ONEWAY: Fix printf format specifier.
[pspp] / 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 inline bool
338 not_dropped (size_t j, const bool *ff)
339 {
340   return ! ff[j];
341 }
342
343 static void
344 fill_submatrix (const gsl_matrix * cov, gsl_matrix * submatrix, bool *dropped_f)
345 {
346   size_t i;
347   size_t j;
348   size_t n = 0;
349   size_t m = 0;
350   
351   for (i = 0; i < cov->size1; i++)
352     {
353       if (not_dropped (i, dropped_f))
354         {         
355           m = 0;
356           for (j = 0; j < cov->size2; j++)
357             {
358               if (not_dropped (j, dropped_f))
359                 {
360                   gsl_matrix_set (submatrix, n, m,
361                                   gsl_matrix_get (cov, i, j));
362                   m++;
363                 }       
364             }
365           n++;
366         }
367     }
368 }
369               
370 static void
371 get_ssq (struct covariance *cov, gsl_vector *ssq, const struct glm_spec *cmd)
372 {
373   gsl_matrix *cm = covariance_calculate_unnormalized (cov);
374   size_t i;
375   size_t k;
376   bool *model_dropped = xcalloc (covariance_dim (cov), sizeof (*model_dropped));
377   bool *submodel_dropped = xcalloc (covariance_dim (cov), sizeof (*submodel_dropped));
378   const struct categoricals *cats = covariance_get_categoricals (cov);
379
380   for (k = 0; k < cmd->n_interactions; k++)
381     {
382       gsl_matrix *model_cov = NULL;
383       gsl_matrix *submodel_cov = NULL;
384       size_t n_dropped_model = 0;
385       size_t n_dropped_submodel = 0;
386       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
387         {
388           const struct interaction * x = 
389             categoricals_get_interaction_by_subscript (cats, i - cmd->n_dep_vars);
390
391           model_dropped[i] = false;
392           submodel_dropped[i] = false;
393           if (interaction_is_subset (cmd->interactions [k], x))
394             {
395               assert (n_dropped_submodel < covariance_dim (cov));
396               n_dropped_submodel++;
397               submodel_dropped[i] = true;
398
399               if ( cmd->interactions [k]->n_vars < x->n_vars)
400                 {
401                   assert (n_dropped_model < covariance_dim (cov));
402                   n_dropped_model++;
403                   model_dropped[i] = true;
404                 }
405             }
406         }
407
408       model_cov = gsl_matrix_alloc (cm->size1 - n_dropped_model, cm->size2 - n_dropped_model);
409       gsl_matrix_set (model_cov, 0, 0, gsl_matrix_get (cm, 0, 0));
410       submodel_cov = gsl_matrix_calloc (cm->size1 - n_dropped_submodel, cm->size2 - n_dropped_submodel);
411
412       fill_submatrix (cm, model_cov,    model_dropped);
413       fill_submatrix (cm, submodel_cov, submodel_dropped);
414
415       reg_sweep (model_cov, 0);
416       reg_sweep (submodel_cov, 0);
417
418       gsl_vector_set (ssq, k + 1,
419                       gsl_matrix_get (submodel_cov, 0, 0) - gsl_matrix_get (model_cov, 0, 0)
420                       );
421
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   msg (MW, "GLM is experimental.  Do not rely on these results.");
547   t = tab_create (nc, nr);
548   tab_title (t, _("Tests of Between-Subjects Effects"));
549
550   tab_headers (t, heading_columns, 0, heading_rows, 0);
551
552   tab_box (t, TAL_2, TAL_2, -1, TAL_1, 0, 0, nc - 1, nr - 1);
553
554   tab_hline (t, TAL_2, 0, nc - 1, heading_rows);
555   tab_vline (t, TAL_2, heading_columns, 0, nr - 1);
556
557   tab_text (t, 0, 0, TAB_CENTER | TAT_TITLE, _("Source"));
558
559   /* TRANSLATORS: The parameter is a roman numeral */
560   tab_text_format (t, 1, 0, TAB_CENTER | TAT_TITLE,
561                    _("Type %s Sum of Squares"), "III");
562   tab_text (t, 2, 0, TAB_CENTER | TAT_TITLE, _("df"));
563   tab_text (t, 3, 0, TAB_CENTER | TAT_TITLE, _("Mean Square"));
564   tab_text (t, 4, 0, TAB_CENTER | TAT_TITLE, _("F"));
565   tab_text (t, 5, 0, TAB_CENTER | TAT_TITLE, _("Sig."));
566
567   moments_calculate (ws->totals, &n_total, &mean, NULL, NULL, NULL);
568
569   if (cmd->intercept)
570     df_corr += 1.0;
571
572   df_corr += categoricals_df_total (ws->cats);
573
574   mse = gsl_vector_get (ws->ssq, 0) / (n_total - df_corr);
575
576   r = heading_rows;
577   tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Corrected Model"));
578
579   r++;
580
581   if (cmd->intercept)
582     {
583       const double intercept = pow2 (mean * n_total) / n_total;
584       const double df = 1.0;
585       const double F = intercept / df / mse;
586       tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Intercept"));
587       tab_double (t, 1, r, 0, intercept, NULL);
588       tab_double (t, 2, r, 0, 1.00, wfmt);
589       tab_double (t, 3, r, 0, intercept / df, NULL);
590       tab_double (t, 4, r, 0, F, NULL);
591       tab_double (t, 5, r, 0, gsl_cdf_fdist_Q (F, df, n_total - df_corr),
592                   NULL);
593       r++;
594     }
595
596   for (f = 0; f < cmd->n_interactions; ++f)
597     {
598       struct string str = DS_EMPTY_INITIALIZER;
599       const double df = categoricals_df (ws->cats, f);
600       const double ssq = gsl_vector_get (ws->ssq, f + 1);
601       const double F = ssq / df / mse;
602       interaction_to_string (cmd->interactions[f], &str);
603       tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, ds_cstr (&str));
604       ds_destroy (&str);
605
606       tab_double (t, 1, r, 0, ssq, NULL);
607       tab_double (t, 2, r, 0, df, wfmt);
608       tab_double (t, 3, r, 0, ssq / df, NULL);
609       tab_double (t, 4, r, 0, F, NULL);
610
611       tab_double (t, 5, r, 0, gsl_cdf_fdist_Q (F, df, n_total - df_corr),
612                   NULL);
613       r++;
614     }
615
616   {
617     /* Corrected Model */
618     const double df = df_corr - 1.0;
619     const double ssq = ws->total_ssq - gsl_vector_get (ws->ssq, 0);
620     const double F = ssq / df / mse;
621     tab_double (t, 1, heading_rows, 0, ssq, NULL);
622     tab_double (t, 2, heading_rows, 0, df, wfmt);
623     tab_double (t, 3, heading_rows, 0, ssq / df, NULL);
624     tab_double (t, 4, heading_rows, 0, F, NULL);
625
626     tab_double (t, 5, heading_rows, 0,
627                 gsl_cdf_fdist_Q (F, df, n_total - df_corr), NULL);
628   }
629
630   {
631     const double df = n_total - df_corr;
632     const double ssq = gsl_vector_get (ws->ssq, 0);
633     const double mse = ssq / df;
634     tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Error"));
635     tab_double (t, 1, r, 0, ssq, NULL);
636     tab_double (t, 2, r, 0, df, wfmt);
637     tab_double (t, 3, r++, 0, mse, NULL);
638   }
639
640   if (cmd->intercept)
641     {
642       const double intercept = pow2 (mean * n_total) / n_total;
643       const double ssq = intercept + ws->total_ssq;
644
645       tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Total"));
646       tab_double (t, 1, r, 0, ssq, NULL);
647       tab_double (t, 2, r, 0, n_total, wfmt);
648
649       r++;
650     }
651
652   tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Corrected Total"));
653
654
655   tab_double (t, 1, r, 0, ws->total_ssq, NULL);
656   tab_double (t, 2, r, 0, n_total - 1.0, wfmt);
657
658   tab_submit (t);
659 }
660
661 #if 0
662 static void
663 dump_matrix (const gsl_matrix * m)
664 {
665   size_t i, j;
666   for (i = 0; i < m->size1; ++i)
667     {
668       for (j = 0; j < m->size2; ++j)
669         {
670           double x = gsl_matrix_get (m, i, j);
671           printf ("%.3f ", x);
672         }
673       printf ("\n");
674     }
675   printf ("\n");
676 }
677 #endif
678
679
680 \f
681
682 /* Match a variable.
683    If the match succeeds, the variable will be placed in VAR.
684    Returns true if successful */
685 static bool
686 lex_match_variable (struct lexer *lexer, const struct glm_spec *glm, const struct variable **var)
687 {
688   if (lex_token (lexer) !=  T_ID)
689     return false;
690
691   *var = parse_variable_const  (lexer, glm->dict);
692
693   if ( *var == NULL)
694     return false;
695   return true;
696 }
697
698 /* An interaction is a variable followed by {*, BY} followed by an interaction */
699 static bool
700 parse_design_interaction (struct lexer *lexer, struct glm_spec *glm, struct interaction **iact)
701 {
702   const struct variable *v = NULL;
703   assert (iact);
704
705   switch  (lex_next_token (lexer, 1))
706     {
707     case T_ENDCMD:
708     case T_SLASH:
709     case T_COMMA:
710     case T_ID:
711     case T_BY:
712     case T_ASTERISK:
713       break;
714     default:
715       return false;
716       break;
717     }
718
719   if (! lex_match_variable (lexer, glm, &v))
720     {
721       interaction_destroy (*iact);
722       *iact = NULL;
723       return false;
724     }
725   
726   assert (v);
727
728   if ( *iact == NULL)
729     *iact = interaction_create (v);
730   else
731     interaction_add_variable (*iact, v);
732
733   if ( lex_match (lexer, T_ASTERISK) || lex_match (lexer, T_BY))
734     {
735       return parse_design_interaction (lexer, glm, iact);
736     }
737
738   return true;
739 }
740
741 static bool
742 parse_nested_variable (struct lexer *lexer, struct glm_spec *glm)
743 {
744   const struct variable *v = NULL;
745   if ( ! lex_match_variable (lexer, glm, &v))
746     return false;
747
748   if (lex_match (lexer, T_LPAREN))
749     {
750       if ( ! parse_nested_variable (lexer, glm))
751         return false;
752
753       if ( ! lex_force_match (lexer, T_RPAREN))
754         return false;
755     }
756
757   lex_error (lexer, "Nested variables are not yet implemented"); return false;  
758   return true;
759 }
760
761 /* A design term is an interaction OR a nested variable */
762 static bool
763 parse_design_term (struct lexer *lexer, struct glm_spec *glm)
764 {
765   struct interaction *iact = NULL;
766   if (parse_design_interaction (lexer, glm, &iact))
767     {
768       /* Interaction parsing successful.  Add to list of interactions */
769       glm->interactions = xrealloc (glm->interactions, sizeof *glm->interactions * ++glm->n_interactions);
770       glm->interactions[glm->n_interactions - 1] = iact;
771       return true;
772     }
773
774   if ( parse_nested_variable (lexer, glm))
775     return true;
776
777   return false;
778 }
779
780
781
782 /* Parse a complete DESIGN specification.
783    A design spec is a design term, optionally followed by a comma,
784    and another design spec.
785 */
786 static bool
787 parse_design_spec (struct lexer *lexer, struct glm_spec *glm)
788 {
789   if  (lex_token (lexer) == T_ENDCMD || lex_token (lexer) == T_SLASH)
790     return true;
791
792   if ( ! parse_design_term (lexer, glm))
793     return false;
794
795   lex_match (lexer, T_COMMA);
796
797   return parse_design_spec (lexer, glm);
798 }
799