660c15d82338647bef0bab3a9a33fadc5357f5e6
[pspp] / 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 "reg_export_comments.h"
40 #include "tab.h"
41 #include "var.h"
42 #include "vfm.h"
43
44 #define REG_LARGE_DATA 1000
45
46 /* (headers) */
47
48 /* (specification)
49    "REGRESSION" (regression_):
50    *variables=varlist;
51    statistics[st_]=r,
52    coeff,
53    anova,
54    outs,
55    zpp,
56    label,
57    sha,
58    ci,
59    bcov,
60    ses,
61    xtx,
62    collin,
63    tol,
64    selection,
65    f,
66    defaults,
67    all;
68    export=custom;
69    ^dependent=varlist;
70    ^method=enter.
71 */
72 /* (declarations) */
73 /* (functions) */
74 static struct cmd_regression cmd;
75
76 /*
77   Array holding the subscripts of the independent variables.
78  */
79 size_t *indep_vars;
80
81 /*
82   File where the model will be saved if the EXPORT subcommand
83   is given. 
84  */
85 struct file_handle *model_file;
86
87 /*
88   Return value for the procedure.
89  */
90 int pspp_reg_rc = CMD_SUCCESS;
91
92 static void run_regression (const struct casefile *, void *);
93 /* 
94    STATISTICS subcommand output functions.
95  */
96 static void reg_stats_r (pspp_linreg_cache *);
97 static void reg_stats_coeff (pspp_linreg_cache *);
98 static void reg_stats_anova (pspp_linreg_cache *);
99 static void reg_stats_outs (pspp_linreg_cache *);
100 static void reg_stats_zpp (pspp_linreg_cache *);
101 static void reg_stats_label (pspp_linreg_cache *);
102 static void reg_stats_sha (pspp_linreg_cache *);
103 static void reg_stats_ci (pspp_linreg_cache *);
104 static void reg_stats_f (pspp_linreg_cache *);
105 static void reg_stats_bcov (pspp_linreg_cache *);
106 static void reg_stats_ses (pspp_linreg_cache *);
107 static void reg_stats_xtx (pspp_linreg_cache *);
108 static void reg_stats_collin (pspp_linreg_cache *);
109 static void reg_stats_tol (pspp_linreg_cache *);
110 static void reg_stats_selection (pspp_linreg_cache *);
111 static void statistics_keyword_output (void (*)(pspp_linreg_cache *),
112                                        int, pspp_linreg_cache *);
113
114 static void
115 reg_stats_r (pspp_linreg_cache * c)
116 {
117   struct tab_table *t;
118   int n_rows = 2;
119   int n_cols = 5;
120   double rsq;
121   double adjrsq;
122   double std_error;
123
124   assert (c != NULL);
125   rsq = c->ssm / c->sst;
126   adjrsq = 1.0 - (1.0 - rsq) * (c->n_obs - 1.0) / (c->n_obs - c->n_indeps);
127   std_error = sqrt ((c->n_indeps - 1.0) / (c->n_obs - 1.0));
128   t = tab_create (n_cols, n_rows, 0);
129   tab_dim (t, tab_natural_dimensions);
130   tab_box (t, TAL_2, TAL_2, -1, TAL_1, 0, 0, n_cols - 1, n_rows - 1);
131   tab_hline (t, TAL_2, 0, n_cols - 1, 1);
132   tab_vline (t, TAL_2, 2, 0, n_rows - 1);
133   tab_vline (t, TAL_0, 1, 0, 0);
134
135   tab_text (t, 1, 0, TAB_CENTER | TAT_TITLE, _("R"));
136   tab_text (t, 2, 0, TAB_CENTER | TAT_TITLE, _("R Square"));
137   tab_text (t, 3, 0, TAB_CENTER | TAT_TITLE, _("Adjusted R Square"));
138   tab_text (t, 4, 0, TAB_CENTER | TAT_TITLE, _("Std. Error of the Estimate"));
139   tab_float (t, 1, 1, TAB_RIGHT, sqrt (rsq), 10, 2);
140   tab_float (t, 2, 1, TAB_RIGHT, rsq, 10, 2);
141   tab_float (t, 3, 1, TAB_RIGHT, adjrsq, 10, 2);
142   tab_float (t, 4, 1, TAB_RIGHT, std_error, 10, 2);
143   tab_title (t, 0, _("Model Summary"));
144   tab_submit (t);
145 }
146
147 /*
148   Table showing estimated regression coefficients.
149  */
150 static void
151 reg_stats_coeff (pspp_linreg_cache * c)
152 {
153   size_t i;
154   size_t j;
155   int n_cols = 7;
156   int n_rows;
157   double t_stat;
158   double pval;
159   double coeff;
160   double std_err;
161   double beta;
162   const char *label;
163   struct tab_table *t;
164
165   assert (c != NULL);
166   n_rows = c->n_coeffs + 2;
167
168   t = tab_create (n_cols, n_rows, 0);
169   tab_headers (t, 2, 0, 1, 0);
170   tab_dim (t, tab_natural_dimensions);
171   tab_box (t, TAL_2, TAL_2, -1, TAL_1, 0, 0, n_cols - 1, n_rows - 1);
172   tab_hline (t, TAL_2, 0, n_cols - 1, 1);
173   tab_vline (t, TAL_2, 2, 0, n_rows - 1);
174   tab_vline (t, TAL_0, 1, 0, 0);
175
176   tab_text (t, 2, 0, TAB_CENTER | TAT_TITLE, _("B"));
177   tab_text (t, 3, 0, TAB_CENTER | TAT_TITLE, _("Std. Error"));
178   tab_text (t, 4, 0, TAB_CENTER | TAT_TITLE, _("Beta"));
179   tab_text (t, 5, 0, TAB_CENTER | TAT_TITLE, _("t"));
180   tab_text (t, 6, 0, TAB_CENTER | TAT_TITLE, _("Significance"));
181   tab_text (t, 1, 1, TAB_LEFT | TAT_TITLE, _("(Constant)"));
182   coeff = c->coeff[0].estimate;
183   tab_float (t, 2, 1, 0, coeff, 10, 2);
184   std_err = sqrt (gsl_matrix_get (c->cov, 0, 0));
185   tab_float (t, 3, 1, 0, std_err, 10, 2);
186   beta = coeff / c->depvar_std;
187   tab_float (t, 4, 1, 0, beta, 10, 2);
188   t_stat = coeff / std_err;
189   tab_float (t, 5, 1, 0, t_stat, 10, 2);
190   pval = 2 * gsl_cdf_tdist_Q (fabs (t_stat), 1.0);
191   tab_float (t, 6, 1, 0, pval, 10, 2);
192   for (j = 1; j <= c->n_indeps; j++)
193     {
194       i = indep_vars[j];
195       label = var_to_string (c->coeff[j].v);
196       tab_text (t, 1, j + 1, TAB_CENTER, label);
197       /*
198          Regression coefficients.
199        */
200       coeff = c->coeff[j].estimate;
201       tab_float (t, 2, j + 1, 0, coeff, 10, 2);
202       /*
203          Standard error of the coefficients.
204        */
205       std_err = sqrt (gsl_matrix_get (c->cov, j, j));
206       tab_float (t, 3, j + 1, 0, std_err, 10, 2);
207       /*
208          'Standardized' coefficient, i.e., regression coefficient
209          if all variables had unit variance.
210        */
211       beta = gsl_vector_get (c->indep_std, j);
212       beta *= coeff / c->depvar_std;
213       tab_float (t, 4, j + 1, 0, beta, 10, 2);
214
215       /*
216          Test statistic for H0: coefficient is 0.
217        */
218       t_stat = coeff / std_err;
219       tab_float (t, 5, j + 1, 0, t_stat, 10, 2);
220       /*
221          P values for the test statistic above.
222        */
223       pval = 2 * gsl_cdf_tdist_Q (fabs (t_stat), 1.0);
224       tab_float (t, 6, j + 1, 0, pval, 10, 2);
225     }
226   tab_title (t, 0, _("Coefficients"));
227   tab_submit (t);
228 }
229
230 /*
231   Display the ANOVA table.
232  */
233 static void
234 reg_stats_anova (pspp_linreg_cache * c)
235 {
236   int n_cols = 7;
237   int n_rows = 4;
238   const double msm = c->ssm / c->dfm;
239   const double mse = c->sse / c->dfe;
240   const double F = msm / mse;
241   const double pval = gsl_cdf_fdist_Q (F, c->dfm, c->dfe);
242
243   struct tab_table *t;
244
245   assert (c != NULL);
246   t = tab_create (n_cols, n_rows, 0);
247   tab_headers (t, 2, 0, 1, 0);
248   tab_dim (t, tab_natural_dimensions);
249
250   tab_box (t, TAL_2, TAL_2, -1, TAL_1, 0, 0, n_cols - 1, n_rows - 1);
251
252   tab_hline (t, TAL_2, 0, n_cols - 1, 1);
253   tab_vline (t, TAL_2, 2, 0, n_rows - 1);
254   tab_vline (t, TAL_0, 1, 0, 0);
255
256   tab_text (t, 2, 0, TAB_CENTER | TAT_TITLE, _("Sum of Squares"));
257   tab_text (t, 3, 0, TAB_CENTER | TAT_TITLE, _("df"));
258   tab_text (t, 4, 0, TAB_CENTER | TAT_TITLE, _("Mean Square"));
259   tab_text (t, 5, 0, TAB_CENTER | TAT_TITLE, _("F"));
260   tab_text (t, 6, 0, TAB_CENTER | TAT_TITLE, _("Significance"));
261
262   tab_text (t, 1, 1, TAB_LEFT | TAT_TITLE, _("Regression"));
263   tab_text (t, 1, 2, TAB_LEFT | TAT_TITLE, _("Residual"));
264   tab_text (t, 1, 3, TAB_LEFT | TAT_TITLE, _("Total"));
265
266   /* Sums of Squares */
267   tab_float (t, 2, 1, 0, c->ssm, 10, 2);
268   tab_float (t, 2, 3, 0, c->sst, 10, 2);
269   tab_float (t, 2, 2, 0, c->sse, 10, 2);
270
271
272   /* Degrees of freedom */
273   tab_float (t, 3, 1, 0, c->dfm, 4, 0);
274   tab_float (t, 3, 2, 0, c->dfe, 4, 0);
275   tab_float (t, 3, 3, 0, c->dft, 4, 0);
276
277   /* Mean Squares */
278
279   tab_float (t, 4, 1, TAB_RIGHT, msm, 8, 3);
280   tab_float (t, 4, 2, TAB_RIGHT, mse, 8, 3);
281
282   tab_float (t, 5, 1, 0, F, 8, 3);
283
284   tab_float (t, 6, 1, 0, pval, 8, 3);
285
286   tab_title (t, 0, _("ANOVA"));
287   tab_submit (t);
288 }
289 static void
290 reg_stats_outs (pspp_linreg_cache * c)
291 {
292   assert (c != NULL);
293 }
294 static void
295 reg_stats_zpp (pspp_linreg_cache * c)
296 {
297   assert (c != NULL);
298 }
299 static void
300 reg_stats_label (pspp_linreg_cache * c)
301 {
302   assert (c != NULL);
303 }
304 static void
305 reg_stats_sha (pspp_linreg_cache * c)
306 {
307   assert (c != NULL);
308 }
309 static void
310 reg_stats_ci (pspp_linreg_cache * c)
311 {
312   assert (c != NULL);
313 }
314 static void
315 reg_stats_f (pspp_linreg_cache * c)
316 {
317   assert (c != NULL);
318 }
319 static void
320 reg_stats_bcov (pspp_linreg_cache * c)
321 {
322   int n_cols;
323   int n_rows;
324   int i;
325   int j;
326   int k;
327   int row;
328   int col;
329   const char *label;
330   struct tab_table *t;
331
332   assert (c != NULL);
333   n_cols = c->n_indeps + 1 + 2;
334   n_rows = 2 * (c->n_indeps + 1);
335   t = tab_create (n_cols, n_rows, 0);
336   tab_headers (t, 2, 0, 1, 0);
337   tab_dim (t, tab_natural_dimensions);
338   tab_box (t, TAL_2, TAL_2, -1, TAL_1, 0, 0, n_cols - 1, n_rows - 1);
339   tab_hline (t, TAL_2, 0, n_cols - 1, 1);
340   tab_vline (t, TAL_2, 2, 0, n_rows - 1);
341   tab_vline (t, TAL_0, 1, 0, 0);
342   tab_text (t, 0, 0, TAB_CENTER | TAT_TITLE, _("Model"));
343   tab_text (t, 1, 1, TAB_CENTER | TAT_TITLE, _("Covariances"));
344   for (i = 1; i < c->n_indeps + 1; i++)
345     {
346       j = indep_vars[(i - 1)];
347       struct variable *v = cmd.v_variables[j];
348       label = var_to_string (v);
349       tab_text (t, 2, i, TAB_CENTER, label);
350       tab_text (t, i + 2, 0, TAB_CENTER, label);
351       for (k = 1; k < c->n_indeps + 1; k++)
352         {
353           col = (i <= k) ? k : i;
354           row = (i <= k) ? i : k;
355           tab_float (t, k + 2, i, TAB_CENTER,
356                      gsl_matrix_get (c->cov, row, col), 8, 3);
357         }
358     }
359   tab_title (t, 0, _("Coefficient Correlations"));
360   tab_submit (t);
361 }
362 static void
363 reg_stats_ses (pspp_linreg_cache * c)
364 {
365   assert (c != NULL);
366 }
367 static void
368 reg_stats_xtx (pspp_linreg_cache * c)
369 {
370   assert (c != NULL);
371 }
372 static void
373 reg_stats_collin (pspp_linreg_cache * c)
374 {
375   assert (c != NULL);
376 }
377 static void
378 reg_stats_tol (pspp_linreg_cache * c)
379 {
380   assert (c != NULL);
381 }
382 static void
383 reg_stats_selection (pspp_linreg_cache * c)
384 {
385   assert (c != NULL);
386 }
387
388 static void
389 statistics_keyword_output (void (*function) (pspp_linreg_cache *),
390                            int keyword, pspp_linreg_cache * c)
391 {
392   if (keyword)
393     {
394       (*function) (c);
395     }
396 }
397
398 static void
399 subcommand_statistics (int *keywords, pspp_linreg_cache * c)
400 {
401   /* 
402      The order here must match the order in which the STATISTICS 
403      keywords appear in the specification section above.
404    */
405   enum
406   { r,
407     coeff,
408     anova,
409     outs,
410     zpp,
411     label,
412     sha,
413     ci,
414     bcov,
415     ses,
416     xtx,
417     collin,
418     tol,
419     selection,
420     f,
421     defaults,
422     all
423   };
424   int i;
425   int d = 1;
426
427   if (keywords[all])
428     {
429       /*
430          Set everything but F.
431        */
432       for (i = 0; i < f; i++)
433         {
434           keywords[i] = 1;
435         }
436     }
437   else
438     {
439       for (i = 0; i < all; i++)
440         {
441           if (keywords[i])
442             {
443               d = 0;
444             }
445         }
446       /*
447          Default output: ANOVA table, parameter estimates,
448          and statistics for variables not entered into model,
449          if appropriate.
450        */
451       if (keywords[defaults] | d)
452         {
453           keywords[anova] = 1;
454           keywords[outs] = 1;
455           keywords[coeff] = 1;
456           keywords[r] = 1;
457         }
458     }
459   statistics_keyword_output (reg_stats_r, keywords[r], c);
460   statistics_keyword_output (reg_stats_anova, keywords[anova], c);
461   statistics_keyword_output (reg_stats_coeff, keywords[coeff], c);
462   statistics_keyword_output (reg_stats_outs, keywords[outs], c);
463   statistics_keyword_output (reg_stats_zpp, keywords[zpp], c);
464   statistics_keyword_output (reg_stats_label, keywords[label], c);
465   statistics_keyword_output (reg_stats_sha, keywords[sha], c);
466   statistics_keyword_output (reg_stats_ci, keywords[ci], c);
467   statistics_keyword_output (reg_stats_f, keywords[f], c);
468   statistics_keyword_output (reg_stats_bcov, keywords[bcov], c);
469   statistics_keyword_output (reg_stats_ses, keywords[ses], c);
470   statistics_keyword_output (reg_stats_xtx, keywords[xtx], c);
471   statistics_keyword_output (reg_stats_collin, keywords[collin], c);
472   statistics_keyword_output (reg_stats_tol, keywords[tol], c);
473   statistics_keyword_output (reg_stats_selection, keywords[selection], c);
474 }
475 static void
476 subcommand_export (int export, pspp_linreg_cache *c)
477 {
478   FILE *fp;
479   size_t i;
480   struct pspp_linreg_coeff coeff;
481
482   if (export)
483     {
484       assert (c != NULL);
485       assert (model_file != NULL);
486       assert (fp != NULL);
487       fp = fopen (handle_get_filename (model_file), "w");
488       fprintf (fp, "#include <string.h>\n\n");
489       fprintf (fp, "%s", reg_mean_cmt);
490       fprintf (fp, "double\npspp_reg_estimate (const double *var_vals, const char *var_names[])\n{\n\tchar *model_depvars[%d] = {", c->n_indeps);
491       for (i = 1; i < c->n_indeps; i++)
492         {
493           coeff = c->coeff[i];
494           fprintf (fp, "\"%s\",\n\t\t", coeff.v->name);
495         }
496       coeff = c->coeff[i];
497       fprintf (fp, "\"%s\"};\n\t", coeff.v->name);
498       fprintf (fp, "double model_coeffs[%d] = {", c->n_indeps);
499       for (i = 1; i < c->n_indeps; i++)
500         {
501           coeff = c->coeff[i];
502           fprintf (fp, "%.15e,\n\t\t", coeff.estimate);
503         }
504       coeff = c->coeff[i];
505       fprintf (fp, "%.15e};\n\t", coeff.estimate);
506       coeff = c->coeff[0];
507       fprintf (fp, "double estimate = %.15e;\n\t", coeff.estimate);
508       fprintf (fp, "int i;\n\tint j;\n\n\t");
509       fprintf (fp, "for (i = 0; i < %d; i++)\n\t", c->n_indeps);
510       fprintf (fp, "{\n\t\tfor (j = 0; j < %d; j++)\n\t\t", c->n_indeps);
511       fprintf (fp, "{\n\t\t\tif (strcmp (var_names[i], model_depvars[j]) == 0)\n");
512       fprintf (fp, "\t\t\t{\n\t\t\t\testimate += var_vals[i] * model_coeffs[j];\n");
513       fprintf (fp, "\t\t\t}\n\t\t}\n\t}\n\treturn estimate;\n}\n");
514       fclose (fp);
515     }
516 }
517 static int
518 regression_custom_export (struct cmd_regression *cmd)
519 {
520   /* 0 on failure, 1 on success, 2 on failure that should result in syntax error */
521   if (!lex_force_match ('('))
522     return 0;
523   
524   if (lex_match ('*'))
525     model_file = NULL;
526   else 
527     {
528       model_file = fh_parse ();
529       if (model_file == NULL)
530         return 0; 
531     }
532   
533   if (!lex_force_match (')'))
534     return 0;
535
536   return 1;
537 }
538
539 int
540 cmd_regression (void)
541 {
542   if (!parse_regression (&cmd))
543     {
544       return CMD_FAILURE;
545     }
546   multipass_procedure_with_splits (run_regression, &cmd);
547
548   return pspp_reg_rc;
549 }
550
551 /*
552   Is variable k one of the dependent variables?
553  */
554 static int
555 is_depvar (size_t k)
556 {
557   size_t j = 0;
558   for (j = 0; j < cmd.n_dependent; j++)
559     {
560       /*
561          compare_var_names returns 0 if the variable
562          names match.
563        */
564       if (!compare_var_names (cmd.v_dependent[j], cmd.v_variables[k], NULL))
565         return 1;
566     }
567   return 0;
568 }
569
570 static void
571 run_regression (const struct casefile *cf, void *cmd_ UNUSED)
572 {
573   size_t i;
574   size_t n_data = 0;
575   size_t row;
576   size_t case_num;
577   int n_indep;
578   int j = 0;
579   /*
580      Keep track of the missing cases.
581    */
582   int *is_missing_case;
583   const union value *val;
584   struct casereader *r;
585   struct casereader *r2;
586   struct ccase c;
587   struct variable *v;
588   struct variable **indep_vars;
589   struct design_matrix *X;
590   gsl_vector *Y;
591   pspp_linreg_cache *lcache;
592   pspp_linreg_opts lopts;
593
594   n_data = casefile_get_case_cnt (cf);
595
596   is_missing_case = xnmalloc (n_data, sizeof (*is_missing_case));
597   for (i = 0; i < n_data; i++)
598     is_missing_case[i] = 0;
599
600   n_indep = cmd.n_variables - cmd.n_dependent;
601   indep_vars = xnmalloc (n_indep, sizeof *indep_vars);
602
603   lopts.get_depvar_mean_std = 1;
604   lopts.get_indep_mean_std = xnmalloc (n_indep, sizeof (int));
605
606
607   /*
608      Read from the active file. The first pass encodes categorical
609      variables and drops cases with missing values.
610    */
611   j = 0;
612   for (i = 0; i < cmd.n_variables; i++)
613     {
614       if (!is_depvar (i))
615         {
616           v = cmd.v_variables[i];
617           indep_vars[j] = v;
618           j++;
619           if (v->type == ALPHA)
620             {
621               /* Make a place to hold the binary vectors 
622                  corresponding to this variable's values. */
623               cat_stored_values_create (v);
624             }
625           for (r = casefile_get_reader (cf);
626                casereader_read (r, &c); case_destroy (&c))
627             {
628               row = casereader_cnum (r) - 1;
629               
630               val = case_data (&c, v->fv);
631               cat_value_update (v, val);
632               if (mv_is_value_missing (&v->miss, val))
633                 {
634                   if (!is_missing_case[row])
635                     {
636                       /* Now it is missing. */
637                       n_data--;
638                       is_missing_case[row] = 1;
639                     }
640                 }
641             }
642         }
643     }
644
645   Y = gsl_vector_alloc (n_data);
646   X =
647     design_matrix_create (n_indep, (const struct variable **) indep_vars,
648                           n_data);
649   lcache = pspp_linreg_cache_alloc (X->m->size1, X->m->size2);
650   lcache->indep_means = gsl_vector_alloc (X->m->size2);
651   lcache->indep_std = gsl_vector_alloc (X->m->size2);
652
653   /*
654      The second pass creates the design matrix.
655    */
656   row = 0;
657   for (r2 = casefile_get_reader (cf); casereader_read (r2, &c);
658        case_destroy (&c))
659     /* Iterate over the cases. */
660     {
661       case_num = casereader_cnum (r2) - 1;
662       if (!is_missing_case[case_num])
663         {
664           for (i = 0; i < cmd.n_variables; ++i) /* Iterate over the variables
665                                                    for the current case. 
666                                                  */
667             {
668               v = cmd.v_variables[i];
669               val = case_data (&c, v->fv);
670               /*
671                  Independent/dependent variable separation. The
672                  'variables' subcommand specifies a varlist which contains
673                  both dependent and independent variables. The dependent
674                  variables are specified with the 'dependent'
675                  subcommand. We need to separate the two.
676                */
677               if (is_depvar (i))
678                 {
679                   if (v->type != NUMERIC)
680                     {
681                       msg (SE,
682                            gettext ("Dependent variable must be numeric."));
683                       pspp_reg_rc = CMD_FAILURE;
684                       return;
685                     }
686                   lcache->depvar = (const struct variable *) v;
687                   gsl_vector_set (Y, row, val->f);
688                 }
689               else
690                 {
691                   if (v->type == ALPHA)
692                     {
693                       design_matrix_set_categorical (X, row, v, val);
694                     }
695                   else if (v->type == NUMERIC)
696                     {
697                       design_matrix_set_numeric (X, row, v, val);
698                     }
699
700                   lopts.get_indep_mean_std[i] = 1;
701                 }
702             }
703           row++;
704         }
705     }
706   /*
707      Now that we know the number of coefficients, allocate space
708      and store pointers to the variables that correspond to the
709      coefficients.
710    */
711   lcache->coeff = xnmalloc (X->m->size2 + 1, sizeof (*lcache->coeff));
712   for (i = 0; i < X->m->size2; i++)
713     {
714       j = i + 1;                /* The first coeff is the intercept. */
715       lcache->coeff[j].v =
716         (const struct variable *) design_matrix_col_to_var (X, i);
717       assert (lcache->coeff[j].v != NULL);
718     }
719   /*
720     For large data sets, use QR decomposition.
721    */
722   if (n_data > sqrt (n_indep) && n_data > REG_LARGE_DATA)
723     {
724       lcache->method = PSPP_LINREG_SVD;
725     }
726   /* 
727      Find the least-squares estimates and other statistics.
728    */
729   pspp_linreg ((const gsl_vector *) Y, X->m, &lopts, lcache);
730   subcommand_statistics (cmd.a_statistics, lcache);
731   subcommand_export (cmd.sbc_export, lcache);
732   gsl_vector_free (Y);
733   design_matrix_destroy (X);
734   pspp_linreg_cache_free (lcache);
735   free (lopts.get_indep_mean_std);
736   free (indep_vars);
737   free (is_missing_case);
738   casereader_destroy (r);
739   return;
740 }
741
742 /*
743   Local Variables:   
744   mode: c
745   End:
746 */