Multiple Linear Regression - Estimated Regression Equation
y[t] = + 96.4666666666666 -1.47826086956518x[t] + e[t]


Multiple Linear Regression - Ordinary Least Squares
VariableParameterS.D.T-STAT
H0: parameter = 0
2-tail p-value1-tail p-value
(Intercept)96.46666666666663.50905427.490800
x-1.478260869565183.801964-0.38880.6984590.349229


Multiple Linear Regression - Regression Statistics
Multiple R0.0437033195659165
R-squared0.00190998014108062
Adjusted R-squared-0.0107240707432097
F-TEST (value)0.151177176550365
F-TEST (DF numerator)1
F-TEST (DF denominator)79
p-value0.698458914502653
Multiple Linear Regression - Residual Statistics
Residual Standard Deviation12.1557182414647
Sum Squared Residuals11673.1573913043


Multiple Linear Regression - Actuals, Interpolation, and Residuals
Time or IndexActualsInterpolation
Forecast
Residuals
Prediction Error
1101.596.46666666666715.0333333333329
299.296.46666666666662.73333333333336
3107.896.466666666666611.3333333333334
492.396.4666666666666-4.16666666666663
599.296.46666666666662.73333333333337
6101.696.46666666666665.13333333333336
78796.4666666666666-9.46666666666663
871.496.4666666666666-25.0666666666666
9104.796.46666666666668.23333333333337
10115.196.466666666666618.6333333333334
11102.596.46666666666666.03333333333337
1275.396.4666666666666-21.1666666666666
1396.794.98840579710141.71159420289855
1494.694.9884057971014-0.388405797101454
1598.694.98840579710143.61159420289855
1699.594.98840579710144.51159420289855
179294.9884057971014-2.98840579710145
1893.694.9884057971014-1.38840579710145
1989.394.9884057971014-5.68840579710145
2066.994.9884057971014-28.0884057971014
21108.894.988405797101413.8115942028985
22113.294.988405797101418.2115942028986
23105.594.988405797101410.5115942028986
2477.894.9884057971014-17.1884057971015
25102.194.98840579710147.11159420289855
269794.98840579710142.01159420289855
2795.594.98840579710140.511594202898552
2899.394.98840579710144.31159420289855
2986.494.9884057971014-8.58840579710144
3092.494.9884057971014-2.58840579710144
3185.794.9884057971014-9.28840579710145
3261.994.9884057971014-33.0884057971015
33104.994.98840579710149.91159420289856
34107.994.988405797101412.9115942028986
3595.694.98840579710140.611594202898546
3679.894.9884057971014-15.1884057971015
3794.894.9884057971014-0.188405797101451
3893.794.9884057971014-1.28840579710145
39108.194.988405797101413.1115942028985
4096.994.98840579710141.91159420289856
4188.894.9884057971014-6.18840579710145
42106.794.988405797101411.7115942028986
4386.894.9884057971014-8.18840579710145
4469.894.9884057971014-25.1884057971015
45110.994.988405797101415.9115942028986
46105.494.988405797101410.4115942028986
4799.294.98840579710144.21159420289855
4884.494.9884057971014-10.5884057971014
4987.294.9884057971014-7.78840579710145
5091.994.9884057971014-3.08840579710144
5197.994.98840579710142.91159420289856
5294.594.9884057971014-0.488405797101448
538594.9884057971014-9.98840579710145
54100.394.98840579710145.31159420289855
5578.794.9884057971014-16.2884057971014
5665.894.9884057971014-29.1884057971015
57104.894.98840579710149.81159420289855
589694.98840579710141.01159420289855
59103.394.98840579710148.31159420289855
6082.994.9884057971014-12.0884057971014
6191.494.9884057971014-3.58840579710144
6294.594.9884057971014-0.488405797101448
63109.394.988405797101414.3115942028985
6492.194.9884057971014-2.88840579710145
6599.394.98840579710144.31159420289855
66109.694.988405797101414.6115942028985
6787.594.9884057971014-7.48840579710145
6873.194.9884057971014-21.8884057971015
69110.794.988405797101415.7115942028986
70111.694.988405797101416.6115942028985
71110.794.988405797101415.7115942028986
728494.9884057971014-10.9884057971014
73101.694.98840579710146.61159420289855
74102.194.98840579710147.11159420289855
75113.994.988405797101418.9115942028986
769994.98840579710144.01159420289855
77100.494.98840579710145.41159420289856
78109.594.988405797101414.5115942028986
799394.9884057971014-1.98840579710145
8076.894.9884057971014-18.1884057971015
81105.394.988405797101410.3115942028985