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

   1 /* PSPP - a program for statistical analysis.
   2    Copyright (C) 2009, 2010, 2011 Free Software Foundation, Inc.
   3
   4    This program is free software: you can redistribute it and/or modify
   5    it under the terms of the GNU General Public License as published by
   6    the Free Software Foundation, either version 3 of the License, or
   7    (at your option) any later version.
   8
   9    This program is distributed in the hope that it will be useful,
  10    but WITHOUT ANY WARRANTY; without even the implied warranty of
  11    MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  12    GNU General Public License for more details.
  13
  14    You should have received a copy of the GNU General Public License
  15    along with this program.  If not, see <http://www.gnu.org/licenses/>. */
  16
  17 #include <config.h>
  18
  19 #include <gsl/gsl_cdf.h>
  20 #include <gsl/gsl_matrix.h>
  21 #include <math.h>
  22
  23 #include "data/casegrouper.h"
  24 #include "data/casereader.h"
  25 #include "data/dataset.h"
  26 #include "data/dictionary.h"
  27 #include "data/format.h"
  28 #include "data/variable.h"
  29 #include "language/command.h"
  30 #include "language/dictionary/split-file.h"
  31 #include "language/lexer/lexer.h"
  32 #include "language/lexer/variable-parser.h"
  33 #include "libpspp/assertion.h"
  34 #include "libpspp/message.h"
  35 #include "libpspp/misc.h"
  36 #include "math/correlation.h"
  37 #include "math/covariance.h"
  38 #include "math/moments.h"
  39 #include "output/tab.h"
  40
  41 #include "gl/xalloc.h"
  42 #include "gl/minmax.h"
  43
  44 #include "gettext.h"
  45 #define _(msgid) gettext (msgid)
  46 #define N_(msgid) msgid
  47
  48
  49 struct corr
  50 {
  51   size_t n_vars_total;
  52   size_t n_vars1;
  53
  54   const struct variable **vars;
  55 };
  56
  57
  58 /* Handling of missing values. */
  59 enum corr_missing_type
  60   {
  61     CORR_PAIRWISE,       /* Handle missing values on a per-variable-pair basis. */
  62     CORR_LISTWISE        /* Discard entire case if any variable is missing. */
  63   };
  64
  65 enum stats_opts
  66   {
  67     STATS_DESCRIPTIVES = 0x01,
  68     STATS_XPROD = 0x02,
  69     STATS_ALL = STATS_XPROD | STATS_DESCRIPTIVES
  70   };
  71
  72 struct corr_opts
  73 {
  74   enum corr_missing_type missing_type;
  75   enum mv_class exclude;      /* Classes of missing values to exclude. */
  76
  77   bool sig;   /* Flag significant values or not */
  78   int tails;  /* Report significance with how many tails ? */
  79   enum stats_opts statistics;
  80
  81   const struct variable *wv;  /* The weight variable (if any) */
  82 };
  83
  84
  85 static void
  86 output_descriptives (const struct corr *corr, const gsl_matrix *means,
  87                      const gsl_matrix *vars, const gsl_matrix *ns)
  88 {
  89   const int nr = corr->n_vars_total + 1;
  90   const int nc = 4;
  91   int c, r;
  92
  93   const int heading_columns = 1;
  94   const int heading_rows = 1;
  95
  96   struct tab_table *t = tab_create (nc, nr);
  97   tab_title (t, _("Descriptive Statistics"));
  98
  99   tab_headers (t, heading_columns, 0, heading_rows, 0);
 100
 101   /* Outline the box */
 102   tab_box (t,
 103            TAL_2, TAL_2,
 104            -1, -1,
 105            0, 0,
 106            nc - 1, nr - 1);
 107
 108   /* Vertical lines */
 109   tab_box (t,
 110            -1, -1,
 111            -1, TAL_1,
 112            heading_columns, 0,
 113            nc - 1, nr - 1);
 114
 115   tab_vline (t, TAL_2, heading_columns, 0, nr - 1);
 116   tab_hline (t, TAL_1, 0, nc - 1, heading_rows);
 117
 118   tab_text (t, 1, 0, TAB_CENTER | TAT_TITLE, _("Mean"));
 119   tab_text (t, 2, 0, TAB_CENTER | TAT_TITLE, _("Std. Deviation"));
 120   tab_text (t, 3, 0, TAB_CENTER | TAT_TITLE, _("N"));
 121
 122   for (r = 0 ; r < corr->n_vars_total ; ++r)
 123     {
 124       const struct variable *v = corr->vars[r];
 125       tab_text (t, 0, r + heading_rows, TAB_LEFT | TAT_TITLE, var_to_string (v));
 126
 127       for (c = 1 ; c < nc ; ++c)
 128         {
 129           double x ;
 130           double n;
 131           switch (c)
 132             {
 133             case 1:
 134               x = gsl_matrix_get (means, r, 0);
 135               break;
 136             case 2:
 137               x = gsl_matrix_get (vars, r, 0);
 138
 139               /* Here we want to display the non-biased estimator */
 140               n = gsl_matrix_get (ns, r, 0);
 141               x *= n / (n -1);
 142
 143               x = sqrt (x);
 144               break;
 145             case 3:
 146               x = gsl_matrix_get (ns, r, 0);
 147               break;
 148             default:
 149               NOT_REACHED ();
 150             };
 151
 152           tab_double (t, c, r + heading_rows, 0, x, NULL);
 153         }
 154     }
 155
 156   tab_submit (t);
 157 }
 158
 159 static void
 160 output_correlation (const struct corr *corr, const struct corr_opts *opts,
 161                     const gsl_matrix *cm, const gsl_matrix *samples,
 162                     const gsl_matrix *cv)
 163 {
 164   int r, c;
 165   struct tab_table *t;
 166   int matrix_cols;
 167   int nr = corr->n_vars1;
 168   int nc = matrix_cols = corr->n_vars_total > corr->n_vars1 ?
 169     corr->n_vars_total - corr->n_vars1 : corr->n_vars1;
 170
 171   const struct fmt_spec *wfmt = opts->wv ? var_get_print_format (opts->wv) : & F_8_0;
 172
 173   const int heading_columns = 2;
 174   const int heading_rows = 1;
 175
 176   int rows_per_variable = opts->missing_type == CORR_LISTWISE ? 2 : 3;
 177
 178   if (opts->statistics & STATS_XPROD)
 179     rows_per_variable += 2;
 180
 181   /* Two header columns */
 182   nc += heading_columns;
 183
 184   /* Three data per variable */
 185   nr *= rows_per_variable;
 186
 187   /* One header row */
 188   nr += heading_rows;
 189
 190   t = tab_create (nc, nr);
 191   tab_title (t, _("Correlations"));
 192
 193   tab_headers (t, heading_columns, 0, heading_rows, 0);
 194
 195   /* Outline the box */
 196   tab_box (t,
 197            TAL_2, TAL_2,
 198            -1, -1,
 199            0, 0,
 200            nc - 1, nr - 1);
 201
 202   /* Vertical lines */
 203   tab_box (t,
 204            -1, -1,
 205            -1, TAL_1,
 206            heading_columns, 0,
 207            nc - 1, nr - 1);
 208
 209   tab_vline (t, TAL_2, heading_columns, 0, nr - 1);
 210
 211   tab_vline (t, TAL_1, 1, heading_rows, nr - 1);
 212
 213   /* Row Headers */
 214   for (r = 0 ; r < corr->n_vars1 ; ++r)
 215     {
 216       tab_text (t, 0, 1 + r * rows_per_variable, TAB_LEFT | TAT_TITLE,
 217                 var_to_string (corr->vars[r]));
 218
 219       tab_text (t, 1, 1 + r * rows_per_variable, TAB_LEFT | TAT_TITLE, _("Pearson Correlation"));
 220       tab_text (t, 1, 2 + r * rows_per_variable, TAB_LEFT | TAT_TITLE,
 221                 (opts->tails == 2) ? _("Sig. (2-tailed)") : _("Sig. (1-tailed)"));
 222
 223       if (opts->statistics & STATS_XPROD)
 224         {
 225           tab_text (t, 1, 3 + r * rows_per_variable, TAB_LEFT | TAT_TITLE, _("Cross-products"));
 226           tab_text (t, 1, 4 + r * rows_per_variable, TAB_LEFT | TAT_TITLE, _("Covariance"));
 227         }
 228
 229       if ( opts->missing_type != CORR_LISTWISE )
 230         tab_text (t, 1, rows_per_variable + r * rows_per_variable, TAB_LEFT | TAT_TITLE, _("N"));
 231
 232       tab_hline (t, TAL_1, 0, nc - 1, r * rows_per_variable + 1);
 233     }
 234
 235   /* Column Headers */
 236   for (c = 0 ; c < matrix_cols ; ++c)
 237     {
 238       const struct variable *v = corr->n_vars_total > corr->n_vars1 ?
 239         corr->vars[corr->n_vars1 + c] : corr->vars[c];
 240       tab_text (t, heading_columns + c, 0, TAB_LEFT | TAT_TITLE, var_to_string (v));
 241     }
 242
 243   for (r = 0 ; r < corr->n_vars1 ; ++r)
 244     {
 245       const int row = r * rows_per_variable + heading_rows;
 246       for (c = 0 ; c < matrix_cols ; ++c)
 247         {
 248           unsigned char flags = 0;
 249           const int col_index = corr->n_vars_total > corr->n_vars1 ?
 250             corr->n_vars1 + c :
 251             c;
 252           double pearson = gsl_matrix_get (cm, r, col_index);
 253           double w = gsl_matrix_get (samples, r, col_index);
 254           double sig = opts->tails * significance_of_correlation (pearson, w);
 255
 256           if ( opts->missing_type != CORR_LISTWISE )
 257             tab_double (t, c + heading_columns, row + rows_per_variable - 1, 0, w, wfmt);
 258
 259           if ( col_index != r)
 260             tab_double (t, c + heading_columns, row + 1, 0,  sig, NULL);
 261
 262           if ( opts->sig && col_index != r && sig < 0.05)
 263             flags = TAB_EMPH;
 264
 265           tab_double (t, c + heading_columns, row, flags, pearson, NULL);
 266
 267           if (opts->statistics & STATS_XPROD)
 268             {
 269               double cov = gsl_matrix_get (cv, r, col_index);
 270               const double xprod_dev = cov * w;
 271               cov *= w / (w - 1.0);
 272
 273               tab_double (t, c + heading_columns, row + 2, 0, xprod_dev, NULL);
 274               tab_double (t, c + heading_columns, row + 3, 0, cov, NULL);
 275             }
 276         }
 277     }
 278
 279   tab_submit (t);
 280 }
 281
 282
 283 static void
 284 run_corr (struct casereader *r, const struct corr_opts *opts, const struct corr *corr)
 285 {
 286   struct ccase *c;
 287   const gsl_matrix *var_matrix,  *samples_matrix, *mean_matrix;
 288   gsl_matrix *cov_matrix;
 289   gsl_matrix *corr_matrix;
 290   struct covariance *cov = covariance_2pass_create (corr->n_vars_total, corr->vars,
 291                                                     NULL,
 292                                                     opts->wv, opts->exclude);
 293
 294   struct casereader *rc = casereader_clone (r);
 295   for ( ; (c = casereader_read (r) ); case_unref (c))
 296     {
 297       covariance_accumulate_pass1 (cov, c);
 298     }
 299
 300   for ( ; (c = casereader_read (rc) ); case_unref (c))
 301     {
 302       covariance_accumulate_pass2 (cov, c);
 303     }
 304
 305   cov_matrix = covariance_calculate (cov);
 306
 307   casereader_destroy (rc);
 308
 309   samples_matrix = covariance_moments (cov, MOMENT_NONE);
 310   var_matrix = covariance_moments (cov, MOMENT_VARIANCE);
 311   mean_matrix = covariance_moments (cov, MOMENT_MEAN);
 312
 313   corr_matrix = correlation_from_covariance (cov_matrix, var_matrix);
 314
 315   if ( opts->statistics & STATS_DESCRIPTIVES)
 316     output_descriptives (corr, mean_matrix, var_matrix, samples_matrix);
 317
 318   output_correlation (corr, opts, corr_matrix,
 319                       samples_matrix, cov_matrix);
 320
 321   covariance_destroy (cov);
 322   gsl_matrix_free (corr_matrix);
 323   gsl_matrix_free (cov_matrix);
 324 }
 325
 326 int
 327 cmd_correlation (struct lexer *lexer, struct dataset *ds)
 328 {
 329   int i;
 330   int n_all_vars = 0; /* Total number of variables involved in this command */
 331   const struct variable **all_vars ;
 332   const struct dictionary *dict = dataset_dict (ds);
 333   bool ok = true;
 334
 335   struct casegrouper *grouper;
 336   struct casereader *group;
 337
 338   struct corr *corr = NULL;
 339   size_t n_corrs = 0;
 340
 341   struct corr_opts opts;
 342   opts.missing_type = CORR_PAIRWISE;
 343   opts.wv = dict_get_weight (dict);
 344   opts.tails = 2;
 345   opts.sig = false;
 346   opts.exclude = MV_ANY;
 347   opts.statistics = 0;
 348
 349   /* Parse CORRELATIONS. */
 350   while (lex_token (lexer) != T_ENDCMD)
 351     {
 352       lex_match (lexer, T_SLASH);
 353       if (lex_match_id (lexer, "MISSING"))
 354         {
 355           lex_match (lexer, T_EQUALS);
 356           while (lex_token (lexer) != T_ENDCMD && lex_token (lexer) != T_SLASH)
 357             {
 358               if (lex_match_id (lexer, "PAIRWISE"))
 359                 opts.missing_type = CORR_PAIRWISE;
 360               else if (lex_match_id (lexer, "LISTWISE"))
 361                 opts.missing_type = CORR_LISTWISE;
 362
 363               else if (lex_match_id (lexer, "INCLUDE"))
 364                 opts.exclude = MV_SYSTEM;
 365               else if (lex_match_id (lexer, "EXCLUDE"))
 366                 opts.exclude = MV_ANY;
 367               else
 368                 {
 369                   lex_error (lexer, NULL);
 370                   goto error;
 371                 }
 372               lex_match (lexer, T_COMMA);
 373             }
 374         }
 375       else if (lex_match_id (lexer, "PRINT"))
 376         {
 377           lex_match (lexer, T_EQUALS);
 378           while (lex_token (lexer) != T_ENDCMD && lex_token (lexer) != T_SLASH)
 379             {
 380               if ( lex_match_id (lexer, "TWOTAIL"))
 381                 opts.tails = 2;
 382               else if (lex_match_id (lexer, "ONETAIL"))
 383                 opts.tails = 1;
 384               else if (lex_match_id (lexer, "SIG"))
 385                 opts.sig = false;
 386               else if (lex_match_id (lexer, "NOSIG"))
 387                 opts.sig = true;
 388               else
 389                 {
 390                   lex_error (lexer, NULL);
 391                   goto error;
 392                 }
 393
 394               lex_match (lexer, T_COMMA);
 395             }
 396         }
 397       else if (lex_match_id (lexer, "STATISTICS"))
 398         {
 399           lex_match (lexer, T_EQUALS);
 400           while (lex_token (lexer) != T_ENDCMD && lex_token (lexer) != T_SLASH)
 401             {
 402               if ( lex_match_id (lexer, "DESCRIPTIVES"))
 403                 opts.statistics = STATS_DESCRIPTIVES;
 404               else if (lex_match_id (lexer, "XPROD"))
 405                 opts.statistics = STATS_XPROD;
 406               else if (lex_token (lexer) == T_ALL)
 407                 {
 408                   opts.statistics = STATS_ALL;
 409                   lex_get (lexer);
 410                 }
 411               else
 412                 {
 413                   lex_error (lexer, NULL);
 414                   goto error;
 415                 }
 416
 417               lex_match (lexer, T_COMMA);
 418             }
 419         }
 420       else
 421         {
 422           if (lex_match_id (lexer, "VARIABLES"))
 423             {
 424               lex_match (lexer, T_EQUALS);
 425             }
 426
 427           corr = xrealloc (corr, sizeof (*corr) * (n_corrs + 1));
 428           corr[n_corrs].n_vars_total = corr[n_corrs].n_vars1 = 0;
 429
 430           if ( ! parse_variables_const (lexer, dict, &corr[n_corrs].vars,
 431                                         &corr[n_corrs].n_vars_total,
 432                                         PV_NUMERIC))
 433             {
 434               ok = false;
 435               break;
 436             }
 437
 438
 439           corr[n_corrs].n_vars1 = corr[n_corrs].n_vars_total;
 440
 441           if ( lex_match (lexer, T_WITH))
 442             {
 443               if ( ! parse_variables_const (lexer, dict,
 444                                             &corr[n_corrs].vars, &corr[n_corrs].n_vars_total,
 445                                             PV_NUMERIC | PV_APPEND))
 446                 {
 447                   ok = false;
 448                   break;
 449                 }
 450             }
 451
 452           n_all_vars += corr[n_corrs].n_vars_total;
 453
 454           n_corrs++;
 455         }
 456     }
 457
 458   if (n_corrs == 0)
 459     {
 460       msg (SE, _("No variables specified."));
 461       goto error;
 462     }
 463
 464
 465   all_vars = xmalloc (sizeof (*all_vars) * n_all_vars);
 466
 467   {
 468     /* FIXME:  Using a hash here would make more sense */
 469     const struct variable **vv = all_vars;
 470
 471     for (i = 0 ; i < n_corrs; ++i)
 472       {
 473         int v;
 474         const struct corr *c = &corr[i];
 475         for (v = 0 ; v < c->n_vars_total; ++v)
 476           *vv++ = c->vars[v];
 477       }
 478   }
 479
 480   grouper = casegrouper_create_splits (proc_open (ds), dict);
 481
 482   while (casegrouper_get_next_group (grouper, &group))
 483     {
 484       for (i = 0 ; i < n_corrs; ++i)
 485         {
 486           /* FIXME: No need to iterate the data multiple times */
 487           struct casereader *r = casereader_clone (group);
 488
 489           if ( opts.missing_type == CORR_LISTWISE)
 490             r = casereader_create_filter_missing (r, all_vars, n_all_vars,
 491                                                   opts.exclude, NULL, NULL);
 492
 493
 494           run_corr (r, &opts,  &corr[i]);
 495           casereader_destroy (r);
 496         }
 497       casereader_destroy (group);
 498     }
 499
 500   ok = casegrouper_destroy (grouper);
 501   ok = proc_commit (ds) && ok;
 502
 503   free (all_vars);
 504
 505
 506   /* Done. */
 507   free (corr->vars);
 508   free (corr);
 509
 510   return ok ? CMD_SUCCESS : CMD_CASCADING_FAILURE;
 511
 512  error:
 513   free (corr->vars);
 514   free (corr);
 515   return CMD_FAILURE;
 516 }