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, 27 Nov 2008 03:18:55 -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/2008/Nov/27/t12277812495ct8ja30070ii0d.htm/, Retrieved Tue, 28 May 2024 01:47:51 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=25748, Retrieved Tue, 28 May 2024 01:47:51 +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

188

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

F       [Multiple Regression] [Q1] [2008-11-27 10:18:55] [33f3d2151f6019d17feb8eee7259f239] [Current]

Feedback Forum

2008-11-30 14:02:21 [Nathalie Daneels] [reply] 
Evaluatie opdracht 1 - Blok 11 (Q1) 
De tabel met de gegevens van R-squared,... moest niet echt bij deze vraag gezet worden. 
De student heeft wel duidelijk vermeld dat er maandelijks minimum 226 mensen van de dood gered worden, maar dat we ook moeten rekening houden met seizoenaliteit en lange termijn trend en dat er daardoor meer mensen zullen gered worden. 
 
De conclusie is wat onvolledig vind ik, dit zou er nog bij gezet kunnen worden (meer uitleg over de tabellen): 
Ik beschouw als eerste tabel, die tabel met de vergelijking en als tweede tabel, de tabel 'Multiple Linear Regression - Ordinary Least Squares'. 
In de eerste tabel staat links van het ‘is gelijk aan teken’ s(t). Dit is gelijk aan het aantal slachtoffers, van een dodelijk of zeer ernstig ongeval, per maand. Het getal dat deze variabele voorstelt komt overeen met het aantal mensen die slachtoffer zijn geworden van een dodelijk of zeer ernstig ongeval en gered werden. 
De ‘getallen’ M1, M2, M3,… die zowel in de eerste als in de tweede tabel voorkomen, stellen de maanden voor die volgen op de referentiemaand. Zo is M1 gelijk aan januari (aangezien december de referentiemaand is) en M11 gelijk aan de maand november. Bij deze opdracht is december de referentiemaand omdat de cijferreeks begint bij de maand januari. De referentiemaand is telkens die maand (van het jaar daarna) die net voor de maand komt waarmee de cijferreeks begint. 
Als we de eerste tabel/vergelijking vergelijken met de tweede tabel, dan kunnen we vaststellen dat de getallen in de eerste tabel (die telkens bij de variabelen M1, M2,… staan) overeenkomen met de getallen die onder ‘parameter’ staan in de tweede tabel. Deze getallen stellen de vergelijking van een maand (die wordt voorgesteld door M1, M2, M3,…) ten opzichte van de referentiemaand (december in dit geval) voor. We kunnen uit beide tabellen duidelijk afleiden dat al deze getallen negatief zijn, wat betekent dat er telkens minder slachtoffers zijn geweest in die maand, ten opzichte van de referentiemaand. 
Het getal 2324,06 (dat in de tweede tabel overeenkomt met de variabele (intercept)) is een constante die gemiddeld het aantal slachtoffers per maand voorstelt.  
In de tweede tabel zien we onder de kolom 'variabele' ook ‘d’ (= x) staan: In de database zien we in de tweede kolom dat deze variabele gelijk is aan 0 (gordel is niet verplicht: de wet is nog niet van kracht) of gelijk is aan 1 (gordel dragen is verplicht: de wet is van kracht). Als x = 0 dan valt de parameter -226,39 weg, als x = 1 dan wordt deze parameter vermenigvuldigt met 1 en vervolgens opgeteld bij de constante. Vanaf het moment (x = 1) dat de wet, die het dragen van een gordel verplicht, van kracht gaat, worden er minstens 226 mensen per maand gered. 
In de eerste tabel zien we op het einde van de vergelijking (rechts) ‘e(t)’ staan: Dit komt overeen met de voorspellingsfout. 
Als we naar de eerste tabel kijken, kunnen we eveneens vaststellen dat bij elke variabele (M1, M2,…) de letter t tussen vierkante haken staat. Uit tabel 2 kunnen we afleiden dat de variabele t = -1,76. Deze t stelt de lange termijn trend voor. We kunnen duidelijk zien dat het een dalende trend is (het minteken staat erbij), wat erop wijst dat het aantal slachtoffers gemiddeld met 1,76 daalt per maand op lange termijn. Dit kan toegeschreven worden aan nieuwe technologieën die auto’s veiliger maken,… 
Bij de nulhypothese worden alle parameters gelijk aan nul gesteld (dat kunnen we uit tabel 2 afleiden), dit betekent dat het dragen van een gordel geen effect heeft op het aantal verkeersslachtoffers, tenzij het tegendeel bewezen wordt. We gaan de one-tail p-value nemen aangezien we er kunnen vanuit gaan dat het dragen van een gordel geen negatief effect kan hebben. We kunnen vaststellen dat de p-waarde voor alle parameters gelijk is aan nul (Ze zullen nooit helemaal nul zijn, maar heel sterk benaderen), met uitzondering van de maand november waar de p-waarde gelijk is aan 0,015 (afgerond): De p-waarde is dus telkens kleiner dan 5% type I error. Dit betekent dat de kans dat het dragen van een gordel geen effect heeft op het aantal verkeersslachtoffers heel klein is, m.a.w. de kans dat we ons hierbij vergissen is kleiner dan 5%. Anders gezegd: de kans dat het dragen van een gordel wel een effect heeft op het aantal verkeersslachtoffers is zeer groot.  
Hieruit kunnen we besluiten dat er een significant verschil is en dat het dragen van een gordel niet toevallig het aantal verkeersslachtoffers doet dalen. 
2008-11-30 15:26:11 [Nathalie Daneels] [reply] 
Evaluatie opdracht 1 - blok 11 (Q2) 
De conclusies zouden nog bij aangevuld kunnen worden. 
 
* Grafiek 'Multiple Linear Regression - Regression statistics':  
R-squared heeft steeds een waarde tussen 0 en 1. R-squared geeft het percentage aan dat we kunnen verklaren van de spreiding/variabiliteit van het aantal verkeersslachtoffers. Dit aantal verkeersslachtoffers schommelt en van die schommelingen kunnen we 74% verklaren met behulp van dit model. Om te weten of dit te wijten is aan het toeval, moeten we  een hypothese opstellen, en nagaan of de verdeling van R-squared significant verschillend is van de Ho. Ho = R-squared = O en Ha = R-squared > 0. Vervolgens moeten we gaan kijken naar de p-value. Als we naar de p-value (0) kijken kunnen we vaststellen dat deze kleiner is dan 5% type I error. Dit betekent dat R-squared significant verschillend is van de nulhypothese of met andere woorden: Dit model verklaart voldoende schommelingen in de datareeks. 
We hebben hier 2 parameters: Leert die groep van parameters een significante bijdrage aan het aantal verkeersslachtoffers? Om dit te weten moeten we de F-test doen.  
De residual Standaard deviation = 152 (afgerond). Dit duidt de spreiding van de voorspellingsfouten aan: De te verwachten fout die ik voorspel voor die residu’s. Als ik een voorspelling maak met dit model, kan ik voorspellen hoeveel slachtoffers er zijn. Bij deze voorspelling kan ik er 152 naast zitten (een afwijking van 152 naar boven of naar onder.) 
De student vermeldde dit bij de tabel, wat correct is: Als we kijken naar de ‘Adjusted R-squared’ kunnen we besluiten dat dit een vrij goed model is en dat het een goed beeld weergeeft van de realiteit. Aan de hand van dit model kunnen we 72% van de schommelingen die bestaan in het aantal verkeerslachtoffers verklaren.  
Dit zou nog bijaan gevuld kunnen worden bij de conclusie over Adjusted R-squared: Dit is niet aan toeval onderhevig, want de P-value bedraagt 0, wat wil zeggen dat onze alternatieve hypothese (>0) significant verschilt van onze Ho (=0). 
 
* Grafiek 'Actuals and interpolation': 
Actuals zijn de werkelijke waarden (bolletjes), de interpolation stelt de voorspelde waarden (zwarte lijn) voor: het verschil hier tussen beiden zijn de residu’s.  
De student vermeldde dat de grafiek aantoont dat er een dalende trend is in de tijd (zie oranje lijn bij de grafiek) en dat er ook een niveauverschil is op het einde.  
Dit zou er nog bijgezet kunnen worden: Dit niveauverschil komt overeen met het moment waarop de wet, die het dragen van een gordel verplicht, van kracht gaat. Door het invoeren van deze wet, kunnen we duidelijk zien (op de grafiek) dat het aantal slachtoffers gedaald is. Om te weten of dit niveauverschil te wijten is aan het toeval, moeten we kijken naar de p-waarde (in de tweede tabel bovenaan). We gaan kijken naar de one-tail p-value omdat we er kunnen vanuit gaan dat het invoeren van de verplichting om een gordel te dragen geen negatief effect kan hebben. Uit die tabel kunnen we vaststellen dat alle p-waarden zich heel dicht rond de waarde 0 bevinden (Ze gaan nooit nul zijn, maar gaan deze waarde heel dicht benaderen). Enkel voor de maand november kunnen we vaststellen dat de p-waarde iets groter is, maar zolang de absolute waarde van deze p-waarde kleiner is dan 2, mogen we veronderstellen dat de parameter(s) significant verschillend zijn van de nulhypothese (waarbij we de parameters gelijk stelden aan nul), maar zolang deze waarde kleiner is dan 5% (type I error). Dit betekent dus dat het niveauverschil niet aan het toeval kan worden toegeschreven. 
 
* Grafiek 'Residuals': 
De student vermeldde dat de residuals de voorspellingsfouten zijn en dat het gemiddelde hiervan gelijk moet zijn aan 0, wat hier niet het geval was. Dit is grotendeels correct, maar zou nog uitgebreider kunnen: 
Residuals = het aantal verkeersslachtoffers – het aantal voorspelde verkeersslachtoffers. Als dit getal gelijk is aan 0, dan betekent dit dat we het aantal verkeersslachtoffers correct hebben voorspeld (Deze zijn dan gelijk aan het aantal werkelijke verkeersslachtoffers). Als dit getal groter is dan 0, dan zijn er meer verkeersslachtoffers geweest dan we hadden voorspeld. (De voorspelling was dus niet correct) Als dit getal kleiner is dan 0, dan hebben we meer verkeersslachtoffers voorspeld, dan dat er werkelijk waren. (De voorspelling was dus niet correct). Deze grafiek geeft dus de voorspellingsfouten weer. Het gemiddelde van deze voorspellingsfouten moet gelijk zijn aan nul (Dit betekent dat het aantal teveel voorspelde slachtoffers en het aantal te weinig voorspelde slachtoffers elkaar neutraliseren) en dus ook constant zijn. We kunnen afleiden uit de grafiek dat dit niet het geval is. Opdat het gemiddelde gelijk zou zijn aan nul, moet de grafiek min of meer gespiegeld worden rond de zwarte horizontale lijn (die gelijk wordt gesteld aan nul). Dit is hier niet het geval, maar het is best mogelijk dat het gemiddelde van de voorspellingsfouten toch nog min of meer gelijk is aan nul, aangezien er ongeveer evenveel bolletjes boven de horizontale as liggen als onder de horizontale as en de afstand van deze bolletjes tot de as komt ook min of meer overeen. We kunnen ook concluderen dat er een zeer duidelijk patroon is in deze grafiek: eerst merken we een stijging, die gevolgd wordt door een daling en daarna opnieuw een (veel kleinere) stijging en ten slotte zal de grafiek zich stabiliseren. We kunnen opmerken dat er een patroon is, als de grafiek (min of meer) herhalingen vertoont: Bv. Stijgen, dalen, stijgen, dalen,… Dit patroon duidt erop dat er zeker iets aan de hand is. Mogelijkheden zijn: Er is misschien nog een andere wet gewijzigd (bijvoorbeeld de toegelaten snelheid) of misschien verloopt de tendens/lange termijn trend (t) op een niet-lineaire wijze (wij hebben verondersteld dat dit lineair was, we veronderstelden dan ook dat dit overeenkwam met een rechte  Bij het aanklikken van de link moet je naar beneden scrollen tot je de grafiek ‘Summary of compuational transaction’ ziet staan  Dan klik je op view raw output of R engine  Naar beneden scrollen tot je een soort van tabel ziet (De computer heeft alle tussenliggende resultaten berekent en die worden o.a. daarin opgenomen)  In de laatste kolom bij variabele ‘t’ hebben we lineariteit verondersteld: 1,2,3,…). Het is dus duidelijk dat we een aantal variabelen niet in rekening hebben gebracht (in het begin).  
We moeten wel opmerken als we een bepaalde periode eruit halen, de opeenvolgende residu’s stijgen of dalen, dus er is nog steeds sprake van autocorrelatie: Stijgende residu’s worden vaak gevolgd (of vooraf gegaan) door stijgende en dalende residu’s worden ook vaak vooraf gegaan door dalende (of gevolgd door dalende residu’s). We kunnen nog steeds voorspellingen doen (op basis van het verleden, aangezien dalende/stijgende residu’s vooraf gegaan worden door dalende/stijgende residu’s). Wat we dus kunnen vaststellen is dat de residuals geen linear patroon volgen, wat op zijn beurt wijst op duidelijke autocorrelatie. Hierdoor is het model niet helemaal correct want er wordt niet aan alle assumpties voldaan. 
 
* Grafiek 'Residual histogram': 
De student vermeldde correct dat deze grafiek op een normaalverdeling zou moeten lijken en dat dat hier niet het geval is. We kunnen echt wel stellen dat de grafiek nog redelijk op een normaalverdeling gelijkt. 
 
* Grafiek 'Residual density plot': 
Hierbij gaf de student ook de juiste conclusie: dat deze grafiek ook op een normaalverdeling zou moeten lijken en dat dit niet echt het geval was omdat je o.a. aan de linkerkant nog een inzakking hebt.  
We kunnen echter concluderen dat we inderdaad een uitstulping zien aan de linkse kant, maar daar hoeven we ons niet echt zorgen om te maken. Bovendien kunnen we concluderen dat de staarten een niet heel scheve verdeling hebben, zodat het aantal positieve voorspellingsfouten ongeveer overeenkomt met het aantal negatieve voorspellingsfouten. (De grafiek van de residuals toont aan dat het gemiddelde van de voorspellingsfouten min of meer gelijk is aan nul). 
 
* Grafiek 'Residual normal Q-Q plot': 
De student was van mening dat de voorspellingsfouten normaal verdeeld zijn. Ik ben hier niet volledig mee akkoord: We kunnen vaststellen dat de quantielen van de residu’s niet helemaal de normaalcurve benaderen, vooral aan de staarten zien we een duidelijkere afwijking. We kunnen dus concluderen dat de voorspellingsfouten niet volledig normaal verdeeld zijn. 
Dit zou ik ook nog bij de grafiek vermelden: Deze grafiek toont het verband aan tussen de steekproefkwantielen en de theoretische kwantielen en we kunnen uit deze grafiek eveneens afleiden of (het verband tussen) deze quantielen van de residu’s de normaalcurve (de diagonale rechte) benaderen of niet. 
 
* Grafiek 'Residual lag plot, lowess and regression line': 
De student concludeerde correct dat deze grafiek het verband aangeeft tussen de voorspellingsfouten nu en de voorspellingsfouten van vorige maand en dat deze correlatie positief is. Dit is correct, maar zou nog aangevuld moeten worden: 
We kunnen vaststellen dat het in dit geval om een positief verband gaat: Dit zien we aan de schuine rechte die van links onder naar rechts boven gaat, wat wijst op een positief verband. Een positief verband betekent dat als de x-waarde toeneemt, de y-waarde ook gaat toenemen. Hoe sterk de y-waarde gaat toenemen, als de x-waarde stijgt, hangt af van de grootte van het verband. Dit positief verband wijst erop dat de residu’s verklaard kunnen worden: Ze kunnen voorspeld worden op basis van het verleden. Stijgende residu’s worden vaak vooraf gegaan door stijgende en dalende residu’s worden ook vaak vooraf gegaan door dalende residu’s. Het probleem hierbij is dat de gegevens/residu’s in het verleden niet worden weergegeven. Het feit dat de residu’s kunnen voorspeld worden op basis van het verleden wijst op autocorrelatie en dit is een indicator om te concluderen dat het model nog niet helemaal correct is. 
 
* Grafiek 'Residual Autocorrelation Function': 
De grafiek van Residual Partial Autocorrelation Function hoeft er niet bij geplaatst te worden. 
De student vermeldde correct: De blauwe stippellijn is het 95% betrouwbaarheidsinterval. Alle verticale lijntjes buiten deze horizontale stippellijn zijn significant verschillend. Dit wil zeggen dat die 
voorspellingsfout waarschijnlijk geen toeval is. Hier valt op dat tem 13 de verticale lijnen aan de bovenkant buiten het interval liggen. En vanaf 31 liggen de verticale lijnen ook buiten het interval, maar dan aan de onderkant. 
Dit zou er nog bij kunnen gezet worden: 
Het verticaal lijntje dat 18 vertegenwoordigt komt ook nog net boven het betrouwbaarheidsinterval. Verder kunnen we uit de grafiek afleiden dat de verticale lijntjes tussen 29 (ongeveer) en 52 (ongeveer) onderaan buiten het betrouwbaarheidsinterval komen. De andere verticale lijntjes bevinden zich tussen dit interval. We kunnen uit deze grafiek vaststellen dat er een patroon is in deze correlatie: Eerst zijn er een aantal lijntjes die duidelijk bovenaan buiten het betrouwbaarheidsinterval uitkomen (Deze lijntjes volgen elkaar op: De lijntjes die vooraf gaan komen ook boven het betrouwbaarheidsinterval). Vervolgens zijn er een aantal lijntjes die onderaan buiten het betrouwbaarheidsinterval komen (Ook deze volgen elkaar op: De lijntjes ervoor bevinden zich ook onder het betrouwbaarheidsinterval). En ten slotte ‘stabiliseren’ de lijntjes zich/ Ze stijgen nog een beetje, maar ze komen niet meer boven het betrouwbaarheidsinterval. Deze laatste kleine stijging is dus te wijten aan het toeval. Dit patroon komt ook overeen met de grafiek ‘residuals’.  
 
Ik ben het niet eens met de student zijn besluit: Daarin zegt hij dat er geen patroon of autocorrelatie mag zijn, wil er aan de assumpties van het model voldaan zijn. Dit is correct, maar dan besluit hij dat er geen autocorrelatie, patroon is, terwijl dit er wel is.  
Dit is het juiste besluit: 
Het model is nog niet helemaal correct/in orde: Om aan de assumpties te voldoen: 
* Mag er geen patroon of autocorrelatie zijn. Dit is hier niet voldaan want uit de grafiek van de residuals en de autocorrelatie kunnen we vaststellen dat er een patroon is en dus ook autocorrelatie. 
* Moet het gemiddelde constant en nul zijn. Hier bestaat mogelijk twijfel over, maar ik ben van mening dat het gemiddelde niet echt nul gaat zijn. (Grafiek residuals en density plot). 
 
 
 
2008-12-01 10:32:11 [Vincent Dolhain] [reply] 
2008-12-01 10:32:33 [Vincent Dolhain] [reply] 
Q1 
De student heeft de nodige grafieken wel gevonden. Maar heeft maar een minieme conclusie geschreven. Hij zou de betrouwbaarheid van zijn resultaten nog kunnen uitleggen. Dit doen we met de one-tail p-value, omdat we er van uit gaan dat het dragen van een gordel geen negatief effect kan hebben. Voor alle geschatte waarden is de p-waarden gelijk aan 0, buiten in de maand november (0.0146), maar deze is ook kleiner dan onze alpha waarde van 5%. Dit betekent dat het de stelling klopt dat het dragen van de gordel geen negatieve invloed heeft op het aantal slachtoffers, met andere woorden is de kans dat het dragen van de gordel wel een positieve invloed kan hebben. Doordat er zich een significant verschil voordoet kunnen we zelfs zeggen dat het dragen van een gordel niet vallig het aantal slachtoffers doet dalen.
2008-12-01 11:03:37 [Vincent Dolhain] [reply] 
Q2 
De student gebruikt de juiste grafieken en geeft de nodige uitleg. Alleen ben ik het niet eens bij zijn laatste conclusie en besluit. Als we Residual Autocorrelation Function bekijken, kunnen we vaststellen dat er autocorrelatie is. In de eerste helft van de grafiek kunnen we een duidelijke trend vast stellen. De waarden worden als maar kleiner, zo zou je daar het verder verloop kunnen schatten. In de 2de helft is de trend minder duidelijk. Dit veranderd daarom de eerste assumptie in zijn besluit.
2008-12-01 14:08:57 [Alexander Hendrickx] [reply] 
De grafieken en tabellen van vraag 1 werden goed gemaakt. De interpretatie echter is minimaal. Er worden inderdaad minimum 226 mensen van de dood gered. Over de andere parameters in de tabel wordt geen informatie gegeven. Zo kan je via de standaarddeviatie zien hoeveel de waarde naar boven en naar beneden kan gaan. De t stat is een parameter die als ze groter dan 2 is een betrouwbaarheid geeft dat de kans dat de nulhypothese foutief verworpen is minder dan 5% is. Dit is hier overal het geval daarmee kunnen we de nulhypothese dan ook verwerpen, het dragen van een gordel levert dus wel duidelijk een daling van het aantal dodelijke slachtoffers. Ook het gebruik van de one tail p value had gestaafd moeten worden. We doen dit omdat we er zeker van zijn dat het dragen van een gordel geen negatief effect kan hebben.
2008-12-01 14:13:43 [Alexander Hendrickx] [reply] 
q2 
De grafieken en tabellen warden goed opgemaakt en vrij goed besproken, enkel het besluit is niet juist, we kunnen we een trend zien in de autocorrelatie grafiek, wat bijdraagt tot verdere onbetrouwbaarheid van het model.
2008-12-01 16:55:14 [Peter Van Doninck] [reply] 
De student heeft de juiste berekeningen gemaakt, namelijk de multiple regression met seasoal dummys en lineaire trend. Hij heeft de tabellen die hij toevoegt, niet echt besproken. Voor de 2de tabel is het bijvoorbeeld belangrijk om te vermelden dat de one tail value en de two taile value beiden gelijk zijn aan nul in alle gevallen (uitgezonderd op het einde m11). Hierdoor verschillen de waarden significant van nul! Verder kunnen we het betrouwbaarheidsinterval rond de parameter ook verder onderzoeken, door 2 keer de standaardfout naar boven en naar onderen toe te passen. Hieruit verkrijgen we het 95% betrouwbaarheidsinterval. Wanneer de nul hypothese hierin ligt, dan verschilt de parameter niet significant! In alle gevallen zijn de parameters hier echter niet ingelegen, dus verschillen significant van nul. 
Vervolgens had de student ook de r-squared waarde dienen te interpreteren. Deze toont aan hoeveel procent van de variabiliteit/ schommelingen van de verkeersslachtoffers verklaard kunnen worden. In dit geval ligt deze waarde op 0,74; wat vrij groot is! Ter vergelijking in het gewone model bedroeg deze waarde slechts 0,19. 
Ook de residuele standaardfout dient besproken te worden. Deze is gedaald van 260 naar 152, waardoor het model steeds betrouwbaarder wordt.  
De conclusie is ook niet helemaal correct. Er worden maandelijks 226 mensen gered door de veiligheidsgordel. De rest van de conclusie van de student is niet correct! 
2008-12-01 17:09:32 [Peter Van Doninck] [reply] 
De student interpreteert goed de r-squared gegevens. Het zou echter interessant zijn mocht hij de evolutie van deze waarde geschetst hebben, waardoor het nog duidelijker zou geweest zijn dat het uiteindelijke model beter de realiteit bevat dan het beginmodel. Goede argumentatie bij actuals en interpretation. De dalende trend wordt terecht opgemerkt, evenals het verschil door invoering van de veiligheidsgordel.  
De student heeft gelijk dat het hier niet een normaalverdeling is. Toch moet hij opmerken dat er reeds een enorme verbetering is tegen het begin! Dit is ook te merken bij de density plot. Ikzelf zou hieruit afleiden dat er wel een verbetering waar te nemen is! 
De student heeft ook bij de lag plot vermeld dat er een positieve correlatie is tussen de huidige maand en de voorgaande, waardoor er voorspelbaarheid is tov het verleden.  
Uit de residual autocorrelatiefunctie kan je afleiden dat er nog veel 'streepjes' buiten het 95% betrouwbaarheidsinterval liggen. Hieruit kunnen we concluderen dat het model nog voor verbetering vatbaar is.

Post a new message

Dataseries X:

Download CSV

Histogram

Boxplots

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	12 seconds
R Server	'Gwilym Jenkins' @ 72.249.127.135

\begin{tabular}{lllllllll}
\hline
Summary of computational transaction \tabularnewline
Raw Input & view raw input (R code)  \tabularnewline
Raw Output & view raw output of R engine  \tabularnewline
Computing time & 12 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=25748&T=0

[TABLE]
[ROW][C]Summary of computational transaction[/C][/ROW]
[ROW][C]Raw Input[/C][C]view raw input (R code) [/C][/ROW]
[ROW][C]Raw Output[/C][C]view raw output of R engine [/C][/ROW]
[ROW][C]Computing time[/C][C]12 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=25748&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=25748&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 computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	12 seconds
R Server	'Gwilym Jenkins' @ 72.249.127.135

Multiple Linear Regression - Estimated Regression Equation
s[t] = + 2324.06337310277 -226.385033602657d[t] -451.374973256309M1[t] -635.461053323771M2[t] -583.133697991392M3[t] -694.556342659014M4[t] -555.478987326639M5[t] -609.464131994259M6[t] -532.074276661885M7[t] -515.434421329508M8[t] -460.85706599713M9[t] -319.717210664754M10[t] -118.389855332377M11[t] -1.76485533237686t + e[t]

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Estimated Regression Equation \tabularnewline
s[t] =  +  2324.06337310277 -226.385033602657d[t] -451.374973256309M1[t] -635.461053323771M2[t] -583.133697991392M3[t] -694.556342659014M4[t] -555.478987326639M5[t] -609.464131994259M6[t] -532.074276661885M7[t] -515.434421329508M8[t] -460.85706599713M9[t] -319.717210664754M10[t] -118.389855332377M11[t] -1.76485533237686t  + e[t] \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=25748&T=1

[TABLE]
[ROW][C]Multiple Linear Regression - Estimated Regression Equation[/C][/ROW]
[ROW][C]s[t] =  +  2324.06337310277 -226.385033602657d[t] -451.374973256309M1[t] -635.461053323771M2[t] -583.133697991392M3[t] -694.556342659014M4[t] -555.478987326639M5[t] -609.464131994259M6[t] -532.074276661885M7[t] -515.434421329508M8[t] -460.85706599713M9[t] -319.717210664754M10[t] -118.389855332377M11[t] -1.76485533237686t  + e[t][/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=25748&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=25748&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
s[t] = + 2324.06337310277 -226.385033602657d[t] -451.374973256309M1[t] -635.461053323771M2[t] -583.133697991392M3[t] -694.556342659014M4[t] -555.478987326639M5[t] -609.464131994259M6[t] -532.074276661885M7[t] -515.434421329508M8[t] -460.85706599713M9[t] -319.717210664754M10[t] -118.389855332377M11[t] -1.76485533237686t + 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)	2324.06337310277	44.029939	52.7837	0	0
d	-226.385033602657	41.037226	-5.5166	0	0
M1	-451.374973256309	53.942919	-8.3676	0	0
M2	-635.461053323771	53.941479	-11.7806	0	0
M3	-583.133697991392	53.931287	-10.8125	0	0
M4	-694.556342659014	53.922166	-12.8807	0	0
M5	-555.478987326639	53.914117	-10.303	0	0
M6	-609.464131994259	53.907141	-11.3058	0	0
M7	-532.074276661885	53.901237	-9.8713	0	0
M8	-515.434421329508	53.896405	-9.5634	0	0
M9	-460.85706599713	53.892648	-8.5514	0	0
M10	-319.717210664754	53.889963	-5.9328	0	0
M11	-118.389855332377	53.888353	-2.1969	0.029316	0.014658
t	-1.76485533237686	0.240551	-7.3367	0	0

\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) & 2324.06337310277 & 44.029939 & 52.7837 & 0 & 0 \tabularnewline
d & -226.385033602657 & 41.037226 & -5.5166 & 0 & 0 \tabularnewline
M1 & -451.374973256309 & 53.942919 & -8.3676 & 0 & 0 \tabularnewline
M2 & -635.461053323771 & 53.941479 & -11.7806 & 0 & 0 \tabularnewline
M3 & -583.133697991392 & 53.931287 & -10.8125 & 0 & 0 \tabularnewline
M4 & -694.556342659014 & 53.922166 & -12.8807 & 0 & 0 \tabularnewline
M5 & -555.478987326639 & 53.914117 & -10.303 & 0 & 0 \tabularnewline
M6 & -609.464131994259 & 53.907141 & -11.3058 & 0 & 0 \tabularnewline
M7 & -532.074276661885 & 53.901237 & -9.8713 & 0 & 0 \tabularnewline
M8 & -515.434421329508 & 53.896405 & -9.5634 & 0 & 0 \tabularnewline
M9 & -460.85706599713 & 53.892648 & -8.5514 & 0 & 0 \tabularnewline
M10 & -319.717210664754 & 53.889963 & -5.9328 & 0 & 0 \tabularnewline
M11 & -118.389855332377 & 53.888353 & -2.1969 & 0.029316 & 0.014658 \tabularnewline
t & -1.76485533237686 & 0.240551 & -7.3367 & 0 & 0 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=25748&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]2324.06337310277[/C][C]44.029939[/C][C]52.7837[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]d[/C][C]-226.385033602657[/C][C]41.037226[/C][C]-5.5166[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]M1[/C][C]-451.374973256309[/C][C]53.942919[/C][C]-8.3676[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]M2[/C][C]-635.461053323771[/C][C]53.941479[/C][C]-11.7806[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]M3[/C][C]-583.133697991392[/C][C]53.931287[/C][C]-10.8125[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]M4[/C][C]-694.556342659014[/C][C]53.922166[/C][C]-12.8807[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]M5[/C][C]-555.478987326639[/C][C]53.914117[/C][C]-10.303[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]M6[/C][C]-609.464131994259[/C][C]53.907141[/C][C]-11.3058[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]M7[/C][C]-532.074276661885[/C][C]53.901237[/C][C]-9.8713[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]M8[/C][C]-515.434421329508[/C][C]53.896405[/C][C]-9.5634[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]M9[/C][C]-460.85706599713[/C][C]53.892648[/C][C]-8.5514[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]M10[/C][C]-319.717210664754[/C][C]53.889963[/C][C]-5.9328[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]M11[/C][C]-118.389855332377[/C][C]53.888353[/C][C]-2.1969[/C][C]0.029316[/C][C]0.014658[/C][/ROW]
[ROW][C]t[/C][C]-1.76485533237686[/C][C]0.240551[/C][C]-7.3367[/C][C]0[/C][C]0[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=25748&T=2

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=25748&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)	2324.06337310277	44.029939	52.7837	0	0
d	-226.385033602657	41.037226	-5.5166	0	0
M1	-451.374973256309	53.942919	-8.3676	0	0
M2	-635.461053323771	53.941479	-11.7806	0	0
M3	-583.133697991392	53.931287	-10.8125	0	0
M4	-694.556342659014	53.922166	-12.8807	0	0
M5	-555.478987326639	53.914117	-10.303	0	0
M6	-609.464131994259	53.907141	-11.3058	0	0
M7	-532.074276661885	53.901237	-9.8713	0	0
M8	-515.434421329508	53.896405	-9.5634	0	0
M9	-460.85706599713	53.892648	-8.5514	0	0
M10	-319.717210664754	53.889963	-5.9328	0	0
M11	-118.389855332377	53.888353	-2.1969	0.029316	0.014658
t	-1.76485533237686	0.240551	-7.3367	0	0

Multiple Linear Regression - Regression Statistics
Multiple R	0.861322441473346
R-squared	0.741876348185605
Adjusted R-squared	0.723024620805902
F-TEST (value)	39.3532291891914
F-TEST (DF numerator)	13
F-TEST (DF denominator)	178
p-value	0
Multiple Linear Regression - Residual Statistics
Residual Standard Deviation	152.417759557721
Sum Squared Residuals	4135148.87028996

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Regression Statistics \tabularnewline
Multiple R & 0.861322441473346 \tabularnewline
R-squared & 0.741876348185605 \tabularnewline
Adjusted R-squared & 0.723024620805902 \tabularnewline
F-TEST (value) & 39.3532291891914 \tabularnewline
F-TEST (DF numerator) & 13 \tabularnewline
F-TEST (DF denominator) & 178 \tabularnewline
p-value & 0 \tabularnewline
Multiple Linear Regression - Residual Statistics \tabularnewline
Residual Standard Deviation & 152.417759557721 \tabularnewline
Sum Squared Residuals & 4135148.87028996 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=25748&T=3

[TABLE]
[ROW][C]Multiple Linear Regression - Regression Statistics[/C][/ROW]
[ROW][C]Multiple R[/C][C]0.861322441473346[/C][/ROW]
[ROW][C]R-squared[/C][C]0.741876348185605[/C][/ROW]
[ROW][C]Adjusted R-squared[/C][C]0.723024620805902[/C][/ROW]
[ROW][C]F-TEST (value)[/C][C]39.3532291891914[/C][/ROW]
[ROW][C]F-TEST (DF numerator)[/C][C]13[/C][/ROW]
[ROW][C]F-TEST (DF denominator)[/C][C]178[/C][/ROW]
[ROW][C]p-value[/C][C]0[/C][/ROW]
[ROW][C]Multiple Linear Regression - Residual Statistics[/C][/ROW]
[ROW][C]Residual Standard Deviation[/C][C]152.417759557721[/C][/ROW]
[ROW][C]Sum Squared Residuals[/C][C]4135148.87028996[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=25748&T=3

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=25748&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	0.861322441473346
R-squared	0.741876348185605
Adjusted R-squared	0.723024620805902
F-TEST (value)	39.3532291891914
F-TEST (DF numerator)	13
F-TEST (DF denominator)	178
p-value	0
Multiple Linear Regression - Residual Statistics
Residual Standard Deviation	152.417759557721
Sum Squared Residuals	4135148.87028996

Multiple Linear Regression - Actuals, Interpolation, and Residuals
Time or Index	Actuals	InterpolationForecast	ResidualsPrediction Error
1	1687	1870.92354451406	-183.923544514060
2	1508	1685.07260911425	-177.072609114252
3	1507	1735.63510911425	-228.635109114254
4	1385	1622.44760911424	-237.447609114242
5	1632	1759.76010911425	-127.760109114251
6	1511	1704.01010911425	-193.010109114250
7	1559	1779.63510911425	-220.635109114248
8	1630	1794.51010911426	-164.510109114256
9	1579	1847.32260911425	-268.322609114246
10	1653	1986.69760911425	-333.697609114249
11	2152	2186.26010911425	-34.2601091142503
12	2148	2302.88510911425	-154.885109114249
13	1752	1849.74528052556	-97.7452805255622
14	1765	1663.89434512573	101.105654874272
15	1717	1714.45684512573	2.54315487427317
16	1558	1601.26934512573	-43.2693451257275
17	1575	1738.58184512573	-163.581845125727
18	1520	1682.83184512573	-162.831845125727
19	1805	1758.45684512573	46.5431548742728
20	1800	1773.33184512573	26.6681548742733
21	1719	1826.14434512573	-107.144345125727
22	2008	1965.51934512573	42.4806548742729
23	2242	2165.08184512573	76.918154874273
24	2478	2281.70684512573	196.293154874273
25	2030	1828.56701653704	201.43298346296
26	1655	1642.71608113720	12.2839188627955
27	1693	1693.27858113720	-0.278581137204542
28	1623	1580.09108113721	42.9089188627948
29	1805	1717.40358113720	87.5964188627952
30	1746	1661.65358113720	84.3464188627952
31	1795	1737.27858113721	57.721418862795
32	1926	1752.15358113720	173.846418862796
33	1619	1804.96608113721	-185.966081137205
34	1992	1944.34108113720	47.6589188627952
35	2233	2143.90358113720	89.0964188627953
36	2192	2260.52858113721	-68.5285811372049
37	2080	1807.38875254852	272.611247451482
38	1768	1621.53781714868	146.462182851318
39	1835	1672.10031714868	162.899682851318
40	1569	1558.91281714868	10.0871828513171
41	1976	1696.22531714868	279.774682851318
42	1853	1640.47531714868	212.524682851317
43	1965	1716.10031714868	248.899682851317
44	1689	1730.97531714868	-41.9753171486821
45	1778	1783.78781714868	-5.78781714868267
46	1976	1923.16281714868	52.8371828513174
47	2397	2122.72531714868	274.274682851318
48	2654	2239.35031714868	414.649682851317
49	2097	1786.21048856000	310.789511440004
50	1963	1600.35955316016	362.64044683984
51	1677	1650.92205316016	26.0779468398400
52	1941	1537.73455316016	403.265446839839
53	2003	1675.04705316016	327.95294683984
54	1813	1619.29705316016	193.702946839840
55	2012	1694.92205316016	317.07794683984
56	1912	1709.79705316016	202.20294683984
57	2084	1762.60955316016	321.39044683984
58	2080	1901.98455316016	178.015446839840
59	2118	2101.54705316016	16.4529468398398
60	2150	2218.17205316016	-68.1720531601603
61	1608	1765.03222457147	-157.032224571473
62	1503	1579.18128917164	-76.1812891716376
63	1548	1629.74378917164	-81.7437891716377
64	1382	1516.55628917164	-134.556289171638
65	1731	1653.86878917164	77.1312108283621
66	1798	1598.11878917164	199.881210828362
67	1779	1673.74378917164	105.256210828362
68	1887	1688.61878917164	198.381210828362
69	2004	1741.43128917164	262.568710828362
70	2077	1880.80628917164	196.193710828362
71	2092	2080.36878917164	11.6312108283621
72	2051	2196.99378917164	-145.993789171638
73	1577	1743.85396058295	-166.853960582951
74	1356	1558.00302518312	-202.003025183115
75	1652	1608.56552518312	43.4344748168846
76	1382	1495.37802518312	-113.378025183116
77	1519	1632.69052518312	-113.690525183116
78	1421	1576.94052518312	-155.940525183116
79	1442	1652.56552518312	-210.565525183116
80	1543	1667.44052518312	-124.440525183115
81	1656	1720.25302518312	-64.2530251831158
82	1561	1859.62802518312	-298.628025183116
83	1905	2059.19052518312	-154.190525183116
84	2199	2175.81552518312	23.1844748168843
85	1473	1722.67569659443	-249.675696594429
86	1655	1536.82476119459	118.175238805407
87	1407	1587.38726119459	-180.387261194593
88	1395	1474.19976119459	-79.1997611945937
89	1530	1611.51226119459	-81.5122611945933
90	1309	1555.76226119459	-246.762261194593
91	1526	1631.38726119459	-105.387261194593
92	1327	1646.26226119459	-319.262261194593
93	1627	1699.07476119459	-72.0747611945935
94	1748	1838.44976119459	-90.4497611945934
95	1958	2038.01226119459	-80.0122611945933
96	2274	2154.63726119459	119.362738805407
97	1648	1701.49743260591	-53.4974326059064
98	1401	1515.64649720607	-114.646497206071
99	1411	1566.20899720607	-155.208997206071
100	1403	1453.02149720607	-50.0214972060714
101	1394	1590.33399720607	-196.333997206071
102	1520	1534.58399720607	-14.5839972060711
103	1528	1610.20899720607	-82.2089972060712
104	1643	1625.08399720607	17.9160027939294
105	1515	1677.89649720607	-162.896497206071
106	1685	1817.27149720607	-132.271497206071
107	2000	2016.83399720607	-16.8339972060710
108	2215	2133.45899720607	81.5410027939288
109	1956	1680.31916861738	275.680831382616
110	1462	1494.46823321755	-32.4682332175485
111	1563	1545.03073321755	17.9692667824515
112	1459	1431.84323321755	27.1567667824508
113	1446	1569.15573321755	-123.155733217549
114	1622	1513.40573321755	108.594266782451
115	1657	1589.03073321755	67.9692667824511
116	1638	1603.90573321755	34.0942667824517
117	1643	1656.71823321755	-13.7182332175489
118	1683	1796.09323321755	-113.093233217549
119	2050	1995.65573321755	54.3442667824512
120	2262	2112.28073321755	149.719266782451
121	1813	1659.14090462886	153.859095371138
122	1445	1473.28996922903	-28.2899692290262
123	1762	1523.85246922903	238.147530770974
124	1461	1410.66496922903	50.3350307709731
125	1556	1547.97746922903	8.02253077097358
126	1431	1492.22746922903	-61.2274692290265
127	1427	1567.85246922903	-140.852469229027
128	1554	1582.72746922903	-28.7274692290261
129	1645	1635.53996922903	9.46003077097336
130	1653	1774.91496922903	-121.914969229026
131	2016	1974.47746922903	41.5225307709736
132	2207	2091.10246922903	115.897530770973
133	1665	1637.96264064034	27.0373593596605
134	1361	1452.11170524050	-91.111705240504
135	1506	1502.67420524050	3.32579475949605
136	1360	1389.48670524050	-29.4867052405046
137	1453	1526.79920524050	-73.7992052405041
138	1522	1471.04920524050	50.9507947594957
139	1460	1546.67420524050	-86.6742052405044
140	1552	1561.54920524050	-9.54920524050376
141	1548	1614.36170524050	-66.3617052405043
142	1827	1753.73670524050	73.2632947594957
143	1737	1953.29920524050	-216.299205240504
144	1941	2069.92420524050	-128.924205240504
145	1474	1616.78437665182	-142.784376651817
146	1458	1430.93344125198	27.0665587480184
147	1542	1481.49594125198	60.5040587480183
148	1404	1368.30844125198	35.6915587480177
149	1522	1505.62094125198	16.3790587480182
150	1385	1449.87094125198	-64.870941251982
151	1641	1525.49594125198	115.504058748018
152	1510	1540.37094125198	-30.3709412519815
153	1681	1593.18344125198	87.816558748018
154	1938	1732.55844125198	205.441558748018
155	1868	1932.12094125198	-64.1209412519819
156	1726	2048.74594125198	-322.745941251982
157	1456	1595.60611266329	-139.606112663295
158	1445	1409.75517726346	35.2448227365406
159	1456	1460.31767726346	-4.31767726345942
160	1365	1347.13017726346	17.8698227365400
161	1487	1484.44267726346	2.55732273654045
162	1558	1428.69267726346	129.307322736540
163	1488	1504.31767726346	-16.3176772634598
164	1684	1519.19267726346	164.807322736541
165	1594	1572.00517726346	21.9948227365402
166	1850	1711.38017726346	138.619822736540
167	1998	1910.94267726346	87.0573227365404
168	2079	2027.56767726346	51.4323227365403
169	1494	1574.42784867477	-80.4278486747727
170	1057	1162.19187967228	-105.191879672279
171	1218	1212.75437967228	5.24562032772056
172	1168	1099.56687967228	68.4331203277199
173	1236	1236.87937967228	-0.879379672279542
174	1076	1181.12937967228	-105.129379672280
175	1174	1256.75437967228	-82.7543796722797
176	1139	1271.62937967228	-132.629379672279
177	1427	1324.44187967228	102.558120327720
178	1487	1463.81687967228	23.1831203277203
179	1483	1663.37937967228	-180.379379672280
180	1513	1780.00437967228	-267.00437967228
181	1357	1326.86455108359	30.1354489164073
182	1165	1141.01361568376	23.986384316243
183	1282	1191.57611568376	90.4238843162428
184	1110	1078.38861568376	31.6113843162422
185	1297	1215.70111568376	81.2988843162427
186	1185	1159.95111568376	25.0488843162426
187	1222	1235.57611568376	-13.5761156837575
188	1284	1250.45111568376	33.548884316243
189	1444	1303.26361568376	140.736384316242
190	1575	1442.63861568376	132.361384316243
191	1737	1642.20111568376	94.7988843162427
192	1763	1758.82611568376	4.17388431624253

\begin{tabular}{lllllllll}
\hline
Multiple Linear Regression - Actuals, Interpolation, and Residuals \tabularnewline
Time or Index & Actuals & InterpolationForecast & ResidualsPrediction Error \tabularnewline
1 & 1687 & 1870.92354451406 & -183.923544514060 \tabularnewline
2 & 1508 & 1685.07260911425 & -177.072609114252 \tabularnewline
3 & 1507 & 1735.63510911425 & -228.635109114254 \tabularnewline
4 & 1385 & 1622.44760911424 & -237.447609114242 \tabularnewline
5 & 1632 & 1759.76010911425 & -127.760109114251 \tabularnewline
6 & 1511 & 1704.01010911425 & -193.010109114250 \tabularnewline
7 & 1559 & 1779.63510911425 & -220.635109114248 \tabularnewline
8 & 1630 & 1794.51010911426 & -164.510109114256 \tabularnewline
9 & 1579 & 1847.32260911425 & -268.322609114246 \tabularnewline
10 & 1653 & 1986.69760911425 & -333.697609114249 \tabularnewline
11 & 2152 & 2186.26010911425 & -34.2601091142503 \tabularnewline
12 & 2148 & 2302.88510911425 & -154.885109114249 \tabularnewline
13 & 1752 & 1849.74528052556 & -97.7452805255622 \tabularnewline
14 & 1765 & 1663.89434512573 & 101.105654874272 \tabularnewline
15 & 1717 & 1714.45684512573 & 2.54315487427317 \tabularnewline
16 & 1558 & 1601.26934512573 & -43.2693451257275 \tabularnewline
17 & 1575 & 1738.58184512573 & -163.581845125727 \tabularnewline
18 & 1520 & 1682.83184512573 & -162.831845125727 \tabularnewline
19 & 1805 & 1758.45684512573 & 46.5431548742728 \tabularnewline
20 & 1800 & 1773.33184512573 & 26.6681548742733 \tabularnewline
21 & 1719 & 1826.14434512573 & -107.144345125727 \tabularnewline
22 & 2008 & 1965.51934512573 & 42.4806548742729 \tabularnewline
23 & 2242 & 2165.08184512573 & 76.918154874273 \tabularnewline
24 & 2478 & 2281.70684512573 & 196.293154874273 \tabularnewline
25 & 2030 & 1828.56701653704 & 201.43298346296 \tabularnewline
26 & 1655 & 1642.71608113720 & 12.2839188627955 \tabularnewline
27 & 1693 & 1693.27858113720 & -0.278581137204542 \tabularnewline
28 & 1623 & 1580.09108113721 & 42.9089188627948 \tabularnewline
29 & 1805 & 1717.40358113720 & 87.5964188627952 \tabularnewline
30 & 1746 & 1661.65358113720 & 84.3464188627952 \tabularnewline
31 & 1795 & 1737.27858113721 & 57.721418862795 \tabularnewline
32 & 1926 & 1752.15358113720 & 173.846418862796 \tabularnewline
33 & 1619 & 1804.96608113721 & -185.966081137205 \tabularnewline
34 & 1992 & 1944.34108113720 & 47.6589188627952 \tabularnewline
35 & 2233 & 2143.90358113720 & 89.0964188627953 \tabularnewline
36 & 2192 & 2260.52858113721 & -68.5285811372049 \tabularnewline
37 & 2080 & 1807.38875254852 & 272.611247451482 \tabularnewline
38 & 1768 & 1621.53781714868 & 146.462182851318 \tabularnewline
39 & 1835 & 1672.10031714868 & 162.899682851318 \tabularnewline
40 & 1569 & 1558.91281714868 & 10.0871828513171 \tabularnewline
41 & 1976 & 1696.22531714868 & 279.774682851318 \tabularnewline
42 & 1853 & 1640.47531714868 & 212.524682851317 \tabularnewline
43 & 1965 & 1716.10031714868 & 248.899682851317 \tabularnewline
44 & 1689 & 1730.97531714868 & -41.9753171486821 \tabularnewline
45 & 1778 & 1783.78781714868 & -5.78781714868267 \tabularnewline
46 & 1976 & 1923.16281714868 & 52.8371828513174 \tabularnewline
47 & 2397 & 2122.72531714868 & 274.274682851318 \tabularnewline
48 & 2654 & 2239.35031714868 & 414.649682851317 \tabularnewline
49 & 2097 & 1786.21048856000 & 310.789511440004 \tabularnewline
50 & 1963 & 1600.35955316016 & 362.64044683984 \tabularnewline
51 & 1677 & 1650.92205316016 & 26.0779468398400 \tabularnewline
52 & 1941 & 1537.73455316016 & 403.265446839839 \tabularnewline
53 & 2003 & 1675.04705316016 & 327.95294683984 \tabularnewline
54 & 1813 & 1619.29705316016 & 193.702946839840 \tabularnewline
55 & 2012 & 1694.92205316016 & 317.07794683984 \tabularnewline
56 & 1912 & 1709.79705316016 & 202.20294683984 \tabularnewline
57 & 2084 & 1762.60955316016 & 321.39044683984 \tabularnewline
58 & 2080 & 1901.98455316016 & 178.015446839840 \tabularnewline
59 & 2118 & 2101.54705316016 & 16.4529468398398 \tabularnewline
60 & 2150 & 2218.17205316016 & -68.1720531601603 \tabularnewline
61 & 1608 & 1765.03222457147 & -157.032224571473 \tabularnewline
62 & 1503 & 1579.18128917164 & -76.1812891716376 \tabularnewline
63 & 1548 & 1629.74378917164 & -81.7437891716377 \tabularnewline
64 & 1382 & 1516.55628917164 & -134.556289171638 \tabularnewline
65 & 1731 & 1653.86878917164 & 77.1312108283621 \tabularnewline
66 & 1798 & 1598.11878917164 & 199.881210828362 \tabularnewline
67 & 1779 & 1673.74378917164 & 105.256210828362 \tabularnewline
68 & 1887 & 1688.61878917164 & 198.381210828362 \tabularnewline
69 & 2004 & 1741.43128917164 & 262.568710828362 \tabularnewline
70 & 2077 & 1880.80628917164 & 196.193710828362 \tabularnewline
71 & 2092 & 2080.36878917164 & 11.6312108283621 \tabularnewline
72 & 2051 & 2196.99378917164 & -145.993789171638 \tabularnewline
73 & 1577 & 1743.85396058295 & -166.853960582951 \tabularnewline
74 & 1356 & 1558.00302518312 & -202.003025183115 \tabularnewline
75 & 1652 & 1608.56552518312 & 43.4344748168846 \tabularnewline
76 & 1382 & 1495.37802518312 & -113.378025183116 \tabularnewline
77 & 1519 & 1632.69052518312 & -113.690525183116 \tabularnewline
78 & 1421 & 1576.94052518312 & -155.940525183116 \tabularnewline
79 & 1442 & 1652.56552518312 & -210.565525183116 \tabularnewline
80 & 1543 & 1667.44052518312 & -124.440525183115 \tabularnewline
81 & 1656 & 1720.25302518312 & -64.2530251831158 \tabularnewline
82 & 1561 & 1859.62802518312 & -298.628025183116 \tabularnewline
83 & 1905 & 2059.19052518312 & -154.190525183116 \tabularnewline
84 & 2199 & 2175.81552518312 & 23.1844748168843 \tabularnewline
85 & 1473 & 1722.67569659443 & -249.675696594429 \tabularnewline
86 & 1655 & 1536.82476119459 & 118.175238805407 \tabularnewline
87 & 1407 & 1587.38726119459 & -180.387261194593 \tabularnewline
88 & 1395 & 1474.19976119459 & -79.1997611945937 \tabularnewline
89 & 1530 & 1611.51226119459 & -81.5122611945933 \tabularnewline
90 & 1309 & 1555.76226119459 & -246.762261194593 \tabularnewline
91 & 1526 & 1631.38726119459 & -105.387261194593 \tabularnewline
92 & 1327 & 1646.26226119459 & -319.262261194593 \tabularnewline
93 & 1627 & 1699.07476119459 & -72.0747611945935 \tabularnewline
94 & 1748 & 1838.44976119459 & -90.4497611945934 \tabularnewline
95 & 1958 & 2038.01226119459 & -80.0122611945933 \tabularnewline
96 & 2274 & 2154.63726119459 & 119.362738805407 \tabularnewline
97 & 1648 & 1701.49743260591 & -53.4974326059064 \tabularnewline
98 & 1401 & 1515.64649720607 & -114.646497206071 \tabularnewline
99 & 1411 & 1566.20899720607 & -155.208997206071 \tabularnewline
100 & 1403 & 1453.02149720607 & -50.0214972060714 \tabularnewline
101 & 1394 & 1590.33399720607 & -196.333997206071 \tabularnewline
102 & 1520 & 1534.58399720607 & -14.5839972060711 \tabularnewline
103 & 1528 & 1610.20899720607 & -82.2089972060712 \tabularnewline
104 & 1643 & 1625.08399720607 & 17.9160027939294 \tabularnewline
105 & 1515 & 1677.89649720607 & -162.896497206071 \tabularnewline
106 & 1685 & 1817.27149720607 & -132.271497206071 \tabularnewline
107 & 2000 & 2016.83399720607 & -16.8339972060710 \tabularnewline
108 & 2215 & 2133.45899720607 & 81.5410027939288 \tabularnewline
109 & 1956 & 1680.31916861738 & 275.680831382616 \tabularnewline
110 & 1462 & 1494.46823321755 & -32.4682332175485 \tabularnewline
111 & 1563 & 1545.03073321755 & 17.9692667824515 \tabularnewline
112 & 1459 & 1431.84323321755 & 27.1567667824508 \tabularnewline
113 & 1446 & 1569.15573321755 & -123.155733217549 \tabularnewline
114 & 1622 & 1513.40573321755 & 108.594266782451 \tabularnewline
115 & 1657 & 1589.03073321755 & 67.9692667824511 \tabularnewline
116 & 1638 & 1603.90573321755 & 34.0942667824517 \tabularnewline
117 & 1643 & 1656.71823321755 & -13.7182332175489 \tabularnewline
118 & 1683 & 1796.09323321755 & -113.093233217549 \tabularnewline
119 & 2050 & 1995.65573321755 & 54.3442667824512 \tabularnewline
120 & 2262 & 2112.28073321755 & 149.719266782451 \tabularnewline
121 & 1813 & 1659.14090462886 & 153.859095371138 \tabularnewline
122 & 1445 & 1473.28996922903 & -28.2899692290262 \tabularnewline
123 & 1762 & 1523.85246922903 & 238.147530770974 \tabularnewline
124 & 1461 & 1410.66496922903 & 50.3350307709731 \tabularnewline
125 & 1556 & 1547.97746922903 & 8.02253077097358 \tabularnewline
126 & 1431 & 1492.22746922903 & -61.2274692290265 \tabularnewline
127 & 1427 & 1567.85246922903 & -140.852469229027 \tabularnewline
128 & 1554 & 1582.72746922903 & -28.7274692290261 \tabularnewline
129 & 1645 & 1635.53996922903 & 9.46003077097336 \tabularnewline
130 & 1653 & 1774.91496922903 & -121.914969229026 \tabularnewline
131 & 2016 & 1974.47746922903 & 41.5225307709736 \tabularnewline
132 & 2207 & 2091.10246922903 & 115.897530770973 \tabularnewline
133 & 1665 & 1637.96264064034 & 27.0373593596605 \tabularnewline
134 & 1361 & 1452.11170524050 & -91.111705240504 \tabularnewline
135 & 1506 & 1502.67420524050 & 3.32579475949605 \tabularnewline
136 & 1360 & 1389.48670524050 & -29.4867052405046 \tabularnewline
137 & 1453 & 1526.79920524050 & -73.7992052405041 \tabularnewline
138 & 1522 & 1471.04920524050 & 50.9507947594957 \tabularnewline
139 & 1460 & 1546.67420524050 & -86.6742052405044 \tabularnewline
140 & 1552 & 1561.54920524050 & -9.54920524050376 \tabularnewline
141 & 1548 & 1614.36170524050 & -66.3617052405043 \tabularnewline
142 & 1827 & 1753.73670524050 & 73.2632947594957 \tabularnewline
143 & 1737 & 1953.29920524050 & -216.299205240504 \tabularnewline
144 & 1941 & 2069.92420524050 & -128.924205240504 \tabularnewline
145 & 1474 & 1616.78437665182 & -142.784376651817 \tabularnewline
146 & 1458 & 1430.93344125198 & 27.0665587480184 \tabularnewline
147 & 1542 & 1481.49594125198 & 60.5040587480183 \tabularnewline
148 & 1404 & 1368.30844125198 & 35.6915587480177 \tabularnewline
149 & 1522 & 1505.62094125198 & 16.3790587480182 \tabularnewline
150 & 1385 & 1449.87094125198 & -64.870941251982 \tabularnewline
151 & 1641 & 1525.49594125198 & 115.504058748018 \tabularnewline
152 & 1510 & 1540.37094125198 & -30.3709412519815 \tabularnewline
153 & 1681 & 1593.18344125198 & 87.816558748018 \tabularnewline
154 & 1938 & 1732.55844125198 & 205.441558748018 \tabularnewline
155 & 1868 & 1932.12094125198 & -64.1209412519819 \tabularnewline
156 & 1726 & 2048.74594125198 & -322.745941251982 \tabularnewline
157 & 1456 & 1595.60611266329 & -139.606112663295 \tabularnewline
158 & 1445 & 1409.75517726346 & 35.2448227365406 \tabularnewline
159 & 1456 & 1460.31767726346 & -4.31767726345942 \tabularnewline
160 & 1365 & 1347.13017726346 & 17.8698227365400 \tabularnewline
161 & 1487 & 1484.44267726346 & 2.55732273654045 \tabularnewline
162 & 1558 & 1428.69267726346 & 129.307322736540 \tabularnewline
163 & 1488 & 1504.31767726346 & -16.3176772634598 \tabularnewline
164 & 1684 & 1519.19267726346 & 164.807322736541 \tabularnewline
165 & 1594 & 1572.00517726346 & 21.9948227365402 \tabularnewline
166 & 1850 & 1711.38017726346 & 138.619822736540 \tabularnewline
167 & 1998 & 1910.94267726346 & 87.0573227365404 \tabularnewline
168 & 2079 & 2027.56767726346 & 51.4323227365403 \tabularnewline
169 & 1494 & 1574.42784867477 & -80.4278486747727 \tabularnewline
170 & 1057 & 1162.19187967228 & -105.191879672279 \tabularnewline
171 & 1218 & 1212.75437967228 & 5.24562032772056 \tabularnewline
172 & 1168 & 1099.56687967228 & 68.4331203277199 \tabularnewline
173 & 1236 & 1236.87937967228 & -0.879379672279542 \tabularnewline
174 & 1076 & 1181.12937967228 & -105.129379672280 \tabularnewline
175 & 1174 & 1256.75437967228 & -82.7543796722797 \tabularnewline
176 & 1139 & 1271.62937967228 & -132.629379672279 \tabularnewline
177 & 1427 & 1324.44187967228 & 102.558120327720 \tabularnewline
178 & 1487 & 1463.81687967228 & 23.1831203277203 \tabularnewline
179 & 1483 & 1663.37937967228 & -180.379379672280 \tabularnewline
180 & 1513 & 1780.00437967228 & -267.00437967228 \tabularnewline
181 & 1357 & 1326.86455108359 & 30.1354489164073 \tabularnewline
182 & 1165 & 1141.01361568376 & 23.986384316243 \tabularnewline
183 & 1282 & 1191.57611568376 & 90.4238843162428 \tabularnewline
184 & 1110 & 1078.38861568376 & 31.6113843162422 \tabularnewline
185 & 1297 & 1215.70111568376 & 81.2988843162427 \tabularnewline
186 & 1185 & 1159.95111568376 & 25.0488843162426 \tabularnewline
187 & 1222 & 1235.57611568376 & -13.5761156837575 \tabularnewline
188 & 1284 & 1250.45111568376 & 33.548884316243 \tabularnewline
189 & 1444 & 1303.26361568376 & 140.736384316242 \tabularnewline
190 & 1575 & 1442.63861568376 & 132.361384316243 \tabularnewline
191 & 1737 & 1642.20111568376 & 94.7988843162427 \tabularnewline
192 & 1763 & 1758.82611568376 & 4.17388431624253 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=25748&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]1687[/C][C]1870.92354451406[/C][C]-183.923544514060[/C][/ROW]
[ROW][C]2[/C][C]1508[/C][C]1685.07260911425[/C][C]-177.072609114252[/C][/ROW]
[ROW][C]3[/C][C]1507[/C][C]1735.63510911425[/C][C]-228.635109114254[/C][/ROW]
[ROW][C]4[/C][C]1385[/C][C]1622.44760911424[/C][C]-237.447609114242[/C][/ROW]
[ROW][C]5[/C][C]1632[/C][C]1759.76010911425[/C][C]-127.760109114251[/C][/ROW]
[ROW][C]6[/C][C]1511[/C][C]1704.01010911425[/C][C]-193.010109114250[/C][/ROW]
[ROW][C]7[/C][C]1559[/C][C]1779.63510911425[/C][C]-220.635109114248[/C][/ROW]
[ROW][C]8[/C][C]1630[/C][C]1794.51010911426[/C][C]-164.510109114256[/C][/ROW]
[ROW][C]9[/C][C]1579[/C][C]1847.32260911425[/C][C]-268.322609114246[/C][/ROW]
[ROW][C]10[/C][C]1653[/C][C]1986.69760911425[/C][C]-333.697609114249[/C][/ROW]
[ROW][C]11[/C][C]2152[/C][C]2186.26010911425[/C][C]-34.2601091142503[/C][/ROW]
[ROW][C]12[/C][C]2148[/C][C]2302.88510911425[/C][C]-154.885109114249[/C][/ROW]
[ROW][C]13[/C][C]1752[/C][C]1849.74528052556[/C][C]-97.7452805255622[/C][/ROW]
[ROW][C]14[/C][C]1765[/C][C]1663.89434512573[/C][C]101.105654874272[/C][/ROW]
[ROW][C]15[/C][C]1717[/C][C]1714.45684512573[/C][C]2.54315487427317[/C][/ROW]
[ROW][C]16[/C][C]1558[/C][C]1601.26934512573[/C][C]-43.2693451257275[/C][/ROW]
[ROW][C]17[/C][C]1575[/C][C]1738.58184512573[/C][C]-163.581845125727[/C][/ROW]
[ROW][C]18[/C][C]1520[/C][C]1682.83184512573[/C][C]-162.831845125727[/C][/ROW]
[ROW][C]19[/C][C]1805[/C][C]1758.45684512573[/C][C]46.5431548742728[/C][/ROW]
[ROW][C]20[/C][C]1800[/C][C]1773.33184512573[/C][C]26.6681548742733[/C][/ROW]
[ROW][C]21[/C][C]1719[/C][C]1826.14434512573[/C][C]-107.144345125727[/C][/ROW]
[ROW][C]22[/C][C]2008[/C][C]1965.51934512573[/C][C]42.4806548742729[/C][/ROW]
[ROW][C]23[/C][C]2242[/C][C]2165.08184512573[/C][C]76.918154874273[/C][/ROW]
[ROW][C]24[/C][C]2478[/C][C]2281.70684512573[/C][C]196.293154874273[/C][/ROW]
[ROW][C]25[/C][C]2030[/C][C]1828.56701653704[/C][C]201.43298346296[/C][/ROW]
[ROW][C]26[/C][C]1655[/C][C]1642.71608113720[/C][C]12.2839188627955[/C][/ROW]
[ROW][C]27[/C][C]1693[/C][C]1693.27858113720[/C][C]-0.278581137204542[/C][/ROW]
[ROW][C]28[/C][C]1623[/C][C]1580.09108113721[/C][C]42.9089188627948[/C][/ROW]
[ROW][C]29[/C][C]1805[/C][C]1717.40358113720[/C][C]87.5964188627952[/C][/ROW]
[ROW][C]30[/C][C]1746[/C][C]1661.65358113720[/C][C]84.3464188627952[/C][/ROW]
[ROW][C]31[/C][C]1795[/C][C]1737.27858113721[/C][C]57.721418862795[/C][/ROW]
[ROW][C]32[/C][C]1926[/C][C]1752.15358113720[/C][C]173.846418862796[/C][/ROW]
[ROW][C]33[/C][C]1619[/C][C]1804.96608113721[/C][C]-185.966081137205[/C][/ROW]
[ROW][C]34[/C][C]1992[/C][C]1944.34108113720[/C][C]47.6589188627952[/C][/ROW]
[ROW][C]35[/C][C]2233[/C][C]2143.90358113720[/C][C]89.0964188627953[/C][/ROW]
[ROW][C]36[/C][C]2192[/C][C]2260.52858113721[/C][C]-68.5285811372049[/C][/ROW]
[ROW][C]37[/C][C]2080[/C][C]1807.38875254852[/C][C]272.611247451482[/C][/ROW]
[ROW][C]38[/C][C]1768[/C][C]1621.53781714868[/C][C]146.462182851318[/C][/ROW]
[ROW][C]39[/C][C]1835[/C][C]1672.10031714868[/C][C]162.899682851318[/C][/ROW]
[ROW][C]40[/C][C]1569[/C][C]1558.91281714868[/C][C]10.0871828513171[/C][/ROW]
[ROW][C]41[/C][C]1976[/C][C]1696.22531714868[/C][C]279.774682851318[/C][/ROW]
[ROW][C]42[/C][C]1853[/C][C]1640.47531714868[/C][C]212.524682851317[/C][/ROW]
[ROW][C]43[/C][C]1965[/C][C]1716.10031714868[/C][C]248.899682851317[/C][/ROW]
[ROW][C]44[/C][C]1689[/C][C]1730.97531714868[/C][C]-41.9753171486821[/C][/ROW]
[ROW][C]45[/C][C]1778[/C][C]1783.78781714868[/C][C]-5.78781714868267[/C][/ROW]
[ROW][C]46[/C][C]1976[/C][C]1923.16281714868[/C][C]52.8371828513174[/C][/ROW]
[ROW][C]47[/C][C]2397[/C][C]2122.72531714868[/C][C]274.274682851318[/C][/ROW]
[ROW][C]48[/C][C]2654[/C][C]2239.35031714868[/C][C]414.649682851317[/C][/ROW]
[ROW][C]49[/C][C]2097[/C][C]1786.21048856000[/C][C]310.789511440004[/C][/ROW]
[ROW][C]50[/C][C]1963[/C][C]1600.35955316016[/C][C]362.64044683984[/C][/ROW]
[ROW][C]51[/C][C]1677[/C][C]1650.92205316016[/C][C]26.0779468398400[/C][/ROW]
[ROW][C]52[/C][C]1941[/C][C]1537.73455316016[/C][C]403.265446839839[/C][/ROW]
[ROW][C]53[/C][C]2003[/C][C]1675.04705316016[/C][C]327.95294683984[/C][/ROW]
[ROW][C]54[/C][C]1813[/C][C]1619.29705316016[/C][C]193.702946839840[/C][/ROW]
[ROW][C]55[/C][C]2012[/C][C]1694.92205316016[/C][C]317.07794683984[/C][/ROW]
[ROW][C]56[/C][C]1912[/C][C]1709.79705316016[/C][C]202.20294683984[/C][/ROW]
[ROW][C]57[/C][C]2084[/C][C]1762.60955316016[/C][C]321.39044683984[/C][/ROW]
[ROW][C]58[/C][C]2080[/C][C]1901.98455316016[/C][C]178.015446839840[/C][/ROW]
[ROW][C]59[/C][C]2118[/C][C]2101.54705316016[/C][C]16.4529468398398[/C][/ROW]
[ROW][C]60[/C][C]2150[/C][C]2218.17205316016[/C][C]-68.1720531601603[/C][/ROW]
[ROW][C]61[/C][C]1608[/C][C]1765.03222457147[/C][C]-157.032224571473[/C][/ROW]
[ROW][C]62[/C][C]1503[/C][C]1579.18128917164[/C][C]-76.1812891716376[/C][/ROW]
[ROW][C]63[/C][C]1548[/C][C]1629.74378917164[/C][C]-81.7437891716377[/C][/ROW]
[ROW][C]64[/C][C]1382[/C][C]1516.55628917164[/C][C]-134.556289171638[/C][/ROW]
[ROW][C]65[/C][C]1731[/C][C]1653.86878917164[/C][C]77.1312108283621[/C][/ROW]
[ROW][C]66[/C][C]1798[/C][C]1598.11878917164[/C][C]199.881210828362[/C][/ROW]
[ROW][C]67[/C][C]1779[/C][C]1673.74378917164[/C][C]105.256210828362[/C][/ROW]
[ROW][C]68[/C][C]1887[/C][C]1688.61878917164[/C][C]198.381210828362[/C][/ROW]
[ROW][C]69[/C][C]2004[/C][C]1741.43128917164[/C][C]262.568710828362[/C][/ROW]
[ROW][C]70[/C][C]2077[/C][C]1880.80628917164[/C][C]196.193710828362[/C][/ROW]
[ROW][C]71[/C][C]2092[/C][C]2080.36878917164[/C][C]11.6312108283621[/C][/ROW]
[ROW][C]72[/C][C]2051[/C][C]2196.99378917164[/C][C]-145.993789171638[/C][/ROW]
[ROW][C]73[/C][C]1577[/C][C]1743.85396058295[/C][C]-166.853960582951[/C][/ROW]
[ROW][C]74[/C][C]1356[/C][C]1558.00302518312[/C][C]-202.003025183115[/C][/ROW]
[ROW][C]75[/C][C]1652[/C][C]1608.56552518312[/C][C]43.4344748168846[/C][/ROW]
[ROW][C]76[/C][C]1382[/C][C]1495.37802518312[/C][C]-113.378025183116[/C][/ROW]
[ROW][C]77[/C][C]1519[/C][C]1632.69052518312[/C][C]-113.690525183116[/C][/ROW]
[ROW][C]78[/C][C]1421[/C][C]1576.94052518312[/C][C]-155.940525183116[/C][/ROW]
[ROW][C]79[/C][C]1442[/C][C]1652.56552518312[/C][C]-210.565525183116[/C][/ROW]
[ROW][C]80[/C][C]1543[/C][C]1667.44052518312[/C][C]-124.440525183115[/C][/ROW]
[ROW][C]81[/C][C]1656[/C][C]1720.25302518312[/C][C]-64.2530251831158[/C][/ROW]
[ROW][C]82[/C][C]1561[/C][C]1859.62802518312[/C][C]-298.628025183116[/C][/ROW]
[ROW][C]83[/C][C]1905[/C][C]2059.19052518312[/C][C]-154.190525183116[/C][/ROW]
[ROW][C]84[/C][C]2199[/C][C]2175.81552518312[/C][C]23.1844748168843[/C][/ROW]
[ROW][C]85[/C][C]1473[/C][C]1722.67569659443[/C][C]-249.675696594429[/C][/ROW]
[ROW][C]86[/C][C]1655[/C][C]1536.82476119459[/C][C]118.175238805407[/C][/ROW]
[ROW][C]87[/C][C]1407[/C][C]1587.38726119459[/C][C]-180.387261194593[/C][/ROW]
[ROW][C]88[/C][C]1395[/C][C]1474.19976119459[/C][C]-79.1997611945937[/C][/ROW]
[ROW][C]89[/C][C]1530[/C][C]1611.51226119459[/C][C]-81.5122611945933[/C][/ROW]
[ROW][C]90[/C][C]1309[/C][C]1555.76226119459[/C][C]-246.762261194593[/C][/ROW]
[ROW][C]91[/C][C]1526[/C][C]1631.38726119459[/C][C]-105.387261194593[/C][/ROW]
[ROW][C]92[/C][C]1327[/C][C]1646.26226119459[/C][C]-319.262261194593[/C][/ROW]
[ROW][C]93[/C][C]1627[/C][C]1699.07476119459[/C][C]-72.0747611945935[/C][/ROW]
[ROW][C]94[/C][C]1748[/C][C]1838.44976119459[/C][C]-90.4497611945934[/C][/ROW]
[ROW][C]95[/C][C]1958[/C][C]2038.01226119459[/C][C]-80.0122611945933[/C][/ROW]
[ROW][C]96[/C][C]2274[/C][C]2154.63726119459[/C][C]119.362738805407[/C][/ROW]
[ROW][C]97[/C][C]1648[/C][C]1701.49743260591[/C][C]-53.4974326059064[/C][/ROW]
[ROW][C]98[/C][C]1401[/C][C]1515.64649720607[/C][C]-114.646497206071[/C][/ROW]
[ROW][C]99[/C][C]1411[/C][C]1566.20899720607[/C][C]-155.208997206071[/C][/ROW]
[ROW][C]100[/C][C]1403[/C][C]1453.02149720607[/C][C]-50.0214972060714[/C][/ROW]
[ROW][C]101[/C][C]1394[/C][C]1590.33399720607[/C][C]-196.333997206071[/C][/ROW]
[ROW][C]102[/C][C]1520[/C][C]1534.58399720607[/C][C]-14.5839972060711[/C][/ROW]
[ROW][C]103[/C][C]1528[/C][C]1610.20899720607[/C][C]-82.2089972060712[/C][/ROW]
[ROW][C]104[/C][C]1643[/C][C]1625.08399720607[/C][C]17.9160027939294[/C][/ROW]
[ROW][C]105[/C][C]1515[/C][C]1677.89649720607[/C][C]-162.896497206071[/C][/ROW]
[ROW][C]106[/C][C]1685[/C][C]1817.27149720607[/C][C]-132.271497206071[/C][/ROW]
[ROW][C]107[/C][C]2000[/C][C]2016.83399720607[/C][C]-16.8339972060710[/C][/ROW]
[ROW][C]108[/C][C]2215[/C][C]2133.45899720607[/C][C]81.5410027939288[/C][/ROW]
[ROW][C]109[/C][C]1956[/C][C]1680.31916861738[/C][C]275.680831382616[/C][/ROW]
[ROW][C]110[/C][C]1462[/C][C]1494.46823321755[/C][C]-32.4682332175485[/C][/ROW]
[ROW][C]111[/C][C]1563[/C][C]1545.03073321755[/C][C]17.9692667824515[/C][/ROW]
[ROW][C]112[/C][C]1459[/C][C]1431.84323321755[/C][C]27.1567667824508[/C][/ROW]
[ROW][C]113[/C][C]1446[/C][C]1569.15573321755[/C][C]-123.155733217549[/C][/ROW]
[ROW][C]114[/C][C]1622[/C][C]1513.40573321755[/C][C]108.594266782451[/C][/ROW]
[ROW][C]115[/C][C]1657[/C][C]1589.03073321755[/C][C]67.9692667824511[/C][/ROW]
[ROW][C]116[/C][C]1638[/C][C]1603.90573321755[/C][C]34.0942667824517[/C][/ROW]
[ROW][C]117[/C][C]1643[/C][C]1656.71823321755[/C][C]-13.7182332175489[/C][/ROW]
[ROW][C]118[/C][C]1683[/C][C]1796.09323321755[/C][C]-113.093233217549[/C][/ROW]
[ROW][C]119[/C][C]2050[/C][C]1995.65573321755[/C][C]54.3442667824512[/C][/ROW]
[ROW][C]120[/C][C]2262[/C][C]2112.28073321755[/C][C]149.719266782451[/C][/ROW]
[ROW][C]121[/C][C]1813[/C][C]1659.14090462886[/C][C]153.859095371138[/C][/ROW]
[ROW][C]122[/C][C]1445[/C][C]1473.28996922903[/C][C]-28.2899692290262[/C][/ROW]
[ROW][C]123[/C][C]1762[/C][C]1523.85246922903[/C][C]238.147530770974[/C][/ROW]
[ROW][C]124[/C][C]1461[/C][C]1410.66496922903[/C][C]50.3350307709731[/C][/ROW]
[ROW][C]125[/C][C]1556[/C][C]1547.97746922903[/C][C]8.02253077097358[/C][/ROW]
[ROW][C]126[/C][C]1431[/C][C]1492.22746922903[/C][C]-61.2274692290265[/C][/ROW]
[ROW][C]127[/C][C]1427[/C][C]1567.85246922903[/C][C]-140.852469229027[/C][/ROW]
[ROW][C]128[/C][C]1554[/C][C]1582.72746922903[/C][C]-28.7274692290261[/C][/ROW]
[ROW][C]129[/C][C]1645[/C][C]1635.53996922903[/C][C]9.46003077097336[/C][/ROW]
[ROW][C]130[/C][C]1653[/C][C]1774.91496922903[/C][C]-121.914969229026[/C][/ROW]
[ROW][C]131[/C][C]2016[/C][C]1974.47746922903[/C][C]41.5225307709736[/C][/ROW]
[ROW][C]132[/C][C]2207[/C][C]2091.10246922903[/C][C]115.897530770973[/C][/ROW]
[ROW][C]133[/C][C]1665[/C][C]1637.96264064034[/C][C]27.0373593596605[/C][/ROW]
[ROW][C]134[/C][C]1361[/C][C]1452.11170524050[/C][C]-91.111705240504[/C][/ROW]
[ROW][C]135[/C][C]1506[/C][C]1502.67420524050[/C][C]3.32579475949605[/C][/ROW]
[ROW][C]136[/C][C]1360[/C][C]1389.48670524050[/C][C]-29.4867052405046[/C][/ROW]
[ROW][C]137[/C][C]1453[/C][C]1526.79920524050[/C][C]-73.7992052405041[/C][/ROW]
[ROW][C]138[/C][C]1522[/C][C]1471.04920524050[/C][C]50.9507947594957[/C][/ROW]
[ROW][C]139[/C][C]1460[/C][C]1546.67420524050[/C][C]-86.6742052405044[/C][/ROW]
[ROW][C]140[/C][C]1552[/C][C]1561.54920524050[/C][C]-9.54920524050376[/C][/ROW]
[ROW][C]141[/C][C]1548[/C][C]1614.36170524050[/C][C]-66.3617052405043[/C][/ROW]
[ROW][C]142[/C][C]1827[/C][C]1753.73670524050[/C][C]73.2632947594957[/C][/ROW]
[ROW][C]143[/C][C]1737[/C][C]1953.29920524050[/C][C]-216.299205240504[/C][/ROW]
[ROW][C]144[/C][C]1941[/C][C]2069.92420524050[/C][C]-128.924205240504[/C][/ROW]
[ROW][C]145[/C][C]1474[/C][C]1616.78437665182[/C][C]-142.784376651817[/C][/ROW]
[ROW][C]146[/C][C]1458[/C][C]1430.93344125198[/C][C]27.0665587480184[/C][/ROW]
[ROW][C]147[/C][C]1542[/C][C]1481.49594125198[/C][C]60.5040587480183[/C][/ROW]
[ROW][C]148[/C][C]1404[/C][C]1368.30844125198[/C][C]35.6915587480177[/C][/ROW]
[ROW][C]149[/C][C]1522[/C][C]1505.62094125198[/C][C]16.3790587480182[/C][/ROW]
[ROW][C]150[/C][C]1385[/C][C]1449.87094125198[/C][C]-64.870941251982[/C][/ROW]
[ROW][C]151[/C][C]1641[/C][C]1525.49594125198[/C][C]115.504058748018[/C][/ROW]
[ROW][C]152[/C][C]1510[/C][C]1540.37094125198[/C][C]-30.3709412519815[/C][/ROW]
[ROW][C]153[/C][C]1681[/C][C]1593.18344125198[/C][C]87.816558748018[/C][/ROW]
[ROW][C]154[/C][C]1938[/C][C]1732.55844125198[/C][C]205.441558748018[/C][/ROW]
[ROW][C]155[/C][C]1868[/C][C]1932.12094125198[/C][C]-64.1209412519819[/C][/ROW]
[ROW][C]156[/C][C]1726[/C][C]2048.74594125198[/C][C]-322.745941251982[/C][/ROW]
[ROW][C]157[/C][C]1456[/C][C]1595.60611266329[/C][C]-139.606112663295[/C][/ROW]
[ROW][C]158[/C][C]1445[/C][C]1409.75517726346[/C][C]35.2448227365406[/C][/ROW]
[ROW][C]159[/C][C]1456[/C][C]1460.31767726346[/C][C]-4.31767726345942[/C][/ROW]
[ROW][C]160[/C][C]1365[/C][C]1347.13017726346[/C][C]17.8698227365400[/C][/ROW]
[ROW][C]161[/C][C]1487[/C][C]1484.44267726346[/C][C]2.55732273654045[/C][/ROW]
[ROW][C]162[/C][C]1558[/C][C]1428.69267726346[/C][C]129.307322736540[/C][/ROW]
[ROW][C]163[/C][C]1488[/C][C]1504.31767726346[/C][C]-16.3176772634598[/C][/ROW]
[ROW][C]164[/C][C]1684[/C][C]1519.19267726346[/C][C]164.807322736541[/C][/ROW]
[ROW][C]165[/C][C]1594[/C][C]1572.00517726346[/C][C]21.9948227365402[/C][/ROW]
[ROW][C]166[/C][C]1850[/C][C]1711.38017726346[/C][C]138.619822736540[/C][/ROW]
[ROW][C]167[/C][C]1998[/C][C]1910.94267726346[/C][C]87.0573227365404[/C][/ROW]
[ROW][C]168[/C][C]2079[/C][C]2027.56767726346[/C][C]51.4323227365403[/C][/ROW]
[ROW][C]169[/C][C]1494[/C][C]1574.42784867477[/C][C]-80.4278486747727[/C][/ROW]
[ROW][C]170[/C][C]1057[/C][C]1162.19187967228[/C][C]-105.191879672279[/C][/ROW]
[ROW][C]171[/C][C]1218[/C][C]1212.75437967228[/C][C]5.24562032772056[/C][/ROW]
[ROW][C]172[/C][C]1168[/C][C]1099.56687967228[/C][C]68.4331203277199[/C][/ROW]
[ROW][C]173[/C][C]1236[/C][C]1236.87937967228[/C][C]-0.879379672279542[/C][/ROW]
[ROW][C]174[/C][C]1076[/C][C]1181.12937967228[/C][C]-105.129379672280[/C][/ROW]
[ROW][C]175[/C][C]1174[/C][C]1256.75437967228[/C][C]-82.7543796722797[/C][/ROW]
[ROW][C]176[/C][C]1139[/C][C]1271.62937967228[/C][C]-132.629379672279[/C][/ROW]
[ROW][C]177[/C][C]1427[/C][C]1324.44187967228[/C][C]102.558120327720[/C][/ROW]
[ROW][C]178[/C][C]1487[/C][C]1463.81687967228[/C][C]23.1831203277203[/C][/ROW]
[ROW][C]179[/C][C]1483[/C][C]1663.37937967228[/C][C]-180.379379672280[/C][/ROW]
[ROW][C]180[/C][C]1513[/C][C]1780.00437967228[/C][C]-267.00437967228[/C][/ROW]
[ROW][C]181[/C][C]1357[/C][C]1326.86455108359[/C][C]30.1354489164073[/C][/ROW]
[ROW][C]182[/C][C]1165[/C][C]1141.01361568376[/C][C]23.986384316243[/C][/ROW]
[ROW][C]183[/C][C]1282[/C][C]1191.57611568376[/C][C]90.4238843162428[/C][/ROW]
[ROW][C]184[/C][C]1110[/C][C]1078.38861568376[/C][C]31.6113843162422[/C][/ROW]
[ROW][C]185[/C][C]1297[/C][C]1215.70111568376[/C][C]81.2988843162427[/C][/ROW]
[ROW][C]186[/C][C]1185[/C][C]1159.95111568376[/C][C]25.0488843162426[/C][/ROW]
[ROW][C]187[/C][C]1222[/C][C]1235.57611568376[/C][C]-13.5761156837575[/C][/ROW]
[ROW][C]188[/C][C]1284[/C][C]1250.45111568376[/C][C]33.548884316243[/C][/ROW]
[ROW][C]189[/C][C]1444[/C][C]1303.26361568376[/C][C]140.736384316242[/C][/ROW]
[ROW][C]190[/C][C]1575[/C][C]1442.63861568376[/C][C]132.361384316243[/C][/ROW]
[ROW][C]191[/C][C]1737[/C][C]1642.20111568376[/C][C]94.7988843162427[/C][/ROW]
[ROW][C]192[/C][C]1763[/C][C]1758.82611568376[/C][C]4.17388431624253[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=25748&T=4

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=25748&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	1687	1870.92354451406	-183.923544514060
2	1508	1685.07260911425	-177.072609114252
3	1507	1735.63510911425	-228.635109114254
4	1385	1622.44760911424	-237.447609114242
5	1632	1759.76010911425	-127.760109114251
6	1511	1704.01010911425	-193.010109114250
7	1559	1779.63510911425	-220.635109114248
8	1630	1794.51010911426	-164.510109114256
9	1579	1847.32260911425	-268.322609114246
10	1653	1986.69760911425	-333.697609114249
11	2152	2186.26010911425	-34.2601091142503
12	2148	2302.88510911425	-154.885109114249
13	1752	1849.74528052556	-97.7452805255622
14	1765	1663.89434512573	101.105654874272
15	1717	1714.45684512573	2.54315487427317
16	1558	1601.26934512573	-43.2693451257275
17	1575	1738.58184512573	-163.581845125727
18	1520	1682.83184512573	-162.831845125727
19	1805	1758.45684512573	46.5431548742728
20	1800	1773.33184512573	26.6681548742733
21	1719	1826.14434512573	-107.144345125727
22	2008	1965.51934512573	42.4806548742729
23	2242	2165.08184512573	76.918154874273
24	2478	2281.70684512573	196.293154874273
25	2030	1828.56701653704	201.43298346296
26	1655	1642.71608113720	12.2839188627955
27	1693	1693.27858113720	-0.278581137204542
28	1623	1580.09108113721	42.9089188627948
29	1805	1717.40358113720	87.5964188627952
30	1746	1661.65358113720	84.3464188627952
31	1795	1737.27858113721	57.721418862795
32	1926	1752.15358113720	173.846418862796
33	1619	1804.96608113721	-185.966081137205
34	1992	1944.34108113720	47.6589188627952
35	2233	2143.90358113720	89.0964188627953
36	2192	2260.52858113721	-68.5285811372049
37	2080	1807.38875254852	272.611247451482
38	1768	1621.53781714868	146.462182851318
39	1835	1672.10031714868	162.899682851318
40	1569	1558.91281714868	10.0871828513171
41	1976	1696.22531714868	279.774682851318
42	1853	1640.47531714868	212.524682851317
43	1965	1716.10031714868	248.899682851317
44	1689	1730.97531714868	-41.9753171486821
45	1778	1783.78781714868	-5.78781714868267
46	1976	1923.16281714868	52.8371828513174
47	2397	2122.72531714868	274.274682851318
48	2654	2239.35031714868	414.649682851317
49	2097	1786.21048856000	310.789511440004
50	1963	1600.35955316016	362.64044683984
51	1677	1650.92205316016	26.0779468398400
52	1941	1537.73455316016	403.265446839839
53	2003	1675.04705316016	327.95294683984
54	1813	1619.29705316016	193.702946839840
55	2012	1694.92205316016	317.07794683984
56	1912	1709.79705316016	202.20294683984
57	2084	1762.60955316016	321.39044683984
58	2080	1901.98455316016	178.015446839840
59	2118	2101.54705316016	16.4529468398398
60	2150	2218.17205316016	-68.1720531601603
61	1608	1765.03222457147	-157.032224571473
62	1503	1579.18128917164	-76.1812891716376
63	1548	1629.74378917164	-81.7437891716377
64	1382	1516.55628917164	-134.556289171638
65	1731	1653.86878917164	77.1312108283621
66	1798	1598.11878917164	199.881210828362
67	1779	1673.74378917164	105.256210828362
68	1887	1688.61878917164	198.381210828362
69	2004	1741.43128917164	262.568710828362
70	2077	1880.80628917164	196.193710828362
71	2092	2080.36878917164	11.6312108283621
72	2051	2196.99378917164	-145.993789171638
73	1577	1743.85396058295	-166.853960582951
74	1356	1558.00302518312	-202.003025183115
75	1652	1608.56552518312	43.4344748168846
76	1382	1495.37802518312	-113.378025183116
77	1519	1632.69052518312	-113.690525183116
78	1421	1576.94052518312	-155.940525183116
79	1442	1652.56552518312	-210.565525183116
80	1543	1667.44052518312	-124.440525183115
81	1656	1720.25302518312	-64.2530251831158
82	1561	1859.62802518312	-298.628025183116
83	1905	2059.19052518312	-154.190525183116
84	2199	2175.81552518312	23.1844748168843
85	1473	1722.67569659443	-249.675696594429
86	1655	1536.82476119459	118.175238805407
87	1407	1587.38726119459	-180.387261194593
88	1395	1474.19976119459	-79.1997611945937
89	1530	1611.51226119459	-81.5122611945933
90	1309	1555.76226119459	-246.762261194593
91	1526	1631.38726119459	-105.387261194593
92	1327	1646.26226119459	-319.262261194593
93	1627	1699.07476119459	-72.0747611945935
94	1748	1838.44976119459	-90.4497611945934
95	1958	2038.01226119459	-80.0122611945933
96	2274	2154.63726119459	119.362738805407
97	1648	1701.49743260591	-53.4974326059064
98	1401	1515.64649720607	-114.646497206071
99	1411	1566.20899720607	-155.208997206071
100	1403	1453.02149720607	-50.0214972060714
101	1394	1590.33399720607	-196.333997206071
102	1520	1534.58399720607	-14.5839972060711
103	1528	1610.20899720607	-82.2089972060712
104	1643	1625.08399720607	17.9160027939294
105	1515	1677.89649720607	-162.896497206071
106	1685	1817.27149720607	-132.271497206071
107	2000	2016.83399720607	-16.8339972060710
108	2215	2133.45899720607	81.5410027939288
109	1956	1680.31916861738	275.680831382616
110	1462	1494.46823321755	-32.4682332175485
111	1563	1545.03073321755	17.9692667824515
112	1459	1431.84323321755	27.1567667824508
113	1446	1569.15573321755	-123.155733217549
114	1622	1513.40573321755	108.594266782451
115	1657	1589.03073321755	67.9692667824511
116	1638	1603.90573321755	34.0942667824517
117	1643	1656.71823321755	-13.7182332175489
118	1683	1796.09323321755	-113.093233217549
119	2050	1995.65573321755	54.3442667824512
120	2262	2112.28073321755	149.719266782451
121	1813	1659.14090462886	153.859095371138
122	1445	1473.28996922903	-28.2899692290262
123	1762	1523.85246922903	238.147530770974
124	1461	1410.66496922903	50.3350307709731
125	1556	1547.97746922903	8.02253077097358
126	1431	1492.22746922903	-61.2274692290265
127	1427	1567.85246922903	-140.852469229027
128	1554	1582.72746922903	-28.7274692290261
129	1645	1635.53996922903	9.46003077097336
130	1653	1774.91496922903	-121.914969229026
131	2016	1974.47746922903	41.5225307709736
132	2207	2091.10246922903	115.897530770973
133	1665	1637.96264064034	27.0373593596605
134	1361	1452.11170524050	-91.111705240504
135	1506	1502.67420524050	3.32579475949605
136	1360	1389.48670524050	-29.4867052405046
137	1453	1526.79920524050	-73.7992052405041
138	1522	1471.04920524050	50.9507947594957
139	1460	1546.67420524050	-86.6742052405044
140	1552	1561.54920524050	-9.54920524050376
141	1548	1614.36170524050	-66.3617052405043
142	1827	1753.73670524050	73.2632947594957
143	1737	1953.29920524050	-216.299205240504
144	1941	2069.92420524050	-128.924205240504
145	1474	1616.78437665182	-142.784376651817
146	1458	1430.93344125198	27.0665587480184
147	1542	1481.49594125198	60.5040587480183
148	1404	1368.30844125198	35.6915587480177
149	1522	1505.62094125198	16.3790587480182
150	1385	1449.87094125198	-64.870941251982
151	1641	1525.49594125198	115.504058748018
152	1510	1540.37094125198	-30.3709412519815
153	1681	1593.18344125198	87.816558748018
154	1938	1732.55844125198	205.441558748018
155	1868	1932.12094125198	-64.1209412519819
156	1726	2048.74594125198	-322.745941251982
157	1456	1595.60611266329	-139.606112663295
158	1445	1409.75517726346	35.2448227365406
159	1456	1460.31767726346	-4.31767726345942
160	1365	1347.13017726346	17.8698227365400
161	1487	1484.44267726346	2.55732273654045
162	1558	1428.69267726346	129.307322736540
163	1488	1504.31767726346	-16.3176772634598
164	1684	1519.19267726346	164.807322736541
165	1594	1572.00517726346	21.9948227365402
166	1850	1711.38017726346	138.619822736540
167	1998	1910.94267726346	87.0573227365404
168	2079	2027.56767726346	51.4323227365403
169	1494	1574.42784867477	-80.4278486747727
170	1057	1162.19187967228	-105.191879672279
171	1218	1212.75437967228	5.24562032772056
172	1168	1099.56687967228	68.4331203277199
173	1236	1236.87937967228	-0.879379672279542
174	1076	1181.12937967228	-105.129379672280
175	1174	1256.75437967228	-82.7543796722797
176	1139	1271.62937967228	-132.629379672279
177	1427	1324.44187967228	102.558120327720
178	1487	1463.81687967228	23.1831203277203
179	1483	1663.37937967228	-180.379379672280
180	1513	1780.00437967228	-267.00437967228
181	1357	1326.86455108359	30.1354489164073
182	1165	1141.01361568376	23.986384316243
183	1282	1191.57611568376	90.4238843162428
184	1110	1078.38861568376	31.6113843162422
185	1297	1215.70111568376	81.2988843162427
186	1185	1159.95111568376	25.0488843162426
187	1222	1235.57611568376	-13.5761156837575
188	1284	1250.45111568376	33.548884316243
189	1444	1303.26361568376	140.736384316242
190	1575	1442.63861568376	132.361384316243
191	1737	1642.20111568376	94.7988843162427
192	1763	1758.82611568376	4.17388431624253

Goldfeld-Quandt test for Heteroskedasticity
p-values	Alternative Hypothesis
breakpoint index	greater	2-sided	less
17	0.322030228692462	0.644060457384924	0.677969771307538
18	0.233521089095976	0.467042178191951	0.766478910904024
19	0.180685578478596	0.361371156957192	0.819314421521404
20	0.103668910667145	0.20733782133429	0.896331089332855
21	0.0559425379303431	0.111885075860686	0.944057462069657
22	0.0858421923707697	0.171684384741539	0.91415780762923
23	0.0529852109086615	0.105970421817323	0.947014789091339
24	0.0568500776210694	0.113700155242139	0.94314992237893
25	0.0361192919437711	0.0722385838875421	0.963880708056229
26	0.0705619735991453	0.141123947198291	0.929438026400855
27	0.0627645154373543	0.125529030874709	0.937235484562646
28	0.0411066720625137	0.0822133441250274	0.958893327937486
29	0.0250035215624646	0.0500070431249291	0.974996478437535
30	0.0151727741726881	0.0303455483453762	0.984827225827312
31	0.0104862514564799	0.0209725029129599	0.98951374854352
32	0.00613905385343069	0.0122781077068614	0.99386094614657
33	0.0137448296526501	0.0274896593053002	0.98625517034735
34	0.00828786248352515	0.0165757249670503	0.991712137516475
35	0.0076610797581467	0.0153221595162934	0.992338920241853
36	0.0240775981805477	0.0481551963610954	0.975922401819452
37	0.0183341985231804	0.0366683970463607	0.98166580147682
38	0.0134773358274822	0.0269546716549644	0.986522664172518
39	0.00873515419297591	0.0174703083859518	0.991264845807024
40	0.00872602488223482	0.0174520497644696	0.991273975117765
41	0.0084452438516565	0.016890487703313	0.991554756148344
42	0.00624949754960569	0.0124989950992114	0.993750502450394
43	0.00463134067158486	0.00926268134316971	0.995368659328415
44	0.0158597972505694	0.0317195945011388	0.98414020274943
45	0.0112735094936919	0.0225470189873838	0.988726490506308
46	0.00855656523871745	0.0171131304774349	0.991443434761283
47	0.0068227105652	0.0136454211304	0.9931772894348
48	0.0150233885425460	0.0300467770850921	0.984976611457454
49	0.014269096850997	0.028538193701994	0.985730903149003
50	0.0165337152909190	0.0330674305818381	0.983466284709081
51	0.0293903804595	0.058780760919	0.9706096195405
52	0.0566431079348126	0.113286215869625	0.943356892065187
53	0.0646797195755593	0.129359439151119	0.93532028042444
54	0.0614232832353613	0.122846566470723	0.938576716764639
55	0.0744442413363021	0.148888482672604	0.925555758663698
56	0.076168408832655	0.15233681766531	0.923831591167345
57	0.126954883773627	0.253909767547254	0.873045116226373
58	0.124807888963504	0.249615777927009	0.875192111036496
59	0.308376883768383	0.616753767536765	0.691623116231618
60	0.600261198643695	0.79947760271261	0.399738801356305
61	0.910334589747148	0.179330820505704	0.0896654102528519
62	0.965959462552248	0.068081074895505	0.0340405374477525
63	0.977600611895407	0.0447987762091856	0.0223993881045928
64	0.99021831861157	0.0195633627768584	0.00978168138842921
65	0.99179563122538	0.0164087375492423	0.00820436877462113
66	0.993423777299094	0.0131524454018120	0.00657622270090601
67	0.994886609701406	0.0102267805971886	0.0051133902985943
68	0.99651194023978	0.00697611952044016	0.00348805976022008
69	0.998414652684767	0.0031706946304664	0.0015853473152332
70	0.999071134211639	0.00185773157672274	0.00092886578836137
71	0.999416962590062	0.00116607481987586	0.000583037409937929
72	0.999768812638424	0.000462374723151414	0.000231187361575707
73	0.999924720967145	0.000150558065709018	7.52790328545092e-05
74	0.999979498380836	4.100323832797e-05	2.0501619163985e-05
75	0.999974507346212	5.09853075752223e-05	2.54926537876112e-05
76	0.999977925619194	4.41487616115049e-05	2.20743808057524e-05
77	0.99998540892907	2.91821418598767e-05	1.45910709299383e-05
78	0.999990593597316	1.88128053673771e-05	9.40640268368857e-06
79	0.999996306595945	7.38680811026777e-06	3.69340405513389e-06
80	0.999996657979902	6.68404019588085e-06	3.34202009794043e-06
81	0.99999528105916	9.43788167924907e-06	4.71894083962453e-06
82	0.999998977253885	2.04549223090433e-06	1.02274611545216e-06
83	0.999999085005536	1.82998892833481e-06	9.14994464167405e-07
84	0.999998765523392	2.46895321580061e-06	1.23447660790030e-06
85	0.999999467393824	1.06521235236867e-06	5.32606176184337e-07
86	0.999999578683299	8.42633402778393e-07	4.21316701389197e-07
87	0.999999642786107	7.14427786983761e-07	3.57213893491880e-07
88	0.99999943576287	1.12847426032615e-06	5.64237130163076e-07
89	0.999999194783795	1.61043241071844e-06	8.05216205359219e-07
90	0.999999623906002	7.52187994909272e-07	3.76093997454636e-07
91	0.999999464039783	1.07192043430264e-06	5.3596021715132e-07
92	0.999999913677236	1.72645528621443e-07	8.63227643107215e-08
93	0.999999854172484	2.91655031674888e-07	1.45827515837444e-07
94	0.999999776328289	4.47343422178674e-07	2.23671711089337e-07
95	0.999999636590817	7.26818366422688e-07	3.63409183211344e-07
96	0.99999970693279	5.86134421328664e-07	2.93067210664332e-07
97	0.999999491285812	1.01742837608735e-06	5.08714188043675e-07
98	0.99999926008028	1.47983943967688e-06	7.3991971983844e-07
99	0.999999382524575	1.23495085093429e-06	6.17475425467145e-07
100	0.999998974343516	2.05131296810265e-06	1.02565648405133e-06
101	0.999999203744738	1.59251052292049e-06	7.96255261460247e-07
102	0.999998598903705	2.8021925908099e-06	1.40109629540495e-06
103	0.999997772655703	4.45468859316504e-06	2.22734429658252e-06
104	0.999996232631749	7.5347365024918e-06	3.7673682512459e-06
105	0.99999712761163	5.74477673973872e-06	2.87238836986936e-06
106	0.999997517421597	4.96515680639093e-06	2.48257840319547e-06
107	0.99999570381422	8.59237155936023e-06	4.29618577968012e-06
108	0.999994940371873	1.01192562541705e-05	5.05962812708527e-06
109	0.999999305941645	1.38811671063981e-06	6.94058355319906e-07
110	0.999998758825777	2.48234844669864e-06	1.24117422334932e-06
111	0.999997910672756	4.17865448729335e-06	2.08932724364668e-06
112	0.999996402401208	7.19519758351085e-06	3.59759879175543e-06
113	0.999995631727094	8.73654581208899e-06	4.36827290604449e-06
114	0.999994964125658	1.00717486844338e-05	5.03587434221692e-06
115	0.999993790198578	1.24196028448702e-05	6.20980142243508e-06
116	0.99999009432476	1.98113504793609e-05	9.90567523968047e-06
117	0.999983601657935	3.27966841308944e-05	1.63983420654472e-05
118	0.99998507251945	2.98549610993064e-05	1.49274805496532e-05
119	0.999980317274865	3.93654502706745e-05	1.96827251353372e-05
120	0.999993815544503	1.23689109940820e-05	6.18445549704102e-06
121	0.99999822856601	3.54286798047977e-06	1.77143399023989e-06
122	0.999996906165854	6.1876682928923e-06	3.09383414644615e-06
123	0.99999940520766	1.18958468107428e-06	5.94792340537142e-07
124	0.99999911963438	1.76073123977003e-06	8.80365619885017e-07
125	0.999998561347942	2.87730411688845e-06	1.43865205844423e-06
126	0.999997360211226	5.27957754712046e-06	2.63978877356023e-06
127	0.999996029041555	7.94191688977771e-06	3.97095844488886e-06
128	0.999992948839715	1.41023205709067e-05	7.05116028545335e-06
129	0.999987450141313	2.50997173744961e-05	1.25498586872481e-05
130	0.999990330151757	1.93396964858222e-05	9.66984824291112e-06
131	0.999991466215091	1.70675698175420e-05	8.53378490877098e-06
132	0.999999670586947	6.58826104949665e-07	3.29413052474832e-07
133	0.999999907694007	1.84611986309583e-07	9.23059931547913e-08
134	0.999999811287687	3.77424626322019e-07	1.88712313161010e-07
135	0.999999639824343	7.20351314320861e-07	3.60175657160431e-07
136	0.999999259402752	1.48119449536726e-06	7.4059724768363e-07
137	0.999998519865658	2.9602686848403e-06	1.48013434242015e-06
138	0.99999872824974	2.54350051936023e-06	1.27175025968011e-06
139	0.999997478520102	5.04295979493376e-06	2.52147989746688e-06
140	0.999996083758745	7.83248251027385e-06	3.91624125513693e-06
141	0.999993019556436	1.39608871282583e-05	6.98044356412913e-06
142	0.99998806545469	2.38690906208563e-05	1.19345453104281e-05
143	0.999986986462472	2.60270750557366e-05	1.30135375278683e-05
144	0.999984427600125	3.11447997500722e-05	1.55723998750361e-05
145	0.999971704243494	5.65915130113381e-05	2.82957565056690e-05
146	0.99995678245865	8.6435082698033e-05	4.32175413490165e-05
147	0.999932678741304	0.000134642517391620	6.73212586958098e-05
148	0.999880892135052	0.000238215729896012	0.000119107864948006
149	0.999787840326742	0.000424319346516522	0.000212159673258261
150	0.999617514483744	0.000764971032512277	0.000382485516256139
151	0.9998493476378	0.000301304724399844	0.000150652362199922
152	0.999712455653383	0.000575088693233712	0.000287544346616856
153	0.999566514174841	0.000866971650318153	0.000433485825159076
154	0.99983241634741	0.000335167305178293	0.000167583652589146
155	0.999689038637253	0.000621922725493754	0.000310961362746877
156	0.999814007731925	0.000371984536149629	0.000185992268074815
157	0.999663750902131	0.000672498195737421	0.000336249097868710
158	0.999343456042388	0.00131308791522317	0.000656543957611584
159	0.999054436399257	0.00189112720148552	0.00094556360074276
160	0.998550854880576	0.00289829023884843	0.00144914511942421
161	0.998007267417462	0.00398546516507678	0.00199273258253839
162	0.997326909092548	0.00534618181490411	0.00267309090745206
163	0.994901009309242	0.0101979813815160	0.00509899069075801
164	0.996192979518869	0.00761404096226274	0.00380702048113137
165	0.996594747568937	0.00681050486212618	0.00340525243106309
166	0.993103232630802	0.0137935347383959	0.00689676736919795
167	0.988736804597005	0.0225263908059899	0.0112631954029950
168	0.997981314564407	0.00403737087118556	0.00201868543559278
169	0.99493405355624	0.0101318928875197	0.00506594644375987
170	0.987866899404494	0.0242662011910123	0.0121331005955062
171	0.973650040125043	0.0526999197499141	0.0263499598749570
172	0.97970639002528	0.0405872199494416	0.0202936099747208
173	0.957667775718366	0.0846644485632686	0.0423322242816343
174	0.90221805985498	0.195563880290040	0.0977819401450201
175	0.832347654021266	0.335304691957468	0.167652345978734

\begin{tabular}{lllllllll}
\hline
Goldfeld-Quandt test for Heteroskedasticity \tabularnewline
p-values & Alternative Hypothesis \tabularnewline
breakpoint index & greater & 2-sided & less \tabularnewline
17 & 0.322030228692462 & 0.644060457384924 & 0.677969771307538 \tabularnewline
18 & 0.233521089095976 & 0.467042178191951 & 0.766478910904024 \tabularnewline
19 & 0.180685578478596 & 0.361371156957192 & 0.819314421521404 \tabularnewline
20 & 0.103668910667145 & 0.20733782133429 & 0.896331089332855 \tabularnewline
21 & 0.0559425379303431 & 0.111885075860686 & 0.944057462069657 \tabularnewline
22 & 0.0858421923707697 & 0.171684384741539 & 0.91415780762923 \tabularnewline
23 & 0.0529852109086615 & 0.105970421817323 & 0.947014789091339 \tabularnewline
24 & 0.0568500776210694 & 0.113700155242139 & 0.94314992237893 \tabularnewline
25 & 0.0361192919437711 & 0.0722385838875421 & 0.963880708056229 \tabularnewline
26 & 0.0705619735991453 & 0.141123947198291 & 0.929438026400855 \tabularnewline
27 & 0.0627645154373543 & 0.125529030874709 & 0.937235484562646 \tabularnewline
28 & 0.0411066720625137 & 0.0822133441250274 & 0.958893327937486 \tabularnewline
29 & 0.0250035215624646 & 0.0500070431249291 & 0.974996478437535 \tabularnewline
30 & 0.0151727741726881 & 0.0303455483453762 & 0.984827225827312 \tabularnewline
31 & 0.0104862514564799 & 0.0209725029129599 & 0.98951374854352 \tabularnewline
32 & 0.00613905385343069 & 0.0122781077068614 & 0.99386094614657 \tabularnewline
33 & 0.0137448296526501 & 0.0274896593053002 & 0.98625517034735 \tabularnewline
34 & 0.00828786248352515 & 0.0165757249670503 & 0.991712137516475 \tabularnewline
35 & 0.0076610797581467 & 0.0153221595162934 & 0.992338920241853 \tabularnewline
36 & 0.0240775981805477 & 0.0481551963610954 & 0.975922401819452 \tabularnewline
37 & 0.0183341985231804 & 0.0366683970463607 & 0.98166580147682 \tabularnewline
38 & 0.0134773358274822 & 0.0269546716549644 & 0.986522664172518 \tabularnewline
39 & 0.00873515419297591 & 0.0174703083859518 & 0.991264845807024 \tabularnewline
40 & 0.00872602488223482 & 0.0174520497644696 & 0.991273975117765 \tabularnewline
41 & 0.0084452438516565 & 0.016890487703313 & 0.991554756148344 \tabularnewline
42 & 0.00624949754960569 & 0.0124989950992114 & 0.993750502450394 \tabularnewline
43 & 0.00463134067158486 & 0.00926268134316971 & 0.995368659328415 \tabularnewline
44 & 0.0158597972505694 & 0.0317195945011388 & 0.98414020274943 \tabularnewline
45 & 0.0112735094936919 & 0.0225470189873838 & 0.988726490506308 \tabularnewline
46 & 0.00855656523871745 & 0.0171131304774349 & 0.991443434761283 \tabularnewline
47 & 0.0068227105652 & 0.0136454211304 & 0.9931772894348 \tabularnewline
48 & 0.0150233885425460 & 0.0300467770850921 & 0.984976611457454 \tabularnewline
49 & 0.014269096850997 & 0.028538193701994 & 0.985730903149003 \tabularnewline
50 & 0.0165337152909190 & 0.0330674305818381 & 0.983466284709081 \tabularnewline
51 & 0.0293903804595 & 0.058780760919 & 0.9706096195405 \tabularnewline
52 & 0.0566431079348126 & 0.113286215869625 & 0.943356892065187 \tabularnewline
53 & 0.0646797195755593 & 0.129359439151119 & 0.93532028042444 \tabularnewline
54 & 0.0614232832353613 & 0.122846566470723 & 0.938576716764639 \tabularnewline
55 & 0.0744442413363021 & 0.148888482672604 & 0.925555758663698 \tabularnewline
56 & 0.076168408832655 & 0.15233681766531 & 0.923831591167345 \tabularnewline
57 & 0.126954883773627 & 0.253909767547254 & 0.873045116226373 \tabularnewline
58 & 0.124807888963504 & 0.249615777927009 & 0.875192111036496 \tabularnewline
59 & 0.308376883768383 & 0.616753767536765 & 0.691623116231618 \tabularnewline
60 & 0.600261198643695 & 0.79947760271261 & 0.399738801356305 \tabularnewline
61 & 0.910334589747148 & 0.179330820505704 & 0.0896654102528519 \tabularnewline
62 & 0.965959462552248 & 0.068081074895505 & 0.0340405374477525 \tabularnewline
63 & 0.977600611895407 & 0.0447987762091856 & 0.0223993881045928 \tabularnewline
64 & 0.99021831861157 & 0.0195633627768584 & 0.00978168138842921 \tabularnewline
65 & 0.99179563122538 & 0.0164087375492423 & 0.00820436877462113 \tabularnewline
66 & 0.993423777299094 & 0.0131524454018120 & 0.00657622270090601 \tabularnewline
67 & 0.994886609701406 & 0.0102267805971886 & 0.0051133902985943 \tabularnewline
68 & 0.99651194023978 & 0.00697611952044016 & 0.00348805976022008 \tabularnewline
69 & 0.998414652684767 & 0.0031706946304664 & 0.0015853473152332 \tabularnewline
70 & 0.999071134211639 & 0.00185773157672274 & 0.00092886578836137 \tabularnewline
71 & 0.999416962590062 & 0.00116607481987586 & 0.000583037409937929 \tabularnewline
72 & 0.999768812638424 & 0.000462374723151414 & 0.000231187361575707 \tabularnewline
73 & 0.999924720967145 & 0.000150558065709018 & 7.52790328545092e-05 \tabularnewline
74 & 0.999979498380836 & 4.100323832797e-05 & 2.0501619163985e-05 \tabularnewline
75 & 0.999974507346212 & 5.09853075752223e-05 & 2.54926537876112e-05 \tabularnewline
76 & 0.999977925619194 & 4.41487616115049e-05 & 2.20743808057524e-05 \tabularnewline
77 & 0.99998540892907 & 2.91821418598767e-05 & 1.45910709299383e-05 \tabularnewline
78 & 0.999990593597316 & 1.88128053673771e-05 & 9.40640268368857e-06 \tabularnewline
79 & 0.999996306595945 & 7.38680811026777e-06 & 3.69340405513389e-06 \tabularnewline
80 & 0.999996657979902 & 6.68404019588085e-06 & 3.34202009794043e-06 \tabularnewline
81 & 0.99999528105916 & 9.43788167924907e-06 & 4.71894083962453e-06 \tabularnewline
82 & 0.999998977253885 & 2.04549223090433e-06 & 1.02274611545216e-06 \tabularnewline
83 & 0.999999085005536 & 1.82998892833481e-06 & 9.14994464167405e-07 \tabularnewline
84 & 0.999998765523392 & 2.46895321580061e-06 & 1.23447660790030e-06 \tabularnewline
85 & 0.999999467393824 & 1.06521235236867e-06 & 5.32606176184337e-07 \tabularnewline
86 & 0.999999578683299 & 8.42633402778393e-07 & 4.21316701389197e-07 \tabularnewline
87 & 0.999999642786107 & 7.14427786983761e-07 & 3.57213893491880e-07 \tabularnewline
88 & 0.99999943576287 & 1.12847426032615e-06 & 5.64237130163076e-07 \tabularnewline
89 & 0.999999194783795 & 1.61043241071844e-06 & 8.05216205359219e-07 \tabularnewline
90 & 0.999999623906002 & 7.52187994909272e-07 & 3.76093997454636e-07 \tabularnewline
91 & 0.999999464039783 & 1.07192043430264e-06 & 5.3596021715132e-07 \tabularnewline
92 & 0.999999913677236 & 1.72645528621443e-07 & 8.63227643107215e-08 \tabularnewline
93 & 0.999999854172484 & 2.91655031674888e-07 & 1.45827515837444e-07 \tabularnewline
94 & 0.999999776328289 & 4.47343422178674e-07 & 2.23671711089337e-07 \tabularnewline
95 & 0.999999636590817 & 7.26818366422688e-07 & 3.63409183211344e-07 \tabularnewline
96 & 0.99999970693279 & 5.86134421328664e-07 & 2.93067210664332e-07 \tabularnewline
97 & 0.999999491285812 & 1.01742837608735e-06 & 5.08714188043675e-07 \tabularnewline
98 & 0.99999926008028 & 1.47983943967688e-06 & 7.3991971983844e-07 \tabularnewline
99 & 0.999999382524575 & 1.23495085093429e-06 & 6.17475425467145e-07 \tabularnewline
100 & 0.999998974343516 & 2.05131296810265e-06 & 1.02565648405133e-06 \tabularnewline
101 & 0.999999203744738 & 1.59251052292049e-06 & 7.96255261460247e-07 \tabularnewline
102 & 0.999998598903705 & 2.8021925908099e-06 & 1.40109629540495e-06 \tabularnewline
103 & 0.999997772655703 & 4.45468859316504e-06 & 2.22734429658252e-06 \tabularnewline
104 & 0.999996232631749 & 7.5347365024918e-06 & 3.7673682512459e-06 \tabularnewline
105 & 0.99999712761163 & 5.74477673973872e-06 & 2.87238836986936e-06 \tabularnewline
106 & 0.999997517421597 & 4.96515680639093e-06 & 2.48257840319547e-06 \tabularnewline
107 & 0.99999570381422 & 8.59237155936023e-06 & 4.29618577968012e-06 \tabularnewline
108 & 0.999994940371873 & 1.01192562541705e-05 & 5.05962812708527e-06 \tabularnewline
109 & 0.999999305941645 & 1.38811671063981e-06 & 6.94058355319906e-07 \tabularnewline
110 & 0.999998758825777 & 2.48234844669864e-06 & 1.24117422334932e-06 \tabularnewline
111 & 0.999997910672756 & 4.17865448729335e-06 & 2.08932724364668e-06 \tabularnewline
112 & 0.999996402401208 & 7.19519758351085e-06 & 3.59759879175543e-06 \tabularnewline
113 & 0.999995631727094 & 8.73654581208899e-06 & 4.36827290604449e-06 \tabularnewline
114 & 0.999994964125658 & 1.00717486844338e-05 & 5.03587434221692e-06 \tabularnewline
115 & 0.999993790198578 & 1.24196028448702e-05 & 6.20980142243508e-06 \tabularnewline
116 & 0.99999009432476 & 1.98113504793609e-05 & 9.90567523968047e-06 \tabularnewline
117 & 0.999983601657935 & 3.27966841308944e-05 & 1.63983420654472e-05 \tabularnewline
118 & 0.99998507251945 & 2.98549610993064e-05 & 1.49274805496532e-05 \tabularnewline
119 & 0.999980317274865 & 3.93654502706745e-05 & 1.96827251353372e-05 \tabularnewline
120 & 0.999993815544503 & 1.23689109940820e-05 & 6.18445549704102e-06 \tabularnewline
121 & 0.99999822856601 & 3.54286798047977e-06 & 1.77143399023989e-06 \tabularnewline
122 & 0.999996906165854 & 6.1876682928923e-06 & 3.09383414644615e-06 \tabularnewline
123 & 0.99999940520766 & 1.18958468107428e-06 & 5.94792340537142e-07 \tabularnewline
124 & 0.99999911963438 & 1.76073123977003e-06 & 8.80365619885017e-07 \tabularnewline
125 & 0.999998561347942 & 2.87730411688845e-06 & 1.43865205844423e-06 \tabularnewline
126 & 0.999997360211226 & 5.27957754712046e-06 & 2.63978877356023e-06 \tabularnewline
127 & 0.999996029041555 & 7.94191688977771e-06 & 3.97095844488886e-06 \tabularnewline
128 & 0.999992948839715 & 1.41023205709067e-05 & 7.05116028545335e-06 \tabularnewline
129 & 0.999987450141313 & 2.50997173744961e-05 & 1.25498586872481e-05 \tabularnewline
130 & 0.999990330151757 & 1.93396964858222e-05 & 9.66984824291112e-06 \tabularnewline
131 & 0.999991466215091 & 1.70675698175420e-05 & 8.53378490877098e-06 \tabularnewline
132 & 0.999999670586947 & 6.58826104949665e-07 & 3.29413052474832e-07 \tabularnewline
133 & 0.999999907694007 & 1.84611986309583e-07 & 9.23059931547913e-08 \tabularnewline
134 & 0.999999811287687 & 3.77424626322019e-07 & 1.88712313161010e-07 \tabularnewline
135 & 0.999999639824343 & 7.20351314320861e-07 & 3.60175657160431e-07 \tabularnewline
136 & 0.999999259402752 & 1.48119449536726e-06 & 7.4059724768363e-07 \tabularnewline
137 & 0.999998519865658 & 2.9602686848403e-06 & 1.48013434242015e-06 \tabularnewline
138 & 0.99999872824974 & 2.54350051936023e-06 & 1.27175025968011e-06 \tabularnewline
139 & 0.999997478520102 & 5.04295979493376e-06 & 2.52147989746688e-06 \tabularnewline
140 & 0.999996083758745 & 7.83248251027385e-06 & 3.91624125513693e-06 \tabularnewline
141 & 0.999993019556436 & 1.39608871282583e-05 & 6.98044356412913e-06 \tabularnewline
142 & 0.99998806545469 & 2.38690906208563e-05 & 1.19345453104281e-05 \tabularnewline
143 & 0.999986986462472 & 2.60270750557366e-05 & 1.30135375278683e-05 \tabularnewline
144 & 0.999984427600125 & 3.11447997500722e-05 & 1.55723998750361e-05 \tabularnewline
145 & 0.999971704243494 & 5.65915130113381e-05 & 2.82957565056690e-05 \tabularnewline
146 & 0.99995678245865 & 8.6435082698033e-05 & 4.32175413490165e-05 \tabularnewline
147 & 0.999932678741304 & 0.000134642517391620 & 6.73212586958098e-05 \tabularnewline
148 & 0.999880892135052 & 0.000238215729896012 & 0.000119107864948006 \tabularnewline
149 & 0.999787840326742 & 0.000424319346516522 & 0.000212159673258261 \tabularnewline
150 & 0.999617514483744 & 0.000764971032512277 & 0.000382485516256139 \tabularnewline
151 & 0.9998493476378 & 0.000301304724399844 & 0.000150652362199922 \tabularnewline
152 & 0.999712455653383 & 0.000575088693233712 & 0.000287544346616856 \tabularnewline
153 & 0.999566514174841 & 0.000866971650318153 & 0.000433485825159076 \tabularnewline
154 & 0.99983241634741 & 0.000335167305178293 & 0.000167583652589146 \tabularnewline
155 & 0.999689038637253 & 0.000621922725493754 & 0.000310961362746877 \tabularnewline
156 & 0.999814007731925 & 0.000371984536149629 & 0.000185992268074815 \tabularnewline
157 & 0.999663750902131 & 0.000672498195737421 & 0.000336249097868710 \tabularnewline
158 & 0.999343456042388 & 0.00131308791522317 & 0.000656543957611584 \tabularnewline
159 & 0.999054436399257 & 0.00189112720148552 & 0.00094556360074276 \tabularnewline
160 & 0.998550854880576 & 0.00289829023884843 & 0.00144914511942421 \tabularnewline
161 & 0.998007267417462 & 0.00398546516507678 & 0.00199273258253839 \tabularnewline
162 & 0.997326909092548 & 0.00534618181490411 & 0.00267309090745206 \tabularnewline
163 & 0.994901009309242 & 0.0101979813815160 & 0.00509899069075801 \tabularnewline
164 & 0.996192979518869 & 0.00761404096226274 & 0.00380702048113137 \tabularnewline
165 & 0.996594747568937 & 0.00681050486212618 & 0.00340525243106309 \tabularnewline
166 & 0.993103232630802 & 0.0137935347383959 & 0.00689676736919795 \tabularnewline
167 & 0.988736804597005 & 0.0225263908059899 & 0.0112631954029950 \tabularnewline
168 & 0.997981314564407 & 0.00403737087118556 & 0.00201868543559278 \tabularnewline
169 & 0.99493405355624 & 0.0101318928875197 & 0.00506594644375987 \tabularnewline
170 & 0.987866899404494 & 0.0242662011910123 & 0.0121331005955062 \tabularnewline
171 & 0.973650040125043 & 0.0526999197499141 & 0.0263499598749570 \tabularnewline
172 & 0.97970639002528 & 0.0405872199494416 & 0.0202936099747208 \tabularnewline
173 & 0.957667775718366 & 0.0846644485632686 & 0.0423322242816343 \tabularnewline
174 & 0.90221805985498 & 0.195563880290040 & 0.0977819401450201 \tabularnewline
175 & 0.832347654021266 & 0.335304691957468 & 0.167652345978734 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=25748&T=5

[TABLE]
[ROW][C]Goldfeld-Quandt test for Heteroskedasticity[/C][/ROW]
[ROW][C]p-values[/C][C]Alternative Hypothesis[/C][/ROW]
[ROW][C]breakpoint index[/C][C]greater[/C][C]2-sided[/C][C]less[/C][/ROW]
[ROW][C]17[/C][C]0.322030228692462[/C][C]0.644060457384924[/C][C]0.677969771307538[/C][/ROW]
[ROW][C]18[/C][C]0.233521089095976[/C][C]0.467042178191951[/C][C]0.766478910904024[/C][/ROW]
[ROW][C]19[/C][C]0.180685578478596[/C][C]0.361371156957192[/C][C]0.819314421521404[/C][/ROW]
[ROW][C]20[/C][C]0.103668910667145[/C][C]0.20733782133429[/C][C]0.896331089332855[/C][/ROW]
[ROW][C]21[/C][C]0.0559425379303431[/C][C]0.111885075860686[/C][C]0.944057462069657[/C][/ROW]
[ROW][C]22[/C][C]0.0858421923707697[/C][C]0.171684384741539[/C][C]0.91415780762923[/C][/ROW]
[ROW][C]23[/C][C]0.0529852109086615[/C][C]0.105970421817323[/C][C]0.947014789091339[/C][/ROW]
[ROW][C]24[/C][C]0.0568500776210694[/C][C]0.113700155242139[/C][C]0.94314992237893[/C][/ROW]
[ROW][C]25[/C][C]0.0361192919437711[/C][C]0.0722385838875421[/C][C]0.963880708056229[/C][/ROW]
[ROW][C]26[/C][C]0.0705619735991453[/C][C]0.141123947198291[/C][C]0.929438026400855[/C][/ROW]
[ROW][C]27[/C][C]0.0627645154373543[/C][C]0.125529030874709[/C][C]0.937235484562646[/C][/ROW]
[ROW][C]28[/C][C]0.0411066720625137[/C][C]0.0822133441250274[/C][C]0.958893327937486[/C][/ROW]
[ROW][C]29[/C][C]0.0250035215624646[/C][C]0.0500070431249291[/C][C]0.974996478437535[/C][/ROW]
[ROW][C]30[/C][C]0.0151727741726881[/C][C]0.0303455483453762[/C][C]0.984827225827312[/C][/ROW]
[ROW][C]31[/C][C]0.0104862514564799[/C][C]0.0209725029129599[/C][C]0.98951374854352[/C][/ROW]
[ROW][C]32[/C][C]0.00613905385343069[/C][C]0.0122781077068614[/C][C]0.99386094614657[/C][/ROW]
[ROW][C]33[/C][C]0.0137448296526501[/C][C]0.0274896593053002[/C][C]0.98625517034735[/C][/ROW]
[ROW][C]34[/C][C]0.00828786248352515[/C][C]0.0165757249670503[/C][C]0.991712137516475[/C][/ROW]
[ROW][C]35[/C][C]0.0076610797581467[/C][C]0.0153221595162934[/C][C]0.992338920241853[/C][/ROW]
[ROW][C]36[/C][C]0.0240775981805477[/C][C]0.0481551963610954[/C][C]0.975922401819452[/C][/ROW]
[ROW][C]37[/C][C]0.0183341985231804[/C][C]0.0366683970463607[/C][C]0.98166580147682[/C][/ROW]
[ROW][C]38[/C][C]0.0134773358274822[/C][C]0.0269546716549644[/C][C]0.986522664172518[/C][/ROW]
[ROW][C]39[/C][C]0.00873515419297591[/C][C]0.0174703083859518[/C][C]0.991264845807024[/C][/ROW]
[ROW][C]40[/C][C]0.00872602488223482[/C][C]0.0174520497644696[/C][C]0.991273975117765[/C][/ROW]
[ROW][C]41[/C][C]0.0084452438516565[/C][C]0.016890487703313[/C][C]0.991554756148344[/C][/ROW]
[ROW][C]42[/C][C]0.00624949754960569[/C][C]0.0124989950992114[/C][C]0.993750502450394[/C][/ROW]
[ROW][C]43[/C][C]0.00463134067158486[/C][C]0.00926268134316971[/C][C]0.995368659328415[/C][/ROW]
[ROW][C]44[/C][C]0.0158597972505694[/C][C]0.0317195945011388[/C][C]0.98414020274943[/C][/ROW]
[ROW][C]45[/C][C]0.0112735094936919[/C][C]0.0225470189873838[/C][C]0.988726490506308[/C][/ROW]
[ROW][C]46[/C][C]0.00855656523871745[/C][C]0.0171131304774349[/C][C]0.991443434761283[/C][/ROW]
[ROW][C]47[/C][C]0.0068227105652[/C][C]0.0136454211304[/C][C]0.9931772894348[/C][/ROW]
[ROW][C]48[/C][C]0.0150233885425460[/C][C]0.0300467770850921[/C][C]0.984976611457454[/C][/ROW]
[ROW][C]49[/C][C]0.014269096850997[/C][C]0.028538193701994[/C][C]0.985730903149003[/C][/ROW]
[ROW][C]50[/C][C]0.0165337152909190[/C][C]0.0330674305818381[/C][C]0.983466284709081[/C][/ROW]
[ROW][C]51[/C][C]0.0293903804595[/C][C]0.058780760919[/C][C]0.9706096195405[/C][/ROW]
[ROW][C]52[/C][C]0.0566431079348126[/C][C]0.113286215869625[/C][C]0.943356892065187[/C][/ROW]
[ROW][C]53[/C][C]0.0646797195755593[/C][C]0.129359439151119[/C][C]0.93532028042444[/C][/ROW]
[ROW][C]54[/C][C]0.0614232832353613[/C][C]0.122846566470723[/C][C]0.938576716764639[/C][/ROW]
[ROW][C]55[/C][C]0.0744442413363021[/C][C]0.148888482672604[/C][C]0.925555758663698[/C][/ROW]
[ROW][C]56[/C][C]0.076168408832655[/C][C]0.15233681766531[/C][C]0.923831591167345[/C][/ROW]
[ROW][C]57[/C][C]0.126954883773627[/C][C]0.253909767547254[/C][C]0.873045116226373[/C][/ROW]
[ROW][C]58[/C][C]0.124807888963504[/C][C]0.249615777927009[/C][C]0.875192111036496[/C][/ROW]
[ROW][C]59[/C][C]0.308376883768383[/C][C]0.616753767536765[/C][C]0.691623116231618[/C][/ROW]
[ROW][C]60[/C][C]0.600261198643695[/C][C]0.79947760271261[/C][C]0.399738801356305[/C][/ROW]
[ROW][C]61[/C][C]0.910334589747148[/C][C]0.179330820505704[/C][C]0.0896654102528519[/C][/ROW]
[ROW][C]62[/C][C]0.965959462552248[/C][C]0.068081074895505[/C][C]0.0340405374477525[/C][/ROW]
[ROW][C]63[/C][C]0.977600611895407[/C][C]0.0447987762091856[/C][C]0.0223993881045928[/C][/ROW]
[ROW][C]64[/C][C]0.99021831861157[/C][C]0.0195633627768584[/C][C]0.00978168138842921[/C][/ROW]
[ROW][C]65[/C][C]0.99179563122538[/C][C]0.0164087375492423[/C][C]0.00820436877462113[/C][/ROW]
[ROW][C]66[/C][C]0.993423777299094[/C][C]0.0131524454018120[/C][C]0.00657622270090601[/C][/ROW]
[ROW][C]67[/C][C]0.994886609701406[/C][C]0.0102267805971886[/C][C]0.0051133902985943[/C][/ROW]
[ROW][C]68[/C][C]0.99651194023978[/C][C]0.00697611952044016[/C][C]0.00348805976022008[/C][/ROW]
[ROW][C]69[/C][C]0.998414652684767[/C][C]0.0031706946304664[/C][C]0.0015853473152332[/C][/ROW]
[ROW][C]70[/C][C]0.999071134211639[/C][C]0.00185773157672274[/C][C]0.00092886578836137[/C][/ROW]
[ROW][C]71[/C][C]0.999416962590062[/C][C]0.00116607481987586[/C][C]0.000583037409937929[/C][/ROW]
[ROW][C]72[/C][C]0.999768812638424[/C][C]0.000462374723151414[/C][C]0.000231187361575707[/C][/ROW]
[ROW][C]73[/C][C]0.999924720967145[/C][C]0.000150558065709018[/C][C]7.52790328545092e-05[/C][/ROW]
[ROW][C]74[/C][C]0.999979498380836[/C][C]4.100323832797e-05[/C][C]2.0501619163985e-05[/C][/ROW]
[ROW][C]75[/C][C]0.999974507346212[/C][C]5.09853075752223e-05[/C][C]2.54926537876112e-05[/C][/ROW]
[ROW][C]76[/C][C]0.999977925619194[/C][C]4.41487616115049e-05[/C][C]2.20743808057524e-05[/C][/ROW]
[ROW][C]77[/C][C]0.99998540892907[/C][C]2.91821418598767e-05[/C][C]1.45910709299383e-05[/C][/ROW]
[ROW][C]78[/C][C]0.999990593597316[/C][C]1.88128053673771e-05[/C][C]9.40640268368857e-06[/C][/ROW]
[ROW][C]79[/C][C]0.999996306595945[/C][C]7.38680811026777e-06[/C][C]3.69340405513389e-06[/C][/ROW]
[ROW][C]80[/C][C]0.999996657979902[/C][C]6.68404019588085e-06[/C][C]3.34202009794043e-06[/C][/ROW]
[ROW][C]81[/C][C]0.99999528105916[/C][C]9.43788167924907e-06[/C][C]4.71894083962453e-06[/C][/ROW]
[ROW][C]82[/C][C]0.999998977253885[/C][C]2.04549223090433e-06[/C][C]1.02274611545216e-06[/C][/ROW]
[ROW][C]83[/C][C]0.999999085005536[/C][C]1.82998892833481e-06[/C][C]9.14994464167405e-07[/C][/ROW]
[ROW][C]84[/C][C]0.999998765523392[/C][C]2.46895321580061e-06[/C][C]1.23447660790030e-06[/C][/ROW]
[ROW][C]85[/C][C]0.999999467393824[/C][C]1.06521235236867e-06[/C][C]5.32606176184337e-07[/C][/ROW]
[ROW][C]86[/C][C]0.999999578683299[/C][C]8.42633402778393e-07[/C][C]4.21316701389197e-07[/C][/ROW]
[ROW][C]87[/C][C]0.999999642786107[/C][C]7.14427786983761e-07[/C][C]3.57213893491880e-07[/C][/ROW]
[ROW][C]88[/C][C]0.99999943576287[/C][C]1.12847426032615e-06[/C][C]5.64237130163076e-07[/C][/ROW]
[ROW][C]89[/C][C]0.999999194783795[/C][C]1.61043241071844e-06[/C][C]8.05216205359219e-07[/C][/ROW]
[ROW][C]90[/C][C]0.999999623906002[/C][C]7.52187994909272e-07[/C][C]3.76093997454636e-07[/C][/ROW]
[ROW][C]91[/C][C]0.999999464039783[/C][C]1.07192043430264e-06[/C][C]5.3596021715132e-07[/C][/ROW]
[ROW][C]92[/C][C]0.999999913677236[/C][C]1.72645528621443e-07[/C][C]8.63227643107215e-08[/C][/ROW]
[ROW][C]93[/C][C]0.999999854172484[/C][C]2.91655031674888e-07[/C][C]1.45827515837444e-07[/C][/ROW]
[ROW][C]94[/C][C]0.999999776328289[/C][C]4.47343422178674e-07[/C][C]2.23671711089337e-07[/C][/ROW]
[ROW][C]95[/C][C]0.999999636590817[/C][C]7.26818366422688e-07[/C][C]3.63409183211344e-07[/C][/ROW]
[ROW][C]96[/C][C]0.99999970693279[/C][C]5.86134421328664e-07[/C][C]2.93067210664332e-07[/C][/ROW]
[ROW][C]97[/C][C]0.999999491285812[/C][C]1.01742837608735e-06[/C][C]5.08714188043675e-07[/C][/ROW]
[ROW][C]98[/C][C]0.99999926008028[/C][C]1.47983943967688e-06[/C][C]7.3991971983844e-07[/C][/ROW]
[ROW][C]99[/C][C]0.999999382524575[/C][C]1.23495085093429e-06[/C][C]6.17475425467145e-07[/C][/ROW]
[ROW][C]100[/C][C]0.999998974343516[/C][C]2.05131296810265e-06[/C][C]1.02565648405133e-06[/C][/ROW]
[ROW][C]101[/C][C]0.999999203744738[/C][C]1.59251052292049e-06[/C][C]7.96255261460247e-07[/C][/ROW]
[ROW][C]102[/C][C]0.999998598903705[/C][C]2.8021925908099e-06[/C][C]1.40109629540495e-06[/C][/ROW]
[ROW][C]103[/C][C]0.999997772655703[/C][C]4.45468859316504e-06[/C][C]2.22734429658252e-06[/C][/ROW]
[ROW][C]104[/C][C]0.999996232631749[/C][C]7.5347365024918e-06[/C][C]3.7673682512459e-06[/C][/ROW]
[ROW][C]105[/C][C]0.99999712761163[/C][C]5.74477673973872e-06[/C][C]2.87238836986936e-06[/C][/ROW]
[ROW][C]106[/C][C]0.999997517421597[/C][C]4.96515680639093e-06[/C][C]2.48257840319547e-06[/C][/ROW]
[ROW][C]107[/C][C]0.99999570381422[/C][C]8.59237155936023e-06[/C][C]4.29618577968012e-06[/C][/ROW]
[ROW][C]108[/C][C]0.999994940371873[/C][C]1.01192562541705e-05[/C][C]5.05962812708527e-06[/C][/ROW]
[ROW][C]109[/C][C]0.999999305941645[/C][C]1.38811671063981e-06[/C][C]6.94058355319906e-07[/C][/ROW]
[ROW][C]110[/C][C]0.999998758825777[/C][C]2.48234844669864e-06[/C][C]1.24117422334932e-06[/C][/ROW]
[ROW][C]111[/C][C]0.999997910672756[/C][C]4.17865448729335e-06[/C][C]2.08932724364668e-06[/C][/ROW]
[ROW][C]112[/C][C]0.999996402401208[/C][C]7.19519758351085e-06[/C][C]3.59759879175543e-06[/C][/ROW]
[ROW][C]113[/C][C]0.999995631727094[/C][C]8.73654581208899e-06[/C][C]4.36827290604449e-06[/C][/ROW]
[ROW][C]114[/C][C]0.999994964125658[/C][C]1.00717486844338e-05[/C][C]5.03587434221692e-06[/C][/ROW]
[ROW][C]115[/C][C]0.999993790198578[/C][C]1.24196028448702e-05[/C][C]6.20980142243508e-06[/C][/ROW]
[ROW][C]116[/C][C]0.99999009432476[/C][C]1.98113504793609e-05[/C][C]9.90567523968047e-06[/C][/ROW]
[ROW][C]117[/C][C]0.999983601657935[/C][C]3.27966841308944e-05[/C][C]1.63983420654472e-05[/C][/ROW]
[ROW][C]118[/C][C]0.99998507251945[/C][C]2.98549610993064e-05[/C][C]1.49274805496532e-05[/C][/ROW]
[ROW][C]119[/C][C]0.999980317274865[/C][C]3.93654502706745e-05[/C][C]1.96827251353372e-05[/C][/ROW]
[ROW][C]120[/C][C]0.999993815544503[/C][C]1.23689109940820e-05[/C][C]6.18445549704102e-06[/C][/ROW]
[ROW][C]121[/C][C]0.99999822856601[/C][C]3.54286798047977e-06[/C][C]1.77143399023989e-06[/C][/ROW]
[ROW][C]122[/C][C]0.999996906165854[/C][C]6.1876682928923e-06[/C][C]3.09383414644615e-06[/C][/ROW]
[ROW][C]123[/C][C]0.99999940520766[/C][C]1.18958468107428e-06[/C][C]5.94792340537142e-07[/C][/ROW]
[ROW][C]124[/C][C]0.99999911963438[/C][C]1.76073123977003e-06[/C][C]8.80365619885017e-07[/C][/ROW]
[ROW][C]125[/C][C]0.999998561347942[/C][C]2.87730411688845e-06[/C][C]1.43865205844423e-06[/C][/ROW]
[ROW][C]126[/C][C]0.999997360211226[/C][C]5.27957754712046e-06[/C][C]2.63978877356023e-06[/C][/ROW]
[ROW][C]127[/C][C]0.999996029041555[/C][C]7.94191688977771e-06[/C][C]3.97095844488886e-06[/C][/ROW]
[ROW][C]128[/C][C]0.999992948839715[/C][C]1.41023205709067e-05[/C][C]7.05116028545335e-06[/C][/ROW]
[ROW][C]129[/C][C]0.999987450141313[/C][C]2.50997173744961e-05[/C][C]1.25498586872481e-05[/C][/ROW]
[ROW][C]130[/C][C]0.999990330151757[/C][C]1.93396964858222e-05[/C][C]9.66984824291112e-06[/C][/ROW]
[ROW][C]131[/C][C]0.999991466215091[/C][C]1.70675698175420e-05[/C][C]8.53378490877098e-06[/C][/ROW]
[ROW][C]132[/C][C]0.999999670586947[/C][C]6.58826104949665e-07[/C][C]3.29413052474832e-07[/C][/ROW]
[ROW][C]133[/C][C]0.999999907694007[/C][C]1.84611986309583e-07[/C][C]9.23059931547913e-08[/C][/ROW]
[ROW][C]134[/C][C]0.999999811287687[/C][C]3.77424626322019e-07[/C][C]1.88712313161010e-07[/C][/ROW]
[ROW][C]135[/C][C]0.999999639824343[/C][C]7.20351314320861e-07[/C][C]3.60175657160431e-07[/C][/ROW]
[ROW][C]136[/C][C]0.999999259402752[/C][C]1.48119449536726e-06[/C][C]7.4059724768363e-07[/C][/ROW]
[ROW][C]137[/C][C]0.999998519865658[/C][C]2.9602686848403e-06[/C][C]1.48013434242015e-06[/C][/ROW]
[ROW][C]138[/C][C]0.99999872824974[/C][C]2.54350051936023e-06[/C][C]1.27175025968011e-06[/C][/ROW]
[ROW][C]139[/C][C]0.999997478520102[/C][C]5.04295979493376e-06[/C][C]2.52147989746688e-06[/C][/ROW]
[ROW][C]140[/C][C]0.999996083758745[/C][C]7.83248251027385e-06[/C][C]3.91624125513693e-06[/C][/ROW]
[ROW][C]141[/C][C]0.999993019556436[/C][C]1.39608871282583e-05[/C][C]6.98044356412913e-06[/C][/ROW]
[ROW][C]142[/C][C]0.99998806545469[/C][C]2.38690906208563e-05[/C][C]1.19345453104281e-05[/C][/ROW]
[ROW][C]143[/C][C]0.999986986462472[/C][C]2.60270750557366e-05[/C][C]1.30135375278683e-05[/C][/ROW]
[ROW][C]144[/C][C]0.999984427600125[/C][C]3.11447997500722e-05[/C][C]1.55723998750361e-05[/C][/ROW]
[ROW][C]145[/C][C]0.999971704243494[/C][C]5.65915130113381e-05[/C][C]2.82957565056690e-05[/C][/ROW]
[ROW][C]146[/C][C]0.99995678245865[/C][C]8.6435082698033e-05[/C][C]4.32175413490165e-05[/C][/ROW]
[ROW][C]147[/C][C]0.999932678741304[/C][C]0.000134642517391620[/C][C]6.73212586958098e-05[/C][/ROW]
[ROW][C]148[/C][C]0.999880892135052[/C][C]0.000238215729896012[/C][C]0.000119107864948006[/C][/ROW]
[ROW][C]149[/C][C]0.999787840326742[/C][C]0.000424319346516522[/C][C]0.000212159673258261[/C][/ROW]
[ROW][C]150[/C][C]0.999617514483744[/C][C]0.000764971032512277[/C][C]0.000382485516256139[/C][/ROW]
[ROW][C]151[/C][C]0.9998493476378[/C][C]0.000301304724399844[/C][C]0.000150652362199922[/C][/ROW]
[ROW][C]152[/C][C]0.999712455653383[/C][C]0.000575088693233712[/C][C]0.000287544346616856[/C][/ROW]
[ROW][C]153[/C][C]0.999566514174841[/C][C]0.000866971650318153[/C][C]0.000433485825159076[/C][/ROW]
[ROW][C]154[/C][C]0.99983241634741[/C][C]0.000335167305178293[/C][C]0.000167583652589146[/C][/ROW]
[ROW][C]155[/C][C]0.999689038637253[/C][C]0.000621922725493754[/C][C]0.000310961362746877[/C][/ROW]
[ROW][C]156[/C][C]0.999814007731925[/C][C]0.000371984536149629[/C][C]0.000185992268074815[/C][/ROW]
[ROW][C]157[/C][C]0.999663750902131[/C][C]0.000672498195737421[/C][C]0.000336249097868710[/C][/ROW]
[ROW][C]158[/C][C]0.999343456042388[/C][C]0.00131308791522317[/C][C]0.000656543957611584[/C][/ROW]
[ROW][C]159[/C][C]0.999054436399257[/C][C]0.00189112720148552[/C][C]0.00094556360074276[/C][/ROW]
[ROW][C]160[/C][C]0.998550854880576[/C][C]0.00289829023884843[/C][C]0.00144914511942421[/C][/ROW]
[ROW][C]161[/C][C]0.998007267417462[/C][C]0.00398546516507678[/C][C]0.00199273258253839[/C][/ROW]
[ROW][C]162[/C][C]0.997326909092548[/C][C]0.00534618181490411[/C][C]0.00267309090745206[/C][/ROW]
[ROW][C]163[/C][C]0.994901009309242[/C][C]0.0101979813815160[/C][C]0.00509899069075801[/C][/ROW]
[ROW][C]164[/C][C]0.996192979518869[/C][C]0.00761404096226274[/C][C]0.00380702048113137[/C][/ROW]
[ROW][C]165[/C][C]0.996594747568937[/C][C]0.00681050486212618[/C][C]0.00340525243106309[/C][/ROW]
[ROW][C]166[/C][C]0.993103232630802[/C][C]0.0137935347383959[/C][C]0.00689676736919795[/C][/ROW]
[ROW][C]167[/C][C]0.988736804597005[/C][C]0.0225263908059899[/C][C]0.0112631954029950[/C][/ROW]
[ROW][C]168[/C][C]0.997981314564407[/C][C]0.00403737087118556[/C][C]0.00201868543559278[/C][/ROW]
[ROW][C]169[/C][C]0.99493405355624[/C][C]0.0101318928875197[/C][C]0.00506594644375987[/C][/ROW]
[ROW][C]170[/C][C]0.987866899404494[/C][C]0.0242662011910123[/C][C]0.0121331005955062[/C][/ROW]
[ROW][C]171[/C][C]0.973650040125043[/C][C]0.0526999197499141[/C][C]0.0263499598749570[/C][/ROW]
[ROW][C]172[/C][C]0.97970639002528[/C][C]0.0405872199494416[/C][C]0.0202936099747208[/C][/ROW]
[ROW][C]173[/C][C]0.957667775718366[/C][C]0.0846644485632686[/C][C]0.0423322242816343[/C][/ROW]
[ROW][C]174[/C][C]0.90221805985498[/C][C]0.195563880290040[/C][C]0.0977819401450201[/C][/ROW]
[ROW][C]175[/C][C]0.832347654021266[/C][C]0.335304691957468[/C][C]0.167652345978734[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=25748&T=5

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=25748&T=5

As an alternative you can also use a QR Code:

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

Goldfeld-Quandt test for Heteroskedasticity
p-values	Alternative Hypothesis
breakpoint index	greater	2-sided	less
17	0.322030228692462	0.644060457384924	0.677969771307538
18	0.233521089095976	0.467042178191951	0.766478910904024
19	0.180685578478596	0.361371156957192	0.819314421521404
20	0.103668910667145	0.20733782133429	0.896331089332855
21	0.0559425379303431	0.111885075860686	0.944057462069657
22	0.0858421923707697	0.171684384741539	0.91415780762923
23	0.0529852109086615	0.105970421817323	0.947014789091339
24	0.0568500776210694	0.113700155242139	0.94314992237893
25	0.0361192919437711	0.0722385838875421	0.963880708056229
26	0.0705619735991453	0.141123947198291	0.929438026400855
27	0.0627645154373543	0.125529030874709	0.937235484562646
28	0.0411066720625137	0.0822133441250274	0.958893327937486
29	0.0250035215624646	0.0500070431249291	0.974996478437535
30	0.0151727741726881	0.0303455483453762	0.984827225827312
31	0.0104862514564799	0.0209725029129599	0.98951374854352
32	0.00613905385343069	0.0122781077068614	0.99386094614657
33	0.0137448296526501	0.0274896593053002	0.98625517034735
34	0.00828786248352515	0.0165757249670503	0.991712137516475
35	0.0076610797581467	0.0153221595162934	0.992338920241853
36	0.0240775981805477	0.0481551963610954	0.975922401819452
37	0.0183341985231804	0.0366683970463607	0.98166580147682
38	0.0134773358274822	0.0269546716549644	0.986522664172518
39	0.00873515419297591	0.0174703083859518	0.991264845807024
40	0.00872602488223482	0.0174520497644696	0.991273975117765
41	0.0084452438516565	0.016890487703313	0.991554756148344
42	0.00624949754960569	0.0124989950992114	0.993750502450394
43	0.00463134067158486	0.00926268134316971	0.995368659328415
44	0.0158597972505694	0.0317195945011388	0.98414020274943
45	0.0112735094936919	0.0225470189873838	0.988726490506308
46	0.00855656523871745	0.0171131304774349	0.991443434761283
47	0.0068227105652	0.0136454211304	0.9931772894348
48	0.0150233885425460	0.0300467770850921	0.984976611457454
49	0.014269096850997	0.028538193701994	0.985730903149003
50	0.0165337152909190	0.0330674305818381	0.983466284709081
51	0.0293903804595	0.058780760919	0.9706096195405
52	0.0566431079348126	0.113286215869625	0.943356892065187
53	0.0646797195755593	0.129359439151119	0.93532028042444
54	0.0614232832353613	0.122846566470723	0.938576716764639
55	0.0744442413363021	0.148888482672604	0.925555758663698
56	0.076168408832655	0.15233681766531	0.923831591167345
57	0.126954883773627	0.253909767547254	0.873045116226373
58	0.124807888963504	0.249615777927009	0.875192111036496
59	0.308376883768383	0.616753767536765	0.691623116231618
60	0.600261198643695	0.79947760271261	0.399738801356305
61	0.910334589747148	0.179330820505704	0.0896654102528519
62	0.965959462552248	0.068081074895505	0.0340405374477525
63	0.977600611895407	0.0447987762091856	0.0223993881045928
64	0.99021831861157	0.0195633627768584	0.00978168138842921
65	0.99179563122538	0.0164087375492423	0.00820436877462113
66	0.993423777299094	0.0131524454018120	0.00657622270090601
67	0.994886609701406	0.0102267805971886	0.0051133902985943
68	0.99651194023978	0.00697611952044016	0.00348805976022008
69	0.998414652684767	0.0031706946304664	0.0015853473152332
70	0.999071134211639	0.00185773157672274	0.00092886578836137
71	0.999416962590062	0.00116607481987586	0.000583037409937929
72	0.999768812638424	0.000462374723151414	0.000231187361575707
73	0.999924720967145	0.000150558065709018	7.52790328545092e-05
74	0.999979498380836	4.100323832797e-05	2.0501619163985e-05
75	0.999974507346212	5.09853075752223e-05	2.54926537876112e-05
76	0.999977925619194	4.41487616115049e-05	2.20743808057524e-05
77	0.99998540892907	2.91821418598767e-05	1.45910709299383e-05
78	0.999990593597316	1.88128053673771e-05	9.40640268368857e-06
79	0.999996306595945	7.38680811026777e-06	3.69340405513389e-06
80	0.999996657979902	6.68404019588085e-06	3.34202009794043e-06
81	0.99999528105916	9.43788167924907e-06	4.71894083962453e-06
82	0.999998977253885	2.04549223090433e-06	1.02274611545216e-06
83	0.999999085005536	1.82998892833481e-06	9.14994464167405e-07
84	0.999998765523392	2.46895321580061e-06	1.23447660790030e-06
85	0.999999467393824	1.06521235236867e-06	5.32606176184337e-07
86	0.999999578683299	8.42633402778393e-07	4.21316701389197e-07
87	0.999999642786107	7.14427786983761e-07	3.57213893491880e-07
88	0.99999943576287	1.12847426032615e-06	5.64237130163076e-07
89	0.999999194783795	1.61043241071844e-06	8.05216205359219e-07
90	0.999999623906002	7.52187994909272e-07	3.76093997454636e-07
91	0.999999464039783	1.07192043430264e-06	5.3596021715132e-07
92	0.999999913677236	1.72645528621443e-07	8.63227643107215e-08
93	0.999999854172484	2.91655031674888e-07	1.45827515837444e-07
94	0.999999776328289	4.47343422178674e-07	2.23671711089337e-07
95	0.999999636590817	7.26818366422688e-07	3.63409183211344e-07
96	0.99999970693279	5.86134421328664e-07	2.93067210664332e-07
97	0.999999491285812	1.01742837608735e-06	5.08714188043675e-07
98	0.99999926008028	1.47983943967688e-06	7.3991971983844e-07
99	0.999999382524575	1.23495085093429e-06	6.17475425467145e-07
100	0.999998974343516	2.05131296810265e-06	1.02565648405133e-06
101	0.999999203744738	1.59251052292049e-06	7.96255261460247e-07
102	0.999998598903705	2.8021925908099e-06	1.40109629540495e-06
103	0.999997772655703	4.45468859316504e-06	2.22734429658252e-06
104	0.999996232631749	7.5347365024918e-06	3.7673682512459e-06
105	0.99999712761163	5.74477673973872e-06	2.87238836986936e-06
106	0.999997517421597	4.96515680639093e-06	2.48257840319547e-06
107	0.99999570381422	8.59237155936023e-06	4.29618577968012e-06
108	0.999994940371873	1.01192562541705e-05	5.05962812708527e-06
109	0.999999305941645	1.38811671063981e-06	6.94058355319906e-07
110	0.999998758825777	2.48234844669864e-06	1.24117422334932e-06
111	0.999997910672756	4.17865448729335e-06	2.08932724364668e-06
112	0.999996402401208	7.19519758351085e-06	3.59759879175543e-06
113	0.999995631727094	8.73654581208899e-06	4.36827290604449e-06
114	0.999994964125658	1.00717486844338e-05	5.03587434221692e-06
115	0.999993790198578	1.24196028448702e-05	6.20980142243508e-06
116	0.99999009432476	1.98113504793609e-05	9.90567523968047e-06
117	0.999983601657935	3.27966841308944e-05	1.63983420654472e-05
118	0.99998507251945	2.98549610993064e-05	1.49274805496532e-05
119	0.999980317274865	3.93654502706745e-05	1.96827251353372e-05
120	0.999993815544503	1.23689109940820e-05	6.18445549704102e-06
121	0.99999822856601	3.54286798047977e-06	1.77143399023989e-06
122	0.999996906165854	6.1876682928923e-06	3.09383414644615e-06
123	0.99999940520766	1.18958468107428e-06	5.94792340537142e-07
124	0.99999911963438	1.76073123977003e-06	8.80365619885017e-07
125	0.999998561347942	2.87730411688845e-06	1.43865205844423e-06
126	0.999997360211226	5.27957754712046e-06	2.63978877356023e-06
127	0.999996029041555	7.94191688977771e-06	3.97095844488886e-06
128	0.999992948839715	1.41023205709067e-05	7.05116028545335e-06
129	0.999987450141313	2.50997173744961e-05	1.25498586872481e-05
130	0.999990330151757	1.93396964858222e-05	9.66984824291112e-06
131	0.999991466215091	1.70675698175420e-05	8.53378490877098e-06
132	0.999999670586947	6.58826104949665e-07	3.29413052474832e-07
133	0.999999907694007	1.84611986309583e-07	9.23059931547913e-08
134	0.999999811287687	3.77424626322019e-07	1.88712313161010e-07
135	0.999999639824343	7.20351314320861e-07	3.60175657160431e-07
136	0.999999259402752	1.48119449536726e-06	7.4059724768363e-07
137	0.999998519865658	2.9602686848403e-06	1.48013434242015e-06
138	0.99999872824974	2.54350051936023e-06	1.27175025968011e-06
139	0.999997478520102	5.04295979493376e-06	2.52147989746688e-06
140	0.999996083758745	7.83248251027385e-06	3.91624125513693e-06
141	0.999993019556436	1.39608871282583e-05	6.98044356412913e-06
142	0.99998806545469	2.38690906208563e-05	1.19345453104281e-05
143	0.999986986462472	2.60270750557366e-05	1.30135375278683e-05
144	0.999984427600125	3.11447997500722e-05	1.55723998750361e-05
145	0.999971704243494	5.65915130113381e-05	2.82957565056690e-05
146	0.99995678245865	8.6435082698033e-05	4.32175413490165e-05
147	0.999932678741304	0.000134642517391620	6.73212586958098e-05
148	0.999880892135052	0.000238215729896012	0.000119107864948006
149	0.999787840326742	0.000424319346516522	0.000212159673258261
150	0.999617514483744	0.000764971032512277	0.000382485516256139
151	0.9998493476378	0.000301304724399844	0.000150652362199922
152	0.999712455653383	0.000575088693233712	0.000287544346616856
153	0.999566514174841	0.000866971650318153	0.000433485825159076
154	0.99983241634741	0.000335167305178293	0.000167583652589146
155	0.999689038637253	0.000621922725493754	0.000310961362746877
156	0.999814007731925	0.000371984536149629	0.000185992268074815
157	0.999663750902131	0.000672498195737421	0.000336249097868710
158	0.999343456042388	0.00131308791522317	0.000656543957611584
159	0.999054436399257	0.00189112720148552	0.00094556360074276
160	0.998550854880576	0.00289829023884843	0.00144914511942421
161	0.998007267417462	0.00398546516507678	0.00199273258253839
162	0.997326909092548	0.00534618181490411	0.00267309090745206
163	0.994901009309242	0.0101979813815160	0.00509899069075801
164	0.996192979518869	0.00761404096226274	0.00380702048113137
165	0.996594747568937	0.00681050486212618	0.00340525243106309
166	0.993103232630802	0.0137935347383959	0.00689676736919795
167	0.988736804597005	0.0225263908059899	0.0112631954029950
168	0.997981314564407	0.00403737087118556	0.00201868543559278
169	0.99493405355624	0.0101318928875197	0.00506594644375987
170	0.987866899404494	0.0242662011910123	0.0121331005955062
171	0.973650040125043	0.0526999197499141	0.0263499598749570
172	0.97970639002528	0.0405872199494416	0.0202936099747208
173	0.957667775718366	0.0846644485632686	0.0423322242816343
174	0.90221805985498	0.195563880290040	0.0977819401450201
175	0.832347654021266	0.335304691957468	0.167652345978734

Meta Analysis of Goldfeld-Quandt test for Heteroskedasticity
Description	# significant tests	% significant tests	OK/NOK
1% type I error level	99	0.622641509433962	NOK
5% type I error level	130	0.817610062893082	NOK
10% type I error level	137	0.861635220125786	NOK

\begin{tabular}{lllllllll}
\hline
Meta Analysis of Goldfeld-Quandt test for Heteroskedasticity \tabularnewline
Description & # significant tests & % significant tests & OK/NOK \tabularnewline
1% type I error level & 99 & 0.622641509433962 & NOK \tabularnewline
5% type I error level & 130 & 0.817610062893082 & NOK \tabularnewline
10% type I error level & 137 & 0.861635220125786 & NOK \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=25748&T=6

[TABLE]
[ROW][C]Meta Analysis of Goldfeld-Quandt test for Heteroskedasticity[/C][/ROW]
[ROW][C]Description[/C][C]# significant tests[/C][C]% significant tests[/C][C]OK/NOK[/C][/ROW]
[ROW][C]1% type I error level[/C][C]99[/C][C]0.622641509433962[/C][C]NOK[/C][/ROW]
[ROW][C]5% type I error level[/C][C]130[/C][C]0.817610062893082[/C][C]NOK[/C][/ROW]
[ROW][C]10% type I error level[/C][C]137[/C][C]0.861635220125786[/C][C]NOK[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=25748&T=6

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=25748&T=6

As an alternative you can also use a QR Code:

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

Meta Analysis of Goldfeld-Quandt test for Heteroskedasticity
Description	# significant tests	% significant tests	OK/NOK
1% type I error level	99	0.622641509433962	NOK
5% type I error level	130	0.817610062893082	NOK
10% type I error level	137	0.861635220125786	NOK

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

Figure 10

PNG link

Postscript link

PDF link

Parameters (Session):

par1 = 1 ; par2 = Include Monthly Dummies ; par3 = Linear Trend ;

Parameters (R input):

par1 = 1 ; par2 = Include Monthly Dummies ; par3 = Linear Trend ;

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

library(lattice)
library(lmtest)
n25 <- 25 #minimum number of obs. for Goldfeld-Quandt test
par1 <- as.numeric(par1)
x <- t(y)
k <- length(x[1,])
n <- length(x[,1])
x1 <- cbind(x[,par1], x[,1:k!=par1])
mycolnames <- c(colnames(x)[par1], colnames(x)[1:k!=par1])
colnames(x1) <- mycolnames #colnames(x)[par1]
x <- x1
if (par3 == 'First Differences'){
x2 <- array(0, dim=c(n-1,k), dimnames=list(1:(n-1), paste('(1-B)',colnames(x),sep='')))
for (i in 1:n-1) {
for (j in 1:k) {
x2[i,j] <- x[i+1,j] - x[i,j]
}
}
x <- x2
}
if (par2 == 'Include Monthly Dummies'){
x2 <- array(0, dim=c(n,11), dimnames=list(1:n, paste('M', seq(1:11), sep ='')))
for (i in 1:11){
x2[seq(i,n,12),i] <- 1
}
x <- cbind(x, x2)
}
if (par2 == 'Include Quarterly Dummies'){
x2 <- array(0, dim=c(n,3), dimnames=list(1:n, paste('Q', seq(1:3), sep ='')))
for (i in 1:3){
x2[seq(i,n,4),i] <- 1
}
x <- cbind(x, x2)
}
k <- length(x[1,])
if (par3 == 'Linear Trend'){
x <- cbind(x, c(1:n))
colnames(x)[k+1] <- 't'
}
x
k <- length(x[1,])
df <- as.data.frame(x)
(mylm <- lm(df))
(mysum <- summary(mylm))
if (n > n25) {
kp3 <- k + 3
nmkm3 <- n - k - 3
gqarr <- array(NA, dim=c(nmkm3-kp3+1,3))
numgqtests <- 0
numsignificant1 <- 0
numsignificant5 <- 0
numsignificant10 <- 0
for (mypoint in kp3:nmkm3) {
j <- 0
numgqtests <- numgqtests + 1
for (myalt in c('greater', 'two.sided', 'less')) {
j <- j + 1
gqarr[mypoint-kp3+1,j] <- gqtest(mylm, point=mypoint, alternative=myalt)$p.value
}
if (gqarr[mypoint-kp3+1,2] < 0.01) numsignificant1 <- numsignificant1 + 1
if (gqarr[mypoint-kp3+1,2] < 0.05) numsignificant5 <- numsignificant5 + 1
if (gqarr[mypoint-kp3+1,2] < 0.10) numsignificant10 <- numsignificant10 + 1
}
gqarr
}
bitmap(file='test0.png')
plot(x[,1], type='l', main='Actuals and Interpolation', ylab='value of Actuals and Interpolation (dots)', xlab='time or index')
points(x[,1]-mysum$resid)
grid()
dev.off()
bitmap(file='test1.png')
plot(mysum$resid, type='b', pch=19, main='Residuals', ylab='value of Residuals', xlab='time or index')
grid()
dev.off()
bitmap(file='test2.png')
hist(mysum$resid, main='Residual Histogram', xlab='values of Residuals')
grid()
dev.off()
bitmap(file='test3.png')
densityplot(~mysum$resid,col='black',main='Residual Density Plot', xlab='values of Residuals')
dev.off()
bitmap(file='test4.png')
qqnorm(mysum$resid, main='Residual Normal Q-Q Plot')
qqline(mysum$resid)
grid()
dev.off()
(myerror <- as.ts(mysum$resid))
bitmap(file='test5.png')
dum <- cbind(lag(myerror,k=1),myerror)
dum
dum1 <- dum[2:length(myerror),]
dum1
z <- as.data.frame(dum1)
z
plot(z,main=paste('Residual Lag plot, lowess, and regression line'), ylab='values of Residuals', xlab='lagged values of Residuals')
lines(lowess(z))
abline(lm(z))
grid()
dev.off()
bitmap(file='test6.png')
acf(mysum$resid, lag.max=length(mysum$resid)/2, main='Residual Autocorrelation Function')
grid()
dev.off()
bitmap(file='test7.png')
pacf(mysum$resid, lag.max=length(mysum$resid)/2, main='Residual Partial Autocorrelation Function')
grid()
dev.off()
bitmap(file='test8.png')
opar <- par(mfrow = c(2,2), oma = c(0, 0, 1.1, 0))
plot(mylm, las = 1, sub='Residual Diagnostics')
par(opar)
dev.off()
if (n > n25) {
bitmap(file='test9.png')
plot(kp3:nmkm3,gqarr[,2], main='Goldfeld-Quandt test',ylab='2-sided p-value',xlab='breakpoint')
grid()
dev.off()
}
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a, 'Multiple Linear Regression - Estimated Regression Equation', 1, TRUE)
a<-table.row.end(a)
myeq <- colnames(x)[1]
myeq <- paste(myeq, '[t] = ', sep='')
for (i in 1:k){
if (mysum$coefficients[i,1] > 0) myeq <- paste(myeq, '+', '')
myeq <- paste(myeq, mysum$coefficients[i,1], sep=' ')
if (rownames(mysum$coefficients)[i] != '(Intercept)') {
myeq <- paste(myeq, rownames(mysum$coefficients)[i], sep='')
if (rownames(mysum$coefficients)[i] != 't') myeq <- paste(myeq, '[t]', sep='')
}
}
myeq <- paste(myeq, ' + e[t]')
a<-table.row.start(a)
a<-table.element(a, myeq)
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable1.tab')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,hyperlink('ols1.htm','Multiple Linear Regression - Ordinary Least Squares',''), 6, TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Variable',header=TRUE)
a<-table.element(a,'Parameter',header=TRUE)
a<-table.element(a,'S.D.',header=TRUE)
a<-table.element(a,'T-STAT
H0: parameter = 0',header=TRUE)
a<-table.element(a,'2-tail p-value',header=TRUE)
a<-table.element(a,'1-tail p-value',header=TRUE)
a<-table.row.end(a)
for (i in 1:k){
a<-table.row.start(a)
a<-table.element(a,rownames(mysum$coefficients)[i],header=TRUE)
a<-table.element(a,mysum$coefficients[i,1])
a<-table.element(a, round(mysum$coefficients[i,2],6))
a<-table.element(a, round(mysum$coefficients[i,3],4))
a<-table.element(a, round(mysum$coefficients[i,4],6))
a<-table.element(a, round(mysum$coefficients[i,4]/2,6))
a<-table.row.end(a)
}
a<-table.end(a)
table.save(a,file='mytable2.tab')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a, 'Multiple Linear Regression - Regression Statistics', 2, TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'Multiple R',1,TRUE)
a<-table.element(a, sqrt(mysum$r.squared))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'R-squared',1,TRUE)
a<-table.element(a, mysum$r.squared)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'Adjusted R-squared',1,TRUE)
a<-table.element(a, mysum$adj.r.squared)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'F-TEST (value)',1,TRUE)
a<-table.element(a, mysum$fstatistic[1])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'F-TEST (DF numerator)',1,TRUE)
a<-table.element(a, mysum$fstatistic[2])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'F-TEST (DF denominator)',1,TRUE)
a<-table.element(a, mysum$fstatistic[3])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'p-value',1,TRUE)
a<-table.element(a, 1-pf(mysum$fstatistic[1],mysum$fstatistic[2],mysum$fstatistic[3]))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'Multiple Linear Regression - Residual Statistics', 2, TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'Residual Standard Deviation',1,TRUE)
a<-table.element(a, mysum$sigma)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'Sum Squared Residuals',1,TRUE)
a<-table.element(a, sum(myerror*myerror))
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable3.tab')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a, 'Multiple Linear Regression - Actuals, Interpolation, and Residuals', 4, TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, 'Time or Index', 1, TRUE)
a<-table.element(a, 'Actuals', 1, TRUE)
a<-table.element(a, 'Interpolation
Forecast', 1, TRUE)
a<-table.element(a, 'Residuals
Prediction Error', 1, TRUE)
a<-table.row.end(a)
for (i in 1:n) {
a<-table.row.start(a)
a<-table.element(a,i, 1, TRUE)
a<-table.element(a,x[i])
a<-table.element(a,x[i]-mysum$resid[i])
a<-table.element(a,mysum$resid[i])
a<-table.row.end(a)
}
a<-table.end(a)
table.save(a,file='mytable4.tab')
if (n > n25) {
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Goldfeld-Quandt test for Heteroskedasticity',4,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'p-values',header=TRUE)
a<-table.element(a,'Alternative Hypothesis',3,header=TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'breakpoint index',header=TRUE)
a<-table.element(a,'greater',header=TRUE)
a<-table.element(a,'2-sided',header=TRUE)
a<-table.element(a,'less',header=TRUE)
a<-table.row.end(a)
for (mypoint in kp3:nmkm3) {
a<-table.row.start(a)
a<-table.element(a,mypoint,header=TRUE)
a<-table.element(a,gqarr[mypoint-kp3+1,1])
a<-table.element(a,gqarr[mypoint-kp3+1,2])
a<-table.element(a,gqarr[mypoint-kp3+1,3])
a<-table.row.end(a)
}
a<-table.end(a)
table.save(a,file='mytable5.tab')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Meta Analysis of Goldfeld-Quandt test for Heteroskedasticity',4,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Description',header=TRUE)
a<-table.element(a,'# significant tests',header=TRUE)
a<-table.element(a,'% significant tests',header=TRUE)
a<-table.element(a,'OK/NOK',header=TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'1% type I error level',header=TRUE)
a<-table.element(a,numsignificant1)
a<-table.element(a,numsignificant1/numgqtests)
if (numsignificant1/numgqtests < 0.01) dum <- 'OK' else dum <- 'NOK'
a<-table.element(a,dum)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'5% type I error level',header=TRUE)
a<-table.element(a,numsignificant5)
a<-table.element(a,numsignificant5/numgqtests)
if (numsignificant5/numgqtests < 0.05) dum <- 'OK' else dum <- 'NOK'
a<-table.element(a,dum)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'10% type I error level',header=TRUE)
a<-table.element(a,numsignificant10)
a<-table.element(a,numsignificant10/numgqtests)
if (numsignificant10/numgqtests < 0.1) dum <- 'OK' else dum <- 'NOK'
a<-table.element(a,dum)
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable6.tab')
}

Free Statistics

Description of Statistical Computation

Tree of Dependent Computations

Dataset

Tables (Output of Computation)

Figures (Output of Computation)

Input Parameters & R Code