Ryan McCollum

ECON 491 Regressions

Regression Analysis: Y versus X1, X2
The regression equation is
Y = 0.405 - 0.000139 X1 - 0.00219 X2
Predictor
Constant
X1
X2

Coef
0.40528
-0.00013947
-0.002192

S = 0.147144

SE Coef
0.03256
0.00002974
0.002468

R-Sq = 5.3%

T
12.45
-4.69
-0.89

P
0.000
0.000
0.375

R-Sq(adj) = 4.8%

Analysis of Variance
Source
Regression
Residual Error
Total
Source
X1
X2

DF
1
1

DF
2
397
399

SS
0.47744
8.59559
9.07304

MS
0.23872
0.02165

F
11.03

P
0.000

Seq SS
0.46036
0.01709

Unusual Observations
Obs
30
37
39
49
50
80
89
99
100
116
126
130
135
139
150
166
176
180
189
200
216
226
230
239
250

X1
1154
36
1015
100
5
1160
1015
101
5
34
6
1165
280
1016
5
34
7
1170
1016
5
34
7
1175
1016
6

Y
0.36400
0.08000
0.24600
0.69400
0.82900
0.35000
0.24300
0.67200
0.83000
0.88000
0.86700
0.34600
0.65200
0.23700
0.77800
0.86700
0.83100
0.29000
0.24200
0.82100
0.77200
0.79200
0.29200
0.24900
0.77200

Fit
0.22695
0.37630
0.23963
0.37245
0.38482
0.22470
0.23847
0.36974
0.38306
0.37559
0.37325
0.22530
0.34085
0.23842
0.38261
0.37315
0.37412
0.22721
0.23704
0.38128
0.37247
0.37477
0.22211
0.24049
0.38259

SE Fit
0.02902
0.00952
0.02511
0.01214
0.01279
0.02900
0.02530
0.01005
0.01149
0.00910
0.00986
0.02927
0.00782
0.02532
0.01119
0.00864
0.00952
0.02987
0.02562
0.01040
0.00865
0.00932
0.02940
0.02503
0.01119

Residual
0.13705
-0.29630
0.00637
0.32155
0.44418
0.12530
0.00453
0.30226
0.44694
0.50441
0.49375
0.12070
0.31115
-0.00142
0.39539
0.49385
0.45688
0.06279
0.00496
0.43972
0.39953
0.41723
0.06989
0.00851
0.38941

St Resid
0.95 X
-2.02R
0.04 X
2.19R
3.03R
0.87 X
0.03 X
2.06R
3.05R
3.43R
3.36R
0.84 X
2.12R
-0.01 X
2.69R
3.36R
3.11R
0.44 X
0.03 X
3.00R
2.72R
2.84R
0.48 X
0.06 X
2.65R

259
274
280
289
330
339
353
374
380
389

335
62
1180
1017
1185
1017
55
63
1190
1018

0.64200
0.61900
0.33000
0.26800
0.18900
0.17500
0.27100
0.67500
0.20100
0.13800

0.33118
0.34703
0.22161
0.24263
0.21980
0.23556
0.35111
0.34586
0.21887
0.23484

0.00868
0.02630
0.02955
0.02498
0.02966
0.02603
0.02303
0.02748
0.02980
0.02626

0.31082
0.27197
0.10839
0.02537
-0.03080
-0.06056
-0.08011
0.32914
-0.01787
-0.09684

2.12R
1.88 X
0.75 X
0.17 X
-0.21 X
-0.42 X
-0.55 X
2.28RX
-0.12 X
-0.67 X

R denotes an observation with a large standardized residual.

X denotes an observation whose X value gives it large leverage.

Residual Plots for Y

Regression Analysis: Y versus X1, X2, X3
The regression equation is
Y = - 15.6 - 0.000143 X1 - 0.00304 X2 + 0.00798 X3
Predictor
Constant
X1
X2
X3

Coef
-15.593
-0.00014282
-0.003037
0.007983

S = 0.146200

SE Coef
6.456
0.00002958
0.002475
0.003221

R-Sq = 6.7%

T
-2.42
-4.83
-1.23
2.48

P
0.016
0.000
0.221
0.014

R-Sq(adj) = 6.0%

Analysis of Variance
Source
Regression
Residual Error
Total
Source
X1
X2
X3

DF
1
1
1

DF
3
396
399

SS
0.60871
8.46433
9.07304

MS
0.20290
0.02137

F
9.49

P
0.000

Seq SS
0.46036
0.01709
0.13126

Unusual Observations
Obs
30
39
49
50
80
85
89
99
100
116
126

X1
1154
1015
100
5
1160
279
1015
101
5
34
6

Y
0.36400
0.24600
0.69400
0.82900
0.35000
0.62200
0.24300
0.67200
0.83000
0.88000
0.86700

Fit
0.19934
0.20987
0.34778
0.36013
0.20446
0.32322
0.21627
0.35203
0.36567
0.36474
0.36013

SE Fit
0.03091
0.02769
0.01564
0.01615
0.02995
0.01121
0.02669
0.01228
0.01340
0.01005
0.01114

Residual
0.16466
0.03613
0.34622
0.46887
0.14554
0.29878
0.02673
0.31997
0.46433
0.51526
0.50687

St Resid
1.15 X
0.25 X
2.38R
3.23R
1.02 X
2.05R
0.19 X
2.20R
3.19R
3.53R
3.48R

130
135
139
150
166
176
180
189
200
216
226
230
250
259
274
280
330
339
374
380
387
389

1165
280
1016
5
34
7
1170
1016
5
34
7
1175
6
335
62
1180
1185
1017
63
1190
39
1018

0.34600
0.65200
0.23700
0.77800
0.86700
0.83100
0.29000
0.24200
0.82100
0.77200
0.79200
0.29200
0.77200
0.64200
0.61900
0.33000
0.18900
0.17500
0.67500
0.20100
0.09500
0.13800

0.21354
0.32901
0.22420
0.37304
0.36935
0.36932
0.22443
0.23030
0.37919
0.37640
0.37820
0.22561
0.38898
0.34234
0.35057
0.23316
0.23889
0.25225
0.36495
0.24584
0.39776
0.25926

0.02946
0.00912
0.02580
0.01177
0.00872
0.00965
0.02970
0.02560
0.01036
0.00874
0.00937
0.02924
0.01141
0.00973
0.02617
0.02973
0.03046
0.02673
0.02837
0.03155
0.01409
0.02789

0.13246
0.32299
0.01280
0.40496
0.49765
0.46168
0.06557
0.01170
0.44181
0.39560
0.41380
0.06639
0.38302
0.29966
0.26843
0.09684
-0.04989
-0.07725
0.31005
-0.04484
-0.30276
-0.12126

0.93 X
2.21R
0.09 X
2.78R
3.41R
3.16R
0.46 X
0.08 X
3.03R
2.71R
2.84R
0.46 X
2.63R
2.05R
1.87 X
0.68 X
-0.35 X
-0.54 X
2.16RX
-0.31 X
-2.08R
-0.84 X

R denotes an observation with a large standardized residual.

X denotes an observation whose X value gives it large leverage.

Residual Plots for Y

Regression Analysis: Y versus X1, X2, X3, X1X2
The regression equation is
Y = - 16.0 - 0.000026 X1 - 0.00162 X2 + 0.00818 X3 - 0.000012 X1X2
Predictor
Constant
X1
X2
X3
X1X2

Coef
-15.996
-0.0000264
-0.001615
0.008176
-0.00001157

S = 0.146267

SE Coef
6.478
0.0001482
0.003046
0.003232
0.00001444

R-Sq = 6.9%

T
-2.47
-0.18
-0.53
2.53
-0.80

P
0.014
0.858
0.596
0.012
0.423

R-Sq(adj) = 5.9%

Analysis of Variance
Source
Regression
Residual Error
Total
Source
X1
X2
X3
X1X2

DF
1
1
1
1

DF
4
395
399

Seq SS
0.46036
0.01709
0.13126
0.01374

Unusual Observations

SS
0.62245
8.45059
9.07304

MS
0.15561
0.02139

F
7.27

P
0.000

Obs
30
39
49
50
80
85
89
99
100
116
126
130
135
139
150
166
176
180
189
200
216
221
226
230
250
259
280
330
339
374
380
382
387
389

X1
1154
1015
100
5
1160
279
1015
101
5
34
6
1165
280
1016
5
34
7
1170
1016
5
34
829
7
1175
6
335
1180
1185
1017
63
1190
410
39
1018

Y
0.36400
0.24600
0.69400
0.82900
0.35000
0.62200
0.24300
0.67200
0.83000
0.88000
0.86700
0.34600
0.65200
0.23700
0.77800
0.86700
0.83100
0.29000
0.24200
0.82100
0.77200
0.13600
0.79200
0.29200
0.77200
0.64200
0.33000
0.18900
0.17500
0.67500
0.20100
0.33400
0.09500
0.13800

Fit
0.22385
0.19889
0.34618
0.35747
0.22090
0.32067
0.20032
0.35094
0.36430
0.36530
0.36488
0.23748
0.32538
0.20843
0.37213
0.37123
0.37372
0.26324
0.20852
0.37929
0.37877
0.24892
0.38240
0.24044
0.38846
0.33609
0.24949
0.24935
0.22481
0.37412
0.25530
0.31852
0.40112
0.22889

SE Fit
0.04349
0.03090
0.01578
0.01649
0.03630
0.01166
0.03330
0.01236
0.01351
0.01008
0.01262
0.04197
0.01019
0.03245
0.01183
0.00903
0.01111
0.05681
0.03735
0.01037
0.00924
0.02871
0.01073
0.03462
0.01143
0.01248
0.03605
0.03315
0.04345
0.03060
0.03370
0.02935
0.01471
0.04706

Residual
0.14015
0.04711
0.34782
0.47153
0.12910
0.30133
0.04268
0.32106
0.46570
0.51470
0.50212
0.10852
0.32662
0.02857
0.40587
0.49577
0.45728
0.02676
0.03348
0.44171
0.39323
-0.11292
0.40960
0.05156
0.38354
0.30591
0.08051
-0.06035
-0.04981
0.30088
-0.05430
0.01548
-0.30612
-0.09089

St Resid
1.00 X
0.33 X
2.39R
3.24R
0.91 X
2.07R
0.30 X
2.20R
3.20R
3.53R
3.45R
0.77 X
2.24R
0.20 X
2.78R
3.40R
3.14R
0.20 X
0.24 X
3.03R
2.69R
-0.79 X
2.81R
0.36 X
2.63R
2.10R
0.57 X
-0.42 X
-0.36 X
2.10RX
-0.38 X
0.11 X
-2.10R
-0.66 X

R denotes an observation with a large standardized residual.

X denotes an observation whose X value gives it large leverage.

Residual Plots for Y

Regression Analysis: Y versus X1, X2, X3, X1X2, AK-WY
The regression equation is
Y = - 5.72 + 0.00353 X1 + 0.00885 X2 + 0.00284 X3 - 0.000041 X1X2 + 0.373 AK
+ 0.0066 AZ + 0.0286 AR - 0.688 CA + 0.118 CO - 2.05 CT - 1.14 DE - 0.646 FL
- 0.135 GA - 0.331 HI + 0.348 ID - 0.260 IL - 0.292 IN + 0.213 IA + 0.294 KS
- 0.0403 KY - 0.0416 LA + 0.0594 ME - 1.58 MD - 2.42 MA - 0.344 MI
+ 0.0381 MN + 0.0718 MS - 0.142 MO + 0.464 MT + 0.213 NE + 0.225 NV
- 0.148 NH - 3.48 NJ + 0.245 NM - 0.923 NY - 0.341 NC + 0.326 ND - 0.466 OH
+ 0.0616 OK - 0.0245 OR - 0.676 PA - 2.95 RI - 0.0622 SC + 0.434 SD
- 0.319 TN - 0.0370 TX + 0.195 UT - 0.0225 VT - 0.237 VA - 0.0186 WA
- 0.152 WV + 0.111 WI + 0.650 WY
Predictor
Constant
X1
X2
X3

Coef
-5.720
0.003532
0.008846
0.002837

SE Coef
5.827
0.001238
0.005674
0.002941

T
-0.98
2.85
1.56
0.96

P
0.327
0.005
0.120
0.335

X1X2
AK
AZ
AR
CA
CO
CT
DE
FL
GA
HI
ID
IL
IN
IA
KS
KY
LA
ME
MD
MA
MI
MN
MS
MO
MT
NE
NV
NH
NJ
NM
NY
NC
ND
OH
OK
OR
PA
RI
SC
SD
TN
TX
UT
VT
VA
WA
WV
WI
WY

-0.00004142
0.3729
0.00663
0.02857
-0.6883
0.11756
-2.0461
-1.1441
-0.6463
-0.13487
-0.3313
0.3480
-0.2602
-0.2923
0.21266
0.29393
-0.04033
-0.04159
0.05938
-1.5778
-2.4198
-0.3438
0.03806
0.07176
-0.14211
0.4637
0.21342
0.22482
-0.14797
-3.482
0.2451
-0.9231
-0.3414
0.3261
-0.4662
0.06162
-0.02446
-0.6756
-2.953
-0.06216
0.4341
-0.31935
-0.03700
0.19493
-0.02251
-0.2367
-0.01864
-0.15215
0.11138
0.6504

S = 0.108462

0.00002383
0.1215
0.07068
0.06906
0.2262
0.07933
0.7369
0.4021
0.2747
0.09215
0.1411
0.1030
0.1662
0.1121
0.07425
0.08656
0.05688
0.05653
0.07993
0.5626
0.8501
0.1110
0.07095
0.06725
0.05685
0.1108
0.09902
0.09948
0.09248
1.261
0.1013
0.3619
0.1164
0.1109
0.2234
0.07025
0.08317
0.2244
1.062
0.08174
0.1083
0.08278
0.05456
0.09342
0.06892
0.1315
0.05886
0.05689
0.06065
0.1160

R-Sq = 55.1%

-1.74
3.07
0.09
0.41
-3.04
1.48
-2.78
-2.85
-2.35
-1.46
-2.35
3.38
-1.57
-2.61
2.86
3.40
-0.71
-0.74
0.74
-2.80
-2.85
-3.10
0.54
1.07
-2.50
4.19
2.16
2.26
-1.60
-2.76
2.42
-2.55
-2.93
2.94
-2.09
0.88
-0.29
-3.01
-2.78
-0.76
4.01
-3.86
-0.68
2.09
-0.33
-1.80
-0.32
-2.67
1.84
5.61

0.083
0.002
0.925
0.679
0.003
0.139
0.006
0.005
0.019
0.144
0.019
0.001
0.118
0.010
0.004
0.001
0.479
0.462
0.458
0.005
0.005
0.002
0.592
0.287
0.013
0.000
0.032
0.024
0.110
0.006
0.016
0.011
0.004
0.003
0.038
0.381
0.769
0.003
0.006
0.448
0.000
0.000
0.498
0.038
0.744
0.073
0.752
0.008
0.067
0.000

R-Sq(adj) = 48.3%

Analysis of Variance
Source
Regression
Residual Error
Total

DF
53
346
399

SS
5.00266
4.07038
9.07304

MS
0.09439
0.01176

F
8.02

P
0.000

Source
X1
X2
X3
X1X2
AK
AZ
AR
CA
CO
CT
DE
FL
GA
HI
ID
IL
IN
IA
KS
KY
LA
ME
MD
MA
MI
MN
MS
MO
MT
NE
NV
NH
NJ
NM
NY
NC
ND
OH
OK
OR
PA
RI
SC
SD
TN
TX
UT
VT
VA
WA
WV
WI
WY

DF
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

Seq SS
0.46036
0.01709
0.13126
0.01374
0.01484
0.09083
0.04533
0.05939
0.02799
0.00010
0.02569
0.06422
0.03404
0.00016
0.05822
0.21839
0.00789
0.03683
0.08335
0.00404
0.00340
0.09073
0.00778
0.02820
0.05800
0.06182
0.00528
0.26422
0.29872
0.01359
0.00754
0.02631
0.01189
0.04702
0.03372
0.01193
0.00497
0.13082
0.02087
0.38510
0.08876
0.09611
0.15984
0.08100
0.07410
0.00226
0.07482
0.40856
0.14383
0.02665
0.55487
0.01622
0.36998

Unusual Observations
Obs
10
49
60
76

X1
148
100
150
6

Y
0.08200
0.69400
0.10900
0.37400

Fit
0.37669
0.46554
0.38937
0.57846

SE Fit
0.04055
0.03978
0.03952
0.04014

Residual
-0.29469
0.22846
-0.28037
-0.20446

St Resid
-2.93R
2.26R
-2.78R
-2.03R

116
126
166
176
210
216
226
266
274
285
288
292
316
321
324
335
350
366
371
374
385

34
6
34
7
158
34
7
34
62
281
281
149
35
834
63
281
6
35
837
63
282

0.88000
0.86700
0.86700
0.83100
0.64900
0.77200
0.79200
0.12800
0.61900
0.23700
0.48900
0.45900
0.19600
0.44700
0.63200
0.24500
0.50500
0.23900
0.47500
0.67500
0.23300

0.46341
0.57375
0.47505
0.57333
0.42330
0.48072
0.57377
0.47599
0.40776
0.46454
0.26225
0.22094
0.48685
0.21362
0.38315
0.46620
0.73418
0.49770
0.23715
0.41790
0.47150

0.03862
0.03877
0.03850
0.03839
0.03888
0.03859
0.03840
0.03864
0.04082
0.03870
0.03868
0.03861
0.03902
0.04010
0.04014
0.03972
0.03900
0.04012
0.03954
0.04206
0.03976

0.41659
0.29325
0.39195
0.25767
0.22570
0.29128
0.21823
-0.34799
0.21124
-0.22754
0.22675
0.23806
-0.29085
0.23338
0.24885
-0.22120
-0.22918
-0.25870
0.23785
0.25710
-0.23850

4.11R
2.90R
3.87R
2.54R
2.23R
2.87R
2.15R
-3.43R
2.10R
-2.25R
2.24R
2.35R
-2.87R
2.32R
2.47R
-2.19R
-2.26R
-2.57R
2.36R
2.57R
-2.36R

R denotes an observation with a large standardized residual.

Residual Plots for Y

Regression Analysis: Y versus X1, X2, X3, AK-WY
The regression equation is
Y = - 5.86 + 0.00260 X1 + 0.00328 X2 + 0.00296 X3 + 0.313 AK - 0.0046 AZ
+ 0.0215 AR - 0.620 CA + 0.0860 CO - 1.70 CT - 0.970 DE - 0.554 FL
- 0.115 GA - 0.283 HI + 0.304 ID - 0.207 IL - 0.262 IN + 0.183 IA + 0.263 KS
- 0.0353 KY - 0.0359 LA + 0.0311 ME - 1.32 MD - 2.07 MA - 0.314 MI
+ 0.0100 MN + 0.0762 MS - 0.151 MO + 0.430 MT + 0.169 NE + 0.182 NV
- 0.130 NH - 2.87 NJ + 0.233 NM - 0.821 NY - 0.314 NC + 0.278 ND - 0.391 OH
+ 0.0442 OK - 0.0536 OR - 0.593 PA - 2.54 RI - 0.0458 SC + 0.394 SD
- 0.303 TN - 0.0357 TX + 0.151 UT - 0.0481 VT - 0.193 VA - 0.0249 WA
- 0.156 WV + 0.108 WI + 0.596 WY
Predictor
Constant
X1
X2
X3
AK
AZ
AR
CA
CO
CT
DE
FL
GA
HI
ID
IL
IN
IA
KS
KY

Coef
-5.855
0.002603
0.003276
0.002961
0.3127
-0.00462
0.02152
-0.6204
0.08597
-1.6979
-0.9700
-0.5545
-0.11480
-0.2833
0.3044
-0.2069
-0.2620
0.18350
0.26298
-0.03526

SE Coef
5.844
0.001120
0.004696
0.002949
0.1168
0.07059
0.06914
0.2234
0.07745
0.7112
0.3905
0.2704
0.09169
0.1387
0.1002
0.1638
0.1111
0.07254
0.08495
0.05697

T
-1.00
2.33
0.70
1.00
2.68
-0.07
0.31
-2.78
1.11
-2.39
-2.48
-2.05
-1.25
-2.04
3.04
-1.26
-2.36
2.53
3.10
-0.62

P
0.317
0.021
0.486
0.316
0.008
0.948
0.756
0.006
0.268
0.018
0.013
0.041
0.211
0.042
0.003
0.207
0.019
0.012
0.002
0.536

LA
ME
MD
MA
MI
MN
MS
MO
MT
NE
NV
NH
NJ
NM
NY
NC
ND
OH
OK
OR
PA
RI
SC
SD
TN
TX
UT
VT
VA
WA
WV
WI
WY

-0.03589
0.03109
-1.3195
-2.0682
-0.3142
0.01003
0.07616
-0.15077
0.4300
0.16872
0.18186
-0.12965
-2.866
0.2335
-0.8213
-0.3136
0.2780
-0.3910
0.04417
-0.05364
-0.5930
-2.540
-0.04582
0.3936
-0.30305
-0.03575
0.15120
-0.04810
-0.1935
-0.02489
-0.15617
0.10787
0.5963

S = 0.108778

0.05660
0.07848
0.5442
0.8280
0.1101
0.06930
0.06740
0.05679
0.1094
0.09590
0.09664
0.09214
1.214
0.1014
0.3581
0.1156
0.1077
0.2198
0.06973
0.08169
0.2200
1.038
0.08143
0.1061
0.08248
0.05471
0.09023
0.06752
0.1295
0.05892
0.05701
0.06080
0.1120

R-Sq = 54.7%

-0.63
0.40
-2.42
-2.50
-2.86
0.14
1.13
-2.65
3.93
1.76
1.88
-1.41
-2.36
2.30
-2.29
-2.71
2.58
-1.78
0.63
-0.66
-2.70
-2.45
-0.56
3.71
-3.67
-0.65
1.68
-0.71
-1.49
-0.42
-2.74
1.77
5.32

0.526
0.692
0.016
0.013
0.005
0.885
0.259
0.008
0.000
0.079
0.061
0.160
0.019
0.022
0.022
0.007
0.010
0.076
0.527
0.512
0.007
0.015
0.574
0.000
0.000
0.514
0.095
0.477
0.136
0.673
0.006
0.077
0.000

R-Sq(adj) = 48.0%

Analysis of Variance
Source
Regression
Residual Error
Total
Source
X1
X2
X3
AK
AZ
AR
CA
CO
CT
DE
FL
GA
HI
ID
IL
IN

DF
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

DF
52
347
399

Seq SS
0.46036
0.01709
0.13126
0.01363
0.08294
0.03721
0.07275
0.02826
0.00044
0.02328
0.05258
0.03049
0.00017
0.05889
0.20539
0.00981

SS
4.96711
4.10592
9.07304

MS
0.09552
0.01183

F
8.07

P
0.000

IA
KS
KY
LA
ME
MD
MA
MI
MN
MS
MO
MT
NE
NV
NH
NJ
NM
NY
NC
ND
OH
OK
OR
PA
RI
SC
SD
TN
TX
UT
VT
VA
WA
WV
WI
WY

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

0.03514
0.08718
0.00432
0.00394
0.08791
0.00282
0.03689
0.06305
0.06592
0.01067
0.26194
0.31809
0.01401
0.00754
0.02672
0.01993
0.03971
0.04165
0.01169
0.00506
0.13088
0.02057
0.38428
0.08700
0.09501
0.15689
0.08390
0.07700
0.00203
0.07594
0.40762
0.14242
0.02629
0.55722
0.01621
0.33513

Unusual Observations
Obs
10
49
60
116
126
166
176
210
216
226
266
274
285
288
292
316
321
324
335
350
366
371

X1
148
100
150
34
6
34
7
158
34
7
34
62
281
281
149
35
834
63
281
6
35
837

Y
0.08200
0.69400
0.10900
0.88000
0.86700
0.86700
0.83100
0.64900
0.77200
0.79200
0.12800
0.61900
0.23700
0.48900
0.45900
0.19600
0.44700
0.63200
0.24500
0.50500
0.23900
0.47500

Fit
0.37763
0.46860
0.38968
0.46569
0.57088
0.47277
0.57269
0.42124
0.47723
0.57482
0.47711
0.39921
0.46886
0.25930
0.22017
0.48387
0.23027
0.38810
0.47594
0.73360
0.49063
0.23820

SE Fit
0.04066
0.03986
0.03964
0.03871
0.03885
0.03859
0.03849
0.03898
0.03865
0.03850
0.03875
0.04064
0.03873
0.03875
0.03872
0.03910
0.03905
0.04016
0.03944
0.03911
0.04003
0.03965

Residual
-0.29563
0.22540
-0.28068
0.41431
0.29612
0.39423
0.25831
0.22776
0.29477
0.21718
-0.34911
0.21979
-0.23186
0.22970
0.23883
-0.28787
0.21673
0.24390
-0.23094
-0.22860
-0.25163
0.23680

St Resid
-2.93R
2.23R
-2.77R
4.08R
2.91R
3.88R
2.54R
2.24R
2.90R
2.13R
-3.43R
2.18R
-2.28R
2.26R
2.35R
-2.84R
2.13R
2.41R
-2.28R
-2.25R
-2.49R
2.34R

374
385

63
282

0.67500
0.23300

0.40812
0.47877

0.04181
0.03966

0.26688
-0.24577

2.66R
-2.43R

R denotes an observation with a large standardized residual.

Residual Plots for Y

Regression Analysis: Y versus X1, X2, AK-WY
The regression equation is
Y = 0.010 + 0.00319 X1 + 0.00443 X2 + 0.373 AK + 0.0188 AZ + 0.0423 AR
- 0.732 CA + 0.119 CO - 2.06 CT - 1.17 DE - 0.690 FL - 0.151 GA - 0.341 HI
+ 0.353 ID - 0.283 IL - 0.308 IN + 0.212 IA + 0.301 KS - 0.0448 KY
- 0.0452 LA + 0.0642 ME - 1.60 MD - 2.50 MA - 0.360 MI + 0.0339 MN
+ 0.0885 MS - 0.143 MO + 0.482 MT + 0.215 NE + 0.228 NV - 0.149 NH - 3.50 NJ
+ 0.275 NM - 1.01 NY - 0.366 NC + 0.332 ND - 0.498 OH + 0.0690 OK
- 0.0182 OR - 0.699 PA - 3.08 RI - 0.0753 SC + 0.445 SD - 0.335 TN
- 0.0355 TX + 0.194 UT - 0.0261 VT - 0.246 VA - 0.0219 WA - 0.147 WV
+ 0.107 WI + 0.653 WY
Predictor
Constant
X1
X2
AK
AZ
AR
CA
CO
CT
DE
FL
GA
HI
ID
IL
IN
IA
KS
KY
LA
ME
MD
MA
MI
MN
MS
MO
MT
NE
NV
NH
NJ
NM
NY
NC
ND
OH
OK
OR

Coef
0.0105
0.0031923
0.004431
0.3729
0.01877
0.04225
-0.7318
0.11876
-2.0618
-1.1651
-0.6899
-0.15146
-0.3414
0.35313
-0.2833
-0.3079
0.21203
0.30072
-0.04485
-0.04521
0.06424
-1.5955
-2.4966
-0.3602
0.03391
0.08845
-0.14305
0.48189
0.21513
0.22848
-0.14930
-3.495
0.27538
-1.0065
-0.3664
0.33158
-0.4984
0.06905
-0.01824

SE Coef
0.1056
0.0009535
0.004553
0.1002
0.06663
0.06598
0.1939
0.07023
0.6118
0.3387
0.2343
0.08410
0.1261
0.08763
0.1451
0.1012
0.06674
0.07618
0.05617
0.05583
0.07120
0.4697
0.7096
0.1001
0.06509
0.06628
0.05627
0.09636
0.08402
0.08475
0.09004
1.040
0.09238
0.3070
0.1030
0.09350
0.1920
0.06518
0.07369

T
0.10
3.35
0.97
3.72
0.28
0.64
-3.77
1.69
-3.37
-3.44
-2.94
-1.80
-2.71
4.03
-1.95
-3.04
3.18
3.95
-0.80
-0.81
0.90
-3.40
-3.52
-3.60
0.52
1.33
-2.54
5.00
2.56
2.70
-1.66
-3.36
2.98
-3.28
-3.56
3.55
-2.60
1.06
-0.25

P
0.921
0.001
0.331
0.000
0.778
0.522
0.000
0.092
0.001
0.001
0.003
0.073
0.007
0.000
0.052
0.003
0.002
0.000
0.425
0.419
0.368
0.001
0.000
0.000
0.603
0.183
0.011
0.000
0.011
0.007
0.098
0.001
0.003
0.001
0.000
0.000
0.010
0.290
0.805

PA
RI
SC
SD
TN
TX
UT
VT
VA
WA
WV
WI
WY

-0.6986
-3.0808
-0.07535
0.44512
-0.33535
-0.03548
0.19393
-0.02612
-0.2461
-0.02195
-0.14743
0.10726
0.65316

S = 0.108779

0.1932
0.8877
0.07594
0.09284
0.07595
0.05471
0.07956
0.06388
0.1184
0.05885
0.05634
0.06079
0.09668

R-Sq = 54.6%

-3.62
-3.47
-0.99
4.79
-4.42
-0.65
2.44
-0.41
-2.08
-0.37
-2.62
1.76
6.76

0.000
0.001
0.322
0.000
0.000
0.517
0.015
0.683
0.038
0.709
0.009
0.079
0.000

R-Sq(adj) = 48.0%

Analysis of Variance
Source
Regression
Residual Error
Total
Source
X1
X2
AK
AZ
AR
CA
CO
CT
DE
FL
GA
HI
ID
IL
IN
IA
KS
KY
LA
ME
MD
MA
MI
MN
MS
MO
MT
NE
NV
NH
NJ
NM
NY
NC
ND
OH

DF
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

DF
51
348
399

Seq SS
0.46036
0.01709
0.01579
0.08699
0.04105
0.07514
0.02649
0.00060
0.02185
0.05160
0.02902
0.00004
0.06144
0.20571
0.00969
0.03798
0.08861
0.00318
0.00248
0.08639
0.00222
0.03752
0.06345
0.05930
0.00594
0.26140
0.31260
0.01164
0.00605
0.01758
0.02213
0.02925
0.03488
0.01591
0.00690
0.13005

SS
4.95519
4.11785
9.07304

MS
0.09716
0.01183

F
8.21

P
0.000

OK
OR
PA
RI
SC
SD
TN
TX
UT
VT
VA
WA
WV
WI
WY

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

0.02310
0.38120
0.08238
0.07529
0.13777
0.09620
0.10314
0.00780
0.05389
0.34753
0.09860
0.02912
0.63253
0.00820
0.54011

Unusual Observations
Obs
10
49
60
76
116
126
166
176
210
216
226
266
274
285
288
292
316
321
324
335
350
366
371
374
385

X1
148
100
150
6
34
6
34
7
158
34
7
34
62
281
281
149
35
834
63
281
6
35
837
63
282

Y
0.08200
0.69400
0.10900
0.37400
0.88000
0.86700
0.86700
0.83100
0.64900
0.77200
0.79200
0.12800
0.61900
0.23700
0.48900
0.45900
0.19600
0.44700
0.63200
0.24500
0.50500
0.23900
0.47500
0.67500
0.23300

Fit
0.37958
0.47572
0.39102
0.57966
0.46930
0.57586
0.47481
0.57428
0.41911
0.47678
0.57314
0.47254
0.39835
0.46567
0.25523
0.21678
0.47761
0.22739
0.37924
0.47110
0.72647
0.48268
0.23328
0.40222
0.47076

SE Fit
0.04062
0.03922
0.03962
0.03900
0.03854
0.03853
0.03854
0.03846
0.03892
0.03865
0.03847
0.03848
0.04064
0.03860
0.03854
0.03857
0.03860
0.03894
0.03917
0.03914
0.03846
0.03924
0.03935
0.04139
0.03885

Residual
-0.29758
0.21828
-0.28202
-0.20566
0.41070
0.29114
0.39219
0.25672
0.22989
0.29522
0.21886
-0.34454
0.22065
-0.22867
0.23377
0.24222
-0.28161
0.21961
0.25276
-0.22610
-0.22147
-0.24368
0.24172
0.27278
-0.23776

St Resid
-2.95R
2.15R
-2.78R
-2.03R
4.04R
2.86R
3.86R
2.52R
2.26R
2.90R
2.15R
-3.39R
2.19R
-2.25R
2.30R
2.38R
-2.77R
2.16R
2.49R
-2.23R
-2.18R
-2.40R
2.38R
2.71R
-2.34R

R denotes an observation with a large standardized residual.

Residual Plots for Y

Regression Analysis: Y versus X1, X2, X1X2, AK-WY
The regression equation is
Y = - 0.100 + 0.00411 X1 + 0.0100 X2 - 0.000042 X1X2 + 0.431 AK + 0.0292 AZ
+ 0.0485 AR - 0.796 CA + 0.149 CO - 2.40 CT - 1.33 DE - 0.777 FL - 0.170 GA
- 0.388 HI + 0.395 ID - 0.334 IL - 0.337 IN + 0.240 IA + 0.330 KS
- 0.0496 KY - 0.0506 LA + 0.0915 ME - 1.85 MD - 2.83 MA - 0.388 MI
+ 0.0613 MN + 0.0835 MS - 0.135 MO + 0.514 MT + 0.258 NE + 0.270 NV
- 0.167 NH - 4.09 NJ + 0.285 NM - 1.10 NY - 0.392 NC + 0.378 ND - 0.570 OH
+ 0.0857 OK + 0.0098 OR - 0.778 PA - 3.48 RI - 0.0907 SC + 0.484 SD
- 0.350 TN - 0.0368 TX + 0.236 UT - 0.0011 VT - 0.288 VA - 0.0157 WA

- 0.144 WV + 0.111 WI + 0.706 WY

Predictor
Constant
X1
X2
X1X2
AK
AZ
AR
CA
CO
CT
DE
FL
GA
HI
ID
IL
IN
IA
KS
KY
LA
ME
MD
MA
MI
MN
MS
MO
MT
NE
NV
NH
NJ
NM
NY
NC
ND
OH
OK
OR
PA
RI
SC
SD
TN
TX
UT
VT
VA
WA
WV
WI
WY

Coef
-0.1003
0.004109
0.010027
-0.00004198
0.4314
0.02919
0.04853
-0.7959
0.14939
-2.3994
-1.3334
-0.7772
-0.17025
-0.3877
0.39528
-0.3340
-0.3367
0.24038
0.33049
-0.04958
-0.05060
0.09150
-1.8456
-2.8348
-0.3882
0.06131
0.08348
-0.13459
0.51385
0.25847
0.27004
-0.16703
-4.092
0.28538
-1.1019
-0.3924
0.37805
-0.5701
0.08568
0.00983
-0.7778
-3.4762
-0.09066
0.48396
-0.35050
-0.03677
0.23644
-0.00112
-0.2877
-0.01573
-0.14372
0.11084
0.7055

S = 0.108452

SE Coef
0.1226
0.001084
0.005540
0.00002382
0.1052
0.06669
0.06588
0.1967
0.07214
0.6394
0.3509
0.2388
0.08453
0.1284
0.09058
0.1475
0.1022
0.06846
0.07781
0.05606
0.05575
0.07265
0.4893
0.7331
0.1010
0.06673
0.06614
0.05631
0.09777
0.08731
0.08773
0.09033
1.091
0.09228
0.3108
0.1037
0.09687
0.1957
0.06566
0.07518
0.1978
0.9130
0.07620
0.09515
0.07621
0.05455
0.08290
0.06525
0.1204
0.05878
0.05621
0.06064
0.1009

R-Sq = 55.0%

Analysis of Variance

T
-0.82
3.79
1.81
-1.76
4.10
0.44
0.74
-4.05
2.07
-3.75
-3.80
-3.25
-2.01
-3.02
4.36
-2.27
-3.29
3.51
4.25
-0.88
-0.91
1.26
-3.77
-3.87
-3.84
0.92
1.26
-2.39
5.26
2.96
3.08
-1.85
-3.75
3.09
-3.55
-3.78
3.90
-2.91
1.30
0.13
-3.93
-3.81
-1.19
5.09
-4.60
-0.67
2.85
-0.02
-2.39
-0.27
-2.56
1.83
6.99

P
0.414
0.000
0.071
0.079
0.000
0.662
0.462
0.000
0.039
0.000
0.000
0.001
0.045
0.003
0.000
0.024
0.001
0.001
0.000
0.377
0.365
0.209
0.000
0.000
0.000
0.359
0.208
0.017
0.000
0.003
0.002
0.065
0.000
0.002
0.000
0.000
0.000
0.004
0.193
0.896
0.000
0.000
0.235
0.000
0.000
0.501
0.005
0.986
0.017
0.789
0.011
0.068
0.000

R-Sq(adj) = 48.3%

Source
Regression
Residual Error
Total
Source
X1
X2
X1X2
AK
AZ
AR
CA
CO
CT
DE
FL
GA
HI
ID
IL
IN
IA
KS
KY
LA
ME
MD
MA
MI
MN
MS
MO
MT
NE
NV
NH
NJ
NM
NY
NC
ND
OH
OK
OR
PA
RI
SC
SD
TN
TX
UT
VT
VA
WA
WV
WI
WY

DF
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

DF
52
347
399

Seq SS
0.46036
0.01709
0.00807
0.01682
0.09355
0.04829
0.06375
0.02624
0.00000
0.02366
0.06094
0.03186
0.00004
0.06096
0.21681
0.00803
0.03963
0.08533
0.00293
0.00206
0.08873
0.00595
0.02996
0.05917
0.05582
0.00258
0.26330
0.29706
0.01133
0.00604
0.01725
0.02331
0.04156
0.02071
0.01804
0.00630
0.12736
0.02211
0.38028
0.08178
0.07524
0.13791
0.09609
0.10429
0.00735
0.05545
0.35667
0.10302
0.02992
0.61697
0.00826
0.57548

Unusual Observations

SS
4.99171
4.08132
9.07304

MS
0.09599
0.01176

F
8.16

P
0.000

Obs
10
49
60
76
116
126
166
176
210
216
226
266
274
285
288
292
316
321
324
335
350
366
371
374
385

X1
148
100
150
6
34
6
34
7
158
34
7
34
62
281
281
149
35
834
63
281
6
35
837
63
282

Y
0.08200
0.69400
0.10900
0.37400
0.88000
0.86700
0.86700
0.83100
0.64900
0.77200
0.79200
0.12800
0.61900
0.23700
0.48900
0.45900
0.19600
0.44700
0.63200
0.24500
0.50500
0.23900
0.47500
0.67500
0.23300

Fit
0.37854
0.47231
0.39065
0.58713
0.46684
0.57855
0.47703
0.57486
0.42129
0.48033
0.57215
0.47160
0.40705
0.46143
0.25839
0.21771
0.48090
0.21063
0.37459
0.46143
0.72737
0.49018
0.23242
0.41238
0.46374

SE Fit
0.04050
0.03915
0.03950
0.03911
0.03845
0.03845
0.03844
0.03835
0.03883
0.03858
0.03836
0.03837
0.04081
0.03856
0.03847
0.03846
0.03853
0.03997
0.03915
0.03941
0.03835
0.03935
0.03924
0.04167
0.03894

Residual
-0.29654
0.22169
-0.28165
-0.21313
0.41316
0.28845
0.38997
0.25614
0.22771
0.29167
0.21985
-0.34360
0.21195
-0.22443
0.23061
0.24129
-0.28490
0.23637
0.25741
-0.21643
-0.22237
-0.25118
0.24258
0.26262
-0.23074

St Resid
-2.95R
2.19R
-2.79R
-2.11R
4.07R
2.84R
3.85R
2.52R
2.25R
2.88R
2.17R
-3.39R
2.11R
-2.21R
2.27R
2.38R
-2.81R
2.34R
2.55R
-2.14R
-2.19R
-2.49R
2.40R
2.62R
-2.28R

R denotes an observation with a large standardized residual.

Residual Plots for Y