pintos-os.org Git - pspp/blob - tests/language/stats/means.at

   1 dnl PSPP - a program for statistical analysis.
   2 dnl Copyright (C) 2017, 2019 Free Software Foundation, Inc.
   3 dnl
   4 dnl This program is free software: you can redistribute it and/or modify
   5 dnl it under the terms of the GNU General Public License as published by
   6 dnl the Free Software Foundation, either version 3 of the License, or
   7 dnl (at your option) any later version.
   8 dnl
   9 dnl This program is distributed in the hope that it will be useful,
  10 dnl but WITHOUT ANY WARRANTY; without even the implied warranty of
  11 dnl MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  12 dnl GNU General Public License for more details.
  13 dnl
  14 dnl You should have received a copy of the GNU General Public License
  15 dnl along with this program.  If not, see <http://www.gnu.org/licenses/>.
  16 dnl
  17 AT_BANNER([MEANS procedure])
  18
  19 AT_SETUP([MEANS simple])
  20 AT_KEYWORDS([categorical categoricals])
  21
  22 AT_DATA([means-simple.sps], [dnl
  23 data list notable list /hand * score * w *.
  24 begin data.
  25 1 17 4
  26 1 16 5
  27 2 21 1
  28 2 22 1
  29 2 20 8
  30 end data.
  31
  32 weight by w.
  33
  34 means tables = score by hand
  35  /cells = mean count.
  36 ])
  37
  38 AT_CHECK([pspp -O format=csv means-simple.sps], [0], [dnl
  39 Table: Case Processing Summary
  40 ,Cases,,,,,
  41 ,Included,,Excluded,,Total,
  42 ,N,Percent,N,Percent,N,Percent
  43 score * hand,19,100.0%,0,.0%,19,100.0%
  44
  45 Table: Report
  46 hand,Mean,N
  47 1.00,16.44,9
  48 2.00,20.30,10
  49 Total,18.47,19
  50 ])
  51
  52 AT_CLEANUP
  53
  54 AT_SETUP([MEANS very simple])
  55 AT_KEYWORDS([categorical categoricals])
  56
  57 AT_DATA([very-simple.sps], [dnl
  58 data list notable list /score *.
  59 begin data.
  60 17
  61 17
  62 17
  63 16
  64 17
  65 16
  66 16
  67 16
  68 16
  69 21
  70 22
  71 20
  72 20
  73 20
  74 20
  75 20
  76 20
  77 20
  78 20
  79 end data.
  80
  81 means tables = score
  82  /cells = mean count.
  83 ])
  84
  85 AT_CHECK([pspp -O format=csv very-simple.sps], [0], [dnl
  86 Table: Case Processing Summary
  87 ,Cases,,,,,
  88 ,Included,,Excluded,,Total,
  89 ,N,Percent,N,Percent,N,Percent
  90 score,19,100.0%,0,.0%,19,100.0%
  91
  92 Table: Report
  93 Mean,N
  94 18.47,19
  95 ])
  96
  97 AT_CLEANUP
  98
  99
 100 AT_SETUP([MEANS empty factor spec])
 101 AT_KEYWORDS([categorical categoricals])
 102
 103 AT_DATA([means-bad.sps], [dnl
 104 data list list /outcome *.
 105 begin data.
 106 1
 107 2
 108 3
 109 end data.
 110
 111 MEANS TABLES =  outcome
 112         BY.
 113 ])
 114
 115 AT_CHECK([pspp -O format=csv means-bad.sps], [1], [ignore])
 116
 117 AT_CLEANUP
 118
 119
 120
 121 AT_SETUP([MEANS parser bug])
 122 AT_KEYWORDS([categorical categoricals])
 123
 124 dnl This bug caused an infinite loop
 125 AT_DATA([means-bad.sps], [dnl
 126 DATA LIST notable LIST /a1 a2 a3 a4 a5 a6 a7 a8 a9 a10 fylo *.
 127 begin data.
 128 1 2 3 4 5 6 7 8 9 0 11
 129 end data.
 130
 131 MEANS TABLES = a1 a2 a3 a4 a5 a6 a7 a8 a9 a10a BY fylo.
 132 ])
 133
 134 AT_CHECK([pspp -O format=csv means-bad.sps], [1], [ignore])
 135
 136 AT_CLEANUP
 137
 138
 139 dnl This example is based upon info from https://libguides.library.kent.edu/SPSS/CompareMeans
 140 AT_SETUP([MEANS default missing behaviour])
 141 AT_KEYWORDS([categorical categoricals])
 142
 143 AT_DATA([means-missing.sps], [dnl
 144 data list notable list /w * score * a * b *.
 145 begin data
 146      12      . 0 0
 147      13      . 0 1
 148      11      . 1 0
 149       7      . 1 1
 150       5      1 0 .
 151      91      1 0 0
 152     130      1 0 1
 153       4      1 1 .
 154      90      1 1 0
 155      72      1 1 1
 156 end data.
 157
 158 weight by w.
 159
 160 MEANS tables=score
 161         /cells = count.
 162
 163 MEANS tables=score by a
 164         /cells = count.
 165
 166 MEANS tables=score by a by b
 167       /cells = count.
 168 ])
 169
 170 AT_CHECK([pspp -O format=csv means-missing.sps], [0], [dnl
 171 Table: Case Processing Summary
 172 ,Cases,,,,,
 173 ,Included,,Excluded,,Total,
 174 ,N,Percent,N,Percent,N,Percent
 175 score,392,90.1%,43,9.9%,435,100.0%
 176
 177 Table: Report
 178 N
 179 392
 180
 181 Table: Case Processing Summary
 182 ,Cases,,,,,
 183 ,Included,,Excluded,,Total,
 184 ,N,Percent,N,Percent,N,Percent
 185 score * a,392,90.1%,43,9.9%,435,100.0%
 186
 187 Table: Report
 188 a,N
 189 .00,226
 190 1.00,166
 191 Total,392
 192
 193 Table: Case Processing Summary
 194 ,Cases,,,,,
 195 ,Included,,Excluded,,Total,
 196 ,N,Percent,N,Percent,N,Percent
 197 score * a * b,383,88.0%,52,12.0%,435,100.0%
 198
 199 Table: Report
 200 a,b,N
 201 .00,.00,91
 202 ,1.00,130
 203 ,Total,221
 204 1.00,.00,90
 205 ,1.00,72
 206 ,Total,162
 207 Total,.00,181
 208 ,1.00,202
 209 ,Total,383
 210 ])
 211
 212 AT_CLEANUP
 213
 214
 215 dnl This example from https://www.spss-tutorials.com/spss-means-command/
 216 AT_SETUP([MEANS two way])
 217 AT_KEYWORDS([categorical categoricals])
 218
 219 AT_DATA([means-freelancer.sps], [dnl
 220 data list notable list /income_2010 * gender  sector_2010.
 221 begin data
 222 6072.40 0 5
 223 12706.65 1 4
 224 14912.82 0 2
 225 16338.36 1 5
 226 22606.99 0 .
 227 23544.95 1 1
 228 24985.21 0 2
 229 26586.48 0 1
 230 29076.24 1 3
 231 31010.18 0 2
 232 33190.63 1 1
 233 35570.67 1 4
 234 36202.60 1 4
 235 36205.85 1 2
 236 36262.56 1 .
 237 38283.56 0 1
 238 38569.91 1 5
 239 39057.56 1 4
 240 39594.68 1 5
 241 42087.38 0 1
 242 42370.92 0 2
 243 42931.32 1 2
 244 45907.58 0 4
 245 45911.32 1 .
 246 47227.09 1 3
 247 50440.71 1 5
 248 57440.17 1 3
 249 58918.86 0 5
 250 59430.07 1 2
 251 61135.95 0 4
 252 64193.85 0 4
 253 64857.02 0 3
 254 65903.42 0 4
 255 66592.38 1 3
 256 70986.10 0 3
 257 71229.94 0 4
 258 74663.05 1 4
 259 76676.14 1 4
 260 79260.80 0 4
 261 80311.71 0 4
 262 end data.
 263
 264 means income_2010 by gender by sector_2010
 265         /cells count min mean stddev.
 266 ])
 267
 268 AT_CHECK([pspp -O format=csv means-freelancer.sps], [0], [dnl
 269 Table: Case Processing Summary
 270 ,Cases,,,,,
 271 ,Included,,Excluded,,Total,
 272 ,N,Percent,N,Percent,N,Percent
 273 income_2010 * gender * sector_2010,37,92.5%,3,7.5%,40,100.0%
 274
 275 Table: Report
 276 gender,sector_2010,N,Minimum,Mean,Std. Deviation
 277 .00,1.00,3,26586.48,35652.47,8078.46
 278 ,2.00,4,14912.82,28319.78,11482.43
 279 ,3.00,2,64857.02,67921.56,4333.91
 280 ,4.00,7,45907.58,66849.04,11787.11
 281 ,5.00,2,6072.40,32495.63,37368.09
 282 ,Total,18,6072.40,49389.68,22371.48
 283 1.00,1.00,2,23544.95,28367.79,6820.53
 284 ,2.00,3,36205.85,46189.08,11949.93
 285 ,3.00,4,29076.24,50083.97,16084.44
 286 ,4.00,6,12706.65,45812.78,24995.16
 287 ,5.00,4,16338.36,36235.92,14311.04
 288 ,Total,19,12706.65,42918.90,17851.64
 289 Total,1.00,5,23544.95,32738.60,7757.62
 290 ,2.00,7,14912.82,35978.05,14309.27
 291 ,3.00,6,29076.24,56029.83,15615.06
 292 ,4.00,13,12706.65,57139.99,21187.85
 293 ,5.00,6,6072.40,34989.15,20146.69
 294 ,Total,37,6072.40,46066.84,20160.12
 295 ])
 296
 297 AT_CLEANUP
 298
 299
 300 dnl Check that rows are suppressed and that things generally work ok
 301 dnl when there are a 2 way instance contains an unbalanced set of
 302 dnl categorical values.
 303 AT_SETUP([MEANS unbalanced])
 304 AT_KEYWORDS([categorical categoricals])
 305
 306 AT_DATA([means-unbalanced.sps], [dnl
 307 data list notable list /b c x *.
 308 begin data.
 309 4 1 123
 310 3 1 123
 311 5 0 246
 312 4 0 246
 313 3 0 246
 314 end data.
 315
 316 * The data above lack a 5 1 case.
 317
 318 means
 319         table=x by b by c
 320         /cells = mean count
 321         .
 322 ])
 323
 324 AT_CHECK([pspp -O format=csv means-unbalanced.sps], [0], [dnl
 325 Table: Case Processing Summary
 326 ,Cases,,,,,
 327 ,Included,,Excluded,,Total,
 328 ,N,Percent,N,Percent,N,Percent
 329 x * b * c,5,100.0%,0,.0%,5,100.0%
 330
 331 Table: Report
 332 b,c,Mean,N
 333 3.00,.00,246.00,1
 334 ,1.00,123.00,1
 335 ,Total,184.50,2
 336 4.00,.00,246.00,1
 337 ,1.00,123.00,1
 338 ,Total,184.50,2
 339 5.00,.00,246.00,1
 340 ,Total,246.00,1
 341 Total,.00,246.00,3
 342 ,1.00,123.00,2
 343 ,Total,196.80,5
 344 ])
 345
 346 AT_CLEANUP
 347
 348 dnl This example kindly provided by Dana Williams
 349 AT_SETUP([MEANS three way])
 350 AT_KEYWORDS([categorical categoricals])
 351
 352 AT_DATA([means-threeway.sps], [dnl
 353 data list notable list /score a b c.
 354 begin data.
 355 3  0 0 0
 356 4  0 0 1
 357 41 0 0 2
 358 5  0 1 0
 359 6  0 1 1
 360 7  1 0 0
 361 8  1 0 1
 362 9  1 1 0
 363 10 1 1 1
 364 end data.
 365
 366 means score by a by b by c.
 367 ])
 368
 369 AT_CHECK([pspp -O format=csv means-threeway.sps], [0], [dnl
 370 Table: Case Processing Summary
 371 ,Cases,,,,,
 372 ,Included,,Excluded,,Total,
 373 ,N,Percent,N,Percent,N,Percent
 374 score * a * b * c,9,100.0%,0,.0%,9,100.0%
 375
 376 Table: Report
 377 a,b,c,Mean,N,Std. Deviation
 378 .00,.00,.00,3.00,1,NaN
 379 ,,1.00,4.00,1,NaN
 380 ,,2.00,41.00,1,NaN
 381 ,,Total,16.00,3,21.66
 382 ,1.00,.00,5.00,1,NaN
 383 ,,1.00,6.00,1,NaN
 384 ,,Total,5.50,2,.71
 385 ,Total,.00,4.00,2,1.41
 386 ,,1.00,5.00,2,1.41
 387 ,,2.00,41.00,1,NaN
 388 ,,Total,11.80,5,16.36
 389 1.00,.00,.00,7.00,1,NaN
 390 ,,1.00,8.00,1,NaN
 391 ,,Total,7.50,2,.71
 392 ,1.00,.00,9.00,1,NaN
 393 ,,1.00,10.00,1,NaN
 394 ,,Total,9.50,2,.71
 395 ,Total,.00,8.00,2,1.41
 396 ,,1.00,9.00,2,1.41
 397 ,,Total,8.50,4,1.29
 398 Total,.00,.00,5.00,2,2.83
 399 ,,1.00,6.00,2,2.83
 400 ,,2.00,41.00,1,NaN
 401 ,,Total,12.60,5,16.01
 402 ,1.00,.00,7.00,2,2.83
 403 ,,1.00,8.00,2,2.83
 404 ,,Total,7.50,4,2.38
 405 ,Total,.00,6.00,4,2.58
 406 ,,1.00,7.00,4,2.58
 407 ,,2.00,41.00,1,NaN
 408 ,,Total,10.33,9,11.73
 409 ])
 410
 411 AT_CLEANUP
 412
 413 dnl The above example again, but with string variables for
 414 dnl the control vars.
 415 AT_SETUP([MEANS three way string])
 416 AT_KEYWORDS([categorical categoricals])
 417
 418 AT_DATA([means-threeway-string.sps], [dnl
 419 data list notable list /score (f22.2) a (a24) b (a16) c (a8).
 420 begin data.
 421 3  fooberrycrumblexzaQ  fosilationwereqd  zero
 422 4  fooberrycrumblexzaQ  fosilationwereqd  one
 423 41 fooberrycrumblexzaQ  fosilationwereqd  two
 424 5  fooberrycrumblexzaQ  onlyonekonboys    zero
 425 6  fooberrycrumblexzaQ  onlyonekonboys    one
 426 7  wontledingbatsXASDF  fosilationwereqd  zero
 427 8  wontledingbatsXASDF  fosilationwereqd  one
 428 9  wontledingbatsXASDF  onlyonekonboys    zero
 429 10 wontledingbatsXASDF  onlyonekonboys    one
 430 end data.
 431
 432 means score by a by b by c.
 433 ])
 434
 435 AT_CHECK([pspp -O format=csv means-threeway-string.sps], [0], [dnl
 436 Table: Case Processing Summary
 437 ,Cases,,,,,
 438 ,Included,,Excluded,,Total,
 439 ,N,Percent,N,Percent,N,Percent
 440 score * a * b * c,9,100.0%,0,.0%,9,100.0%
 441
 442 Table: Report
 443 a,b,c,Mean,N,Std. Deviation
 444 fooberrycrumblexzaQ     ,fosilationwereqd,one     ,4.00,1,NaN
 445 ,,two     ,41.00,1,NaN
 446 ,,zero    ,3.00,1,NaN
 447 ,,Total,16.00,3,21.66
 448 ,onlyonekonboys  ,one     ,6.00,1,NaN
 449 ,,zero    ,5.00,1,NaN
 450 ,,Total,5.50,2,.71
 451 ,Total,one     ,5.00,2,1.41
 452 ,,two     ,41.00,1,NaN
 453 ,,zero    ,4.00,2,1.41
 454 ,,Total,11.80,5,16.36
 455 wontledingbatsXASDF     ,fosilationwereqd,one     ,8.00,1,NaN
 456 ,,zero    ,7.00,1,NaN
 457 ,,Total,7.50,2,.71
 458 ,onlyonekonboys  ,one     ,10.00,1,NaN
 459 ,,zero    ,9.00,1,NaN
 460 ,,Total,9.50,2,.71
 461 ,Total,one     ,9.00,2,1.41
 462 ,,zero    ,8.00,2,1.41
 463 ,,Total,8.50,4,1.29
 464 Total,fosilationwereqd,one     ,6.00,2,2.83
 465 ,,two     ,41.00,1,NaN
 466 ,,zero    ,5.00,2,2.83
 467 ,,Total,12.60,5,16.01
 468 ,onlyonekonboys  ,one     ,8.00,2,2.83
 469 ,,zero    ,7.00,2,2.83
 470 ,,Total,7.50,4,2.38
 471 ,Total,one     ,7.00,4,2.58
 472 ,,two     ,41.00,1,NaN
 473 ,,zero    ,6.00,4,2.58
 474 ,,Total,10.33,9,11.73
 475 ])
 476
 477 AT_CLEANUP
 478
 479
 480
 481 dnl An example with multiple tables
 482 AT_SETUP([MEANS multiple tables])
 483 AT_KEYWORDS([categorical categoricals])
 484
 485 AT_DATA([means-multi-table.sps], [dnl
 486 data list notable list /a * b * c * x * y *.
 487 begin data.
 488 6 3 0 123 456
 489 6 3 1 123 456
 490 6 4 0 123 456
 491 6 4 1 123 456
 492 6 5 0 123 456
 493 6 5 1 123 456
 494 7 3 0 123 456
 495 7 3 1 123 456
 496 7 4 0 123 456
 497 7 4 1 123 456
 498 7 5 0 123 456
 499 7 5 1 123 456
 500 8 3 0 123 456
 501 8 3 1 123 456
 502 8 4 0 123 456
 503 8 4 1 123 456
 504 8 5 0 123 456
 505 8 5 1 123 456
 506 9 3 0 123 456
 507 9 3 1 123 456
 508 9 4 0 123 456
 509 9 4 1 123 456
 510 9 5 0 123 456
 511 9 5 1 123 456
 512 end data.
 513
 514
 515 means table = x by b by c
 516         /x by b
 517         /y by a by b
 518   cells = min count  .
 519 ])
 520
 521 AT_CHECK([pspp -O format=csv means-multi-table.sps], [0], [dnl
 522 Table: Case Processing Summary
 523 ,Cases,,,,,
 524 ,Included,,Excluded,,Total,
 525 ,N,Percent,N,Percent,N,Percent
 526 x * b * c,24,100.0%,0,.0%,24,100.0%
 527
 528 Table: Report
 529 b,c,Minimum,N
 530 3.00,.00,123.00,4
 531 ,1.00,123.00,4
 532 ,Total,123.00,8
 533 4.00,.00,123.00,4
 534 ,1.00,123.00,4
 535 ,Total,123.00,8
 536 5.00,.00,123.00,4
 537 ,1.00,123.00,4
 538 ,Total,123.00,8
 539 Total,.00,123.00,12
 540 ,1.00,123.00,12
 541 ,Total,123.00,24
 542
 543 Table: Case Processing Summary
 544 ,Cases,,,,,
 545 ,Included,,Excluded,,Total,
 546 ,N,Percent,N,Percent,N,Percent
 547 x * b,24,100.0%,0,.0%,24,100.0%
 548
 549 Table: Report
 550 b,Minimum,N
 551 3.00,123.00,8
 552 4.00,123.00,8
 553 5.00,123.00,8
 554 Total,123.00,24
 555
 556 Table: Case Processing Summary
 557 ,Cases,,,,,
 558 ,Included,,Excluded,,Total,
 559 ,N,Percent,N,Percent,N,Percent
 560 y * a * b,24,100.0%,0,.0%,24,100.0%
 561
 562 Table: Report
 563 a,b,Minimum,N
 564 6.00,3.00,456.00,2
 565 ,4.00,456.00,2
 566 ,5.00,456.00,2
 567 ,Total,456.00,6
 568 7.00,3.00,456.00,2
 569 ,4.00,456.00,2
 570 ,5.00,456.00,2
 571 ,Total,456.00,6
 572 8.00,3.00,456.00,2
 573 ,4.00,456.00,2
 574 ,5.00,456.00,2
 575 ,Total,456.00,6
 576 9.00,3.00,456.00,2
 577 ,4.00,456.00,2
 578 ,5.00,456.00,2
 579 ,Total,456.00,6
 580 Total,3.00,456.00,8
 581 ,4.00,456.00,8
 582 ,5.00,456.00,8
 583 ,Total,456.00,24
 584 ])
 585
 586 AT_CLEANUP
 587
 588
 589
 590 dnl An example with more than one dependent variable.
 591 dnl This case uses a somewhat different table layout.
 592 AT_SETUP([MEANS multi variable])
 593 AT_KEYWORDS([categorical categoricals])
 594
 595 AT_DATA([means-multi-variable.sps], [dnl
 596 data list notable list /b c x y.
 597 begin data.
 598 5 1 123 55
 599 5 1 123 55
 600 5 1 123 55
 601 5 1 123 55
 602 4 1 456 44
 603 4 1 456 44
 604 4 1 456 44
 605 4 1 456 44
 606 3 1 789 55
 607 3 1 789 55
 608 3 1 789 55
 609 3 1 789 55
 610 5 0 246 99
 611 5 0 246 99
 612 5 0 246 99
 613 5 0 246 .
 614 4 0 987 99
 615 4 0 987 99
 616 4 0 987 99
 617 4 0 987 99
 618 3 0 654 11
 619 3 0 654 11
 620 3 0 654 11
 621 3 0 654 11
 622 end data.
 623
 624 means
 625         table = x y by b by c
 626         .
 627 ])
 628
 629 AT_CHECK([pspp -O format=csv means-multi-variable.sps], [0], [dnl
 630 Table: Case Processing Summary
 631 ,Cases,,,,,
 632 ,Included,,Excluded,,Total,
 633 ,N,Percent,N,Percent,N,Percent
 634 x * b * c,24,100.0%,0,.0%,24,100.0%
 635 y * b * c,23,95.8%,1,4.2%,24,100.0%
 636
 637 Table: x * y * b * c
 638 b,c,,x,y
 639 3.00,.00,Mean,654.00,11.00
 640 ,,N,4,4
 641 ,,Std. Deviation,.00,.00
 642 ,1.00,Mean,789.00,55.00
 643 ,,N,4,4
 644 ,,Std. Deviation,.00,.00
 645 ,Total,Mean,721.50,33.00
 646 ,,N,8,8
 647 ,,Std. Deviation,72.16,23.52
 648 4.00,.00,Mean,987.00,99.00
 649 ,,N,4,4
 650 ,,Std. Deviation,.00,.00
 651 ,1.00,Mean,456.00,44.00
 652 ,,N,4,4
 653 ,,Std. Deviation,.00,.00
 654 ,Total,Mean,721.50,71.50
 655 ,,N,8,8
 656 ,,Std. Deviation,283.83,29.40
 657 5.00,.00,Mean,246.00,99.00
 658 ,,N,4,3
 659 ,,Std. Deviation,.00,.00
 660 ,1.00,Mean,123.00,55.00
 661 ,,N,4,4
 662 ,,Std. Deviation,.00,.00
 663 ,Total,Mean,184.50,73.86
 664 ,,N,8,7
 665 ,,Std. Deviation,65.75,23.52
 666 Total,.00,Mean,629.00,67.00
 667 ,,N,12,11
 668 ,,Std. Deviation,316.50,44.40
 669 ,1.00,Mean,456.00,51.33
 670 ,,N,12,12
 671 ,,Std. Deviation,283.98,5.42
 672 ,Total,Mean,542.50,58.83
 673 ,,N,24,23
 674 ,,Std. Deviation,307.06,31.22
 675 ])
 676
 677
 678 AT_CLEANUP
 679
 680
 681 dnl This example is based upon one kindly provided by Dana Williams
 682 dnl It exercises the most complex case where there are multiple
 683 dnl dependent variables AND multiple control variables in each layer.
 684 AT_SETUP([MEANS multi combination])
 685 AT_KEYWORDS([categorical categoricals])
 686
 687 AT_DATA([means-multi-combination.sps], [dnl
 688 data list notable list /one two three four five six.
 689 begin data
 690 1 1 1 1 1 1
 691 2 1 1 1 1 1
 692 1 2 1 1 1 1
 693 2 2 1 1 1 1
 694 1 1 2 1 1 1
 695 2 1 2 1 1 1
 696 1 2 2 1 1 1
 697 2 2 2 1 1 1
 698 1 1 1 2 1 1
 699 2 1 1 2 1 1
 700 1 2 1 2 1 1
 701 2 2 1 2 1 1
 702 1 1 2 2 1 1
 703 2 1 2 2 1 1
 704 1 2 2 2 1 1
 705 2 2 2 2 1 1
 706 1 1 1 1 2 1
 707 2 1 1 1 2 1
 708 1 2 1 1 2 1
 709 2 2 1 1 2 1
 710 1 1 2 1 2 1
 711 2 1 2 1 2 1
 712 1 2 2 1 2 1
 713 2 2 2 1 2 1
 714 1 1 1 2 2 1
 715 2 1 1 2 2 1
 716 1 2 1 2 2 1
 717 2 2 1 2 2 1
 718 1 1 2 2 2 1
 719 2 1 2 2 2 1
 720 1 2 2 2 2 1
 721 2 2 2 2 2 1
 722 1 1 1 1 1 2
 723 2 1 1 1 1 2
 724 1 2 1 1 1 2
 725 2 2 1 1 1 2
 726 1 1 2 1 1 2
 727 2 1 2 1 1 2
 728 1 2 2 1 1 2
 729 2 2 2 1 1 2
 730 1 1 1 2 1 2
 731 2 1 1 2 1 2
 732 1 2 1 2 1 2
 733 2 2 1 2 1 2
 734 1 1 2 2 1 2
 735 2 1 2 2 1 2
 736 1 2 2 2 1 2
 737 2 2 2 2 1 2
 738 1 1 1 1 2 2
 739 2 1 1 1 2 2
 740 1 2 1 1 2 2
 741 2 2 1 1 2 2
 742 1 1 2 1 2 2
 743 2 1 2 1 2 2
 744 1 2 2 1 2 2
 745 2 2 2 1 2 2
 746 1 1 1 2 2 2
 747 2 1 1 2 2 2
 748 1 2 1 2 2 2
 749 2 2 1 2 2 2
 750 1 1 2 2 2 2
 751 2 1 2 2 2 2
 752 1 2 2 2 2 2
 753 2 2 2 2 2 2
 754 end data.
 755
 756 recode six  (2 = 62) (1 = 61).
 757 recode five (2 = 52) (1 = 51).
 758 recode four (2 = 42) (1 = 41).
 759 recode three (2 = 32) (1 = 31).
 760
 761 set format F22.5.
 762
 763 means tables = one two BY three four BY five six.
 764 ])
 765
 766 AT_CHECK([pspp -O format=csv means-multi-combination.sps], [0], [dnl
 767 Table: Case Processing Summary
 768 ,Cases,,,,,
 769 ,Included,,Excluded,,Total,
 770 ,N,Percent,N,Percent,N,Percent
 771 one * three * five,64,100.0%,0,.0%,64,100.0%
 772 two * three * five,64,100.0%,0,.0%,64,100.0%
 773 one * three * six,64,100.0%,0,.0%,64,100.0%
 774 two * three * six,64,100.0%,0,.0%,64,100.0%
 775 one * four * five,64,100.0%,0,.0%,64,100.0%
 776 two * four * five,64,100.0%,0,.0%,64,100.0%
 777 one * four * six,64,100.0%,0,.0%,64,100.0%
 778 two * four * six,64,100.0%,0,.0%,64,100.0%
 779
 780 Table: one * two * three * five
 781 three,five,,one,two
 782 31.00,51.00,Mean,1.50000,1.50000
 783 ,,N,16,16
 784 ,,Std. Deviation,.51640,.51640
 785 ,52.00,Mean,1.50000,1.50000
 786 ,,N,16,16
 787 ,,Std. Deviation,.51640,.51640
 788 ,Total,Mean,1.50000,1.50000
 789 ,,N,32,32
 790 ,,Std. Deviation,.50800,.50800
 791 32.00,51.00,Mean,1.50000,1.50000
 792 ,,N,16,16
 793 ,,Std. Deviation,.51640,.51640
 794 ,52.00,Mean,1.50000,1.50000
 795 ,,N,16,16
 796 ,,Std. Deviation,.51640,.51640
 797 ,Total,Mean,1.50000,1.50000
 798 ,,N,32,32
 799 ,,Std. Deviation,.50800,.50800
 800 Total,51.00,Mean,1.50000,1.50000
 801 ,,N,32,32
 802 ,,Std. Deviation,.50800,.50800
 803 ,52.00,Mean,1.50000,1.50000
 804 ,,N,32,32
 805 ,,Std. Deviation,.50800,.50800
 806 ,Total,Mean,1.50000,1.50000
 807 ,,N,64,64
 808 ,,Std. Deviation,.50395,.50395
 809
 810 Table: one * two * three * six
 811 three,six,,one,two
 812 31.00,61.00,Mean,1.50000,1.50000
 813 ,,N,16,16
 814 ,,Std. Deviation,.51640,.51640
 815 ,62.00,Mean,1.50000,1.50000
 816 ,,N,16,16
 817 ,,Std. Deviation,.51640,.51640
 818 ,Total,Mean,1.50000,1.50000
 819 ,,N,32,32
 820 ,,Std. Deviation,.50800,.50800
 821 32.00,61.00,Mean,1.50000,1.50000
 822 ,,N,16,16
 823 ,,Std. Deviation,.51640,.51640
 824 ,62.00,Mean,1.50000,1.50000
 825 ,,N,16,16
 826 ,,Std. Deviation,.51640,.51640
 827 ,Total,Mean,1.50000,1.50000
 828 ,,N,32,32
 829 ,,Std. Deviation,.50800,.50800
 830 Total,61.00,Mean,1.50000,1.50000
 831 ,,N,32,32
 832 ,,Std. Deviation,.50800,.50800
 833 ,62.00,Mean,1.50000,1.50000
 834 ,,N,32,32
 835 ,,Std. Deviation,.50800,.50800
 836 ,Total,Mean,1.50000,1.50000
 837 ,,N,64,64
 838 ,,Std. Deviation,.50395,.50395
 839
 840 Table: one * two * four * five
 841 four,five,,one,two
 842 41.00,51.00,Mean,1.50000,1.50000
 843 ,,N,16,16
 844 ,,Std. Deviation,.51640,.51640
 845 ,52.00,Mean,1.50000,1.50000
 846 ,,N,16,16
 847 ,,Std. Deviation,.51640,.51640
 848 ,Total,Mean,1.50000,1.50000
 849 ,,N,32,32
 850 ,,Std. Deviation,.50800,.50800
 851 42.00,51.00,Mean,1.50000,1.50000
 852 ,,N,16,16
 853 ,,Std. Deviation,.51640,.51640
 854 ,52.00,Mean,1.50000,1.50000
 855 ,,N,16,16
 856 ,,Std. Deviation,.51640,.51640
 857 ,Total,Mean,1.50000,1.50000
 858 ,,N,32,32
 859 ,,Std. Deviation,.50800,.50800
 860 Total,51.00,Mean,1.50000,1.50000
 861 ,,N,32,32
 862 ,,Std. Deviation,.50800,.50800
 863 ,52.00,Mean,1.50000,1.50000
 864 ,,N,32,32
 865 ,,Std. Deviation,.50800,.50800
 866 ,Total,Mean,1.50000,1.50000
 867 ,,N,64,64
 868 ,,Std. Deviation,.50395,.50395
 869
 870 Table: one * two * four * six
 871 four,six,,one,two
 872 41.00,61.00,Mean,1.50000,1.50000
 873 ,,N,16,16
 874 ,,Std. Deviation,.51640,.51640
 875 ,62.00,Mean,1.50000,1.50000
 876 ,,N,16,16
 877 ,,Std. Deviation,.51640,.51640
 878 ,Total,Mean,1.50000,1.50000
 879 ,,N,32,32
 880 ,,Std. Deviation,.50800,.50800
 881 42.00,61.00,Mean,1.50000,1.50000
 882 ,,N,16,16
 883 ,,Std. Deviation,.51640,.51640
 884 ,62.00,Mean,1.50000,1.50000
 885 ,,N,16,16
 886 ,,Std. Deviation,.51640,.51640
 887 ,Total,Mean,1.50000,1.50000
 888 ,,N,32,32
 889 ,,Std. Deviation,.50800,.50800
 890 Total,61.00,Mean,1.50000,1.50000
 891 ,,N,32,32
 892 ,,Std. Deviation,.50800,.50800
 893 ,62.00,Mean,1.50000,1.50000
 894 ,,N,32,32
 895 ,,Std. Deviation,.50800,.50800
 896 ,Total,Mean,1.50000,1.50000
 897 ,,N,64,64
 898 ,,Std. Deviation,.50395,.50395
 899 ])
 900
 901 AT_CLEANUP
 902
 903
 904 dnl This example was observed to cause a crash in the
 905 dnl destructor.  Found by zzuf.
 906 AT_SETUP([MEANS clean up])
 907 AT_KEYWORDS([categorical categoricals])
 908
 909 AT_DATA([means-bad.sps], [dnl
 910 data list notable list /one two three four five six.
 911 begin data
 912 1 1 1 1 1 1
 913 2 1 1 1 1 !
 914 1 2 2 2 2 2
 915 2 2 2 2 2 2
 916 end data.
 917
 918 means tables = one two BY thsee four BY five six.
 919 ])
 920
 921 AT_CHECK([pspp -O format=csv means-bad.sps], [1], [ignore])
 922
 923 AT_CLEANUP
 924
 925
 926 dnl Another example which caused a crash.
 927 dnl Found by zzuf.
 928 AT_SETUP([MEANS control all missing])
 929 AT_KEYWORDS([categorical categoricals])
 930
 931 AT_DATA([means-bad.sps], [dnl
 932 data list notable list /a * b *  y * uu *.
 933 begin data.
 934 6 3 . 5
 935 6 3 . 5
 936 6 4 . 5
 937 end data.
 938
 939 means table = b by a by y by uu
 940   .
 941 ])
 942
 943 AT_CHECK([pspp -O format=csv means-bad.sps], [0], [dnl
 944 Table: Case Processing Summary
 945 ,Cases,,,,,
 946 ,Included,,Excluded,,Total,
 947 ,N,Percent,N,Percent,N,Percent
 948 b * a * y * uu,0,.0%,3,100.0%,3,100.0%
 949
 950 "warning: The table ""a * y * uu"" has no non-empty control variables.  No result for this table will be displayed."
 951 ])
 952
 953 AT_CLEANUP
 954
 955
 956 dnl Do some tests on the MISSING keyword.
 957 AT_SETUP([MEANS missing classes])
 958 AT_KEYWORDS([categorical categoricals])
 959
 960 AT_DATA([means-missing-classes.sps], [dnl
 961 data list notable list /hand * score *.
 962 begin data.
 963 1 17
 964 1 17
 965 1 17
 966 1 16
 967 1 17
 968 1 16
 969 1 16
 970 1 .
 971 1 99
 972 2 21
 973 2 22
 974 2 20
 975 2 20
 976 2 20
 977 2 20
 978 2 20
 979 2 20
 980 2 20
 981 2 20
 982 9 55
 983 end data.
 984
 985 missing values score (99).
 986 missing values hand (9).
 987
 988 means tables=score  by hand
 989         /cells = count max
 990         /missing = dependent
 991         .
 992
 993 means tables=score  by hand
 994         /cells = count max
 995         /missing = include
 996         .
 997
 998 means tables=score  by hand
 999         /cells = count max
1000         .
1001
1002 ])
1003
1004 AT_CHECK([pspp -O format=csv means-missing-classes.sps], [0], [dnl
1005 Table: Case Processing Summary
1006 ,Cases,,,,,
1007 ,Included,,Excluded,,Total,
1008 ,N,Percent,N,Percent,N,Percent
1009 score * hand,18,90.0%,2,10.0%,20,100.0%
1010
1011 Table: Report
1012 hand,N,Maximum
1013 1.00,7,17.00
1014 2.00,10,22.00
1015 9.00,1,55.00
1016 Total,18,55.00
1017
1018 Table: Case Processing Summary
1019 ,Cases,,,,,
1020 ,Included,,Excluded,,Total,
1021 ,N,Percent,N,Percent,N,Percent
1022 score * hand,19,95.0%,1,5.0%,20,100.0%
1023
1024 Table: Report
1025 hand,N,Maximum
1026 1.00,8,99.00
1027 2.00,10,22.00
1028 9.00,1,55.00
1029 Total,19,99.00
1030
1031 Table: Case Processing Summary
1032 ,Cases,,,,,
1033 ,Included,,Excluded,,Total,
1034 ,N,Percent,N,Percent,N,Percent
1035 score * hand,17,85.0%,3,15.0%,20,100.0%
1036
1037 Table: Report
1038 hand,N,Maximum
1039 1.00,7,17.00
1040 2.00,10,22.00
1041 Total,17,22.00
1042 ])
1043
1044 AT_CLEANUP
1045
1046
1047