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

   1 /* PSPP - a program for statistical analysis.
   2    Copyright (C) 2010, 2011, 2012 Free Software Foundation, Inc.
   3
   4    This program is free software: you can redistribute it and/or modify
   5    it under the terms of the GNU General Public License as published by
   6    the Free Software Foundation, either version 3 of the License, or
   7    (at your option) any later version.
   8
   9    This program is distributed in the hope that it will be useful,
  10    but WITHOUT ANY WARRANTY; without even the implied warranty of
  11    MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  12    GNU General Public License for more details.
  13
  14    You should have received a copy of the GNU General Public License
  15    along with this program.  If not, see <http://www.gnu.org/licenses/>. */
  16
  17 #include <config.h>
  18
  19 #include <gsl/gsl_cdf.h>
  20 #include <gsl/gsl_matrix.h>
  21 #include <gsl/gsl_combination.h>
  22 #include <math.h>
  23
  24 #include "data/case.h"
  25 #include "data/casegrouper.h"
  26 #include "data/casereader.h"
  27 #include "data/dataset.h"
  28 #include "data/dictionary.h"
  29 #include "data/format.h"
  30 #include "data/value.h"
  31 #include "language/command.h"
  32 #include "language/dictionary/split-file.h"
  33 #include "language/lexer/lexer.h"
  34 #include "language/lexer/value-parser.h"
  35 #include "language/lexer/variable-parser.h"
  36 #include "libpspp/assertion.h"
  37 #include "libpspp/ll.h"
  38 #include "libpspp/message.h"
  39 #include "libpspp/misc.h"
  40 #include "libpspp/taint.h"
  41 #include "linreg/sweep.h"
  42 #include "math/categoricals.h"
  43 #include "math/covariance.h"
  44 #include "math/interaction.h"
  45 #include "math/moments.h"
  46 #include "output/tab.h"
  47
  48 #include "gettext.h"
  49 #define _(msgid) gettext (msgid)
  50
  51 struct glm_spec
  52 {
  53   size_t n_dep_vars;
  54   const struct variable **dep_vars;
  55
  56   size_t n_factor_vars;
  57   const struct variable **factor_vars;
  58
  59   size_t n_interactions;
  60   struct interaction **interactions;
  61
  62   enum mv_class exclude;
  63
  64   /* The weight variable */
  65   const struct variable *wv;
  66
  67   const struct dictionary *dict;
  68
  69   int ss_type;
  70   bool intercept;
  71
  72   double alpha;
  73
  74   bool dump_coding;
  75 };
  76
  77 struct glm_workspace
  78 {
  79   double total_ssq;
  80   struct moments *totals;
  81
  82   struct categoricals *cats;
  83
  84   /*
  85      Sums of squares due to different variables. Element 0 is the SSE
  86      for the entire model. For i > 0, element i is the SS due to
  87      variable i.
  88    */
  89   gsl_vector *ssq;
  90 };
  91
  92
  93 /* Default design: all possible interactions */
  94 static void
  95 design_full (struct glm_spec *glm)
  96 {
  97   int sz;
  98   int i = 0;
  99   glm->n_interactions = (1 << glm->n_factor_vars) - 1;
 100
 101   glm->interactions = xcalloc (glm->n_interactions, sizeof *glm->interactions);
 102
 103   /* All subsets, with exception of the empty set, of [0, glm->n_factor_vars) */
 104   for (sz = 1; sz <= glm->n_factor_vars; ++sz)
 105     {
 106       gsl_combination *c = gsl_combination_calloc (glm->n_factor_vars, sz);
 107
 108       do
 109         {
 110           struct interaction *iact = interaction_create (NULL);
 111           int e;
 112           for (e = 0 ; e < gsl_combination_k (c); ++e)
 113             interaction_add_variable (iact, glm->factor_vars [gsl_combination_get (c, e)]);
 114
 115           glm->interactions[i++] = iact;
 116         }
 117       while (gsl_combination_next (c) == GSL_SUCCESS);
 118
 119       gsl_combination_free (c);
 120     }
 121 }
 122
 123 static void output_glm (const struct glm_spec *,
 124                         const struct glm_workspace *ws);
 125 static void run_glm (struct glm_spec *cmd, struct casereader *input,
 126                      const struct dataset *ds);
 127
 128
 129 static bool parse_design_spec (struct lexer *lexer, struct glm_spec *glm);
 130
 131
 132 int
 133 cmd_glm (struct lexer *lexer, struct dataset *ds)
 134 {
 135   int i;
 136   struct const_var_set *factors = NULL;
 137   struct glm_spec glm;
 138   bool design = false;
 139   glm.dict = dataset_dict (ds);
 140   glm.n_dep_vars = 0;
 141   glm.n_factor_vars = 0;
 142   glm.n_interactions = 0;
 143   glm.interactions = NULL;
 144   glm.dep_vars = NULL;
 145   glm.factor_vars = NULL;
 146   glm.exclude = MV_ANY;
 147   glm.intercept = true;
 148   glm.wv = dict_get_weight (glm.dict);
 149   glm.alpha = 0.05;
 150   glm.dump_coding = false;
 151   glm.ss_type = 3;
 152
 153   if (!parse_variables_const (lexer, glm.dict,
 154                               &glm.dep_vars, &glm.n_dep_vars,
 155                               PV_NO_DUPLICATE | PV_NUMERIC))
 156     goto error;
 157
 158   lex_force_match (lexer, T_BY);
 159
 160   if (!parse_variables_const (lexer, glm.dict,
 161                               &glm.factor_vars, &glm.n_factor_vars,
 162                               PV_NO_DUPLICATE | PV_NUMERIC))
 163     goto error;
 164
 165   if (glm.n_dep_vars > 1)
 166     {
 167       msg (ME, _("Multivariate analysis is not yet implemented"));
 168       return CMD_FAILURE;
 169     }
 170
 171   factors =
 172     const_var_set_create_from_array (glm.factor_vars, glm.n_factor_vars);
 173
 174   while (lex_token (lexer) != T_ENDCMD)
 175     {
 176       lex_match (lexer, T_SLASH);
 177
 178       if (lex_match_id (lexer, "MISSING"))
 179         {
 180           lex_match (lexer, T_EQUALS);
 181           while (lex_token (lexer) != T_ENDCMD
 182                  && lex_token (lexer) != T_SLASH)
 183             {
 184               if (lex_match_id (lexer, "INCLUDE"))
 185                 {
 186                   glm.exclude = MV_SYSTEM;
 187                 }
 188               else if (lex_match_id (lexer, "EXCLUDE"))
 189                 {
 190                   glm.exclude = MV_ANY;
 191                 }
 192               else
 193                 {
 194                   lex_error (lexer, NULL);
 195                   goto error;
 196                 }
 197             }
 198         }
 199       else if (lex_match_id (lexer, "INTERCEPT"))
 200         {
 201           lex_match (lexer, T_EQUALS);
 202           while (lex_token (lexer) != T_ENDCMD
 203                  && lex_token (lexer) != T_SLASH)
 204             {
 205               if (lex_match_id (lexer, "INCLUDE"))
 206                 {
 207                   glm.intercept = true;
 208                 }
 209               else if (lex_match_id (lexer, "EXCLUDE"))
 210                 {
 211                   glm.intercept = false;
 212                 }
 213               else
 214                 {
 215                   lex_error (lexer, NULL);
 216                   goto error;
 217                 }
 218             }
 219         }
 220       else if (lex_match_id (lexer, "CRITERIA"))
 221         {
 222           lex_match (lexer, T_EQUALS);
 223           if (lex_match_id (lexer, "ALPHA"))
 224             {
 225               if (lex_force_match (lexer, T_LPAREN))
 226                 {
 227                   if (! lex_force_num (lexer))
 228                     {
 229                       lex_error (lexer, NULL);
 230                       goto error;
 231                     }
 232
 233                   glm.alpha = lex_number (lexer);
 234                   lex_get (lexer);
 235                   if ( ! lex_force_match (lexer, T_RPAREN))
 236                     {
 237                       lex_error (lexer, NULL);
 238                       goto error;
 239                     }
 240                 }
 241             }
 242           else
 243             {
 244               lex_error (lexer, NULL);
 245               goto error;
 246             }
 247         }
 248       else if (lex_match_id (lexer, "METHOD"))
 249         {
 250           lex_match (lexer, T_EQUALS);
 251           if ( !lex_force_match_id (lexer, "SSTYPE"))
 252             {
 253               lex_error (lexer, NULL);
 254               goto error;
 255             }
 256
 257           if ( ! lex_force_match (lexer, T_LPAREN))
 258             {
 259               lex_error (lexer, NULL);
 260               goto error;
 261             }
 262
 263           if ( ! lex_force_int (lexer))
 264             {
 265               lex_error (lexer, NULL);
 266               goto error;
 267             }
 268
 269           glm.ss_type = lex_integer (lexer);
 270           if (1 > glm.ss_type  && 3 < glm.ss_type )
 271             {
 272               msg (ME, _("Only types 1, 2 & 3 sums of squares are currently implemented"));
 273               goto error;
 274             }
 275
 276           lex_get (lexer);
 277
 278           if ( ! lex_force_match (lexer, T_RPAREN))
 279             {
 280               lex_error (lexer, NULL);
 281               goto error;
 282             }
 283         }
 284       else if (lex_match_id (lexer, "DESIGN"))
 285         {
 286           lex_match (lexer, T_EQUALS);
 287
 288           if (! parse_design_spec (lexer, &glm))
 289             goto error;
 290
 291           if (glm.n_interactions > 0)
 292             design = true;
 293         }
 294       else if (lex_match_id (lexer, "SHOWCODES"))
 295         /* Undocumented debug option */
 296         {
 297           lex_match (lexer, T_EQUALS);
 298
 299           glm.dump_coding = true;
 300         }
 301       else
 302         {
 303           lex_error (lexer, NULL);
 304           goto error;
 305         }
 306     }
 307
 308   if ( ! design )
 309     {
 310       design_full (&glm);
 311     }
 312
 313   {
 314     struct casegrouper *grouper;
 315     struct casereader *group;
 316     bool ok;
 317
 318     grouper = casegrouper_create_splits (proc_open (ds), glm.dict);
 319     while (casegrouper_get_next_group (grouper, &group))
 320       run_glm (&glm, group, ds);
 321     ok = casegrouper_destroy (grouper);
 322     ok = proc_commit (ds) && ok;
 323   }
 324
 325   const_var_set_destroy (factors);
 326   free (glm.factor_vars);
 327   free (glm.interactions);
 328   free (glm.dep_vars);
 329
 330
 331   return CMD_SUCCESS;
 332
 333 error:
 334
 335   const_var_set_destroy (factors);
 336   free (glm.factor_vars);
 337   for (i = 0 ; i < glm.n_interactions; ++i)
 338     interaction_destroy (glm.interactions[i]);
 339
 340   free (glm.interactions);
 341   free (glm.dep_vars);
 342
 343   return CMD_FAILURE;
 344 }
 345
 346 static inline bool
 347 not_dropped (size_t j, const bool *ff)
 348 {
 349   return ! ff[j];
 350 }
 351
 352 static void
 353 fill_submatrix (const gsl_matrix * cov, gsl_matrix * submatrix, bool *dropped_f)
 354 {
 355   size_t i;
 356   size_t j;
 357   size_t n = 0;
 358   size_t m = 0;
 359
 360   for (i = 0; i < cov->size1; i++)
 361     {
 362       if (not_dropped (i, dropped_f))
 363         {
 364           m = 0;
 365           for (j = 0; j < cov->size2; j++)
 366             {
 367               if (not_dropped (j, dropped_f))
 368                 {
 369                   gsl_matrix_set (submatrix, n, m,
 370                                   gsl_matrix_get (cov, i, j));
 371                   m++;
 372                 }
 373             }
 374           n++;
 375         }
 376     }
 377 }
 378
 379
 380 /*
 381    Type 1 sums of squares.
 382    Populate SSQ with the Type 1 sums of squares according to COV
 383  */
 384 static void
 385 ssq_type1 (struct covariance *cov, gsl_vector *ssq, const struct glm_spec *cmd)
 386 {
 387   gsl_matrix *cm = covariance_calculate_unnormalized (cov);
 388   size_t i;
 389   size_t k;
 390   bool *model_dropped = xcalloc (covariance_dim (cov), sizeof (*model_dropped));
 391   bool *submodel_dropped = xcalloc (covariance_dim (cov), sizeof (*submodel_dropped));
 392   const struct categoricals *cats = covariance_get_categoricals (cov);
 393
 394   size_t n_dropped_model = 0;
 395   size_t n_dropped_submodel = 0;
 396
 397   for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 398     {
 399       n_dropped_model++;
 400       n_dropped_submodel++;
 401       model_dropped[i] = true;
 402       submodel_dropped[i] = true;
 403     }
 404
 405   for (k = 0; k < cmd->n_interactions; k++)
 406     {
 407       gsl_matrix *model_cov = NULL;
 408       gsl_matrix *submodel_cov = NULL;
 409
 410       n_dropped_submodel = n_dropped_model;
 411       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 412         {
 413           submodel_dropped[i] = model_dropped[i];
 414         }
 415
 416       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 417         {
 418           const struct interaction * x =
 419             categoricals_get_interaction_by_subscript (cats, i - cmd->n_dep_vars);
 420
 421           if ( x == cmd->interactions [k])
 422             {
 423               model_dropped[i] = false;
 424               n_dropped_model--;
 425             }
 426         }
 427
 428       model_cov = gsl_matrix_alloc (cm->size1 - n_dropped_model, cm->size2 - n_dropped_model);
 429       submodel_cov = gsl_matrix_alloc (cm->size1 - n_dropped_submodel, cm->size2 - n_dropped_submodel);
 430
 431       fill_submatrix (cm, model_cov,    model_dropped);
 432       fill_submatrix (cm, submodel_cov, submodel_dropped);
 433
 434       reg_sweep (model_cov, 0);
 435       reg_sweep (submodel_cov, 0);
 436
 437       gsl_vector_set (ssq, k + 1,
 438                       gsl_matrix_get (submodel_cov, 0, 0) - gsl_matrix_get (model_cov, 0, 0)
 439                       );
 440
 441       gsl_matrix_free (model_cov);
 442       gsl_matrix_free (submodel_cov);
 443     }
 444
 445   free (model_dropped);
 446   free (submodel_dropped);
 447   gsl_matrix_free (cm);
 448 }
 449
 450 /*
 451    Type 2 sums of squares.
 452    Populate SSQ with the Type 2 sums of squares according to COV
 453  */
 454 static void
 455 ssq_type2 (struct covariance *cov, gsl_vector *ssq, const struct glm_spec *cmd)
 456 {
 457   gsl_matrix *cm = covariance_calculate_unnormalized (cov);
 458   size_t i;
 459   size_t k;
 460   bool *model_dropped = xcalloc (covariance_dim (cov), sizeof (*model_dropped));
 461   bool *submodel_dropped = xcalloc (covariance_dim (cov), sizeof (*submodel_dropped));
 462   const struct categoricals *cats = covariance_get_categoricals (cov);
 463
 464   for (k = 0; k < cmd->n_interactions; k++)
 465     {
 466       gsl_matrix *model_cov = NULL;
 467       gsl_matrix *submodel_cov = NULL;
 468       size_t n_dropped_model = 0;
 469       size_t n_dropped_submodel = 0;
 470       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 471         {
 472           const struct interaction * x =
 473             categoricals_get_interaction_by_subscript (cats, i - cmd->n_dep_vars);
 474
 475           model_dropped[i] = false;
 476           submodel_dropped[i] = false;
 477           if (interaction_is_subset (cmd->interactions [k], x))
 478             {
 479               assert (n_dropped_submodel < covariance_dim (cov));
 480               n_dropped_submodel++;
 481               submodel_dropped[i] = true;
 482
 483               if ( cmd->interactions [k]->n_vars < x->n_vars)
 484                 {
 485                   assert (n_dropped_model < covariance_dim (cov));
 486                   n_dropped_model++;
 487                   model_dropped[i] = true;
 488                 }
 489             }
 490         }
 491
 492       model_cov = gsl_matrix_alloc (cm->size1 - n_dropped_model, cm->size2 - n_dropped_model);
 493       submodel_cov = gsl_matrix_alloc (cm->size1 - n_dropped_submodel, cm->size2 - n_dropped_submodel);
 494
 495       fill_submatrix (cm, model_cov,    model_dropped);
 496       fill_submatrix (cm, submodel_cov, submodel_dropped);
 497
 498       reg_sweep (model_cov, 0);
 499       reg_sweep (submodel_cov, 0);
 500
 501       gsl_vector_set (ssq, k + 1,
 502                       gsl_matrix_get (submodel_cov, 0, 0) - gsl_matrix_get (model_cov, 0, 0)
 503                       );
 504
 505       gsl_matrix_free (model_cov);
 506       gsl_matrix_free (submodel_cov);
 507     }
 508
 509   free (model_dropped);
 510   free (submodel_dropped);
 511   gsl_matrix_free (cm);
 512 }
 513
 514 /*
 515    Type 3 sums of squares.
 516    Populate SSQ with the Type 2 sums of squares according to COV
 517  */
 518 static void
 519 ssq_type3 (struct covariance *cov, gsl_vector *ssq, const struct glm_spec *cmd)
 520 {
 521   gsl_matrix *cm = covariance_calculate_unnormalized (cov);
 522   size_t i;
 523   size_t k;
 524   bool *model_dropped = xcalloc (covariance_dim (cov), sizeof (*model_dropped));
 525   bool *submodel_dropped = xcalloc (covariance_dim (cov), sizeof (*submodel_dropped));
 526   const struct categoricals *cats = covariance_get_categoricals (cov);
 527
 528   double ss0;
 529   gsl_matrix *submodel_cov = gsl_matrix_alloc (cm->size1, cm->size2);
 530   fill_submatrix (cm, submodel_cov, submodel_dropped);
 531   reg_sweep (submodel_cov, 0);
 532   ss0 = gsl_matrix_get (submodel_cov, 0, 0);
 533   gsl_matrix_free (submodel_cov);
 534   free (submodel_dropped);
 535
 536   for (k = 0; k < cmd->n_interactions; k++)
 537     {
 538       gsl_matrix *model_cov = NULL;
 539       size_t n_dropped_model = 0;
 540
 541       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 542         {
 543           const struct interaction * x =
 544             categoricals_get_interaction_by_subscript (cats, i - cmd->n_dep_vars);
 545
 546           model_dropped[i] = false;
 547
 548           if ( cmd->interactions [k] == x)
 549             {
 550               assert (n_dropped_model < covariance_dim (cov));
 551               n_dropped_model++;
 552               model_dropped[i] = true;
 553             }
 554         }
 555
 556       model_cov = gsl_matrix_alloc (cm->size1 - n_dropped_model, cm->size2 - n_dropped_model);
 557
 558       fill_submatrix (cm, model_cov,    model_dropped);
 559
 560       reg_sweep (model_cov, 0);
 561
 562       gsl_vector_set (ssq, k + 1,
 563                       gsl_matrix_get (model_cov, 0, 0) - ss0);
 564
 565       gsl_matrix_free (model_cov);
 566     }
 567   free (model_dropped);
 568
 569   gsl_matrix_free (cm);
 570 }
 571
 572
 573
 574 //static  void dump_matrix (const gsl_matrix *m);
 575
 576 static void
 577 run_glm (struct glm_spec *cmd, struct casereader *input,
 578          const struct dataset *ds)
 579 {
 580   bool warn_bad_weight = true;
 581   int v;
 582   struct taint *taint;
 583   struct dictionary *dict = dataset_dict (ds);
 584   struct casereader *reader;
 585   struct ccase *c;
 586
 587   struct glm_workspace ws;
 588   struct covariance *cov;
 589
 590   ws.cats = categoricals_create (cmd->interactions, cmd->n_interactions,
 591                                  cmd->wv, cmd->exclude, MV_ANY);
 592
 593   cov = covariance_2pass_create (cmd->n_dep_vars, cmd->dep_vars,
 594                                  ws.cats, cmd->wv, cmd->exclude);
 595
 596
 597   c = casereader_peek (input, 0);
 598   if (c == NULL)
 599     {
 600       casereader_destroy (input);
 601       return;
 602     }
 603   output_split_file_values (ds, c);
 604   case_unref (c);
 605
 606   taint = taint_clone (casereader_get_taint (input));
 607
 608   ws.totals = moments_create (MOMENT_VARIANCE);
 609
 610   for (reader = casereader_clone (input);
 611        (c = casereader_read (reader)) != NULL; case_unref (c))
 612     {
 613       double weight = dict_get_case_weight (dict, c, &warn_bad_weight);
 614
 615       for (v = 0; v < cmd->n_dep_vars; ++v)
 616         moments_pass_one (ws.totals, case_data (c, cmd->dep_vars[v])->f,
 617                           weight);
 618
 619       covariance_accumulate_pass1 (cov, c);
 620     }
 621   casereader_destroy (reader);
 622
 623   if (cmd->dump_coding)
 624     reader = casereader_clone (input);
 625   else
 626     reader = input;
 627
 628   for (;
 629        (c = casereader_read (reader)) != NULL; case_unref (c))
 630     {
 631       double weight = dict_get_case_weight (dict, c, &warn_bad_weight);
 632
 633       for (v = 0; v < cmd->n_dep_vars; ++v)
 634         moments_pass_two (ws.totals, case_data (c, cmd->dep_vars[v])->f,
 635                           weight);
 636
 637       covariance_accumulate_pass2 (cov, c);
 638     }
 639   casereader_destroy (reader);
 640
 641
 642   if (cmd->dump_coding)
 643     {
 644       struct tab_table *t =
 645         covariance_dump_enc_header (cov,
 646                                     1 + casereader_count_cases (input));
 647       for (reader = input;
 648            (c = casereader_read (reader)) != NULL; case_unref (c))
 649         {
 650           covariance_dump_enc (cov, c, t);
 651         }
 652       casereader_destroy (reader);
 653       tab_submit (t);
 654     }
 655
 656   {
 657     gsl_matrix *cm = covariance_calculate_unnormalized (cov);
 658
 659     //    dump_matrix (cm);
 660
 661     ws.total_ssq = gsl_matrix_get (cm, 0, 0);
 662
 663     reg_sweep (cm, 0);
 664
 665     /*
 666       Store the overall SSE.
 667     */
 668     ws.ssq = gsl_vector_alloc (cm->size1);
 669     gsl_vector_set (ws.ssq, 0, gsl_matrix_get (cm, 0, 0));
 670     switch (cmd->ss_type)
 671       {
 672       case 1:
 673         ssq_type1 (cov, ws.ssq, cmd);
 674         break;
 675       case 2:
 676         ssq_type2 (cov, ws.ssq, cmd);
 677         break;
 678       case 3:
 679         ssq_type3 (cov, ws.ssq, cmd);
 680         break;
 681       default:
 682         NOT_REACHED ();
 683         break;
 684       }
 685     //    dump_matrix (cm);
 686
 687     gsl_matrix_free (cm);
 688   }
 689
 690   if (!taint_has_tainted_successor (taint))
 691     output_glm (cmd, &ws);
 692
 693   gsl_vector_free (ws.ssq);
 694
 695   covariance_destroy (cov);
 696   moments_destroy (ws.totals);
 697
 698   taint_destroy (taint);
 699 }
 700
 701 static const char *roman[] =
 702   {
 703     "", /* The Romans had no concept of zero */
 704     "I",
 705     "II",
 706     "III",
 707     "IV"
 708   };
 709
 710 static void
 711 output_glm (const struct glm_spec *cmd, const struct glm_workspace *ws)
 712 {
 713   const struct fmt_spec *wfmt =
 714     cmd->wv ? var_get_print_format (cmd->wv) : &F_8_0;
 715
 716   double intercept_ssq;
 717   double ssq_effects;
 718   double n_total, mean;
 719   double df_corr = 1.0;
 720   double mse = 0;
 721
 722   int f;
 723   int r;
 724   const int heading_columns = 1;
 725   const int heading_rows = 1;
 726   struct tab_table *t;
 727
 728   const int nc = 6;
 729   int nr = heading_rows + 3 + cmd->n_interactions;
 730   if (cmd->intercept)
 731     nr += 2;
 732
 733   msg (MW, "GLM is experimental.  Do not rely on these results.");
 734   t = tab_create (nc, nr);
 735   tab_title (t, _("Tests of Between-Subjects Effects"));
 736
 737   tab_headers (t, heading_columns, 0, heading_rows, 0);
 738
 739   tab_box (t, TAL_2, TAL_2, -1, TAL_1, 0, 0, nc - 1, nr - 1);
 740
 741   tab_hline (t, TAL_2, 0, nc - 1, heading_rows);
 742   tab_vline (t, TAL_2, heading_columns, 0, nr - 1);
 743
 744   tab_text (t, 0, 0, TAB_CENTER | TAT_TITLE, _("Source"));
 745
 746   /* TRANSLATORS: The parameter is a roman numeral */
 747   tab_text_format (t, 1, 0, TAB_CENTER | TAT_TITLE,
 748                    _("Type %s Sum of Squares"),
 749                    roman[cmd->ss_type]);
 750   tab_text (t, 2, 0, TAB_CENTER | TAT_TITLE, _("df"));
 751   tab_text (t, 3, 0, TAB_CENTER | TAT_TITLE, _("Mean Square"));
 752   tab_text (t, 4, 0, TAB_CENTER | TAT_TITLE, _("F"));
 753   tab_text (t, 5, 0, TAB_CENTER | TAT_TITLE, _("Sig."));
 754
 755   moments_calculate (ws->totals, &n_total, &mean, NULL, NULL, NULL);
 756
 757   df_corr += categoricals_df_total (ws->cats);
 758
 759   r = heading_rows;
 760   if (cmd->intercept)
 761     tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Corrected Model"));
 762   else
 763     tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Model"));
 764
 765   r++;
 766
 767   mse = gsl_vector_get (ws->ssq, 0) / (n_total - df_corr);
 768
 769   intercept_ssq = pow2 (mean * n_total) / n_total;
 770
 771   ssq_effects = 0.0;
 772   if (cmd->intercept)
 773     {
 774       const double df = 1.0;
 775       const double F = intercept_ssq / df / mse;
 776       tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Intercept"));
 777       tab_double (t, 1, r, 0, intercept_ssq, NULL);
 778       tab_double (t, 2, r, 0, 1.00, wfmt);
 779       tab_double (t, 3, r, 0, intercept_ssq / df, NULL);
 780       tab_double (t, 4, r, 0, F, NULL);
 781       tab_double (t, 5, r, 0, gsl_cdf_fdist_Q (F, df, n_total - df_corr),
 782                   NULL);
 783       r++;
 784     }
 785
 786   for (f = 0; f < cmd->n_interactions; ++f)
 787     {
 788       struct string str = DS_EMPTY_INITIALIZER;
 789       double df = categoricals_df (ws->cats, f);
 790
 791       double ssq = gsl_vector_get (ws->ssq, f + 1);
 792       double F;
 793
 794       ssq_effects += ssq;
 795
 796       if (! cmd->intercept)
 797         {
 798           df++;
 799           ssq += intercept_ssq;
 800         }
 801
 802       F = ssq / df / mse;
 803       interaction_to_string (cmd->interactions[f], &str);
 804       tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, ds_cstr (&str));
 805       ds_destroy (&str);
 806
 807       tab_double (t, 1, r, 0, ssq, NULL);
 808       tab_double (t, 2, r, 0, df, wfmt);
 809       tab_double (t, 3, r, 0, ssq / df, NULL);
 810       tab_double (t, 4, r, 0, F, NULL);
 811
 812       tab_double (t, 5, r, 0, gsl_cdf_fdist_Q (F, df, n_total - df_corr),
 813                   NULL);
 814       r++;
 815     }
 816
 817   {
 818     /* Model / Corrected Model */
 819     double df = df_corr;
 820     double ssq = ws->total_ssq - gsl_vector_get (ws->ssq, 0);
 821     double F;
 822
 823     if ( cmd->intercept )
 824       df --;
 825     else
 826       ssq += intercept_ssq;
 827
 828     F = ssq / df / mse;
 829     tab_double (t, 1, heading_rows, 0, ssq, NULL);
 830     tab_double (t, 2, heading_rows, 0, df, wfmt);
 831     tab_double (t, 3, heading_rows, 0, ssq / df, NULL);
 832     tab_double (t, 4, heading_rows, 0, F, NULL);
 833
 834     tab_double (t, 5, heading_rows, 0,
 835                 gsl_cdf_fdist_Q (F, df, n_total - df_corr), NULL);
 836   }
 837
 838   {
 839     const double df = n_total - df_corr;
 840     const double ssq = gsl_vector_get (ws->ssq, 0);
 841     const double mse = ssq / df;
 842     tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Error"));
 843     tab_double (t, 1, r, 0, ssq, NULL);
 844     tab_double (t, 2, r, 0, df, wfmt);
 845     tab_double (t, 3, r++, 0, mse, NULL);
 846   }
 847
 848   {
 849     tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Total"));
 850     tab_double (t, 1, r, 0, ws->total_ssq + intercept_ssq, NULL);
 851     tab_double (t, 2, r, 0, n_total, wfmt);
 852
 853     r++;
 854   }
 855
 856   if (cmd->intercept)
 857     {
 858       tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Corrected Total"));
 859       tab_double (t, 1, r, 0, ws->total_ssq, NULL);
 860       tab_double (t, 2, r, 0, n_total - 1.0, wfmt);
 861     }
 862
 863   tab_submit (t);
 864 }
 865
 866 #if 0
 867 static void
 868 dump_matrix (const gsl_matrix * m)
 869 {
 870   size_t i, j;
 871   for (i = 0; i < m->size1; ++i)
 872     {
 873       for (j = 0; j < m->size2; ++j)
 874         {
 875           double x = gsl_matrix_get (m, i, j);
 876           printf ("%.3f ", x);
 877         }
 878       printf ("\n");
 879     }
 880   printf ("\n");
 881 }
 882 #endif
 883
 884
 885 \f
 886
 887 /* Match a variable.
 888    If the match succeeds, the variable will be placed in VAR.
 889    Returns true if successful */
 890 static bool
 891 lex_match_variable (struct lexer *lexer, const struct glm_spec *glm, const struct variable **var)
 892 {
 893   if (lex_token (lexer) !=  T_ID)
 894     return false;
 895
 896   *var = parse_variable_const  (lexer, glm->dict);
 897
 898   if ( *var == NULL)
 899     return false;
 900   return true;
 901 }
 902
 903 /* An interaction is a variable followed by {*, BY} followed by an interaction */
 904 static bool
 905 parse_design_interaction (struct lexer *lexer, struct glm_spec *glm, struct interaction **iact)
 906 {
 907   const struct variable *v = NULL;
 908   assert (iact);
 909
 910   switch  (lex_next_token (lexer, 1))
 911     {
 912     case T_ENDCMD:
 913     case T_SLASH:
 914     case T_COMMA:
 915     case T_ID:
 916     case T_BY:
 917     case T_ASTERISK:
 918       break;
 919     default:
 920       return false;
 921       break;
 922     }
 923
 924   if (! lex_match_variable (lexer, glm, &v))
 925     {
 926       interaction_destroy (*iact);
 927       *iact = NULL;
 928       return false;
 929     }
 930
 931   assert (v);
 932
 933   if ( *iact == NULL)
 934     *iact = interaction_create (v);
 935   else
 936     interaction_add_variable (*iact, v);
 937
 938   if ( lex_match (lexer, T_ASTERISK) || lex_match (lexer, T_BY))
 939     {
 940       return parse_design_interaction (lexer, glm, iact);
 941     }
 942
 943   return true;
 944 }
 945
 946 static bool
 947 parse_nested_variable (struct lexer *lexer, struct glm_spec *glm)
 948 {
 949   const struct variable *v = NULL;
 950   if ( ! lex_match_variable (lexer, glm, &v))
 951     return false;
 952
 953   if (lex_match (lexer, T_LPAREN))
 954     {
 955       if ( ! parse_nested_variable (lexer, glm))
 956         return false;
 957
 958       if ( ! lex_force_match (lexer, T_RPAREN))
 959         return false;
 960     }
 961
 962   lex_error (lexer, "Nested variables are not yet implemented"); return false;
 963   return true;
 964 }
 965
 966 /* A design term is an interaction OR a nested variable */
 967 static bool
 968 parse_design_term (struct lexer *lexer, struct glm_spec *glm)
 969 {
 970   struct interaction *iact = NULL;
 971   if (parse_design_interaction (lexer, glm, &iact))
 972     {
 973       /* Interaction parsing successful.  Add to list of interactions */
 974       glm->interactions = xrealloc (glm->interactions, sizeof *glm->interactions * ++glm->n_interactions);
 975       glm->interactions[glm->n_interactions - 1] = iact;
 976       return true;
 977     }
 978
 979   if ( parse_nested_variable (lexer, glm))
 980     return true;
 981
 982   return false;
 983 }
 984
 985
 986
 987 /* Parse a complete DESIGN specification.
 988    A design spec is a design term, optionally followed by a comma,
 989    and another design spec.
 990 */
 991 static bool
 992 parse_design_spec (struct lexer *lexer, struct glm_spec *glm)
 993 {
 994   if  (lex_token (lexer) == T_ENDCMD || lex_token (lexer) == T_SLASH)
 995     return true;
 996
 997   if ( ! parse_design_term (lexer, glm))
 998     return false;
 999
1000   lex_match (lexer, T_COMMA);
1001
1002   return parse_design_spec (lexer, glm);
1003 }
1004