pintos-os.org Git - pspp/blob - src/math/linreg.c

   1 /* PSPP - a program for statistical analysis.
   2    Copyright (C) 2005, 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 "math/linreg.h"
  20
  21 #include <gsl/gsl_blas.h>
  22 #include <gsl/gsl_cblas.h>
  23 #include <gsl/gsl_errno.h>
  24 #include <gsl/gsl_fit.h>
  25 #include <gsl/gsl_linalg.h>
  26 #include <gsl/gsl_multifit.h>
  27
  28 #include "data/value.h"
  29 #include "data/variable.h"
  30 #include "linreg/sweep.h"
  31
  32 #include "gl/xalloc.h"
  33
  34 /*
  35   Find the least-squares estimate of b for the linear model:
  36
  37   Y = Xb + Z
  38
  39   where Y is an n-by-1 column vector, X is an n-by-p matrix of
  40   independent variables, b is a p-by-1 vector of regression coefficients,
  41   and Z is an n-by-1 normally-distributed random vector with independent
  42   identically distributed components with mean 0.
  43
  44   This estimate is found via the sweep operator or singular-value
  45   decomposition with gsl.
  46
  47
  48   References:
  49
  50   1. Matrix Computations, third edition. GH Golub and CF Van Loan.
  51   The Johns Hopkins University Press. 1996. ISBN 0-8018-5414-8.
  52
  53   2. Numerical Analysis for Statisticians. K Lange. Springer. 1999.
  54   ISBN 0-387-94979-8.
  55
  56   3. Numerical Linear Algebra for Applications in Statistics. JE Gentle.
  57   Springer. 1998. ISBN 0-387-98542-5.
  58 */
  59
  60
  61 const struct variable **
  62 linreg_get_vars (const linreg *c)
  63 {
  64   return c->indep_vars;
  65 }
  66
  67 /*
  68   Allocate a linreg and return a pointer to it. n is the number of
  69   cases, p is the number of independent variables.
  70  */
  71 linreg *
  72 linreg_alloc (const struct variable *depvar, const struct variable **indep_vars,
  73               double n, size_t p)
  74 {
  75   linreg *c;
  76   size_t i;
  77
  78   c = xmalloc (sizeof (*c));
  79   c->depvar = depvar;
  80   c->indep_vars = xnmalloc (p, sizeof (*indep_vars));
  81   c->dependent_column = p;
  82   for (i = 0; i < p; i++)
  83     {
  84       c->indep_vars[i] = indep_vars[i];
  85     }
  86   c->indep_means = gsl_vector_alloc (p);
  87   c->indep_std = gsl_vector_alloc (p);
  88
  89   c->ss_indeps = gsl_vector_alloc (p);  /* Sums of squares for the
  90                                            model parameters.
  91                                          */
  92   c->n_obs = n;
  93   c->n_indeps = p;
  94   c->n_coeffs = p;
  95   c->coeff = xnmalloc (p, sizeof (*c->coeff));
  96   c->cov = gsl_matrix_calloc (c->n_coeffs + 1, c->n_coeffs + 1);
  97   c->dft = n - 1;
  98   c->dfm = p;
  99   c->dfe = c->dft - c->dfm;
 100   c->intercept = 0.0;
 101   c->depvar_mean = 0.0;
 102   c->depvar_std = 0.0;
 103   /*
 104      Default settings.
 105    */
 106   c->method = LINREG_SWEEP;
 107   c->pred = NULL;
 108   c->resid = NULL;
 109
 110   return c;
 111 }
 112
 113 bool
 114 linreg_free (void *m)
 115 {
 116   linreg *c = m;
 117   if (c != NULL)
 118     {
 119       gsl_vector_free (c->indep_means);
 120       gsl_vector_free (c->indep_std);
 121       gsl_matrix_free (c->cov);
 122       free (c->indep_vars);
 123       free (c->coeff);
 124       free (c);
 125     }
 126   return true;
 127 }
 128
 129 static void
 130 post_sweep_computations (linreg *l, gsl_matrix *sw)
 131 {
 132   gsl_matrix *xm;
 133   gsl_matrix_view xtx;
 134   gsl_matrix_view xmxtx;
 135   double m;
 136   double tmp;
 137   size_t i;
 138   size_t j;
 139   int rc;
 140
 141   assert (sw != NULL);
 142   assert (l != NULL);
 143
 144   l->sse = gsl_matrix_get (sw, l->n_indeps, l->n_indeps);
 145   l->mse = l->sse / l->dfe;
 146   /*
 147     Get the intercept.
 148   */
 149   m = l->depvar_mean;
 150   for (i = 0; i < l->n_indeps; i++)
 151     {
 152       tmp = gsl_matrix_get (sw, i, l->n_indeps);
 153       l->coeff[i] = tmp;
 154       m -= tmp * linreg_get_indep_variable_mean (l, i);
 155     }
 156   /*
 157     Get the covariance matrix of the parameter estimates.
 158     Only the upper triangle is necessary.
 159   */
 160
 161   /*
 162     The loops below do not compute the entries related
 163     to the estimated intercept.
 164   */
 165   for (i = 0; i < l->n_indeps; i++)
 166     for (j = i; j < l->n_indeps; j++)
 167       {
 168         tmp = -1.0 * l->mse * gsl_matrix_get (sw, i, j);
 169         gsl_matrix_set (l->cov, i + 1, j + 1, tmp);
 170       }
 171   /*
 172     Get the covariances related to the intercept.
 173   */
 174   xtx = gsl_matrix_submatrix (sw, 0, 0, l->n_indeps, l->n_indeps);
 175   xmxtx = gsl_matrix_submatrix (l->cov, 0, 1, 1, l->n_indeps);
 176   xm = gsl_matrix_calloc (1, l->n_indeps);
 177   for (i = 0; i < xm->size2; i++)
 178     {
 179       gsl_matrix_set (xm, 0, i,
 180                       linreg_get_indep_variable_mean (l, i));
 181     }
 182   rc = gsl_blas_dsymm (CblasRight, CblasUpper, l->mse,
 183                        &xtx.matrix, xm, 0.0, &xmxtx.matrix);
 184   gsl_matrix_free (xm);
 185   if (rc == GSL_SUCCESS)
 186     {
 187       tmp = l->mse / l->n_obs;
 188       for (i = 1; i < 1 + l->n_indeps; i++)
 189         {
 190           tmp -= gsl_matrix_get (l->cov, 0, i)
 191             * linreg_get_indep_variable_mean (l, i - 1);
 192         }
 193       gsl_matrix_set (l->cov, 0, 0, tmp);
 194
 195       l->intercept = m;
 196     }
 197   else
 198     {
 199       fprintf (stderr, "%s:%d:gsl_blas_dsymm: %s\n",
 200                __FILE__, __LINE__, gsl_strerror (rc));
 201       exit (rc);
 202     }
 203 }
 204
 205 /*
 206   Predict the value of the dependent variable with the new set of
 207   predictors. VALS are assumed to be in the order corresponding to the
 208   order of the coefficients in the linreg struct.
 209  */
 210 double
 211 linreg_predict (const linreg *c, const double *vals, size_t n_vals)
 212 {
 213   size_t j;
 214   double result;
 215
 216   assert (n_vals = c->n_coeffs);
 217   if (vals == NULL || c == NULL)
 218     {
 219       return GSL_NAN;
 220     }
 221   if (c->coeff == NULL)
 222     {
 223       /* The stupid model: just guess the mean. */
 224       return c->depvar_mean;
 225     }
 226   result = c->intercept;
 227
 228   for (j = 0; j < n_vals; j++)
 229     {
 230       result += linreg_coeff (c, j) * vals[j];
 231     }
 232
 233   return result;
 234 }
 235
 236 double
 237 linreg_residual (const linreg *c, double obs, const double *vals, size_t n_vals)
 238 {
 239   if (vals == NULL || c == NULL)
 240     {
 241       return GSL_NAN;
 242     }
 243   return (obs - linreg_predict (c, vals, n_vals));
 244 }
 245
 246 double linreg_get_indep_variable_sd (linreg *c, size_t j)
 247 {
 248   assert (c != NULL);
 249   return gsl_vector_get (c->indep_std, j);
 250 }
 251
 252 void linreg_set_indep_variable_sd (linreg *c, size_t j, double s)
 253 {
 254   assert (c != NULL);
 255   gsl_vector_set (c->indep_std, j, s);
 256 }
 257
 258 /*
 259   Mean of the independent variable.
 260  */
 261 double linreg_get_indep_variable_mean (linreg *c, size_t j)
 262 {
 263   assert (c != NULL);
 264   return gsl_vector_get (c->indep_means, j);
 265 }
 266
 267 void linreg_set_indep_variable_mean (linreg *c, size_t j, double m)
 268 {
 269   assert (c != NULL);
 270   gsl_vector_set (c->indep_means, j, m);
 271 }
 272
 273 static void
 274 linreg_fit_qr (const gsl_matrix *cov, linreg *l)
 275 {
 276   double intcpt_coef = 0.0;
 277   double intercept_variance = 0.0;
 278   gsl_matrix *xtx;
 279   gsl_matrix *q;
 280   gsl_matrix *r;
 281   gsl_vector *xty;
 282   gsl_vector *tau;
 283   gsl_vector *params;
 284   double tmp = 0.0;
 285   size_t i;
 286   size_t j;
 287
 288   xtx = gsl_matrix_alloc (cov->size1 - 1, cov->size2 - 1);
 289   xty = gsl_vector_alloc (cov->size1 - 1);
 290   tau = gsl_vector_alloc (cov->size1 - 1);
 291   params = gsl_vector_alloc (cov->size1 - 1);
 292
 293   for (i = 0; i < xtx->size1; i++)
 294     {
 295       gsl_vector_set (xty, i, gsl_matrix_get (cov, cov->size2 - 1, i));
 296       for (j = 0; j < xtx->size2; j++)
 297         {
 298           gsl_matrix_set (xtx, i, j, gsl_matrix_get (cov, i, j));
 299         }
 300     }
 301   gsl_linalg_QR_decomp (xtx, tau);
 302   q = gsl_matrix_alloc (xtx->size1, xtx->size2);
 303   r = gsl_matrix_alloc (xtx->size1, xtx->size2);
 304
 305   gsl_linalg_QR_unpack (xtx, tau, q, r);
 306   gsl_linalg_QR_solve (xtx, tau, xty, params);
 307   for (i = 0; i < params->size; i++)
 308     {
 309       l->coeff[i] = gsl_vector_get (params, i);
 310     }
 311   l->sst = gsl_matrix_get (cov, cov->size1 - 1, cov->size2 - 1);
 312   l->ssm = 0.0;
 313   for (i = 0; i < l->n_indeps; i++)
 314     {
 315       l->ssm += gsl_vector_get (xty, i) * l->coeff[i];
 316     }
 317   l->sse = l->sst - l->ssm;
 318
 319   gsl_blas_dtrsm (CblasLeft, CblasLower, CblasNoTrans, CblasNonUnit, linreg_mse (l),
 320                   r, q);
 321   /* Copy the lower triangle into the upper triangle. */
 322   for (i = 0; i < q->size1; i++)
 323     {
 324       gsl_matrix_set (l->cov, i + 1, i + 1, gsl_matrix_get (q, i, i));
 325       for (j = i + 1; j < q->size2; j++)
 326         {
 327           intercept_variance -= 2.0 * gsl_matrix_get (q, i, j) *
 328             linreg_get_indep_variable_mean (l, i) *
 329             linreg_get_indep_variable_mean (l, j);
 330           gsl_matrix_set (q, i, j, gsl_matrix_get (q, j, i));
 331         }
 332     }
 333   l->intercept = linreg_get_depvar_mean (l);
 334   tmp = 0.0;
 335   for (i = 0; i < l->n_indeps; i++)
 336     {
 337       tmp = linreg_get_indep_variable_mean (l, i);
 338       l->intercept -= l->coeff[i] * tmp;
 339       intercept_variance += tmp * tmp * gsl_matrix_get (q, i, i);
 340     }
 341
 342   /* Covariances related to the intercept. */
 343   intercept_variance += linreg_mse (l) / linreg_n_obs (l);
 344   gsl_matrix_set (l->cov, 0, 0, intercept_variance);
 345   for (i = 0; i < q->size1; i++)
 346     {
 347       for (j = 0; j < q->size2; j++)
 348         {
 349           intcpt_coef -= gsl_matrix_get (q, i, j)
 350             * linreg_get_indep_variable_mean (l, j);
 351         }
 352       gsl_matrix_set (l->cov, 0, i + 1, intcpt_coef);
 353       gsl_matrix_set (l->cov, i + 1, 0, intcpt_coef);
 354       intcpt_coef = 0.0;
 355     }
 356
 357   gsl_matrix_free (q);
 358   gsl_matrix_free (r);
 359   gsl_vector_free (xty);
 360   gsl_vector_free (tau);
 361   gsl_matrix_free (xtx);
 362   gsl_vector_free (params);
 363 }
 364
 365 /*
 366   Estimate the model parameters from the covariance matrix. This
 367   function assumes the covariance entries corresponding to the
 368   dependent variable are in the final row and column of the covariance
 369   matrix.
 370 */
 371 void
 372 linreg_fit (const gsl_matrix *cov, linreg *l)
 373 {
 374   assert (l != NULL);
 375   assert (cov != NULL);
 376
 377   l->sst = gsl_matrix_get (cov, cov->size1 - 1, cov->size2 - 1);
 378   if (l->method == LINREG_SWEEP)
 379     {
 380       gsl_matrix *params;
 381       params = gsl_matrix_calloc (cov->size1, cov->size2);
 382       gsl_matrix_memcpy (params, cov);
 383       reg_sweep (params, l->dependent_column);
 384       post_sweep_computations (l, params);
 385       gsl_matrix_free (params);
 386     }
 387   else if (l->method == LINREG_QR)
 388     {
 389       linreg_fit_qr (cov, l);
 390     }
 391 }
 392
 393 double linreg_mse (const linreg *c)
 394 {
 395   assert (c != NULL);
 396   return (c->sse / c->dfe);
 397 }
 398
 399 double linreg_intercept (const linreg *c)
 400 {
 401   return c->intercept;
 402 }
 403
 404 gsl_matrix *
 405 linreg_cov (const linreg *c)
 406 {
 407   return c->cov;
 408 }
 409
 410 double
 411 linreg_coeff (const linreg *c, size_t i)
 412 {
 413   return (c->coeff[i]);
 414 }
 415
 416 const struct variable *
 417 linreg_indep_var (const linreg *c, size_t i)
 418 {
 419   return (c->indep_vars[i]);
 420 }
 421
 422 size_t
 423 linreg_n_coeffs (const linreg *c)
 424 {
 425   return c->n_coeffs;
 426 }
 427
 428 double
 429 linreg_n_obs (const linreg *c)
 430 {
 431   return c->n_obs;
 432 }
 433
 434 double
 435 linreg_sse (const linreg *c)
 436 {
 437   return c->sse;
 438 }
 439
 440 double
 441 linreg_ssreg (const linreg *c)
 442 {
 443   return (c->sst - c->sse);
 444 }
 445
 446 double linreg_sst (const linreg *c)
 447 {
 448   return c->sst;
 449 }
 450
 451 double
 452 linreg_dfmodel ( const linreg *c)
 453 {
 454   return c->dfm;
 455 }
 456
 457 void
 458 linreg_set_depvar_mean (linreg *c, double x)
 459 {
 460   c->depvar_mean = x;
 461 }
 462
 463 double
 464 linreg_get_depvar_mean (linreg *c)
 465 {
 466   return c->depvar_mean;
 467 }