I found that it is easy to make program in Gretl system.  It is more easy than SAS system. When I write Gretl script, I use help to find the right syntax.

Here is the result of my program weightarea.gdt

gretl version 1.9.11

Current session: 2012-12-31 12:38

? open e:\weightarea.xls

Listing 7 variables:

  0) const     1) weight    2) area      3) length    4) width  

  5) hightf    6) hightb 

? summary weight area

                     Mean         Median        Minimum        Maximum

weight             212.50         212.50         25.500         399.50

area               4640.8         4640.8         550.60         8731.0

                Std. Dev.           C.V.       Skewness   Ex. kurtosis

weight             110.34        0.51926   -5.0141e-021        -1.2005

area               2413.5        0.52006    2.2017e-015        -1.2005

                 5% perc.      95% perc.       IQ range   Missing obs.

weight             39.250         385.75         192.50              0

area               851.35         8430.3         4210.5              0

? print "weight area dataset"

weight area dataset

? print weight area

weight:

Full data range: 1 - 69 (n = 69)

25.5000  31.0000  36.5000  42.0000  47.5000  53.0000  58.5000  64.0000 

69.5000  75.0000  80.5000  86.0000  91.5000  97.0000  102.500  108.000 

113.500  119.000  124.500  130.000  135.500  141.000  146.500  152.000 

157.500  163.000  168.500  174.000  179.500  185.000  190.500  196.000 

201.500  207.000  212.500  218.000  223.500  229.000  234.500  240.000 

245.500  251.000  256.500  262.000  267.500  273.000  278.500  284.000 

289.500  295.000  300.500  306.000  311.500  317.000  322.500  328.000 

333.500  339.000  344.500  350.000  355.500  361.000  366.500  372.000 

377.500  383.000  388.500  394.000  399.500 

area:

Full data range: 1 - 69 (n = 69)

550.600  670.900  791.200  911.500  1031.80  1152.10  1272.40  1392.70 

1513.00  1633.30  1753.60  1873.90  1994.20  2114.50  2234.80  2355.10 

2475.40  2595.70  2716.00  2836.30  2956.60  3076.90  3197.20  3317.50 

3437.80  3558.10  3678.40  3798.70  3919.00  4039.30  4159.60  4279.90 

4400.20  4520.50  4640.80  4761.10  4881.40  5001.70  5122.00  5242.30 

5362.60  5482.90  5603.20  5723.50  5843.80  5964.10  6084.40  6204.70 

6325.00  6445.30  6565.60  6685.90  6806.20  6926.50  7046.80  7167.10 

7287.40  7407.70  7528.00  7648.30  7768.60  7888.90  8009.20  8129.50 

8249.80  8370.10  8490.40  8610.70  8731.00 

? ols area 0 weight

Model 1: OLS, using observations 1-69

Dependent variable: area

             coefficient    std. error      t-ratio     p-value

  -------------------------------------------------------------

  const       −7.15455     7.27347e-013   −9.836e+012   0.0000  ***

  weight      21.8727      0.000000        7.189e+015   0.0000  ***

Mean dependent var   4640.800   S.D. dependent var   2413.507

Sum squared resid    5.13e-22   S.E. of regression   2.77e-12

R-squared            1.000000   Adjusted R-squared   1.000000

Log-likelihood       1739.390   Akaike criterion    −3474.781

Schwarz criterion   −3470.312   Hannan-Quinn        −3473.008

Nabil Brandl

http://nabilnabil.homestead.com