pintos-os.org Git - pspp/blob - src/language/stats/glm.c

   1 /* PSPP - a program for statistical analysis.
   2    Copyright (C) 2010, 2011, 2012 Free Software Foundation, Inc.
   3
   4    This program is free software: you can redistribute it and/or modify
   5    it under the terms of the GNU General Public License as published by
   6    the Free Software Foundation, either version 3 of the License, or
   7    (at your option) any later version.
   8
   9    This program is distributed in the hope that it will be useful,
  10    but WITHOUT ANY WARRANTY; without even the implied warranty of
  11    MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  12    GNU General Public License for more details.
  13
  14    You should have received a copy of the GNU General Public License
  15    along with this program.  If not, see <http://www.gnu.org/licenses/>. */
  16
  17 #include <config.h>
  18
  19 #include <gsl/gsl_cdf.h>
  20 #include <gsl/gsl_matrix.h>
  21 #include <gsl/gsl_combination.h>
  22 #include <math.h>
  23
  24 #include "data/case.h"
  25 #include "data/casegrouper.h"
  26 #include "data/casereader.h"
  27 #include "data/dataset.h"
  28 #include "data/dictionary.h"
  29 #include "data/format.h"
  30 #include "data/value.h"
  31 #include "language/command.h"
  32 #include "language/dictionary/split-file.h"
  33 #include "language/lexer/lexer.h"
  34 #include "language/lexer/value-parser.h"
  35 #include "language/lexer/variable-parser.h"
  36 #include "libpspp/assertion.h"
  37 #include "libpspp/ll.h"
  38 #include "libpspp/message.h"
  39 #include "libpspp/misc.h"
  40 #include "libpspp/taint.h"
  41 #include "linreg/sweep.h"
  42 #include "math/categoricals.h"
  43 #include "math/covariance.h"
  44 #include "math/interaction.h"
  45 #include "math/moments.h"
  46 #include "output/pivot-table.h"
  47
  48 #include "gettext.h"
  49 #define N_(msgid) msgid
  50 #define _(msgid) gettext (msgid)
  51
  52 struct glm_spec
  53 {
  54   size_t n_dep_vars;
  55   const struct variable **dep_vars;
  56
  57   size_t n_factor_vars;
  58   const struct variable **factor_vars;
  59
  60   size_t n_interactions;
  61   struct interaction **interactions;
  62
  63   enum mv_class exclude;
  64
  65   /* The weight variable */
  66   const struct variable *wv;
  67
  68   const struct dictionary *dict;
  69
  70   int ss_type;
  71   bool intercept;
  72
  73   double alpha;
  74
  75   bool dump_coding;
  76 };
  77
  78 struct glm_workspace
  79 {
  80   double total_ssq;
  81   struct moments *totals;
  82
  83   struct categoricals *cats;
  84
  85   /*
  86      Sums of squares due to different variables. Element 0 is the SSE
  87      for the entire model. For i > 0, element i is the SS due to
  88      variable i.
  89    */
  90   gsl_vector *ssq;
  91 };
  92
  93
  94 /* Default design: all possible interactions */
  95 static void
  96 design_full (struct glm_spec *glm)
  97 {
  98   int sz;
  99   int i = 0;
 100   glm->n_interactions = (1 << glm->n_factor_vars) - 1;
 101
 102   glm->interactions = xcalloc (glm->n_interactions, sizeof *glm->interactions);
 103
 104   /* All subsets, with exception of the empty set, of [0, glm->n_factor_vars) */
 105   for (sz = 1; sz <= glm->n_factor_vars; ++sz)
 106     {
 107       gsl_combination *c = gsl_combination_calloc (glm->n_factor_vars, sz);
 108
 109       do
 110         {
 111           struct interaction *iact = interaction_create (NULL);
 112           int e;
 113           for (e = 0 ; e < gsl_combination_k (c); ++e)
 114             interaction_add_variable (iact, glm->factor_vars [gsl_combination_get (c, e)]);
 115
 116           glm->interactions[i++] = iact;
 117         }
 118       while (gsl_combination_next (c) == GSL_SUCCESS);
 119
 120       gsl_combination_free (c);
 121     }
 122 }
 123
 124 static void output_glm (const struct glm_spec *,
 125                         const struct glm_workspace *ws);
 126 static void run_glm (struct glm_spec *cmd, struct casereader *input,
 127                      const struct dataset *ds);
 128
 129
 130 static bool parse_design_spec (struct lexer *lexer, struct glm_spec *glm);
 131
 132
 133 int
 134 cmd_glm (struct lexer *lexer, struct dataset *ds)
 135 {
 136   int i;
 137   struct const_var_set *factors = NULL;
 138   struct glm_spec glm;
 139   bool design = false;
 140   glm.dict = dataset_dict (ds);
 141   glm.n_dep_vars = 0;
 142   glm.n_factor_vars = 0;
 143   glm.n_interactions = 0;
 144   glm.interactions = NULL;
 145   glm.dep_vars = NULL;
 146   glm.factor_vars = NULL;
 147   glm.exclude = MV_ANY;
 148   glm.intercept = true;
 149   glm.wv = dict_get_weight (glm.dict);
 150   glm.alpha = 0.05;
 151   glm.dump_coding = false;
 152   glm.ss_type = 3;
 153
 154   int dep_vars_start = lex_ofs (lexer);
 155   if (!parse_variables_const (lexer, glm.dict,
 156                               &glm.dep_vars, &glm.n_dep_vars,
 157                               PV_NO_DUPLICATE | PV_NUMERIC))
 158     goto error;
 159   int dep_vars_end = lex_ofs (lexer) - 1;
 160
 161   if (! lex_force_match (lexer, T_BY))
 162     goto error;
 163
 164   if (!parse_variables_const (lexer, glm.dict,
 165                               &glm.factor_vars, &glm.n_factor_vars,
 166                               PV_NO_DUPLICATE | PV_NUMERIC))
 167     goto error;
 168
 169   if (glm.n_dep_vars > 1)
 170     {
 171       lex_ofs_error (lexer, dep_vars_start, dep_vars_end,
 172                      _("Multivariate analysis is not yet implemented"));
 173       return CMD_FAILURE;
 174     }
 175
 176   factors =
 177     const_var_set_create_from_array (glm.factor_vars, glm.n_factor_vars);
 178
 179   while (lex_token (lexer) != T_ENDCMD)
 180     {
 181       lex_match (lexer, T_SLASH);
 182
 183       if (lex_match_id (lexer, "MISSING"))
 184         {
 185           lex_match (lexer, T_EQUALS);
 186           while (lex_token (lexer) != T_ENDCMD
 187                  && lex_token (lexer) != T_SLASH)
 188             {
 189               if (lex_match_id (lexer, "INCLUDE"))
 190                 {
 191                   glm.exclude = MV_SYSTEM;
 192                 }
 193               else if (lex_match_id (lexer, "EXCLUDE"))
 194                 {
 195                   glm.exclude = MV_ANY;
 196                 }
 197               else
 198                 {
 199                   lex_error (lexer, NULL);
 200                   goto error;
 201                 }
 202             }
 203         }
 204       else if (lex_match_id (lexer, "INTERCEPT"))
 205         {
 206           lex_match (lexer, T_EQUALS);
 207           while (lex_token (lexer) != T_ENDCMD
 208                  && lex_token (lexer) != T_SLASH)
 209             {
 210               if (lex_match_id (lexer, "INCLUDE"))
 211                 {
 212                   glm.intercept = true;
 213                 }
 214               else if (lex_match_id (lexer, "EXCLUDE"))
 215                 {
 216                   glm.intercept = false;
 217                 }
 218               else
 219                 {
 220                   lex_error (lexer, NULL);
 221                   goto error;
 222                 }
 223             }
 224         }
 225       else if (lex_match_id (lexer, "CRITERIA"))
 226         {
 227           lex_match (lexer, T_EQUALS);
 228           if (lex_match_id (lexer, "ALPHA"))
 229             {
 230               if (lex_force_match (lexer, T_LPAREN))
 231                 {
 232                   if (! lex_force_num (lexer))
 233                     {
 234                       lex_error (lexer, NULL);
 235                       goto error;
 236                     }
 237
 238                   glm.alpha = lex_number (lexer);
 239                   lex_get (lexer);
 240                   if (! lex_force_match (lexer, T_RPAREN))
 241                     {
 242                       lex_error (lexer, NULL);
 243                       goto error;
 244                     }
 245                 }
 246             }
 247           else
 248             {
 249               lex_error (lexer, NULL);
 250               goto error;
 251             }
 252         }
 253       else if (lex_match_id (lexer, "METHOD"))
 254         {
 255           lex_match (lexer, T_EQUALS);
 256           if (!lex_force_match_id (lexer, "SSTYPE"))
 257             {
 258               lex_error (lexer, NULL);
 259               goto error;
 260             }
 261
 262           if (! lex_force_match (lexer, T_LPAREN))
 263             {
 264               lex_error (lexer, NULL);
 265               goto error;
 266             }
 267
 268           if (!lex_force_int_range (lexer, "SSTYPE", 1, 3))
 269             {
 270               lex_error (lexer, NULL);
 271               goto error;
 272             }
 273
 274           glm.ss_type = lex_integer (lexer);
 275           lex_get (lexer);
 276
 277           if (! lex_force_match (lexer, T_RPAREN))
 278             {
 279               lex_error (lexer, NULL);
 280               goto error;
 281             }
 282         }
 283       else if (lex_match_id (lexer, "DESIGN"))
 284         {
 285           lex_match (lexer, T_EQUALS);
 286
 287           if (! parse_design_spec (lexer, &glm))
 288             goto error;
 289
 290           if (glm.n_interactions > 0)
 291             design = true;
 292         }
 293       else if (lex_match_id (lexer, "SHOWCODES"))
 294         /* Undocumented debug option */
 295         {
 296           lex_match (lexer, T_EQUALS);
 297
 298           glm.dump_coding = true;
 299         }
 300       else
 301         {
 302           lex_error (lexer, NULL);
 303           goto error;
 304         }
 305     }
 306
 307   if (! design)
 308     {
 309       design_full (&glm);
 310     }
 311
 312   {
 313     struct casegrouper *grouper;
 314     struct casereader *group;
 315     bool ok;
 316
 317     grouper = casegrouper_create_splits (proc_open (ds), glm.dict);
 318     while (casegrouper_get_next_group (grouper, &group))
 319       run_glm (&glm, group, ds);
 320     ok = casegrouper_destroy (grouper);
 321     ok = proc_commit (ds) && ok;
 322   }
 323
 324   const_var_set_destroy (factors);
 325   free (glm.factor_vars);
 326   for (i = 0 ; i < glm.n_interactions; ++i)
 327     interaction_destroy (glm.interactions[i]);
 328
 329   free (glm.interactions);
 330   free (glm.dep_vars);
 331
 332
 333   return CMD_SUCCESS;
 334
 335 error:
 336
 337   const_var_set_destroy (factors);
 338   free (glm.factor_vars);
 339   for (i = 0 ; i < glm.n_interactions; ++i)
 340     interaction_destroy (glm.interactions[i]);
 341
 342   free (glm.interactions);
 343   free (glm.dep_vars);
 344
 345   return CMD_FAILURE;
 346 }
 347
 348 static inline bool
 349 not_dropped (size_t j, const bool *ff)
 350 {
 351   return ! ff[j];
 352 }
 353
 354 static void
 355 fill_submatrix (const gsl_matrix * cov, gsl_matrix * submatrix, bool *dropped_f)
 356 {
 357   size_t i;
 358   size_t j;
 359   size_t n = 0;
 360   size_t m = 0;
 361
 362   for (i = 0; i < cov->size1; i++)
 363     {
 364       if (not_dropped (i, dropped_f))
 365         {
 366           m = 0;
 367           for (j = 0; j < cov->size2; j++)
 368             {
 369               if (not_dropped (j, dropped_f))
 370                 {
 371                   gsl_matrix_set (submatrix, n, m,
 372                                   gsl_matrix_get (cov, i, j));
 373                   m++;
 374                 }
 375             }
 376           n++;
 377         }
 378     }
 379 }
 380
 381
 382 /*
 383    Type 1 sums of squares.
 384    Populate SSQ with the Type 1 sums of squares according to COV
 385  */
 386 static void
 387 ssq_type1 (struct covariance *cov, gsl_vector *ssq, const struct glm_spec *cmd)
 388 {
 389   const gsl_matrix *cm = covariance_calculate_unnormalized (cov);
 390   size_t i;
 391   size_t k;
 392   bool *model_dropped = XCALLOC (covariance_dim (cov), bool);
 393   bool *submodel_dropped = XCALLOC (covariance_dim (cov), bool);
 394   const struct categoricals *cats = covariance_get_categoricals (cov);
 395
 396   size_t n_dropped_model = 0;
 397   size_t n_dropped_submodel = 0;
 398
 399   for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 400     {
 401       n_dropped_model++;
 402       n_dropped_submodel++;
 403       model_dropped[i] = true;
 404       submodel_dropped[i] = true;
 405     }
 406
 407   for (k = 0; k < cmd->n_interactions; k++)
 408     {
 409       gsl_matrix *model_cov = NULL;
 410       gsl_matrix *submodel_cov = NULL;
 411
 412       n_dropped_submodel = n_dropped_model;
 413       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 414         {
 415           submodel_dropped[i] = model_dropped[i];
 416         }
 417
 418       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 419         {
 420           const struct interaction * x =
 421             categoricals_get_interaction_by_subscript (cats, i - cmd->n_dep_vars);
 422
 423           if (x == cmd->interactions [k])
 424             {
 425               model_dropped[i] = false;
 426               n_dropped_model--;
 427             }
 428         }
 429
 430       model_cov = gsl_matrix_alloc (cm->size1 - n_dropped_model, cm->size2 - n_dropped_model);
 431       submodel_cov = gsl_matrix_alloc (cm->size1 - n_dropped_submodel, cm->size2 - n_dropped_submodel);
 432
 433       fill_submatrix (cm, model_cov,    model_dropped);
 434       fill_submatrix (cm, submodel_cov, submodel_dropped);
 435
 436       reg_sweep (model_cov, 0);
 437       reg_sweep (submodel_cov, 0);
 438
 439       gsl_vector_set (ssq, k + 1,
 440                       gsl_matrix_get (submodel_cov, 0, 0) - gsl_matrix_get (model_cov, 0, 0)
 441                 );
 442
 443       gsl_matrix_free (model_cov);
 444       gsl_matrix_free (submodel_cov);
 445     }
 446
 447   free (model_dropped);
 448   free (submodel_dropped);
 449 }
 450
 451 /*
 452    Type 2 sums of squares.
 453    Populate SSQ with the Type 2 sums of squares according to COV
 454  */
 455 static void
 456 ssq_type2 (struct covariance *cov, gsl_vector *ssq, const struct glm_spec *cmd)
 457 {
 458   const gsl_matrix *cm = covariance_calculate_unnormalized (cov);
 459   size_t i;
 460   size_t k;
 461   bool *model_dropped = XCALLOC (covariance_dim (cov), bool);
 462   bool *submodel_dropped = XCALLOC (covariance_dim (cov), bool);
 463   const struct categoricals *cats = covariance_get_categoricals (cov);
 464
 465   for (k = 0; k < cmd->n_interactions; k++)
 466     {
 467       gsl_matrix *model_cov = NULL;
 468       gsl_matrix *submodel_cov = NULL;
 469       size_t n_dropped_model = 0;
 470       size_t n_dropped_submodel = 0;
 471       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 472         {
 473           const struct interaction * x =
 474             categoricals_get_interaction_by_subscript (cats, i - cmd->n_dep_vars);
 475
 476           model_dropped[i] = false;
 477           submodel_dropped[i] = false;
 478           if (interaction_is_subset (cmd->interactions [k], x))
 479             {
 480               assert (n_dropped_submodel < covariance_dim (cov));
 481               n_dropped_submodel++;
 482               submodel_dropped[i] = true;
 483
 484               if (cmd->interactions [k]->n_vars < x->n_vars)
 485                 {
 486                   assert (n_dropped_model < covariance_dim (cov));
 487                   n_dropped_model++;
 488                   model_dropped[i] = true;
 489                 }
 490             }
 491         }
 492
 493       model_cov = gsl_matrix_alloc (cm->size1 - n_dropped_model, cm->size2 - n_dropped_model);
 494       submodel_cov = gsl_matrix_alloc (cm->size1 - n_dropped_submodel, cm->size2 - n_dropped_submodel);
 495
 496       fill_submatrix (cm, model_cov,    model_dropped);
 497       fill_submatrix (cm, submodel_cov, submodel_dropped);
 498
 499       reg_sweep (model_cov, 0);
 500       reg_sweep (submodel_cov, 0);
 501
 502       gsl_vector_set (ssq, k + 1,
 503                       gsl_matrix_get (submodel_cov, 0, 0) - gsl_matrix_get (model_cov, 0, 0)
 504                 );
 505
 506       gsl_matrix_free (model_cov);
 507       gsl_matrix_free (submodel_cov);
 508     }
 509
 510   free (model_dropped);
 511   free (submodel_dropped);
 512 }
 513
 514 /*
 515    Type 3 sums of squares.
 516    Populate SSQ with the Type 2 sums of squares according to COV
 517  */
 518 static void
 519 ssq_type3 (struct covariance *cov, gsl_vector *ssq, const struct glm_spec *cmd)
 520 {
 521   const gsl_matrix *cm = covariance_calculate_unnormalized (cov);
 522   size_t i;
 523   size_t k;
 524   bool *model_dropped = XCALLOC (covariance_dim (cov), bool);
 525   bool *submodel_dropped = XCALLOC (covariance_dim (cov), bool);
 526   const struct categoricals *cats = covariance_get_categoricals (cov);
 527
 528   double ss0;
 529   gsl_matrix *submodel_cov = gsl_matrix_alloc (cm->size1, cm->size2);
 530   fill_submatrix (cm, submodel_cov, submodel_dropped);
 531   reg_sweep (submodel_cov, 0);
 532   ss0 = gsl_matrix_get (submodel_cov, 0, 0);
 533   gsl_matrix_free (submodel_cov);
 534   free (submodel_dropped);
 535
 536   for (k = 0; k < cmd->n_interactions; k++)
 537     {
 538       gsl_matrix *model_cov = NULL;
 539       size_t n_dropped_model = 0;
 540
 541       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 542         {
 543           const struct interaction * x =
 544             categoricals_get_interaction_by_subscript (cats, i - cmd->n_dep_vars);
 545
 546           model_dropped[i] = false;
 547
 548           if (cmd->interactions [k] == x)
 549             {
 550               assert (n_dropped_model < covariance_dim (cov));
 551               n_dropped_model++;
 552               model_dropped[i] = true;
 553             }
 554         }
 555
 556       model_cov = gsl_matrix_alloc (cm->size1 - n_dropped_model, cm->size2 - n_dropped_model);
 557
 558       fill_submatrix (cm, model_cov,    model_dropped);
 559
 560       reg_sweep (model_cov, 0);
 561
 562       gsl_vector_set (ssq, k + 1,
 563                       gsl_matrix_get (model_cov, 0, 0) - ss0);
 564
 565       gsl_matrix_free (model_cov);
 566     }
 567   free (model_dropped);
 568 }
 569
 570
 571
 572 //static  void dump_matrix (const gsl_matrix *m);
 573
 574 static void
 575 run_glm (struct glm_spec *cmd, struct casereader *input,
 576          const struct dataset *ds)
 577 {
 578   bool warn_bad_weight = true;
 579   int v;
 580   struct taint *taint;
 581   struct dictionary *dict = dataset_dict (ds);
 582   struct casereader *reader;
 583   struct ccase *c;
 584
 585   struct glm_workspace ws;
 586   struct covariance *cov;
 587
 588   input  = casereader_create_filter_missing (input,
 589                                              cmd->dep_vars, cmd->n_dep_vars,
 590                                              cmd->exclude,
 591                                              NULL,  NULL);
 592
 593   input  = casereader_create_filter_missing (input,
 594                                              cmd->factor_vars, cmd->n_factor_vars,
 595                                              cmd->exclude,
 596                                              NULL,  NULL);
 597
 598   ws.cats = categoricals_create (cmd->interactions, cmd->n_interactions,
 599                                  cmd->wv, MV_ANY);
 600
 601   cov = covariance_2pass_create (cmd->n_dep_vars, cmd->dep_vars,
 602                                  ws.cats, cmd->wv, cmd->exclude, true);
 603
 604
 605   c = casereader_peek (input, 0);
 606   if (c == NULL)
 607     {
 608       casereader_destroy (input);
 609       return;
 610     }
 611   output_split_file_values (ds, c);
 612   case_unref (c);
 613
 614   taint = taint_clone (casereader_get_taint (input));
 615
 616   ws.totals = moments_create (MOMENT_VARIANCE);
 617
 618   for (reader = casereader_clone (input);
 619        (c = casereader_read (reader)) != NULL; case_unref (c))
 620     {
 621       double weight = dict_get_case_weight (dict, c, &warn_bad_weight);
 622
 623       for (v = 0; v < cmd->n_dep_vars; ++v)
 624         moments_pass_one (ws.totals, case_num (c, cmd->dep_vars[v]), weight);
 625
 626       covariance_accumulate_pass1 (cov, c);
 627     }
 628   casereader_destroy (reader);
 629
 630   if (cmd->dump_coding)
 631     reader = casereader_clone (input);
 632   else
 633     reader = input;
 634
 635   for (;
 636        (c = casereader_read (reader)) != NULL; case_unref (c))
 637     {
 638       double weight = dict_get_case_weight (dict, c, &warn_bad_weight);
 639
 640       for (v = 0; v < cmd->n_dep_vars; ++v)
 641         moments_pass_two (ws.totals, case_num (c, cmd->dep_vars[v]), weight);
 642
 643       covariance_accumulate_pass2 (cov, c);
 644     }
 645   casereader_destroy (reader);
 646
 647
 648   if (cmd->dump_coding)
 649     {
 650       struct pivot_table *t = covariance_dump_enc_header (cov);
 651       for (reader = input;
 652            (c = casereader_read (reader)) != NULL; case_unref (c))
 653         {
 654           covariance_dump_enc (cov, c, t);
 655         }
 656
 657       pivot_table_submit (t);
 658     }
 659
 660   {
 661     const gsl_matrix *ucm = covariance_calculate_unnormalized (cov);
 662     gsl_matrix *cm = gsl_matrix_alloc (ucm->size1, ucm->size2);
 663     gsl_matrix_memcpy (cm, ucm);
 664
 665     //    dump_matrix (cm);
 666
 667     ws.total_ssq = gsl_matrix_get (cm, 0, 0);
 668
 669     reg_sweep (cm, 0);
 670
 671     /*
 672       Store the overall SSE.
 673     */
 674     ws.ssq = gsl_vector_alloc (cm->size1);
 675     gsl_vector_set (ws.ssq, 0, gsl_matrix_get (cm, 0, 0));
 676     switch (cmd->ss_type)
 677       {
 678       case 1:
 679         ssq_type1 (cov, ws.ssq, cmd);
 680         break;
 681       case 2:
 682         ssq_type2 (cov, ws.ssq, cmd);
 683         break;
 684       case 3:
 685         ssq_type3 (cov, ws.ssq, cmd);
 686         break;
 687       default:
 688         NOT_REACHED ();
 689         break;
 690       }
 691     //    dump_matrix (cm);
 692     gsl_matrix_free (cm);
 693   }
 694
 695   if (!taint_has_tainted_successor (taint))
 696     output_glm (cmd, &ws);
 697
 698   gsl_vector_free (ws.ssq);
 699
 700   covariance_destroy (cov);
 701   moments_destroy (ws.totals);
 702
 703   taint_destroy (taint);
 704 }
 705
 706 static void
 707 put_glm_row (struct pivot_table *table, int row,
 708              double a, double b, double c, double d, double e)
 709 {
 710   double entries[] = { a, b, c, d, e };
 711
 712   for (size_t col = 0; col < sizeof entries / sizeof *entries; col++)
 713     if (entries[col] != SYSMIS)
 714       pivot_table_put2 (table, col, row,
 715                         pivot_value_new_number (entries[col]));
 716 }
 717
 718 static void
 719 output_glm (const struct glm_spec *cmd, const struct glm_workspace *ws)
 720 {
 721   struct pivot_table *table = pivot_table_create (
 722     N_("Tests of Between-Subjects Effects"));
 723
 724   pivot_dimension_create (table, PIVOT_AXIS_COLUMN, N_("Statistics"),
 725                           (cmd->ss_type == 1 ? N_("Type I Sum Of Squares")
 726                            : cmd->ss_type == 2 ? N_("Type II Sum Of Squares")
 727                            : N_("Type III Sum Of Squares")), PIVOT_RC_OTHER,
 728                           N_("df"), PIVOT_RC_COUNT,
 729                           N_("Mean Square"), PIVOT_RC_OTHER,
 730                           N_("F"), PIVOT_RC_OTHER,
 731                           N_("Sig."), PIVOT_RC_SIGNIFICANCE);
 732
 733   struct pivot_dimension *source = pivot_dimension_create (
 734     table, PIVOT_AXIS_ROW, N_("Source"),
 735     cmd->intercept ? N_("Corrected Model") : N_("Model"));
 736
 737   double n_total, mean;
 738   moments_calculate (ws->totals, &n_total, &mean, NULL, NULL, NULL);
 739
 740   double df_corr = 1.0 + categoricals_df_total (ws->cats);
 741
 742   double mse = gsl_vector_get (ws->ssq, 0) / (n_total - df_corr);
 743   double intercept_ssq = pow2 (mean * n_total) / n_total;
 744   if (cmd->intercept)
 745     {
 746       int row = pivot_category_create_leaf (
 747         source->root, pivot_value_new_text (N_("Intercept")));
 748
 749       /* The intercept for unbalanced models is of limited use and
 750          nobody knows how to calculate it properly */
 751       if (categoricals_isbalanced (ws->cats))
 752         {
 753           const double df = 1.0;
 754           const double F = intercept_ssq / df / mse;
 755           put_glm_row (table, row, intercept_ssq, 1.0, intercept_ssq / df,
 756                        F, gsl_cdf_fdist_Q (F, df, n_total - df_corr));
 757         }
 758     }
 759
 760   double ssq_effects = 0.0;
 761   for (int f = 0; f < cmd->n_interactions; ++f)
 762     {
 763       double df = categoricals_df (ws->cats, f);
 764       double ssq = gsl_vector_get (ws->ssq, f + 1);
 765       ssq_effects += ssq;
 766       if (!cmd->intercept)
 767         {
 768           df++;
 769           ssq += intercept_ssq;
 770         }
 771       double F = ssq / df / mse;
 772
 773       struct string str = DS_EMPTY_INITIALIZER;
 774       interaction_to_string (cmd->interactions[f], &str);
 775       int row = pivot_category_create_leaf (
 776         source->root, pivot_value_new_user_text_nocopy (ds_steal_cstr (&str)));
 777
 778       put_glm_row (table, row, ssq, df, ssq / df, F,
 779                    gsl_cdf_fdist_Q (F, df, n_total - df_corr));
 780     }
 781
 782   {
 783     /* Model / Corrected Model */
 784     double df = df_corr;
 785     double ssq = ws->total_ssq - gsl_vector_get (ws->ssq, 0);
 786     if (cmd->intercept)
 787       df--;
 788     else
 789       ssq += intercept_ssq;
 790     double F = ssq / df / mse;
 791     put_glm_row (table, 0, ssq, df, ssq / df, F,
 792                  gsl_cdf_fdist_Q (F, df, n_total - df_corr));
 793   }
 794
 795   {
 796     int row = pivot_category_create_leaf (source->root,
 797                                           pivot_value_new_text (N_("Error")));
 798     const double df = n_total - df_corr;
 799     const double ssq = gsl_vector_get (ws->ssq, 0);
 800     const double mse = ssq / df;
 801     put_glm_row (table, row, ssq, df, mse, SYSMIS, SYSMIS);
 802   }
 803
 804   {
 805     int row = pivot_category_create_leaf (source->root,
 806                                           pivot_value_new_text (N_("Total")));
 807     put_glm_row (table, row, ws->total_ssq + intercept_ssq, n_total,
 808                  SYSMIS, SYSMIS, SYSMIS);
 809   }
 810
 811   if (cmd->intercept)
 812     {
 813       int row = pivot_category_create_leaf (
 814         source->root, pivot_value_new_text (N_("Corrected Total")));
 815       put_glm_row (table, row, ws->total_ssq, n_total - 1.0, SYSMIS,
 816                    SYSMIS, SYSMIS);
 817     }
 818
 819   pivot_table_submit (table);
 820 }
 821
 822 #if 0
 823 static void
 824 dump_matrix (const gsl_matrix * m)
 825 {
 826   size_t i, j;
 827   for (i = 0; i < m->size1; ++i)
 828     {
 829       for (j = 0; j < m->size2; ++j)
 830         {
 831           double x = gsl_matrix_get (m, i, j);
 832           printf ("%.3f ", x);
 833         }
 834       printf ("\n");
 835     }
 836   printf ("\n");
 837 }
 838 #endif
 839
 840
 841 \f
 842 static bool
 843 parse_nested_variable (struct lexer *lexer, struct glm_spec *glm)
 844 {
 845   const struct variable *v = NULL;
 846   if (! lex_match_variable (lexer, glm->dict, &v))
 847     return false;
 848
 849   if (lex_match (lexer, T_LPAREN))
 850     {
 851       if (! parse_nested_variable (lexer, glm))
 852         return false;
 853
 854       if (! lex_force_match (lexer, T_RPAREN))
 855         return false;
 856     }
 857
 858   lex_error (lexer, "Nested variables are not yet implemented");
 859   return false;
 860 }
 861
 862 /* A design term is an interaction OR a nested variable */
 863 static bool
 864 parse_design_term (struct lexer *lexer, struct glm_spec *glm)
 865 {
 866   struct interaction *iact = NULL;
 867   if (parse_design_interaction (lexer, glm->dict, &iact))
 868     {
 869       /* Interaction parsing successful.  Add to list of interactions */
 870       glm->interactions = xrealloc (glm->interactions, sizeof (*glm->interactions) * ++glm->n_interactions);
 871       glm->interactions[glm->n_interactions - 1] = iact;
 872       return true;
 873     }
 874
 875   if (parse_nested_variable (lexer, glm))
 876     return true;
 877
 878   return false;
 879 }
 880
 881
 882
 883 /* Parse a complete DESIGN specification.
 884    A design spec is a design term, optionally followed by a comma,
 885    and another design spec.
 886 */
 887 static bool
 888 parse_design_spec (struct lexer *lexer, struct glm_spec *glm)
 889 {
 890   if  (lex_token (lexer) == T_ENDCMD || lex_token (lexer) == T_SLASH)
 891     return true;
 892
 893   if (! parse_design_term (lexer, glm))
 894     return false;
 895
 896   lex_match (lexer, T_COMMA);
 897
 898   return parse_design_spec (lexer, glm);
 899 }