src/regression.q

   1 /* PSPP - linear regression.
   2    Copyright (C) 2005 Free Software Foundation, Inc.
   3    Written by Jason H Stover <jason@sakla.net>.
   4
   5    This program is free software; you can redistribute it and/or
   6    modify it under the terms of the GNU General Public License as
   7    published by the Free Software Foundation; either version 2 of the
   8    License, or (at your option) any later version.
   9
  10    This program is distributed in the hope that it will be useful, but
  11    WITHOUT ANY WARRANTY; without even the implied warranty of
  12    MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  13    General Public License for more details.
  14
  15    You should have received a copy of the GNU General Public License
  16    along with this program; if not, write to the Free Software
  17    Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA
  18    02110-1301, USA. */
  19
  20 #include <config.h>
  21 #include <stdlib.h>
  22 #include <gsl/gsl_cdf.h>
  23 #include <gsl/gsl_vector.h>
  24 #include <gsl/gsl_matrix.h>
  25 #include "alloc.h"
  26 #include "case.h"
  27 #include "casefile.h"
  28 #include "cat.h"
  29 #include "cat-routines.h"
  30 #include "command.h"
  31 #include "design-matrix.h"
  32 #include "dictionary.h"
  33 #include "error.h"
  34 #include "file-handle.h"
  35 #include "gettext.h"
  36 #include "lexer.h"
  37 #include <linreg/pspp_linreg.h>
  38 #include "missing-values.h"
  39 #include "regression_export.h"
  40 #include "tab.h"
  41 #include "value-labels.h"
  42 #include "var.h"
  43 #include "vfm.h"
  44
  45 #define REG_LARGE_DATA 1000
  46
  47 /* (headers) */
  48
  49 /* (specification)
  50    "REGRESSION" (regression_):
  51    *variables=varlist;
  52    statistics[st_]=r,
  53    coeff,
  54    anova,
  55    outs,
  56    zpp,
  57    label,
  58    sha,
  59    ci,
  60    bcov,
  61    ses,
  62    xtx,
  63    collin,
  64    tol,
  65    selection,
  66    f,
  67    defaults,
  68    all;
  69    export=custom;
  70    ^dependent=varlist;
  71    ^method=enter.
  72 */
  73 /* (declarations) */
  74 /* (functions) */
  75 static struct cmd_regression cmd;
  76
  77 /*
  78   Array holding the subscripts of the independent variables.
  79  */
  80 size_t *indep_vars;
  81
  82 /*
  83   File where the model will be saved if the EXPORT subcommand
  84   is given.
  85  */
  86 struct file_handle *model_file;
  87
  88 /*
  89   Return value for the procedure.
  90  */
  91 int pspp_reg_rc = CMD_SUCCESS;
  92
  93 static void run_regression (const struct casefile *, void *);
  94 /*
  95    STATISTICS subcommand output functions.
  96  */
  97 static void reg_stats_r (pspp_linreg_cache *);
  98 static void reg_stats_coeff (pspp_linreg_cache *);
  99 static void reg_stats_anova (pspp_linreg_cache *);
 100 static void reg_stats_outs (pspp_linreg_cache *);
 101 static void reg_stats_zpp (pspp_linreg_cache *);
 102 static void reg_stats_label (pspp_linreg_cache *);
 103 static void reg_stats_sha (pspp_linreg_cache *);
 104 static void reg_stats_ci (pspp_linreg_cache *);
 105 static void reg_stats_f (pspp_linreg_cache *);
 106 static void reg_stats_bcov (pspp_linreg_cache *);
 107 static void reg_stats_ses (pspp_linreg_cache *);
 108 static void reg_stats_xtx (pspp_linreg_cache *);
 109 static void reg_stats_collin (pspp_linreg_cache *);
 110 static void reg_stats_tol (pspp_linreg_cache *);
 111 static void reg_stats_selection (pspp_linreg_cache *);
 112 static void statistics_keyword_output (void (*)(pspp_linreg_cache *),
 113                                        int, pspp_linreg_cache *);
 114
 115 static void
 116 reg_stats_r (pspp_linreg_cache * c)
 117 {
 118   struct tab_table *t;
 119   int n_rows = 2;
 120   int n_cols = 5;
 121   double rsq;
 122   double adjrsq;
 123   double std_error;
 124
 125   assert (c != NULL);
 126   rsq = c->ssm / c->sst;
 127   adjrsq = 1.0 - (1.0 - rsq) * (c->n_obs - 1.0) / (c->n_obs - c->n_indeps);
 128   std_error = sqrt ((c->n_indeps - 1.0) / (c->n_obs - 1.0));
 129   t = tab_create (n_cols, n_rows, 0);
 130   tab_dim (t, tab_natural_dimensions);
 131   tab_box (t, TAL_2, TAL_2, -1, TAL_1, 0, 0, n_cols - 1, n_rows - 1);
 132   tab_hline (t, TAL_2, 0, n_cols - 1, 1);
 133   tab_vline (t, TAL_2, 2, 0, n_rows - 1);
 134   tab_vline (t, TAL_0, 1, 0, 0);
 135
 136   tab_text (t, 1, 0, TAB_CENTER | TAT_TITLE, _("R"));
 137   tab_text (t, 2, 0, TAB_CENTER | TAT_TITLE, _("R Square"));
 138   tab_text (t, 3, 0, TAB_CENTER | TAT_TITLE, _("Adjusted R Square"));
 139   tab_text (t, 4, 0, TAB_CENTER | TAT_TITLE, _("Std. Error of the Estimate"));
 140   tab_float (t, 1, 1, TAB_RIGHT, sqrt (rsq), 10, 2);
 141   tab_float (t, 2, 1, TAB_RIGHT, rsq, 10, 2);
 142   tab_float (t, 3, 1, TAB_RIGHT, adjrsq, 10, 2);
 143   tab_float (t, 4, 1, TAB_RIGHT, std_error, 10, 2);
 144   tab_title (t, 0, _("Model Summary"));
 145   tab_submit (t);
 146 }
 147
 148 /*
 149   Table showing estimated regression coefficients.
 150  */
 151 static void
 152 reg_stats_coeff (pspp_linreg_cache * c)
 153 {
 154   size_t i;
 155   size_t j;
 156   int n_cols = 7;
 157   int n_rows;
 158   double t_stat;
 159   double pval;
 160   double coeff;
 161   double std_err;
 162   double beta;
 163   const char *label;
 164   struct tab_table *t;
 165
 166   assert (c != NULL);
 167   n_rows = c->n_coeffs + 2;
 168
 169   t = tab_create (n_cols, n_rows, 0);
 170   tab_headers (t, 2, 0, 1, 0);
 171   tab_dim (t, tab_natural_dimensions);
 172   tab_box (t, TAL_2, TAL_2, -1, TAL_1, 0, 0, n_cols - 1, n_rows - 1);
 173   tab_hline (t, TAL_2, 0, n_cols - 1, 1);
 174   tab_vline (t, TAL_2, 2, 0, n_rows - 1);
 175   tab_vline (t, TAL_0, 1, 0, 0);
 176
 177   tab_text (t, 2, 0, TAB_CENTER | TAT_TITLE, _("B"));
 178   tab_text (t, 3, 0, TAB_CENTER | TAT_TITLE, _("Std. Error"));
 179   tab_text (t, 4, 0, TAB_CENTER | TAT_TITLE, _("Beta"));
 180   tab_text (t, 5, 0, TAB_CENTER | TAT_TITLE, _("t"));
 181   tab_text (t, 6, 0, TAB_CENTER | TAT_TITLE, _("Significance"));
 182   tab_text (t, 1, 1, TAB_LEFT | TAT_TITLE, _("(Constant)"));
 183   coeff = c->coeff[0].estimate;
 184   tab_float (t, 2, 1, 0, coeff, 10, 2);
 185   std_err = sqrt (gsl_matrix_get (c->cov, 0, 0));
 186   tab_float (t, 3, 1, 0, std_err, 10, 2);
 187   beta = coeff / c->depvar_std;
 188   tab_float (t, 4, 1, 0, beta, 10, 2);
 189   t_stat = coeff / std_err;
 190   tab_float (t, 5, 1, 0, t_stat, 10, 2);
 191   pval = 2 * gsl_cdf_tdist_Q (fabs (t_stat), 1.0);
 192   tab_float (t, 6, 1, 0, pval, 10, 2);
 193   for (j = 1; j <= c->n_indeps; j++)
 194     {
 195       i = indep_vars[j];
 196       label = var_to_string (c->coeff[j].v);
 197       tab_text (t, 1, j + 1, TAB_CENTER, label);
 198       /*
 199          Regression coefficients.
 200        */
 201       coeff = c->coeff[j].estimate;
 202       tab_float (t, 2, j + 1, 0, coeff, 10, 2);
 203       /*
 204          Standard error of the coefficients.
 205        */
 206       std_err = sqrt (gsl_matrix_get (c->cov, j, j));
 207       tab_float (t, 3, j + 1, 0, std_err, 10, 2);
 208       /*
 209          'Standardized' coefficient, i.e., regression coefficient
 210          if all variables had unit variance.
 211        */
 212       beta = gsl_vector_get (c->indep_std, j);
 213       beta *= coeff / c->depvar_std;
 214       tab_float (t, 4, j + 1, 0, beta, 10, 2);
 215
 216       /*
 217          Test statistic for H0: coefficient is 0.
 218        */
 219       t_stat = coeff / std_err;
 220       tab_float (t, 5, j + 1, 0, t_stat, 10, 2);
 221       /*
 222          P values for the test statistic above.
 223        */
 224       pval = 2 * gsl_cdf_tdist_Q (fabs (t_stat), 1.0);
 225       tab_float (t, 6, j + 1, 0, pval, 10, 2);
 226     }
 227   tab_title (t, 0, _("Coefficients"));
 228   tab_submit (t);
 229 }
 230
 231 /*
 232   Display the ANOVA table.
 233  */
 234 static void
 235 reg_stats_anova (pspp_linreg_cache * c)
 236 {
 237   int n_cols = 7;
 238   int n_rows = 4;
 239   const double msm = c->ssm / c->dfm;
 240   const double mse = c->sse / c->dfe;
 241   const double F = msm / mse;
 242   const double pval = gsl_cdf_fdist_Q (F, c->dfm, c->dfe);
 243
 244   struct tab_table *t;
 245
 246   assert (c != NULL);
 247   t = tab_create (n_cols, n_rows, 0);
 248   tab_headers (t, 2, 0, 1, 0);
 249   tab_dim (t, tab_natural_dimensions);
 250
 251   tab_box (t, TAL_2, TAL_2, -1, TAL_1, 0, 0, n_cols - 1, n_rows - 1);
 252
 253   tab_hline (t, TAL_2, 0, n_cols - 1, 1);
 254   tab_vline (t, TAL_2, 2, 0, n_rows - 1);
 255   tab_vline (t, TAL_0, 1, 0, 0);
 256
 257   tab_text (t, 2, 0, TAB_CENTER | TAT_TITLE, _("Sum of Squares"));
 258   tab_text (t, 3, 0, TAB_CENTER | TAT_TITLE, _("df"));
 259   tab_text (t, 4, 0, TAB_CENTER | TAT_TITLE, _("Mean Square"));
 260   tab_text (t, 5, 0, TAB_CENTER | TAT_TITLE, _("F"));
 261   tab_text (t, 6, 0, TAB_CENTER | TAT_TITLE, _("Significance"));
 262
 263   tab_text (t, 1, 1, TAB_LEFT | TAT_TITLE, _("Regression"));
 264   tab_text (t, 1, 2, TAB_LEFT | TAT_TITLE, _("Residual"));
 265   tab_text (t, 1, 3, TAB_LEFT | TAT_TITLE, _("Total"));
 266
 267   /* Sums of Squares */
 268   tab_float (t, 2, 1, 0, c->ssm, 10, 2);
 269   tab_float (t, 2, 3, 0, c->sst, 10, 2);
 270   tab_float (t, 2, 2, 0, c->sse, 10, 2);
 271
 272
 273   /* Degrees of freedom */
 274   tab_float (t, 3, 1, 0, c->dfm, 4, 0);
 275   tab_float (t, 3, 2, 0, c->dfe, 4, 0);
 276   tab_float (t, 3, 3, 0, c->dft, 4, 0);
 277
 278   /* Mean Squares */
 279
 280   tab_float (t, 4, 1, TAB_RIGHT, msm, 8, 3);
 281   tab_float (t, 4, 2, TAB_RIGHT, mse, 8, 3);
 282
 283   tab_float (t, 5, 1, 0, F, 8, 3);
 284
 285   tab_float (t, 6, 1, 0, pval, 8, 3);
 286
 287   tab_title (t, 0, _("ANOVA"));
 288   tab_submit (t);
 289 }
 290 static void
 291 reg_stats_outs (pspp_linreg_cache * c)
 292 {
 293   assert (c != NULL);
 294 }
 295 static void
 296 reg_stats_zpp (pspp_linreg_cache * c)
 297 {
 298   assert (c != NULL);
 299 }
 300 static void
 301 reg_stats_label (pspp_linreg_cache * c)
 302 {
 303   assert (c != NULL);
 304 }
 305 static void
 306 reg_stats_sha (pspp_linreg_cache * c)
 307 {
 308   assert (c != NULL);
 309 }
 310 static void
 311 reg_stats_ci (pspp_linreg_cache * c)
 312 {
 313   assert (c != NULL);
 314 }
 315 static void
 316 reg_stats_f (pspp_linreg_cache * c)
 317 {
 318   assert (c != NULL);
 319 }
 320 static void
 321 reg_stats_bcov (pspp_linreg_cache * c)
 322 {
 323   int n_cols;
 324   int n_rows;
 325   int i;
 326   int j;
 327   int k;
 328   int row;
 329   int col;
 330   const char *label;
 331   struct tab_table *t;
 332
 333   assert (c != NULL);
 334   n_cols = c->n_indeps + 1 + 2;
 335   n_rows = 2 * (c->n_indeps + 1);
 336   t = tab_create (n_cols, n_rows, 0);
 337   tab_headers (t, 2, 0, 1, 0);
 338   tab_dim (t, tab_natural_dimensions);
 339   tab_box (t, TAL_2, TAL_2, -1, TAL_1, 0, 0, n_cols - 1, n_rows - 1);
 340   tab_hline (t, TAL_2, 0, n_cols - 1, 1);
 341   tab_vline (t, TAL_2, 2, 0, n_rows - 1);
 342   tab_vline (t, TAL_0, 1, 0, 0);
 343   tab_text (t, 0, 0, TAB_CENTER | TAT_TITLE, _("Model"));
 344   tab_text (t, 1, 1, TAB_CENTER | TAT_TITLE, _("Covariances"));
 345   for (i = 1; i < c->n_indeps + 1; i++)
 346     {
 347       j = indep_vars[(i - 1)];
 348       struct variable *v = cmd.v_variables[j];
 349       label = var_to_string (v);
 350       tab_text (t, 2, i, TAB_CENTER, label);
 351       tab_text (t, i + 2, 0, TAB_CENTER, label);
 352       for (k = 1; k < c->n_indeps + 1; k++)
 353         {
 354           col = (i <= k) ? k : i;
 355           row = (i <= k) ? i : k;
 356           tab_float (t, k + 2, i, TAB_CENTER,
 357                      gsl_matrix_get (c->cov, row, col), 8, 3);
 358         }
 359     }
 360   tab_title (t, 0, _("Coefficient Correlations"));
 361   tab_submit (t);
 362 }
 363 static void
 364 reg_stats_ses (pspp_linreg_cache * c)
 365 {
 366   assert (c != NULL);
 367 }
 368 static void
 369 reg_stats_xtx (pspp_linreg_cache * c)
 370 {
 371   assert (c != NULL);
 372 }
 373 static void
 374 reg_stats_collin (pspp_linreg_cache * c)
 375 {
 376   assert (c != NULL);
 377 }
 378 static void
 379 reg_stats_tol (pspp_linreg_cache * c)
 380 {
 381   assert (c != NULL);
 382 }
 383 static void
 384 reg_stats_selection (pspp_linreg_cache * c)
 385 {
 386   assert (c != NULL);
 387 }
 388
 389 static void
 390 statistics_keyword_output (void (*function) (pspp_linreg_cache *),
 391                            int keyword, pspp_linreg_cache * c)
 392 {
 393   if (keyword)
 394     {
 395       (*function) (c);
 396     }
 397 }
 398
 399 static void
 400 subcommand_statistics (int *keywords, pspp_linreg_cache * c)
 401 {
 402   /*
 403      The order here must match the order in which the STATISTICS
 404      keywords appear in the specification section above.
 405    */
 406   enum
 407   { r,
 408     coeff,
 409     anova,
 410     outs,
 411     zpp,
 412     label,
 413     sha,
 414     ci,
 415     bcov,
 416     ses,
 417     xtx,
 418     collin,
 419     tol,
 420     selection,
 421     f,
 422     defaults,
 423     all
 424   };
 425   int i;
 426   int d = 1;
 427
 428   if (keywords[all])
 429     {
 430       /*
 431          Set everything but F.
 432        */
 433       for (i = 0; i < f; i++)
 434         {
 435           keywords[i] = 1;
 436         }
 437     }
 438   else
 439     {
 440       for (i = 0; i < all; i++)
 441         {
 442           if (keywords[i])
 443             {
 444               d = 0;
 445             }
 446         }
 447       /*
 448          Default output: ANOVA table, parameter estimates,
 449          and statistics for variables not entered into model,
 450          if appropriate.
 451        */
 452       if (keywords[defaults] | d)
 453         {
 454           keywords[anova] = 1;
 455           keywords[outs] = 1;
 456           keywords[coeff] = 1;
 457           keywords[r] = 1;
 458         }
 459     }
 460   statistics_keyword_output (reg_stats_r, keywords[r], c);
 461   statistics_keyword_output (reg_stats_anova, keywords[anova], c);
 462   statistics_keyword_output (reg_stats_coeff, keywords[coeff], c);
 463   statistics_keyword_output (reg_stats_outs, keywords[outs], c);
 464   statistics_keyword_output (reg_stats_zpp, keywords[zpp], c);
 465   statistics_keyword_output (reg_stats_label, keywords[label], c);
 466   statistics_keyword_output (reg_stats_sha, keywords[sha], c);
 467   statistics_keyword_output (reg_stats_ci, keywords[ci], c);
 468   statistics_keyword_output (reg_stats_f, keywords[f], c);
 469   statistics_keyword_output (reg_stats_bcov, keywords[bcov], c);
 470   statistics_keyword_output (reg_stats_ses, keywords[ses], c);
 471   statistics_keyword_output (reg_stats_xtx, keywords[xtx], c);
 472   statistics_keyword_output (reg_stats_collin, keywords[collin], c);
 473   statistics_keyword_output (reg_stats_tol, keywords[tol], c);
 474   statistics_keyword_output (reg_stats_selection, keywords[selection], c);
 475 }
 476 static
 477 int reg_inserted (struct variable *v, struct variable **varlist, int n_vars)
 478 {
 479   int i;
 480
 481   for (i = 0; i < n_vars; i++)
 482     {
 483       if (v->index == varlist[i]->index)
 484         {
 485           return 1;
 486         }
 487     }
 488   return 0;
 489 }
 490 static void
 491 reg_print_categorical_encoding (FILE *fp, pspp_linreg_cache *c)
 492 {
 493   int i;
 494   size_t j;
 495   int n_vars = 0;
 496   struct variable **varlist;
 497   struct pspp_linreg_coeff coeff;
 498   union value *val;
 499
 500   fprintf (fp, "%s", reg_export_categorical_encode_1);
 501
 502   varlist = xnmalloc (c->n_indeps, sizeof (*varlist));
 503   for (i = 1; i < c->n_indeps; i++)   /* c->coeff[0] is the intercept. */
 504     {
 505       coeff = c->coeff[i];
 506       if (coeff.v->type == ALPHA)
 507         {
 508           if (!reg_inserted (coeff.v, varlist, n_vars))
 509           {
 510             fprintf (fp, "struct pspp_reg_categorical_variable %s;\n\t", coeff.v->name);
 511             varlist[n_vars] = coeff.v;
 512             n_vars++;
 513           }
 514         }
 515     }
 516   fprintf (fp, "int n_vars = %d;\n\t", n_vars);
 517   fprintf (fp, "struct pspp_reg_categorical_variable *varlist[%d] = {", n_vars);
 518   for (i = 0; i < n_vars - 1; i++)
 519     {
 520       fprintf (fp, "&%s,\n\t\t", varlist[i]->name);
 521     }
 522   fprintf (fp, "&%s};\n\t", varlist[i]->name);
 523
 524   for (i = 0; i < n_vars; i++)
 525     {
 526       coeff = c->coeff[i];
 527       fprintf (fp, "%s.name = \"%s\";\n\t", varlist[i]->name, varlist[i]->name);
 528       fprintf (fp, "%s.n_vals = %d;\n\t", varlist[i]->name, varlist[i]->obs_vals->n_categories);
 529
 530       for (j = 0; j < varlist[i]->obs_vals->n_categories; j++)
 531         {
 532           val = cat_subscript_to_value ( (const size_t) j, varlist[i]);
 533           fprintf (fp, "%s.values[%d] = \"%s\";\n\t", varlist[i]->name, j, value_to_string (val, varlist[i]));
 534         }
 535     }
 536   fprintf (fp, "%s", reg_export_categorical_encode_2);
 537 }
 538
 539 static void
 540 reg_print_depvars (FILE *fp, pspp_linreg_cache *c)
 541 {
 542   int i;
 543   struct pspp_linreg_coeff coeff;
 544
 545   fprintf (fp, "char *model_depvars[%d] = {", c->n_indeps);
 546   for (i = 1; i < c->n_indeps; i++)
 547     {
 548       coeff = c->coeff[i];
 549       fprintf (fp, "\"%s\",\n\t\t", coeff.v->name);
 550     }
 551   coeff = c->coeff[i];
 552   fprintf (fp, "\"%s\"};\n\t", coeff.v->name);
 553 }
 554 static void
 555 reg_print_getvar (FILE *fp, pspp_linreg_cache *c)
 556 {
 557   fprintf (fp, "static int\npspp_reg_getvar (char *v_name)\n{\n\t");
 558   fprintf (fp, "int i;\n\tint n_vars = %d;\n\t",c->n_indeps);
 559   reg_print_depvars (fp, c);
 560   fprintf (fp, "for (i = 0; i < n_vars; i++)\n\t{\n\t\t");
 561   fprintf (fp, "if (strncmp (v_name, model_depvars[i], PSPP_REG_MAXLEN) == 0)\n\t\t{\n\t\t\t");
 562   fprintf (fp, "return i;\n\t\t}\n\t}\n}\n");
 563 }
 564 static void
 565 subcommand_export (int export, pspp_linreg_cache *c)
 566 {
 567   FILE *fp;
 568   size_t i;
 569   size_t j;
 570   int n_quantiles = 100;
 571   double increment;
 572   double tmp;
 573   struct pspp_linreg_coeff coeff;
 574
 575   if (export)
 576     {
 577       assert (c != NULL);
 578       assert (model_file != NULL);
 579       assert (fp != NULL);
 580       fp = fopen (handle_get_filename (model_file), "w");
 581       fprintf (fp, "%s", reg_preamble);
 582       reg_print_getvar (fp, c);
 583       reg_print_categorical_encoding (fp, c);
 584       fprintf (fp, "%s", reg_export_t_quantiles_1);
 585       increment = 0.5 / (double) increment;
 586       for (i = 0; i < n_quantiles - 1; i++)
 587         {
 588           tmp = 0.5 + 0.005 * (double) i;
 589           fprintf (fp, "%.15e,\n\t\t", gsl_cdf_tdist_Pinv (tmp, c->n_obs - c->n_indeps));
 590         }
 591       fprintf (fp, "%.15e};\n\t", gsl_cdf_tdist_Pinv (.9995, c->n_obs - c->n_indeps));
 592       fprintf (fp, "%s", reg_export_t_quantiles_2);
 593       fprintf (fp, "%s", reg_mean_cmt);
 594       fprintf (fp, "double\npspp_reg_estimate (const double *var_vals,");
 595       fprintf (fp, "const char *var_names[])\n{\n\t");
 596       fprintf (fp, "double model_coeffs[%d] = {", c->n_indeps);
 597       for (i = 1; i < c->n_indeps; i++)
 598         {
 599           coeff = c->coeff[i];
 600           fprintf (fp, "%.15e,\n\t\t", coeff.estimate);
 601         }
 602       coeff = c->coeff[i];
 603       fprintf (fp, "%.15e};\n\t", coeff.estimate);
 604       coeff = c->coeff[0];
 605       fprintf (fp, "double estimate = %.15e;\n\t", coeff.estimate);
 606       fprintf (fp, "int i;\n\tint j;\n\n\t");
 607       fprintf (fp, "for (i = 0; i < %d; i++)\n\t", c->n_indeps);
 608       fprintf (fp, "%s", reg_getvar);
 609       fprintf (fp, "const double cov[%d][%d] = {\n\t", c->n_coeffs, c->n_coeffs);
 610       for (i = 0; i < c->cov->size1 - 1; i++)
 611         {
 612           fprintf (fp, "{");
 613           for (j = 0; j < c->cov->size2 - 1; j++)
 614             {
 615               fprintf (fp, "%.15e, ", gsl_matrix_get (c->cov, i, j));
 616             }
 617           fprintf (fp, "%.15e},\n\t", gsl_matrix_get (c->cov, i, j));
 618         }
 619       fprintf (fp, "{");
 620       for (j = 0; j < c->cov->size2 - 1; j++)
 621         {
 622           fprintf (fp, "%.15e, ", gsl_matrix_get (c->cov, c->cov->size1 - 1, j));
 623         }
 624       fprintf (fp, "%.15e}\n\t", gsl_matrix_get (c->cov, c->cov->size1 - 1, c->cov->size2 - 1));
 625       fprintf (fp, "};\n\tint n_vars = %d;\n\tint i;\n\tint j;\n\t", c->n_indeps);
 626       fprintf (fp, "double unshuffled_vals[%d];\n\t",c->n_indeps);
 627       fprintf (fp, "%s", reg_variance);
 628       fprintf (fp, "%s", reg_export_confidence_interval);
 629       tmp = c->mse * c->mse;
 630       fprintf (fp, "%s %.15e", reg_export_prediction_interval_1, tmp);
 631       fprintf (fp, "%s %.15e", reg_export_prediction_interval_2, tmp);
 632       fprintf (fp, "%s", reg_export_prediction_interval_3);
 633       fclose (fp);
 634       fp = fopen ("pspp_model_reg.h", "w");
 635       fprintf (fp, "%s", reg_header);
 636       fclose (fp);
 637     }
 638 }
 639 static int
 640 regression_custom_export (struct cmd_regression *cmd)
 641 {
 642   /* 0 on failure, 1 on success, 2 on failure that should result in syntax error */
 643   if (!lex_force_match ('('))
 644     return 0;
 645
 646   if (lex_match ('*'))
 647     model_file = NULL;
 648   else
 649     {
 650       model_file = fh_parse ();
 651       if (model_file == NULL)
 652         return 0;
 653     }
 654
 655   if (!lex_force_match (')'))
 656     return 0;
 657
 658   return 1;
 659 }
 660
 661 int
 662 cmd_regression (void)
 663 {
 664   if (!parse_regression (&cmd))
 665     {
 666       return CMD_FAILURE;
 667     }
 668   multipass_procedure_with_splits (run_regression, &cmd);
 669
 670   return pspp_reg_rc;
 671 }
 672
 673 /*
 674   Is variable k one of the dependent variables?
 675  */
 676 static int
 677 is_depvar (size_t k)
 678 {
 679   size_t j = 0;
 680   for (j = 0; j < cmd.n_dependent; j++)
 681     {
 682       /*
 683          compare_var_names returns 0 if the variable
 684          names match.
 685        */
 686       if (!compare_var_names (cmd.v_dependent[j], cmd.v_variables[k], NULL))
 687         return 1;
 688     }
 689   return 0;
 690 }
 691
 692 static void
 693 run_regression (const struct casefile *cf, void *cmd_ UNUSED)
 694 {
 695   size_t i;
 696   size_t n_data = 0;
 697   size_t row;
 698   size_t case_num;
 699   int n_indep;
 700   int j = 0;
 701   /*
 702      Keep track of the missing cases.
 703    */
 704   int *is_missing_case;
 705   const union value *val;
 706   struct casereader *r;
 707   struct casereader *r2;
 708   struct ccase c;
 709   struct variable *v;
 710   struct variable **indep_vars;
 711   struct design_matrix *X;
 712   gsl_vector *Y;
 713   pspp_linreg_cache *lcache;
 714   pspp_linreg_opts lopts;
 715
 716   n_data = casefile_get_case_cnt (cf);
 717
 718   is_missing_case = xnmalloc (n_data, sizeof (*is_missing_case));
 719   for (i = 0; i < n_data; i++)
 720     is_missing_case[i] = 0;
 721
 722   n_indep = cmd.n_variables - cmd.n_dependent;
 723   indep_vars = xnmalloc (n_indep, sizeof *indep_vars);
 724
 725   lopts.get_depvar_mean_std = 1;
 726   lopts.get_indep_mean_std = xnmalloc (n_indep, sizeof (int));
 727
 728
 729   /*
 730      Read from the active file. The first pass encodes categorical
 731      variables and drops cases with missing values.
 732    */
 733   j = 0;
 734   for (i = 0; i < cmd.n_variables; i++)
 735     {
 736       if (!is_depvar (i))
 737         {
 738           v = cmd.v_variables[i];
 739           indep_vars[j] = v;
 740           j++;
 741           if (v->type == ALPHA)
 742             {
 743               /* Make a place to hold the binary vectors
 744                  corresponding to this variable's values. */
 745               cat_stored_values_create (v);
 746             }
 747           for (r = casefile_get_reader (cf);
 748                casereader_read (r, &c); case_destroy (&c))
 749             {
 750               row = casereader_cnum (r) - 1;
 751
 752               val = case_data (&c, v->fv);
 753               cat_value_update (v, val);
 754               if (mv_is_value_missing (&v->miss, val))
 755                 {
 756                   if (!is_missing_case[row])
 757                     {
 758                       /* Now it is missing. */
 759                       n_data--;
 760                       is_missing_case[row] = 1;
 761                     }
 762                 }
 763             }
 764         }
 765     }
 766
 767   Y = gsl_vector_alloc (n_data);
 768   X =
 769     design_matrix_create (n_indep, (const struct variable **) indep_vars,
 770                           n_data);
 771   lcache = pspp_linreg_cache_alloc (X->m->size1, X->m->size2);
 772   lcache->indep_means = gsl_vector_alloc (X->m->size2);
 773   lcache->indep_std = gsl_vector_alloc (X->m->size2);
 774
 775   /*
 776      The second pass creates the design matrix.
 777    */
 778   row = 0;
 779   for (r2 = casefile_get_reader (cf); casereader_read (r2, &c);
 780        case_destroy (&c))
 781     /* Iterate over the cases. */
 782     {
 783       case_num = casereader_cnum (r2) - 1;
 784       if (!is_missing_case[case_num])
 785         {
 786           for (i = 0; i < cmd.n_variables; ++i) /* Iterate over the variables
 787                                                    for the current case.
 788                                                  */
 789             {
 790               v = cmd.v_variables[i];
 791               val = case_data (&c, v->fv);
 792               /*
 793                  Independent/dependent variable separation. The
 794                  'variables' subcommand specifies a varlist which contains
 795                  both dependent and independent variables. The dependent
 796                  variables are specified with the 'dependent'
 797                  subcommand. We need to separate the two.
 798                */
 799               if (is_depvar (i))
 800                 {
 801                   if (v->type != NUMERIC)
 802                     {
 803                       msg (SE,
 804                            gettext ("Dependent variable must be numeric."));
 805                       pspp_reg_rc = CMD_FAILURE;
 806                       return;
 807                     }
 808                   lcache->depvar = (const struct variable *) v;
 809                   gsl_vector_set (Y, row, val->f);
 810                 }
 811               else
 812                 {
 813                   if (v->type == ALPHA)
 814                     {
 815                       design_matrix_set_categorical (X, row, v, val);
 816                     }
 817                   else if (v->type == NUMERIC)
 818                     {
 819                       design_matrix_set_numeric (X, row, v, val);
 820                     }
 821
 822                   lopts.get_indep_mean_std[i] = 1;
 823                 }
 824             }
 825           row++;
 826         }
 827     }
 828   /*
 829      Now that we know the number of coefficients, allocate space
 830      and store pointers to the variables that correspond to the
 831      coefficients.
 832    */
 833   lcache->coeff = xnmalloc (X->m->size2 + 1, sizeof (*lcache->coeff));
 834   for (i = 0; i < X->m->size2; i++)
 835     {
 836       j = i + 1;                /* The first coeff is the intercept. */
 837       lcache->coeff[j].v =
 838         (const struct variable *) design_matrix_col_to_var (X, i);
 839       assert (lcache->coeff[j].v != NULL);
 840     }
 841   /*
 842     For large data sets, use QR decomposition.
 843    */
 844   if (n_data > sqrt (n_indep) && n_data > REG_LARGE_DATA)
 845     {
 846       lcache->method = PSPP_LINREG_SVD;
 847     }
 848   /*
 849      Find the least-squares estimates and other statistics.
 850    */
 851   pspp_linreg ((const gsl_vector *) Y, X->m, &lopts, lcache);
 852   subcommand_statistics (cmd.a_statistics, lcache);
 853   subcommand_export (cmd.sbc_export, lcache);
 854   gsl_vector_free (Y);
 855   design_matrix_destroy (X);
 856   pspp_linreg_cache_free (lcache);
 857   free (lopts.get_indep_mean_std);
 858   free (indep_vars);
 859   free (is_missing_case);
 860   casereader_destroy (r);
 861   return;
 862 }
 863
 864 /*
 865   Local Variables:
 866   mode: c
 867   End:
 868 */