b23832ff06816d7de068ff6a194c4bab09a45399
[pspp-builds.git] / src / language / stats / glm.c
1 /* PSPP - a program for statistical analysis.
2    Copyright (C) 2010, 2011 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/ll.h"
37 #include "libpspp/message.h"
38 #include "libpspp/misc.h"
39 #include "libpspp/taint.h"
40 #include "linreg/sweep.h"
41 #include "math/categoricals.h"
42 #include "math/covariance.h"
43 #include "math/interaction.h"
44 #include "math/moments.h"
45 #include "output/tab.h"
46
47 #include "gettext.h"
48 #define _(msgid) gettext (msgid)
49
50 struct glm_spec
51 {
52   size_t n_dep_vars;
53   const struct variable **dep_vars;
54
55   size_t n_factor_vars;
56   const struct variable **factor_vars;
57
58   size_t n_interactions;
59   struct interaction **interactions;
60
61   enum mv_class exclude;
62
63   /* The weight variable */
64   const struct variable *wv;
65
66   const struct dictionary *dict;
67
68   bool intercept;
69
70   double alpha;
71 };
72
73 struct glm_workspace
74 {
75   double total_ssq;
76   struct moments *totals;
77
78   struct categoricals *cats;
79
80   /* 
81      Sums of squares due to different variables. Element 0 is the SSE
82      for the entire model. For i > 0, element i is the SS due to
83      variable i.
84    */
85   gsl_vector *ssq;
86 };
87
88
89 /* Default design: all possible interactions */
90 static void
91 design_full (struct glm_spec *glm)
92 {
93   int sz;
94   int i = 0;
95   glm->n_interactions = (1 << glm->n_factor_vars) - 1;
96
97   glm->interactions = xcalloc (glm->n_interactions, sizeof *glm->interactions);
98
99   /* All subsets, with exception of the empty set, of [0, glm->n_factor_vars) */
100   for (sz = 1; sz <= glm->n_factor_vars; ++sz)
101     {
102       gsl_combination *c = gsl_combination_calloc (glm->n_factor_vars, sz);
103
104       do
105         {
106           struct interaction *iact = interaction_create (NULL);
107           int e;
108           for (e = 0 ; e < gsl_combination_k (c); ++e)
109             interaction_add_variable (iact, glm->factor_vars [gsl_combination_get (c, e)]);
110
111           glm->interactions[i++] = iact;
112         }
113       while (gsl_combination_next (c) == GSL_SUCCESS);
114
115       gsl_combination_free (c);
116     }
117 }
118
119 static void output_glm (const struct glm_spec *,
120                         const struct glm_workspace *ws);
121 static void run_glm (struct glm_spec *cmd, struct casereader *input,
122                      const struct dataset *ds);
123
124
125 static bool parse_design_spec (struct lexer *lexer, struct glm_spec *glm);
126
127
128 int
129 cmd_glm (struct lexer *lexer, struct dataset *ds)
130 {
131   int i;
132   struct const_var_set *factors = NULL;
133   struct glm_spec glm;
134   bool design = false;
135   glm.dict = dataset_dict (ds);
136   glm.n_dep_vars = 0;
137   glm.n_factor_vars = 0;
138   glm.n_interactions = 0;
139   glm.interactions = NULL;
140   glm.dep_vars = NULL;
141   glm.factor_vars = NULL;
142   glm.exclude = MV_ANY;
143   glm.intercept = true;
144   glm.wv = dict_get_weight (glm.dict);
145   glm.alpha = 0.05;
146
147   if (!parse_variables_const (lexer, glm.dict,
148                               &glm.dep_vars, &glm.n_dep_vars,
149                               PV_NO_DUPLICATE | PV_NUMERIC))
150     goto error;
151
152   lex_force_match (lexer, T_BY);
153
154   if (!parse_variables_const (lexer, glm.dict,
155                               &glm.factor_vars, &glm.n_factor_vars,
156                               PV_NO_DUPLICATE | PV_NUMERIC))
157     goto error;
158
159   if (glm.n_dep_vars > 1)
160     {
161       msg (ME, _("Multivariate analysis is not yet implemented"));
162       return CMD_FAILURE;
163     }
164
165   factors =
166     const_var_set_create_from_array (glm.factor_vars, glm.n_factor_vars);
167
168   while (lex_token (lexer) != T_ENDCMD)
169     {
170       lex_match (lexer, T_SLASH);
171
172       if (lex_match_id (lexer, "MISSING"))
173         {
174           lex_match (lexer, T_EQUALS);
175           while (lex_token (lexer) != T_ENDCMD
176                  && lex_token (lexer) != T_SLASH)
177             {
178               if (lex_match_id (lexer, "INCLUDE"))
179                 {
180                   glm.exclude = MV_SYSTEM;
181                 }
182               else if (lex_match_id (lexer, "EXCLUDE"))
183                 {
184                   glm.exclude = MV_ANY;
185                 }
186               else
187                 {
188                   lex_error (lexer, NULL);
189                   goto error;
190                 }
191             }
192         }
193       else if (lex_match_id (lexer, "INTERCEPT"))
194         {
195           lex_match (lexer, T_EQUALS);
196           while (lex_token (lexer) != T_ENDCMD
197                  && lex_token (lexer) != T_SLASH)
198             {
199               if (lex_match_id (lexer, "INCLUDE"))
200                 {
201                   glm.intercept = true;
202                 }
203               else if (lex_match_id (lexer, "EXCLUDE"))
204                 {
205                   glm.intercept = false;
206                 }
207               else
208                 {
209                   lex_error (lexer, NULL);
210                   goto error;
211                 }
212             }
213         }
214       else if (lex_match_id (lexer, "CRITERIA"))
215         {
216           lex_match (lexer, T_EQUALS);
217           if (lex_match_id (lexer, "ALPHA"))
218             {
219               if (lex_force_match (lexer, T_LPAREN))
220                 {
221                   if (! lex_force_num (lexer))
222                     {
223                       lex_error (lexer, NULL);
224                       goto error;
225                     }
226                   
227                   glm.alpha = lex_number (lexer);
228                   lex_get (lexer);
229                   if ( ! lex_force_match (lexer, T_RPAREN))
230                     {
231                       lex_error (lexer, NULL);
232                       goto error;
233                     }
234                 }
235             }
236           else
237             {
238               lex_error (lexer, NULL);
239               goto error;
240             }
241         }
242       else if (lex_match_id (lexer, "METHOD"))
243         {
244           lex_match (lexer, T_EQUALS);
245           if ( !lex_force_match_id (lexer, "SSTYPE"))
246             {
247               lex_error (lexer, NULL);
248               goto error;
249             }
250
251           if ( ! lex_force_match (lexer, T_LPAREN))
252             {
253               lex_error (lexer, NULL);
254               goto error;
255             }
256
257           if ( ! lex_force_int (lexer))
258             {
259               lex_error (lexer, NULL);
260               goto error;
261             }
262
263           if (3 != lex_integer (lexer))
264             {
265               msg (ME, _("Only type 3 sum of squares are currently implemented"));
266               goto error;
267             }
268
269           lex_get (lexer);
270
271           if ( ! lex_force_match (lexer, T_RPAREN))
272             {
273               lex_error (lexer, NULL);
274               goto error;
275             }
276         }
277       else if (lex_match_id (lexer, "DESIGN"))
278         {
279           lex_match (lexer, T_EQUALS);
280
281           if (! parse_design_spec (lexer, &glm))
282             goto error;
283
284           if (glm.n_interactions > 0)
285             design = true;
286         }
287       else
288         {
289           lex_error (lexer, NULL);
290           goto error;
291         }
292     }
293
294   if ( ! design )
295     {
296       design_full (&glm);
297     }
298
299   {
300     struct casegrouper *grouper;
301     struct casereader *group;
302     bool ok;
303
304     grouper = casegrouper_create_splits (proc_open (ds), glm.dict);
305     while (casegrouper_get_next_group (grouper, &group))
306       run_glm (&glm, group, ds);
307     ok = casegrouper_destroy (grouper);
308     ok = proc_commit (ds) && ok;
309   }
310
311   const_var_set_destroy (factors);
312   free (glm.factor_vars);
313   for (i = 0 ; i < glm.n_interactions; ++i)
314     interaction_destroy (glm.interactions[i]);
315   free (glm.interactions);
316   free (glm.dep_vars);
317
318
319   return CMD_SUCCESS;
320
321 error:
322
323   const_var_set_destroy (factors);
324   free (glm.factor_vars);
325   for (i = 0 ; i < glm.n_interactions; ++i)
326     interaction_destroy (glm.interactions[i]);
327
328   free (glm.interactions);
329   free (glm.dep_vars);
330
331   return CMD_FAILURE;
332 }
333
334 static void get_ssq (struct covariance *, gsl_vector *,
335                      const struct glm_spec *);
336
337 static bool
338 not_dropped (size_t j, const size_t *dropped, size_t n_dropped)
339 {
340   size_t i;
341
342   for (i = 0; i < n_dropped; i++)
343     {
344       if (j == dropped[i])
345         return false;
346     }
347   return true;
348 }
349
350 static void
351 fill_submatrix (gsl_matrix * cov, gsl_matrix * submatrix, size_t * dropped,
352                 size_t n_dropped)
353 {
354   size_t i;
355   size_t j;
356   size_t n = 0;
357   size_t m = 0;
358   
359   for (i = 0; i < cov->size1; i++)
360     {
361       if (not_dropped (i, dropped, n_dropped))
362         {         
363           m = 0;
364           for (j = 0; j < cov->size2; j++)
365             {
366               if (not_dropped (j, dropped, n_dropped))
367                 {
368                   gsl_matrix_set (submatrix, n, m,
369                                   gsl_matrix_get (cov, i, j));
370                   m++;
371                 }       
372             }
373           n++;
374         }
375     }
376 }
377               
378 static void
379 get_ssq (struct covariance *cov, gsl_vector *ssq, const struct glm_spec *cmd)
380 {
381   gsl_matrix *cm = covariance_calculate_unnormalized (cov);
382   size_t i;
383   size_t k;
384   size_t *model_dropped = xcalloc (covariance_dim (cov), sizeof (*model_dropped));
385   size_t *submodel_dropped = xcalloc (covariance_dim (cov), sizeof (*submodel_dropped));
386   const struct categoricals *cats = covariance_get_categoricals (cov);
387
388   for (k = 0; k < cmd->n_interactions; k++)
389     {
390       gsl_matrix *model_cov = NULL;
391       gsl_matrix *submodel_cov = NULL;
392       size_t n_dropped_model = 0;
393       size_t n_dropped_submodel = 0;
394       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
395         {
396           const struct interaction * x = 
397             categoricals_get_interaction_by_subscript (cats, i - cmd->n_dep_vars);
398           if (interaction_is_proper_subset (cmd->interactions [k], x))
399             {
400               assert (n_dropped_model < covariance_dim (cov));
401               model_dropped[n_dropped_model++] = i;
402             }
403           if (interaction_is_subset (cmd->interactions [k], x))
404             {
405               assert (n_dropped_submodel < covariance_dim (cov));
406               submodel_dropped[n_dropped_submodel++] = i;
407             }
408         }
409       model_cov = 
410         gsl_matrix_alloc (cm->size1 - n_dropped_model, cm->size2 - n_dropped_model);
411       gsl_matrix_set (model_cov, 0, 0, gsl_matrix_get (cm, 0, 0));
412       submodel_cov = 
413         gsl_matrix_calloc (cm->size1 - n_dropped_submodel, cm->size2 - n_dropped_submodel);
414       fill_submatrix (cm, model_cov, model_dropped, n_dropped_model);
415       fill_submatrix (cm, submodel_cov, submodel_dropped, n_dropped_submodel);
416
417       reg_sweep (model_cov, 0);
418       reg_sweep (submodel_cov, 0);
419       gsl_vector_set (ssq, k + 1,
420                       gsl_matrix_get (submodel_cov, 0, 0)
421                       - gsl_matrix_get (model_cov, 0, 0));
422       gsl_matrix_free (model_cov);
423       gsl_matrix_free (submodel_cov);
424     }
425
426   free (model_dropped);
427   free (submodel_dropped);
428   gsl_matrix_free (cm);
429 }
430
431 //static  void dump_matrix (const gsl_matrix *m);
432
433 static void
434 run_glm (struct glm_spec *cmd, struct casereader *input,
435          const struct dataset *ds)
436 {
437   bool warn_bad_weight = true;
438   int v;
439   struct taint *taint;
440   struct dictionary *dict = dataset_dict (ds);
441   struct casereader *reader;
442   struct ccase *c;
443
444   struct glm_workspace ws;
445   struct covariance *cov;
446
447   ws.cats = categoricals_create (cmd->interactions, cmd->n_interactions,
448                                  cmd->wv, cmd->exclude,
449                                  NULL, NULL, NULL, NULL);
450
451   cov = covariance_2pass_create (cmd->n_dep_vars, cmd->dep_vars,
452                                  ws.cats, cmd->wv, cmd->exclude);
453
454
455   c = casereader_peek (input, 0);
456   if (c == NULL)
457     {
458       casereader_destroy (input);
459       return;
460     }
461   output_split_file_values (ds, c);
462   case_unref (c);
463
464   taint = taint_clone (casereader_get_taint (input));
465
466   ws.totals = moments_create (MOMENT_VARIANCE);
467
468   for (reader = casereader_clone (input);
469        (c = casereader_read (reader)) != NULL; case_unref (c))
470     {
471       double weight = dict_get_case_weight (dict, c, &warn_bad_weight);
472
473       for (v = 0; v < cmd->n_dep_vars; ++v)
474         moments_pass_one (ws.totals, case_data (c, cmd->dep_vars[v])->f,
475                           weight);
476
477       covariance_accumulate_pass1 (cov, c);
478     }
479   casereader_destroy (reader);
480
481   for (reader = input;
482        (c = casereader_read (reader)) != NULL; case_unref (c))
483     {
484       double weight = dict_get_case_weight (dict, c, &warn_bad_weight);
485
486       for (v = 0; v < cmd->n_dep_vars; ++v)
487         moments_pass_two (ws.totals, case_data (c, cmd->dep_vars[v])->f,
488                           weight);
489
490       covariance_accumulate_pass2 (cov, c);
491     }
492   casereader_destroy (reader);
493
494   {
495     gsl_matrix *cm = covariance_calculate_unnormalized (cov);
496
497     //    dump_matrix (cm);
498
499     ws.total_ssq = gsl_matrix_get (cm, 0, 0);
500
501     reg_sweep (cm, 0);
502
503     /*
504       Store the overall SSE.
505     */
506     ws.ssq = gsl_vector_alloc (cm->size1);
507     gsl_vector_set (ws.ssq, 0, gsl_matrix_get (cm, 0, 0));
508     get_ssq (cov, ws.ssq, cmd);
509     //    dump_matrix (cm);
510
511     gsl_matrix_free (cm);
512   }
513
514   if (!taint_has_tainted_successor (taint))
515     output_glm (cmd, &ws);
516
517   gsl_vector_free (ws.ssq);
518
519   covariance_destroy (cov);
520   moments_destroy (ws.totals);
521
522   taint_destroy (taint);
523 }
524
525 static void
526 output_glm (const struct glm_spec *cmd, const struct glm_workspace *ws)
527 {
528   const struct fmt_spec *wfmt =
529     cmd->wv ? var_get_print_format (cmd->wv) : &F_8_0;
530
531   double n_total, mean;
532   double df_corr = 0.0;
533   double mse = 0;
534
535   int f;
536   int r;
537   const int heading_columns = 1;
538   const int heading_rows = 1;
539   struct tab_table *t;
540
541   const int nc = 6;
542   int nr = heading_rows + 4 + cmd->n_interactions;
543   if (cmd->intercept)
544     nr++;
545
546   t = tab_create (nc, nr);
547   tab_title (t, _("Tests of Between-Subjects Effects"));
548
549   tab_headers (t, heading_columns, 0, heading_rows, 0);
550
551   tab_box (t, TAL_2, TAL_2, -1, TAL_1, 0, 0, nc - 1, nr - 1);
552
553   tab_hline (t, TAL_2, 0, nc - 1, heading_rows);
554   tab_vline (t, TAL_2, heading_columns, 0, nr - 1);
555
556   tab_text (t, 0, 0, TAB_CENTER | TAT_TITLE, _("Source"));
557
558   /* TRANSLATORS: The parameter is a roman numeral */
559   tab_text_format (t, 1, 0, TAB_CENTER | TAT_TITLE,
560                    _("Type %s Sum of Squares"), "III");
561   tab_text (t, 2, 0, TAB_CENTER | TAT_TITLE, _("df"));
562   tab_text (t, 3, 0, TAB_CENTER | TAT_TITLE, _("Mean Square"));
563   tab_text (t, 4, 0, TAB_CENTER | TAT_TITLE, _("F"));
564   tab_text (t, 5, 0, TAB_CENTER | TAT_TITLE, _("Sig."));
565
566   moments_calculate (ws->totals, &n_total, &mean, NULL, NULL, NULL);
567
568   if (cmd->intercept)
569     df_corr += 1.0;
570
571   df_corr += categoricals_df_total (ws->cats);
572
573   mse = gsl_vector_get (ws->ssq, 0) / (n_total - df_corr);
574
575   r = heading_rows;
576   tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Corrected Model"));
577
578   r++;
579
580   if (cmd->intercept)
581     {
582       const double intercept = pow2 (mean * n_total) / n_total;
583       const double df = 1.0;
584       const double F = intercept / df / mse;
585       tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Intercept"));
586       tab_double (t, 1, r, 0, intercept, NULL);
587       tab_double (t, 2, r, 0, 1.00, wfmt);
588       tab_double (t, 3, r, 0, intercept / df, NULL);
589       tab_double (t, 4, r, 0, F, NULL);
590       tab_double (t, 5, r, 0, gsl_cdf_fdist_Q (F, df, n_total - df_corr),
591                   NULL);
592       r++;
593     }
594
595   for (f = 0; f < cmd->n_interactions; ++f)
596     {
597       struct string str = DS_EMPTY_INITIALIZER;
598       const double df = categoricals_df (ws->cats, f);
599       const double ssq = gsl_vector_get (ws->ssq, f + 1);
600       const double F = ssq / df / mse;
601       interaction_to_string (cmd->interactions[f], &str);
602       tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, ds_cstr (&str));
603       ds_destroy (&str);
604
605       tab_double (t, 1, r, 0, ssq, NULL);
606       tab_double (t, 2, r, 0, df, wfmt);
607       tab_double (t, 3, r, 0, ssq / df, NULL);
608       tab_double (t, 4, r, 0, F, NULL);
609
610       tab_double (t, 5, r, 0, gsl_cdf_fdist_Q (F, df, n_total - df_corr),
611                   NULL);
612       r++;
613     }
614
615   {
616     /* Corrected Model */
617     const double df = df_corr - 1.0;
618     const double ssq = ws->total_ssq - gsl_vector_get (ws->ssq, 0);
619     const double F = ssq / df / mse;
620     tab_double (t, 1, heading_rows, 0, ssq, NULL);
621     tab_double (t, 2, heading_rows, 0, df, wfmt);
622     tab_double (t, 3, heading_rows, 0, ssq / df, NULL);
623     tab_double (t, 4, heading_rows, 0, F, NULL);
624
625     tab_double (t, 5, heading_rows, 0,
626                 gsl_cdf_fdist_Q (F, df, n_total - df_corr), NULL);
627   }
628
629   {
630     const double df = n_total - df_corr;
631     const double ssq = gsl_vector_get (ws->ssq, 0);
632     const double mse = ssq / df;
633     tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Error"));
634     tab_double (t, 1, r, 0, ssq, NULL);
635     tab_double (t, 2, r, 0, df, wfmt);
636     tab_double (t, 3, r++, 0, mse, NULL);
637   }
638
639   if (cmd->intercept)
640     {
641       const double intercept = pow2 (mean * n_total) / n_total;
642       const double ssq = intercept + ws->total_ssq;
643
644       tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Total"));
645       tab_double (t, 1, r, 0, ssq, NULL);
646       tab_double (t, 2, r, 0, n_total, wfmt);
647
648       r++;
649     }
650
651   tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Corrected Total"));
652
653
654   tab_double (t, 1, r, 0, ws->total_ssq, NULL);
655   tab_double (t, 2, r, 0, n_total - 1.0, wfmt);
656
657   tab_submit (t);
658 }
659
660 #if 0
661 static void
662 dump_matrix (const gsl_matrix * m)
663 {
664   size_t i, j;
665   for (i = 0; i < m->size1; ++i)
666     {
667       for (j = 0; j < m->size2; ++j)
668         {
669           double x = gsl_matrix_get (m, i, j);
670           printf ("%.3f ", x);
671         }
672       printf ("\n");
673     }
674   printf ("\n");
675 }
676 #endif
677
678
679 \f
680
681 /* Match a variable.
682    If the match succeeds, the variable will be placed in VAR.
683    Returns true if successful */
684 static bool
685 lex_match_variable (struct lexer *lexer, const struct glm_spec *glm, const struct variable **var)
686 {
687   if (lex_token (lexer) !=  T_ID)
688     return false;
689
690   *var = parse_variable_const  (lexer, glm->dict);
691
692   if ( *var == NULL)
693     return false;
694   return true;
695 }
696
697 /* An interaction is a variable followed by {*, BY} followed by an interaction */
698 static bool
699 parse_design_interaction (struct lexer *lexer, struct glm_spec *glm, struct interaction **iact)
700 {
701   const struct variable *v = NULL;
702   assert (iact);
703
704   switch  (lex_next_token (lexer, 1))
705     {
706     case T_ENDCMD:
707     case T_SLASH:
708     case T_COMMA:
709     case T_ID:
710     case T_BY:
711     case T_ASTERISK:
712       break;
713     default:
714       return false;
715       break;
716     }
717
718   if (! lex_match_variable (lexer, glm, &v))
719     {
720       interaction_destroy (*iact);
721       *iact = NULL;
722       return false;
723     }
724   
725   assert (v);
726
727   if ( *iact == NULL)
728     *iact = interaction_create (v);
729   else
730     interaction_add_variable (*iact, v);
731
732   if ( lex_match (lexer, T_ASTERISK) || lex_match (lexer, T_BY))
733     {
734       return parse_design_interaction (lexer, glm, iact);
735     }
736
737   return true;
738 }
739
740 static bool
741 parse_nested_variable (struct lexer *lexer, struct glm_spec *glm)
742 {
743   const struct variable *v = NULL;
744   if ( ! lex_match_variable (lexer, glm, &v))
745     return false;
746
747   if (lex_match (lexer, T_LPAREN))
748     {
749       if ( ! parse_nested_variable (lexer, glm))
750         return false;
751
752       if ( ! lex_force_match (lexer, T_RPAREN))
753         return false;
754     }
755
756   lex_error (lexer, "Nested variables are not yet implemented"); return false;  
757   return true;
758 }
759
760 /* A design term is an interaction OR a nested variable */
761 static bool
762 parse_design_term (struct lexer *lexer, struct glm_spec *glm)
763 {
764   struct interaction *iact = NULL;
765   if (parse_design_interaction (lexer, glm, &iact))
766     {
767       /* Interaction parsing successful.  Add to list of interactions */
768       glm->interactions = xrealloc (glm->interactions, sizeof *glm->interactions * ++glm->n_interactions);
769       glm->interactions[glm->n_interactions - 1] = iact;
770       return true;
771     }
772
773   if ( parse_nested_variable (lexer, glm))
774     return true;
775
776   return false;
777 }
778
779
780
781 /* Parse a complete DESIGN specification.
782    A design spec is a design term, optionally followed by a comma,
783    and another design spec.
784 */
785 static bool
786 parse_design_spec (struct lexer *lexer, struct glm_spec *glm)
787 {
788   if  (lex_token (lexer) == T_ENDCMD || lex_token (lexer) == T_SLASH)
789     return true;
790
791   if ( ! parse_design_term (lexer, glm))
792     return false;
793
794   lex_match (lexer, T_COMMA);
795
796   return parse_design_spec (lexer, glm);
797 }
798