Send output to:
Browser Blue - Charts White
Browser Black/White
CSV
Data X:
NA NA NA NA NA NA NA 57 62 4 8 8 22 139 NA NA NA NA NA NA NA 67 71 4 16 13 18 158 43 54 4 14 11 23 128 52 65 9 13 10 12 224 NA NA NA NA NA NA NA 43 52 11 13 10 22 105 84 84 4 20 15 21 159 67 42 4 17 12 19 167 49 66 6 15 12 22 165 70 65 4 16 10 15 159 52 78 8 12 10 20 119 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 43 66 4 16 14 20 163 NA NA NA NA NA NA NA 56 61 6 13 8 21 137 NA NA NA NA NA NA NA 65 71 4 19 15 16 153 63 69 8 16 13 23 148 NA NA NA NA NA NA NA 57 72 4 10 12 18 188 63 68 9 15 7 25 149 53 70 4 14 11 9 244 57 68 7 14 7 30 148 NA NA NA NA NA NA NA 64 67 4 15 12 23 150 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 58 72 7 15 12 25 132 43 69 5 16 15 18 161 51 71 8 16 12 23 105 53 62 5 10 6 21 97 NA NA NA NA NA NA NA 56 64 9 17 13 14 131 61 58 7 14 11 22 166 NA NA NA NA NA NA NA 39 52 4 14 12 23 111 48 59 4 12 10 23 145 50 68 4 16 6 24 162 35 76 4 16 12 24 163 30 65 7 16 11 18 59 NA NA NA NA NA NA NA 49 59 7 16 12 15 109 61 69 4 15 12 19 90 NA NA NA NA NA NA NA 47 63 4 13 10 25 83 56 75 4 14 11 23 116 50 63 8 13 7 17 42 43 60 4 16 12 19 148 67 73 4 19 13 21 155 62 63 4 19 14 18 125 57 70 4 14 12 27 116 NA NA NA NA NA NA NA 54 66 12 13 14 13 138 NA NA NA NA NA NA NA 48 63 4 16 12 29 96 61 64 4 15 11 28 164 NA NA NA NA NA NA NA NA NA NA NA NA NA NA 43 61 5 16 12 19 202 NA NA NA NA NA NA NA 44 62 9 12 12 20 66 NA NA NA NA NA NA NA 58 61 4 14 10 19 214 46 66 5 13 10 17 188 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 66 56 4 9 10 23 99 NA NA NA NA NA NA NA NA NA NA NA NA NA NA 38 59 5 12 12 24 108 NA NA NA NA NA NA NA NA NA NA NA NA NA NA 53 71 4 16 12 24 110 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 59 71 6 13 10 20 97 NA NA NA NA NA NA NA 58 64 7 16 11 23 106 60 66 4 16 12 17 80 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 52 62 8 12 6 21 74 34 65 11 12 9 20 114 69 68 6 19 15 20 140 NA NA NA NA NA NA NA 48 60 5 13 11 19 98 NA NA NA NA NA NA NA 58 65 8 15 12 26 126 57 68 9 12 12 23 98 42 64 4 8 11 24 95 64 74 4 10 9 21 110 58 69 5 16 11 21 70 NA NA NA NA NA NA NA 26 68 5 10 12 8 86 61 72 4 18 14 17 130 52 67 4 12 8 20 96 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 61 66 4 7 11 19 99 52 51 6 16 9 23 48 16 56 4 16 11 22 50 46 67 8 16 12 21 150 56 69 5 16 12 25 154 NA NA NA NA NA NA NA 55 56 17 15 12 17 68 50 55 4 14 12 27 194 NA NA NA NA NA NA NA 60 67 8 16 10 23 159 NA NA NA NA NA NA NA NA NA NA NA NA NA NA 67 76 4 17 15 23 39 52 64 4 15 10 19 100 55 68 5 18 15 15 111 37 64 7 16 9 20 138 54 65 4 20 15 16 101 72 71 4 16 12 24 131 51 63 7 17 13 25 101 48 60 11 16 12 25 114 NA NA NA NA NA NA NA 50 72 4 13 8 19 114 63 70 4 16 9 16 111 33 61 4 16 15 19 75 67 61 4 16 12 19 82 46 62 4 17 12 23 121 54 71 4 20 15 21 32 NA NA NA NA NA NA NA 61 51 8 17 12 19 117 33 56 23 6 6 20 71 47 70 4 16 14 20 165 69 73 8 15 12 3 154 52 76 6 16 12 23 126 NA NA NA NA NA NA NA NA NA NA NA NA NA NA 73 52 4 16 12 15 120 NA NA NA NA NA NA NA NA NA NA NA NA NA NA 51 57 10 14 12 24 172 NA NA NA NA NA NA NA 56 60 5 16 8 24 114 56 60 5 16 12 24 156 NA NA NA NA NA NA NA 66 62 4 16 11 25 68 66 59 5 16 10 20 89 73 61 5 18 11 28 167 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 58 69 4 17 10 21 87 NA NA NA NA NA NA NA 61 59 4 18 11 23 2 NA NA NA NA NA NA NA 50 66 18 15 12 22 49 NA NA NA NA NA NA NA 54 67 5 15 12 25 96 NA NA NA NA NA NA NA NA NA NA NA NA NA NA 80 75 4 20 15 28 100 NA NA NA NA NA NA NA 56 69 6 12 8 29 141 56 58 8 15 11 25 165 56 60 8 15 11 25 165 53 74 6 15 11 20 110 47 55 8 16 13 20 118 NA NA NA NA NA NA NA 47 63 4 16 12 20 146 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 51 68 4 15 11 25 155 NA NA NA NA NA NA NA 35 62 15 14 7 19 147 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 53 72 6 16 8 19 61 46 62 4 14 8 26 60 67 75 7 16 11 10 109 59 58 4 14 12 17 68 NA NA NA NA NA NA NA NA NA NA NA NA NA NA 50 47 15 16 12 30 73 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 47 19 28 16 14 23 220 63 50 4 15 9 22 65 NA NA NA NA NA NA NA NA NA NA NA NA NA NA 51 79 5 11 13 20 122 NA NA NA NA NA NA NA 55 71 4 18 13 16 44 38 48 12 13 8 23 52 NA NA NA NA NA NA NA 50 74 6 7 8 18 101 54 66 6 17 12 25 42 57 71 5 18 11 23 152 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 49 53 10 13 12 11 103 37 60 7 15 10 18 96 59 70 4 18 13 23 175 46 69 7 16 9 24 57 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 53 59 5 16 11 29 110 48 72 8 12 9 16 131 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 62 71 5 15 12 23 86 62 74 4 19 14 23 121 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 67 80 4 17 13 24 88 50 73 4 16 13 20 168 54 67 4 20 15 4 94 58 61 6 16 11 24 51 NA NA NA NA NA NA NA 63 74 10 13 10 16 145 31 32 4 15 11 3 66 65 69 5 19 14 15 85 NA NA NA NA NA NA NA NA NA NA NA NA NA NA 57 64 4 16 12 20 102 NA NA NA NA NA NA NA 47 59 7 11 13 26 86 57 78 4 14 9 23 114 NA NA NA NA NA NA NA 41 60 14 13 13 20 119 NA NA NA NA NA NA NA 63 68 5 15 11 19 132 56 73 5 15 13 24 142 NA NA NA NA NA NA NA 50 67 7 16 12 23 94 NA NA NA NA NA NA NA 41 65 16 12 9 27 166 NA NA NA NA NA NA NA 56 74 4 17 13 22 64 NA NA NA NA NA NA NA NA NA NA NA NA NA NA 42 55 5 16 11 15 105 52 49 14 15 12 22 49 NA NA NA NA NA NA NA 44 53 16 16 12 10 95 62 64 10 16 12 20 102 NA NA NA NA NA NA NA 50 57 6 14 9 23 63 NA NA NA NA NA NA NA NA NA NA NA NA NA NA 66 67 4 16 11 27 117 62 70 5 18 12 23 57 NA NA NA NA NA NA NA 47 75 4 20 7 25 73 NA NA NA NA NA NA NA NA NA NA NA NA NA NA 60 65 4 16 10 20 105 NA NA NA NA NA NA NA NA NA NA NA NA NA NA
Names of X columns:
intrinsiek_voor_mannen extrinsiek_voor_mannen demotivation_voor_mannen conf_statistiek_mannen conf_software_mannen numeracy_mannen LFM_mannen
Sample Range:
(leave blank to include all observations)
From:
To:
Column Number of Endogenous Series
(?)
Fixed Seasonal Effects
Do not include Seasonal Dummies
Include Seasonal Dummies
Type of Equation
No Linear Trend
Linear Trend
First Differences
Seasonal Differences (s)
First and Seasonal Differences (s)
Degree of Predetermination (lagged endogenous variables)
Degree of Seasonal Predetermination
Seasonality
12
1
2
3
4
5
6
7
8
9
10
11
12
Chart options
R Code
par3 <- 'Linear Trend' par2 <- 'Do not include Seasonal Dummies' par1 <- '7' 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$coefficients[i,1] > 0) myeq <- paste(myeq, '+', '') myeq <- paste(myeq, signif(mysum$coefficients[i,1],6), sep=' ') if (rownames(mysum$coefficients)[i] != '(Intercept)') { myeq <- paste(myeq, rownames(mysum$coefficients)[i], sep='') if (rownames(mysum$coefficients)[i] != 't') myeq <- paste(myeq, '[t]', sep='') } } myeq <- paste(myeq, ' + e[t]') a<-table.row.start(a) a<-table.element(a, myeq) a<-table.row.end(a) a<-table.end(a) table.save(a,file='mytable1.tab') a<-table.start() a<-table.row.start(a) a<-table.element(a,hyperlink('http://www.xycoon.com/ols1.htm','Multiple Linear Regression - Ordinary Least Squares',''), 6, TRUE) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,'Variable',header=TRUE) a<-table.element(a,'Parameter',header=TRUE) a<-table.element(a,'S.D.',header=TRUE) a<-table.element(a,'T-STAT<br />H0: parameter = 0',header=TRUE) a<-table.element(a,'2-tail p-value',header=TRUE) a<-table.element(a,'1-tail p-value',header=TRUE) a<-table.row.end(a) for (i in 1:k){ a<-table.row.start(a) a<-table.element(a,rownames(mysum$coefficients)[i],header=TRUE) a<-table.element(a,signif(mysum$coefficients[i,1],6)) a<-table.element(a, signif(mysum$coefficients[i,2],6)) a<-table.element(a, signif(mysum$coefficients[i,3],4)) a<-table.element(a, signif(mysum$coefficients[i,4],6)) a<-table.element(a, signif(mysum$coefficients[i,4]/2,6)) a<-table.row.end(a) } a<-table.end(a) table.save(a,file='mytable2.tab') a<-table.start() a<-table.row.start(a) a<-table.element(a, 'Multiple Linear Regression - Regression Statistics', 2, TRUE) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a, 'Multiple R',1,TRUE) a<-table.element(a, signif(sqrt(mysum$r.squared),6)) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a, 'R-squared',1,TRUE) a<-table.element(a, signif(mysum$r.squared,6)) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a, 'Adjusted R-squared',1,TRUE) a<-table.element(a, signif(mysum$adj.r.squared,6)) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a, 'F-TEST (value)',1,TRUE) a<-table.element(a, signif(mysum$fstatistic[1],6)) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a, 'F-TEST (DF numerator)',1,TRUE) a<-table.element(a, signif(mysum$fstatistic[2],6)) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a, 'F-TEST (DF denominator)',1,TRUE) a<-table.element(a, signif(mysum$fstatistic[3],6)) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a, 'p-value',1,TRUE) a<-table.element(a, signif(1-pf(mysum$fstatistic[1],mysum$fstatistic[2],mysum$fstatistic[3]),6)) 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, signif(mysum$sigma,6)) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a, 'Sum Squared Residuals',1,TRUE) a<-table.element(a, signif(sum(myerror*myerror),6)) a<-table.row.end(a) a<-table.end(a) table.save(a,file='mytable3.tab') a<-table.start() a<-table.row.start(a) a<-table.element(a, 'Multiple Linear Regression - Actuals, Interpolation, and Residuals', 4, TRUE) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a, 'Time or Index', 1, TRUE) a<-table.element(a, 'Actuals', 1, TRUE) a<-table.element(a, 'Interpolation<br />Forecast', 1, TRUE) a<-table.element(a, 'Residuals<br />Prediction Error', 1, TRUE) a<-table.row.end(a) for (i in 1:n) { a<-table.row.start(a) a<-table.element(a,i, 1, TRUE) a<-table.element(a,signif(x[i],6)) a<-table.element(a,signif(x[i]-mysum$resid[i],6)) a<-table.element(a,signif(mysum$resid[i],6)) 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,signif(gqarr[mypoint-kp3+1,1],6)) a<-table.element(a,signif(gqarr[mypoint-kp3+1,2],6)) a<-table.element(a,signif(gqarr[mypoint-kp3+1,3],6)) 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,signif(numsignificant1,6)) a<-table.element(a,signif(numsignificant1/numgqtests,6)) 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,signif(numsignificant5,6)) a<-table.element(a,signif(numsignificant5/numgqtests,6)) 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,signif(numsignificant10,6)) a<-table.element(a,signif(numsignificant10/numgqtests,6)) 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') }
Compute
Summary of computational transaction
Raw Input
view raw input (R code)
Raw Output
view raw output of R engine
Computing time
1 seconds
R Server
Big Analytics Cloud Computing Center
Click here to blog (archive) this computation