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

   1 /* PSPP - a program for statistical analysis.
   2    Copyright (C) 2009, 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 <math.h>
  22
  23 #include "data/casegrouper.h"
  24 #include "data/casereader.h"
  25 #include "data/dataset.h"
  26 #include "data/dictionary.h"
  27 #include "data/format.h"
  28 #include "data/variable.h"
  29 #include "language/command.h"
  30 #include "language/dictionary/split-file.h"
  31 #include "language/lexer/lexer.h"
  32 #include "language/lexer/variable-parser.h"
  33 #include "libpspp/assertion.h"
  34 #include "libpspp/message.h"
  35 #include "libpspp/misc.h"
  36 #include "math/correlation.h"
  37 #include "math/covariance.h"
  38 #include "math/moments.h"
  39 #include "output/tab.h"
  40
  41 #include "gl/xalloc.h"
  42 #include "gl/minmax.h"
  43
  44 #include "gettext.h"
  45 #define _(msgid) gettext (msgid)
  46 #define N_(msgid) msgid
  47
  48
  49 struct corr
  50 {
  51   size_t n_vars_total;
  52   size_t n_vars1;
  53
  54   const struct variable **vars;
  55 };
  56
  57
  58 /* Handling of missing values. */
  59 enum corr_missing_type
  60   {
  61     CORR_PAIRWISE,       /* Handle missing values on a per-variable-pair basis. */
  62     CORR_LISTWISE        /* Discard entire case if any variable is missing. */
  63   };
  64
  65 enum stats_opts
  66   {
  67     STATS_DESCRIPTIVES = 0x01,
  68     STATS_XPROD = 0x02,
  69     STATS_ALL = STATS_XPROD | STATS_DESCRIPTIVES
  70   };
  71
  72 struct corr_opts
  73 {
  74   enum corr_missing_type missing_type;
  75   enum mv_class exclude;      /* Classes of missing values to exclude. */
  76
  77   bool sig;   /* Flag significant values or not */
  78   int tails;  /* Report significance with how many tails ? */
  79   enum stats_opts statistics;
  80
  81   const struct variable *wv;  /* The weight variable (if any) */
  82 };
  83
  84
  85 static void
  86 output_descriptives (const struct corr *corr, const gsl_matrix *means,
  87                      const gsl_matrix *vars, const gsl_matrix *ns)
  88 {
  89   const int nr = corr->n_vars_total + 1;
  90   const int nc = 4;
  91   int c, r;
  92
  93   const int heading_columns = 1;
  94   const int heading_rows = 1;
  95
  96   struct tab_table *t = tab_create (nc, nr);
  97   tab_title (t, _("Descriptive Statistics"));
  98
  99   tab_headers (t, heading_columns, 0, heading_rows, 0);
 100
 101   /* Outline the box */
 102   tab_box (t,
 103            TAL_2, TAL_2,
 104            -1, -1,
 105            0, 0,
 106            nc - 1, nr - 1);
 107
 108   /* Vertical lines */
 109   tab_box (t,
 110            -1, -1,
 111            -1, TAL_1,
 112            heading_columns, 0,
 113            nc - 1, nr - 1);
 114
 115   tab_vline (t, TAL_2, heading_columns, 0, nr - 1);
 116   tab_hline (t, TAL_1, 0, nc - 1, heading_rows);
 117
 118   tab_text (t, 1, 0, TAB_CENTER | TAT_TITLE, _("Mean"));
 119   tab_text (t, 2, 0, TAB_CENTER | TAT_TITLE, _("Std. Deviation"));
 120   tab_text (t, 3, 0, TAB_CENTER | TAT_TITLE, _("N"));
 121
 122   for (r = 0 ; r < corr->n_vars_total ; ++r)
 123     {
 124       const struct variable *v = corr->vars[r];
 125       tab_text (t, 0, r + heading_rows, TAB_LEFT | TAT_TITLE, var_to_string (v));
 126
 127       for (c = 1 ; c < nc ; ++c)
 128         {
 129           double x ;
 130           double n;
 131           switch (c)
 132             {
 133             case 1:
 134               x = gsl_matrix_get (means, r, 0);
 135               break;
 136             case 2:
 137               x = gsl_matrix_get (vars, r, 0);
 138
 139               /* Here we want to display the non-biased estimator */
 140               n = gsl_matrix_get (ns, r, 0);
 141               x *= n / (n -1);
 142
 143               x = sqrt (x);
 144               break;
 145             case 3:
 146               x = gsl_matrix_get (ns, r, 0);
 147               break;
 148             default:
 149               NOT_REACHED ();
 150             };
 151
 152           tab_double (t, c, r + heading_rows, 0, x, NULL, RC_OTHER);
 153         }
 154     }
 155
 156   tab_submit (t);
 157 }
 158
 159 static void
 160 output_correlation (const struct corr *corr, const struct corr_opts *opts,
 161                     const gsl_matrix *cm, const gsl_matrix *samples,
 162                     const gsl_matrix *cv)
 163 {
 164   int r, c;
 165   struct tab_table *t;
 166   int matrix_cols;
 167   int nr = corr->n_vars1;
 168   int nc = matrix_cols = corr->n_vars_total > corr->n_vars1 ?
 169     corr->n_vars_total - corr->n_vars1 : corr->n_vars1;
 170
 171   const struct fmt_spec *wfmt = opts->wv ? var_get_print_format (opts->wv) : & F_8_0;
 172
 173   const int heading_columns = 2;
 174   const int heading_rows = 1;
 175
 176   int rows_per_variable = opts->missing_type == CORR_LISTWISE ? 2 : 3;
 177
 178   if (opts->statistics & STATS_XPROD)
 179     rows_per_variable += 2;
 180
 181   /* Two header columns */
 182   nc += heading_columns;
 183
 184   /* Three data per variable */
 185   nr *= rows_per_variable;
 186
 187   /* One header row */
 188   nr += heading_rows;
 189
 190   t = tab_create (nc, nr);
 191   tab_set_format (t, RC_WEIGHT, wfmt);
 192   tab_title (t, _("Correlations"));
 193
 194   tab_headers (t, heading_columns, 0, heading_rows, 0);
 195
 196   /* Outline the box */
 197   tab_box (t,
 198            TAL_2, TAL_2,
 199            -1, -1,
 200            0, 0,
 201            nc - 1, nr - 1);
 202
 203   /* Vertical lines */
 204   tab_box (t,
 205            -1, -1,
 206            -1, TAL_1,
 207            heading_columns, 0,
 208            nc - 1, nr - 1);
 209
 210   tab_vline (t, TAL_2, heading_columns, 0, nr - 1);
 211
 212   tab_vline (t, TAL_1, 1, heading_rows, nr - 1);
 213
 214   /* Row Headers */
 215   for (r = 0 ; r < corr->n_vars1 ; ++r)
 216     {
 217       tab_text (t, 0, 1 + r * rows_per_variable, TAB_LEFT | TAT_TITLE,
 218                 var_to_string (corr->vars[r]));
 219
 220       tab_text (t, 1, 1 + r * rows_per_variable, TAB_LEFT | TAT_TITLE, _("Pearson Correlation"));
 221       tab_text (t, 1, 2 + r * rows_per_variable, TAB_LEFT | TAT_TITLE,
 222                 (opts->tails == 2) ? _("Sig. (2-tailed)") : _("Sig. (1-tailed)"));
 223
 224       if (opts->statistics & STATS_XPROD)
 225         {
 226           tab_text (t, 1, 3 + r * rows_per_variable, TAB_LEFT | TAT_TITLE, _("Cross-products"));
 227           tab_text (t, 1, 4 + r * rows_per_variable, TAB_LEFT | TAT_TITLE, _("Covariance"));
 228         }
 229
 230       if ( opts->missing_type != CORR_LISTWISE )
 231         tab_text (t, 1, rows_per_variable + r * rows_per_variable, TAB_LEFT | TAT_TITLE, _("N"));
 232
 233       tab_hline (t, TAL_1, 0, nc - 1, r * rows_per_variable + 1);
 234     }
 235
 236   /* Column Headers */
 237   for (c = 0 ; c < matrix_cols ; ++c)
 238     {
 239       const struct variable *v = corr->n_vars_total > corr->n_vars1 ?
 240         corr->vars[corr->n_vars1 + c] : corr->vars[c];
 241       tab_text (t, heading_columns + c, 0, TAB_LEFT | TAT_TITLE, var_to_string (v));
 242     }
 243
 244   for (r = 0 ; r < corr->n_vars1 ; ++r)
 245     {
 246       const int row = r * rows_per_variable + heading_rows;
 247       for (c = 0 ; c < matrix_cols ; ++c)
 248         {
 249           unsigned char flags = 0;
 250           const int col_index = corr->n_vars_total > corr->n_vars1 ?
 251             corr->n_vars1 + c :
 252             c;
 253           double pearson = gsl_matrix_get (cm, r, col_index);
 254           double w = gsl_matrix_get (samples, r, col_index);
 255           double sig = opts->tails * significance_of_correlation (pearson, w);
 256
 257           if ( opts->missing_type != CORR_LISTWISE )
 258             tab_double (t, c + heading_columns, row + rows_per_variable - 1, 0, w, NULL, RC_WEIGHT);
 259
 260           if ( col_index != r)
 261             tab_double (t, c + heading_columns, row + 1, 0,  sig, NULL, RC_PVALUE);
 262
 263           if ( opts->sig && col_index != r && sig < 0.05)
 264             flags = TAB_EMPH;
 265
 266           tab_double (t, c + heading_columns, row, flags, pearson, NULL, RC_OTHER);
 267
 268           if (opts->statistics & STATS_XPROD)
 269             {
 270               double cov = gsl_matrix_get (cv, r, col_index);
 271               const double xprod_dev = cov * w;
 272               cov *= w / (w - 1.0);
 273
 274               tab_double (t, c + heading_columns, row + 2, 0, xprod_dev, NULL, RC_OTHER);
 275               tab_double (t, c + heading_columns, row + 3, 0, cov, NULL, RC_OTHER);
 276             }
 277         }
 278     }
 279
 280   tab_submit (t);
 281 }
 282
 283
 284 static void
 285 run_corr (struct casereader *r, const struct corr_opts *opts, const struct corr *corr)
 286 {
 287   struct ccase *c;
 288   const gsl_matrix *var_matrix,  *samples_matrix, *mean_matrix;
 289   gsl_matrix *cov_matrix;
 290   gsl_matrix *corr_matrix;
 291   struct covariance *cov = covariance_2pass_create (corr->n_vars_total, corr->vars,
 292                                                     NULL,
 293                                                     opts->wv, opts->exclude);
 294
 295   struct casereader *rc = casereader_clone (r);
 296   for ( ; (c = casereader_read (r) ); case_unref (c))
 297     {
 298       covariance_accumulate_pass1 (cov, c);
 299     }
 300
 301   for ( ; (c = casereader_read (rc) ); case_unref (c))
 302     {
 303       covariance_accumulate_pass2 (cov, c);
 304     }
 305
 306   cov_matrix = covariance_calculate (cov);
 307
 308   casereader_destroy (rc);
 309
 310   samples_matrix = covariance_moments (cov, MOMENT_NONE);
 311   var_matrix = covariance_moments (cov, MOMENT_VARIANCE);
 312   mean_matrix = covariance_moments (cov, MOMENT_MEAN);
 313
 314   corr_matrix = correlation_from_covariance (cov_matrix, var_matrix);
 315
 316   if ( opts->statistics & STATS_DESCRIPTIVES)
 317     output_descriptives (corr, mean_matrix, var_matrix, samples_matrix);
 318
 319   output_correlation (corr, opts, corr_matrix,
 320                       samples_matrix, cov_matrix);
 321
 322   covariance_destroy (cov);
 323   gsl_matrix_free (corr_matrix);
 324   gsl_matrix_free (cov_matrix);
 325 }
 326
 327 int
 328 cmd_correlation (struct lexer *lexer, struct dataset *ds)
 329 {
 330   int i;
 331   int n_all_vars = 0; /* Total number of variables involved in this command */
 332   const struct variable **all_vars ;
 333   const struct dictionary *dict = dataset_dict (ds);
 334   bool ok = true;
 335
 336   struct casegrouper *grouper;
 337   struct casereader *group;
 338
 339   struct corr *corr = NULL;
 340   size_t n_corrs = 0;
 341
 342   struct corr_opts opts;
 343   opts.missing_type = CORR_PAIRWISE;
 344   opts.wv = dict_get_weight (dict);
 345   opts.tails = 2;
 346   opts.sig = false;
 347   opts.exclude = MV_ANY;
 348   opts.statistics = 0;
 349
 350   /* Parse CORRELATIONS. */
 351   while (lex_token (lexer) != T_ENDCMD)
 352     {
 353       lex_match (lexer, T_SLASH);
 354       if (lex_match_id (lexer, "MISSING"))
 355         {
 356           lex_match (lexer, T_EQUALS);
 357           while (lex_token (lexer) != T_ENDCMD && lex_token (lexer) != T_SLASH)
 358             {
 359               if (lex_match_id (lexer, "PAIRWISE"))
 360                 opts.missing_type = CORR_PAIRWISE;
 361               else if (lex_match_id (lexer, "LISTWISE"))
 362                 opts.missing_type = CORR_LISTWISE;
 363
 364               else if (lex_match_id (lexer, "INCLUDE"))
 365                 opts.exclude = MV_SYSTEM;
 366               else if (lex_match_id (lexer, "EXCLUDE"))
 367                 opts.exclude = MV_ANY;
 368               else
 369                 {
 370                   lex_error (lexer, NULL);
 371                   goto error;
 372                 }
 373               lex_match (lexer, T_COMMA);
 374             }
 375         }
 376       else if (lex_match_id (lexer, "PRINT"))
 377         {
 378           lex_match (lexer, T_EQUALS);
 379           while (lex_token (lexer) != T_ENDCMD && lex_token (lexer) != T_SLASH)
 380             {
 381               if ( lex_match_id (lexer, "TWOTAIL"))
 382                 opts.tails = 2;
 383               else if (lex_match_id (lexer, "ONETAIL"))
 384                 opts.tails = 1;
 385               else if (lex_match_id (lexer, "SIG"))
 386                 opts.sig = false;
 387               else if (lex_match_id (lexer, "NOSIG"))
 388                 opts.sig = true;
 389               else
 390                 {
 391                   lex_error (lexer, NULL);
 392                   goto error;
 393                 }
 394
 395               lex_match (lexer, T_COMMA);
 396             }
 397         }
 398       else if (lex_match_id (lexer, "STATISTICS"))
 399         {
 400           lex_match (lexer, T_EQUALS);
 401           while (lex_token (lexer) != T_ENDCMD && lex_token (lexer) != T_SLASH)
 402             {
 403               if ( lex_match_id (lexer, "DESCRIPTIVES"))
 404                 opts.statistics = STATS_DESCRIPTIVES;
 405               else if (lex_match_id (lexer, "XPROD"))
 406                 opts.statistics = STATS_XPROD;
 407               else if (lex_token (lexer) == T_ALL)
 408                 {
 409                   opts.statistics = STATS_ALL;
 410                   lex_get (lexer);
 411                 }
 412               else
 413                 {
 414                   lex_error (lexer, NULL);
 415                   goto error;
 416                 }
 417
 418               lex_match (lexer, T_COMMA);
 419             }
 420         }
 421       else
 422         {
 423           if (lex_match_id (lexer, "VARIABLES"))
 424             {
 425               lex_match (lexer, T_EQUALS);
 426             }
 427
 428           corr = xrealloc (corr, sizeof (*corr) * (n_corrs + 1));
 429           corr[n_corrs].n_vars_total = corr[n_corrs].n_vars1 = 0;
 430
 431           if ( ! parse_variables_const (lexer, dict, &corr[n_corrs].vars,
 432                                         &corr[n_corrs].n_vars_total,
 433                                         PV_NUMERIC))
 434             {
 435               ok = false;
 436               break;
 437             }
 438
 439
 440           corr[n_corrs].n_vars1 = corr[n_corrs].n_vars_total;
 441
 442           if ( lex_match (lexer, T_WITH))
 443             {
 444               if ( ! parse_variables_const (lexer, dict,
 445                                             &corr[n_corrs].vars, &corr[n_corrs].n_vars_total,
 446                                             PV_NUMERIC | PV_APPEND))
 447                 {
 448                   ok = false;
 449                   break;
 450                 }
 451             }
 452
 453           n_all_vars += corr[n_corrs].n_vars_total;
 454
 455           n_corrs++;
 456         }
 457     }
 458
 459   if (n_corrs == 0)
 460     {
 461       msg (SE, _("No variables specified."));
 462       goto error;
 463     }
 464
 465
 466   all_vars = xmalloc (sizeof (*all_vars) * n_all_vars);
 467
 468   {
 469     /* FIXME:  Using a hash here would make more sense */
 470     const struct variable **vv = all_vars;
 471
 472     for (i = 0 ; i < n_corrs; ++i)
 473       {
 474         int v;
 475         const struct corr *c = &corr[i];
 476         for (v = 0 ; v < c->n_vars_total; ++v)
 477           *vv++ = c->vars[v];
 478       }
 479   }
 480
 481   grouper = casegrouper_create_splits (proc_open (ds), dict);
 482
 483   while (casegrouper_get_next_group (grouper, &group))
 484     {
 485       for (i = 0 ; i < n_corrs; ++i)
 486         {
 487           /* FIXME: No need to iterate the data multiple times */
 488           struct casereader *r = casereader_clone (group);
 489
 490           if ( opts.missing_type == CORR_LISTWISE)
 491             r = casereader_create_filter_missing (r, all_vars, n_all_vars,
 492                                                   opts.exclude, NULL, NULL);
 493
 494
 495           run_corr (r, &opts,  &corr[i]);
 496           casereader_destroy (r);
 497         }
 498       casereader_destroy (group);
 499     }
 500
 501   ok = casegrouper_destroy (grouper);
 502   ok = proc_commit (ds) && ok;
 503
 504   free (all_vars);
 505
 506
 507   /* Done. */
 508   free (corr->vars);
 509   free (corr);
 510
 511   return ok ? CMD_SUCCESS : CMD_CASCADING_FAILURE;
 512
 513  error:
 514   free (corr->vars);
 515   free (corr);
 516   return CMD_FAILURE;
 517 }