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, 21 Nov 2007 02:37:54 -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/21/t1195637449e8u3wblxp85bu85.htm/, Retrieved Wed, 08 May 2024 00:42:38 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=5830, Retrieved Wed, 08 May 2024 00:42:38 +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

212

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

-       [Multiple Regression] [Ouput 2: Zonder t...] [2007-11-21 09:37:54] [cb51ec34031fa6f7825ad77351c1efd8] [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	4 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 & 4 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=5830&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]4 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=5830&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=5830&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	4 seconds
R Server	'Gwilym Jenkins' @ 72.249.127.135

Multiple Linear Regression - Estimated Regression Equation
dollarkoers[t] = + 0.992076666666667 + 0.0489583333333333dummy[t] -0.011931666666667M1[t] -0.0314316666666667M2[t] -0.0250516666666668M3[t] -0.0341916666666667M4[t] -0.0203200000000001M5[t] -0.0186400000000001M6[t] -0.0192800000000001M7[t] -0.0280200000000001M8[t] -0.0356600000000001M9[t] -0.0279400000000001M10[t] -0.0170200000000001M11[t] + e[t]

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Estimated Regression Equation \tabularnewline
dollarkoers[t] =  +  0.992076666666667 +  0.0489583333333333dummy[t] -0.011931666666667M1[t] -0.0314316666666667M2[t] -0.0250516666666668M3[t] -0.0341916666666667M4[t] -0.0203200000000001M5[t] -0.0186400000000001M6[t] -0.0192800000000001M7[t] -0.0280200000000001M8[t] -0.0356600000000001M9[t] -0.0279400000000001M10[t] -0.0170200000000001M11[t]  + e[t] \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=5830&T=1

[TABLE]
[ROW][C]Multiple Linear Regression - Estimated Regression Equation[/C][/ROW]
[ROW][C]dollarkoers[t] =  +  0.992076666666667 +  0.0489583333333333dummy[t] -0.011931666666667M1[t] -0.0314316666666667M2[t] -0.0250516666666668M3[t] -0.0341916666666667M4[t] -0.0203200000000001M5[t] -0.0186400000000001M6[t] -0.0192800000000001M7[t] -0.0280200000000001M8[t] -0.0356600000000001M9[t] -0.0279400000000001M10[t] -0.0170200000000001M11[t]  + e[t][/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=5830&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=5830&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
dollarkoers[t] = + 0.992076666666667 + 0.0489583333333333dummy[t] -0.011931666666667M1[t] -0.0314316666666667M2[t] -0.0250516666666668M3[t] -0.0341916666666667M4[t] -0.0203200000000001M5[t] -0.0186400000000001M6[t] -0.0192800000000001M7[t] -0.0280200000000001M8[t] -0.0356600000000001M9[t] -0.0279400000000001M10[t] -0.0170200000000001M11[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)	0.992076666666667	0.050398	19.6848	0	0
dummy	0.0489583333333333	0.028905	1.6937	0.096932	0.048466
M1	-0.011931666666667	0.069613	-0.1714	0.864646	0.432323
M2	-0.0314316666666667	0.069613	-0.4515	0.653693	0.326846
M3	-0.0250516666666668	0.069613	-0.3599	0.720557	0.360279
M4	-0.0341916666666667	0.069613	-0.4912	0.625595	0.312798
M5	-0.0203200000000001	0.069373	-0.2929	0.77088	0.38544
M6	-0.0186400000000001	0.069373	-0.2687	0.789342	0.394671
M7	-0.0192800000000001	0.069373	-0.2779	0.782294	0.391147
M8	-0.0280200000000001	0.069373	-0.4039	0.688115	0.344057
M9	-0.0356600000000001	0.069373	-0.514	0.609637	0.304818
M10	-0.0279400000000001	0.069373	-0.4028	0.688957	0.344479
M11	-0.0170200000000001	0.069373	-0.2453	0.807261	0.40363

\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) & 0.992076666666667 & 0.050398 & 19.6848 & 0 & 0 \tabularnewline
dummy & 0.0489583333333333 & 0.028905 & 1.6937 & 0.096932 & 0.048466 \tabularnewline
M1 & -0.011931666666667 & 0.069613 & -0.1714 & 0.864646 & 0.432323 \tabularnewline
M2 & -0.0314316666666667 & 0.069613 & -0.4515 & 0.653693 & 0.326846 \tabularnewline
M3 & -0.0250516666666668 & 0.069613 & -0.3599 & 0.720557 & 0.360279 \tabularnewline
M4 & -0.0341916666666667 & 0.069613 & -0.4912 & 0.625595 & 0.312798 \tabularnewline
M5 & -0.0203200000000001 & 0.069373 & -0.2929 & 0.77088 & 0.38544 \tabularnewline
M6 & -0.0186400000000001 & 0.069373 & -0.2687 & 0.789342 & 0.394671 \tabularnewline
M7 & -0.0192800000000001 & 0.069373 & -0.2779 & 0.782294 & 0.391147 \tabularnewline
M8 & -0.0280200000000001 & 0.069373 & -0.4039 & 0.688115 & 0.344057 \tabularnewline
M9 & -0.0356600000000001 & 0.069373 & -0.514 & 0.609637 & 0.304818 \tabularnewline
M10 & -0.0279400000000001 & 0.069373 & -0.4028 & 0.688957 & 0.344479 \tabularnewline
M11 & -0.0170200000000001 & 0.069373 & -0.2453 & 0.807261 & 0.40363 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=5830&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]0.992076666666667[/C][C]0.050398[/C][C]19.6848[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]dummy[/C][C]0.0489583333333333[/C][C]0.028905[/C][C]1.6937[/C][C]0.096932[/C][C]0.048466[/C][/ROW]
[ROW][C]M1[/C][C]-0.011931666666667[/C][C]0.069613[/C][C]-0.1714[/C][C]0.864646[/C][C]0.432323[/C][/ROW]
[ROW][C]M2[/C][C]-0.0314316666666667[/C][C]0.069613[/C][C]-0.4515[/C][C]0.653693[/C][C]0.326846[/C][/ROW]
[ROW][C]M3[/C][C]-0.0250516666666668[/C][C]0.069613[/C][C]-0.3599[/C][C]0.720557[/C][C]0.360279[/C][/ROW]
[ROW][C]M4[/C][C]-0.0341916666666667[/C][C]0.069613[/C][C]-0.4912[/C][C]0.625595[/C][C]0.312798[/C][/ROW]
[ROW][C]M5[/C][C]-0.0203200000000001[/C][C]0.069373[/C][C]-0.2929[/C][C]0.77088[/C][C]0.38544[/C][/ROW]
[ROW][C]M6[/C][C]-0.0186400000000001[/C][C]0.069373[/C][C]-0.2687[/C][C]0.789342[/C][C]0.394671[/C][/ROW]
[ROW][C]M7[/C][C]-0.0192800000000001[/C][C]0.069373[/C][C]-0.2779[/C][C]0.782294[/C][C]0.391147[/C][/ROW]
[ROW][C]M8[/C][C]-0.0280200000000001[/C][C]0.069373[/C][C]-0.4039[/C][C]0.688115[/C][C]0.344057[/C][/ROW]
[ROW][C]M9[/C][C]-0.0356600000000001[/C][C]0.069373[/C][C]-0.514[/C][C]0.609637[/C][C]0.304818[/C][/ROW]
[ROW][C]M10[/C][C]-0.0279400000000001[/C][C]0.069373[/C][C]-0.4028[/C][C]0.688957[/C][C]0.344479[/C][/ROW]
[ROW][C]M11[/C][C]-0.0170200000000001[/C][C]0.069373[/C][C]-0.2453[/C][C]0.807261[/C][C]0.40363[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=5830&T=2

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=5830&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)	0.992076666666667	0.050398	19.6848	0	0
dummy	0.0489583333333333	0.028905	1.6937	0.096932	0.048466
M1	-0.011931666666667	0.069613	-0.1714	0.864646	0.432323
M2	-0.0314316666666667	0.069613	-0.4515	0.653693	0.326846
M3	-0.0250516666666668	0.069613	-0.3599	0.720557	0.360279
M4	-0.0341916666666667	0.069613	-0.4912	0.625595	0.312798
M5	-0.0203200000000001	0.069373	-0.2929	0.77088	0.38544
M6	-0.0186400000000001	0.069373	-0.2687	0.789342	0.394671
M7	-0.0192800000000001	0.069373	-0.2779	0.782294	0.391147
M8	-0.0280200000000001	0.069373	-0.4039	0.688115	0.344057
M9	-0.0356600000000001	0.069373	-0.514	0.609637	0.304818
M10	-0.0279400000000001	0.069373	-0.4028	0.688957	0.344479
M11	-0.0170200000000001	0.069373	-0.2453	0.807261	0.40363

Multiple Linear Regression - Regression Statistics
Multiple R	0.257668500891859
R-squared	0.0663930563518578
Adjusted R-squared	-0.171974673941285
F-TEST (value)	0.278532065855593
F-TEST (DF numerator)	12
F-TEST (DF denominator)	47
p-value	0.99009948052604
Multiple Linear Regression - Residual Statistics
Residual Standard Deviation	0.109688079512926
Sum Squared Residuals	0.565479315

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Regression Statistics \tabularnewline
Multiple R & 0.257668500891859 \tabularnewline
R-squared & 0.0663930563518578 \tabularnewline
Adjusted R-squared & -0.171974673941285 \tabularnewline
F-TEST (value) & 0.278532065855593 \tabularnewline
F-TEST (DF numerator) & 12 \tabularnewline
F-TEST (DF denominator) & 47 \tabularnewline
p-value & 0.99009948052604 \tabularnewline
Multiple Linear Regression - Residual Statistics \tabularnewline
Residual Standard Deviation & 0.109688079512926 \tabularnewline
Sum Squared Residuals & 0.565479315 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=5830&T=3

[TABLE]
[ROW][C]Multiple Linear Regression - Regression Statistics[/C][/ROW]
[ROW][C]Multiple R[/C][C]0.257668500891859[/C][/ROW]
[ROW][C]R-squared[/C][C]0.0663930563518578[/C][/ROW]
[ROW][C]Adjusted R-squared[/C][C]-0.171974673941285[/C][/ROW]
[ROW][C]F-TEST (value)[/C][C]0.278532065855593[/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]0.99009948052604[/C][/ROW]
[ROW][C]Multiple Linear Regression - Residual Statistics[/C][/ROW]
[ROW][C]Residual Standard Deviation[/C][C]0.109688079512926[/C][/ROW]
[ROW][C]Sum Squared Residuals[/C][C]0.565479315[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=5830&T=3

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=5830&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	0.257668500891859
R-squared	0.0663930563518578
Adjusted R-squared	-0.171974673941285
F-TEST (value)	0.278532065855593
F-TEST (DF numerator)	12
F-TEST (DF denominator)	47
p-value	0.99009948052604
Multiple Linear Regression - Residual Statistics
Residual Standard Deviation	0.109688079512926
Sum Squared Residuals	0.565479315

Multiple Linear Regression - Actuals, Interpolation, and Residuals
Time or Index	Actuals	InterpolationForecast	ResidualsPrediction Error
1	1.2286	1.02910333333333	0.199496666666666
2	1.1702	1.00960333333333	0.160596666666667
3	1.1692	1.01598333333333	0.153216666666667
4	1.1222	1.00684333333333	0.115356666666667
5	1.1139	1.020715	0.093185
6	1.1372	1.022395	0.114805
7	1.1663	1.021755	0.144545
8	1.1582	1.013015	0.145185
9	1.0848	1.005375	0.079425
10	1.0807	1.013095	0.067605
11	1.0773	1.024015	0.053285
12	1.0622	1.041035	0.0211650000000000
13	1.0183	1.02910333333333	-0.0108033333333331
14	1.0014	1.00960333333333	-0.00820333333333332
15	0.9811	1.01598333333333	-0.0348833333333333
16	0.9808	1.00684333333333	-0.0260433333333334
17	0.9778	1.020715	-0.042915
18	0.9922	1.022395	-0.0301950000000001
19	0.9554	1.021755	-0.0663549999999999
20	0.917	1.013015	-0.096015
21	0.8858	1.005375	-0.119575
22	0.8758	1.013095	-0.137295
23	0.87	1.024015	-0.154015
24	0.8833	1.041035	-0.157735
25	0.8924	1.02910333333333	-0.136703333333333
26	0.8883	1.00960333333333	-0.121303333333333
27	0.9059	1.01598333333333	-0.110083333333333
28	0.9111	1.00684333333333	-0.0957433333333334
29	0.9005	0.971756666666667	-0.0712566666666667
30	0.8607	0.973436666666667	-0.112736666666667
31	0.8532	0.972796666666667	-0.119596666666667
32	0.8742	0.964056666666667	-0.0898566666666667
33	0.892	0.956416666666667	-0.0644166666666666
34	0.9095	0.964136666666667	-0.0546366666666667
35	0.9217	0.975056666666667	-0.0533566666666667
36	0.9383	0.992076666666667	-0.0537766666666667
37	0.8973	0.980145	-0.0828449999999997
38	0.8564	0.960645	-0.104245
39	0.8552	0.967025	-0.111825
40	0.8721	0.957885	-0.085785
41	0.9041	0.971756666666667	-0.0676566666666666
42	0.9397	0.973436666666667	-0.0337366666666667
43	0.9492	0.972796666666667	-0.0235966666666666
44	0.906	0.964056666666667	-0.0580566666666666
45	0.947	0.956416666666667	-0.00941666666666668
46	0.9643	0.964136666666667	0.000163333333333397
47	0.9834	0.975056666666667	0.00834333333333342
48	1.0137	0.992076666666667	0.0216233333333333
49	1.011	0.980145	0.0308550000000001
50	1.0338	0.960645	0.073155
51	1.0706	0.967025	0.103575
52	1.0501	0.957885	0.092215
53	1.0604	0.971756666666667	0.0886433333333334
54	1.0353	0.973436666666667	0.0618633333333334
55	1.0378	0.972796666666667	0.0650033333333334
56	1.0628	0.964056666666667	0.0987433333333333
57	1.0704	0.956416666666667	0.113983333333333
58	1.0883	0.964136666666667	0.124163333333333
59	1.1208	0.975056666666667	0.145743333333333
60	1.1608	0.992076666666667	0.168723333333333

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Actuals, Interpolation, and Residuals \tabularnewline
Time or Index & Actuals & InterpolationForecast & ResidualsPrediction Error \tabularnewline
1 & 1.2286 & 1.02910333333333 & 0.199496666666666 \tabularnewline
2 & 1.1702 & 1.00960333333333 & 0.160596666666667 \tabularnewline
3 & 1.1692 & 1.01598333333333 & 0.153216666666667 \tabularnewline
4 & 1.1222 & 1.00684333333333 & 0.115356666666667 \tabularnewline
5 & 1.1139 & 1.020715 & 0.093185 \tabularnewline
6 & 1.1372 & 1.022395 & 0.114805 \tabularnewline
7 & 1.1663 & 1.021755 & 0.144545 \tabularnewline
8 & 1.1582 & 1.013015 & 0.145185 \tabularnewline
9 & 1.0848 & 1.005375 & 0.079425 \tabularnewline
10 & 1.0807 & 1.013095 & 0.067605 \tabularnewline
11 & 1.0773 & 1.024015 & 0.053285 \tabularnewline
12 & 1.0622 & 1.041035 & 0.0211650000000000 \tabularnewline
13 & 1.0183 & 1.02910333333333 & -0.0108033333333331 \tabularnewline
14 & 1.0014 & 1.00960333333333 & -0.00820333333333332 \tabularnewline
15 & 0.9811 & 1.01598333333333 & -0.0348833333333333 \tabularnewline
16 & 0.9808 & 1.00684333333333 & -0.0260433333333334 \tabularnewline
17 & 0.9778 & 1.020715 & -0.042915 \tabularnewline
18 & 0.9922 & 1.022395 & -0.0301950000000001 \tabularnewline
19 & 0.9554 & 1.021755 & -0.0663549999999999 \tabularnewline
20 & 0.917 & 1.013015 & -0.096015 \tabularnewline
21 & 0.8858 & 1.005375 & -0.119575 \tabularnewline
22 & 0.8758 & 1.013095 & -0.137295 \tabularnewline
23 & 0.87 & 1.024015 & -0.154015 \tabularnewline
24 & 0.8833 & 1.041035 & -0.157735 \tabularnewline
25 & 0.8924 & 1.02910333333333 & -0.136703333333333 \tabularnewline
26 & 0.8883 & 1.00960333333333 & -0.121303333333333 \tabularnewline
27 & 0.9059 & 1.01598333333333 & -0.110083333333333 \tabularnewline
28 & 0.9111 & 1.00684333333333 & -0.0957433333333334 \tabularnewline
29 & 0.9005 & 0.971756666666667 & -0.0712566666666667 \tabularnewline
30 & 0.8607 & 0.973436666666667 & -0.112736666666667 \tabularnewline
31 & 0.8532 & 0.972796666666667 & -0.119596666666667 \tabularnewline
32 & 0.8742 & 0.964056666666667 & -0.0898566666666667 \tabularnewline
33 & 0.892 & 0.956416666666667 & -0.0644166666666666 \tabularnewline
34 & 0.9095 & 0.964136666666667 & -0.0546366666666667 \tabularnewline
35 & 0.9217 & 0.975056666666667 & -0.0533566666666667 \tabularnewline
36 & 0.9383 & 0.992076666666667 & -0.0537766666666667 \tabularnewline
37 & 0.8973 & 0.980145 & -0.0828449999999997 \tabularnewline
38 & 0.8564 & 0.960645 & -0.104245 \tabularnewline
39 & 0.8552 & 0.967025 & -0.111825 \tabularnewline
40 & 0.8721 & 0.957885 & -0.085785 \tabularnewline
41 & 0.9041 & 0.971756666666667 & -0.0676566666666666 \tabularnewline
42 & 0.9397 & 0.973436666666667 & -0.0337366666666667 \tabularnewline
43 & 0.9492 & 0.972796666666667 & -0.0235966666666666 \tabularnewline
44 & 0.906 & 0.964056666666667 & -0.0580566666666666 \tabularnewline
45 & 0.947 & 0.956416666666667 & -0.00941666666666668 \tabularnewline
46 & 0.9643 & 0.964136666666667 & 0.000163333333333397 \tabularnewline
47 & 0.9834 & 0.975056666666667 & 0.00834333333333342 \tabularnewline
48 & 1.0137 & 0.992076666666667 & 0.0216233333333333 \tabularnewline
49 & 1.011 & 0.980145 & 0.0308550000000001 \tabularnewline
50 & 1.0338 & 0.960645 & 0.073155 \tabularnewline
51 & 1.0706 & 0.967025 & 0.103575 \tabularnewline
52 & 1.0501 & 0.957885 & 0.092215 \tabularnewline
53 & 1.0604 & 0.971756666666667 & 0.0886433333333334 \tabularnewline
54 & 1.0353 & 0.973436666666667 & 0.0618633333333334 \tabularnewline
55 & 1.0378 & 0.972796666666667 & 0.0650033333333334 \tabularnewline
56 & 1.0628 & 0.964056666666667 & 0.0987433333333333 \tabularnewline
57 & 1.0704 & 0.956416666666667 & 0.113983333333333 \tabularnewline
58 & 1.0883 & 0.964136666666667 & 0.124163333333333 \tabularnewline
59 & 1.1208 & 0.975056666666667 & 0.145743333333333 \tabularnewline
60 & 1.1608 & 0.992076666666667 & 0.168723333333333 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=5830&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]1.2286[/C][C]1.02910333333333[/C][C]0.199496666666666[/C][/ROW]
[ROW][C]2[/C][C]1.1702[/C][C]1.00960333333333[/C][C]0.160596666666667[/C][/ROW]
[ROW][C]3[/C][C]1.1692[/C][C]1.01598333333333[/C][C]0.153216666666667[/C][/ROW]
[ROW][C]4[/C][C]1.1222[/C][C]1.00684333333333[/C][C]0.115356666666667[/C][/ROW]
[ROW][C]5[/C][C]1.1139[/C][C]1.020715[/C][C]0.093185[/C][/ROW]
[ROW][C]6[/C][C]1.1372[/C][C]1.022395[/C][C]0.114805[/C][/ROW]
[ROW][C]7[/C][C]1.1663[/C][C]1.021755[/C][C]0.144545[/C][/ROW]
[ROW][C]8[/C][C]1.1582[/C][C]1.013015[/C][C]0.145185[/C][/ROW]
[ROW][C]9[/C][C]1.0848[/C][C]1.005375[/C][C]0.079425[/C][/ROW]
[ROW][C]10[/C][C]1.0807[/C][C]1.013095[/C][C]0.067605[/C][/ROW]
[ROW][C]11[/C][C]1.0773[/C][C]1.024015[/C][C]0.053285[/C][/ROW]
[ROW][C]12[/C][C]1.0622[/C][C]1.041035[/C][C]0.0211650000000000[/C][/ROW]
[ROW][C]13[/C][C]1.0183[/C][C]1.02910333333333[/C][C]-0.0108033333333331[/C][/ROW]
[ROW][C]14[/C][C]1.0014[/C][C]1.00960333333333[/C][C]-0.00820333333333332[/C][/ROW]
[ROW][C]15[/C][C]0.9811[/C][C]1.01598333333333[/C][C]-0.0348833333333333[/C][/ROW]
[ROW][C]16[/C][C]0.9808[/C][C]1.00684333333333[/C][C]-0.0260433333333334[/C][/ROW]
[ROW][C]17[/C][C]0.9778[/C][C]1.020715[/C][C]-0.042915[/C][/ROW]
[ROW][C]18[/C][C]0.9922[/C][C]1.022395[/C][C]-0.0301950000000001[/C][/ROW]
[ROW][C]19[/C][C]0.9554[/C][C]1.021755[/C][C]-0.0663549999999999[/C][/ROW]
[ROW][C]20[/C][C]0.917[/C][C]1.013015[/C][C]-0.096015[/C][/ROW]
[ROW][C]21[/C][C]0.8858[/C][C]1.005375[/C][C]-0.119575[/C][/ROW]
[ROW][C]22[/C][C]0.8758[/C][C]1.013095[/C][C]-0.137295[/C][/ROW]
[ROW][C]23[/C][C]0.87[/C][C]1.024015[/C][C]-0.154015[/C][/ROW]
[ROW][C]24[/C][C]0.8833[/C][C]1.041035[/C][C]-0.157735[/C][/ROW]
[ROW][C]25[/C][C]0.8924[/C][C]1.02910333333333[/C][C]-0.136703333333333[/C][/ROW]
[ROW][C]26[/C][C]0.8883[/C][C]1.00960333333333[/C][C]-0.121303333333333[/C][/ROW]
[ROW][C]27[/C][C]0.9059[/C][C]1.01598333333333[/C][C]-0.110083333333333[/C][/ROW]
[ROW][C]28[/C][C]0.9111[/C][C]1.00684333333333[/C][C]-0.0957433333333334[/C][/ROW]
[ROW][C]29[/C][C]0.9005[/C][C]0.971756666666667[/C][C]-0.0712566666666667[/C][/ROW]
[ROW][C]30[/C][C]0.8607[/C][C]0.973436666666667[/C][C]-0.112736666666667[/C][/ROW]
[ROW][C]31[/C][C]0.8532[/C][C]0.972796666666667[/C][C]-0.119596666666667[/C][/ROW]
[ROW][C]32[/C][C]0.8742[/C][C]0.964056666666667[/C][C]-0.0898566666666667[/C][/ROW]
[ROW][C]33[/C][C]0.892[/C][C]0.956416666666667[/C][C]-0.0644166666666666[/C][/ROW]
[ROW][C]34[/C][C]0.9095[/C][C]0.964136666666667[/C][C]-0.0546366666666667[/C][/ROW]
[ROW][C]35[/C][C]0.9217[/C][C]0.975056666666667[/C][C]-0.0533566666666667[/C][/ROW]
[ROW][C]36[/C][C]0.9383[/C][C]0.992076666666667[/C][C]-0.0537766666666667[/C][/ROW]
[ROW][C]37[/C][C]0.8973[/C][C]0.980145[/C][C]-0.0828449999999997[/C][/ROW]
[ROW][C]38[/C][C]0.8564[/C][C]0.960645[/C][C]-0.104245[/C][/ROW]
[ROW][C]39[/C][C]0.8552[/C][C]0.967025[/C][C]-0.111825[/C][/ROW]
[ROW][C]40[/C][C]0.8721[/C][C]0.957885[/C][C]-0.085785[/C][/ROW]
[ROW][C]41[/C][C]0.9041[/C][C]0.971756666666667[/C][C]-0.0676566666666666[/C][/ROW]
[ROW][C]42[/C][C]0.9397[/C][C]0.973436666666667[/C][C]-0.0337366666666667[/C][/ROW]
[ROW][C]43[/C][C]0.9492[/C][C]0.972796666666667[/C][C]-0.0235966666666666[/C][/ROW]
[ROW][C]44[/C][C]0.906[/C][C]0.964056666666667[/C][C]-0.0580566666666666[/C][/ROW]
[ROW][C]45[/C][C]0.947[/C][C]0.956416666666667[/C][C]-0.00941666666666668[/C][/ROW]
[ROW][C]46[/C][C]0.9643[/C][C]0.964136666666667[/C][C]0.000163333333333397[/C][/ROW]
[ROW][C]47[/C][C]0.9834[/C][C]0.975056666666667[/C][C]0.00834333333333342[/C][/ROW]
[ROW][C]48[/C][C]1.0137[/C][C]0.992076666666667[/C][C]0.0216233333333333[/C][/ROW]
[ROW][C]49[/C][C]1.011[/C][C]0.980145[/C][C]0.0308550000000001[/C][/ROW]
[ROW][C]50[/C][C]1.0338[/C][C]0.960645[/C][C]0.073155[/C][/ROW]
[ROW][C]51[/C][C]1.0706[/C][C]0.967025[/C][C]0.103575[/C][/ROW]
[ROW][C]52[/C][C]1.0501[/C][C]0.957885[/C][C]0.092215[/C][/ROW]
[ROW][C]53[/C][C]1.0604[/C][C]0.971756666666667[/C][C]0.0886433333333334[/C][/ROW]
[ROW][C]54[/C][C]1.0353[/C][C]0.973436666666667[/C][C]0.0618633333333334[/C][/ROW]
[ROW][C]55[/C][C]1.0378[/C][C]0.972796666666667[/C][C]0.0650033333333334[/C][/ROW]
[ROW][C]56[/C][C]1.0628[/C][C]0.964056666666667[/C][C]0.0987433333333333[/C][/ROW]
[ROW][C]57[/C][C]1.0704[/C][C]0.956416666666667[/C][C]0.113983333333333[/C][/ROW]
[ROW][C]58[/C][C]1.0883[/C][C]0.964136666666667[/C][C]0.124163333333333[/C][/ROW]
[ROW][C]59[/C][C]1.1208[/C][C]0.975056666666667[/C][C]0.145743333333333[/C][/ROW]
[ROW][C]60[/C][C]1.1608[/C][C]0.992076666666667[/C][C]0.168723333333333[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=5830&T=4

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=5830&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	1.2286	1.02910333333333	0.199496666666666
2	1.1702	1.00960333333333	0.160596666666667
3	1.1692	1.01598333333333	0.153216666666667
4	1.1222	1.00684333333333	0.115356666666667
5	1.1139	1.020715	0.093185
6	1.1372	1.022395	0.114805
7	1.1663	1.021755	0.144545
8	1.1582	1.013015	0.145185
9	1.0848	1.005375	0.079425
10	1.0807	1.013095	0.067605
11	1.0773	1.024015	0.053285
12	1.0622	1.041035	0.0211650000000000
13	1.0183	1.02910333333333	-0.0108033333333331
14	1.0014	1.00960333333333	-0.00820333333333332
15	0.9811	1.01598333333333	-0.0348833333333333
16	0.9808	1.00684333333333	-0.0260433333333334
17	0.9778	1.020715	-0.042915
18	0.9922	1.022395	-0.0301950000000001
19	0.9554	1.021755	-0.0663549999999999
20	0.917	1.013015	-0.096015
21	0.8858	1.005375	-0.119575
22	0.8758	1.013095	-0.137295
23	0.87	1.024015	-0.154015
24	0.8833	1.041035	-0.157735
25	0.8924	1.02910333333333	-0.136703333333333
26	0.8883	1.00960333333333	-0.121303333333333
27	0.9059	1.01598333333333	-0.110083333333333
28	0.9111	1.00684333333333	-0.0957433333333334
29	0.9005	0.971756666666667	-0.0712566666666667
30	0.8607	0.973436666666667	-0.112736666666667
31	0.8532	0.972796666666667	-0.119596666666667
32	0.8742	0.964056666666667	-0.0898566666666667
33	0.892	0.956416666666667	-0.0644166666666666
34	0.9095	0.964136666666667	-0.0546366666666667
35	0.9217	0.975056666666667	-0.0533566666666667
36	0.9383	0.992076666666667	-0.0537766666666667
37	0.8973	0.980145	-0.0828449999999997
38	0.8564	0.960645	-0.104245
39	0.8552	0.967025	-0.111825
40	0.8721	0.957885	-0.085785
41	0.9041	0.971756666666667	-0.0676566666666666
42	0.9397	0.973436666666667	-0.0337366666666667
43	0.9492	0.972796666666667	-0.0235966666666666
44	0.906	0.964056666666667	-0.0580566666666666
45	0.947	0.956416666666667	-0.00941666666666668
46	0.9643	0.964136666666667	0.000163333333333397
47	0.9834	0.975056666666667	0.00834333333333342
48	1.0137	0.992076666666667	0.0216233333333333
49	1.011	0.980145	0.0308550000000001
50	1.0338	0.960645	0.073155
51	1.0706	0.967025	0.103575
52	1.0501	0.957885	0.092215
53	1.0604	0.971756666666667	0.0886433333333334
54	1.0353	0.973436666666667	0.0618633333333334
55	1.0378	0.972796666666667	0.0650033333333334
56	1.0628	0.964056666666667	0.0987433333333333
57	1.0704	0.956416666666667	0.113983333333333
58	1.0883	0.964136666666667	0.124163333333333
59	1.1208	0.975056666666667	0.145743333333333
60	1.1608	0.992076666666667	0.168723333333333

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