Plot Scatterplot
result<-plot_scatterplot(df=mtcars,title="",coord_equal=TRUE,base_size=10)
plot_scatterplot(df=mtcars[,1:2],base_size=10,coord_equal=TRUE,all_orders=FALSE)
plot_scatterplot(df=mtcars[,1:2],base_size=10,coord_equal=FALSE,all_orders=FALSE)
plot_scatterplot(df=mtcars,base_size=10,coord_equal=TRUE,all_orders=FALSE,
combinations=data.frame(x=c("mpg","mpg","mpg"),
y=c("cyl","hp","mpg")))
plot_scatterplot(df=mtcars,base_size=10,coord_equal=TRUE,all_orders=TRUE,
combinations=data.frame(x=c("mpg"),y=c("cyl")))
x<-rnorm(1000)
y<-x+rnorm(x,sd=.1)
plot_scatterplot(df=data.frame(x,y),title="Random Simulation",coord_equal=TRUE)
df<-data.frame(matrix(-.999,ncol=2,nrow=2))
correlation_martix<-as.matrix(df)
diag(correlation_martix)<-1
df<-generate_correlation_matrix(correlation_martix,nrows=1000)
plot_scatterplot(df,title="Simulation of -.999 Correlation",coord_equal=TRUE,base_size=10)
plot_multiplot(plotlist=result[1:12],cols=4)
## [[1]]
form<-formula(mpg~qsec)
regressionmodel<-lm(form,data=mtcars)
multipleregressionmodel<-lm(mpg~qsec*hp*wt*drat,data=mtcars)
res<-report_regression(model=regressionmodel,plot_diagnostics=TRUE)
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## [1] "Summary"
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
##
## Call:
## lm(formula = form, data = mtcars)
##
## Residuals:
## Min 1Q Median 3Q Max
## -9.8760 -3.4539 -0.7203 2.2774 11.6491
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -5.1140 10.0295 -0.510 0.6139
## qsec 1.4121 0.5592 2.525 0.0171 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 5.564 on 30 degrees of freedom
## Multiple R-squared: 0.1753, Adjusted R-squared: 0.1478
## F-statistic: 6.377 on 1 and 30 DF, p-value: 0.01708
##
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## [1] "Coefficients"
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## [1] "Unstandardized coefficients (b's) indicate the change in the outcome resulting from a unit change in the predictor" "Standardized coefficients (for more than one predictors), indicate the change in outcome as a result of a unit change by a standard deviation of the predictor" "t-test checks if coefficients are significantly different from 0. Coefficients of 0 indicate no predictor effects" "Significance value for t-test"
## [1] "##########################################################################################################################################################################################################################################################"
## Row.names standardized Estimate Std. Error t value Pr(>|t|) 2.5 % 97.5 %
## 1 qsec 0.418684 1.412125 0.5592101 2.5252133 0.01708199 0.2700654 2.554184
## 2 (Intercept) NA -5.114038 10.0295433 -0.5098974 0.61385436 -25.5970982 15.369022
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## [1] "ANOVA"
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## [1] "ANOVA tests for differences between the baseline model (model with no coefficient) and the predictive model (model with coefficient). A significant F shows that the predictor(s) significantly changes model predictability" "Significance value for ANOVA" "Null hypothesis: no variance explained by the predictor"
## [1] "##########################################################################################################################################################################################################################################################"
## Analysis of Variance Table
##
## Response: mpg
## Df Sum Sq Mean Sq F value Pr(>F)
## qsec 1 197.39 197.392 6.3767 0.01708 *
## Residuals 30 928.66 30.955
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## [1] "Deviance"
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## deviance
## 1 928.6553
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## [1] "Outliers"
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## rstudent p bonf.p signif cutoff
## Lotus Europa 2.282331 0.02998961 0.9596677 FALSE 0.05
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## [1] "Durbin Watson"
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## [1] "Test the assumption of independent errors.\nTest values may vary between 0 and 4.\nValues above 3 and bellow 1 are problematic.\nValues of 2 are ideal indicating uncorrelated residuals.\n \nA value greater than 2 indicates a negative correlation between adjacent residuals.\nA value less than 2 indicates a positive correlation between adjacent residuals." "Autocorrelation"
## [3] "Durbin-Watson Statistic" "Significance value for Durbin-Watson Statistic"
## [1] "##########################################################################################################################################################################################################################################################"
## dw.r dw.dw dw.p dw.alternative
## 1 0.5922771 0.8065068 0.002 two.sided
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## [1] "CALL"
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## call
## 1 lm(mpg ~ qsec,data=mtcars)
## call
## 1 lm(mpg ~ qsec,data=mtcars)
res<-report_regression(model=multipleregressionmodel)
## GVIFs computed for predictors
## Warning in b * sx: longer object length is not a multiple of shorter object length
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## [1] "Summary"
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
##
## Call:
## lm(formula = mpg ~ qsec * hp * wt * drat, data = mtcars)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.5752 -1.2004 0.1321 1.0475 3.3723
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1754.76788 1332.32671 1.317 0.206
## qsec -91.66358 72.94035 -1.257 0.227
## hp -14.97597 10.14812 -1.476 0.159
## wt -499.24128 392.14336 -1.273 0.221
## drat -442.97619 328.51075 -1.348 0.196
## qsec:hp 0.82884 0.55545 1.492 0.155
## qsec:wt 25.76290 21.27164 1.211 0.243
## hp:wt 4.22975 2.93589 1.441 0.169
## qsec:drat 23.83671 17.84096 1.336 0.200
## hp:drat 3.98764 2.51452 1.586 0.132
## wt:drat 125.77969 97.63871 1.288 0.216
## qsec:hp:wt -0.22968 0.15916 -1.443 0.168
## qsec:hp:drat -0.22314 0.13653 -1.634 0.122
## qsec:wt:drat -6.57692 5.24821 -1.253 0.228
## hp:wt:drat -1.11655 0.73401 -1.521 0.148
## qsec:hp:wt:drat 0.06106 0.03947 1.547 0.141
##
## Residual standard error: 2.278 on 16 degrees of freedom
## Multiple R-squared: 0.9263, Adjusted R-squared: 0.8571
## F-statistic: 13.4 on 15 and 16 DF, p-value: 2.5e-06
##
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## [1] "Coefficients"
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## [1] "Unstandardized coefficients (b's) indicate the change in the outcome resulting from a unit change in the predictor" "Standardized coefficients (for more than one predictors), indicate the change in outcome as a result of a unit change by a standard deviation of the predictor" "t-test checks if coefficients are significantly different from 0. Coefficients of 0 indicate no predictor effects" "Significance value for t-test"
## [1] "##########################################################################################################################################################################################################################################################"
## Row.names standardized Estimate Std. Error t value Pr(>|t|) 2.5 % 97.5 %
## 1 qsec -2.717754e+01 -91.66357842 7.294035e+01 -1.256692 0.2269029 -2.462902e+02 6.296306e+01
## 2 hp -1.703674e+02 -14.97596573 1.014812e+01 -1.475738 0.1594222 -3.648901e+01 6.537081e+00
## 3 wt -8.105037e+01 -499.24127624 3.921434e+02 -1.273109 0.2211668 -1.330548e+03 3.320655e+02
## 4 drat -3.929849e+01 -442.97618634 3.285108e+02 -1.348437 0.1962972 -1.139388e+03 2.534355e+02
## 5 qsec:hp 2.457432e-01 0.82883521 5.554520e-01 1.492182 0.1551057 -3.486704e-01 2.006341e+00
## 6 qsec:wt 2.930801e+02 25.76289915 2.127164e+01 1.211138 0.2434282 -1.933096e+01 7.085676e+01
## 7 hp:wt 6.866880e-01 4.22975267 2.935894e+00 1.440704 0.1689513 -1.994064e+00 1.045357e+01
## 8 qsec:drat 2.114666e+00 23.83671194 1.784096e+01 1.336066 0.2002207 -1.398444e+01 6.165787e+01
## 9 hp:drat 1.182306e+00 3.98764491 2.514520e+00 1.585847 0.1323373 -1.342900e+00 9.318190e+00
## 10 wt:drat 1.430876e+03 125.77968939 9.763871e+01 1.288215 0.2159897 -8.120513e+01 3.327645e+02
## 11 qsec:hp:wt -3.728817e-02 -0.22968182 1.591600e-01 -1.443087 0.1682885 -5.670860e-01 1.077224e-01
## 12 qsec:hp:drat -1.979589e-02 -0.22314115 1.365331e-01 -1.634337 0.1217071 -5.125784e-01 6.629613e-02
## 13 qsec:wt:drat -1.950004e+00 -6.57691575 5.248208e+00 -1.253174 0.2281474 -1.770262e+01 4.548789e+00
## 14 hp:wt:drat -1.270188e+01 -1.11654543 7.340101e-01 -1.521158 0.1477359 -2.672577e+00 4.394865e-01
## 15 qsec:hp:wt:drat 9.912982e-03 0.06106043 3.946677e-02 1.547135 0.1413804 -2.260538e-02 1.447262e-01
## 16 (Intercept) NA 1754.76788175 1.332327e+03 1.317070 0.2063672 -1.069639e+03 4.579174e+03
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## [1] "ANOVA"
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## [1] "ANOVA tests for differences between the baseline model (model with no coefficient) and the predictive model (model with coefficient). A significant F shows that the predictor(s) significantly changes model predictability" "Significance value for ANOVA" "Null hypothesis: no variance explained by the predictor"
## [1] "##########################################################################################################################################################################################################################################################"
## Analysis of Variance Table
##
## Response: mpg
## Df Sum Sq Mean Sq F value Pr(>F)
## qsec 1 197.39 197.39 38.0362 1.353e-05 ***
## hp 1 519.76 519.76 100.1548 2.717e-08 ***
## wt 1 222.83 222.83 42.9388 6.653e-06 ***
## drat 1 11.96 11.96 2.3038 0.14857
## qsec:hp 1 1.42 1.42 0.2740 0.60785
## qsec:wt 1 12.93 12.93 2.4908 0.13408
## hp:wt 1 44.06 44.06 8.4894 0.01015 *
## qsec:drat 1 3.74 3.74 0.7210 0.40833
## hp:drat 1 2.84 2.84 0.5465 0.47048
## wt:drat 1 0.70 0.70 0.1356 0.71750
## qsec:hp:wt 1 6.90 6.90 1.3295 0.26583
## qsec:hp:drat 1 4.56 4.56 0.8796 0.36225
## qsec:wt:drat 1 0.32 0.32 0.0613 0.80766
## hp:wt:drat 1 1.18 1.18 0.2273 0.64001
## qsec:hp:wt:drat 1 12.42 12.42 2.3936 0.14138
## Residuals 16 83.03 5.19
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## [1] "Deviance"
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## deviance
## 1 83.03333
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## [1] "Outliers"
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## rstudent p bonf.p signif cutoff
## Ford Pantera L -2.841787 0.01237028 0.3958488 FALSE 0.05
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## [1] "Durbin Watson"
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## [1] "Test the assumption of independent errors.\nTest values may vary between 0 and 4.\nValues above 3 and bellow 1 are problematic.\nValues of 2 are ideal indicating uncorrelated residuals.\n \nA value greater than 2 indicates a negative correlation between adjacent residuals.\nA value less than 2 indicates a positive correlation between adjacent residuals." "Autocorrelation"
## [3] "Durbin-Watson Statistic" "Significance value for Durbin-Watson Statistic"
## [1] "##########################################################################################################################################################################################################################################################"
## dw.r dw.dw dw.p dw.alternative
## 1 -0.190954 2.327011 0.762 two.sided
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## [1] "CALL"
## [1] "####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################"
## call
## 1 lm(mpg ~ qsec * hp * wt * drat,data=mtcars)
## call
## 1 lm(mpg ~ qsec * hp * wt * drat,data=mtcars)
## $r
## r_squared adjusted_r_squared
## 1 0.9262612 0.8571311
##
## $coeficients
## Row.names standardized Estimate Std. Error t value Pr(>|t|) 2.5 % 97.5 %
## 1 qsec -2.717754e+01 -91.66357842 7.294035e+01 -1.256692 0.2269029 -2.462902e+02 6.296306e+01
## 2 hp -1.703674e+02 -14.97596573 1.014812e+01 -1.475738 0.1594222 -3.648901e+01 6.537081e+00
## 3 wt -8.105037e+01 -499.24127624 3.921434e+02 -1.273109 0.2211668 -1.330548e+03 3.320655e+02
## 4 drat -3.929849e+01 -442.97618634 3.285108e+02 -1.348437 0.1962972 -1.139388e+03 2.534355e+02
## 5 qsec:hp 2.457432e-01 0.82883521 5.554520e-01 1.492182 0.1551057 -3.486704e-01 2.006341e+00
## 6 qsec:wt 2.930801e+02 25.76289915 2.127164e+01 1.211138 0.2434282 -1.933096e+01 7.085676e+01
## 7 hp:wt 6.866880e-01 4.22975267 2.935894e+00 1.440704 0.1689513 -1.994064e+00 1.045357e+01
## 8 qsec:drat 2.114666e+00 23.83671194 1.784096e+01 1.336066 0.2002207 -1.398444e+01 6.165787e+01
## 9 hp:drat 1.182306e+00 3.98764491 2.514520e+00 1.585847 0.1323373 -1.342900e+00 9.318190e+00
## 10 wt:drat 1.430876e+03 125.77968939 9.763871e+01 1.288215 0.2159897 -8.120513e+01 3.327645e+02
## 11 qsec:hp:wt -3.728817e-02 -0.22968182 1.591600e-01 -1.443087 0.1682885 -5.670860e-01 1.077224e-01
## 12 qsec:hp:drat -1.979589e-02 -0.22314115 1.365331e-01 -1.634337 0.1217071 -5.125784e-01 6.629613e-02
## 13 qsec:wt:drat -1.950004e+00 -6.57691575 5.248208e+00 -1.253174 0.2281474 -1.770262e+01 4.548789e+00
## 14 hp:wt:drat -1.270188e+01 -1.11654543 7.340101e-01 -1.521158 0.1477359 -2.672577e+00 4.394865e-01
## 15 qsec:hp:wt:drat 9.912982e-03 0.06106043 3.946677e-02 1.547135 0.1413804 -2.260538e-02 1.447262e-01
## 16 (Intercept) NA 1754.76788175 1.332327e+03 1.317070 0.2063672 -1.069639e+03 4.579174e+03
##
## $anova
## Analysis of Variance Table
##
## Response: mpg
## Df Sum Sq Mean Sq F value Pr(>F)
## qsec 1 197.39 197.39 38.0362 1.353e-05 ***
## hp 1 519.76 519.76 100.1548 2.717e-08 ***
## wt 1 222.83 222.83 42.9388 6.653e-06 ***
## drat 1 11.96 11.96 2.3038 0.14857
## qsec:hp 1 1.42 1.42 0.2740 0.60785
## qsec:wt 1 12.93 12.93 2.4908 0.13408
## hp:wt 1 44.06 44.06 8.4894 0.01015 *
## qsec:drat 1 3.74 3.74 0.7210 0.40833
## hp:drat 1 2.84 2.84 0.5465 0.47048
## wt:drat 1 0.70 0.70 0.1356 0.71750
## qsec:hp:wt 1 6.90 6.90 1.3295 0.26583
## qsec:hp:drat 1 4.56 4.56 0.8796 0.36225
## qsec:wt:drat 1 0.32 0.32 0.0613 0.80766
## hp:wt:drat 1 1.18 1.18 0.2273 0.64001
## qsec:hp:wt:drat 1 12.42 12.42 2.3936 0.14138
## Residuals 16 83.03 5.19
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## $deviance
## deviance
## 1 83.03333
##
## $variance_covariance
## (Intercept) qsec hp wt drat qsec:hp qsec:wt hp:wt qsec:drat hp:drat wt:drat qsec:hp:wt qsec:hp:drat qsec:wt:drat hp:wt:drat qsec:hp:wt:drat
## (Intercept) 1775094.46690 -97145.564799 -1.276911e+04 -518872.18686 -436345.79921 696.16029576 28068.1184611 3628.9100948 23678.8426647 3089.99140792 127671.480112 -1.952401e+02 -166.49870865 -6827.3579658 -874.09801039 46.278655763
## qsec -97145.56480 5320.295190 6.999534e+02 28411.43938 23888.18911 -38.16693402 -1538.6505858 -199.2139240 -1297.2111542 -169.44986065 -6993.929902 1.072520e+01 9.13137828 374.4541415 48.01934952 -2.544291061
## hp -12769.11226 699.953438 1.029843e+02 3750.99973 3171.75048 -5.63339270 -203.2311607 -29.5255282 -172.4073953 -25.38510531 -932.991606 1.596306e+00 1.37445803 49.9877373 7.25815030 -0.387117743
## wt -518872.18686 28411.439383 3.751000e+03 153776.41327 128331.56346 -204.39144348 -8330.5048574 -1080.5272154 -6967.4533116 -913.81199716 -38133.833502 5.818519e+01 49.21105993 2043.0519062 262.62897560 -13.926585689
## drat -436345.79921 23888.189106 3.171750e+03 128331.56346 107919.31555 -172.93927582 -6948.7447058 -908.0534609 -5858.8339653 -773.35540170 -31799.302097 4.890958e+01 41.68773134 1702.7845265 220.71308207 -11.708515627
## qsec:hp 696.16030 -38.166934 -5.633393e+00 -204.39144 -172.93928 0.30852692 11.0688356 1.6124078 9.4032685 1.38993613 50.836544 -8.723061e-02 -0.07537428 -2.7226180 -0.39668541 0.021177176
## qsec:wt 28068.11846 -1538.650586 -2.032312e+02 -8330.50486 -6948.74471 11.06883559 452.4825628 58.8257531 377.6972760 49.56659412 2068.384113 -3.171778e+00 -2.66767391 -111.1378238 -14.32625987 0.760885595
## hp:wt 3628.91009 -199.213924 -2.952553e+01 -1080.52722 -908.05346 1.61240782 58.8257531 8.6194712 49.4334400 7.33542529 271.173257 -4.669722e-01 -0.39648332 -14.6102947 -2.14106771 0.114536070
## qsec:drat 23678.84266 -1297.211154 -1.724074e+02 -6967.45331 -5858.83397 9.40326854 377.6972760 49.4334400 318.3000180 42.06999526 1727.316279 -2.664842e+00 -2.26858032 -92.6120005 -12.02844970 0.638773901
## hp:drat 3089.99141 -169.449861 -2.538511e+01 -913.81200 -773.35540 1.38993613 49.5665941 7.3354253 42.0699953 6.32281173 229.152062 -3.974112e-01 -0.34295589 -12.2999757 -1.82433320 0.097636321
## wt:drat 127671.48011 -6993.929902 -9.329916e+02 -38133.83350 -31799.30210 50.83654373 2068.3841126 271.1732569 1727.3162788 229.15206239 9533.317441 -1.462017e+01 -12.34302494 -511.5911034 -66.55750318 3.536642241
## qsec:hp:wt -195.24013 10.725198 1.596306e+00 58.18519 48.90958 -0.08723061 -3.1717784 -0.4669722 -2.6648418 -0.39741125 -14.620167 2.533192e-02 0.02150049 0.7889530 0.11627619 -0.006231388
## qsec:hp:drat -166.49871 9.131378 1.374458e+00 49.21106 41.68773 -0.07537428 -2.6676739 -0.3964833 -2.2685803 -0.34295589 -12.343025 2.150049e-02 0.01864129 0.6622490 0.09876548 -0.005293460
## qsec:wt:drat -6827.35797 374.454141 4.998774e+01 2043.05191 1702.78453 -2.72261797 -111.1378238 -14.6102947 -92.6120005 -12.29997575 -511.591103 7.889530e-01 0.66224905 27.5436891 3.59589688 -0.191464345
## hp:wt:drat -874.09801 48.019350 7.258150e+00 262.62898 220.71308 -0.39668541 -14.3262599 -2.1410677 -12.0284497 -1.82433320 -66.557503 1.162762e-01 0.09876548 3.5958969 0.53877082 -0.028932233
## qsec:hp:wt:drat 46.27866 -2.544291 -3.871177e-01 -13.92659 -11.70852 0.02117718 0.7608856 0.1145361 0.6387739 0.09763632 3.536642 -6.231388e-03 -0.00529346 -0.1914643 -0.02893223 0.001557626
##
## $outlier_test
## rstudent p bonf.p signif cutoff
## Ford Pantera L -2.841787 0.01237028 0.3958488 FALSE 0.05
##
## $durbin_watson
## dw.r dw.dw dw.p dw.alternative
## 1 -0.190954 2.327011 0.762 two.sided
##
## $vif
## data frame with 0 columns and 0 rows
##
## $call
## call
## 1 lm(mpg ~ qsec * hp * wt * drat,data=mtcars)
##
## $diagnostics
## simple_residuals standard_residuals student_residuals fitted cooks_distance dffits hatvalues covariance_ratio dfbeta.(Intercept) dfbeta.qsec dfbeta.hp dfbeta.wt dfbeta.drat dfbeta.qsec:hp dfbeta.qsec:wt dfbeta.hp:wt dfbeta.qsec:drat dfbeta.hp:drat dfbeta.wt:drat dfbeta.qsec:hp:wt dfbeta.qsec:hp:drat dfbeta.qsec:wt:drat dfbeta.hp:wt:drat dfbeta.qsec:hp:wt:drat effects
## Mazda RX4 -2.12697306 -1.08816432 -1.09490418 23.12697 2.651688e-02 -0.65539453 0.2637886 1.1147697 -443.983537 23.89441450 2.90820404 129.8781460 106.0116281 -0.157697601 -6.83512329 -0.804304889 -5.65547298 -0.685385034 -31.2292674 0.0424304499 0.0367893243 1.616592885 0.187154086 -9.661717e-03 -113.64973741
## Mazda RX4 Wag -0.64116616 -0.32507258 -0.31579474 21.64117 2.205828e-03 -0.18250315 0.2503681 3.3695077 -126.335941 6.82687528 0.81388964 37.9188967 30.7819649 -0.043961563 -1.99920485 -0.228148678 -1.64261448 -0.190071822 -9.3645221 0.0119578616 0.0100911512 0.484109758 0.052835696 -2.687048e-03 14.04962378
## Datsun 710 -2.26562748 -1.07701837 -1.08280769 25.06563 1.252330e-02 -0.45003631 0.1472959 0.9878674 -8.341294 0.07907045 0.03011934 0.7094257 -0.1536841 0.002394206 0.06861911 0.007947272 0.11362615 0.034240848 0.3842894 -0.0016189107 -0.0031686886 -0.051150268 -0.013972377 1.144444e-03 -22.79827810
## Hornet 4 Drive 1.22467268 0.61377316 0.60140548 20.17533 7.145658e-03 0.33131462 0.2328296 2.5003719 -78.579366 4.30293395 0.30815297 20.3517661 18.8600509 -0.014936417 -1.08744006 -0.082819967 -1.01039826 -0.062609451 -4.8599566 0.0038643104 0.0027191740 0.251731149 0.016216549 -6.462635e-04 14.92764139
## Hornet Sportabout 1.57706791 0.75024407 0.73954545 17.12293 6.137217e-03 0.30889297 0.1485421 1.8597021 -70.892184 3.89658870 0.58475395 24.4685142 17.7181998 -0.029138765 -1.40589004 -0.208437184 -0.96299816 -0.143025892 -6.1385371 0.0111080176 0.0069592256 0.350093583 0.051550990 -2.705714e-03 3.45771788
## Valiant -0.24479978 -0.25641315 -0.24878264 18.34480 1.928731e-02 -0.53898361 0.8243658 14.9705538 -83.510337 4.83386318 0.42096217 36.8974461 22.2705957 -0.022570478 -2.20271141 -0.197735257 -1.28097647 -0.112813791 -9.8428008 0.0114006166 0.0059726584 0.586110067 0.053471029 -3.068420e-03 -1.19241544
## Duster 360 -2.57524107 -1.57823113 -1.66303595 16.87524 1.477546e-01 -1.62017337 0.4869471 0.3651278 -509.273409 27.96268404 5.49877271 180.6421723 143.0660930 -0.306164595 -9.59296587 -1.767031600 -7.76789339 -1.504836058 -50.4907711 0.0959982048 0.0829372132 2.658893458 0.483404354 -2.602166e-02 -3.59532094
## Merc 240D 0.07889755 0.06460062 0.06255745 24.32110 6.466424e-04 0.09849958 0.7125772 9.7302890 15.043109 -0.75891740 -0.11309340 -3.4760683 -3.2285441 0.006437236 0.14613855 0.021216093 0.15978011 0.026704444 0.6357613 -0.0010230571 -0.0015593249 -0.021307914 -0.003851728 1.690093e-04 6.63751764
## Merc 230 -0.10897415 -0.10601942 -0.10268894 22.90897 2.748192e-03 -0.20310555 0.7964160 13.6405736 17.842675 -0.92023572 -0.11659547 -7.9428636 -5.4714346 0.006270459 0.40583095 0.041402059 0.28456396 0.032253725 2.4909804 -0.0021251719 -0.0017406894 -0.127905305 -0.011659644 5.949401e-04 -1.93440708
## Merc 280 0.79574451 0.40722969 0.39635788 18.40426 3.722391e-03 0.23753032 0.2642403 3.2309191 14.305852 -0.86477658 0.03257376 -8.0380994 -5.1165340 -0.001526850 0.47606385 0.020480854 0.29522466 0.003232421 2.6635405 -0.0014115671 -0.0002451523 -0.153251508 -0.009947173 6.280829e-04 1.68400359
## Merc 280C -0.70206615 -0.37089119 -0.36066762 18.50207 3.854579e-03 -0.24149554 0.3095526 3.5426564 26.268491 -1.29936222 -0.29171670 -4.1927932 -4.9161228 0.015642717 0.14050089 0.044890016 0.23094704 0.055348571 0.4152396 -0.0018657364 -0.0028831405 0.002617145 -0.004144130 3.383369e-05 -0.83892551
## Merc 450SE 1.43105667 0.69027399 0.67853462 14.96894 6.177229e-03 0.30903476 0.1717943 2.0904788 109.650330 -6.25415175 -1.26357886 -30.5187499 -28.0327993 0.069344131 1.74741235 0.364589919 1.56758075 0.311606018 7.8899227 -0.0199739111 -0.0167808882 -0.441483675 -0.090242291 4.843569e-03 2.62672533
## Merc 450SL 0.98840621 0.50401056 0.49192683 16.31159 5.547312e-03 0.29077840 0.2589301 2.9335456 30.363795 -1.61279167 -0.26091118 -5.1839345 -6.3468576 0.017622253 0.12509464 0.006787306 0.32887650 0.053339024 0.8438151 -0.0001702248 -0.0037484201 -0.001791084 0.003131917 -2.475198e-04 -2.13653899
## Merc 450SLC -0.78011250 -0.47723448 -0.46540458 15.98011 1.341100e-02 -0.45174098 0.4851053 4.3362937 19.531813 -1.22004958 -0.33961577 -10.8079756 -7.3090784 0.013148908 0.87063652 0.211985471 0.43449204 0.104500101 3.5876538 -0.0118997118 -0.0042266826 -0.269073657 -0.060958014 3.403508e-03 0.56383925
## Cadillac Fleetwood 0.20299351 0.14017241 0.13580476 10.19701 1.810754e-03 0.16490818 0.5958833 6.8141922 -36.595959 2.03757745 0.49588538 11.1510254 9.7350627 -0.028497245 -0.62259002 -0.150036616 -0.54642924 -0.133557220 -2.9879665 0.0086357133 0.0077128686 0.168219449 0.040652430 -2.351649e-03 1.08600574
## Lincoln Continental -1.13196379 -0.65579879 -0.64368433 11.53196 1.994033e-02 -0.55440669 0.4258949 3.1632543 -16.212986 0.69952800 -0.06592689 5.8529418 4.1181958 0.007816572 -0.27404820 0.008804541 -0.16686183 0.020176978 -1.4732472 -0.0016365820 -0.0023055788 0.065225768 -0.003490558 5.283891e-04 3.52447551
## Chrysler Imperial 0.22819285 0.25294189 0.24540107 14.47181 2.149841e-02 0.56900866 0.8431697 16.7953005 61.156320 -3.26540852 -1.10785863 -20.1978399 -17.5923104 0.063369586 1.14015607 0.360101207 0.99008348 0.324810650 5.8298985 -0.0210318958 -0.0189969605 -0.344713015 -0.106024406 6.318475e-03 0.91110977
## Fiat 128 3.11932125 1.61079068 1.70390589 29.28068 6.224794e-02 1.05567193 0.2773807 0.2291303 -149.588223 9.28260473 1.10262400 49.3770607 33.2061434 -0.057697681 -3.29802871 -0.431983159 -2.03638037 -0.239411414 -11.4037173 0.0250509135 0.0117076560 0.769517932 0.103020135 -5.879677e-03 4.92141610
## Honda Civic -1.40574469 -1.85160052 -2.02254442 31.80574 1.714974e+00 -5.72189123 0.8889328 0.5335675 -468.189862 31.88134906 2.52247915 123.2003325 102.7770042 -0.174415214 -8.57439774 -0.645361486 -7.25322257 -0.575903256 -25.8211360 0.0458415654 0.0413031644 1.892346304 0.142757096 -1.066476e-02 -0.09034867
## Toyota Corolla 2.28930228 1.52289327 1.59462810 31.61070 1.879270e-01 1.81570164 0.5645534 0.5264861 636.379949 -34.70858349 -3.97200349 -203.9512341 -179.0222869 0.207601064 11.27449153 1.314549650 9.71354347 1.072475115 57.7748052 -0.0703518832 -0.0553608451 -3.178377477 -0.358027972 1.897297e-02 4.70201499
## Toyota Corona -2.17349109 -1.29271366 -1.32264006 23.67349 8.729279e-02 -1.20917317 0.4552734 0.8825975 684.825298 -37.82507079 -3.54286191 -190.8766511 -161.8386910 0.198342313 10.42457066 0.959305085 8.91554630 0.856248383 44.5602069 -0.0528094410 -0.0481032648 -2.413217351 -0.226210320 1.240132e-02 -1.99166765
## Dodge Challenger -1.59670900 -1.15680729 -1.17007324 17.09671 1.441892e-01 -1.53630835 0.6328893 1.8912023 223.632461 -11.46315998 -1.05445063 -94.0060221 -58.7539619 0.063853432 4.30172993 0.255024279 2.99139218 0.270385578 24.7557235 -0.0115818058 -0.0162998031 -1.126468678 -0.065701889 2.936468e-03 -1.27149775
## AMC Javelin -2.21948633 -1.04944956 -1.05301282 17.41949 1.103048e-02 -0.42153080 0.1381149 1.0409834 91.988650 -4.88939578 -0.86321526 -34.2761173 -23.9739948 0.046450539 1.74114759 0.266356623 1.25978658 0.221491662 8.8610298 -0.0137622341 -0.0117660677 -0.445153165 -0.067991165 3.457485e-03 -1.92812887
## Camaro Z28 0.81297694 0.80613778 0.79689061 12.48702 1.666332e-01 1.61409903 0.8040228 7.3812974 -437.547172 24.07817746 5.64992167 150.8298367 130.0915458 -0.310934179 -8.18638795 -1.813442477 -7.10673818 -1.654788816 -43.8771165 0.0989916157 0.0906302879 2.368059739 0.527150841 -2.864848e-02 2.54706987
## Pontiac Firebird 3.37231073 1.67960818 1.79189996 15.82769 5.066313e-02 0.96053184 0.2232044 0.1622962 264.022136 -15.14948888 -3.31279565 -72.2678769 -68.8221278 0.179957169 4.29076143 1.000237193 3.86998708 0.829679490 19.1588168 -0.0551839330 -0.0442571865 -1.110738316 -0.252178187 1.366798e-02 3.04418038
## Fiat X1-9 -2.53630654 -1.34379574 -1.38141202 29.83631 5.155354e-02 -0.93363946 0.3135570 0.6021663 580.957906 -32.62541324 -4.26821148 -174.3232776 -142.2113401 0.231756934 9.75916764 1.268823347 7.85605119 1.015250633 42.8837796 -0.0688117405 -0.0537917320 -2.360431941 -0.303478604 1.605944e-02 -0.59281340
## Porsche 914-2 2.17219836 2.01357168 2.25636851 23.82780 8.766045e-01 4.19666963 0.7757501 0.1167062 -2212.645818 120.13774954 10.20277334 618.0493505 554.5305089 -0.558696263 -33.32501828 -2.728134069 -29.99310396 -2.472069941 -154.3008767 0.1472894332 0.1347448274 8.273299366 0.652634256 -3.492730e-02 1.38305012
## Lotus Europa 1.43860014 1.53468919 1.60910212 28.96140 7.221843e-01 3.56407789 0.8306805 1.2979909 1491.800498 -79.61748534 -8.61052115 -393.1640002 -329.9938043 0.459173804 20.93153193 2.249711441 17.58889407 1.904576921 84.0610137 -0.1189795478 -0.1005844847 -4.472396668 -0.484548660 2.532652e-02 1.25317778
## Ford Pantera L -0.79796966 -2.36632061 -2.84178716 16.59797 1.562110e+01 -18.98601503 0.9780874 0.1302363 -2003.245478 111.75459416 28.27324426 463.8606091 569.5171343 -1.563331591 -25.65449486 -7.062267457 -31.39239869 -7.815411469 -132.1314231 0.3880573281 0.4288733723 7.201854965 1.945129737 -1.059368e-01 -1.17720658
## Ferrari Dino 0.91431145 0.81653382 0.80761129 18.78569 1.308024e-01 1.43085656 0.7583941 5.8828804 -960.031072 52.56364634 8.48322263 263.2044773 223.4645057 -0.464180896 -14.02821355 -2.222695631 -12.07657549 -1.910159445 -60.4398102 0.1183835738 0.1028399932 3.149830961 0.486400050 -2.515548e-02 2.13472714
## Maserati Bora 0.47535086 0.42439619 0.41325242 14.52465 3.530908e-02 0.73189225 0.7582574 9.6926181 10.457489 -0.54485037 0.13960691 -10.3809551 -1.1092137 -0.009254615 0.55966168 0.014735640 0.04582551 -0.048834061 1.9062130 -0.0003458425 0.0031925067 -0.099693802 0.002222812 -2.770040e-04 0.95401244
## Volvo 142E 0.18522756 0.10353029 0.10027637 21.21477 4.161954e-04 0.07903870 0.3832007 4.5046301 43.991920 -2.43513752 -0.27550685 -13.6262614 -10.8206496 0.014167827 0.75746061 0.086364403 0.58646953 0.060780863 3.4124306 -0.0045143112 -0.0029504850 -0.185936212 -0.019594162 9.771126e-04 0.34972736