	18.7291666666667
52	103.7	115.670833333333	-11.9708333333333
53	119.7	115.670833333333	4.02916666666667
54	115	115.670833333333	-0.670833333333334
55	132.9	115.670833333333	17.2291666666667
56	108.5	115.670833333333	-7.17083333333334
57	113.9	115.670833333333	-1.77083333333333
58	142.9	115.670833333333	27.2291666666667
59	95.2	115.670833333333	-20.4708333333333
60	93	115.670833333333	-22.6708333333333

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Actuals, Interpolation, and Residuals \tabularnewline
Time or Index & Actuals & InterpolationForecast & ResidualsPrediction Error \tabularnewline
1 & 120.3 & 105.833333333333 & 14.4666666666665 \tabularnewline
2 & 133.4 & 105.833333333333 & 27.5666666666667 \tabularnewline
3 & 109.4 & 105.833333333333 & 3.56666666666668 \tabularnewline
4 & 93.2 & 105.833333333333 & -12.6333333333333 \tabularnewline
5 & 91.2 & 105.833333333333 & -14.6333333333333 \tabularnewline
6 & 99.2 & 105.833333333333 & -6.63333333333333 \tabularnewline
7 & 108.2 & 105.833333333333 & 2.36666666666667 \tabularnewline
8 & 101.5 & 105.833333333333 & -4.33333333333333 \tabularnewline
9 & 106.9 & 105.833333333333 & 1.06666666666668 \tabularnewline
10 & 104.4 & 105.833333333333 & -1.43333333333332 \tabularnewline
11 & 77.9 & 105.833333333333 & -27.9333333333333 \tabularnewline
12 & 60 & 105.833333333333 & -45.8333333333333 \tabularnewline
13 & 99.5 & 105.833333333333 & -6.33333333333333 \tabularnewline
14 & 95 & 105.833333333333 & -10.8333333333333 \tabularnewline
15 & 105.6 & 105.833333333333 & -0.233333333333335 \tabularnewline
16 & 102.5 & 105.833333333333 & -3.33333333333333 \tabularnewline
17 & 93.3 & 105.833333333333 & -12.5333333333333 \tabularnewline
18 & 97.3 & 105.833333333333 & -8.53333333333333 \tabularnewline
19 & 127 & 105.833333333333 & 21.1666666666667 \tabularnewline
20 & 111.7 & 105.833333333333 & 5.86666666666667 \tabularnewline
21 & 96.4 & 105.833333333333 & -9.43333333333332 \tabularnewline
22 & 133 & 105.833333333333 & 27.1666666666667 \tabularnewline
23 & 72.2 & 105.833333333333 & -33.6333333333333 \tabularnewline
24 & 95.8 & 105.833333333333 & -10.0333333333333 \tabularnewline
25 & 124.1 & 105.833333333333 & 18.2666666666667 \tabularnewline
26 & 127.6 & 105.833333333333 & 21.7666666666667 \tabularnewline
27 & 110.7 & 105.833333333333 & 4.86666666666667 \tabularnewline
28 & 104.6 & 105.833333333333 & -1.23333333333333 \tabularnewline
29 & 112.7 & 105.833333333333 & 6.86666666666667 \tabularnewline
30 & 115.3 & 105.833333333333 & 9.46666666666667 \tabularnewline
31 & 139.4 & 105.833333333333 & 33.5666666666667 \tabularnewline
32 & 119 & 105.833333333333 & 13.1666666666667 \tabularnewline
33 & 97.4 & 105.833333333333 & -8.43333333333332 \tabularnewline
34 & 154 & 105.833333333333 & 48.1666666666667 \tabularnewline
35 & 81.5 & 105.833333333333 & -24.3333333333333 \tabularnewline
36 & 88.8 & 105.833333333333 & -17.0333333333333 \tabularnewline
37 & 127.7 & 115.670833333333 & 12.0291666666667 \tabularnewline
38 & 105.1 & 115.670833333333 & -10.5708333333333 \tabularnewline
39 & 114.9 & 115.670833333333 & -0.770833333333329 \tabularnewline
40 & 106.4 & 115.670833333333 & -9.27083333333333 \tabularnewline
41 & 104.5 & 115.670833333333 & -11.1708333333333 \tabularnewline
42 & 121.6 & 115.670833333333 & 5.92916666666666 \tabularnewline
43 & 141.4 & 115.670833333333 & 25.7291666666667 \tabularnewline
44 & 99 & 115.670833333333 & -16.6708333333333 \tabularnewline
45 & 126.7 & 115.670833333333 & 11.0291666666667 \tabularnewline
46 & 134.1 & 115.670833333333 & 18.4291666666667 \tabularnewline
47 & 81.3 & 115.670833333333 & -34.3708333333333 \tabularnewline
48 & 88.6 & 115.670833333333 & -27.0708333333333 \tabularnewline
49 & 132.7 & 115.670833333333 & 17.0291666666667 \tabularnewline
50 & 132.9 & 115.670833333333 & 17.2291666666667 \tabularnewline
51 & 134.4 & 115.670833333333 & 18.7291666666667 \tabularnewline
52 & 103.7 & 115.670833333333 & -11.9708333333333 \tabularnewline
53 & 119.7 & 115.670833333333 & 4.02916666666667 \tabularnewline
54 & 115 & 115.670833333333 & -0.670833333333334 \tabularnewline
55 & 132.9 & 115.670833333333 & 17.2291666666667 \tabularnewline
56 & 108.5 & 115.670833333333 & -7.17083333333334 \tabularnewline
57 & 113.9 & 115.670833333333 & -1.77083333333333 \tabularnewline
58 & 142.9 & 115.670833333333 & 27.2291666666667 \tabularnewline
59 & 95.2 & 115.670833333333 & -20.4708333333333 \tabularnewline
60 & 93 & 115.670833333333 & -22.6708333333333 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=5423&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]120.3[/C][C]105.833333333333[/C][C]14.4666666666665[/C][/ROW]
[ROW][C]2[/C][C]133.4[/C][C]105.833333333333[/C][C]27.5666666666667[/C][/ROW]
[ROW][C]3[/C][C]109.4[/C][C]105.833333333333[/C][C]3.56666666666668[/C][/ROW]
[ROW][C]4[/C][C]93.2[/C][C]105.833333333333[/C][C]-12.6333333333333[/C][/ROW]
[ROW][C]5[/C][C]91.2[/C][C]105.833333333333[/C][C]-14.6333333333333[/C][/ROW]
[ROW][C]6[/C][C]99.2[/C][C]105.833333333333[/C][C]-6.63333333333333[/C][/ROW]
[ROW][C]7[/C][C]108.2[/C][C]105.833333333333[/C][C]2.36666666666667[/C][/ROW]
[ROW][C]8[/C][C]101.5[/C][C]105.833333333333[/C][C]-4.33333333333333[/C][/ROW]
[ROW][C]9[/C][C]106.9[/C][C]105.833333333333[/C][C]1.06666666666668[/C][/ROW]
[ROW][C]10[/C][C]104.4[/C][C]105.833333333333[/C][C]-1.43333333333332[/C][/ROW]
[ROW][C]11[/C][C]77.9[/C][C]105.833333333333[/C][C]-27.9333333333333[/C][/ROW]
[ROW][C]12[/C][C]60[/C][C]105.833333333333[/C][C]-45.8333333333333[/C][/ROW]
[ROW][C]13[/C][C]99.5[/C][C]105.833333333333[/C][C]-6.33333333333333[/C][/ROW]
[ROW][C]14[/C][C]95[/C][C]105.833333333333[/C][C]-10.8333333333333[/C][/ROW]
[ROW][C]15[/C][C]105.6[/C][C]105.833333333333[/C][C]-0.233333333333335[/C][/ROW]
[ROW][C]16[/C][C]102.5[/C][C]105.833333333333[/C][C]-3.33333333333333[/C][/ROW]
[ROW][C]17[/C][C]93.3[/C][C]105.833333333333[/C][C]-12.5333333333333[/C][/ROW]
[ROW][C]18[/C][C]97.3[/C][C]105.833333333333[/C][C]-8.53333333333333[/C][/ROW]
[ROW][C]19[/C][C]127[/C][C]105.833333333333[/C][C]21.1666666666667[/C][/ROW]
[ROW][C]20[/C][C]111.7[/C][C]105.833333333333[/C][C]5.86666666666667[/C][/ROW]
[ROW][C]21[/C][C]96.4[/C][C]105.833333333333[/C][C]-9.43333333333332[/C][/ROW]
[ROW][C]22[/C][C]133[/C][C]105.833333333333[/C][C]27.1666666666667[/C][/ROW]
[ROW][C]23[/C][C]72.2[/C][C]105.833333333333[/C][C]-33.6333333333333[/C][/ROW]
[ROW][C]24[/C][C]95.8[/C][C]105.833333333333[/C][C]-10.0333333333333[/C][/ROW]
[ROW][C]25[/C][C]124.1[/C][C]105.833333333333[/C][C]18.2666666666667[/C][/ROW]
[ROW][C]26[/C][C]127.6[/C][C]105.833333333333[/C][C]21.7666666666667[/C][/ROW]
[ROW][C]27[/C][C]110.7[/C][C]105.833333333333[/C][C]4.86666666666667[/C][/ROW]
[ROW][C]28[/C][C]104.6[/C][C]105.833333333333[/C][C]-1.23333333333333[/C][/ROW]
[ROW][C]29[/C][C]112.7[/C][C]105.833333333333[/C][C]6.86666666666667[/C][/ROW]
[ROW][C]30[/C][C]115.3[/C][C]105.833333333333[/C][C]9.46666666666667[/C][/ROW]
[ROW][C]31[/C][C]139.4[/C][C]105.833333333333[/C][C]33.5666666666667[/C][/ROW]
[ROW][C]32[/C][C]119[/C][C]105.833333333333[/C][C]13.1666666666667[/C][/ROW]
[ROW][C]33[/C][C]97.4[/C][C]105.833333333333[/C][C]-8.43333333333332[/C][/ROW]
[ROW][C]34[/C][C]154[/C][C]105.833333333333[/C][C]48.1666666666667[/C][/ROW]
[ROW][C]35[/C][C]81.5[/C][C]105.833333333333[/C][C]-24.3333333333333[/C][/ROW]
[ROW][C]36[/C][C]88.8[/C][C]105.833333333333[/C][C]-17.0333333333333[/C][/ROW]
[ROW][C]37[/C][C]127.7[/C][C]115.670833333333[/C][C]12.0291666666667[/C][/ROW]
[ROW][C]38[/C][C]105.1[/C][C]115.670833333333[/C][C]-10.5708333333333[/C][/ROW]
[ROW][C]39[/C][C]114.9[/C][C]115.670833333333[/C][C]-0.770833333333329[/C][/ROW]
[ROW][C]40[/C][C]106.4[/C][C]115.670833333333[/C][C]-9.27083333333333[/C][/ROW]
[ROW][C]41[/C][C]104.5[/C][C]115.670833333333[/C][C]-11.1708333333333[/C][/ROW]
[ROW][C]42[/C][C]121.6[/C][C]115.670833333333[/C][C]5.92916666666666[/C][/ROW]
[ROW][C]43[/C][C]141.4[/C][C]115.670833333333[/C][C]25.7291666666667[/C][/ROW]
[ROW][C]44[/C][C]99[/C][C]115.670833333333[/C][C]-16.6708333333333[/C][/ROW]
[ROW][C]45[/C][C]126.7[/C][C]115.670833333333[/C][C]11.0291666666667[/C][/ROW]
[ROW][C]46[/C][C]134.1[/C][C]115.670833333333[/C][C]18.4291666666667[/C][/ROW]
[ROW][C]47[/C][C]81.3[/C][C]115.670833333333[/C][C]-34.3708333333333[/C][/ROW]
[ROW][C]48[/C][C]88.6[/C][C]115.670833333333[/C][C]-27.0708333333333[/C][/ROW]
[ROW][C]49[/C][C]132.7[/C][C]115.670833333333[/C][C]17.0291666666667[/C][/ROW]
[ROW][C]50[/C][C]132.9[/C][C]115.670833333333[/C][C]17.2291666666667[/C][/ROW]
[ROW][C]51[/C][C]134.4[/C][C]115.670833333333[/C][C]18.7291666666667[/C][/ROW]
[ROW][C]52[/C][C]103.7[/C][C]115.670833333333[/C][C]-11.9708333333333[/C][/ROW]
[ROW][C]53[/C][C]119.7[/C][C]115.670833333333[/C][C]4.02916666666667[/C][/ROW]
[ROW][C]54[/C][C]115[/C][C]115.670833333333[/C][C]-0.670833333333334[/C][/ROW]
[ROW][C]55[/C][C]132.9[/C][C]115.670833333333[/C][C]17.2291666666667[/C][/ROW]
[ROW][C]56[/C][C]108.5[/C][C]115.670833333333[/C][C]-7.17083333333334[/C][/ROW]
[ROW][C]57[/C][C]113.9[/C][C]115.670833333333[/C][C]-1.77083333333333[/C][/ROW]
[ROW][C]58[/C][C]142.9[/C][C]115.670833333333[/C][C]27.2291666666667[/C][/ROW]
[ROW][C]59[/C][C]95.2[/C][C]115.670833333333[/C][C]-20.4708333333333[/C][/ROW]
[ROW][C]60[/C][C]93[/C][C]115.670833333333[/C][C]-22.6708333333333[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=5423&T=4

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=5423&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	120.3	105.833333333333	14.4666666666665
2	133.4	105.833333333333	27.5666666666667
3	109.4	105.833333333333	3.56666666666668
4	93.2	105.833333333333	-12.6333333333333
5	91.2	105.833333333333	-14.6333333333333
6	99.2	105.833333333333	-6.63333333333333
7	108.2	105.833333333333	2.36666666666667
8	101.5	105.833333333333	-4.33333333333333
9	106.9	105.833333333333	1.06666666666668
10	104.4	105.833333333333	-1.43333333333332
11	77.9	105.833333333333	-27.9333333333333
12	60	105.833333333333	-45.8333333333333
13	99.5	105.833333333333	-6.33333333333333
14	95	105.833333333333	-10.8333333333333
15	105.6	105.833333333333	-0.233333333333335
16	102.5	105.833333333333	-3.33333333333333
17	93.3	105.833333333333	-12.5333333333333
18	97.3	105.833333333333	-8.53333333333333
19	127	105.833333333333	21.1666666666667
20	111.7	105.833333333333	5.86666666666667
21	96.4	105.833333333333	-9.43333333333332
22	133	105.833333333333	27.1666666666667
23	72.2	105.833333333333	-33.6333333333333
24	95.8	105.833333333333	-10.0333333333333
25	124.1	105.833333333333	18.2666666666667
26	127.6	105.833333333333	21.7666666666667
27	110.7	105.833333333333	4.86666666666667
28	104.6	105.833333333333	-1.23333333333333
29	112.7	105.833333333333	6.86666666666667
30	115.3	105.833333333333	9.46666666666667
31	139.4	105.833333333333	33.5666666666667
32	119	105.833333333333	13.1666666666667
33	97.4	105.833333333333	-8.43333333333332
34	154	105.833333333333	48.1666666666667
35	81.5	105.833333333333	-24.3333333333333
36	88.8	105.833333333333	-17.0333333333333
37	127.7	115.670833333333	12.0291666666667
38	105.1	115.670833333333	-10.5708333333333
39	114.9	115.670833333333	-0.770833333333329
40	106.4	115.670833333333	-9.27083333333333
41	104.5	115.670833333333	-11.1708333333333
42	121.6	115.670833333333	5.92916666666666
43	141.4	115.670833333333	25.7291666666667
44	99	115.670833333333	-16.6708333333333
45	126.7	115.670833333333	11.0291666666667
46	134.1	115.670833333333	18.4291666666667
47	81.3	115.670833333333	-34.3708333333333
48	88.6	115.670833333333	-27.0708333333333
49	132.7	115.670833333333	17.0291666666667
50	132.9	115.670833333333	17.2291666666667
51	134.4	115.670833333333	18.7291666666667
52	103.7	115.670833333333	-11.9708333333333
53	119.7	115.670833333333	4.02916666666667
54	115	115.670833333333	-0.670833333333334
55	132.9	115.670833333333	17.2291666666667
56	108.5	115.670833333333	-7.17083333333334
57	113.9	115.670833333333	-1.77083333333333
58	142.9	115.670833333333	27.2291666666667
59	95.2	115.670833333333	-20.4708333333333
60	93	115.670833333333	-22.6708333333333

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 = 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)
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